基于路面自动识别的ABS自适应神经模糊控制器仿真研究

有效、快速的道路状况自动识别对于提高ABS性能具有重要意义。通过仿真试验分析,提出了一种比传统方法更快更高效的路面识别方法,并设计了以滑移率为控制目标的ABS模糊神经网络控制器。结合车辆模型熏对单一附着系数路面和变附着系数路面进行了ABS制动模拟试验。结果表明熏基于路面自动识别ABS模糊控制系统能快速、准确判断出路面状况的变化熏自动调整、优化控制器控制参数熏使车辆获得最大地面制动力,与传统利用车身加速度进行路面识别的逻辑门限控制器相比,该控制器反应更灵敏,控制更精确。     

基于主动自适应悬架系统的道路友好性研究

为了减少车辆轮胎动载荷对道路路面的影响,提高车辆的道路友好性,设计了以主动悬架为控制对象的自适应模糊PID控制系统。该系统将模糊控制与常规PID控制有机融合,利用模糊隶属函数实时对PID控制参数进行调节。建立5自由度主动悬架友好路面仿真模型,以C级路面谱为路面输入信号,道路友好性评价指标采用动载荷系数、动态载荷应力因子及95百分位4次幂和力,对主动自适应悬架系统进行研究。研究结果表明:采用自适应模糊PID控制的主动悬架系统的道路友好性明显优于被动悬架和单一模糊控制的主动悬架;采用模糊PID控制的主动悬架系统可显著降低车辆对路面的动态载荷,提高道路的使用寿命,最终达到提高公路设计的质量和安全性的目的。     

基于模糊自适应PID的智能车辆路径跟踪控制

选取车辆当前位姿和参考位姿来构造车辆的动态位姿误差,建立车辆路径跟踪闭环控制系统的Simulink仿真模型,并设计了模糊自适应PID控制器,利用模糊推理的方法,对PID控制器的参数进行自动调整。利用常规PID和模糊自适应PID控制算法分别进行仿真实验。仿真结果表明,模糊自适应PID改善了控制器的动态性能且具有较好的自适应能力。     

汽车ABS自适应模糊滑模控制算法研究

基于纵向附着系数一滑移率曲线特性,设计了可进行最佳滑移率估计和校正的自适应调节器,并根据滑移率跟踪最佳滑移率的误差,设计了可进行滑模参数自适应调节的模糊逻辑调节器.利用Simulink建立了ABS的自适应模糊滑模控制器模型和自适应滑模控制器模型,分别对单一路面和不同路面进行了仿真和比较研究,结果显示所提出的汽车ABS自适应模糊滑模控制算法可行,并且利用自适应模糊滑模控制器的ABS纵向附着系数利用率更高、稳定性更好、制动时间和制动距离更短.     

工程车辆液压行走驱动系统模糊自适应PID控制策略研究

在现有工程机械PID控制器的基础上,利用模糊推理实现了对PID参数在线自整定模糊自适应控制,并且在MATLAB软件下将该控制器在车辆液压底盘试验台系统中的应用进行了研究,仿真结果表明,参数自适应模糊PID控制能使系统达到满意的控制效果.     

基于分数阶理论的车辆ABS控制研究

针对车辆制动过程中出现制动失稳问题及对控制安全、稳定性的要求,结合车辆动力学模型,提出一种基于分数阶比例积分微分理论的车辆制动防抱死分数阶PID主动控制方法,并利用Oustaloup滤波器和遗传优化算法对分数阶PID控制器进行有理化和参数整定处理,得到优化后的分数阶PID控制器,最后采用MATLAB/Simulink对车辆制动防抱死分数阶PID控制器进行了离线仿真分析。通过仿真分析表明,当车辆以20m/s的速度在路面上制动时,路面参数一定,采用遗传算法优化的分数阶PID控制相对于模糊自适应控制、传统整数阶PID控制,在制动时间上下降了2.1%和3.1%,制动距离缩短了3.86%和5.82%,其具有较低的超调量、较快的响应和较小的稳态误差。     

基于模糊PID控制的汽车道路模拟系统研究与仿真

根据模糊控制理论，以汽车道路模拟系统为研究对象，将模糊控制与常规的PID控制相结合，设计出一套模糊PID控制系统。并对正弦波、方波以及随机波进行仿真再现，仿真结果表明，该模糊PID控制器比常规PID控制器具有更高的控制精度和更好的动态性能。     

基于多维耦合仿真的冷却系统控制策略优化

电动车驱动系统冷却系统具有非线性、传热迟滞和时变性等特点，电机控制器功耗受工作温度影响较大，传统的冷却辅机控制策略无法满足最低功耗需求。针对此问题，利用STAR-CCM+和Amesim仿真软件建立冷却系统多维耦合仿真模型，研究电机控制器冷却系统最优门限值，并联合Matlab/Simulink仿真平台对比多挡、PID和自适应模糊PID3种控制方法的系统功耗。结果表明自适应模糊PID控制能够提升冷却系统的动态性能，降低整车能耗。     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...     

考虑驾驶员和道路特性的车辆自适应巡航模型预测控制

文章提出一种将模糊逻辑控制与模型预测控制相结合的控制方法用于车辆的自适应巡航控制(ACC)。在该方法中,模糊控制器根据驾驶员和道路特性对模型预测控制器得到的优化结果进行修正,得到期望的纵向加速度作为主车的控制输入。ACC算法在Matlab/Simulink中搭建,仿真结果显示,提出的ACC算法能够在不同的驾驶风格和路面条件下很好地实现跟车功能,算法具有很强的鲁棒性。     

汽车防抱死制动系统的自抗扰控制研究

汽车防抱死制动系统（Anti-lock Braking System,ABS）的作用是确保汽车制动时行驶方向的稳定性、可靠性,但是目前仍存在非线性、时变性以及参数不确定性等问题。为保证汽车制动行驶过程中的操纵稳定性和安全性,进一步实现各工况下防抱死制动系统的优化控制,以影响整车稳定的变量滑移率为研究对象,分析所设计策略的控制效果。搭建汽车动力学模型、制动系统模型、轮胎模型和滑移率模型等主要模型,设计基于滑移率的ABS二阶非线性自抗扰控制器。运用MATLAB/Simulink软件对基于自抗扰控制（Active Disturbance Rejection Control,ADRC）的ABS制动过程和基于模糊PID控制的ABS制动过程进行仿真,对比研究最佳滑移率、载荷、水泥-冰对接路面、扰动等对制动过程中的轮速、车速以及滑移率等动态性征反映的稳定性和抗扰能力的影响,同时研究其对最终制动距离和最终制动时间反映的制动性能的影响。最后,将自抗扰控制器和模糊PID控制器装配于试验车辆的ABS,进行水泥路面和冰-水泥对接路面制动过程的实车试验。研究结果表明：基于二阶非线性自抗扰控制算法的ABS制动的最终制动距离和最终制动时间更短、制动效果更优,制动过程中的轮速、车速和滑移率在响应速度、稳定性和抗扰能力等方面均更佳;试验结果与仿真结果吻合,证明了仿真模型及其仿真结果的可行性和正确性。     

考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。     

电动汽车矢量控制的模糊-PID复合控制方式

在异步电机矢量控制方法的基础上，提出了电动汽车交流异步电机驱动矢量控制系统的模糊－PID复合控制方式，以使汽车在起步和加速时获得最大的加速度，并设计了具体的控制策略。然后基于MATLAB／SIMULINK仿真平台建立了整个控制系统的仿真模型，并给出了仿真结果。结果表明，采用模糊PID矢量控制的交流驱动电动汽车在各种附着系数路面均具有良好的起步、加速和稳速性能。     

智能分布式驱动汽车路径跟踪/制动能量回收协同控制策略研究

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题,充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势,设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数,以综合优化各工况下的控制目标。高附路面下,制定满足最大能量回收值的全局参考车速,在线优化路径跟踪指令,实现最优能量回收的同时减小系统运算负荷;低附路面下,优先考虑车辆的路径跟踪性能和行驶稳定性,在多目标代价函数中取消对全局参考车速的跟随要求,增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解,得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配,最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件,搭建控制器在环仿真平台,并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明：高附路面下,所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间;低附路面下,与使用高附控制策略相比,能够保证车辆的路径跟踪准确性与行驶稳定性,同时可提升7.8%的能量回收值;控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。     

车辆防抱系统鲁棒控制的研究

本文讨论了防抱制动系统鲁棒控制器设计问题，采用鲁棒和性能加权，系统有效地抗干扰和参数变化，使控制器有效地适应不同的路况及制动工况，与ＰＩＤ算法进行了比较，模拟的结果证实了该控制器的优良品质。     

PID plus fuzzy logic method for torque control in traction control system

A Traction Control System (TCS) is used to control the driving force of an engine to prevent excessive slip when a vehicle starts suddenly or accelerates. The torque control strategy determines the driving performance of the vehicle under various drive-slip conditions. This paper presents a new torque control method for various drive-slip conditions involving abrupt changes in the road friction. This method is based on a PID plus fuzzy logic controller for driving torque regulation, which consists of a PID controller and a fuzzy logic controller. The PID controller is the fundamental component that calculates the elementary torque for traction control. In addition, the fuzzy logic controller is the compensating component that compensates for the abrupt change in the road friction. The simulation results and the experimental vehicle tests have validated that the proposed controller is effective and robust. Compared with conventional PID controllers, the driving performance under the proposed controller is greatly improved.     

模糊PID控制的电动汽车再生制动系统变换器的研究

提出了利用超级电容作为储能元件实现电动汽车再生制动的能量回收方案,分析了电动汽车控制系统的双向DC/DC变换器和电机驱动器的驱动降压电路、制动升压电路,设计了该控制系统的模糊自整定PID控制器。通过仿真研究表明,在车辆驱动降压变换时,模糊自整定PID控制的超级电容器在150 A左右的大电流放电情况下,超级电容仍能维持2.5 s的指定电压输出,车辆在额定功率下工作,通过降压变换,超级电容储存的能量迅速供给电机,有效提高了驱动电流,改善了起动及加速性能,有效增加了续驶里程。在制动升压变换时,模糊自整定PID控制的超级电容器电流基本跟随指令值上下波动,超级电容电压从120 V不断上升,使得该电容器的储能能力得到充分利用,实现了高水平的能量回收。     

防抱死制动系统模糊自学习控制研究

由于车辆参数和运行工况的复杂多变，针对特定参数和路面条件所设计的防抱死制动系统往往难以适应。为解决这一问题，文中首先建立了带有盘式制动器的双轮车辆直线制动系统的数学模型；而后提出了模糊自学习控制策略，该方案通过引入模糊学习机制以调整模糊控制器的规则集，可使车辆对象输出跟踪理想参考模型的输出；接着对所设计控制算法在不同路面条件下进行了性能模拟；最后开发了模糊自学习微控制器，基于硬件在环仿真技术，对设计控制器的性能进行了实验验证。