汽车辅助驾驶系统上位控制方法研究

在建立两辆汽车组成的动力学系统模型基础上，应用线性二次型最优理论及时间－能量最优理论研究了汽车辅助驾驶系统上位控制方法。针对现有方法存在的问题，将LQ法及时间－能量最优法相结合，提出了一种改进的上位系统控制方法。理论分析及仿真试验结果表明，新的控制方法在满足安全性和舒适性要求的同时，显著降低了系统的响应时间。     

智能交通系统中的汽车技术

阐述了汽车上所采用的一些现代先进技术，介绍了车辆自动避撞及智能汽车、车载实时动态智能导航技术、车载通讯等内容。并结合中国国情探讨了这些技术在中国的发展情况。     

基于模型匹配方法的汽车主动避撞下位控制系统

针对汽车主动避撞系统下位控制的鲁棒性要求，应用模型匹配控制理论，设计了汽车主动避撞下位系统的控材器；并解决了下位控制系统鲁棒稳定性和鲁棒跟随性难以得到兼顾的问题；通过实车试验结果对此控制器性能进行了验证；获得了较好的效果。     

应用动态声全息方法识别轿车的行驶噪声源

应用动态声全息方法对运动轿车在不同车速下的辐射噪声场进行了分析，得到了试验轿车在不同车速、不同频率下的车外表面声场分布，准确识别出了相应工况下的主要噪声源。     

多自由度车辆模型主动悬架及鲁棒控制

考虑发动机、座椅和乘客等多种因素影响，建立了一个多自由度车辆模型；用H∞方法设计了低自由度控制器。并比较了H∞控制器和LQ控制器在该系统中的表现。     

基于ITS的汽车主动避撞性关键技术研究(二)

3.2.3 下位控制方法研究 由于车辆制动、驱动力特性中含有强烈非线性,同时车辆质量变动、道路坡度及风阻等外部干扰因素的存在,车辆下位控制器设计时如果不采用模型匹配控制方法,则控制系统的鲁棒跟随性和鲁棒稳定性必然是相互对立的两个性能。针对这一问题,本研究设计了二自由度控制器来实现车辆主动避撞系统下位控制的控制性能,此控制器的特征是闭环目标值应答特性可以通过反馈特性的设计来独立设定。在这种情况下,利用前馈补偿器来设定目标值的应答特性(本研究中是模型匹配特性),利用反馈补偿器的设计来实现反馈特性(本研究中是鲁棒跟随特性和鲁棒稳定特性),很好地实现了控制要求。 为了进行控制系统补偿器的设计,必须求出控制对象的标准传递函数。在本研究中,从控制对象的频率特性出发,利用响应特性的相似性来求得控制对象的传递函数。     

基于ITS的汽车主动避撞系统

利用信息感知、动态辨识、控制等技术与方法提高汽车的主动安全性，是智能交通系统(ITS)的主要研究开发内容之一。本介绍了清华大学汽车安全与节能国家重点实验室开展的基于ITS的汽车主动避撞安全技术的研究工作。主要包括：开发适用于复杂、动态路况的车载扫描式激光雷达探测系统，基于人-车-路-体化的汽车主动避撞系统安全距离模型，设计能够满足多种复杂路况的拟人化车辆纵向运动控制系统。中给出了各理论研究所处的阶段以及相应的实验结果。     

一种新型强混合动力结构的控制策略

基于一种新型的单电机、双离合器式强混合动力结构,建立了其车辆分层控制系统,制定了整车能量管理策略,并研究了行进中启动发动机过程的动态协调控制.通过自行开发的前向仿真系统对能量管理策略进行了验证,结果表明在NEDC循环工况下等效100km油耗降低34%.同时通过动态台架试验,对行进中启动发动机的动态协调控制策略进行了验证.     

车外加速噪声的传递特性模型及声源识别

提出了一种描述汽车主要声源、振源与车外噪声的传递特性模型.根据行驶中汽车的主要声源、振源参考点信号和车外加速噪声测量点信号,通过传递特性分析,定量确定了运动车辆的噪声源对车外噪声的贡献,采用主成份分析法提高声源识别精度.实车试验结果表明,利用传递特性模型可以确定车外加速噪声的主要振源、声源及其贡献.     

面向弱势道路使用者的多目标运动轨迹预测方法

针对复杂行驶环境下弱势道路使用者（VRU）多目标轨迹预测方法存在的预测精度不足和预测性能不稳定的问题，提出一种基于历史序列信息的面向VRU的多目标轨迹预测方法（Vulnerable Road User Trajectory Predictor， VRU_TP）。首先，为了解决预测精度不足的难题，该轨迹预测方法框架融合时空的多维运动状态特征和多维外观语义特征因子，同时基于外观特征综合考虑目标的运动意图，提取多线索的轨迹预测因子作为各个VRU目标历史轨迹的编码输入。其次，为了克服现有方法预测性能不稳定的难题，在序列到序列的编解码器方法（Seq2Seq Encoder-decoder）的基础上，从网络结构设计和网络优化策略等方面提出适用于VRU轨迹预测的门循环神经网络（GRU）。该网络融合设计的plelu6激活函数，能基于历史的序列信息映射学习未来的轨迹信息，用来提高编解码器对未来轨迹的解码能力。最后，为了验证时空多元轨迹线索和门循环神经网络优化方法的有效性和实用性，在已公开的MOT16数据库和提出的VRU-Track数据库上，采用在图像空间上通用的归一化平均位置偏移（NADE）、平均重叠率分值（AOS）评价指标以及平均成功率（ASR）和成功率曲线（Success Plot）评价指标，并进行试验验证。研究结果表明：在MOT16划分的验证集中，相比于基准方法，NADE下降了19.4%，ASR提高了22.6%；在VRU-Track数据库测试集中，NADE下降了23.0%，AOS提高了17.1%，ASR提高了16.5%；提出的VRU_TP方法减少了预测值与真值之间的位置偏移，增加了预测值与真值的重叠率，提升了各类VRU目标轨迹预测的性能，而验证了该方法的有效性。