考虑参数不确定性的汽车前轮主动转向输出反馈鲁棒控制

提出基于静态输出反馈的前轮主动转向(AFS)鲁棒控制器,以提高汽车横摆角速度跟踪性能和横向稳定性.在控制器设计中考虑了车速和轮胎侧偏刚度的不确定性,其中车速在一定范围内变化并且可测,采用多胞型模型来描述车速的不确定性.利用多目标优化与输出反馈鲁棒控制方法,同时提高汽车横摆角速度跟踪性能和横向稳定性.在Matlab/Simulink和Car Sim联合仿真环境中,对紧急转弯和双移线2种典型操纵工况下的控制器进行仿真试验.结果表明,所提出的控制器能够显著改善汽车的横向操纵性能和稳定性,降低驾驶员的工作负荷,且控制器对汽车模型参数的不确定性具有很好的鲁棒性.

路径跟踪控制算法仿真分析与试验验证

为探究车辆路径跟踪算法性能差异及适用性规律,分别构建基于预瞄的纯跟踪(PP)算法、前轮反馈控制算法和模型预测控制(MPC)算法的车辆模型,在圆环、蛇行和低、中、高速等工况下进行Simulink和CarSim联合仿真并分析横向控制效果。结果表明:PP算法预瞄距离越短,横向控制精度越高,但稳定性越弱,低速鲁棒性较好;前轮反馈控制算法在高速下具有更小的横向控制误差,且增益系数k影响控制精度;相较于前两者,MPC算法在不同速度下均具有良好的横向跟踪性能。最后,开展实车试验对比验证3种算法的跟踪性能,结果表明,在同一工况下,MPC算法具有更优的跟踪性能。

基于前馈-反馈的变权重路径跟踪控制方法

为改善纯追踪算法在车辆中低速时对曲率变化大的路径进行跟踪存在较大跟踪偏差的问题,提出一种基于前馈与反馈的变权重路径跟踪控制方法。前馈和反馈分别采用纯追踪算法与前轮反馈控制算法以求解前轮转角。采用模糊控制,以横向偏差与方向偏差为输入,权重因子为输出。据权重因子分配两前轮转角占比。将提出的控制方法与权重因子固定模型及引用文献的模型进行仿真对比,结果表明,该控制方法能有效改善路径跟踪性能。

基于前馈和反馈相结合的路径跟踪算法

针对纯追踪算法在非固定曲率下路径跟踪误差较大的问题,提出一种基于前馈和反馈相结合的路径跟踪算法。前馈控制方面基于纯追踪模型计算出前轮转角,反馈控制方面采用后轮反馈控制算法计算出前轮转角,通过横向误差和航向误差来确定比例因子,依据比例因子进行比重分配,得到最终的前轮转角控制量。在MATLAB/Simulink环境下采用车辆运动学模型进行无人驾驶车辆的路径跟踪仿真,结果表明,该算法能较好地改善路径跟踪效果,保证车辆稳定性,同时具有一定的鲁棒性。