基于预瞄PID的自动泊车路径跟踪分析

为减少路径跟踪的误差,文章设计了基于预瞄误差的比例-积分-微分(PID)控制器。首先,采用直线-圆弧-回旋曲线拼接的方法生成了垂直泊车场景下曲率连续的全局路径。其次,设计了预瞄点、参考点及预瞄误差的计算方法,并将预瞄误差作为PID的输入以设计路径跟踪控制器。最后,通过Simulink/CarSim联合仿真对预瞄PID算法进行了验证,仿真及试验的结果表明,文章所提出的基于预瞄PID的路径跟踪算法虽然原理简单,但是跟踪精度较高,可以满足自动泊车的需求。

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。

预见PID控制在液压挖掘机控制中的应用

对预见PID控制进行了分析,给出了相应算法,并应用于液压挖掘机工作装置的轨迹控制过程中,试验结果表明,控制算法可行,控制效果优于未引进预见信息的PID控制。

基于改进预瞄控制模型的车道保持系统设计

为解决扭矩控制的车道保持(LKA)系统鲁棒性不高、受车辆制造一致性以及路面激烈干扰影响大的问题,采用神经网络技术、Autofix算法及预瞄反馈控制理论,利用预期轨迹决策和跟随PID控制算法设计了一套基于角度控制的车道保持系统。基于Carsim/Veristand/MATLAB搭建了硬件在环仿真试验平台,通过虚拟仿真验证了该车道保持系统设计的有效性与准确性。基于GB/T 39323—2020、CN-CAP—2021、Euro-NCAP—2022并结合实车调试及用户关注场景对车道保持系统的测试要求,通过仿真及实际场景对比验证得出以下结论:相对于扭矩控制的LKA系统,在相同使用场景下,使用角度控制的车道保持系统具有较好的车道保持能力、稳定性、适应性和鲁棒性。

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法。以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器。分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验。仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力。

基于模糊PID控制的车辆横向预瞄驾驶员模型

为了提高车辆的行驶轨迹精度和车辆稳定性,提出一种基于模糊PID控制的补偿式驾驶员控制模型。以车辆横向位移偏差和理想与实际横摆角速度之差为输入,建立输出为方向盘转角的补偿式模糊PID控制模型。联合CarSim和Simulink进行仿真,结果显示:在低、中速时补偿式模糊PID控制模型最大侧向偏差分别为0.036 m、0.046 m;相比增量式控制模型,补偿式模糊PID控制模型的控制精度分别提高了67%、45%,表现出更好的车辆车道保持性能。

农用车辆路径跟踪预瞄控制研究——基于免疫模糊PID算法和视觉导航

在无人驾驶农用车辆过程中,由于作业环境的复杂性,往往会遇到一些突发状况,如急转弯或者突然出现障碍物等,目前的视觉导航技术一般都是获取路径信息后直接进行反馈调节,在遇到突发状况时难以有效的工作。为此,将跟踪预瞄加反馈控制器引入到了无人驾驶农用车辆自动导航系和控制系统中,并使用免疫模糊PID算法对控制系统进行优化,以提高控制的效率、精度及自动化程度。为了验证该方法的可靠性,模拟农用车辆的作业环境,对控制算法的精度和效率进行了验证。仿真结果表明:采用免疫模糊PID算法具有较高的控制精度,且运算效率高,如将其使用在农用车辆自动导航和控制系统中,对于提高导航的精度和智能化程度具有重要作用。

采煤机滚筒调高自适应预见控制方法研究

首先建立了采煤机滚筒调高机构的数学模型,并通过李雅普诺夫稳定性理论将自适应控制与预见控制结合起来,构造了采煤机调高的自适应预见控制器。在Simulink中搭建了采煤机自适应预见控制调高仿真模型,并进行了仿真实验。结果表明,自适应预见控制的响应速度和跟踪性能都要优于PID控制和预见控制。

移动机器人路径跟踪的智能预瞄控制方法研究

本文首先介绍了移动机器人的基本硬件组成 ,然后模仿人工预瞄驾驶行为 ,提出了一种移动机器人路径跟踪的智能预瞄控制方法 ,并介绍了智能预瞄控制器的原理、结构及其设计过程 .试验表明 :本文提出的控制方法可保证机器人准确地沿各种参考路径行走 ,且具有良好的鲁棒性 .具有运动避障功能的移动机器人控制系统正在研究过程中 .

基于模糊LQR的智能汽车路径跟踪控制

为保证智能汽车在不同车速下路径跟踪的精确性与稳定性,本文中设计了一种带有预瞄PID转角补偿的模糊线性二次型调节器(LQR)以进行路径跟踪控制。首先,基于路径跟踪误差模型设计了LQR控制器,并采用预瞄PID方法进行转角补偿,消除稳态误差,提高跟踪精度。接着,针对固定权重系数的控制器对于不同车速适应性较差的问题,提出了一种基于车速的权重系数模糊调节策略。最后,通过实车试验,验证了控制器在实车环境中的控制性能。结果表明,设计的控制器具有较高的跟踪精度,且在不同车速下均能保持良好的精确性与稳定性。

无人驾驶车路径跟踪控制研究

研究被控对象无人驾驶车,基于预瞄控制思想,设计一种无人驾驶车路径跟踪控制器,将控制器分为预瞄控制和补偿控制两部分,预瞄控制模拟驾驶员在驾驶车辆过程中对前方的道路环境信息进行预瞄,根据道路曲率程度决定方向盘转向,补偿控制是对车辆遇到干扰偏离原车道的纠正。仿真实验结果表明,该控制器能够保证无人驾驶车准确跟踪各种参考路径,且具有较好的鲁棒性。

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。

履带车半主动悬架的复合控制策略研究

针对履带车行驶路况的多样性、复杂性以及自身结构的特殊性提出了一种基于磁流变阻尼器的履带车辆半主动悬架智能复合控制方法。以1/2履带式车辆悬挂系统为研究对象,对车体的垂直振幅、俯仰角以及车体的垂直振动加速度响应特性进行了分析。该控制方法以磁流变阻尼器为作动器,采用预瞄技术,以模糊控制为前馈控制,以PID控制为反馈控制,在MATLAB/Simulink中建立控制系统模型,对复杂随机路面输出进行数值仿真,仿真结果表明该复合控制方法具有实时性好、鲁棒性好、控制精度高等优点。与被动悬架相比,采用该智能复合控制方法的半主动悬架系统,其车身垂直振幅、俯仰角以及车体垂直振动加速度均得到了很好的控制,其中,垂直振幅均方根值减小了37.2%,俯仰角均方根值减小了45.2%,垂直振动加速度均方根值减小了38.6%。

基于嵌入式控制的农机自动驾驶系统布局研究

以农用耕地机为研究对象,设计一款基于嵌入式的自动驾驶控制系统。其控制原理是利用预瞄跟随算法对耕地机进行横向控制,使其根据方向盘的转角调整耕地机转弯半径;利用PID算法对耕地机进行纵向控制,使其根据油门脚踏的开合度、制动脚踏的开合度及挡位状态调整耕地机的行驶速度,从而使耕地机按最佳的运行轨迹行驶。系统以单片机最小系统为处理核心,利用周围的传感器设备和GPS接收设备等将耕地机的位置、速度信息通过解码器和串口通信的方式发送给单片机,进行逻辑运算后通过CAN接口将结果发送给方向盘、油门、制动及挡位驱动电机,从而控制耕地机的运行。仿真实验表明:系统能够减小耕地机行驶过程中的横向误差,可根据土地实况自动调整行驶速度,实现了耕地机的自动驾驶。

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.

车辆轨迹的预瞄与模糊分数阶比例-积分-微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶比例-积分-微分(proportion-integration-differentiation,PID)控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,所设计的控制器可行有效,为轨迹控制的研究提供了参考。

三轴半挂汽车列车预瞄驾驶员模型设计

以三轴半挂汽车列车为研究对象,以混合型模糊PID为控制器,建立适应于三轴半挂车辆的两点预瞄驾驶员模型。基于序关系分析法建立目标函数,确定不同车速下的最优牵引车及挂车预瞄距离。结果表明:在车速为30 km·h^-1时,牵引车和挂车的预瞄距离分别为4 m和2 m,牵引车权重为0.9;在车速为70 km·h^-1时,牵引车和挂车的预瞄距离分别为10 m和8 m,牵引车权重为0.75,目标函数最小,控制效果最佳。基于最优预瞄距离、权重的两点预瞄驾驶员模型较自建的单点预瞄驾驶员模型和Trucksim自带的单点预瞄驾驶员模型相比,在超调量、稳定性、转向轻便性方面综合控制效果明显,可在中高速车速下应用,提高安全性。

电控空气悬架系统刚度调节预瞄算法研究

架变刚度控制可以很大程度改善客车乘坐舒适性。本文以电控空气悬架系统(ECAS)为基础,前悬架采用反馈控制方法,后悬架采用预瞄前馈与反馈相结合的控制方法,通过对空气弹簧充放气从而实现悬架刚度调节。在AMESim和Simulink中分别搭建ECAS模型和控制算法,在TruckSim中搭建整车模型,利用三者联合仿真对控制算法进行验证。为了提升高度跟踪精度,采用柔性PID取代传统PID控制策略,结果显示:该控制方法能够准确跟踪目标高度值,并且很好地抑制了"过冲"与"过放"问题。通过对平顺性指标进行测量发现,与无控制车辆相比,车身垂向加速度减小约60%,表明舒适性得到很大改善。

基于PID-SMC方法的无人车轨迹跟踪横向控制策略

针对车辆运动轨迹跟踪的横向控制,基于恒定横摆角速度的假设搭建预瞄驾驶员模型,根据驾驶员模型和车辆二自由度模型搭建输入量为横摆角速度偏差,输出为前轮转角的滑模控制器,以进行轨迹的横向跟踪控制。在此基础上,基于PID对滑模控制器的输入横摆角速度偏差进行补偿控制以消除单点预瞄模型的建模误差所带来的影响。通过仿真分析对比PID-SMC与单独使用PID和滑模控制器的控制效果,结果表明,通过PID补偿的滑模控制器能显著提高跟踪精度,消除转向过程中的稳态误差。

基于轴距预瞄的汽车半主动悬架控制及试验

为了研究轴距预瞄控制技术对半主动悬架系统性能的影响,构建了基于轴距预瞄的1/2车辆半主动悬架综合模型,结合神经网络和PID控制理论,提出了单神经元自适应PID控制算法,设计了轴距预瞄半主动悬架单神经元PID控制系统,进行了仿真计算。为研究单神经元自适应PID控制策略的有效性及其控制系统的可靠性,同时进行了基于轴距预瞄的实车道路试验。研究结果表明:与被动悬架系统相比,在车速为50km.h-1时,车身质心垂直加速度的峰值和标准差分别减少了20.91%和19.11%;车速为60km.h-1时,分别减少了24.42%和26.85%,并且俯仰角加速度也有一定程度降低,较好改善了车辆的行驶平顺性。