基于预瞄跟随理论MPC的无人驾驶车辆路径跟踪控制

为提高无人驾驶车辆在变曲率条件下的路径跟踪精度和稳定性,提出一种基于预瞄跟随理论(PFT)的MPC横向控制器(PFT-MPC)。PTF-MPC包括参考路径点生成模块和MPC控制器模块。参考路径点生成模块通过PFT计算预瞄点的横摆角,为MPC控制器提供参考横摆角,在不增加MPC控制器计算量的同时提高预测范围。在双移线工况下,验证了PFT-MPC控制器的准确性和稳定性。

基于预瞄跟随理论的驾驶员跟随汽车目标速度的控制模型

针对汽车动力学控制系统具有强非线性的特点 ,根据非线性系统描述函数法及自回归滑动平均 (ARMA)模型的辨识方法 ,建立了描述汽车速度控制动力学强非线性的局部等效线性传递函数。在此基础上 ,应用预瞄跟随理论提出了描述驾驶员在给定目标车速前提下对汽车行驶速度进行控制的模型。仿真结果表明 :该模型合理地模拟了驾驶员根据外界道路限定的速度信息并考虑到自身滞后特性和汽车动力学特性来控制汽车速度的行为 ,为汽车速度的自动控制及智能交通系统中的先进车辆控制系统的研究提供了一个有效的途径。

预瞄跟随理论和驾驶员模型在汽车智能驾驶研究中的应用

根据预瞄跟随理论及驾驶员的开车行为特性 ,指出汽车智能驾驶与驾驶员操纵行为的内在一致性——汽车智能驾驶系统的控制特性与熟练驾驶员的驾驶行为特性基本一致。结合驾驶员操纵行为模式将汽车智能驾驶系统划分为信息感知、轨迹决策和操纵控制三个部分 ,并一一加以具体分析 ,利用系统模糊决策理论对几种汽车行驶的典型工况进行了智能车辆方向控制仿真计算。理论分析和仿真结果表明预瞄跟随理论为智能车辆的研究提供了一个可行的研究途径 。

基于改进预瞄跟随算法的电动车智能转向控制

提出一种基于改进的预瞄跟随驾驶员模型的电动汽车智能转向控制策略。借鉴驾驶员预瞄跟随模型提出转向控制方法,并对预瞄跟随算法进行改进,提出一种新的预瞄点搜索算法,确保预瞄点落在预期路径上,避免由于路径转弯曲率过大导致电动汽车脱离路径。结合考虑稳态响应的影响,提高转向控制策略精度。利用多领域建模软件Dymola,结合电动汽车动力模型、路径模型,对该转向控制策略进行仿真。仿真结果表明应用该策略的电动汽车具有良好的路径目标跟随精度。

基于改进预瞄跟随算法的新能源汽车转向控制研究

为了解决传统预瞄跟随算法应用于新能源汽车转向控制导致在转弯曲率过大路况下车辆易脱离路径的问题,对预瞄跟随算法改进并应用于汽车转向控制中,将预瞄点设定为当前车速下经过时间T到达的路径上的点,采用预瞄跟随最优曲率驾驶员模型的预瞄点快速搜索,并将改进算法在Dymola软件构建的新能源汽车转向控制模型上进行验证。和传统预瞄跟随算法相比,改进预瞄跟随算法对新能源汽车具有良好的目标路径跟随精度。改进预瞄跟随算法对新能源汽车转向控制开发具有一定的参考价值。

预瞄跟随理论与人-车闭环系统大角度操纵运动仿真

本文是人-车闭环操纵系统“预瞄最优曲率模型”和“预瞄跟随理论”的进一步验证与推广应用。特别是通过更真实地模拟了驾驶员获取各种信息的参考系统随汽车运动而变化的过程,从而使原来只能模拟小角度转向运动的方法推广到各种大角度转向路径(包括各种封闭形路径)下闭环操纵运动。

基于预瞄模型的农机路径跟踪预测控制方法

为了提高农机路径跟踪系统控制性能对作业速度变化的适应性,该研究提出一种基于预瞄运动学模型的快速预测控制方法。采用预瞄跟随理论建立预瞄航向误差模型,并将其作为输出方程与路径跟踪误差常规状态方程联立,构建预瞄运动学状态空间误差模型,进而运用模型预测控制算法与输入参数化衰减策略设计路径跟踪控制律。仿真试验结果表明,在不同作业速度下,预瞄模型预测控制器的直线路径跟踪横向误差均渐近趋于0,行驶曲线均无超调;当作业速度为1、3与5 m/s时,预瞄模型预测控制器的圆形路径跟踪横向最大绝对误差分别为8.52、10.42和10.82 cm,标准差分别为3.96、5.83和6.17 cm;当控制时域为10、30与60时,预瞄模型预测控制器的运算周期相对常规模型预测控制器分别减小7.5%、43.0%和48.5%;与常规模型预测控制相比,预瞄模型预测控制能够在确保路径跟踪系统控制精度的同时有效改善系统的动态性能和提高系统的实时性,使不同作业速度下的跟踪效果更加均衡。田间测试结果表明,在0.5~5 m/s作业速度范围内,预瞄模型预测控制器对作业速度变化具有较强的适应性,能够使农机快速平稳地跟踪参考路径并具有较高的控制精度,其直线路径跟踪的横向最大绝对误差均值小于5.5 cm、标准差均值小于2.5 cm,圆形路径跟踪的横向最大绝对误差均值小于15.5 cm、标准差均值小于8.5 cm,跟踪效果满足农机实际作业要求,适于复杂作业环境或高速作业场合。

驾驶员稳态预瞄动态校正假说

针对汽车运动学和动力学自身的特点及驾驶员对其的理解和认识 ,基于预瞄跟随理论和预测控制理论 ,在驾驶员行为建模中作出了汽车运动学和动力学特性的分隔处理 ,提出了驾驶员稳态预瞄动态校正假说 ,并结合仿真计算和驾驶模拟器实验论证了假说的合理性和有效性。

汽车方向预瞄式自适应PD控制算法

针对汽车动力学强非线性时变特性及驾驶员行为特性,基于预瞄跟随理论提出了汽车方向预瞄式自适应PD控制算法,并结合仿真计算和场地试验论证了算法的可行性和有效性。算法中建立了可近似描述汽车转向动力学特性的一阶线性参考模型,并实时在线地辨识了参考模型传递函数的参数;由此根据理想预瞄跟随器的结构,进行了PD控制器参数的自整定。该控制算法可较为精确地控制汽车跟随预期轨迹,且自适应控制算法的采用也提高了控制系统的鲁棒性和适应性,从而为智能汽车方向控制系统的研究提供了一条可行的研究途径。

智能汽车驾驶员模型的预瞄时间自适应分析

为了更好地模拟真实驾驶员在人车路闭环系统下的操纵行为,提出了一种针对智能汽车驾驶员模型的预瞄时间自适应模型.运用预瞄跟随理论与预瞄优化驾驶员模型构建智能汽车驾驶员模型,进而分析道路环境与汽车行驶状态等因素对智能汽车驾驶员模型中预瞄时间的影响,分别采用基本预瞄时间和补偿预瞄时间表征不同因素对驾驶员前视行为的影响,并将基本预瞄时间和补偿预瞄时间相结合,建立了基于BP神经网络的预瞄时间自适应模型.在Carsim/Simulink联合仿真平台上搭建了预瞄时间自适应的智能汽车驾驶员模型,针对正常驾驶和激进驾驶2种模式进行了仿真分析.结果表明所建立的预瞄时间自适应模型可有效改善智能汽车驾驶员模型的路径跟踪效果.

基于视觉预瞄的无人机自主驶入驶出

本文针对轮式无人机在电磁拒止环境下,卫星定位、差分等电磁信号不可使用时,起降过程中跑道利用效率低的问题,提出了一种基于视觉预瞄的无人机自主驶入驶出控制方法。建立无人机地面滑行模型,通过视觉预瞄的方法模拟飞行员操纵无人机沿引导线驶入驶出的过程。经过仿真验证,该控制方法能够满足无人机自主驶入驶出。

基于DSP的智能小车路径跟随系统设计

在车辆主动避撞技术中,路径跟随是一项必不可少的技术.以TMS320F28335DSP为核心控制模块,以多传感器系统为路径识别模块,搭建了10∶1的主动避撞智能小车模型.通过获取实时路径信息和小车的状态信息得到前方道路的曲率.根据分段式控制方法,使小车能够自动根据路径的曲率调整预瞄距离和行驶速度.通过建立合适的预瞄跟随驾驶员模型,使小车能够跟随道路行驶.通过PWM波驱动舵机和电机,以及PID控制,实验结果表明,小车能够按照规划的路径稳定行驶,且跟随误差小.这证明所建立的预瞄跟随驾驶员模型是正确的,且能实现路径跟随的功能.

基于加速度反馈的任意道路和车速跟随控制驾驶员模型

建立一个高效的能够适应复杂汽车行驶工况的驾驶员模型是进行'人—车—路'闭环仿真的关键。利用离散的数表方式对驾驶员跟随的任意道路路径和车速进行描述。以此为基础,提出任意路径下的预瞄点搜索算法,使'预瞄—跟随'驾驶员建模理论可应用于任意道路路径和车速的跟随控制。根据车速变化不断更新侧向加速度增益,实现驾驶员模型方向控制和速度控制的解耦。通过引入加速度反馈,建立一个简单而有效的跟随任意道路路径和车速的方向与速度综合控制驾驶员模型。仿真表明该驾驶员模型具有良好的路径与车速跟随精度。

智能车辆速度跟随控制算法的仿真研究

针对汽车动力学速度控制的强非线性特性,基于预瞄-跟随理论,建立了车辆速度控制过程中的速度跟随运动模型;并提出了智能车辆速度跟随的控制算法。在PreScan和matlab/simulink的联合仿真中,实现了车辆的速度跟随控制;并对速度变化过程中速度跟随控制算法的性能进行了仿真验证。结果表明,车辆基本可以跟随参考速度行驶,并且可以实现自动减速停车。

高速路况下智能网联汽车单车道自动驾驶控制及仿真研究

为有效避免高速路况车辆因人为误操作导致的交通事故,提出了一种智能网联汽车自动驾驶控制模型。在PATH差距模型的基础上,考虑道路信息,提出了改进的车间距模型。采用预瞄曲率跟随模型,对高速路况下智能网联汽车单车道自动驾驶实施控制,并通过PreScan和MATLAB/Simulink进行联合仿真。结果表明,根据车距自适应确定车距增益实现了智能网联汽车的协同,车队可以在14 s的时间内达到预定车速,同时车速波动在1.2%以内,提高了车辆行驶的安全性和舒适性。

基于分数阶PID控制器的智能车控制

针对智能车高速行驶下对目标轨迹的快速跟踪要求,结合预瞄跟随理论设计了分数阶PID控制器(FOPID)。分数阶PID比传统PID控制器多两个参数自由度,所以在设计过程中有更大的灵活性。利用改进Oustaloup数字实现算法,框图化实现分数阶PID控制器,通过遗传算法对IAE性能指标寻优整定FOC参数并应用于智能车被控系统。S imu link仿真结果表明,对智能车系统,分数阶PID控制器具有比传统PID控制器更好的动态性能。并且,分数阶PID控制器具有更强的鲁棒性,当模型参数发生变化时,能够更好地保证系统稳定性。通过对比传统PID控制器和分数阶PID控制器的数字实现,证明了分数阶PID控制器在过程控制中的可操作性。

智能汽车自动驾驶的控制方法研究

为了解决智能汽车在无人驾驶的情况下自动跟随前方车辆行驶的问题,在预瞄跟随理论基础上提出一种自动驾驶的控制方法;该方法适用于控制一列智能车队,智能汽车通过接收前车发送的行驶状态来计算出前方路况,通过模糊自适应PID控制器来控制车辆驾驶;首先基于预瞄跟随理论设计一个汽车自动跟随模型,并指明需要跟随的物理量;然后,设计了一个模糊PID控制器来实现对给定物理量的跟踪;最后在dSPACE和飞思卡尔模型小车所搭建的实验环境下去验证控制方法的可行性;仿真实验结果表明该方法能够保证智能汽车具有良好的路况计算和车辆跟踪的精度,且具有较好的鲁棒性。

基于障碍物斥力场的汽车主动避撞系统

为提高汽车行驶安全性,设计了基于障碍物斥力场模型的汽车主动避撞系统,建立了道路算盘模型和驾驶员预瞄跟随模型,利用算盘模型可求解出避撞路径,使用驾驶员预瞄跟随模型可求解出汽车转向盘最优转角。通过动静态障碍物环境下的仿真试验表明,利用算盘模型规划出的路径平滑、安全、可跟踪;驾驶员预瞄跟随模型的路径跟随精度高,实现了汽车主动避撞。

基于驾驶员方向控制模型的汽车侧风稳定性虚拟试验研究

在预瞄跟随理论基础上设计的驾驶员方向控制模型常用于弯道、移线、蛇行试验中横向轨迹的控制,文中研究了它对汽车侧风稳定性的控制效果.根据预瞄跟随理论及PID控制技术,采用MATLAB/Simulink建立了驾驶员方向控制模型;根据某轿车实测数据,采用多体动力学软件AD-AMS建立了车辆-侧向风-道路耦合模型;通过定义输入变量(转向盘转角)和输出变量(侧向位移),实现了基于ADAMS与MATLAB/Simulink的汽车侧风稳定性联合仿真.试验结果显示驾驶员模型能够有效控制由侧向风引起的大幅度侧向偏移,系统具有较强的跟随性和鲁棒性.

基于神经网络分数阶PIaD β控制的智能车研究

本文将BP神经网络与分数阶有机结合,采用预瞄跟随理论对高度非线性的智能车进行简化建模,设计了基于神经网络分数阶控制的智能车。最后对设计进行了仿真验证,并与普通分数阶及常规PID的控制效果进行了比较分析,仿真验证表明了神经网络分数阶控制器在动态性能、稳态误差等方面都要优于一般分数阶及常规PID控制,证明了本设计的有效性。