基于模糊滑模控制的汽车主动横向稳定杆研究

为了提高汽车的抗侧倾性能以及驾驶员的舒适性和安全性,设计了主动横向稳定杆控制器。针对汽车整车系统结构复杂,模型参数不确定性,设计了模糊滑模控制控制器,从而实现对理想侧倾角度跟踪,同时调整前后轴主动抗侧倾力矩分配,提高车辆的操稳性,并进行不同工况的仿真试验。仿真结果表明,所设计的主动横向稳定杆控制方式能够有效抑制抖振现象,具有较好的鲁棒性,实现对车身侧倾角理想跟踪控制并改善车辆的操稳性。     

基于模糊控制的插秧机LQR曲线路径跟踪控制器优化方法

为了提高无人插秧机地头转向时的曲线路径跟踪精度,针对传统的误差权重矩阵固定的线性二次调节器（Linear quadratic regulator,LQR）路径跟踪控制器对插秧机的纵向速度、横向偏差以及航向角偏差的变化适应性较差的问题,基于车辆二自由度动力学模型,提出了一种通过模糊控制实时调整LQR控制器误差权重矩阵的路径跟踪控制器优化方法。该方法以纵向速度、横向偏差、航向角偏差为输入,以横向偏差和航向角偏差对应的误差权重为输出,建立模糊控制模型实时调整LQR控制器的误差权重矩阵。为了验证所提出算法的曲线路径跟踪控制精度和可行性,以改装后的洋马VP6E型无人插秧机为对象,进行Carsim和Simulink联合仿真试验以及实车试验。仿真试验结果表明,控制插秧机跟踪半径为2m的1/4圆弧路径时,所提出算法控制下的横向偏差绝对值均值为0.014m,最大值为0.032m,小于0.04m的占100%,航向角偏差绝对值均值为1.67°,最大值为4.94°,相较于传统引入前馈控制的LQR控制器,横向偏差绝对值均值降低50%,航向角偏差绝对值均值降低23%。实车试验结果表明,在插秧机跟踪半径为2m的1/4圆弧路径时,所提出算法控制下横向偏差绝对值均值为0.027m,最大值为0.048m,小于0.04m的占62%,航向角偏差绝对值均值为1.86°,最大值为4.94°,相较于传统引入前馈控制的LQR控制器,横向偏差绝对值均值降低40%,航向角偏差绝对值均值降低4.1%。该方法提升了无人插秧机曲线路径跟踪控制精度,为无人插秧机曲线路径跟踪控制提供了参考。     

无人驾驶铰接式车辆强化学习路径跟踪控制算法

针对无人驾驶铰接式运输车辆无人驾驶智能控制问题,提出了一种强化学习自适应PID路径跟踪控制算法。首先推导了铰接车的运动学模型,根据该模型建立实际行驶路径与参考路径偏差的模型,以PID控制算法为基础,设计了基于强化学习的自适应PID路径跟踪控制器,该控制器以横向位置偏差、航向角偏差、曲率偏差为输入,以转角控制量为输出,通过强化学习算法对PID参数进行在线自适应整定。最后在实车道路试验中验证了控制器的路径跟踪质量并与传统PID控制结果进行了对比。结果表明,相比于传统PID控制器,强化学习自适应PID控制器能够有效减小超调和震荡,实现精确跟踪参考路径,可以较好地实现系统动态性能和稳态误差性能的优化。     

基于模型预测的插秧机路径跟踪控制算法

为了提高自动驾驶插秧机路径跟踪更高频的控制,本文提出一种基于模型预测的路径跟踪控制方法。以模型预测算法为基础设计自动驾驶控制器,通过简化农机车辆模型、线性化运动学方程、制定约束量,实现以当前状态量p=(x,y,θ)预测下一时刻的车辆状态,控制自动驾驶插秧机沿参考路径行走。通过在Matlab中建立仿真模型验证控制器的可行性,结果表明：直线路径跟踪横向偏差小于0.02m,航向偏差小于0.08°,曲线路径横向偏差平均值为0.022m、航向偏差平均值为0.699°,可用于实车试验。另外,以水稻插秧机为试验平台,通过设置不同车速验证算法的鲁棒性,直线路径跟踪平均横向、航向偏差分别为0.021m、6.187°,曲线路径跟踪平均横向、航向偏差分别为0.450m、10.107°,可满足自动驾驶插秧机路径跟踪精度及实时性需求,为农机路径跟踪控制研究提供了参考。     

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%。     

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。     

基于非线性模型的农用车路径跟踪控制器设计与试验

为提高农用车辆路径跟踪性能,提出一种基于非线性模型预测的路径跟踪控制方法。该方法将路径跟踪问题转换为求解满足速度、转角约束的最优值问题。首先将农用车的非线性运动学模型进行离散化推出递推模型,作为控制器的预测方程;然后建立以农用车运动学模型控制量为状态量的目标函数,设计各个变量的约束条件,把预测方程代入目标函数将其转化为基于递推序列的二次规划法响应问题,在此基础上进行梯度计算解决非线性的约束优化;最后,利用实时反馈与滚动优化实现控制器的闭环校正;重复以上过程,完成预测控制。Matlab仿真结果表明:非线性模型预测控制器能够实现对所设计路径的有效跟踪。相对应的场地试验结果表明:试验小车以2 m/s的速度跟踪参考路径时,最大横向偏差为-4.28 cm;3 m/s跟踪参考路径时,最大纵向偏差为-6.61 cm,可以满足农用车辆对于路径跟踪的精度要求。与线性模型预测控制器的对比试验表明:以3 m/s的速度跟踪圆形路径时,设计的控制器跟踪横向偏差降低了36.8%,纵向偏差降低了32.98%。     

基于可拓控制的无人驾驶车辆路径跟踪研究

为了提高无人驾驶车辆路径跟踪的精确性和稳定性,基于可拓控制原理设计了2种控制策略可切换的路径跟踪控制器。其中,初始偏差较大和低速时采用滑模控制策略,在充分保证跟踪精度时提高跟踪的实时性,高速时则采用带有约束控制的模型预测控制策略以提高车辆行驶的稳定性。最后通过搭建CarSim与Simulink联合仿真平台,在目标路径为双移线工况下进行不同车速的仿真。结果表明,所设计的可拓控制器能有效提高无人驾驶车辆的路径跟踪精度和稳定性。     

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。     

基于改进粒子群优化模糊控制的农业车辆导航系统

以采用机器视觉导航的农业车辆为研究对象,提出了一种基于改进粒子群优化自适应模糊控制的农机导航控制方法。建立了车辆2自由度转向模型和视觉预瞄模型,对车辆横向控制进行状态描述。对粒子群算法进行了改进,提高了粒子群算法的收敛速度,降低了算法计算时间。构建了自适应模糊控制器,在模糊控制器中引入加权因子,以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数,通过粒子群算法计算得到最优加权因子,进而调整控制规则实现导航车辆的自适应控制。仿真和导航试验结果表明,提出的控制方法可以迅速消除横向误差,具有超调量小、响应速度快等特点,既保留了模糊控制算法的优点,又提高了系统控制品质。在相同参数条件下,与常规模糊控制相比,改进模糊控制算法导航精度显著提高。当车速为0.8/s时,直线路径跟踪最大横向偏差不超过4.2 cm,曲线路径跟踪最大横向偏差不超过5.9 cm,能够较好地满足农业车辆导航作业要求。     

基于运动特性的农机导航控制方法

农业机械（农机）运动学模型的精度影响导航控制精度和稳定性,为提高农机路径跟踪控制器精度,提出了一种基于运动特性的农机导航控制器设计方法。该方法主要是对传统二轮车运动学模型建模方法进行改进,针对传统二轮车模型小角度近似替代（方向角等于横摆角）的缺点,采用加入侧偏角的方法优化农机运动学建模过程。采用相同的控制方法（状态反馈控制）和不同的运动学模型设计控制器进行对照实验。直线路径跟踪时,侧偏角对模型精度影响较小,引入侧偏角可以在一定程度上影响农机的跟踪精度;曲线路径跟踪时,侧偏角对方向角的变化影响较大,可以大幅影响路径跟踪精度。以安装有自动导航设备的拖拉机为实验平台进行实地实验,结果表明：直线行驶的最大横向误差平均值为0.0454m,绝对平均误差平均值为0.0149m,标准差平均值为0.0119m;曲线行驶的最大横向误差平均值为0.1613m,绝对平均误差平均值为0.0688m,标准差平均值为0.0434m;基于本文提出的优化模型设计的路径跟踪控制器对直线路径跟踪有一定提升,对曲线跟踪精度有大幅提升。     

车辆动力学稳定性系统综合反馈控制仿真

建立了Magic Formula(MF)轮胎模型、三自由度整车模型以及车辆参考模型,采用车辆横摆角速度和质心侧偏角的状态差异法,设计了基于PID控制理论为核心的车辆横摆角速度和质心侧偏角的综合反馈控制,并对模型进行了离线仿真和在线实时仿真,结果证明,所设计的控制器对汽车稳定性控制效果明显,实时仿真与离线仿真结果吻合。     

用于汽车横向稳定性的模糊控制器的设计与研究

运用模糊控制理论在所建立的车辆非线性模型的基础上,设计了用于车辆横向稳定性的3种模糊控制器———基于横摆角速度的反馈控制、基于质心侧偏角的反馈控制以及基于这两个参数的联合反馈控制,并应用MATLAB/S imu link对所设计的3种模糊控制器分别进行了仿真分析,结果表明,3种控制器均能改善车辆的横向稳定性,能够提高车辆行驶的安全性,并且,联合控制的控制效果要优于单独控制。     

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.     

一种新型的车辆稳定性分层控制策略

为了优化稳定性控制算法,提出并仿真分析了一种新型的车辆稳定性分层控制策略。该控制策略由上下两层组成,上层控制器基于最优控制理论的横摆力矩控制策略,下层控制器采用最优分配法,将修正横摆力矩合理分配到各车轮上。基于MATLAB/Simulink建立了八自由度非线性车辆模型,并对该模型进行了实车实验验证,然后基于该模型对该控制策略进行了仿真分析,验证了此分层控制策略的有效性。仿真结果表明,在大侧向加速度和大侧偏角的极限工况下,所设计的新型控制系统能够有效地改善车辆的操纵稳定性。     

基于模糊控制的汽车ESP系统仿真研究

首先运用MATLAB/SIMULINK软件建立了汽车参考模型及二自由度整车模型,其中轮胎模型采用"魔术公式";其次,针对汽车ESP系统的非线性、时变的特点,运用模糊控制原理,设计了基于质心侧偏角修正的横摆角速度模糊控制器,并对低附着路面蛇形工况的控制效果进行了仿真分析,结果表明基于质心侧偏角修正的横摆角速度模糊控制器可以很好地控制汽车的横摆角速度及质心侧偏角,使汽车能够按照驾驶员的意图行驶,提高汽车的侧向稳定性。     

四轮转向和差动制动联合控制的车辆横摆动力学

提出了一种基于四轮转向和差动制动联合控制的车辆横摆动力学控制策略。根据四轮转向和差动制动对横摆动力学的影响,设计了一个双输入双输出模糊控制器,以产生适当的横摆力矩和后轮转向角来控制质心侧偏角和横摆角速度。在Matlab／Simulink环境下建立了相应的仿真模型并在典型转向工况下进行了仿真试验。研究结果表明,与两个系统单独控制相比,联合控制情况下车辆的横摆动力学响应特性得到了很好的改善,从而提高了车辆的操纵稳定性和安全性。     

气动力对车辆稳态转向特性的影响分析

根据简化的三自由度车辆模型，建立了车辆稳态转向特性的评价指标（稳态横摆角速度增益、侧向速度增益和侧倾角增益）与气动力的关系。分析了侧向气动力、侧倾气动力矩和横摆气动力矩对车辆操纵稳定性的影响。为改善车辆高速行驶稳定性提供了理论依据。     

基于DSP的4WS汽车硬件在环仿真

构建了基于DSP的4WS控制器硬件在环仿真系统,建立了线性二自由度4WS汽车数学模型,以零侧偏角作为控制目标,采用前轮转角比例前馈 横摆角速度比例反馈的控制方法,设计了4WS系统控制器来控制汽车后轮的转角,以TMS320F2812型DSP芯片作为控制器的核心,实现了4WS控制器的硬件在环仿真,得到了较为理想的控制效果。     

基于分层模型的轮毂电机驱动车辆直接横摆力矩控制

为提高多轮轮毂电机驱动车辆动力学综合控制性能,提出了一种基于分层模型的直接横摆力矩控制策略。上层为运动跟踪控制层,设计了基于车轮转角的前馈控制器,对车辆横摆角速度稳态增益进行调节,同时将滑模控制进行改进,设计了滑模条件积分控制器进行反馈控制,使横摆角速度追踪其期望值;下层为转矩优化分配层,基于稳定性优先原则,建立了以减小轮胎负荷率为目标的优化函数,并且将控制分配问题转换为二次规划问题进行求解。依托某型8×8轮毂电机驱动样车进行实车试验,结果表明,在连续转向工况和双移线工况下,所提出的控制策略使车辆最大横摆角速度偏差分别降至理想横摆角速度的6%和9%以内。此外,该策略能够有效控制轮胎负荷率,实现转向行驶时的转矩优化分配,改善了车辆操纵稳定性。