考虑横向稳定性的智能车辆路径跟踪控制

对于智能车辆的路径跟踪,传统位置偏差控制方法往往忽略了车辆的动态稳定性.针对这一问题提出一种考虑横向稳定性的智能车辆路径跟踪控制方法.首先建立二自由度车辆动力学模型和路径跟踪误差模型,综合考虑车辆位置偏差和车辆动力学状态,利用基于反馈优势的反推法(FDB)生成期望横摆角速度;然后基于线性二次型跟踪器(LQT)设计了主动前轮转向(AFS)和直接横摆力矩控制(DYC)的集成控制策略,得到了理想的控制输入(前轮转角和外部横摆力矩),进而实现精确跟踪期望横摆角速度和质心侧偏角;最后在Simulink仿真环境中对提出的控制方法进行验证.结果表明:提出的控制方法在路径跟踪的同时具有很好的横向稳定性能;相比于不考虑横向稳定性的控制方法,提出的方法在路径跟踪过程中跟踪精度更高,车辆的质心侧偏角更小,横摆角速度也能更好的跟踪期望值.

基于预瞄的智能车辆路径跟踪控制研究

针对智能车辆在实际行驶过程中的路径跟踪问题,综合考虑车辆位置和动力学状态,建立了二自由度车辆动力学模型和路径跟踪预瞄误差模型,并将预瞄误差模型与二自由度车辆动力学模型相结合。以最小化横向预瞄误差和车辆与目标路径之间的方位偏差为控制目标,基于线性二次型最优状态调节器(LQR),得到了安装四轮转向控制器的智能车辆的前后轮转角。将车辆的前后轮转角作为车辆模型的输入,控制车辆稳定地跟踪期望路径。仿真结果表明:提出的路径跟踪控制策略能够在车辆换道时始终维持横向预瞄误差和方位偏差在较小范围内,同时具有较好的横向稳定性。

基于神经模糊PID的ABS控制策略研究

ABS系统中主缸压力和轮缸压力具有强非线性关系,且传统的控制算法中控制参数不能根据路面的变化及时进行调整,很难在多变的路面工况下取得较好的控制效果。为提高ABS的控制效果,提出一种神经网络模糊PID控制策略。将理想滑移率与实际滑移率之差作为系统输入,经模糊化和归一化后输入神经网络,应用神经网络的自学习和误差反向传播,采用遗传算法优化网络的初始权重,利用BP算法完成网络训练实现模糊规则,使模糊规则的生成转变为加权系数初值的确定和调节,从而表示出模糊规则,寻找一个最佳的PID非线性组合控制率,调整车轮制动力矩,以适应多变的路面。仿真结果表明:该控制策略兼备了神经网络、模糊控制、PID控制的优点,能适应复杂多变的路面。

搭载两挡变速器纯电动MPV传动系统研究

根据汽车工业发展的意义和方向,阐述了汽车电动化的必然性和纯电动MPV(Muti-purpose Vehicle)的必要性。依据中国当前工业制造业的实际情况,选取搭载两挡变速器的MPV传动系统作为研究对象;依次开展了传动系统参数匹配仿真、系统关键重要件选型、样车试制及调试和实验研究等相关工作。实验结果表明,基于仿真匹配选取的传动系统关重件可以很好满足项目前提出的参数指标要求。