基于神经网络的无人驾驶车辆转向控制研究

为了提高无人驾驶车辆进行路径跟踪时转向的准确性,基于神经网络控制理论,利用ADAMS/Car与MATLAB/Simulink进行无人驾驶车辆转向控制联合仿真。利用ADAMS/Car模块建立整车模型,进行规定路径下的跟踪实验并收集路径、车速、前轮转角等信息,以作为神经网络的训练样本。利用MATLAB对训练样本进行训练,并在Simulink中建立神经网络控制器。最后利用ADAMS/Control模块连接ADAMS/Car与MATLAB/Simulink,实现无人驾驶车辆路径跟踪时转向控制的联合仿真。仿真分析结果表明:所建立的神经网络转向控制器能够对路径进行良好的跟踪且具有良好的鲁棒性;同时验证了联合仿真的可行性与优越性,为智能车辆的整车开发提供了思路。     

基于模糊快速滑模的农用牵引车辆直线路径跟踪控制

为解决无人驾驶牵引式农机在非结构化环境中作业时直线跟踪精度低、上线速度慢、抗干扰能力差等问题,提出了一种基于模糊快速滑模控制的农用牵引式车辆直线路径跟踪控制方法。首先利用车辆运动学模型与参考路径建立牵引车辆直线路径跟踪误差模型,并提出一种基于模糊参数整定的快速滑模直线路径跟踪方法,解决了滑模控制算法的控制器抖振与机具快速上线问题。通过Lyapunov稳定性分析可知,所设计控制方法可保证牵引机具跟踪参考路径,同时铰接角收敛至零。最后,基于Simulink仿真与实车试验对该控制方法的有效性与优越性进行测试。田间实车试验表明,使用本文控制方法时,拖车和挂车最大路径跟踪横向误差分别为0.11、0.12 m,拖车和挂车跟踪误差方差分别为0.001 3、0.001 5 m²;相较于传统基于等速趋近律设计的滑模控制器,上线时间提升约58%,最大跟踪误差减小约66%。     

基于滑模变结构的农机路径跟踪控制算法研究

为提高农机路径跟踪时的精确性，提出了一种基于滑模变结构的路径跟踪控制算法，并运用滑模变结构算法设计了自动驾驶控制器，通过简化农机车辆模型与线性化二自由度模型，求解出滑模变结构控制器的控制规律。通过在Simulink与CarSim中建立联合仿真模型验证控制器的可行性，结果表明：基于滑模变结构的农机路径跟踪控制算法的车辆作业转弯时横向偏差可控制在0.45m之内，实际行走路径与预设路径基本吻合，较加入预瞄模块的PID控制算法控制精度得到提高，满足自动驾驶农机路径跟踪精度及实时性的需求，可为农机路径跟踪控制的研究提供参考。     

基于主动制动的车辆稳定性系统最优控制策略

引入分层控制概念设计了横摆力矩控制和滑移率控制相结合的车辆稳定性控制系统.建立了侧偏角和横摆角速度具有最佳输出响应的车辆理想模型,采用前馈与反馈控制相结合跟踪理想模型的控制策略,基于最优控制理论设计横摆力矩控制器.通过设计理想滑移率分配模块确定下层滑移率控制器理想值,基于模糊控制理论设计滑移率控制器.在Matlab/Simulink平台上建立8自由度非线性车辆模型,分别在低附着和高附着路面条件下进行了仿真分析.结果表明:采用分层控制可以很好地实现车辆所需横摆力矩,有效地控制车辆质心侧偏角和横摆角速度跟踪理想模型,瞬态及稳态响应良好,改善了车辆操纵稳定性.     

基于自抗扰技术的智能车横向控制

针对智能车辆横向控制问题,以二自由度车辆模型为研究对象,通过构造一个关于横向偏差和期望偏航角的理想偏航角,以控制车辆横摆角跟踪到理想偏航角为目的,设计自抗扰车辆横向控制器。自抗扰控制器能够将车辆的质量参数、侧偏刚度等不确定参数和外界扰度观测出来并进行补偿,保证控制系统的鲁棒性。Simulink/CarSim联合控制仿真实验表明:车辆跟踪双移线路径时,自抗扰控制器相较于模型预测控制器的路径跟踪精度更高;在不同道路附着条件和不同负载时,都具有良好的跟踪效果。     

基于跟踪误差模型的无人驾驶车辆预测控制方法

针对无人驾驶车辆的轨迹跟踪问题,在分析车辆运动学模型的基础上,设计了一种基于模型预测控制理论的轨迹跟踪控制方法。首先,将车辆运动学模型进行线性化处理,得到车辆运动学线性跟踪误差模型,该模型可以用来预测车辆的未来行为。其次,利用此跟踪误差模型作为预测模型,应用线性模型预测控制方法,通过优化得到使性能指标最小的控制序列,将控制序列的第一步作用于系统。最后,建立了3种典型的道路试验曲线,并且在基于实时多体动力学软件Vortex搭建的虚拟仿真平台中对轨迹跟踪控制器进行了仿真。仿真结果表明,该控制器可以保证无人驾驶车辆快速且稳定地跟踪参考轨迹,距离偏差和方位偏差都在合理的范围内,且实时性可以达到要求。     

无人驾驶拖拉机路径跟踪联合控制研究

为实现无人驾驶拖拉机的路径跟踪控制,提高其智能化水平,以中国·徽拖HT1804F型拖拉机为研究平台,建立拖拉机-路径侧向动力学模型,采用滑模控制方法设计了一种基于横向偏差和航向偏差的拖拉机路径跟踪联合控制算法,然后基于CarSim与Simulink设计了联合仿真试验。结果表明,该路径跟踪联合控制算法能够使拖拉机稳定、精确地跟踪目标路径,满足无人驾驶拖拉机路径跟踪控制的要求。     

扰动下农用运输车辆路径跟踪控制器设计与试验

为提高农用运输车辆路径跟踪的鲁棒稳定性,基于线性模型预测控制结合农用运输车辆特点设计了路径跟踪控制器。该方法首先将农用运输车辆的运动学模型进行离散化求解,推出误差模型作为控制器预测方程,为使农用运输车能够克服在田间行驶时的各种干扰,通过构建李雅普诺夫函数重点分析了该模型的鲁棒稳定性,得到控制周期约束条件,然后建立目标函数并引入松弛因子,最后把预测模型代入目标函数进行优化求解,重复以上过程,实现优化控制。Matlab仿真表明：当前轮转角扰动不大于15°及横向扰动不大于1.5m时,控制器可以迅速起到调节作用,使车辆快速回到参考轨迹上行驶。对应的场地试验结果表明：试验小车以2m/s的速度跟踪参考路径时,直线路段跟踪效果良好,最大横向偏差为10.57cm,均值为8.49cm;添加扰动路段的跟踪偏差较大,最大横向偏差为23.89cm,最大纵向偏差为62.53cm,但在控制器的控制作用下可以实现对路径的有效跟踪。由此可见,该控制器在速度小于等于2m/s的情况下,可以满足农用运输车辆对路径跟踪的精度与鲁棒稳定性要求。     

极限工况下汽车稳定性的最优保性能控制

考虑轮胎侧偏刚度参数的不确定性,建立了用于控制器设计的线性参数不确定性车辆模型.在分析现有的汽车操纵稳定性控制策略特点的基础上,提出了二次最优保性能汽车稳定性控制方案;基于模型跟踪控制技术和参数不确定性车辆模型推导了汽车稳定性二次最优保性能控制器.仿真结果表明,与传统二次最优控制相比,最优保性能控制方案在保证系统稳定性和鲁棒性的同时可以获得更小的质心侧偏角和更好的横摆响应.     

无人驾驶模式下电液复合转向系统高鲁棒性控制策略

针对重型车辆电液复合转向系统（Electro hydraulic hybrid steering system,EHHS）无人驾驶模式下的转向跟踪控制问题,首先建立了考虑EHHS系统参数不确定性及外界干扰影响的转向系统完整非线性动力学模型;然后提出了一种自适应双闭环转向跟踪控制策略,外控制环设计参数自适应率,以有效适应模型参数摄动,采用改进滑模控制计算期望转向力矩,内控制环则利用PI控制转向电机电流,实现对期望转向力矩跟踪;最后利用Matlab/Simulink对EHHS系统模型以及提出的控制策略进行仿真验证。结果表明,提出的自适应控制可有效缩短EHHS系统转角跟踪阶跃响应反应时间,降低转向轮角度跟踪误差,并保证转角跟踪精度不受系统参数摄动的影响,有效提高了EHHS系统无人驾驶模式下的转向跟踪控制性能。     

监督控制下的车辆集成底盘控制策略与仿真

分析了轮胎侧偏角与操纵稳定性的关系,提出根据前、后轮胎侧偏角及其角速度来定义判断车辆稳定性的因子.采用层次化的模糊逻辑监督控制协调各相对独立的子功能控制器,以实现主动转向、主动驱动/制动的集成控制.下层的各子功能控制器根据上层监督控制分配的权重,实现各自的横摆角速度跟踪或者稳定性控制目标.通过仿真研究了这种层次化集成控制策略和算法在极限工况下的性能.结果表明,相比传统的一些独立或联合的底盘控制方法,该集成控制避免了控制器间的冲突,在极限工况下能更好地实现车辆状态跟踪和稳定操纵,并可减小控制能量消耗.     

高地隙四轮独立驱动喷雾机路径跟踪模型预测控制

针对传统燃油驱动、前轮转向的高地隙喷雾机传动效率低、碳排放高、环境污染、智能化水平低、灵活性差等问题,本研究提出了一种适用于无人驾驶的高地隙四轮独立驱动（Four Wheel Independent Drive,4WID）喷雾机。其采用混合动力、前后双转向桥的4WID,转向半径小,前后轮的运行轨迹高度一致,能够减少田间植保作业时的压苗现象。考虑水田极端作业环境下驱动轮的滑移、陷坑等问题,基于喷雾机线性时变的运动学模型（LTV）,构建了考虑驱动轮滑移的分层路径跟踪控制。上层模型预测控制（Model Predictive Control,MPC）器根据预期路径、车辆当前位置,获得喷雾机的转向角和运动速度,实现路径跟踪。下层以模糊控制和积分分离PID控制构建驱动轮滑移控制器,从而实现路径跟踪、运动速度、驱动轮滑移的有效控制,提高了喷雾机在复杂作业环境中的稳定性和路径跟踪精度。采用Adams/Matlab的联合仿真结果表明,在复杂的工况条件下,喷雾机驱动轮的滑移率依然控制在±20%之内,防止驱动轮发生过度滑移对车速和转向角产生不良影响,有利于喷雾机稳定性的提升。本喷雾机能够快速准确地跟踪期望路径,与未考虑驱动轮滑移的控制相比,能够适应更加复杂的工作环境,跟踪精度有明显提升。     

区域交通智能车辆导航控制技术

通过系统辨识实验得到车辆转向系统动态特性方程，结合车辆预瞄运动学模型和二自由度转向动力学模型建立基于视觉预瞄的转向动力学控制数学模型，根据线性二次型最优控制理论设计的最优控制器能稳定跟踪直线路径。采用模糊控制快速跟踪弧线导航路径，结合车辆转向系统当前状态和最快动态响应能力建立车辆弧线跟踪时的变结构控制输出集。针对JLUIV-V型区域交通智能车辆部分状态变量的不可测性，根据Kalman滤波理论构造状态观测器。仿真和试验结果表明：该控制技术在区域交通智能车辆户外路径跟踪过程中平稳、可靠。     

智能车辆自主导航神经网络控制器设计

针对自主设计、制造的智能车辆,提出了设计新的神经网络控制器来实现对车辆导航路径的自主跟踪控制。分析了神经网络导向控制器的设计方法,选择了神经网络导向控制器的输入、输出变量,并建立了神经网络导向控制器的结构。在此基础上,采用人工驾车采集的数据对控制器进行了训练。完成了计算机仿真和实际路径跟踪控制试验,试验结果表明该神经网络控制器能够很好地实现对导航路径的自主跟踪控制。     

不同车速下自适应变化的路径跟踪控制研究

路径跟踪是自动驾驶汽车的核心技术,许多控制算法已被广泛应用于路径跟踪任务。为了提高路径跟踪在不同速度下的自适应能力,提出了一种结合预测轨迹和模糊控制的自适应Stanley路径跟踪控制器。参考人类驾驶员经验,模糊控制器根据车辆的横纵向速度实时调整预瞄距离,预测轨迹根据纵向速度实时调整预测时间进行提前控制。最后设计了自适应邻域的粒子群算法来对控制器参数进行优化。通过Simulink-CarSim的联合仿真验证,证明自适应Stanley控制器可以显著提高对不同速度的适应性和跟踪性能。     

基于微分几何的E-ECHPS车辆转向稳定性控制

为了提高装备电控液压助力转向系统(E-ECHPS)的车辆高速紧急转向稳定性,提出了基于微分几何的线性参考模型反馈跟踪控制策略;建立了包括整车动力学模型、轮胎模型、转向系统模型和ESC模型的非线性动力学模型,通过整车试验和台架试验验证了模型的正确性;推导了系统的仿射非线性状态方程,考虑到轮胎、液压系统和ESC的非线性,运用微分几何理论对系统进行精确线性化得到输入输出伪线性系统;建立了包含转向系统的线性参考模型,为了实现对线性参考模型理想状态的跟踪,构造了反馈跟踪控制器;以方向盘转矩为输入进行了有控制和无控制下的阶跃转向仿真和单移线仿真,结果表明:施加反馈跟踪控制可以显著提高车辆在高速紧急转向工况下的操纵稳定性,为E-ECHPS系统的控制策略设计提供了理论依据。     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性,切换到模糊控制律。采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明:该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性, 切换到模糊控制律。 采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明：该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

基于多变量频域控制方法的车辆底盘集成控制

提出了一种基于多变量频域控制方法的车辆底盘集成控制策略,协调控制车辆主动转向系统和主动制动系统.对典型多变量车辆系统进行分析,应用多变量频域控制理论设计底盘集成控制器,并利用基于Matlab与AMESim的联合仿真平台进行典型工况仿真分析.结果表明,基于多变量频域控制方法的车辆底盘集成控制器能够消除主动转向系统和主动制动系统之间的干涉和耦合,同时显著提高车辆操纵稳定性.     

基于MPC算法的无人驾驶插秧机控制系统研究

针对水稻插秧机无人驾驶需求,以井关PZ60型插秧机为试验平台,采用RTK-GPS北斗定位技术获取插秧机无人驾驶所需的高精度位置信息,以华测领航员NX300电动方向盘为执行元件实现无人驾驶插秧机转向操作。基于CAN总线设计了插秧机无人驾驶系统,通过CANOPEN协议与电动方向盘、上位机等进行通信,对待作业地块进行路径规划,用直线段与拐弯段填充作业路径,建立插秧机运动学模型。同时,提出了一种基于线性时变模型预测控制的路径跟踪算法,控制插秧机按规划路径进行直线追踪和地头转弯,实现了插秧机无人驾驶。进行插秧机无人驾驶田间试验,结果表明：基于MPC算法的控制器能够使无人驾驶插秧机车速1m/s时,有效跟踪预定义路线,直线段跟踪误差最大2.02cm,满足插秧机无人驾驶精度要求。