CN111703417B - 一种高低速统一预瞄滑膜驾驶控制方法及控制*** - Google Patents

一种高低速统一预瞄滑膜驾驶控制方法及控制*** Download PDF

Info

Publication number
CN111703417B
CN111703417B CN202010587133.9A CN202010587133A CN111703417B CN 111703417 B CN111703417 B CN 111703417B CN 202010587133 A CN202010587133 A CN 202010587133A CN 111703417 B CN111703417 B CN 111703417B
Authority
CN
China
Prior art keywords
model
automobile
speed
aiming
low speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010587133.9A
Other languages
English (en)
Other versions
CN111703417A (zh
Inventor
邓召文
易强
张书乾
高伟
余伟
孔昕昕
石振
金家琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei University of Automotive Technology
Original Assignee
Hubei University of Automotive Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hubei University of Automotive Technology filed Critical Hubei University of Automotive Technology
Priority to CN202010587133.9A priority Critical patent/CN111703417B/zh
Publication of CN111703417A publication Critical patent/CN111703417A/zh
Application granted granted Critical
Publication of CN111703417B publication Critical patent/CN111703417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/02Control of vehicle driving stability
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06Road conditions
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105Speed
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/112Roll movement
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001Details of the control system
    • B60W2050/0019Control system elements or transfer functions
    • B60W2050/0028Mathematical models, e.g. for simulation
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001Details of the control system
    • B60W2050/0019Control system elements or transfer functions
    • B60W2050/0028Mathematical models, e.g. for simulation
    • B60W2050/0029Mathematical model of the driver
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001Details of the control system
    • B60W2050/0019Control system elements or transfer functions
    • B60W2050/0028Mathematical models, e.g. for simulation
    • B60W2050/0031Mathematical model of the vehicle
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明属于驾驶控制技术领域,公开了一种高低速统一预瞄滑膜驾驶控制方法及控制***,数据获取模块进行汽车行驶道路信息的获取;模型构建模块确定汽车道路模型以及汽车动力学模型;参数获取模块得到汽车列车的侧向位置、侧向位置变化、侧向速度以及横摆角速度相关参数;控制器优化模块进行滑模控制器优化;控制模块利用优化的滑膜控制器进行驾驶控制。本发明根据汽车列车的结构特点和运动学要求,提出适用于高低速模式的汽车列车驾驶员模型,低速模型在低速时,可以显著提高挂车单元的路径跟随性;高速模型在高速时,可以提高汽车稳定性以及安全性,降低各单元的横摆角速度和侧向加速度。

Description

一种高低速统一预瞄滑膜驾驶控制方法及控制***
技术领域
本发明属于驾驶控制技术领域,尤其涉及一种高低速统一预瞄滑膜驾驶控制方法及控制***。
背景技术
目前,汽车列车的行驶工况与普通汽车不同,汽车列车在低速时有更差的路径跟随性能,在高速时有更差的侧向稳定性和更剧烈的挂车单元侧向运动,且汽车列车的驾驶员行为与单体车不同,所以不能将单单元车辆的驾驶员模型简单地用于多单元铰接式挂车上来。同时驾驶员方向控制模型在驾驶员-汽车-道路闭环***仿真、驾驶员辅助***开发和智能汽车控制中具有重要作用,由于汽车列车的驾驶员模型研究有限,因此,研究并设计适用于铰接式重型车辆的驾驶员模型就十分有必要,汽车列车的驾驶员模型能显著提高汽车列车中低速过弯时的路径跟随性和高速时的横向稳定性,对于提升铰接式汽车列车的横向稳定性、操纵稳定性以及行驶安全性有重大的意义。
通过上述分析,现有技术存在的问题及缺陷为:现有的汽车驾驶控制模型只能应用于单一场景,同时稳定性不高,行驶安全性没有保障。
多挂汽车列车(Multi-Trailer Articulated Heavy Vehicle,MTAHV)在高速行驶时横向稳定性差,主要表现为挂车折叠、挂车摆尾和侧翻等危险工况。相邻车辆单元之间的铰接和牵引车驾驶室的悬架隔离了驾驶员对挂车运动状况的感受。多挂汽车列车驾驶员很难通过感觉获得挂车的运动状态,其对汽车列车的运动感受主要来源于牵引车。在高速公路变换车道行驶时,挂车常出现横向摆动,这种现象可能以向后放大的形式出现。挂车横摆运动具有由牵引车依次向后端逐步放大的特点,也就是相比于牵引车单元,最后一节挂车单元具有最大的侧向加速度。所以,汽车列车往往最后一节挂车最先有侧翻趋势和发生侧翻的可能。这一独特的特性往往造成铰接车辆或汽车列车的侧翻。
学者Reddy和Ellis提出的“最优预瞄闭环控制”驾驶员模型,通过这种方式来计算方向盘转角和模仿驾驶员的控制行为,由于计算工作量大,实时性较差,而且由于设定的误差范围不能太大,所以仿真结果随意性很大。MacAdam CC提出的单点最优控制预瞄模型,在实际运用中操纵灵活,可以投入实际应用,但是一旦车速变化过快,预瞄时间无法固定,导致预瞄距离的准确程度也随之降低,有着一定的弊端。郭孔辉提出‘预瞄最优曲率模型’与‘预测-跟随理论’,但都适用于单单元车辆。杨晓波以五轴半挂汽车列车横摆平面模型作为研究对象,提出了一种基于路径预瞄、低频和高频补偿增益和时间延迟以及车辆状态预测的单点预瞄驾驶员模型。杨浩,黄江等将道路偏差、车速作为输入,将方向盘转角作为输出建立了模糊控制器,依据道路曲率大小,选择远近两点预瞄驾驶员模型。该模型建立了远近点预瞄模型,但只是采用道路曲率选择其中一点进行预瞄。
解决以上问题及缺陷的难度为:由于汽车列车模型独特的特性,建立适合于双拖挂汽车列车的、包含牵引车和各节挂车预瞄信息的、多点预瞄驾驶员模型目前还存在技术缺陷。
解决以上问题及缺陷的意义为:到目前为止,人们已经将注意力集中在对驾驶员/单单元汽车***的闭环方向动力学的研究上。但对驾驶员/铰接车辆***的闭环定向动力学的研究却很少。由于铰接式半挂商用车的大尺寸和复杂的配置,与单单元乘用车相比,多单元铰接式车辆具有独特的方向动力特性,例如折叠和拖车摆动。一般来说,一辆铰接式汽车的驾驶员的行为与单体车不同,它们在低速时有更差的路径跟随性能,在高速时,有更差的侧向稳定性和更大的挂车单元侧向运动,所以不能将单单元车辆的驾驶员模型简单地用于多单元铰接式挂车上来,因此,研究并设计适用于铰接式重型车辆的驾驶员模型就十分有必要,对于提升铰接式汽车列车的横向稳定性意义重大。
本发明结合前人对滑膜趋近率的研究和分析,对趋近率进行优化设计,在一定程度上既抑制了趋近滑膜面时的抖动现象,又使得趋近速度随距离滑膜面的远近有一定的自适应功能,在一定程度上提高了滑膜控制的控制效果。根据汽车列车的结构特点和运动学要求,建立适合于双拖挂汽车列车的、包含牵引车和各节挂车预瞄信息的、又适用于高低速模式的汽车列车多点预瞄驾驶员模型。低速模型在低速时,可以提高挂车单元的路径跟随性;高速模型在高速时,可以提高稳定性,降低各单元的横摆角速度和侧向加速度。
本发明提出的技术路线为多点预瞄驾驶员模型开发提出了新方法、新理论,为探究挂车预瞄的可行性与优劣性,为之后挂车主动转向控制***设计、挂车差动制动控制***设计及挂车主动安全综合控制***控制策略和优化设计奠定了理论基础。
发明内容
针对现有技术存在的问题,本发明提供了一种高低速统一预瞄滑膜驾驶控制方法及控制***。具体涉及一种适用于汽车列车的高低速统一预瞄滑膜驾驶控制方法。
本发明是这样实现的,一种适用于汽车列车的高低速统一预瞄滑膜驾驶***,所述适用于汽车列车的高低速统一预瞄滑膜驾驶***包括:
数据获取模块,用于进行汽车行驶道路信息的获取;
模型构建模块,用于确定汽车道路模型以及汽车动力学模型;
参数获取模块,用于利用构建的动力学模型以及汽车列车的状态空间方程得到汽车列车的侧向位置、侧向位置变化、侧向速度以及横摆角速度相关参数;
控制器优化模块,基于侧向位置、侧向位置变化、侧向速度以及横摆角速度结合行驶道路信息进行滑膜控制器优化;
控制模块,利用优化的滑膜控制器计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
本发明另一目的在于提供一种应用于所述适用于汽车列车的高低速统一预瞄滑膜驾驶***的适用于汽车列车的高低速统一预瞄滑膜驾驶控制方法,所述适用于汽车列车的高低速统一预瞄滑膜驾驶控制方法包括:
步骤一,确定汽车道路模型以及汽车动力学模型;
步骤二,由动力学模型输出汽车列车的侧向位置以及侧向位置变化,由汽车列车的状态空间方程得到侧向速度以及横摆角速度,基于侧向位置、侧向位置变化、侧向速度以及横摆角速度结合行驶道路信息进行滑膜控制器的优化;
步骤三,利用优化的滑膜控制器计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
进一步,步骤一中,所述汽车道路模型以及汽车动力学模型包括:
所述汽车道路模型包括汽车高速道路模型或低速道路模型;
所述汽车动力学模型为Trucksim模型或线性模型。
进一步,步骤一中,所述高速道路模型或低速道路模型包括:
所述高速道路模型为牵引车道路预瞄模型,用于通过确定牵引车前轮转向角,迫使牵引车前轴中心跟踪目标轨迹;
所述低速道路模型为期望路径预瞄模型,用于通过牵引车和挂车最小侧向偏差决定牵引车前轮转角。
进一步,步骤二中,所述滑膜控制器优化方法包括:基于获取的道路信息、状态空间参数和被控对象的线性或非线性模型确定滑膜控制器的滑膜面以及趋近律;
具体包括:
1)采用传统滑膜面,公式为
其中λ为滑膜面系数,且λ>0;S为切换函数;e为误差;
2)采用等速趋近律,表达式为
其中常数ε表示***的运动点趋近切换面s=0的速率。
进一步,步骤三中,所述前轮转角计算公式为:
其中,e表示汽车列车综合侧向位置跟踪偏差;Y(t+Tp)、Y(t+Tp1)、Y(t+Tp2)分别表示在时间t+Tp、t+Tp1、t+Tp1时的二阶状态量;τ1、τ2表示时间迟延;t为时间常数,Tp为预瞄时间;
所述汽车列车综合侧向位置跟踪偏差e计算公式如下:
e=e1+k1e2+k2e3
式中,k1、k2为常数;e1、e2、e3分别表示牵引车前轴质心、第一挂车质心和第二挂车质心的侧向位置偏差,计算公式为:
所述时间t+Tp、t+Tp1、t+Tp2时的二阶状态量为:
其中,f(t)表示期望路径在T时刻的对应位置;Y(t)表示期望路径上的坐标;
所述时间迟延可表示为:
本发明的另一目的在于提供一种实施所述高低速统一预瞄滑膜驾驶控制方法的滑膜控制器。用于计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
本发明的另一目的在于提供一种实施所述高低速统一预瞄滑膜驾驶控制方法无人驾驶机动车辆。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
确定汽车道路模型以及汽车动力学模型;
由动力学模型输出汽车列车的侧向位置以及侧向位置变化,由汽车列车的状态空间方程得到侧向速度以及横摆角速度,基于侧向位置、侧向位置变化、侧向速度以及横摆角速度结合行驶道路信息进行滑膜控制器的优化;
利用优化的滑膜控制器计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
确定汽车道路模型以及汽车动力学模型;
由动力学模型输出汽车列车的侧向位置以及侧向位置变化,由汽车列车的状态空间方程得到侧向速度以及横摆角速度,基于侧向位置、侧向位置变化、侧向速度以及横摆角速度结合行驶道路信息进行滑膜控制器的优化;
利用优化的滑膜控制器计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提出了一种适用于汽车列车的高低速统一预瞄滑膜驾驶员模型。基于滑膜控制技术设计了一种预瞄驾驶员模型,不仅可以应用于单单元车辆,还可以应用于多单元车辆。
本发明基于滑膜控制适用于汽车列车的统一预瞄预瞄驾驶员模型,该模型适用于高速和低速两种工况,即:高速为牵引车道路预瞄模型,基于传统的横向位置预瞄控制理论,确定牵引车前轮转向角,迫使牵引车前轴中心跟踪目标轨迹;低速为期望路径预瞄模型,基于传统的横向预瞄控制理论,由牵引车和挂车最小侧向偏差决定牵引车前轮转角,从而提高车辆的路径跟随性。本发明高速模型主要提高稳定性,降低汽车的横摆角速度和侧向加速度,低速模型主要提高车辆的路径跟随性。
本发明根据汽车列车的结构特点和运动学要求,提出适用于高低速模式的汽车列车驾驶员模型,低速模型在低速时,可以显著提高挂车单元的路径跟随性;高速模型在高速时,可以提高汽车稳定性以及安全性,降低各单元的横摆角速度和侧向加速度。
对比的技术效果或者实验效果。
以建立的线性四自由度横摆平面模型为控制对象,以基于滑膜控制建立的高低速驾驶员模型为控制器,建立适应于四轴双拖挂的多点预瞄驾驶员模型。首先对基于等速趋近率和优化趋近率驾驶员模型的控制效果进行对比验证,再比较高速和低速预瞄驾驶员模型在高低速单移线工况下的控制效果,最后对高速模型与TO模型、低速模型与TO模型的控制效果,分别在高速和低速单移线工况下进行对比分析。
(1)基于等速趋近率和优化趋近率驾驶员模型的控制效果进行对比验证,结果表明:与等速趋近率相比较,优化趋近率可有效消除前轮转角的抖动现象,提高车辆的横向稳定性,高速控制效果明显然。高速、低速仿真对比结果分别如图5、6所示。
(2)比较高速和低速预瞄驾驶员模型在高低速单移线工况下的控制效果,结果表明,与低速模型相比,高速模型在80km/h单移线工况,在较小转向力需求下,可以有效提高汽车列车的横向稳定性,降低横摆角速度和侧向加速度峰值,同时使得各挂车单元的横摆角速度与牵引车相比有所降低;与高速模型比较,低速模型在30km/h单移线工况下,可以实现更好的路径跟随性,但是稳定性和前轮转角峰值较大。
低速主要考察汽车列车的路径跟随性,高速主要考察汽车列车的横向稳定性,所以综合考虑,在30km/h的低速单移线工况下,所建立的低速驾驶员模型控制效果优于高速驾驶员模型,该模型用于低速时,控制效果最佳;在80km/h的高速单移线工况下,所建立的高速驾驶员模型控制效果优于低速驾驶员模型,该模型用于中高速时,控制效果最佳。如图7、8所示。
(3)对高速模型与TO模型(牵引车单预瞄模型)、低速模型与TO模型的控制效果,分别在高速和低速单移线工况下进行对比分析。高速模型与高速TO模型相比较,在路径跟随性相差不大的情况下,侧向加速度和横摆角速度平均峰值分别提升8%和15%左右,前轮转角对时间的积分降低6.19%左右;低速模型与低速TO模型相比较,牵引车路径跟随性提升不大,但是各挂车单元由于偏差控制的引入,跟随性明显变好。汽车列车各单元的平均侧向加速度峰值和横摆角速度分别减小8%和15%左右,由此可以发现:基于滑膜控制的汽车列车驾驶员模型在引入挂车预瞄时,有助于在较小的转向力下提高汽车列车的稳定性。如图9、10所示。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的适用于汽车列车的高低速统一预瞄滑膜驾驶控制***结构示意图;
图中:1、数据获取模块;2、模型构建模块;3、参数获取模块;4、控制器优化模块;5、控制模块。
图2是本发明实施例提供的适用于汽车列车的高低速统一预瞄滑膜驾驶控制方法流程图。
图3是本发明实施例提供的适用于汽车列车的高低速统一预瞄滑膜驾驶控制方法原理图。
图4是本发明实施例提供的汽车列车模型和期望路径的几何表示示意图。
图5a)-图5f)是本发明实施例提供的高速仿真对比结果图。
图6a)-图6f)是本发明实施例提供的低速仿真对比结果图。
图7a)-图7f)是本发明实施例提供的高速状况的结果对比图组一。
图8a)-图8f)是本发明实施例提供的低速状况的结果对比图组一。
图9a)-图9f)是本发明实施例提供的高速工况下的结果对比图组二。
图10a)-图10d)是本发明实施例提供的低速工况下的结果对比图组二。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种高低速统一预瞄滑膜驾驶控制方法及控制***,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的一种高低速统一预瞄滑膜驾驶控制***包括:
数据获取模块1,用于进行汽车行驶道路信息的获取;
模型构建模块2,用于确定汽车道路模型以及汽车动力学模型;
参数获取模块3,用于利用构建的动力学模型以及汽车列车的状态空间方程得到汽车列车的侧向位置、侧向位置变化、侧向速度以及横摆角速度相关参数;
控制器优化模块4,基于侧向位置、侧向位置变化、侧向速度以及横摆角速度结合行驶道路信息进行滑膜控制器优化;
控制模块5,利用优化的滑膜控制器计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
如图2-图3所示,本发明实施例提供的高低速统一预瞄滑膜驾驶控制方法包括:
S101,确定汽车道路模型以及汽车动力学模型;
S102,由动力学模型输出汽车列车的侧向位置以及侧向位置变化,由汽车列车的状态空间方程得到侧向速度以及横摆角速度,基于侧向位置、侧向位置变化、侧向速度以及横摆角速度结合行驶道路信息进行滑膜控制器的优化;
S103,利用优化的滑膜控制器计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
步骤S101中,本发明实施例提供的汽车道路模型以及汽车动力学模型包括:
所述汽车道路模型包括汽车高速道路模型或低速道路模型;
所述汽车动力学模型为Trucksim模型或线性模型。
步骤S101中,本发明实施例提供的高速道路模型或低速道路模型包括:
所述高速道路模型为牵引车道路预瞄模型,用于通过确定牵引车前轮转向角,迫使牵引车前轴中心跟踪目标轨迹;
所述低速道路模型为期望路径预瞄模型,用于通过牵引车和挂车最小侧向偏差决定牵引车前轮转角。
步骤S102中,本发明实施例提供的滑膜控制器优化方法包括:基于获取的道路信息、状态空间参数和被控对象的线性或非线性模型确定滑膜控制器的滑膜面以及趋近律;
具体包括:
1)采用传统滑膜面,公式为
其中λ为滑膜面系数,且λ>0;S为切换函数;e为误差;
2)采用等速趋近律,表达式为
其中常数ε表示***的运动点趋近切换面s=0的速率。
步骤S103中,本发明实施例提供的前轮转角计算公式为:
其中,e表示汽车列车综合侧向位置跟踪偏差;Y(t+Tp)、Y(t+Tp1)、Y(t+Tp2)分别表示在时间t+Tp、t+Tp1、t+Tp1时的二阶状态量;τ1、τ2表示时间迟延;t为时间常数,Tp为预瞄时间;
所述汽车列车综合侧向位置跟踪偏差e计算公式如下:
e=e1+k1e2+k2e3
式中,k1、k2为常数;e1、e2、e3分别表示牵引车前轴质心、第一挂车质心和第二挂车质心的侧向位置偏差,计算公式为:
所述时间t+Tp、t+Tp1、t+Tp2时的二阶状态量为:
其中,f(t)表示期望路径在T时刻的对应位置;Y(t)表示期望路径上的坐标;
所述时间迟延可表示为:
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例:
一种适用于汽车列车的高低速统一预瞄滑膜驾驶员模型,包括汽车行驶道路的设置、滑膜变结构控制器设计、汽车动力学模型建立以及汽车参数的获取。其中行驶道路分别为高速道路模型和低速道路模型,高速为牵引车道路预瞄模型,在高速牵引车道路预瞄模型中,基于传统的横向位置预瞄控制理论,确定牵引车前轮转向角,迫使牵引车前轴中心跟踪目标轨迹,而挂车单元的质心位置跟踪牵引车前轴中心经过的路径,即挂车单元跟踪的期望路径是牵引车前轴质心经过特定时间延迟后的路径,低速为期望路径预瞄模型。在低速牵引车道路预瞄模型中,在车辆跟随期望路径的过程中,基于传统的横向预瞄控制理论,牵引车前轮转角由牵引车和挂车最小侧向偏差决定,牵引车和挂车的期望路径都是实际路径在特定时间下的对应值。其汽车动力学模型为Trucksim模型或者线性模型。此外该模型的控制器采用鲁棒性和抗干扰能力强的滑膜变结构控制,滑膜变结构控制器设计包括滑膜面的设计、趋近律的设计、抖振的消除,滑膜控制器是基于趋近律设计,由道路信息、状态空间参数和被控对象的线性或非线性模型的对应输出值作为滑膜控制器的控制输入,最终得出一个理想的趋近律以及滑膜控制器。滑膜变结构控制器的滑膜面采用传统滑膜面,其公式为其中λ为滑膜面系数,且λ>0;S为切换函数;e为误差,为了使合并后的跟踪误差e和它的导数/>快速收敛,令滑膜面S为零,从而得到滑膜面系数λ,传统滑膜面是比较常用的,其设计形式比较简单,同时也能取得比较好的控制效果。此外为了减弱***的抖振现象,滑膜控制器采用等速趋近律,表达式为/>其中常数ε表示***的运动点趋近切换面s=0的速率。ε小,趋近速度慢;ε大,运动点到达切换面时将具有较大的速度,引起的抖动也较大。等速趋近律时趋近速度是固定的,可以有效的降低滑膜控制抖动现象。根据汽车在道路上行驶的轨迹,其期望的轨迹决定了汽车轨迹上X和Y坐标之间的关系,期望路径上的坐标Y(t)表示为f(t),它表示期望路径在T时刻的对应位置,选取e2和e3分别表示车辆模型的第一挂车和第二挂车的横向位置偏差。假设前轮转向角在时间段(t,t+Tp)内为常数,线性横摆平面模型的输出和状态变量可以根据状态变量的时间常数t被预测,Tp为预瞄时间。在时间t+Tp,t+Tp1和t+Tp2时二阶的状态量为:
其中,时间延迟可以近似计算为:
此时牵引车前轴质心、第一挂车质心和第二挂车质心的侧向位置偏差分别表示为:e1,e2,e3,它们可以表示为:
e1=f(t+Tp)-Y1(t+Tp)
e2=f(t+Tp1)-Y2(t+Tp)
e3=f(t+Tp2)-Y3(t+Tp)
由于三单元汽车侧向位置跟踪偏差的相互关系,则汽车列车综合侧向位置跟踪偏差为:
e=e1+k1e2+k2e3其中k1,k2为常数
结合状态空间的参数,最终得到转向角公式为:
本发明根据汽车列车的结构特点和运动学要求,提出适用于高低速模式的汽车列车驾驶员模型,低速模型在低速时,可以显著提高挂车单元的路径跟随性;高速模型在高速时,可以提高汽车稳定性以及安全性,降低各单元的横摆角速度和侧向加速度。
下面结合具体实验及仿真效果对本发明作进一步描述。
图4是本发明实施例提供的汽车列车模型和期望路径的几何表示示意图。
图5a)-图5f)是本发明实施例提供的高速仿真对比结果图。
图6a)-图6f)是本发明实施例提供的低速仿真对比结果图。
图7a)-图7f)是本发明实施例提供的高速状况的结果对比图组一。
图8a)-图8f)是本发明实施例提供的低速状况的结果对比图组一。
图9a)-图9f)是本发明实施例提供的高速工况下的结果对比图组二。
图10a)-图10d)是本发明实施例提供的低速工况下的结果对比图组二。
其中,以建立的线性四自由度横摆平面模型为控制对象,以基于滑膜控制建立的高低速驾驶员模型为控制器,建立适应于四轴双拖挂的多点预瞄驾驶员模型。首先对基于等速趋近率和优化趋近率驾驶员模型的控制效果进行对比验证,再比较高速和低速预瞄驾驶员模型在高低速单移线工况下的控制效果,最后对高速模型与TO模型、低速模型与TO模型的控制效果,分别在高速和低速单移线工况下进行对比分析。
(1)基于等速趋近率和优化趋近率驾驶员模型的控制效果进行对比验证,结果表明:与等速趋近率相比较,优化趋近率可有效消除前轮转角的抖动现象,提高车辆的横向稳定性,高速控制效果明显然。高速、低速仿真对比结果分别如图5、图6所示:
图5a)优化趋近率控制的横向位置偏差;图5b)等速趋近率控制的横向位置偏差。图5c)横摆角速度对比。图5d)侧向加速度对比。图5e)前轮转角对比。图5f)预瞄点与期望点横向位置偏差对比。图6a)优化趋近率控制的横向位置偏差、图6b)等速趋近率控制的横向位置偏差。图6c)横摆角速度对比。图6d)侧向加速度对比。图6e)前轮转角对比。图6f)横向位置偏差对比。
(2)比较高速和低速预瞄驾驶员模型在高低速单移线工况下的控制效果,结果表明,与低速模型相比,高速模型在80km/h单移线工况,在较小转向力需求下,可以有效提高汽车列车的横向稳定性,降低横摆角速度和侧向加速度峰值,同时使得各挂车单元的横摆角速度与牵引车相比有所降低;与高速模型比较,低速模型在30km/h单移线工况下,可以实现更好的路径跟随性,但是稳定性和前轮转角峰值较大。
低速主要考察汽车列车的路径跟随性,高速主要考察汽车列车的横向稳定性,所以综合考虑,在30km/h的低速单移线工况下,所建立的低速驾驶员模型控制效果优于高速驾驶员模型,该模型用于低速时,控制效果最佳;在80km/h的高速单移线工况下,所建立的高速驾驶员模型控制效果优于低速驾驶员模型,该模型用于中高速时,控制效果最佳。图7a)高速模型横向位置偏差;图7b)低速模型横向位置偏差。图7c)横摆角速度对比。图7d)侧向加速度对比。图7e)前轮转角对比。图7f)横向位置偏差对比。图8a)低速模型横向位置偏差。图8b)高速模型横向位置偏差。图8c)横摆角速度对比。图8d)侧向加速度对比。图8e)前轮转角对比。图8f)横向位置偏差对比。
(3)对高速模型与TO模型(牵引车单预瞄模型)、低速模型与TO模型的控制效果,分别在高速和低速单移线工况下进行对比分析。高速模型与高速TO模型相比较,在路径跟随性相差不大的情况下,侧向加速度和横摆角速度平均峰值分别提升8%和15%左右,前轮转角对时间的积分降低6.19%左右;低速模型与低速TO模型相比较,牵引车路径跟随性提升不大,但是各挂车单元由于偏差控制的引入,跟随性明显变好。汽车列车各单元的平均侧向加速度峰值和横摆角速度分别减小8%和15%左右,由此可以发现:基于滑膜控制的汽车列车驾驶员模型在引入挂车预瞄时,有助于在较小的转向力下提高汽车列车的稳定性。图9a)牵引车跟随性对比。图9b)第一挂车跟随性对比。图9c)第二挂车跟随性对比。图9d)横摆角速度对比。图9e)侧向加速度对比。图9f)前轮转角对比。图10a)牵引车跟随性对比。图10b)第一挂车跟随性对比。图10c)第二挂车跟随性对比。图10d)前轮转角对比。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种高低速统一预瞄滑膜驾驶控制方法,其特征在于,所述高低速统一预瞄滑膜驾驶控制方法包括:
确定汽车道路模型以及汽车动力学模型;
由确定的汽车动力学模型输出汽车列车的侧向位置以及侧向位置变化;
由汽车列车的状态空间方程得到侧向速度以及横摆角速度,基于侧向位置、侧向位置变化、侧向速度以及横摆角速度结合确定的汽车道路模型中行驶道路信息进行滑膜控制器的优化;
利用优化的滑膜控制器计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制;
所述滑膜控制器优化方法包括:基于获取的道路信息、状态空间参数和被控对象的线性或非线性模型确定滑膜控制器的滑膜面以及趋近律;
具体包括:
1)采用传统滑膜面,公式为
其中λ为滑膜面系数,且λ>0;S为切换函数;e为误差;
2)采用等速趋近律,表达式为
其中常数ε表示***的运动点趋近切换面s=0的速率;
所述前轮转角计算公式为:
其中,e表示汽车列车综合侧向位置跟踪偏差;τ1、τ2表示时间迟延;t为时间常数,Tp为预瞄时间;Y1、Y2、Y3分别为牵引车、第一挂车和第二挂车质心侧向位置;分别表示牵引车前轴质心、牵引车前轴质心对于第一挂车质心的时滞和牵引车前轴质心对于第二挂车质心的时滞横向加速度;
所述汽车列车综合侧向位置跟踪偏差e计算公式如下:
e=e1+k1e2+k2e3
式中,k1、k2为常数;e1、e2、e3分别表示牵引车前轴质心、第一挂车质心和第二挂车质心的侧向位置偏差,计算公式为:
所述时间t+Tp、t+Tp1、t+Tp2时的二阶状态量为:
其中,f(t)表示期望路径在T时刻的对应位置;Y(t)表示期望路径上的坐标,Y(t+Tp)、Y(t+Tp1)、Y(t+Tp2)分别表示在时间t+Tp、t+Tp1、t+Tp2时的二阶状态量。
2.如权利要求1所述的高低速统一预瞄滑膜驾驶控制方法,其特征在于,
所述汽车道路模型包括汽车高速道路模型或低速道路模型;
所述汽车动力学模型为Trucksim模型或线性模型。
3.如权利要求2所述的高低速统一预瞄滑膜驾驶控制方法,其特征在于,所述高速道路模型或低速道路模型包括:
所述高速道路模型为牵引车道路预瞄模型,用于通过确定牵引车前轮转向角,使牵引车前轴中心跟踪目标轨迹;
所述低速道路模型为期望路径预瞄模型,用于通过牵引车和挂车最小侧向偏差决定牵引车前轮转角。
4.一种高低速统一预瞄滑膜驾驶控制***,其特征在于,所述高低速统一预瞄滑膜驾驶控制***用于汽车列车,用于执行权利要求1~3任意一项所述高低速统一预瞄滑膜驾驶控制方法,具体包括:
数据获取模块,用于进行汽车行驶道路信息的获取;
模型构建模块,用于确定汽车道路模型以及汽车动力学模型;
参数获取模块,用于利用构建的动力学模型以及汽车列车的状态空间方程得到汽车列车的侧向位置、侧向位置变化、侧向速度以及横摆角速度相关参数;
控制器优化模块,基于侧向位置、侧向位置变化、侧向速度以及横摆角速度结合行驶道路信息进行滑膜控制器优化;
控制模块,利用优化的滑膜控制器计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
5.一种实施权利要求1~3任意一项所述高低速统一预瞄滑膜驾驶控制方法的滑膜控制器,用于计算得到前轮转角,并将计算得到的前轮转角作为状态空间和被控对象的控制输入,进行驾驶控制。
6.一种实施权利要求1~3任意一项所述高低速统一预瞄滑膜驾驶控制方法无人驾驶机动车辆。
7.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1~3任意一项所述高低速统一预瞄滑膜驾驶控制方法。
8.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1~3任意一项所述高低速统一预瞄滑膜驾驶控制方法。
CN202010587133.9A 2020-06-24 2020-06-24 一种高低速统一预瞄滑膜驾驶控制方法及控制*** Active CN111703417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010587133.9A CN111703417B (zh) 2020-06-24 2020-06-24 一种高低速统一预瞄滑膜驾驶控制方法及控制***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010587133.9A CN111703417B (zh) 2020-06-24 2020-06-24 一种高低速统一预瞄滑膜驾驶控制方法及控制***

Publications (2)

Publication Number Publication Date
CN111703417A CN111703417A (zh) 2020-09-25
CN111703417B true CN111703417B (zh) 2023-09-05

Family

ID=72542096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010587133.9A Active CN111703417B (zh) 2020-06-24 2020-06-24 一种高低速统一预瞄滑膜驾驶控制方法及控制***

Country Status (1)

Country Link
CN (1) CN111703417B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114896694B (zh) * 2022-05-17 2024-06-04 哈尔滨工业大学(威海) 一种基于两点预瞄的路径跟踪控制方法
CN117784618B (zh) * 2024-02-26 2024-07-12 福州大学 一种用于铰接式智能扫路机的循迹跟踪分层鲁棒控制方法

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110116594A (ko) * 2010-04-19 2011-10-26 콘티넨탈 오토모티브 시스템 주식회사 슬라이딩 모드 제어를 이용한 자동차의 차간 유지 방법
CN102529976A (zh) * 2011-12-15 2012-07-04 东南大学 一种基于滑模观测器的车辆运行状态非线性鲁棒估计方法
CN103560734A (zh) * 2013-11-18 2014-02-05 沈阳工业大学 基于改进滑模控制器的步进电机控制方法
CN103640622A (zh) * 2013-11-13 2014-03-19 南京航空航天大学 一种基于驾驶员模型的汽车方向智能控制方法及控制***
CN104859650A (zh) * 2015-05-28 2015-08-26 吉林大学 一种多时间尺度的车辆横摆稳定性滚动优化控制方法
CN105416276A (zh) * 2015-12-14 2016-03-23 长春工业大学 基于高阶滑模的电动汽车稳定性直接横摆力矩控制方法
CN106882185A (zh) * 2017-03-10 2017-06-23 南京林业大学 一种含驾驶员焦点预瞄模型的车辆自主转向控制方法
US9731755B1 (en) * 2016-02-16 2017-08-15 GM Global Technology Operations LLC Preview lateral control for automated driving
CN108108885A (zh) * 2017-12-15 2018-06-01 湖北汽车工业学院 一种无人驾驶汽车轨迹跟踪能力评价方法
CN108233788A (zh) * 2018-01-19 2018-06-29 南京信息工程大学 基于幂指数趋近率的无刷直流电机滑模变结构控制方法
CN108227491A (zh) * 2017-12-28 2018-06-29 重庆邮电大学 一种基于滑模神经网络的智能车轨迹跟踪控制方法
CN108508760A (zh) * 2018-03-05 2018-09-07 北京汽车研究总院有限公司 一种多轮独立驱动滑差转向车辆的联合仿真方法及***
CN108646756A (zh) * 2018-07-05 2018-10-12 合肥工业大学 基于分段仿射模糊滑模的智能汽车横向控制方法及***
CN108791301A (zh) * 2018-05-31 2018-11-13 重庆大学 基于驾驶员特性的智能汽车驾驶过程横向动态控制方法
CN108919837A (zh) * 2018-07-12 2018-11-30 北京航空航天大学 一种基于视觉动力学的自动驾驶车辆二阶滑模控制方法
CN109017759A (zh) * 2018-07-31 2018-12-18 大连民族大学 期望路径车辆横摆控制方法
CN109131325A (zh) * 2018-08-15 2019-01-04 江苏大学 智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法
CN109318905A (zh) * 2018-08-22 2019-02-12 江苏大学 一种智能汽车路径跟踪混合控制方法
CN110962839A (zh) * 2019-12-18 2020-04-07 厦门大学 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法
CN111216713A (zh) * 2020-02-17 2020-06-02 哈尔滨工业大学 一种自动驾驶车辆速度预瞄控制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8180513B2 (en) * 2008-05-05 2012-05-15 Southwest Research Institute Autonomous ground vehicle control system for high-speed and safe operation
CN102421645B (zh) * 2009-05-07 2015-06-24 大陆-特韦斯贸易合伙股份公司及两合公司 用于执行车辆驾驶稳定性的闭环或开环控制的方法和设备
US9321458B2 (en) * 2013-12-17 2016-04-26 Automotive Research & Testing Center Sliding mode trajectory voting strategy module and driving control system and method thereof
CN104260725B (zh) * 2014-09-23 2016-09-14 北京理工大学 一种含有驾驶员模型的智能驾驶***

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110116594A (ko) * 2010-04-19 2011-10-26 콘티넨탈 오토모티브 시스템 주식회사 슬라이딩 모드 제어를 이용한 자동차의 차간 유지 방법
CN102529976A (zh) * 2011-12-15 2012-07-04 东南大学 一种基于滑模观测器的车辆运行状态非线性鲁棒估计方法
CN103640622A (zh) * 2013-11-13 2014-03-19 南京航空航天大学 一种基于驾驶员模型的汽车方向智能控制方法及控制***
CN103560734A (zh) * 2013-11-18 2014-02-05 沈阳工业大学 基于改进滑模控制器的步进电机控制方法
CN104859650A (zh) * 2015-05-28 2015-08-26 吉林大学 一种多时间尺度的车辆横摆稳定性滚动优化控制方法
CN105416276A (zh) * 2015-12-14 2016-03-23 长春工业大学 基于高阶滑模的电动汽车稳定性直接横摆力矩控制方法
US9731755B1 (en) * 2016-02-16 2017-08-15 GM Global Technology Operations LLC Preview lateral control for automated driving
CN106882185A (zh) * 2017-03-10 2017-06-23 南京林业大学 一种含驾驶员焦点预瞄模型的车辆自主转向控制方法
CN108108885A (zh) * 2017-12-15 2018-06-01 湖北汽车工业学院 一种无人驾驶汽车轨迹跟踪能力评价方法
CN108227491A (zh) * 2017-12-28 2018-06-29 重庆邮电大学 一种基于滑模神经网络的智能车轨迹跟踪控制方法
CN108233788A (zh) * 2018-01-19 2018-06-29 南京信息工程大学 基于幂指数趋近率的无刷直流电机滑模变结构控制方法
CN108508760A (zh) * 2018-03-05 2018-09-07 北京汽车研究总院有限公司 一种多轮独立驱动滑差转向车辆的联合仿真方法及***
CN108791301A (zh) * 2018-05-31 2018-11-13 重庆大学 基于驾驶员特性的智能汽车驾驶过程横向动态控制方法
CN108646756A (zh) * 2018-07-05 2018-10-12 合肥工业大学 基于分段仿射模糊滑模的智能汽车横向控制方法及***
CN108919837A (zh) * 2018-07-12 2018-11-30 北京航空航天大学 一种基于视觉动力学的自动驾驶车辆二阶滑模控制方法
CN109017759A (zh) * 2018-07-31 2018-12-18 大连民族大学 期望路径车辆横摆控制方法
CN109131325A (zh) * 2018-08-15 2019-01-04 江苏大学 智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法
CN109318905A (zh) * 2018-08-22 2019-02-12 江苏大学 一种智能汽车路径跟踪混合控制方法
CN110962839A (zh) * 2019-12-18 2020-04-07 厦门大学 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法
CN111216713A (zh) * 2020-02-17 2020-06-02 哈尔滨工业大学 一种自动驾驶车辆速度预瞄控制方法

Also Published As

Publication number Publication date
CN111703417A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN108674414B (zh) 一种极限工况的智能汽车轨迹跟踪控制方法
CN110827535B (zh) 非线性车辆队列协同自适应抗扰纵向控制方法
CN112622886B (zh) 一种综合考虑前后障碍物的重型营运车辆防碰撞预警方法
CN104176054B (zh) 一种汽车主动防碰撞自动换道控制***及其工作方法
CN101537853B (zh) 汽车四轮主动转向操纵控制***
CN104977933A (zh) 一种自主驾驶车辆的区域型路径跟踪控制方法
Xu et al. Active control on path following and lateral stability for truck–trailer combinations
CN110550023B (zh) 一种纯电动多节铰接汽车列车行驶稳定性控制方法
CN111703417B (zh) 一种高低速统一预瞄滑膜驾驶控制方法及控制***
CN109164814A (zh) 面向高速公路场景的自动驾驶控制***
CN110920616A (zh) 一种智能车换道轨迹及换道轨迹跟随控制方法
CN112578672A (zh) 基于底盘非线性的无人驾驶汽车轨迹控制***及其轨迹控制方法
CN109001976B (zh) 一种自动驾驶车的双路协同可拓横向控制方法
Wang et al. Robust trajectory tracking control for autonomous vehicle subject to velocity-varying and uncertain lateral disturbance
Pan et al. Research on steering control of multi-axle steering heavy commercial vehicle based on reducing tire wear
CN107856733B (zh) 一种面向人机和谐的汽车躲避动障碍物控制方法
CN111994085A (zh) 复杂路况下车辆行驶稳定区域的估计方法
CN107544496A (zh) 一种改进余弦换道模型的轨迹规划方法
Liu et al. Research on path-tracking control of articulated vehicle with a trailer based on advanced model prediction control strategy
Wang et al. Integrated active steering control strategy for autonomous articulated vehicles
CN114044003B (zh) 前后双轴转向车辆的循迹控制方法
Rahim et al. A longitudinal speed controller for autonomous multi-trailer articulated heavy vehicles
CN113044047B (zh) 一种基于类pid-stsm的afs/dyc集成控制方法
Su et al. Active trailer braking control for car-trailer combination based on multi-objective fuzzy algorithm
CN110481563B (zh) 基于驾驶员神经肌肉模型的人机共驾共享控制算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant