基于模糊控制的车辆自动驾驶前车跟随控制方法研究

为了实现车辆的前车纵向跟随功能,提出了一种基于模糊控制的车辆跟随控制方法。在该控制方法下,智能控制系统通过车载传感器所获取的前车速度与位置信息,使车辆达到期望的跟随状态。基于Matlab/Simulink的联合仿真结果表明在前车加减速等行驶工况下,该控制方法可控制智能车辆对前车进行良好的跟随,同时保持安全的行车间距。

车辆驾驶员辅助系统中基于运动模型的前车最优跟随控制

为解决驾驶员辅助系统在前车跟随控制中车距与车速误差不易同步收敛的问题,建立考虑主车对期望加速度动态响应的主车与前车运动模型,以对前车跟随控制提供模型参考。基于主车实际运动与理想前车跟随行驶间的偏差建立前车跟随误差模型,并用线性二次型调节器求解最优期望加速度控制序列,以作为前车跟随控制中主车运动参数控制的输出。为考虑在实车控制中车辆及环境参数发生变化的可能,在前车跟随误差模型中引入车距与车速误差累积项以使线性二次型调节器具有积分控制功能,以在实际车辆与理想模型发生偏差时仍可进行有效控制。仿真对比及实车试验证明,基于运动模型的前车跟随控制可使主车车距与车速误差同步收敛并有效减少主车达到稳态前车跟随行驶的时间,同时易于在实车控制中展开应用。

自适应巡航执行机构在环仿真跟随控制器设计

为解决自适应巡航控制快速原型开发并提高仿真系统精度,建立了包含电子节气门与主动制动等硬件在内的执行机构在环仿真系统.利用模糊前馈与PI反馈设计了以距离偏差和速度偏差为输入,基于加速度控制的前车跟随控制器,使主车保持安全车距跟随前车车速行驶,利用执行机构在环仿真系统对开发的前车跟随控制器进行了验证.结果表明仿真系统运行正常,前车跟随控制器可完成对主车的控制,并对主车参数的变化及环境扰动具有一定的抗干扰能力.

云支持的分层式车辆队列预测性巡航控制

为了提升队列行驶的经济性,提出了一种高速公路场景下的云支持的队列预测性巡航控制方法(CPPCC),并进行真实道路和车辆数据模型的仿真实验。该方法采用了分层式结构,上层为云端的队列速度规划层,下层为队列稳定控制层。云端的速度规划层,考虑了道路坡度的滚动域的动态规划(RDP)算法,实现队列行驶的经济性目标。下层的车端队列稳定控制层,搭载了分布式模型预测控制器(DMPC),来跟踪云端发送速度,同时考虑了队列的稳定控制。结果表明:与传统的前车与领航车跟随的定速巡航队列(PLF-CC)方法相比,在行驶时间减小0.24%的前提下,本文所提出的方法节省6.04%的能源。