基于路面附着系数估计的模糊自适应轨迹跟踪控制

为提高智能汽车轨迹跟踪在复杂工况环境下的控制精度和稳定性,提出了一种适应路面附着系数突变与车速动态变化的模糊自适应轨迹跟踪控制策略。建立七自由度车辆动力学模型,基于模型预测控制(model predictive control,MPC)算法设计了车辆轨迹跟踪控制器,研究了MPC控制器参数、路面附着系数、车速与车辆轨迹跟踪性能间的影响关系;为了实时获取当前道路的路面附着系数,根据dugoff轮胎模型和整车动力学模型设计了无迹卡尔曼滤波估计器;据此设计了以路面附着系数和车速为输入量的MPC控制器参数自适应模糊控制器,实时修正MPC控制器的参数,以提高复杂工况环境下车辆的稳定性及跟踪能力;通过仿真实验对所设计的控制方法进行了验证。结果表明:所提出控制方法在低速条件下保证了车辆稳定性,提高了车辆的跟踪精度;中速条件下有效克服了车辆在路面附着系数突变道路上动态行驶时轨迹跟踪精度较低,稳定性较差的不足。

基于改进极限学习机的路面附着系数估计

路面附着系数是车-路相互作用中最为关键的参数之一,精确识别路面附着系数可用来确定汽车最佳安全控制方式,为此,提出一种基于改进极限学习机(Extreme Learning Machine,ELM)的路面附着系数估计方法。对车辆进行动力学分析,确定神经网络模型的输入量;搭建整车模型和工况,进行仿真试验建立数据集;利用限幅递推平均滤波算法处理数据集,并利用麻雀搜索算法对极限学习机进行改进优化,提高ELM的准确性及稳定性。试验结果表明,改进后的ELM在多方面性能有综合提升,预测准确率为93.4%,提高了4.89%,收敛速度提高了41.33%。

非充分激励条件下路面附着系数估计算法

针对路面条件和车辆状态激励程度的不确定性导致的路面附着系数算法收敛速度和估计精度下降的问题,提出了一种基于模糊工况自适应强跟踪卡尔曼滤波的路面附着系数估计算法。利用模糊推理方法评估当前车辆运动状态的激励程度并输出协方差调整系数,引入强跟踪因子对标准卡尔曼滤波算法进行实时修正,通过及时调整路面附着系数的协方差的方式提高估计算法收敛速度,同时强跟踪因子保证算法对来自路面不确定的扰动具有鲁棒性。采用控制器硬件在环试验台的方式对所提算法的估计效果进行了验证,实验结果表明:所提出估计方法能够在车辆状态大激励程度条件时快速收敛到真值附近,小激励程度时降低估计值波动幅值,比强跟踪卡尔曼滤波算法和标准卡尔曼滤波算法在算法收敛速度和估计精度方面有明显提升。

基于平方根容积卡尔曼滤波的路面附着系数估计

针对车辆主动安全系统中路面附着系数这一关键参数的估计问题,建立了融合Dugoff轮胎模型的三自由度车辆动力学模型,基于平方根容积卡尔曼滤波(SCKF)思想设计了路面附着系数估计器,该方法将正交三角分解法引入容积卡尔曼滤波(CKF)算法,避免了CKF中对协方差矩阵的开方操作,提高了算法的稳定性。利用MATLAB与CarSim联合仿真平台在不同路面条件下进行了多工况仿真验证,并将所提出算法与CKF算法进行对比,结果表明,SCKF算法的鲁棒性较高,估计精度高于CKF算法的估计精度,可以满足车辆主动安全系统的要求。

基于指数加权衰减记忆无迹卡尔曼滤波的路面附着系数估计

针对车辆主动安全控制中路面附着系数这一关键信息,提出一种指数加权衰减记忆无迹卡尔曼滤波(FMUKF)估计算法。该算法在传统无迹卡尔曼滤波(UKF)的基础上,利用衰减记忆滤波来解决由于模型不准确造成的滤波误差过大甚至发散等问题。利用Car Sim和MATLAB/Simulink对算法进行了联合仿真和实车道路试验,并与传统UKF算法的估计结果进行对比分析。结果表明,该算法增强了滤波的稳定性、提高了算法的估计精度,且具有一定的自适应性。

基于路面附着系数估计的车辆自适应巡航控制研究

为了提高复杂工况下特别是低附着路面工况下车辆自适应巡航控制(Adaptive cruise control,ACC)的安全问题,该文提出基于路面附着实时估计的ACC控制方案。基于模型预测控制(Model predictive control,MPC)设计了ACC控制器,通过实时滚动优化计算得到期望的加减速度值。基于递推最小二乘法设计路面附着系数实时估计策略,根据实时估计的路面附着情况确定MPC控制器中的加减速度极限约束条件。基于Lagrangian方法建立了四自由度的非线性纵向车辆动力学模型,作为ACC控制系统的车辆仿真模型,得到了车辆在高、低不同附着路面上行驶的安全情况。仿真结果表明:基于路面附着系数实时估计的ACC控制方案在各种路面条件下都能确保前、后两车之间保持期望的车间距离安全行驶。

基于三轴重型全驱电动汽车路面附着系数估计

提高重型车辆主动安全技术可以减少重型车辆交通事故,而车辆主动安全技术需要准确的路面附着系数作为数据输入来实现精确的控制,故对路面附着系数估计的研究具有重要意义。为实现三轴重型全驱电动汽车对路面附着系数的准确估计,搭建了9自由度车辆模型,选用Dugoff轮胎模型,并通过Matlab/Simulink建立了仿真模型。采用无迹卡尔曼滤波算法(unscented Kalman filter,UKF)分别对6个轮胎与路面间的路面附着系数进行估计,最终通过Simulink仿真,实现了高附、低附路面下的匀速直行和角阶跃工况以及对开路面的直行工况等多种工况下的路面附着系数估计,估计结果与实际路面附着系数基本一致,验证了算法的可行性。

基于路面附着系数估计的汽车主动避撞控制研究

针对前方出现障碍物的紧急工况,本文基于路面附着系数估计,提出一种集成了主动制动和主动转向、适应不同路面条件的紧急避撞控制策略,并借助所搭建的Carsim与Matlab/Simulink联合仿真平台对该控制策略的有效性进行了验证。结果表明,在不同紧急工况下,利用本文所提控制策略能有效地控制车辆做出合理的避撞模式决策并实现主动避撞操作。

基于滑移率的路面附着系数估计

轮胎—路面附着系数对于车辆主动安全控制系统十分重要,如主动避撞、自适应巡航等车辆纵向安全辅助系统等,依赖于路面附着系数等车辆状态信息实时、准确的估计。本文重点分析了车辆纵向动力学模型,提出了一种针对非水平路况的路面附着系数估计算法。利用轮胎纵向力与滑移率,路面附着系数与滑移率的关系,通过递推最小二乘算法实现了路面附着系数的实时估计。最后利用Matlab/Simulink仿真环境对递推最小二乘估计算法进行了验证,仿真结果验证了算法的有效性。

基于路面附着系数估计的EPS助力控制研究

在建立EPS系统动力学模型的基础上,通过模糊算法得出路面附着估算修正因子用来修正路面附着估算模型,并通过限幅滤波得出路面附着系数估计值。将路面附着系数和车速作为输入,设计了模糊控制器输出助力电流修正系数。根据助力电流修正系数和此时的方向盘转角信息得出修正电流,并在此基础上设计了准滑模助力控制策略。仿真结果表明,该控制策略可有效改善车辆在不同附着路面下的操纵路感。搭建了硬件在环试验平台,对助力控制策略进行试验验证,试验结果与仿真结果基本一致。

不同路况下路面附着系数实时估计

为了准确估计不同路况下的路面附着系数,提高汽车行驶的安全性与稳定性,提出了一种在制动工况下基于前后轮轮速和制动力矩估计路面附着系数的方法。首先,考虑汽车前后轴荷转移,在Matlab/Simulink软件中完成建模操作,创建关于双轮车辆制动的动力学模型;其次,将控制目标确定为汽车前轮以及后轮的理想和实际滑移率,建立理想制动力矩滑模控制器,对于汽车滑模控制器存在的抖振现象,通过积分切换面对其进行处理;最后,以前后轮轮速和制动力矩作为输入进行扩张状态观测器的设计,利用这一观测器观测路面附着系数相关值。结果表明,各种路况中的路面附着系数都可以通过上述手段进行准确估计,扩张状态观测器能够抵抗外界干扰,鲁棒性强。将扩张状态观测器用于路面附着系数识别的良好结果可为汽车稳定性控制系统的设计提供参考。

基于UKF路面附着估计的电动助力转向控制策略

考虑路面附着对驾驶员转向操纵的影响,设计了电动助力转向电流补偿控制策略。为了实时估计出路面附着系数,基于无迹卡尔曼滤波理论建立了路面附着系数观测器。在传统电动助力转向控制基础上,把路面附着和车速作为输入,设计了模糊控制器,得到控制补偿叠加电流,对传统电动助力转向进行修正。在MATLAB/Simulink中的仿真分析说明无迹卡尔曼滤波观测器能实时准确估计出路面附着系数,并且所设计的电动助力转向电流补偿控制策略能综合车辆行驶时的路面附着、车速和转向盘转角等信息,由助力执行电机产生适当的助力,使驾驶员获得良好的路感,提高车辆行驶稳定性和安全性。

基于路面识别的无人搬运车直接横摆力矩控制

针对转向工况下车辆在不同附着系数路面上稳定性较差,以及如何快速准确估计路面附着系数的问题,本文以无人搬运车(AGV)为研究对象,提出了一种基于路面识别的直接横摆力矩控制。设计了一种带噪声估计器的自适应无迹卡尔曼滤波(AUFK)观测器,基于滑模控制算法采用了一种自适应变速指数趋近律设计质心侧偏角和横摆角速度综合控制系统,计算附加横摆力矩。CarSim/Simulink联合仿真验证了所提出的AUFK观测器的正确性和稳定性、控制器的有效性。

变附着系数路面的紧急避撞控制研究

针对汽车避撞过程中路面发生突变导致传统控制策略失效的问题,提出一种基于路面实时识别的自适应紧急避撞控制策略。首先利用递推最小二乘法(RLS)对路面附着系数进行实时在线识别;然后依据纵向安全距离模型将路面突变分为2种形式:一种为安全距离以内路面发生突变;另一种为汽车当前位置到安全距离临界点这一段路面发生突变,并针对此2种工况设计自适应控制策略。在搭建的Pre Scan与Matlab/Simulink联合仿真平台中验证了该控制策略的有效性。结果表明:该控制策略能很好地完成路面突变条件下传统单一制动控制失效情况下的紧急避撞。研究结果为汽车的主动安全控制提供理论支持。

基于路面估计的车辆避撞控制策略研究

为实现车辆对变路面工况的动态自适应控制,提出一种路面估计的舒适性避撞控制策略,基于四自由度车辆模型,使用容积卡尔曼滤波和Dugoff轮胎模型对车辆状态和路面附着系数进行估计,建立了基于路面附着系数的安全距离模型。为提高车辆制动时的舒适性,对制动压力进行约束优化和跟随控制,使用模型预测控制作为控制器进行仿真分析。结果表明:使用压力控制搭配模型预测控制能显著提高驾乘的舒适性,提出的避撞控制策略对变附着系数路面能够实现车辆安全避撞控制。

矿用卡车路面自适应模型预测轨迹跟踪控制

针对矿区道路环境突变对无人矿用卡车无人驾驶的挑战,本文研究了路面自适应模型预测轨迹跟踪控制问题.首先,根据矿区常用矿卡车型及环境突变特点分别建立矿卡动力学模型和矿区道路环境模型;其次,提出矿卡路面自适应模型预测轨迹跟踪控制框架;然后,引入预设附着系数库,提出基于自主切换策略的最小二乘参数估计方法以应对突变工况做出合理递推;最后,提出矿卡路面自适应模型预测轨迹跟踪控制方法.仿真表明,所提方法比传统自适应模型预测控制方法轨迹跟踪精度更高,可以充分考虑道路附着条件突变的矿区道路工况,自适应地保证矿卡的操纵稳定性.

考虑不同路面状态的车辆主动避撞声光预警策略

为解决汽车行驶过程中路面状态变化对汽车主动避撞性能产生的影响,提出一种考虑不同路面状态的分级声光预警避撞策略。采用路面峰值附着系数算法对路面附着系数进行估计并分别建立了汽车制动避撞、换道避撞和协同避撞安全距离模型。对干沥青、湿沥青和雪路路面进行了不同行驶工况下的避撞轨迹规划和极限安全距离计算,将极限安全距离作为决策阈值与声光预警结合提出了主动避撞策略。通过Carsim/Simulink搭建单一路面与对接路面联合仿真平台对策略进行验证,结果表明,3种路面附着系数估算精度均小于8%,对接路面小于3%。提出的预警策略将预警时间提前1.75 s,安全车距提升49 m,有效提高了汽车行驶安全性。

商用半挂汽车纵向避撞控制

为降低商用半挂汽车在雨天湿滑路面等危险条件下的追尾事故发生率,基于魔术公式轮胎模型及递推最小二乘算法(RLS)估计路面附着系数,利用BP神经网络预测制动距离,提出一种基于实时制动距离预测(BDP)的安全距离模型,设计了分级避撞控制策略。分别在高低附着系数路面的前车制动(CCRb)、前车静止(CCRs)、前车低速行驶(CCRm)3种工况下进行联合仿真,验证模型有效性。仿真结果表明:高附着系数路面上BDP模型和Mazda模型在3种工况下能够成功避免碰撞,制动结束时BDP模型的停车间距更小,更符合驾驶习惯且兼顾一定的行车效率及驾乘舒适性;低附着系数路面上Mazda模型仅在CCRm工况时成功避撞,BDP模型在3种工况下可以顺利避免碰撞的发生。BDP模型可以有效降低低附着系数路面的追尾事故发生率。

紧急制动工况下虚拟轨道列车车间铰接力研究

围绕一种新型多轴铰接式城市轨道交通工具——虚拟轨道列车,针对路面附着条件变化会造成轮胎制动力不足、车轮抱死和车间铰接力增大的问题,提出了一种考虑路面附着系数的列车自动紧急制动策略.首先,采用扩展卡尔曼滤波和模型预测控制原理设计了上层控制器,基于实时估计的路面附着系数、列车制动舒适性和安全性,确定列车期望制动加速度;其次,基于轴荷比例分配原则和PID反馈补偿控制原理设计了下层控制器,根据列车期望制动加速度确定列车各轮胎的制动力矩;最后,搭建了Matlab/Simulink与Trucksim联合仿真平台,研究了列车制动过程中车间铰接力变化情况.结果表明,列车载重、制动初始车速以及路面附着系数变化对车间最大铰接力有影响;本文的制动策略具有良好的鲁棒性,在不同工况下能够有效防止车轮抱死、减小最大铰接力,提高列车制动过程中的舒适性和安全性.

智能汽车自适应工况路径跟踪控制

为解决车辆在不同路面附着系数和曲率条件下跟踪精度问题,提出一种汽车自适应工况路径跟踪控制器。首先,基于三自由度车辆动力学模型建立模型预测控制构架,利用Dugoff轮胎模型结合容积卡尔曼滤波算法估算出路面附着系数,根据车辆操作稳定性评价指标拟合路面附着系数与最优车速曲线;根据不同的车速和曲率,利用蚁群算法优化得到不同工况下最优预测时域和控制时域,设计一种自适应参数时域的MPC控制器。在Carsim/Simulink中进行仿真实验,结果表明:自适应参数时域的MPC控制器在不同工况下会采取合适的时域参数,与传统MPC控制器相比,在路面附着系数和道路曲率变化的路径跟踪中,最大侧向偏差缩小71%,最大横摆角误差缩小84.5%,最大质心侧偏角缩小23%。可见,该文设计的自适应时域参数控制器更稳定,跟踪效果更好。