低附着路况条件下车辆横向稳定性控制

针对在冰雪环境下车辆横向稳定控制,为解决在低附着、分布不均的路面情况下车辆对参考轨迹的稳定跟踪问题,设计了基于神经网络调节的模糊PID(Proportional-Integral-Differential)制器,以及基于线性化车辆模型的模型预测控制(MPC:Model Predictive Controll)。以路面附着系数及车辆速度作为输入构建BP(Back-Propagation)神经网络,输出调节系数优化模糊PID控制器控制性能;设计了十自由度模型表征车辆在冰雪环境下的动力学特性,使用MPC实现车辆横向稳定控制。使用CarSim/Simulink进行联合仿真实验,结果表明该控制器能显著提高车辆轨迹跟踪性能。

车道保持系统的车辆状态预测模型

针对目前车道保持系统中车速变化较大时,被控车辆偏移量较大的问题,通过状态预测方法,设计了用于单目视觉车道保持系统的状态预测模型。单目摄像头识别预瞄点处车-路偏差,考虑车辆经过预瞄时间后的状态变化量,设计基于车辆状态的预瞄点处车-路偏差模型。通过仿真与实车试验验证,说明提出的车辆预测模型能够准确预测出预瞄点处的车-路偏差,减小预测模型误差,提高车道保持系统控制精度和准确性,一般工况下,能够使车-路偏移量控制在10cm以下。与目前采用的简化车路偏差模型相比较,能够提高被控车辆对于车道中心线的跟随性能。