基于预瞄时间自适应的爆胎车辆横向控制

针对汽车在高速行驶过程中突然爆胎极易引发严重交通事故的问题,文章提出一种基于预瞄时间自适应的爆胎车辆横向控制方法。在单点预瞄驾驶员模型的基础上,提出一种预瞄时间自适应算法,通过预测未来一段时间内不同预瞄时间的车辆运行状况,将道路边界约束添加为约束条件设计优化函数,选取合适的预瞄时间,提高车辆的行驶稳定性;采用滑模控制理论设计主动转向控制器,根据爆胎前、后横摆角速度偏差对车辆前轮转角进行补偿,以解决爆胎导致的车辆横向偏航问题。在CarSim与Simulink联合仿真平台下进行的仿真验证结果表明,该文提出的控制方法可以使爆胎车辆基本保持在原路径上行驶,有效提高了车辆的稳定性和安全性。

预瞄时间自适应的最优预瞄驾驶员模型

驾驶员模型是汽车动力学仿真和控制算法开发中的重要环节。在极限工况下汽车动力学稳定性仿真与控制中,为模拟驾驶员在人-车-路复杂系统中对汽车的操纵特征,要求驾驶员模型能够在复杂道路与整车稳定性约束条件下完成驾驶操作,而不是单纯的路径预瞄跟踪。在最优预瞄驾驶员模型的基础上,提出一种预瞄时间自适应算法。该算法根据不同的预瞄时间,预测将来一段时间内车辆运行情况,并根据所设计的优化函数,选取合适的预瞄时间使得车辆稳定通过测试路径。对所开发的驾驶员模型进行仿真测试,结果表明,预瞄时间自适应的最优预瞄驾驶员模型能够在复杂道路、极限工况、有边界约束条件下完成驾驶操作。

基于Stanley算法的自适应最优预瞄模型研究

汽车转向几何模型是无人驾驶开发过程中的重要环节,但其在面对复杂道路时单纯的预瞄跟踪不能满足无人驾驶需求。为此,在Stanley转向几何预瞄模型的基础上,提出一种自适应的最优预瞄时间改进算法。根据车辆当前航向角、纵向车速、前轮转角和一次规划路径的曲率等特性,结合不同的预瞄时间预测一定时间内车辆运行情况,并根据设计出的优化函数选择合适的预瞄时间,以调整车辆前轮转角,减小车辆行驶过程中的横向偏差,使车辆平稳通过测试路段。仿真结果表明,基于Stanley算法的自适应最优预瞄模型能够在复杂开放道路上实现无人驾驶。

AFS与DYC协调控制的智能汽车路径跟踪方法

为提高智能车辆在复杂道路条件下的路径跟踪能力与行驶稳定性,提出了一种基于AFS(主动前轮转向)与DYC(直接横摆力矩控制)协调控制的智能汽车路径跟踪控制方法。为保证车辆在复杂道路条件下的路径跟踪精度,在车辆2自由度模型及单点预瞄模型的基础上,控制预瞄时间使其自适应跟踪目标路径;在DYC设计时,考虑到横摆角速度和质心侧偏角量纲不同,采用无量纲方法设计横摆力矩滑模控制器,并采用单轮制动的方式实现附加横摆力矩的分配;同时,为了使AFS和DYC的工作效果得到充分发挥,基于车辆失稳侧滑时的前轮临界转角,采用加权分配函数的方式保证协调控制的平顺性。基于Carsim-Simulink联合进行鱼钩工况及双移线工况下的试验仿真,并与独立控制对比。试验结果表明:协调控制在满足对复杂道路条件跟踪准确性的同时可有效改善智能车辆行驶时的操纵稳定性,具有更好的鲁棒性。