采用极值搜索算法估计附着系数的车辆驱动防滑控制

为了解决现有驱动防滑控制(ASR)策略响应慢、鲁棒性差的问题,提出一种利用扰动极值搜索算法估计动态路面附着系数的车辆驱动防滑控制策略.搭建车辆动力学系统模型,采用扰动极值搜索算法,自动搜索路面附着系数-滑移率曲线的极大值点,并设计一种踏板信号前馈控制与滑移率负反馈校正的动态驱动防滑控制策略,将车轮滑移率控制在附着系数-滑移率曲线附着系数极大值对应的滑移率处.结果表明:采用扰动极值搜索算法估计路面附着系数的驱动防滑控制策略能够在0.4 s将轮胎滑移率、附着系数和车辆加速度控制在最优滑移率、最优附着系数和稳定车辆加速度较小的邻域内,比门限值ASR控制快0.8 s.

车辆主动悬架的引力搜索LQG控制方法

为了解决LQG控制器性能指标函数各权重不易确定的问题,以悬架性能指标为目标函数,运用了LQG最优控制算法对半主动悬架施加控制,采用了引力搜索算法对性能指标函数权重进行寻优,完成了优化控制器的搭建,最终提出了一种采用引力搜索算法的寻优方法。同时,建立了2自由度1/4主动悬架车辆模型,对其引力搜索LQG控制进行了仿真,并与传统LQG控制结果进行了对比。结果表明:提出的引力搜索LQG控制方法能同时改善汽车的平顺性和操纵稳定性。

采用变时域模型预测的车辆路径跟踪控制方法

为了解决自动驾驶车辆变速行驶时模型预测路径跟踪控制器的可靠性问题,提出一种变预测时域自适应路径跟踪控制方法.首先,推导简化后适用于仿真验证的车辆三自由度动力学模型,引入松弛因子以避免求解过程中出现非可行解,并将跟踪控制转化为二次规划求解问题;然后,确定模型预测控制器的重要设计参数,分析车速和预测时域的变化关系,拟合预测时域与车速的函数曲线,设计一种变时域自适应路径跟踪控制器;最后,搭建Carsim/Matlab/Simulink联合仿真平台进行验证.结果表明:变时域自适应路径跟踪控制器能够随着车速变化实时更新预测时域,可保证车辆具有较好的跟踪精度和稳定性.

考虑车辆稳定性的模型预测路径跟踪方法

针对目前车辆路径跟踪控制大多集中于跟踪的精确性,却忽略车辆行驶稳定性的问题,提出一种考虑车辆稳定性的模型预测路径跟踪方法.首先,以简化后的车辆动力学模型为基础,推导线性时变路径跟踪预测模型,增添表征车辆稳定性的质心侧偏角等约束条件;然后,对二次规划进行求解,添加向量松弛因子解决计算中出现的无解问题;最后,通过Carsim和Matlab/Simulink联合仿真对文中方法进行验证.仿真结果表明:基于文中所提方法设计的控制器能够在不同车速、不同附着系数下,保证跟踪参考路径较为精确的同时,还可以保证车辆的稳定性.

基于自适应拟合的智能车换道避障轨迹规划

研究动态环境下的自动驾驶车辆换道避障模型预测轨迹规划。首先定义坐标系及动态换道避障场景,确定车辆换道避障轨迹规划的行驶约束条件,搭建被控车辆和障碍物车辆模型;然后设计自适应分段贝塞尔曲线拟合算法用以拟合换道避障轨迹规划的离散点序列;进一步采用模型预测控制算法,设计自动驾驶车辆换道避障轨迹规划方法。最后,对动态环境下自动驾驶车辆换道避障模型预测轨迹规划进行仿真分析,结果表明:本文的换道避障轨迹规划方案能够使被控车辆在动态环境下完成障碍物的规避并保持稳定状态;所设计的自适应分段贝塞尔曲线拟合算法拟合轨迹连续且光滑,换道避障轨迹规划提供的离散点序列与贝塞尔曲线对应点的拟合残差保持在设定阈值内。

基于混合GSA-GA的起重机主梁优化设计

主梁作为双梁桥式起重机金属结构中的主要构件,它的重量在整个系统中占很大比例,过多的自重会增加企业的制造成本,在满足性能的情况下造成资源浪费。为了减轻主梁的重量,分析了主梁的重量与主梁横截面面积的关系,建立了起重机主梁的数学模型。利用遗传算法中的遗传算子来解决主梁优化中引力搜索算法容易陷入局部最优解,收敛速度慢的问题,提高了引力搜索算法的性能。优化结果表明,混合了引力搜索的遗传算法的收敛速度比标准的引力搜索算法优化率提高约3.93%左右。改进的算法使目标函数的横截面积从初始数据减少了约12.35%,并且优化分析结果符合设计标准。采用混合GSA-GA优化算法对起重机主梁在实际工程设计中具有重要的指导意义。

基于ANSYS参数化设计语言的门式起重机参数化设计

对ANSYS参数化设计语言进行了介绍,基于ANSYS参数化设计语言对A型50/10T-18m门式起重机进行了参数化设计。在设计中,对网格划分、材料定义、边界条件设置、求解及后处理等采用参数化程序进行控制。针对不同工况,结合GB/T 3811-2008标准和起重机设计手册,对门式起重机的结构进行了静态特性分析。通过分析确认,门式起重机结构在不同工况下,静刚度和强度均满足使用要求。采用ANSYS参数化设计语言,可以在建模和分析阶段大幅减少重复性工作,提高设计效率。

无人驾驶汽车局部路径规划研究综述

文章针对近年来的无人驾驶汽车路径规划算法进行总结和归纳。首先对目前主流的环境建模方法进行阐述;其次对路径规划算法进行介绍,通过分析其优缺点,指出融合轨迹规划算法具有最好的适用性;最后总结当前研究挑战并提出了相关建议。

自动驾驶汽车路径规划技术

路径规划技术作为自动驾驶以及移动机器人等领域研究的热点,具有广阔的应用前景和科研价值。将当前常用的路径规划算法分为传统算法、智能仿生学算法、强化学习算法3类,按照路径规划算法的不同类别,对各类算法在路径规划领域中取得的最新研究成果及应用进行了系统的阐述,并对各种情况下进行路径规划时存在的问题提出了使用融合算法、考虑多维空间场景等建议,可为研究者提供一定的参考和借鉴。