智能汽车横向运动控制关键技术及现状

智能汽车通过良好的运动控制效果达到自主行驶的目的,智能汽车的横向运动控制是保障行驶稳定性的前提。阐述基于比例-积分-微分(proportion integration differentiation,PID)控制、模型预测控制(model predictivecontrol, MPC)及滑模变结构控制等现阶段汽车横向运动的主要控制方法,说明每种控制方式的实际应用,探讨其各自的优缺点及适用范围,指出汽车横向运动控制方式的发展方向。研究意义在于面对智能汽车不同的行驶环境和控制精度要求,选用优良的控制方式使得智能汽车安全、可靠的自主行驶。研究成果对智能汽车横向运动控制系统的研发具有一定的借鉴价值。

基于GA-PSO的智能汽车横向LQR控制器优化设计

针对线性二次型调节器(LQR)在智能汽车横向控制中,系数矩阵Q和R选取困难导致的控制精度低和参数整定效率低的问题,提出了一种遗传粒子混合优化(GA-PSO)方法。基于车辆二自由度模型设计了横向LQR控制器和前馈控制器,以该模型下控制器自身能量损失函数作为代价函数对系数矩阵进行优化,并对比了GA-PSO和粒子群优化(PSO)算法的优化效果。CarSim/Simulink联合仿真结果表明,经GA-PSO算法优化后的控制器跟踪精度和计算效率分别提高了47.06%和63.54%,且优化后的控制器具有较强的鲁棒性。

基于可拓优度评价的智能汽车横向轨迹跟踪控制方法

针对复杂工况横向控制精度低、稳定性差的问题,提出了一种基于可拓优度评价的智能汽车横向轨迹跟踪控制方法,创新采用可拓优度评价控制方法,设计了两层结构的横向轨迹跟踪控制系统。上层控制器包括基于预瞄偏差的PID反馈控制和基于道路曲率的PID前馈反馈控制;下层控制器利用可拓优度评价方法来评价上层两控制器的优劣,根据实时的车辆道路系统状态,选择优度高的控制器输出值,从而实现智能汽车横向轨迹跟踪控制功能,不论是小偏差、小曲率工况,还是大偏差、大曲率工况,都能达到良好的控制效果,提升了智能汽车横向控制系统的工况适应性和可靠性。仿真结果表明,与单一PID反馈控制相比,采用优度评价控制时,横向位置偏差和航向偏差分别减小了16.67%和12%。

智能汽车横向控制方法研究

本文对智能汽车的运动控制进行分析,对车辆分别在低速和高速环境下的横向控制做好对应的模型研究,同时对智能汽车的横向运动控制关键技术进行分析,提高设计鲁棒性和稳定性,并基于以上研究,设计出横向跟踪器进行仿真,仿真试验结果表明,横向控制技术具有更好的性能控制效果。

基于多模型切换的智能汽车横向控制

智能汽车面对的道路环境复杂易变,在某些极端工况下汽车侧向动力学进入非线性区域,侧偏刚度发生显著变化。针对智能汽车的轮胎侧偏刚度摄动,在智能汽车横向控制结构基础上,推导横向控制模型。以自适应侧偏刚度作为切换参数,设计具有鲁棒自适应特性的智能汽车横向控制器,该控制器通过侧偏刚度划分为多个局部鲁棒控制器,通过鲁棒控制裕度指标进行全局控制器的切换控制,并进行了硬件在环台架测试试验。结果表明:多模型切换的横向控制方法较常规方法有着更优的控制性能。

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。

智能汽车横向控制方法

智能汽车是近年来汽车行业的一个新的研究热点,是缓解交通压力、减少交通事故的一项有效手段,其中横向控制是智能汽车研究领域的一个热点和难点。文章介绍了智能汽车横向控制研究中用到的2自由度模型、3自由度模型等3种动力学模型,阐述了比例-积分-微分(PID)控制、纯追踪控制等常见智能汽车横向控制方法的国内外研究现状及其优缺点,最后根据研究现状分析出智能汽车横向控制未来的发展方向。

考虑网络通信时延的智能网联汽车横向鲁棒控制研究

智能网联汽车横向控制系统主要由车体姿态传感器、期望路径生成模块及横向控制器等组成,通过通信网络实现传感器、控制器与执行器之间的信息传递。智能网联汽车通信时延会降低网络数据的传输效率,严重影响车辆横向控制系统的性能。建立了两自由度汽车操纵动力学模型,考虑车载网络的通信时延,将动力学模型转换成离散化含时延状态空间方程。根据Lyapunov泛函方法,结合Finsler引理,针对含时滞离散控制系统,设计了一种鲁棒状态反馈控制器,再采用线性矩阵不等式方法求解鲁棒控制器参数。通过MATLAB软件建立了仿真模型,考虑曲率阶跃变化的道路输入,模拟圆弧弯曲路径工况,仿真研究车辆横摆角速度、质心侧偏角、航向角误差和横向距离误差的输出响应,研究存在网络通信时延的车辆横向稳定性和路径跟踪精度,验证不同车速下控制器的鲁棒性。仿真结果表明:在车速恒定的条件下,所设计的鲁棒控制器可以有效降低不同程度网络通信时延带来的不利影响,保证智能网联汽车具有较好的横向稳定性和路径跟踪精度;在车速不超过100 km/h的范围内,车辆均可以保证行驶稳定性和跟踪效果,控制器具有较好的鲁棒性。本研究能够提高智能网联汽车的路径跟踪控制效果。

分层架构下智能电动汽车纵向运动自适应模糊滑模控制

针对智能电动汽车(intelligent electric vehicles,IEV)的纵向控制在不确定性干扰下存在非线性、强时变特征,提出一种分层控制架构下的智能电动汽车纵向跟车运动自适应模糊滑模控制方法.根据经典理论力学建立表征智能电动汽车纵向行为机理的动力学系统模型,并进一步构建智能电动汽车纵向跟车运动分层控制构架.上层控制根据本车与前车的行驶状态信息得出期望加速度滑模控制律,进而利用自适应模糊系统替代滑模切换项以改善控制性能;下层控制通过设计驱动/制动切换策略以提高行驶舒适性,然后基于逆动力学模型实时求解期望控制力矩以跟踪期望加速度.为验证所提方法的有效性,在不同行驶工况下进行的仿真试验结果表明,该方法能实现本车平稳准确地跟随前车行驶,且对前车加速度的干扰具有鲁棒性.

智能汽车横向滑模变结构控制

车辆模型的非线性以及道路参数的不确定性在某些工况下严重影响智能汽车控制器的鲁棒性,导致智能汽车在行驶过程中偏离规划路径。根据车辆2自由度动力学模型与横向误差模型建立横向运动状态方程,设计横向滑模控制算法,并采用神经网络进一步优化系统及外部干扰控制误差,形成横向滑模变结构控制策略,应用Lyapunov稳定性理论验证了控制策略的稳定性。建立Matlab/Carsim联合仿真模型,对滑模变结构的横向控制策略进行仿真验证。仿真结果表明:在高速小转角工况下,与单一滑模控制策略相比,滑模变结构控制策略的横向控制最大误差可减小38%,同时该控制策略对载荷的变化具有较好的鲁棒性。

智能汽车横纵向运动控制方法综述

在我国随着人民生活水平的提高,车辆保有量也在呈倍速增长,进而引起了大量的交通安全问题,其中由驾驶员操作不当引起的交通事故约占所有交通事故的75%。而汽车的智能化发展可以很好地解决此类交通安全问题。智能汽车的核心技术主要包括环境感知、行为决策及运动控制三方面。其中运动控制作为智能汽车核心技术之一,有着重要的研究意义。智能汽车的运动控制包括横向控制和纵向控制两部分,对汽车横、纵向运动控制中的多种方法进行了分析介绍,包括模型预测控制、模糊逻辑控制、神经网络的自适应滑膜控制、直接式控制和分层式控制;同时介绍了横纵向耦合实现运动控制的重要性,并分析了其研究现状;最后,对智能汽车运动控制的后续发展方向进行了展望,有助于智能汽车运动控制的进一步优化发展。

智能汽车运动控制算法综述

平稳控制车辆,按照期望路径安全、准确行驶是智能汽车实现无人驾驶的基础。汽车运动控制作为汽车领域研究的热点之一,近年来国内外科研人员开展了一系列研究。对近年来的相关研究成果进行归纳整理,对智能汽车运动控制分类阐述,并对智能汽车运动控制算法的研究现状进行系统总结分析,指出各种控制方法的特点。针对目前研究存在的一些问题及未来研究方向,总结提出多考虑极限工况,探讨多算法互相融合、相互协同控制并加强实车验证。

智能汽车路径跟踪混合控制策略研究

针对传统单一控制算法无法有效协调智能汽车不同转向工况下横向控制性能要求的问题,根据智能汽车在高速和低速转向工况下呈现出的系统特性差异,设计了一种基于PID控制和模型预测控制的智能汽车路径跟踪混合控制策略。该控制策略在低速模式下采用PID控制,在高速模式下则采用模型预测控制,通过车辆速度确定路径跟踪控制模式,进而设计带稳定监督的控制模式切换机制,实现了横向控制系统的平滑切换。基于Carsim和MATLAB/Simulink仿真平台对所设计的智能汽车路径跟踪混合控制策略进行了仿真验证,在此基础上,进一步完成了实车试验。仿真和实车试验结果表明,所设计的混合控制策略能够保证智能汽车不同速度下的路径跟踪性能,具有较好的跟踪精度、实时性和车辆行驶稳定性。

智能驾驶汽车运动规划与运动控制方法

文章分别设计了智能驾驶汽车的运动规划方法与运动控制方法,并通过仿真实验的方式,分别对两种方法进行检验,通过检验两种方法的应用发现,这两种方法在提升车辆行驶安全性的基础上,还能提升车辆内部人员的舒适性,但其仍有不足之处有待完善。

智能网联汽车的运动规划与主动安全控制

环保、智能、网联、共享是未来汽车的发展方向。智能网联汽车是一个集环境感知、决策规划、控制执行、信息交互等于一体的高新技术综合体,其对减少交通拥堵,提高道路通行效率,保证交通安全以及节能环保和推动社会智能化转型具有重要意义。路径规划、运动规划和安全控制是智能网联汽车研究的重要内容和关键技术。其中运动规划的核心内容是通过生成代表汽车运动状态序列的轨迹来实现驾驶安全、舒适和经济性;而主动安全技术能够针对驾驶人可能会遇到的潜在安全问题发出预警,而且在不需要驾驶人介入的情况下,能够自动调整汽车的决策和操纵,从而降低事故发生的可能性,提高汽车在各种交通环境下的安全性能。研究智能网联汽车的技术架构,智能网联汽车行为预测、运动规划、主动安全控制的技术现状和发展趋势,能够为了解智能网联汽车的技术特点,人工智能在其决策规划等方面的应用及其创新需求提供参考。

分布式驱动智能汽车轨迹跟踪的协同控制

针对车辆在轨迹跟踪过程中,尤其是高速转向等极限工况下,易出现车辆跟踪精度差和失稳的问题,以分布式驱动智能汽车为研究对象,提出一种考虑横向稳定性的轨迹跟踪协同控制策略。首先,建立车辆纵向、横向以及横摆运动的三自由度动力学模型,设计了基于模型预测控制的主动转向控制器,通过优化求解得到跟踪期望轨迹的最佳前轮转角。然后,采用滑模控制设计横摆力矩控制器,将横摆角速度和质心侧偏角作为联合变量,利用积分二自由度控制模型,计算车辆稳定的等效附加横摆力矩。最后,采用二次规划算法设计最优力矩分配控制器,以满足总的驱动力矩和附加横摆力矩的控制需求。仿真试验结果表明,控制系统在极限高速工况下,能够使车辆精确、稳定的跟踪期望轨迹。

智能汽车主动避撞工况的高实时预测控制

为满足复杂交通场景下智能汽车轨迹跟踪避撞控制的高实时性要求,该文采用了一种循环模型预测控制算法(RMPC)将在线优化问题转化为循环策略参数的离线求解,并进行了仿真试验。根据车辆主动避撞的约束条件,引入惩罚函数将约束型主动避撞优化控制问题转化为无约束有限时域最优控制问题;进而利用循环函数逼近得到不同预测步长控制问题的最优解;最后将算法部署到原型控制器,结合CarSim平台验证了算法的避撞性能以及在线计算的高效性。结果表明:预测步数从12增加到20步,避撞过程最小车距由0.34 m提升至1.38 m,千次实验碰撞次数由44下降到0;与常用在线优化求解器相比,该算法在预测步数为15时,其计算效率提升超过5.6倍。

四轮转向车辆横向运动控制Simulink仿真

本文通过分析车辆运动,建立了二自由度的车辆动力学模型,设计了横向运动控制器,以解决四轮转向汽车与自动驾驶相结合存在的横向运动控制问题。在MATLAB环境下的Simulink中对模型和具有控制器的四轮转向汽车与前轮转向汽车的稳定性进行比较。利用路径仿真验证基于纯跟踪算法的二自由度车辆横向运动控制的性能。结果表明:四轮转向汽车在高速时具有优于传统的前轮转向汽车的操纵稳定性;而在低速时,四轮转向汽车拥有比较好的灵活性。基于纯跟踪算法控制器的车辆通过所设计的正弦道路,验证了控制器的有效性。

意法半导体（ST）推出高精度汽车智能电子系统运动传感器

意法半导体日前推出了一款为汽车电子系统精确测量汽车运动的全新传感器。可用于自适应前照灯、高度自动调节HID（高强度放电）灯、惯性制动灯、电子驻车制动器、高级安全防盗系统和汽车动态控制系统等。

汽车座椅调角器智能化设计分析与试验验证

实现汽车座椅调角器的智能化设计,运用相关参数化设计理论及WAVE来控制调角器的控制参数,对调角器进行运动学分析和有限元分析,将理论分析与试验的物理模型进行对比,获得较为完善的调角器智能设计模型。