基于变传动比的线控转向前轮转角控制

提出一种基于混合智能变传动比技术的前轮转角控制算法;分析了车辆转向性能和转向稳定性的影响因素,利用模糊神经网络设计以控制车辆转向性能为重点的传动比控制器,利用直线拟合方法设计以转向稳定性为重点的传动比控制器,然后应用模糊软切换技术对两传动比进行切换融合,最终得出兼顾转向性能和转向稳定性的恰当总传动比;利用该传动比直接控制前轮转角,并将控制策略进行仿真实验;实验结果表明总传动比不仅在数值范围和曲线形状上更接近理想传动比,而且将对应的峰值速度控制在110km/h左右,优于其他两个分传动比的控制效果;用该传动比控制的整车稳定性和前轮路径跟踪能力较好,可见整个控制策略的有效性。     

基于红外光电传感器的智能车两轮差速转向模糊控制

介绍了一种基于红外光电传感器的智能小车两轮差速转向模糊控制系统,该系统以单片机最小系统为核心,根据寻迹传感器的检测值判断小车运行状态,从而改变电机转速,实现控制小车的目的。实验结果表明,采用模糊控制方法对两轮差速转向进行控制,小车运行稳定,路径跟踪可靠,控制性能良好。     

自适应模糊控制理论的研究综述

针对近10年来自适应模糊控制的主要研究成果,从模糊系统、模糊控制、稳定性、模糊逼近和神经网络等方面较详细地概括与分析了自适应模糊控制理论的研究与进展,特别是在Lyapunov稳定性理论下,基于模糊模型的自适应模糊控制与鲁棒控制、滑模控制等传统方法的结合与互补为非线性系统建模与控制提供了强有力的工具.最后对自适应模糊控制新的研究方向进行了展望,模糊建模与自适应控制的研究具有重要的理论和实际意义.     

基于Adams/Car汽车转向系统力矩波动优化分析

详细阐述转向系统力矩波动的基本原理,并基于Adams/Car悬架系统模型进行DOE分析,找到对转向传动比波动影响最关键的因素;然后结合实际车辆,优化得到转向传动比波动最小时的相位角最佳值.在实车上对优化方案进行验证.     

基于神经网络的模糊控制在四轮转向系统中的应用

简要分析四轮转向系统的工作原理,并且根据四轮转向系统是一个复杂的多变量、非线性系统,利用神经网络与模糊控制相结合的方法,使车辆在行驶过程中具有很好的稳定性能。     

汽车电子助力转向的模糊PD控制器设计

本文针对汽车助力转向环境的非线性、参数时变性和模型不确定性的情况，考虑PD控制器不能在线进行参数自整定的问题，基于模糊控制技术，提出了一种模糊自整定PD参数的汽车电子助力转向系统的控制方法与控制策略。该方法采用DSP为核心，利用模糊控制规则在线调整PD控制器的参数。运用MATLAB进行仿真的结果表明模糊PD控制器既具有PD控制器高精度的优点，又具有模糊控制器适应性强的特点,能保证有更小的超调、鲁棒性强、更短的调整时间及更好的动、静态特性，在汽车电子助力转向领域具有较高的推广应用价值。     

神经网络自学习模糊控制及其在合成氨生产中的应用

提出一类基于神经网络的模糊控制设计方案。控制系统中包括两个神经网络,一是利用神经网络进行模糊推理,实现控制规则的推理过程;二是采用另一个神经网络对系统的动态进行跟踪,以实现前向通道中语言变量的模糊区间的优化,从而使控制效果更加理想。合成氨控制系统的实例验证了该算法的有效性     

基于电动助力转向系统控制算法的研究

为了达到对转向系统控制转向轻便又不失路感的目的,通过对汽车电动助力转向系统进行力学分析,建立数学模型,提出一种模糊控制与PD控制并行的控制算法。在大转矩时采用模糊PD控制,动态响应好,转向轻便,在小转矩是采用PD控制,控制精度高,不失路感。通过MATLAB进行仿真。研究结果表明,通过采用提出的控制策略即提高了系统的控制精度,又减小了系统的超调,缩短了调整时间,能获较理想的转向助力效果和良好的跟随性能。     

轮式机器人模糊遗传PID转向控制实验研究

为了对模型复杂的轮式地面机器人进行转向控制，应用了模糊遗传PID控制方法。先用模糊神经网络建立车体模型，再用遗传PID进行参数寻优，最后用优化参数控制机器人转向。该方法能直观地判断PID参数是否有效。经过对车体转向控制的实验研究，控制效果良好。     

潜艇垂直面运动自适应神经网络模糊控制仿真

神经网络控制和模糊控制技术的广泛应用为潜艇自动舵控制器的设计提供了新的思路.而模糊规则的提取和隶属函数的学习是模糊推理系统设计中重要而困难的问题,自适应神经网络模糊推理系统(ANFIS)结合模糊控制和神经网络控制的优点,基于sugeno模糊模型采用反向传播法和最小二乘法调整模糊推理系统的参数,并自动产生模糊规则.利用方法对潜艇乖直面运动自动舵控制器进行了设计和仿真.从仿真结果来看,自适应神经网络模糊控制器能较好的实现对潜艇垂直面运动的操纵控制,是一种很好的控制方法.     

A model predictive control approach for angle tracking of steer-by-wire system with nonlinear transmission ratio

Steer-by-wire for full self-driving vehicles requires rapid angle tracking in the process of steering, making steering system stability paramount. This is particularly challenging for steering wheels accurately without handwheel, for which road feedback information is scarce. While much of the research on steer-by-wire has focused on improving the stability of vehicle dynamics, comparatively little is known about the angle tracking control of steer-by-wire system for full self-driving vehicle. Here, we discuss a series of studies on the steering dynamics model and nonlinear transmission ratio of steering system that, collectively, design an angle tracking approach of how the model predictive control algorithm steers the front wheels precisely. The designed approach has been downloaded into a steering control unit and tested by some steering cycles in a steering test bench to fully realize angle tracking control of steer-by-wire system in practical engineering.     

非同轴两轮机器人自平衡与转向闭环控制

针对车速、车身侧倾角和前轮转角变化较大工况下的非同轴两轮机器人在基于前轮转角的自平衡控制中,因动力学模型准确性对自平衡控制带来的影响,设计了基于RBF神经网络模糊滑模控制的自平衡控制器,利用RBF神经网络的逼近特性,对动力学模型中非线性时变的不确定部分进行自适应逼近,从而提高动力学模型的准确性,并借助模糊规则削弱滑模控制中产生的系统抖振;以及因前轮转角用于自平衡控制中难以实现转向闭环控制,建立了基于纯跟踪法的轨迹跟踪控制器,并设计利用车身平衡时车身侧倾角与前轮转角的耦合关系,将转向闭环控制中的目标前轮转角替换为目标车身侧倾角,从而将自平衡控制器与轨迹跟踪控制器相结合,在保证车身平衡行驶的前提下,实现带有轨迹跟踪的转向闭环控制。实验结果表明,凭借动力学模型的较高准确性,RBF神经网络模糊滑模自平衡控制器具有鲁棒性好、超调量低和响应迅速的优点,并且利用车身平衡后车身侧倾角与前轮转角耦合关系,实现转向闭环控制是可行的,具有良好的轨迹跟踪效果。     

汽车操纵稳定性的自适应控制策略研究

针对汽车系统的非线性和参数不确定性,设计了一种“前馈+反馈”自适应神经模糊控制器,通过ESP和AFS的协调控制来提高汽车操纵稳定性.ESP反馈控制器采用模糊控制策略,以横摆角速度和质心侧偏角为控制目标;AFS前馈控制器采用径向基神经网络控制,以反馈控制器的输出作为误差进行学习,从而实现自适应控制.仿真结果表明,上述控制策略是可行和有效的,能显著改善汽车在高速或湿滑路面上的操纵稳定性.     

Yaw stability control of articulated frame off-highway vehicles via displacement controlled steer-by-wire

Off-highway vehicles have not received the same level of scrutiny that their on-highway counterparts did relative to safety, comfort, fuel economy, and automation. Over the past few decades, various active chassis safety control systems, architectures, and schemes have been researched and developed to improve the stability and handling of on-highway vehicles, including articulated vehicles such as tractor–trailer applications. In this paper, the authors investigate a yaw stability control system for articulated frame steering off-highway vehicles via novel steer-by-wire technology that they have recently developed. A high-fidelity vehicle dynamics model is derived while keeping the yaw rate decoupled from the lateral acceleration, in order to separate the primary path-following task (driver) from the secondary disturbance–attenuation task (controller). The control algorithm is then designed such that the two tasks do not hamper one another, and that the automatic controller is quickly activated for a short period of time to counteract instabilities, and then smoothly relinquishes control back to the human operator. Simulation and experimental testing results are obtained to validate the vehicle dynamics model, the control algorithm design, and the new system's efficacy in counteracting yaw instabilities on low-friction surfaces using standard vehicle dynamic maneuvers.     

视觉AGV的差速转向控制器设计

简要地介绍了基于机器视觉导向的AGV两轮差速转向的原理和组成，并对计算机控制系统设计，图像信息识别等AGV控制问题进行了阐述，提出了一种采用模糊控制方法对AGV两轮差速转向进行控制。仿真和实验结果均表明，采用模糊控制方法对两轮差速转向进行控制，样车运行过程稳定，路径跟踪可靠，控制性能良好。     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

基于神经网络的室外移动机器人前轮转向模型

针对室外移动机器人的行驶特点,将车体模型划分为前轮转向模型、速度模型和位姿 模型三个部分.提出用模糊集合与神经网络相结合来建立车体前轮转向模型的方法.首先将对 前轮转向特性影响较大的行车速度模糊化,然后利用神经网络建立各模糊速度下的前轮转向模 型,最后由逆模糊化过程求得模型的实际输出.实验结果表明,该方法能较准确地反映车体的前 轮转向特性并具有鲁棒性强和易于实现的特点.     

基于Carsim轻型货车EPS系统控制策略研究

汽车转向性能的优劣直接决定汽车驾驶的安全性,是影响汽车主动安全的重要因素。为了提高汽车在不同工况转向时的操纵动力学性能,以轻型货车为载体,利用模糊自适应PID控制策略参数自适应调整的优势,制定模糊自适应PID控制策略,在EPS系统基本的助力模式下展开研究,通过结合Carsim和Matlab/simulink建立的整车联合模型进行仿真,并和传统PID控制策略对比分析。结果表明:汽车行驶在不同的工况时,模糊自适应PID控制策略不仅能够满足在助力模式下转向的轻便性,还通过自身的参数自调整,比常规PID控制策略具有更快的响应速度和较小的超调量,系统的性能提高。研究的控制策略能够实现更好的控制效果,对轻型货车电动助力转向系统控制器的开发具有重要的意义。     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。