基于线性二次最优-PID车辆控制策略研究

针对车辆在循迹过程中主动跟随精确性的问题,本文提出了一种利用线性二次(LQR)-PID最优算法设计上层控制器的方法。首先,根据车辆的动静态特性和运动特性建立CarSim车辆模型,并设计相应的性能指标;然后,采用LQR线性二次最优控制和PID控制设计了针对不同路况条件下的两种跟车策略,结合实际驾驶条件下自身传感器采集的数据作为系统输入,将所设计控制策略得到的输出作用于车辆模型。联合仿真表明:线性二次-PID最优控制策略在不同工况条件下能够有效地减小车辆在跟随过程中的稳态误差,且能够明显改善驾乘体验。

应用于车辆纵向控制的无模型自适应滑模预测控制方法

鉴于汽车纵向动力学系统为典型的参数时变不定、多扰动的非线性离散系统,基于精确数学模型的控制算法较难取得理想效果,本文中采用无需模型、基于输入/输出数据的控制算法。首先,基于紧格式动态线性化数据模型,将无模型自适应控制(MFAC)算法、滑模控制(SMC)算法和模型预测控制(MPC)算法相结合,设计了无模型自适应控制器。接着,通过理论分析对其进行了稳定性证明,最后将所提出的控制算法与常用于纵向控制的前馈+反馈算法和MFASMC(MFAC+SMC)算法进行了仿真对比,并通过硬件在环实验(HIL)验证了算法的有效性。结果表明,该控制算法响应速度快、鲁棒性强,且输出更为平滑,可较好地应用于智能汽车纵向动力学控制。

基于模型预测控制的汽车自适应巡航分层控制

自适应巡航系统能够提高汽车的驾驶舒适性和安全性,以模型预测控制方法为基础,设计一种电动汽车自适应巡航分层控制器,其中上层控制器采用模型预测控制器(MPC)实现对需求加、减速度的计算,下层控制器通过驱动/制动切换逻辑确定起作用的车辆系统(驱动系统(轮毂电机)/制动系统),并根据车辆逆纵向动力学模型计算所需的驱动/制动力.为验证所设计自适应巡航分层控制器的有效性,采用MATLAB/Simulink(自适应巡航分层控制器,驱动/制动系统控制器)和Carsim(车辆模型)软件建立系统的仿真模型,分别对等速+等加速+等减速和等速+变加速+变减速2种工况进行仿真.仿真结果表明,所设计的自适应巡航分层控制器能够使巡航车辆准确地跟踪目标车辆.