变附着系数路面的紧急避撞控制研究

针对汽车避撞过程中路面发生突变导致传统控制策略失效的问题,提出一种基于路面实时识别的自适应紧急避撞控制策略。首先利用递推最小二乘法(RLS)对路面附着系数进行实时在线识别;然后依据纵向安全距离模型将路面突变分为2种形式:一种为安全距离以内路面发生突变;另一种为汽车当前位置到安全距离临界点这一段路面发生突变,并针对此2种工况设计自适应控制策略。在搭建的Pre Scan与Matlab/Simulink联合仿真平台中验证了该控制策略的有效性。结果表明:该控制策略能很好地完成路面突变条件下传统单一制动控制失效情况下的紧急避撞。研究结果为汽车的主动安全控制提供理论支持。

汽车转向与制动协调控制试验平台设计与验证

为了解决现有汽车高速紧急避撞协调控制系统结构复杂,设计成本高,在高速紧急情况的实车避撞试验极其危险等问题,设计了一种基于Lab VIEW上位机和飞思卡尔单片机为控制器的下位机的协调控制硬件在环仿真试验系统。该系统包括车辆状态检测和控制界面,制动和转向执行机构主控芯片为MC9S12DP512。控制界面和执行机构通讯采用基于Zigbee协议的无线通讯模块,模块主控芯片为CC2530。上位机界面设定高速公路路况信息通过无线模块将信息传给下位机执行转向或制动操纵,验证紧急避撞控制的有效性。实验结果表明,该系统大大降低了实车试验成本和危险性,能较好的检测控制策略的有效性。

车辆关键状态的平行估计

车辆关键状态的估计问题对实施前馈控制、提高车辆行驶的安全性至关重要.一直以来,受限于车载设备功能与算力、传感器性能等原因,对于难测状态的估计均采用了模型驱动的方法,基于简化的车辆动态模型实施估计.平行估计是一种新的估计方法,通过引入平行系统与深度神经网络,实现了数据驱动的、可在线学习、动态更新,并具有良好鲁棒性与高数据效率的估计方法.实验表明,该方法对于车辆关键状态的估计具有精度较高,对各类工况均能适用的良好性质.

基于功能分配与多目标模糊决策的转向与制动协同避撞控制

针对某些紧急工况下单一转向或单一制动控制不能有效避撞或避撞时操纵稳定性较差的问题,提出一种新的基于功能分配与多目标模糊决策的转向与制动协同避撞控制策略。根据自车道上自车与前车运动关系及自车与相邻车道前车运动关系,分别建立转向与制动安全距离模型和控制器。功能分配控制器运用多目标模糊决策来确定转向与制动控制器的功能分配系数,从而实现功能分配控制。应用Car Sim与Simulink进行联合仿真,结果表明:协同控制策略能够有效避撞,而且有良好的操纵稳定性。

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。

智能车辆弯道换道路径规划算法与跟踪控制

为解决智能车辆在弯道工况下换道过程中的路径规划与跟踪控制的问题,提出一种弯道主动换道系统,主要包括基于可拓优度评价的弯道换道路径规划算法与基于模型预测控制的路径跟踪控制方法。该路径规划算法分为:上层路径生成器和下层路径选择器。上层路径生成器以不同的纵向距离采用5次多项式生成路径集合,下层路径选择器基于换道距离、侧向加速度、横摆角速度和质心侧偏角建立可拓优度评价控制器选出最优路径。通过参数优化的模型预测控制算法对规划的路径进行跟踪控制,基于Carsim和Matlab/Simulink的虚拟平台仿真验证该换道系统的有效性。结果表明:车辆在弯道上以不同的速度行驶,换道时,该系统皆能合理地规划出换道路径且能对换道路径进行准确、稳定跟踪控制。

基于不同紧急工况辨识的车辆主动避撞自适应控制

针对车辆高速紧急工况下的主动避撞问题,提出一种基于工况辨识的自适应避撞控制策略。以实时交通环境信息与车辆状态信息为基础构建一种紧急工况避撞模式分类方法,该方法把紧急工况避撞模式分为制动避撞、转向避撞、协调避撞三种模式。对于制动避撞模式,设计一种考虑路面附着条件和驾乘人员舒适度的纵向制动避撞策略;对于转向操纵避撞模式,构建基于多项式路径规划的避撞策略;对于制动和转向协调避撞模式,设计一种基于数据驱动的自学习协调控制策略。不同控制策略的期望输出通过比例积分微分(Proportional integral differentiation,PID)下层控制器对期望值进行跟踪来完成避撞。在Matlab/Simulink环境中搭建Simulink-Carsim汽车紧急避撞控制联合仿真平台,基于该平台进行多种工况的虚拟试验来验证控制系统的实时性和有效性。结果表明,控制系统能自动有效识别当前紧急工况该采取何种避撞操纵,在完成避撞的同时也能保证车辆的稳定性。