考虑侧倾和输入饱和的自动驾驶汽车鲁棒多维切换路径跟踪控制

为解决自动驾驶路径跟踪控制中的侧倾稳定和执行器饱和等问题,提出了一种鲁棒多维切换H∞路径跟踪控制方法以平衡控制器设计难度与控制性能.首先,基于M3D切换系统框架和侧向载荷转移率,构建了工况随动的路径跟踪控制模型;其次,采用鲁棒不变集理论和辅助反馈矩阵方法处理输入饱和的非线性问题,设计了一种鲁棒M3D切换控制器;最后,在多项式二次Lyapunov函数和M3D切换系统理论框架下,给出了保证跟踪系统闭环渐近稳定的判据.在CarSim-Simulink联合仿真环境下,对所提方法的性能进行验证.结果表明,所提方法相比于现有的MPC控制方法,路径跟踪性能提升19.4%,侧倾稳定性能提升23.4%,能够保证车辆在高速大转向等极端工况下具备良好的路径跟踪性能和侧倾稳定.

虚假消息注入攻击下的多车队列纵向稳定性控制研究

针对虚假消息注入攻击下多车队列系统纵向稳定性控制问题,采用加性不确定方法量化攻击对队列系统的影响,采用等效时滞、网络诱导时滞等方法,将通信时滞与数据丢包、车载传感器数据离散化特性等因素整合到队列中,构建了网络攻击与信息延迟下的队列模型。基于李雅普诺夫-克拉索夫斯基稳定性理论和H_(∞)鲁棒控制,提出了一种弱保守性分布式鲁棒抗干扰控制方法,并给出了队列系统保持稳定性的条件。仿真结果表明,所提出的鲁棒H_(∞)控制方法在保证队列内稳定需求的同时,能兼顾队列稳定性。与常规队列干扰抑制控制方法相比,对于队列内相邻车辆之间的间距误差控制以及跟随车辆与领航车之间的速度跟踪控制效果更好。

智能汽车的运动规划与控制研究综述

为了实现智能汽车安全、高效地行驶,该文论述了智能汽车运动规划与控制理论与方法的研究现状,分析了国内外智能汽车路径规划、轨迹规划与横、纵向运动控制技术。研究表明,当前的运动规划多以简化车辆模型和约束为前提,较少考虑真实环境约束(如通讯损失、信息安全及混合交通);当前的运动控制多集中在横、纵向独立控制,未深入考虑系统非线性特性、时滞现象与随机不确定性。因此,该文提出智能汽车运动规划与控制的重要发展方向是:基于多源感知信息融合与先进通信技术,进一步提升运动规划与控制能力,实现复杂动态场景下兼顾车辆横、纵向动力学的多目标综合协同控制,达到智能汽车行驶安全性、经济性以及舒适性的最优实现。

考虑介入惩罚因子的智能车辆人机协同控制架构

人机交互中的不确定性易引起驾驶人与智能辅助驾驶系统的冲突,进而削弱驾驶性能。为此,提出一种基于动态介入惩罚的智能车辆人机协同控制架构,以提升车辆的驾驶性能与侧向稳定性。针对人机共享控制系统的不确定性,建立考虑驾驶人时变预瞄行为与轮胎非线性特性的车辆模型;引入影响共享驾驶权限分配的人机介入惩罚因子,并根据驾驶人手力矩和实际预瞄点侧向偏差建立模糊规则,减少由个性化驾驶行为导致的驾驶人与辅助驾驶行为之间的冲突;提出基于极点配置的线性参数时变(Linear parameter varing,LPV)控制策略以提升控制系统鲁棒性。最后,采用Matlab/Carsim联合仿真和基于NI-LabVIEW-RT系统的硬件在环测试(Hardwave-in-loop,HIL)进行试验验证,结果表明,所提出的人机协同控制架构能够在保证车辆操纵性能的同时有效缓解人机冲突。