基于预瞄时间自调整控制智能车辆横向轨迹跟踪研究

提出了一种基于预瞄时间自调整控制的四轮转向(4ws)智能车辆横向轨迹跟踪算法.针对轨迹跟踪精度问题,建立了预瞄时间自调整控制驾驶员模型,调整预瞄时间,采用滑模控制对前轮进行控制.针对跟踪过程中行驶稳定性较差等问题,后轮转向采用横摆角速度反馈控制策略.在Carsim与Simulink联合仿真平台下进行单移线工况下的仿真,仿真结果表明:预瞄时间自调整控制在低速时的跟踪精度比固定预瞄时间控制提升55%,高速时提升5%.后轮转向采用横摆角速度反馈控制的质心侧偏角比采用前馈控制在低速时减小了21%,高速时减少了54%,验证了所提出的控制算法,提高了转向过程中的行驶稳定性和横向轨迹跟踪能力.

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%。

基于线性二次型调节器的汽车横向控制算法研究

为了研究智能汽车横向轨迹跟踪控制,基于线性二次型调节器(LQR)算法对汽车横向控制进行了研究,设计了二自由度动力学LQR控制器和带有前馈项的LQR控制器。利用MATLAB/Simulink和CarSim搭建了系统的联合仿真模型,在多种速度的双移线工况下进行仿真验证。仿真结果表明:在恶劣工况下,前馈LQR控制具有比LQR控制更好的跟踪优势,对外部环境干扰和车辆内部的因素干扰有着良好的适应性,确保车辆能够快速且稳定地跟踪轨迹。

动力翼伞系统耦合补偿控制策略研究

动力翼伞系统是具有强非线性、强耦合特性的系统,其精确控制比较困难.动力翼伞系统具有两个控制通道,控制的难度在于纵向推力对下偏控制存在着非线性的强耦合作用,在受到风场干扰时会导致系统耦合加剧,从而在控制过程中引起较大偏差,甚至导致系统失速.本文提出了一种基于耦合补偿的自抗扰控制策略,并将该非线性耦合关系设计为扩张状态观测器中的已知扰动,从而提高了控制器的跟踪性能.在动态耦合补偿的基础上改进控制律,将非线性动力翼伞系统设计成易于控制的独立积分器,从而提高横向轨迹跟踪控制器的抗干扰性和控制跟踪性能.通过仿真实验可验证该控制策略优于传统的自抗扰控制(active disturbances rejection controller,ADRC)和PID控制.