基于故障发生程度的四旋翼无人机故障诊断

针对四旋翼无人机执行机构的部分失效故障诊断问题,构建了四旋翼无人机的单通道简化系统状态空间模型,分析了传统增强状态Kalman滤波器的算法流程和不足之处,提出了多阶段联合故障观测器对偏差系数以及系统原始状态量进行准确估计。仿真实验表明:多阶段联合故障观测器可以准确估计出不同工况下的故障系数,同时获取系统补偿偏差之后的原始真实状态量,展现了多阶段联合故障观测器在解决四旋翼无人机的故障诊断问题上的优越性。

基于虚拟安全边界的智能车辆动态换道轨迹规划

鉴于实际动态交通环境下智能车辆换道过程中可能受到周围车辆的影响,为满足其换道过程安全性和舒适性的要求,提出了一种基于虚拟安全边界的动态换道轨迹规划算法.考虑到换道结束时间和纵向位置的耦合性,采用四次和五次混合多项式换道轨迹算法分别进行纵、横向规划,确定换道时间和纵向速度范围获得候选换道轨迹.设计了车辆运动状态约束和基于车辆矩形轮廓建立的虚拟安全边界防碰撞约束,构建了车辆换道安全性、舒适性、跟车效益等代价函数,并基于安全性代价函数阈值动态调整各个代价函数的权重系数,运用fmincon函数对候选换道轨迹进行优化.考虑到周围车辆运动状态变化会对换道过程产生影响,车辆系统循环调用换道轨迹规划模块进行换道轨迹实时更新,直至车辆到达目标位置.结果表明:对于不同的换道工况,基于虚拟安全边界的智能车辆动态换道轨迹规划算法可有效避免换道过程中与周围车辆发生碰撞,保证了智能车辆换道过程的安全性.

应用于车辆纵向控制的无模型自适应滑模预测控制方法

鉴于汽车纵向动力学系统为典型的参数时变不定、多扰动的非线性离散系统,基于精确数学模型的控制算法较难取得理想效果,本文中采用无需模型、基于输入/输出数据的控制算法。首先,基于紧格式动态线性化数据模型,将无模型自适应控制(MFAC)算法、滑模控制(SMC)算法和模型预测控制(MPC)算法相结合,设计了无模型自适应控制器。接着,通过理论分析对其进行了稳定性证明,最后将所提出的控制算法与常用于纵向控制的前馈+反馈算法和MFASMC(MFAC+SMC)算法进行了仿真对比,并通过硬件在环实验(HIL)验证了算法的有效性。结果表明,该控制算法响应速度快、鲁棒性强,且输出更为平滑,可较好地应用于智能汽车纵向动力学控制。

基于P-NAEKF算法的汽车行驶状态估计

针对传统的卡尔曼滤波算法在进行汽车行驶状态估计时噪声协方差不准确的问题,构建了基于车辆纵向车速、质心侧偏角和横摆角速度的3自由度模型,以扩展卡尔曼滤波(EKF)为例,分析不准确噪声协方差对滤波估计性能的影响,提出一种基于粒子群算法的噪声自适应扩展卡尔曼滤波(P-NAEKF)算法对车辆关键状态进行估计。基于粒子群算法的估计器可对噪声协方差进行准确估计,并将结果嵌入到标准的扩展Kalman滤波算法中实现自适应估计。通过Carsim与Matlab/Simulink联合仿真验证P-NAEKF算法在车辆状态估计时进行估计效果,仿真结果表明:P-NAEKF算法在汽车动态参数估计方面具有优越性。