基于模型预测控制的车辆横向避撞仿真研究

主动避撞作为汽车主动安全技术的一种,在车辆与乘员的保护中能发挥巨大作用。针对主动避撞研究中车辆仅靠纵向制动无法完成避撞,以及在换道避撞过程中传统控制方法无法解决带约束的最优控制问题,基于模型预控制理论设计出轨迹跟踪控制器来实现换道避撞。控制器设计基于简化的车辆三自由度模型,避撞轨迹为五次多项式拟合的单移线,运用模型预测控制理论将换道过程中多约束下的最优控制问题变为带约束的二次函数进行求解,并研究不同控制器参数对轨迹跟踪效果的影响,进而确定出合适的控制器参数,最后在Carsim/Simulink中实现联合仿真。结果表明,在速度为80 km/h、附着系数为0.8的道路上和速度为30 km/h、附着系数为0.3的道路上,车辆都能实现对参考轨迹的跟踪,完成换道避撞,保证了行车安全性。

基于横向避撞的安全距离速度综合模型

为了避开侧面来驶车辆的撞击,将车辆的运动在基于阿克曼转向原理的基础上简化为自行车模型,建立平面几何中车辆运行的理论数学模型。假定两车之间的距离太小,倘若继续行驶必定在交汇处撞击到侧面的情况下,约束智能小车的最高驾驶速度,设定小车在遇到危险立即转向避撞的条件,并结合轮胎与地面的滚动摩擦系数,得出横向转向避免撞击的安全距离和安全速度。通过智能小车的模拟实验,结合理论数值模型的仿真,用智能小车的模拟实验结果去验证自行车理论下的数学模型,进一步证实在横向撞击下安全距离、速度避撞的可靠性和可行性。

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。

基于LTV MPC的横向主动避撞控制策略研究

为了提高车辆横向主动避撞的避撞效果和稳定性,提出了一种基于线性时变模型预测控制算法(Linear Time Varging Model Predictive Control, LTV MPC)的分层避撞控制方法。上层轨迹规划控制器基于低精度的点质量模型,根据障碍物和参考路径信息,规划出规避障碍物的期望路径。下层轨迹跟踪控制器基于高精度的3自由度非线性动力学模型,根据车辆的实际状态和上层输入的避撞轨迹,控制车辆的前轮转角,通过方向盘主动转向实现避撞的同时,实现对避撞轨迹的跟踪。最后,利用CarSim/Simulink联合仿真平台,并以双移线工况为例,对被控车辆在不同车速下的避撞路径和跟踪效果进行了仿真验证。结果表明:上层控制器能根据障碍物位置规划出避撞路径,下层控制器与PID控制器相比,LTV MPC控制器算法具有更强的鲁棒性,且能控制车辆平滑、稳定地实现对避撞路径的跟踪,从而实现车辆横向主动避撞功能。