基于MPC的自动驾驶车辆横向路径跟踪控制

由于驾驶技能、生理极限等原因,人工驾驶员在转向操作中存在响应迟滞、动作超调等问题,控制性能优良的自动驾驶车辆可以改善上述问题。设计了一种基于模型预测控制(MPC)的自动驾驶车辆横向路径跟踪控制器。基于预瞄跟随理论建立了最优侧向加速度的驾驶员转向模型,以分析驾驶员方向盘操作中预瞄时间和车速对车辆跟踪参考路径的影响。基于模型预测控制算法设计了车辆横向路径跟踪控制器,利用反馈校正机制改进车辆预测模型,以处理参数不完全确定和外部干扰对模型精度带来的影响;采用松弛因子对目标函数进行处理,以保证目标函数具有可行解;进一步地,将所设计的模型预测控制器每一步的优化求解转化为带约束的二次规划问题,利用模型预测控制滚动优化的特点,求解跟踪参考路径所需的方向盘转角,作用于自动驾驶车辆。实验结果表明:预瞄时间和车速对驾驶员操控车辆跟踪参考轨迹的影响较大,MPC控制器下的车辆实际行驶轨迹与参考轨迹之间的最大横向偏差为0.085 m,小于熟练驾驶员操控的车辆,同时,MPC控制器下的车辆转向起始时刻相对于熟练驾驶员操控的车辆提前0.89 s。     

基于线性矩阵不等式的智能车轨迹跟踪控制

针对传统的基于精确数学模型的智能车轨迹跟踪控制器跟踪精度低,鲁棒性弱,很难适应复杂多变的驾驶环境等问题,结合线性矩阵不等式(LMI)鲁棒控制具有易于求解、抗干扰能力强等优点,提出基于LMI的智能车轨迹跟踪控制方法. 将车辆侧向动力学状态空间模型进行坐标变换,得到基于跟踪误差的车辆侧向动力学状态空间模型,采用饱和线性轮胎得到车辆侧向动力学多胞型模型;设计LMI反馈控制器,在控制器中引入前馈控制量,以消除侧向位置稳态误差. Carsim和Matlab/Simulink的联合仿真表明,该控制器在保证车辆稳定性的基础上具有较高的跟踪精度,对车速和路面附着系数具有较强的鲁棒性. 与模型预测控制器(MPC)和预瞄驾驶员模型(PDM)控制器进行对比,结果表明,设计的该控制器轨迹跟踪精度更优.     

基于Koopman双线性的软体执行器模型预测控制研究

为了实现对软体执行器的精确控制,使用了一种基于Koopman双线性的建模及其模型预测控制(MPC)的方法。该方法在获得明确的面向控制的模型的同时避免了传统建模方法物理上的简化假设。为证明Koopman双线模型对于软体执行器的控制方面的优势,建立了软体执行器Koopman双线性模型、Koopman线性模型和状态空间线性模型3种模型并在轨迹跟踪任务中,将3种模型和MPC算法进行结合。仿真和实验结果一致表明,Koopman双线性模型的MPC控制器策略跟踪性能优于同一系统Koopman线性模型的MPC控制器和线性状态空间模型的MPC控制器。     

增强电动助力转向系统抗干扰性能的混合H_2/H_∞控制

根据纯电动大客车电动助力转向(EPS)系统工作的具体要求,开发了适合电动大客车EPS系统使用的循环球式转向器,并建立了其动力学模型。针对EPS系统存在模型、干扰、噪声等不确定性,以及对系统鲁棒性和动态特性的要求,运用加权指标方法设计和优化了混合H2/H∞控制器,并进行了仿真分析。结果表明:基于混合H2/H∞控制的EPS系统可有效抑制路面随机激励、转矩传感器噪声以及减少转向盘振动,使驾驶员获得较满意的路感。台架试验表明:提出的控制方法是有效可行的,设计的EPS系统可有效改善大客车的操纵稳定性。     

模糊PID控制的助力模式对操纵稳定性影响分析

电动助力转向系统(EPS)设计中最重要的是助力控制模式的控制器设计。在PID控制的基础上引入了模糊控制,提出了基于模糊PID控制的助力控制模式;应用TruckSim和Simulink建立EPS联合仿真模型;采用常用的操纵稳定性开环和闭环两种评价方法进行PID控制和模糊PID控制仿真对比试验,研究模糊PID助力控制模式对EPS性能及整车操纵稳定性的影响。开环评价对比试验结果表明:模糊PID控制器的助力性能较好,但操纵稳定性略差一些。闭环对比试验表明:EPS助力控制模式能有效地提高转向系转向轻便性,模糊PID控制器作用下的操纵性和汽车行驶安全性较好。认为模糊PID控制器下的助力控制模式助力性能好于PID控制器,模糊PID控制器更适合EPS助力控制模式。     

四轮转向车辆操纵稳定性的最优控制策略研究

为提高四轮转向汽车的操纵稳定性,提出一种联合后轮转向和横摆力矩的最优控制方法.从7自由度四轮转向整车模型出发,建立车辆转向的线性化简化模型和理想模型,并基于二次型最优控制理论推导出前馈控制器和反馈控制器.仿真结果表明:在低速和高速行驶工况下,相比传统的前馈控制,基于最优设计的前馈控制器能改善车辆的行驶姿态,而实施前馈加反馈的最优控制方法可获得更优的理想模型跟踪控制性能,实现了零侧偏角控制目标,同时横摆角速度的控制误差也很小,使得汽车具有更好的行驶轨迹、速度保持能力和稳定状态,进一步提高了车辆的操纵稳定性.     

AMESim在悬架转向集成模型中的应用

在建立车辆半主动悬架(SAS)和电动助力转向(EPS)动力学模型的基础上，分析悬架系统和转向系统的状态耦合变量，运用MATLAB/Simulink和机械液压仿真软件AMESim搭建SAS+EPS的集成控制模型，通过创建S函数实现AMESim和Simulink的接口互连.联合仿真结果表明，集成控制下车身的垂直加速度和侧倾角均有所降低，车身姿态得到抑制，车辆的操稳性和平顺性均优于悬架或转向的单独控制效果.AMESim和Simulink的联合应用为底盘系统的集成控制提供了一种新的研究方法.     

模型跟踪四轮主动转向汽车的H∞控制

将H∞优化控制理论应用于四轮主动转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上,提出一种基于H∞模型跟踪技术的的四轮转向4WS汽车前后轮转角主动控制新方法,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基于H∞跟踪控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的主动安全.     

模型跟踪四轮主动转向汽车的H∞控制

将H∞优化控制理论应用于四轮主动转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上,提出一种基于H∞模型跟踪技术的的四轮转向4W S汽车前后轮转角主动控制新方法,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基于H∞跟踪控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的主动安全.     

侧向风干扰下的汽车主动前轮转向最优控制

侧向风对汽车行驶操纵稳定性有重要影响.通过分析侧向风干扰下车辆稳定性,提出基于主动前轮转向(active front wheel steering,AFS)的控制策略.AFS控制器采用线性二次型最优控制算法,以实现横摆角速度和质心侧偏角目标值跟踪.为了评价控制算法,基于MATLAB/Simulink和CarSim协同仿真环境建立整车动力学模型、单点预瞄驾驶员模型、控制器模型、道路和侧向风模型.仿真结果表明,AFS可有效提高车辆在侧向风干扰下的操纵稳定性,且控制算法对车速和路面附着系数具有良好的鲁棒性.     

基于模糊PID线控转向系统前轮转角控制

转向系统是乘用车的重要性能指标之一,它关系到整车的操纵稳定性以及舒适性.通过对乘用车线控转向系统结构、原理进行分析,建立了基于Simulink与CarSim的汽车线控转向系统联合仿真模型,将模糊理论应用到前轮转角控制策略中,并在整车动力学模型的基础上,设计模糊PID控制器,用于前轮转角控制.仿真结果表明:汽车低速行驶时,较小方向盘转角能实现较大的前轮转角变化,其传动比较小,驾驶员转向轻便;而高速行驶时,需要较大的方向盘转角实现前轮转角变化,传动比较大,可有效防止汽车高速抖动,提高汽车操纵的稳定性.     

基于模型预测控制的汽车底盘集成控制

为了实现汽车底盘的集成控制,提出了模型预测控制(MPC)方法。在紧急避障操纵时,利用四轮差动制动和主动前轮转向集成控制的方式实现对汽车理想操纵特性的跟随。上层集成控制器通过模型预测控制方法决策下层子控制器所需的附加横摆力矩和前轮附加转角。建立了七自由度非线性车辆模型作为预测模型,并通过实车试验对其精度进行了验证。在Carsim中的虚拟试验对模型预测控制方法的控制效果进行了验证。     

基于最优控制的三自由度四轮转向研究

建立四轮转向的三自由度模型,采用最优控制理论求得最优反馈增益矩阵,最后应用MATLAB/Simulink软件建立模型进行仿真;在前轮角阶跃输入下,与传统的前轮转向和比例控制的四轮转向车辆进行对比分析;结果表明,所建立的三自由度车辆模型的横摆角速度能够很快达到稳态值;质心侧偏角和侧倾角基本保持为零;降低了驾驶员的驾驶疲劳程度并且提高了行驶安全性和操纵稳定性。     

高速无人驾驶车辆轨迹跟踪和稳定性控制

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题,提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角,将质心侧偏角引入航向偏差,以车辆航向角偏差和侧向偏差作为参考量进行反馈控制,通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器,通过扩张状态观测器对未建模动态和内外界干扰进行估计,通过将后轮侧偏角控制在参考值附近来补偿前轮转角,提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明,利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶,轨迹跟踪偏差较小,对车辆参数变化和外界干扰具有较强的鲁棒性.     

汽车EPS回正工况模糊PID控制及试验

汽车转向盘回正时,存在回正不足和回正超调现象.为了增强汽车电动助力转向系统(EPS)的回正性能,建立了EPS系统动力学模型和汽车三自由度转向模型,设计了回正工况的模糊PID控制,进行了仿真分析和实车试验.结果表明:对回正工况采用模糊PID控制后,30 km/h时的最终残留角为6°,得到改善,60 km/h时的“摆头”现象得到明显抑制,回正不足或回正超调控制得到改善;满足系统的回正性能,提高了系统的鲁棒性能和驾驶手感.     

衰减转向盘冲击力矩的电动助力转向控制

针对汽车经过凸块或不平路面时导致转向盘上产生过大冲击力矩给驾驶员带来不适感的问题,通过建立电动助力转向动力学模型估计折算到转向小齿轮上的路面冲击力矩,最终确定出路面冲击补偿电流,用以衰减由路面冲击而产生的转向盘冲击力矩。实车试验结果表明,本文方法能够在不增加电动助力转向系统元件的基础上,有效衰减转向盘冲击力矩,有较好的实际应用价值。     

爆胎汽车电动助力转向系统补偿力矩算法

针对电动助力转向(EPS)系统可以根据汽车运动状态和驾驶员输入自由设计助力转向力矩的特点,研究了爆胎汽车EPS系统补偿力矩算法。通过建立EPS系统模型和爆胎动力学模型,计算爆胎产生的方向盘冲击力矩,在EPS系统助力转向电流基础上加入补偿电流,从而衰减冲击力矩。通过仿真试验对爆胎补偿力矩算法进行分析和验证,结果表明控制算法可以有效地对爆胎产生的方向盘冲击力矩进行补偿,减少驾驶员由于爆胎产生的不适感。     

四轮转向汽车的动特性分析

建立了二自由度四轮转向汽车模型的动力学方程,并以此推演出汽车质心侧偏角为零时所需的前后轮转向比和横摆角速度与前轮转角的传递函数.最后以某轿车为例,通过使用MATLAB软件仿真分析汽车低速和高速下行驶时的时域响应和频域响应来比较四轮转向汽车与二轮转向汽车的动态特性.结果表明,较之二轮转向汽车,四轮转向汽车能大幅度的提高汽车对方向盘输入的动态响应特性,具有更好的机动性能和稳定性能.     

基于深度学习的多模态多任务端到端自动驾驶研究

当前端到端自动驾驶系统的研究方法主要是采用图像或图像序列作为输入,使用卷积神经网络直接预测方向盘转角,取得了较好的效果,但仅通过转向命令并不足以完成自动驾驶车辆的控制。为了更好地实现对自动驾驶车辆的横纵向控制,构建基于端到端学习的CNN-LSTM（卷积神经网络-长短时记忆）多模态多任务神经网络模型,将图像、速度序列和方向盘转角序列作为输入,从而同时预测车辆的方向盘转角和速度值。在搭建的基于GTAV（Grand Theft Auto V, 侠盗猎车5）仿真平台数据集和真实场景数据集上进行实验和测试,实验结果表明模型能够较好地完成车道保持的驾驶行为和基本实现自动驾驶避障测试。