采用状态扩展MPC与转角补偿的无人车路径跟踪控制

采用传统模型预测控制（MPC）的无人车难以同时保证路径跟踪精度和实时性,针对此问题,本文设计了一种采用状态扩展MPC与转角补偿的路径跟踪控制器。建立了车辆三自由度动力学模型,设计了基于状态扩展的双反馈MPC控制器,并根据车速调整控制器参数;建立了车辆-道路跟踪模型,根据车辆横向和航向偏差设计了转角补偿模糊控制器;利用MATLAB/Simulink和Carsim软件对所设计的路径跟踪控制器进行联合仿真分析。结果表明：相比采用传统MPC控制器的车辆,在中、低车速下,状态扩展MPC控制器的控制增量求解时间平均值降低14%以上,路径跟踪控制器跟踪道路的横向和航向偏差最大值分别降低23%和17%以上,具有较好的路径跟踪性能。     

基于模糊PID的智能车辆路径跟踪控制技术研究

在智能车辆路径跟踪控制研究中,提出了一种位置误差控制器,由期望横摆角速度生成器和模糊PID控制器组成。建立车辆的运动学及位置误差模型,在当前车辆质心与目标路径预瞄点间实时规划虚拟行驶路径。分析车辆沿虚拟路径行驶时期望横摆角速度的变化率的计算,代入车辆行驶状态及目标跟踪路径信息得到期望横摆角速度生成器。将期望横摆角速度生成器与模糊PID控制器结合,以双移线道路为目标跟踪路径进行联合跟踪仿真。仿真结果表明跟踪偏差主要发生在曲线道路与直线道路连接处,且车辆在低速下跟踪精度较高,稳定性好,中高速时跟踪精度及稳定性都降低。     

基于转角补偿的智能车辆循迹控制系统

文中提出了一种转角补偿智能车辆循迹控制系统。系统由纯追踪控制器和转角补偿控制器组成。PP控制器直接控制车辆跟踪路径;转角补偿控制器基于PI控制理论,综合考虑行驶偏差及道路曲率进行转向角补偿,其参数采用模糊控制理论实现自适应调节,进一步改善系统跟踪性能。仿真和试验结果表明:较于传统PP循迹系统,该系统在不同车速下横向偏差峰值降低了50%以上,方向偏差峰值降低了20%以上,路径跟踪性能显著提升。     

智能汽车车道保持控制策略研究

针对线性二次型调节器（LQR）在车道保持辅助（lane keeping assist,LKA）控制系统中参数固定不变的局限性,提出了基于粒子群优化（PSO）算法改进LQR参数的前轮转向控制策略。首先,建立车道保持模型,根据车路误差模型设计基于LQR反馈前馈的LKA控制器,计算车辆所需的补偿角;然后,利用PSO算法优化控制器中矩阵Q的参数以减小误差提高精度,满足控制系统对车速的自适应要求;最后,采取Matlab/Simulink与Carsim联合的仿真计算验证控制器的有效性。结果显示：在中高速基于PSO改进LQR参数的控制器控制下,车辆能稳定地跟踪车道中心线,跟踪精度高,横下位置偏差、横摆角偏差和前轮转角保持较小值,可明显提高车辆中高速的横向稳定性和行驶安全性。     

基于虚拟控制律的智能车辆纵横向联合控制策略

综合考虑智能电动车辆动力学方程中轮胎纵、横向力之间的耦合,使得纵向和横向控制器耦合在一个相互联系的控制结构中。纵向控制器基于串级控制结构,用于速度跟踪和力矩控制。基于纵向滑动率和控制力矩的虚拟控制律跟踪时变的纵向速度,设定时变控制矩阵的时变项边界从而获得纵向控制稳定的条件;提出一种跟踪期望横摆角横向控制方法,在车辆当前行驶位置和道路预瞄点之间实时规划逼近目标路径的虚拟路径。采用基于上界的滑模变结构策略跟踪期望横摆角,使车辆实现自动驾驶,参考速度由给定跟踪路径获得。横向控制基于静状态反馈控制、期望横摆角度控制及期望横摆角控制通过Matlab/Simulink仿真对比,验证了联合控制策略的有效性。     

基于期望横摆角速度的视觉导航智能车辆横向控制

针对采用传统位置偏差控制方法的车道保持系统横向控制精度不高以及鲁棒性差等问题,提出一种跟踪期望横摆角速度的车辆横向控制方法。在车辆当前行驶位置和道路预瞄点之间实时规划逼近目标路径的虚拟路径,同时分析当前时刻车辆以无偏差形式沿此虚拟路径行驶时决定车辆行驶位置的横摆角速度及速度之间的关系。结合车辆道路相对位置及车身状态信息,设计期望横摆角速度生成器。基于7自由度非线性车辆动力学模型,设计滑模控制器跟踪期望横摆角速度,使得车辆稳定地跟踪目标路径。根据车道线宽度和边缘点数量统计进行边缘检测,能有效识别模糊车道边缘和抑制噪声,并通过对消失点的检测来有效去除非车道线的干扰。仿真及试验结果表明,与传统的位置偏差控制方法相比,期望横摆角速度法不仅能提高车辆横向控制的精确性且跟随偏差随车辆速度及道路曲率的变化波动范围小,具有很好的鲁棒性和自适应性。     

四轮驱动电动汽车转向行驶自适应预测控制

为改善四轮驱动电动汽车在转向行驶工况下因车速较快导致的横向稳定性下降问题,提出了一种基于模型预测控制(Model Predictive Control, MPC)的自适应预测控制方法。在建立车辆三自由度模型、轮胎模型和驾驶员模型的基础上,通过结合模型预测控制和比例积分微分(Proportional Integral Derivative, PID)控制,设计了自适应预测控制器,以实现四轮驱动电动汽车横向稳定控制。通过CarSim软件与Simulink软件进行联合仿真,结果表明,与传统PID控制相比,自适应预测控制的侧向位移减小了7.9%,横摆角速度降低了37.5%,所提出的控制方法有效提高了期望路径的跟踪精度,改善了四轮驱动电动汽车在转向行驶过程中的横向稳定性。     

基于μ综合方法的智能车辆人机共驾的鲁棒横向控制

在大多数智能车辆横向控制研究中,存在未考虑驾驶员误操作的影响这一不足。以人机共驾控制问题为研究对象,将驾驶员操纵转矩和车辆状态作为控制器输入。首先,建立转向系统和车辆二自由度模型,在车辆局部坐标系中,根据预瞄点曲率信息实现虚拟路径的规划,基于车辆状态和目标车道设计上层期望横摆角速度控制器。其次,将侧向风和驾驶员误操作作为干扰输入,以车辆状态中的横摆角速度、转向盘转角、转矩传感器测量值和期望横摆角速度作为控制器反馈变量,考虑车辆参数摄动及传感器测量噪声等影响,设计下层μ综合控制器,使车辆跟踪期望横摆角速度和期望的横向位移,确保车辆能稳定地跟踪目标路径。最后,进行自动换道和车道保持仿真,并基于Carsim/Labview的硬件在环试验台上进行硬件在环试验,仿真和试验结果均表明,提出的横向控制方法能辅助驾驶员更好的跟踪目标车道,且对侧向风和驾驶员误操作均有很好的干扰抑制性能。     

融合稳定性的分布式驱动电动汽车路径跟踪控制策略研究

提出了一种融合车辆稳定性的路径跟踪控制策略,以提高分布式驱动电动汽车在高速、低附着等危险行驶工况下的路径跟踪精度和车辆稳定性,该控制策略包括路径跟踪控制层、稳定性控制器决策层、驱动轮转矩分配层。针对LQR路径跟踪控制器在高速大曲率工况下跟踪精度不足的问题,采用闭环PID矫正驾驶员模型补偿车辆前轮转角,并设计稳定性控制器用以跟踪车辆理想参考模型,基于模型预测控制算法决策出附加横摆力矩,同时以轮胎负荷率最小为目标优化车轮驱动转矩分配。利用自主开发的分布式驱动电动试验车分别在高速高附着和高速低附着双移线工况进行试验。结果表明：相对于只运用闭环PID矫正的LQR路径跟踪控制器进行路径跟踪,车辆在干燥的混凝土路面以90 km/h速度行驶时,融合车辆稳定性的路径跟踪精度的横向均方根误差降低了29.7%;车辆在潮湿沥青路面以70 km/h速度行驶时,均方根误差降低了10.3%。所提控制策略能够提高车辆的路径跟踪精度,满足车辆在危险行驶工况下的横摆稳定性。     

智能电动车横向控制策略研究

针对智能电动车自动横向控制,建立了车辆横向动力学模型,设计了电动车转向控制器的模型预测(MPC)算法。将前轮转角作为控制输入变量,与期望轨迹的横向距离偏差、横摆角偏差及两者的变化率作为状态变量,控制器对车辆未来的状态变量进行预测,输出最优前轮转角,实现智能横向控制。在控制过程中,同时引入期望状态参数和系统松弛因子,优化车辆行驶状态。利用软件进行联合仿真,并进行实车试验。研究结果表明:控制器均能迅速响应,消除偏差,使车辆快速回到期望轨迹,保证车辆稳定平顺地行驶。