车间运动学模型在智能车速度跟踪控制中的应用

车辆纵向运动速度控制是智能车领域的关键技术之一,其控制精度和响应速度是智能车其他功能实现的基础。采用模型预测控制理论,研究实现速度跟踪控制算法:一是对车辆系统车间运动学模型进行改造,提出虚拟目标车辆概念;二是提出减少优化目标和改善预测时域的确定方法,降低控制算法的计算成本在实时控制周期之内。通过在不同车辆上的试验表明,所开发的算法满足了控制系统的实时性要求和控制精度要求,并可实现控制算法的无缝移植。

汽车自适应巡航跟车多目标鲁棒控制算法设计

为满足自适应巡航系统跟车模式下的舒适性需求并且兼顾车辆安全性,基于模型预测控制原理提出一种多目标鲁棒跟车控制算法.建立考虑前车加速度干扰的自适应巡航系统车间纵向运动学模型,该模型可全面反映系统的动态演化规律,提高模型的精度和可靠性;针对自适应巡航系统需求进行目标分析,设计一种考虑舒适性和安全性的多目标模型预测控制算法;针对模型预测控制算法鲁棒性较差的问题,引入修正项反馈,提高控制系统鲁棒性,采用向量约束管理法解决模型预测控制算法硬约束造成的控制系统无优化解问题.仿真结果表明:该算法使跟车时车辆加速度及冲击度保持在舒适性范围,同时车间距始终大于最小安全距离,兼顾了舒适性和安全性要求,实现了自适应巡航控制系统跟车目的.