基于模糊LQR的智能汽车路径跟踪控制

为保证智能汽车在不同车速下路径跟踪的精确性与稳定性,本文中设计了一种带有预瞄PID转角补偿的模糊线性二次型调节器(LQR)以进行路径跟踪控制。首先,基于路径跟踪误差模型设计了LQR控制器,并采用预瞄PID方法进行转角补偿,消除稳态误差,提高跟踪精度。接着,针对固定权重系数的控制器对于不同车速适应性较差的问题,提出了一种基于车速的权重系数模糊调节策略。最后,通过实车试验,验证了控制器在实车环境中的控制性能。结果表明,设计的控制器具有较高的跟踪精度,且在不同车速下均能保持良好的精确性与稳定性。

自动驾驶车辆的平行泊车轨迹规划

根据对自动驾驶车辆的平行泊车场景的分析,提出一种基于采样的自动驾驶车辆平行泊车轨迹规划方法。该方法把自动驾驶车辆平行泊车的轨迹规划解耦成路径规划和速度规划。通过对泊车起始点区域采样,生成一系列曲率连续、满足路径约束的泊车路径曲线,利用多目标评价函数选取最优的泊车路径。然后,在最优泊车路径基础上,通过对时间采样选取时间最短、满足约束的S-t曲线生成泊车轨迹。最后,通过仿真和实车试验验证了该方法的可行性和有效性,成功实现自动驾驶车辆的平行泊车。

狭小车位平行泊车路径规划方法研究

针对狭小车位平行泊车场景,本文中提出了一种基于曲线组合和数值优化的规划方法。首先,将泊车过程逆向化并划分为调整规划和入库规划,通过建立基于回旋-圆弧组合的约束优化模型设计调整规划,引导车辆库内调整位姿寻找出库关键点,建立基于回旋-圆弧-直线组合和五次多项式的约束优化模型设计入库规划,引导车辆寻找最佳泊车点;随后,通过Matlab针对不同工况进行仿真,验证算法的适应性;最后,通过实车试验验证规划路径的有效性。仿真和实车试验的结果表明,本文提出的平行泊车路径规划方法满足狭小泊车空间下的泊车需求,同时具有较强的适应性。

基于ADAMS的FSAE赛车前悬架优化分析

为了提高整车的操纵性,对悬架的设计进行仿真优化分析。基于Catia建立了FSAE赛车前悬架模型,观察其结构硬点,在Adams/car中建立FSAE赛车前悬架虚拟样机模型,进行平行轮跳仿真,选定优化目标;通过Adams/Insight对优化目标进行多变量优化设计,根据优化结果修改硬点参数值;再次进行平行轮跳仿真试验,对优化前后综合性能进行对比;优化后,四轮定位参数变化量明显变小,有利于赛车的操控稳定性。

FSAE赛车转向系统优化设计

转向系统是FSAE赛车的重要组成部分,其设计水平直接影响赛车的操纵稳定性。以提高转向响应的速度为目标,分析了转向系统的转向力,确定了转向系统结构参数的合理取值范围。利用Adams软件优化设计了转向断开点的坐标,结合转向力和转向断开点的坐标,利用Matlab软件对理想阿克曼转角关系进行分析矫正,完成对转向梯形结构参数的分析优化。仿真结果表明:利用转向断开点的最佳空间坐标,不仅可以减少轮胎上下跳动对转向系统的冲击,而且可以减少前束角大小和轮胎磨损,保证了转向系统良好的操作性能和高速过弯性能。