区域交通智能车辆控制器优化设计和品质分析

为实现区域交通智能车辆(CyberCar)对目标路径的稳定跟踪,导航控制器设计是核心技术之一。首先建立基于视觉预瞄的车辆转向动力学控制数学模型,根据现代控制理论研究了最优导航控制器设计中加权矩阵、加权系数和预瞄距离的优化选取方法。仿真分析和试验结果表明,经过优化设计后的控制器对车辆模型中的不确定因素具有很好的品质特性,使区域交通智能车辆在户外自主导航中具有良好的跟踪性能。     

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。     

基于自适应导航参数的智能车辆视觉导航

为提高导航路径识别的鲁棒性和实时性,采用了分区阈值二值化、噪声点搜索及滤波等图像处理方法,并对导航路径进行分区逐段识别;在路径跟踪方面,在获取的导航路径图像中选取远端路径和近端路径,以远端路径和近端路径的方位偏差量作为确定目标路径的依据,使提取的导航参数能适应导航路径的变化。根据四轮智能车辆模型进行路径跟踪仿真计算。在此基础上,采用两块数字信号处理器,对基于路径导航的视觉智能车辆进行了设计和试验验证。试验结果表明采用该方法设计的智能车辆具有较好的路径识别和跟踪控制效果。     

基于信息融合的多智能体混合体系智能车辆导航

针对智能车辆的结构特点和任务要求,综合体系结构和信息处理两方面设计车辆导航策略.提出了一种基于多智能体且包含了慎思和反应结构的混合体系,根据系统特性设计出多个异构智能体.在现有研究的基础上将图像处理、信息融合方法与该体系相结合.仿真与实验显示,智能车辆在多智能体结构下能充分利用多传感器信息,并获得良好的避障导航效果.     

基于分层传感器信息融合的智能车辆导

针对智能车辆导航中传感器信息的不确定性,结合BP神经网络和模糊神经网络分别对传感器信息进行了数据层与决策层的两层融合.采用BP神经网络对多超声波传感器信息进行数据层融合,以减少超声波测距传感器信息的不确定性,提高对障碍物距离探测的准确率;采用模糊神经网络融合障碍物距离信息和车体与标志线间偏差信息,实现智能车辆的导航决策控制,使之更适合系统的跟踪避障要求.该方法使智能车辆在跟踪与避障中具有较好的灵活性和鲁棒性.仿真和实车试验验证了方法的有效性.     

基于动态图像阈值的智能车辆路径导航

使用机器视觉技术进行智能车辆车道路径识别时,其识别效果易受光照等外界因素的影响.考虑到条带状的导航路径在获取的路径图像中的宽度应该在一个固定范围内,可以根据使用某一图像阈值识别路径后该路径的横向宽度判定先前使用的阈值是否适合,并进行相应调整,从而获取到适合各种环境的动态阈值.在给出动态图像阈值的获取流程及实现方法的基础上,对智能车辆车道路径识别和跟踪系统进行了软硬件设计,并进行实车道路试验.试验结果表明,与一般最优阈值算法相比,提出的动态阈值方法能够在各种光照条件下,尤其是强光照下准确地识别导航路径,且路径跟踪具有较好的精确性和鲁棒性.     

农用车辆自主导航控制系统设计与试验

集成软硬件系统搭建了一套农用车辆自主导航系统并进行了试验研究。硬件系统包括传感器、执行器和CAN-Bus通信网络;软件系统基于Windows操作系统、Visual Studio 2005开发环境,采用多线程编程技术开发。依据运动学规律建立了车辆运动模型,依据转向机构闭环响应曲线辨识了转向系统闭环模型,综合2个模型确立了航向与横向控制系统开环传递函数,基于PID理论设计了航向与横向控制器。试验结果表明:软硬件系统运行稳定;初始航向偏差在-86°与84°时,调节时间均在2 s以内,稳定后航向跟踪的精度均在1°以内;初始横向偏差在0.7 m和1.2 m时,横向偏差的最大值分别为10.4 cm与9.2 cm,横向偏差平均值分别为6.4 cm与3.5 cm,横向偏差标准差分别为2.6 cm与1.7 cm,横向控制器能够使系统平滑稳定地跟踪期望路径,跟踪精度在厘米级。     

农业车辆视觉导航技术研究进展

农业机器人视觉导航技术在国内外被广泛研究.为此,对视觉导航机器人系统的3个主要研究方面:导航参数获取方法、导航控制方法和算法、视觉硬件系统的国内外研究及视觉导航系统研究情况进行了综述,提出了视觉导航技术存在的问题及发展方向.     

改善工程车辆换挡品质的变结构模糊控制系统研究

采用变结构模糊控制的方法控制高速开关阀来改善换挡品质，并在MATLAB-SIMULINK环境下，与无蓄能器，有蓄能器情形进行了仿真对比，结果表明，在换挡过程中，通过对换挡品质油压控制曲线不同阶段设定不同控制参数集的方式，改变系统的特征状态空间，能够达到缩短换挡时间和提高换挡品质的目的。     

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。     

自主行驶履带车辆转向制动操纵技术研究

为实现某型履带车辆的自主驾驶,对车辆自主驾驶中的转向制动操纵技术进行了研究。根据原车转向制动装置的结构和工作原理,分析了电控气动转向制动操纵系统的设计要求,设计了电控气动转向制动操纵系统,并介绍了该系统的工作原理。运用此系统对原车进行自主化改造,并进行了实车试验,实车试验证明电控气动转向制动操纵系统能够很好地满足该型履带车辆行驶的转向、制动要求。     

四轮转向车辆后轮转角与横摆力矩联合模糊控制

为提高车辆在极限工况下的稳定性,充分考虑悬架、转向系统以及轮胎等部件的非线性,运用多体动力学仿真分析软件ADAMS/Car建立了四轮转向车辆的虚拟样机模型.确定了质心侧偏角和横摆角速度具有理想输出响应的控制目标.针对车辆的非线性,提出了后轮转角与横摆力矩联合控制的模糊控制策略,并设计了对应的非线性模糊控制系统.最后应用ADAMS/Car和Matlab/Simulink联合仿真技术,对控制系统的性能进行了仿真验证.仿真结果表明:后轮转角与横摆力矩联合模糊控制可有效防止车辆在极限转向工况下发生侧滑失稳.     

履带车辆的转向控制

介绍了履带车辆由拉杆式转向操纵机构改为由方向盘控制的转向操纵机构的原理、方案和组成，试验证明该系统能很好地满足履带车辆的转向和行驶。     

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。     

履带车辆的转向控制

介绍了履带车辆由拉杆式转向操纵机构改为由方向盘控制的转向操纵机构的原理、方案和组成,试验证明该系统能很好地满足履带车辆的转向和行驶.     

一种拖拉机自动驾驶复合模糊控制方法

论述了拖拉机自动驾驶在农业中应用的必要性及其控制参数的选择,建立了拖拉机自动驾驶横向控制的力学模型,提出了一种用于拖拉机自动驾驶的复合模糊控制方法,设计了模糊控制规则,用Simulink对复合模糊控制方法进行了仿真验证。结果表明,所提出的方法和规则用于拖拉机自动驾驶是可行的。     

汽车电动助力转向系统的神经网络变结构控制

为了得到更好的助力特性,在对汽车电动助力转向系统的结构及其动力特性进行分析的基础上,建立了数学模型,设计一种与神经网络相结合新的变结构控制器并进行大量仿真实验.结果表明:与传统的离散变结构控制器相比,所提控制方法是正确有效的,能够有效地消除抖振和减少系统本身不确定性对控制性能的影响,增强了系统的鲁棒性.