基于全轮纵向力优化分配的4WD车辆直接横摆力矩控制 4

为了充分利用四轮独立驱动(4WD)与直接横摆力矩控制(DYC)各自的优势,提出了基于全轮纵向力优化分配的4WD车辆DYC系统方案.利用改进的2DOF车辆模型制定DYC稳定性控制目标,设计基于最优动态滑模的"前馈+反馈"DYC控制器.建立全轮纵向力优化分配模式,结合HSRI轮胎模型设计了降低整车路面附着负荷的目标函数,并通过约束优化得出全轮纵向力分配值.研究表明,全轮纵向力优化分配可提高整车路面附着余量,进一步提升了DYC系统的控制性能.     

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.     

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。     

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。     

无人驾驶高速AWID-AWIS车辆运动控制研究

无人驾驶AWID-AWIS车辆是一种全部车轮均可独立驱动/制动、独立转向的先进车辆,对其运动控制这一基础问题进行了研究.首先建立一种适于无人驾驶AWID-AWIS车辆的分层式运动控制体系结构,其上层为运动控制器,中层为控制分配器,底层为独立车轮伺服控制器;然后使用扩张状态观测器(ESO)和自抗扰控制(ADRC)方法设计车辆运动学/动力学集成式运动控制器;最后开展多种工况下的运动控制仿真,证明了控制方法的有效性,指出运动控制目标不能被简单地确定.     

无人驾驶高速AWID-AWIS车辆运动控制研究

无人驾驶AWID-AWIS车辆是一种全部车轮均可独立驱动/制动、独立转向的先进车辆,对其运动控制这一基础问题进行了研究。首先建立一种适于无人驾驶AWID-AWIS车辆的分层式运动控制体系结构,其上层为运动控制器,中层为控制分配器,底层为独立车轮伺服控制器;然后使用扩张状态观测器（ESO）和自抗扰控制（ADRC）方法设计车辆运动学/动力学集成式运动控制器;最后开展多种工况下的运动控制仿真,证明了控制方法的有效性,指出运动控制目标不能被简单地确定。     

基于模糊PI的汽车横摆力矩控制研究

针对汽车直接横摆力矩控制,基于模糊PI控制理论研究了附加横摆力矩决策方法和基于二次规划的横摆力矩优化分配方法。横摆力矩控制采用分层控制方法,设计了模糊PI控制器和制动力优化分配器。模糊PI控制器根据参考值和车辆状态决策出所需的附加横摆力矩,并通过二次规划优化分配方法进行主动差动制动实现。采用Matlab/Simulink与CarSim联合仿真对控制方法进行仿真实验验证。结果表明:基于二次规划的附加横摆力矩优化分配方法相对于无控制时能够使汽车较好地跟踪期望值,有效提高汽车行驶稳定性。     

基于电动轮汽车四轮转向控制策略研究

为提高四轮转向汽车的稳定性,提出了一种基于电动轮汽车的线性二次型调节器(Linear Quadratic Regulator,LQR)控制与直接横摆力矩(Direct Yaw-moment Control,DYC)协调控制策略。首先设计了以侧向车速、横摆角速度和侧向位移为控制目标的LQR控制器,然后设计了以横摆角速度为控制目标的DYC控制器,最后通过CarSim与MATLAB联合仿真验证表明:在良好工况下,LQR控制四轮转向车辆可实现质心侧偏角趋近于0和横摆角速度在理想范围内的折中最优化控制。在极限工况下,LQR四轮转向系统中附加横摆力矩协调控制可明显提高车辆的稳定性。     

提高汽车操纵稳定性的联合控制研究

为了弥补汽车动力学独立主动控制系统的不足,研究了主动前轮转向(AFS)和横摆力矩控制(DYC)的联合控制策略。运用滑模控制理论,设计主动前轮转向控制器,控制汽车的横摆角速度。基于最优控制理论,设计横摆力矩控制器,通过前馈控制调整侧偏角,状态反馈控制调整横摆角速度和侧偏角。线性二自由度开环汽车模型仿真结果表明,无论是低速还是高速,联合控制方法能够有效地同时控制汽车的侧偏角和横摆角速度,提高了汽车操纵稳定性。     

四轮转向车辆操纵稳定性仿真分析

采用线性二自由度汽车模型,建立汽车四轮转向的运动微分方程式,从而对四轮转向汽车进行转向特性的进一步研究。在建立四轮转向汽车操纵动力学的模型基础上,借助MATLAB/Simulink模块对四轮转向汽车的动力学响应进行仿真分析,并将仿真结果与传统的前轮转向汽车作对比。仿真结果表明:四轮转向汽车在高速行驶时具有更好的操纵稳定性。     

基于广义预测控制的汽车横摆稳定性控制

汽车在紧急避障操纵时容易丧失稳定性,通过四轮差动制动的方式对汽车施加附加横摆力矩可以实现汽车的横摆稳定性控制。由于汽车动力学模型的非线性以及参数和环境的不确定性,使用最优控制方法决策的附加横摆力矩在实际中往往无法保持最优。由此提出广义预测控制（GPC）方法决策附加横摆力矩。建立了七自由度非线性车辆模型作为预测模型,并通过实车试验对其精度进行了验证。通过Simulink/Carsim环境中的虚拟试验对GPC方法的控制效果进行了验证,结果表明GPC方法比LQR方法能更有效地提高汽车的主动安全性。     

基于虚拟样机的汽车稳定性主动横摆模糊控制

在ADAMS/Car中建立了某车型的整车虚拟样机模型,通过曲线行驶的仿真和实车试验对比,验证了模型的正确性。建立汽车稳定性控制系统侧偏和横摆联合模糊控制仿真模型,通过鱼钩仿真试验,表明所建立的主动横摆控制系统能够很好的控制车辆稳定行驶。     

基于DYC和ABS分层协调控制策略的ESP仿真

提出了一种基于直接横摆力矩控制器(DYC)和制动防抱死系统(ABS)分层协调控制策略的汽车电子稳定程序(ESP)控制方法,以提高ESP的控制效果.在DYC和ABS的基础上设计了一个协调控制器,将控制系统分成上下层.上层协调控制器根据侧偏角的偏差值和车轮的滑移率计算出对下层子系统的调节量,统一协调下层的DYC和ABS工作.仿真结果表明,采用此协调控制策略,可比单独采用DYC更好地维持车辆的方向稳定性和侧向性能.     

基于车轮纵侧向力动态分配的DYC研究

研究了基于轮胎纵向制动力与侧向力动态分配的车辆稳定性控制策略,即根据车辆实时的运动状态调整前后轮纵向力与侧向力的值,从而产生变化的横摆力矩。采用二自由度的车辆横摆角速度作为参考值,与实际的横摆角速度进行比较,同时根据前后轮纵向力与侧向力对横摆角速度的作用,确定前后轮纵向力与侧向力的比值。最后与传统的单一纵向制动力调节进行比较,该控制方法不仅在能够在较低附着路面上进行横摆稳定性调节,而且实时的变纵向力与横向力比值调节,能够更快地使车辆回到理想的运动状态。     

高质心客车防侧翻控制研究与仿真

基于模糊函数设计了模糊逻辑控制器,并应用于厦门金龙XMQ6117Y3型客车,通过该控制器产生横摆力矩与主动转向角使客车的横摆角速度与质心侧偏角响应跟踪其期望值。该控制器仿真计算了转向角阶跃输入和正弦输入的客车横摆角与质心侧偏角响应,试验结果表明该控制器能有效改善高质心客车横摆角速度和质心侧偏角响应,使得横摆角速度与质心侧偏角保持在允许范围,从而保证客车行驶的稳定性,减小客车"驶出"或"侧滑"引起"绊倒"侧翻的可能性。     

基于MATLAB/SIMULINK的车辆操纵稳定性分析

采用非线性轮胎模型,在此基础上建立了两轴汽车操纵稳定性数学模型。并对用Simulink构建的计算机模型进行仿真,通过实例详细描述了在Matlable环境下的车辆操纵稳定性仿真研究的实现过程,分析了横摆角速度和质心侧偏角对汽车操纵稳定性的影响。仿真结果可为实际设计车辆动力学稳定性控制系统提供理论依据。     

汽车驾驶机器人模糊神经网络换挡控制方法

为了实现汽车驾驶机器人挡位决策的智能化,提出了一种驾驶机器人模糊神经网络换挡控制方法.模糊神经网络模型的输入为驾驶机器人油门机械腿的位移、试验车辆的车速和加速度,模型的输出为挡位.输入变量的隶属函数都为3个,类型都采用广义钟形函数gbellmf,网络训练算法选用反向传播算法和最小二乘法相结合的混合学习算法.仿真结果表明,汽车驾驶机器人模糊神经网络控制仿真挡位与试验挡位基本一致,该方法可根据操作工况环境实现正确的汽车驾驶机器人挡位控制.