融合自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制

为提高不同工况下驾驶机器人操纵试验车辆的转向精度和自适应能力,提出了一种基于自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制方法。首先建立了试验车辆动力学模型和驾驶机器人转向机械手动力学模型,并构建了驾驶机器人转向操纵试验车辆的集成系统动力学模型,接着研究了一种融合路径曲率和车速的驾驶机器人转向操纵自适应曲线预瞄方法,其预瞄点位置能够根据车速和路径曲率做出自适应调整。在此基础上,设计了用于驾驶机器人转向操纵的粒子群优化滑模控制器,并进行了稳定性分析,同时利用粒子群算法在线优化滑模控制切换项的反馈增益系数,以减小控制抖振。仿真及试验结果表明,所提出的方法能够在不同工况下根据路径曲率和车速做出自适应调整,实现驾驶机器人操纵车辆的精确转向控制。     

基于主动转向的车辆路径跟随广义预测控制

为了增强车辆在外界干扰存下的路径跟随性能,提出了一种基于广义预测控制(GPC)的主动转向控制器来保证车辆对于路径的跟踪能力.采用受控自回归积分滑动平均模型(CARIMA)作为预测模型,通过带遗忘因子的最小二乘法辨识方法获得CARIMA模型参数,避免了由于车辆非线性造成的参数化建模不准确、繁琐问题.使用车辆路径侧向跟踪误差作为控制器输入,方向盘附加转角作为输出,与驾驶员方向盘转角进行综合,获得车辆方向盘最终转角.在Simulink-CarSim联合仿真环境下,验证了所设计控制器在双移线工况有强侧向风干扰时车辆对路径的跟随性能.     

基于子空间方法的车辆稳态操纵性模型辨识

基于子空间辨识方法,对稳态操纵工况下的车辆动力学模型进行辨识.根据子空间算法的假设条件,构建了3自由度车辆模型,并进行系统的可辨识性论证,确定了相应的辨识模型结构.采用方向盘角阶跃输入转向回正性能试验数据进行车辆模型的辨识.辨识模型的验证采用相同车速下的实车蛇形试验数据,分别在时域和频域进行辨识和试验对比.结果显示,两者基本吻合,子空间算法能够很好地适用于线性车辆操纵动力学模型的辨识.     

基于模糊免疫PID的驾驶机器人车辆路径及速度跟踪控制

为了实现装备驾驶机器人车辆的路径及速度跟踪控制,提出了1种基于模糊免疫比例积分微分(PID)的控制方法。通过比较车辆实际行驶路径与期望路径的侧向偏差,模糊免疫比例路径跟踪控制器控制转向机械手操纵方向盘。通过计算期望车速与实际车速的偏差,模糊免疫PID速度跟踪控制器控制制动/油门机械腿分别操纵制动/油门踏板。通过引入车速反馈不断更新汽车的侧向加速度增益,实现了车辆转向控制与纵向车速控制的解耦。Carsim/Simulink软件的联合仿真结果显示,车辆路径跟踪和车速跟踪的最大误差分别为0.28 m和1 km/h。     

基于预计误差方法的车辆操纵稳定性模型辨识

使用方向盘脉冲输入的实车试验数据,基于预计误差方法对车辆操纵稳定性模型进行了离线辨识.将模型仿真结果与实测数据相比较,通过残差分析,结果表明,模型辨识精度能满足要求,可以用于未来的优化改进和整车控制研究.     

考虑驾驶员特性的四轮独立驱动电动汽车转向控制研究

四轮独立驱动电动汽车四轮驱动力矩独立可控,在汽车控制方面相对于传统汽车具有显著优势,通过建立驾驶员不同转向特性参考模型和四轮驱动力矩控制进行考虑驾驶员特性的四轮独立驱动电动汽车转向控制研究。基于驾驶模拟器实验,在对驾驶员转向特性进行分类和建立辨识模型的基础上,采用RBF神经网络建立了驾驶员不同转向特性的参考模型,给出了考虑驾驶员转向特性的整车控制原理,应用驾驶模拟器对所研究的控制方法进行了验证。验证结果表明:参考模型输出能够反映不同转向特性驾驶员期望的车辆响应,通过对四轮驱动力矩合理控制实现汽车跟踪驾驶员期望。     

轮毂驱动电动汽车的差动助力转向与回正控制

为了改善车辆转向轻便性和方向盘的回正能力,开展了利用左右车轮的转矩差实现差动助力转向和回正控制研究。首先利用转向系统模型预测方向盘力矩,根据助力特性曲线计算不同车速下的理想助力矩,由两者获得理想的方向盘力矩。以实测方向盘力矩与理想方向盘力矩的偏差作为控制目标,进而得到差动助力矩。以实现差动助力矩为目标,以横向稳定性为优化目标,基于二次规划方法对车轮驱动转矩进行最优分配,实现差动助力转向控制。最后根据方向盘转角特性,提出了差动助力转向与回正控制的结合方法。基于CarSim和MATLAB的联合仿真,证明提出的控制方法能改善车辆的转向轻便性和方向盘回正能力。     

基于模型预测控制的电动轮车辆横摆控制

为提高电动轮驱动车辆对不同路面的适应能力,基于模型预测控制提出一种将驱动电机的饱和输出力矩作为控制输入约束、将质心侧偏角作为输出约束的汽车横摆控制方法。建立2自由度的车辆状态空间模型作为预测模型,在线计算出跟踪理想横摆角速度所需的附加横摆力矩,通过调节相应驱动轮的驱动力来完成高效、简易的直接横摆力矩分配。将本文算法应用于四轮驱动的8自由度整车模型进行控制仿真,结果表明,该方法能够保证车辆在良好路面及湿滑路面上紧急转向和换道的操作稳定性,并能改善车辆循迹能力。     

四轮转向的神经网络直接逆控制

采用二自由度摩托车模型研究四轮转向车辆的转向特性,建立四轮转向车辆线性二自由度动力学模型和方程.着重设计BP神经网络直接逆控制系统,通过离线辨识、在线学习控制被控系统,与其他控制方法对比表明,神经网络直接逆控制系统能够更加有效的控制后轮转角以便使车辆质心侧偏角为零,并提高车辆低速机动性和高速稳定性.     

四驱混合动力轿车转弯工况路径跟踪控制

针对四驱混合动力轿车,提出一种转弯工况下集成横向与纵向运动控制功能的路径跟踪控制策略.在建立车辆动力学与动力系统模型的基础上,设计了基于轨迹跟踪误差的驾驶员预瞄转向模型;采用模糊控制器确定了期望车速,对转矩分配问题进行优化研究;设计了车速与轨迹跟踪模型预测控制器;搭建了CarSim与MATLAB/Simulink联合仿真模型与自动驾驶模拟驾驶器,对控制策略进行了离线仿真和硬件在环仿真试验.研究结果表明,车辆转弯过程中路径及车速跟踪效果良好,满足转弯工况路径跟踪需求.     

分布式电驱动汽车驱动力矩优化控制分配

针对分布式电驱动汽车在加速转向行车工况下车轮驱动力矩的控制分配问题,提出一种具有分层结构的控制策略.在控制策略的上层,为提高控制器对参数不确定和模型误差的鲁棒性,基于滑模控制进行主动横摆力矩计算.在控制策略的下层,构建了以提高车辆操纵性、降低电能损失为目标的优化问题,并基于离线计算和在线优化相结合的方式进行求解.采用Matlab-Carsim联合仿真,验证了控制策略在提高车辆操纵性能、降低能耗上的有效性.      

多轴机电复合分布式驱动车辆转向半径模式控制策略

基于对多轴轮式车辆的最小转向半径战技指标的要求,提出了一种适用于多轴机电复合分布式驱动车辆的最小转向半径控制系统,并详细介绍了该模式下的整车控制策略,当车辆以大前轮转角低速转向时,后两桥驱动电机产生“外正内负”的力矩辅助车辆转向从而减小最小转向半径.为验证系统性能,文中建立了包含车体纵向速度、侧向速度、横摆角速度及8个车轮旋转的11自由度整车动力学模型,并采用Gim轮胎模型表达了轮胎的非线性力学特性.虚拟样机仿真的结果表明,在该控制策略下,车辆的最小转向半径可减小10.31%,转向机动性能得到大幅度提高.      

具有线性位置解的3-CRU并联机器人轨迹跟踪

针对现有单一的线性伺服控制时机器人运动平台的跟踪轨迹精度较差的问题,基于前馈力矩补偿和滑模变结构控制相结合的控制策略,对具有线性位置解的3-CRU并联机器人的轨迹跟踪进行了相关研究．采用拉格朗日方程建立了该机器人的包含建模误差和外部干扰的动力学模型并辨识了机器人的动力学参数,设计了在线性伺服控制基础上前馈力矩补偿与滑模变结构控制相结合的控制策略．通过实验对比,证明采用上述控制策略不仅提高了机器人动平台的轨迹跟踪精度,而且增强了机器人系统的鲁棒性．同时,线性的位置正解方程这一特性使得机器人驱动滑块的位置误差传递到运动平台上不会呈指数型累积增长,从结构上保证了机器人运动平台的轨迹精度．     

串并联混合动力系统自适应模式切换优化控制

为改善某新型串并联插电式混合动力系统双电机纯电动至并联驱动模式切换品质,同时确保不同车辆行驶状态及驾驶员输入下模式切换策略的适应性能,提出了平顺性起机和动力性起机概念,设计了自适应模式切换优化控制策略。首先,建立该串并联混合动力系统动力学模型,并对其双电机纯电动至并联驱动模式切换过程进行分析,确定模式切换不同阶段控制目标及控制策略;其次,以车辆驾驶平顺性和发动机起动时间为优化指标,通过动态规划求解发动机最优拖转转速曲线,提出一种发动机起动模型预测优化控制策略,在线计算离合器滑摩转矩以拖转发动机跟踪目标最优转速曲线,并通过电机补偿输出端转矩波动。离线仿真及硬件在环台架试验结果表明,所开发的自适应模式切换控制策略能够满足不同的驾驶需求,并具有较好的驾驶平顺性。     

考虑人-车-路耦合的路径跟随过程操稳性预测研究

为更早预测车辆的操稳性失稳风险,针对性解决传统“人-车-路”耦合系统中“路”先验信息未知和由此导致的“人”输入难预测问题,借助先进辅助驾驶系统提供的前方预瞄路径,提出结合驾驶员转向模型及车辆非线性动力学模型的操稳性预测方法. 构建“人-车-路”闭环反馈驾驶员模型,对跟随道路曲率的驾驶员转向行为进行预测;将当前车速与预测转向作为三自由度非线性动力学模型的输入,实现跟随前方路径的操稳性状态预测;通过Simulink-Carsim联合仿真及驾驶员模拟器硬件在环对比,进行双移线路径、变曲率路径和蛇形路径工况模拟. 所提方法的操稳性状态预测值与实际值吻合良好.     

基于协作机器人的飞机总装驾驶方向盘操纵曲线测试

针对飞机总装测试过程中,人工从外部获得飞机驾驶操纵位移/力曲线难的问题,提出了一种采用协作机器人代替人工进行操作,并利用机器人自身关节上传感器测得其操纵曲线的方法.首先建立试验系统,描述了模拟方向盘装置的加载原理,并推导出其理论操纵曲线.然后通过建立机器人的D-H(Denavit-Hartenberg)模型解算出机器人各轴角度、力矩与末端位置、受力的关系,进而转化为方向盘的转角和所受力矩关系.接着建立机器人的阻抗控制模型解决了转动方向盘因为轨迹误差造成的憋死问题,并通过实验表明机器人能够顺从方向盘的既定轨迹完成了方向盘的回转运动.通过机器人转动方向盘实验做出的操纵曲线与内部传感器的曲线对比,误差在2％以内,说明了协作机器人代替人进行测试的可行性.     

多指欠驱动机械手接触力建模及抓取方式分析①

欠驱动机械手具有操作简单,结构紧凑等特点被广泛应用在工业机器人以及航天机器人等领域。建立了欠驱动机械手抓取接触的静力学模型,得到抓取接触力与输入力矩的关系。针对欠驱动机械手包络分析了抓取位置偏差对手指各关节角度的变化影响。通过Matlab编程方式进行了包络抓取方式的数值仿真,验证了抓取模型的正确性。     

基于驱动电机控制的电动汽车坡道静止保持系统

针对传统坡道驻车系统制动力释放时间延迟或提前会引起坡道起步具有冲击和后移问题,文中提出了一种基于驱动电机控制的电动汽车坡道静止保持系统,基于驱动电机系统参数建立了坡道静止保持系统动力学模型.对于模型中坡度和整车质量参数的不确定性,系统采用了参数辨识-自抗扰技术控制策略.参数辨识技术作为控制器输入初值,并使用自抗扰控制技术补偿辨识误差.实验数据表明:变遗忘因子最小二乘法能够估算坡度和整车质量参数,且误差在15%以内.此外,控制器中自抗扰算法能消除参数估算误差和扰动,与传统PI控制器相比,具有控制车辆后移距离短、响应速度快的特点.      

电传动履带车辆原地转向控制与D2P实时仿真

为了提高电传动履带车辆的原地转向性能,从履带车辆原地转向动力学模型出发,提出一种基于双电机力矩控制的电传动履带车辆原地转向控制策略,首先增大电机力矩初始值以提高转向响应速度,进而将方向盘转角信号引入横摆角速度负反馈增益从而实现驾驶员对转向速度的控制.使用D2P快速原型开发系统构建了履带车辆原地转向“驾驶员+控制器”在环仿真平台,通过实时仿真对所提出的控制算法进行了验证,结果表明设计的控制策略正确有效,且具有良好的实时性.     

车辆横向稳定性的模糊控制仿真

车辆横向稳定性一般是由车辆的结构来保证的,但车辆在较大侧向力作用下将丧失横向稳定性.通过建立车辆转向运动的简化模型,利用前馈补偿和模糊控制策略,将前轮转向角视为前馈输入变量来补偿转向角引起的车辆侧偏角变化;通过左右车轮制动力差产生附加力矩来控制车辆的横摆运动,同时以车辆横摆角速度为反馈输入变量来校正消除系统误差,设计了车辆模糊控制器,并对控制系统在不同车速下进行了仿真分析.仿真结果表明,施加控制的车辆与无控制的相比,横摆角速度与侧偏角的输出稳态值减小,超调量降低,改善了车辆的横向稳定性.特别在高速情况下,车辆横向稳定性改善更加明显.