CN103439884A - 一种基于模糊滑模的智能汽车横向控制方法 - Google Patents
一种基于模糊滑模的智能汽车横向控制方法 Download PDFInfo
- Publication number
- CN103439884A CN103439884A CN2013103060071A CN201310306007A CN103439884A CN 103439884 A CN103439884 A CN 103439884A CN 2013103060071 A CN2013103060071 A CN 2013103060071A CN 201310306007 A CN201310306007 A CN 201310306007A CN 103439884 A CN103439884 A CN 103439884A
- Authority
- CN
- China
- Prior art keywords
- deviation
- control
- sliding mode
- fuzzy
- intelligent automobile
- 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.)
- Granted
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于模糊滑模的智能汽车横向运动控制方法,包括以下步骤:智能汽车横向滑模控制设计和模糊滑模控制设计。首先,将横向偏差yL和方位偏差εL融合为集成偏差eL,用eL设计滑模切换函数s。其次,选择s及其微分作为模糊滑模控制的输入变量,前轮转角δfc作为输出变量。设计模糊滑模控制方法。本发明将模糊控制与滑模控制相结合,不同于常规模糊控制方法,本发明模糊控制的输入变量是滑模切换函数及其微分,这种改变既克服了滑模控制所容易产生的抖振现象,又增加了模糊控制不依靠系统精准模型的优点,可有效地克服汽车的非线性特性、参数不确定性以及外界的干扰,提高了控制器的精度、可靠性和稳定性。
Description
技术领域
本发明属于车辆控制技术领域,涉及到一种智能汽车横向运动控制方法,特别涉及到一种基于模糊滑模的智能汽车横向运动控制方法。
背景技术
智能汽车的横向控制技术是车辆控制技术领域内备受关注的一项技术,其主要研究方向是如何控制智能汽车的前轮转角,使其跟踪指定的路径行驶,并保证行驶的安全性和平稳性,是影响智能汽车自主导航质量的决定性因素。基于智能汽车的动力学及其整车参数构建的横向动力学模型具有高度非线性动态特性和参数不确定性,且在行驶过程中需要面临多种路面干扰。基于滑模控制方法设计的车辆横向控制器,对模型参数不确定性和外界干扰具有完全的鲁棒性且响应耗时短,但在滑动面附近由于高频转换控制会产生严重的抖振现象。基于模糊控制方法设计的车辆横向控制器,一般以路径偏差信息及其导数作为控制的输入变量,无需精准的数学模型,对参数变化和外部干扰的鲁棒性比较强,但响应耗时长,容易产生误差。
发明内容
为克服现有技术存在的上述问题,本发明要提出一种基于模糊滑模的智能汽车横向控制方法,既要有效地克服智能汽车模型非线性、参数不确定性、外界干扰对路径跟踪的影响,又要克服滑模控制时的抖振现象,显著提高控制性能。
为实现上述目的,本发明的技术方案是:一种基于模糊滑模的智能汽车横向运动控制方法,包括以下步骤:
A、智能汽车横向滑模控制设计
A1、以横向偏差yL和方位偏差εL作为控制模型的状态变量,以前轮转角δfc作为控制模型的输入变量,建立含不确定因素和干扰的智能汽车横向运动控制模型;具体模型如式(1)所示:
式中,
A1=(vx-a11L+a12-a21L2+a22L);E2=(-a11vx-a21vxL);
E3=(a11+a21L);A4=(a21L-a22);E5=a21vx;E6=-a21;
B1=(-b1-b2L);B2=b2;d1=(a11L-a12+a21L2-a22L)vxρ;
其中,
a11=-(Cr+Cf)/mvx;a12=(LrCr-CfLf)/mvx-vx;
a21=(LrCr-LfCf)/Izvx;
b1=Cf/m;b2=LfCf/Iz;
q=[yL εL]T为控制模型的状态变量,为控制模型状态变量的一阶微分,为控制模型状态变量的二阶微分,u为控制模型的输入变量即前轮转角δfc,Lf、Lr分别为质心到前后轴的距离(m),Iz为智能汽车转动惯量(kg·m2),Cf、Cr分别为前后轮胎的侧偏刚度(N/rad),m为智能汽车质量(kg),L为智能汽车的预瞄距离,vx为智能汽车横向速度(m/s),ρ为路径曲率,d(t)为干扰项,ΔA、ΔB、ΔE为不确定项;
A2、计算横向偏差和方位偏差;经图像处理算法得到智能汽车的参考路径曲线后,在参考路径曲线与过预瞄点且平行于图像横向中心线的直线相交处作切线,获得智能汽车运动控制所需的路径信息,即预瞄点处智能汽车与参考路径的横向偏差和方位偏差信息;具体计算方法如下:定义图像的中心点位置O代表智能汽车的纵向中心线和横向中心线的交点,Ol为预瞄点在图像中的位置,直线OlXl为过预瞄点Ol且平行于图像横向中心线OX的直线;
A21、横向偏差的计算
定义参考路径曲线和直线OlXl的交点P(x0,y0)处的横坐标与图像预瞄点Ol的横坐标之差为智能汽车在图像中的横向偏差:
其中,w1为图像的宽度,横向偏差yL为像素值,需转换成实际横向偏差:
式中,γ为像素点与实际距离比例系数;
A22、方位偏差的计算
得到参考路径曲线之后,在其与直线O1X1的交点处P(x0,y0)作切线,设切线方程为:
y=Kdx+Bd (4)
其中,Kd为切线斜率,Bd为切线截距,智能汽车在图像中的方位偏差定义为:
εL=arctan(Kd) (5)
A3、针对式(1)所示的横向控制模型,将横向偏差和方位偏差按照无量纲化加权规则进行融合,使用融合后的集成偏差来设计滑模控制的切换函数s;基于数据处理的需要,将横向偏差和方位偏差分别无量纲化:
yLmax和yLmin分别为横向偏差的最大值和最小值,εLmax和εLmin分别为方位偏差的最大值和最小值;对式(6)和(7)处理后的横向偏差和方位偏差进行融合时加入权重系数,因此集成偏差表达为:
其中η1、η2为权重系数,均大于0且η1+η2=1,eL为集成偏差;
将集成偏差eL作为滑模切换函数的参数,设计滑模切换函数s,其表达式为:
B、模糊滑模控制设计
B1、选择切换函数s及其微分作为模糊滑模控制的输入变量,前轮转角δfc作为模糊滑模控制的输出变量;输入变量和输出变量对应模糊子集语言变量均设置为{NB,NM,NS,Z,PS,PM,PB},其中NB、NM、NS、Z、PS、PM、PB分别称为“负大”、“负中”、“负小”、“零”、“正小”、“正中”、“正大”;输入变量s、和输出变量δfc的模糊子集隶属度函数相同,对NM、NS、Z、PS和PM这五个变量级采用三角形函数,对NB采用Z型函数,PB采用S型函数。
B2、采用专家经验法确定模糊滑模的控制规则,控制规则如表1所示:
表1控制规则表
每一条模糊控制规则由下面形式的“IF-THEN”模糊语句构成:
模糊推理采用曼达尼的max-min合成法,采用重心法进行解模糊运算,确定出输出变量δfc:
本发明的效果和益处是:将模糊控制与滑模控制相结合设计了模糊滑模智能汽车横向控制方法。不同于常规模糊控制方法,本文模糊控制的输入变量选择的是滑模切换函数及其微分,这种改变能将两种控制理论方法的优点充分结合起来,既克服了一般滑模控制所容易产生的抖振现象,又增加了模糊控制不依靠系统精准模型的优点,可有效地克服汽车的非线性特性、参数不确定性、和外界的干扰,提高了控制器的精度、可靠性和稳定性。
附图说明
本发明共有附图5幅,其中:
图1本发明的模糊滑模控制结构方案示意图。
图2本发明的智能汽车与参考路径的几何关系示意图。
图3本发明的图像中路径偏差信息示意图。
图5模糊滑模控制中模糊控制输出变量δfc的隶属度函数示意图。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
如图1所示,通过将横向偏差和方位偏差按照一定规则相融合,并使用融合后的集成偏差来设计滑模切换函数。模糊控制的输入采用滑模切换函数及其微分,前轮转角δfc作为输出来控制智能汽车的横向运动。
本发明包括智能汽车横向滑模控制(Sliding-Mode Control)设计过程和模糊滑模控制(Fuzzy Sliding Mode Control)设计过程两部分。
A、智能汽车横向滑模控制(Sliding-Mode Control)设计过程为:
第一步,以横向偏差yL和方位偏差εL作为控制模型的状态变量,以前轮转角δfc作为控制模型的输入变量,建立含不确定因素和干扰的智能汽车横向运动 控制模型。如式(1)所示。智能汽车与参考路径之间的几何关系如图2所示,图中:yL是横向偏差;εL是方位偏差;δfc是前轮转角;ρ是路径曲率;L是视觉预瞄距离。
式中,
A1=(vx-a11L+a12-a21L2+a22L);E2=(-a11vx-a21vxL);
E3=(a11+a21L);A4=(a21L-a22);E5=a21vx;E6=-a21;
。
B1=(-b1-b2L);B2=b2;d1=(a11L-a12+a21L2-a22L)vxρ;
其中,
a11=-(Cr+Cf)/mvx;a12=(LrCr-CfLf)/mvx-vx;
a21=(LrCr-LfCf)/Izvx;
b1=Cf/m;b2=LfCf/Iz;
q=[yL εL]T为控制模型的状态变量,为控制模型状态变量的一阶微分,为控制模型状态变量的二阶微分,u为控制模型的输入变量即前轮转角δfc,Lf、Lr分别为质心到前后轴的距离(m),Iz是智能汽车转动惯量(kg·m2),Cf、Cr分别为前后轮胎的侧偏刚度(N/rad),m是智能汽车质量(kg),vx是智能汽车横向速度(m/s),d(t)为干扰项,ΔA、ΔB、ΔE是不确定项。
第二步,计算横向偏差和方位偏差,经图像处理算法得到智能汽车的参考路径曲线后,在参考路径曲线与过预瞄点且平行于图像横向中心线的直线相交处作切线,获得智能汽车运动控制所需的路径信息,即预瞄点处智能汽车与参考路径的横向偏差和方位偏差信息。如图3所示,图中:XOY是智能汽车纵向中心线OY与智能汽车横向中心线OX组成的坐标系;O是智能汽车纵向中心线OY与智能汽车横向中心线OX的交点;O1是预瞄点;O1X1是过预瞄点且平行于智能汽车横向中心线OX的直线。
1、横向偏差的计算
定义参考路径曲线和直线OlXl的交点P(x0,y0)处的横坐标与图像预瞄点Ol的横坐标之差为智能汽车在图像中的横向偏差:
其中,w1为图像的宽度,(2)式中的横向偏差yL为像素值,需转换成实际横向偏差:
式中,γ为像素点与实际距离比例系数。
2、方位偏差的计算
得到参考路径曲线之后,在其与直线O1X1的交点处P(x0,y0)作切线,设切线方程为:
y=Kdx+Bd (4)其中,Kd为切线斜率,Bd为切线截距,智能汽车在图像中的方位偏差定义为:
εL=arctan(Kd) (5)
第三步,针对式(1)所示的横向控制模型,将横向偏差和方位偏差按照无量纲化加权规则进行融合,使用融合后的集成偏差来设计滑模控制的切换函数s。基于数据处理的需要,将横向偏差和方位偏差分别无量纲化:
yLmax和yLmin分别为横向偏差的最大值和最小值,εLmax和εLmin分别为方位偏差的最大值和最小值。对上式处理后的横向偏差和方位偏差进行融合时加入权重系数,因此集成偏差可表达为:
其中η1、η2为权重系数,均大于0且η1+η2=1,eL为集成偏差。
将其eL作为滑模切换函数的参数,设计滑模切换函数s,其表达式为:
c1为常数,为集成偏差变化率。
B、模糊滑模(FuzzySliding-ModeControl)控制设计过程为:
第一步,选择切换函数s及其微分作为模糊滑模控制的输入变量,前轮转角δfc作为模糊滑模控制的输出变量。输入变量和输出变量对应模糊子集语言 变量均设置为{NB,NM,NS,Z,PS,PM,PB},其中NB、NM、NS、Z、PS、PM、PB分别称为“负大”、“负中”、“负小”、“零”、“正小”、“正中”、“正大”。输入变量s、和输出变量δfc的模糊子集隶属度函数相同,对NM,NS,Z,PS,PM这五个变量级采用三角形函数,对NB采用Z型函数,PB采用S型函数。输入变量s和的隶属度函数如图4所示,输出变量δfc的隶属度函数如图5所示。
第二步,采用专家经验法确定模糊滑模的控制规则,确定的控制规则如表1所示,每一条模糊控制规则由下面形式的“IF-THEN”模糊语句构成:
该控制规则可理解为s的趋势是增加的,为了减小偏差,需给车辆前轮一个负大转角来纠正车辆偏差。
模糊推理采用曼达尼(Mamdani)的max-min合成法,采用重心法进行解模糊运算,确定出输出变量δfc:
Claims (1)
1.一种基于模糊滑模的智能汽车横向运动控制方法,其特征在于:包括以下步骤:
A、智能汽车横向滑模控制设计
A1、以横向偏差yL和方位偏差εL作为控制模型的状态变量,以前轮转角δfc作为控制模型的输入变量,建立含不确定因素和干扰的智能汽车横向运动控制模型;具体模型如式(1)所示:
A1=(vx-a11L+a12-a21L2+a22L);E2=(-a11vx-a21vxL);
E3=(a11+a21L);A4=(a21L-a22);E5=a21vx;E6=-a21;
B1=(-b1-b2L);B2=b2;d1=(a11L-a12+a21L2-a22L)vxρ;
其中,
a11=-(Cr+Cf)/mvx;a12=(LrCr-CfLf)/mvx-vx;
b1=Cf/m;b2=LfCf/Iz;
q=[yL εL]T为控制模型的状态变量,为控制模型状态变量的一阶微分,为控制模型状态变量的二阶微分,u为控制模型的输入变量即前轮转角δfc,Lf、Lr分别为质心到前后轴的距离(m),Iz为智能汽车转动惯量(kg·m2),Cf、Cr分别为前后轮胎的侧偏刚度(N/rad),m为智能汽车质量(kg),L为智能汽车的预瞄距离,vx为智能汽车横向速度(m/s),ρ为路径曲率,d(t)为干扰项,ΔA、ΔB、ΔE为不确定项;
A2、计算横向偏差和方位偏差;经图像处理算法得到智能汽车的参考路径曲线后,在参考路径曲线与过预瞄点且平行于图像横向中心线的直线相交处作切线,获得智能汽车运动控制所需的路径信息,即预瞄点处智能汽车与参考路径的横向偏差和方位偏差信息;具体计算方法如下:定义图像的中心点位置O代表智能汽车的纵向中心线和横向中心线的交点,Ol为预瞄点在图像中的位置, 直线OlXl为过预瞄点Ol且平行于图像横向中心线OX的直线;
A21、横向偏差的计算
定义参考路径曲线和直线OlXl的交点P(x0,y0)处的横坐标与图像预瞄点Ol的横坐标之差为智能汽车在图像中的横向偏差:
其中,w1为图像的宽度,横向偏差yL为像素值,需转换成实际横向偏差:
式中,γ为像素点与实际距离比例系数;
A22、方位偏差的计算
得到参考路径曲线之后,在其与直线O1X1的交点处P(x0,y0)作切线,设切线方程为:
y=Kdx+Bd (4)
其中,Kd为切线斜率,Bd为切线截距,智能汽车在图像中的方位偏差定义为:
εL=arctan(Kd) (5)
A3、针对式(1)所示的横向控制模型,将横向偏差和方位偏差按照无量纲化加权规则进行融合,使用融合后的集成偏差来设计滑模控制的切换函数s;基于数据处理的需要,将横向偏差和方位偏差分别无量纲化:
yLmax和yLmin分别为横向偏差的最大值和最小值,εLmax和εLmin分别为方位偏差的最大值和最小值;对式(6)和(7)处理后的横向偏差和方位偏差进行融合时加入权重系数,因此集成偏差表达为:
其中η1、η2为权重系数,均大于0且η1+η2=1,eL为集成偏差;
将集成偏差eL作为滑模切换函数的参数,设计滑模切换函数s,其表达式为:
B、模糊滑模控制设计
B1、选择切换函数s及其微分作为模糊滑模控制的输入变量,前轮转角δfc作为模糊滑模控制的输出变量;输入变量和输出变量对应模糊子集语言变量均设置为{NB,NM,NS,Z,PS,PM,PB},其中NB、NM、NS、Z、PS、PM、PB分别称为“负大”、“负中”、“负小”、“零”、“正小”、“正中”、“正大”;输入变量s、和输出变量δfc的模糊子集隶属度函数相同,对NM、NS、ZO、PS和PM这五个变量级采用三角形函数,对NB采用Z型函数,PB采用S型函数;
B2、采用专家经验法确定模糊滑模的控制规则,控制规则如表1所示:
表1控制规则表
每一条模糊控制规则由下面形式的“IF-THEN”模糊语句构成:
该控制规则理解为s的趋势是增加的,为了减小偏差,需给车辆前轮一个负大转角来纠正车辆偏差;
模糊推理采用曼达尼的max-min合成法,采用重心法进行解模糊运算,确定出输出变量δfc:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310306007.1A CN103439884B (zh) | 2013-07-19 | 2013-07-19 | 一种基于模糊滑模的智能汽车横向控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310306007.1A CN103439884B (zh) | 2013-07-19 | 2013-07-19 | 一种基于模糊滑模的智能汽车横向控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103439884A true CN103439884A (zh) | 2013-12-11 |
CN103439884B CN103439884B (zh) | 2015-12-23 |
Family
ID=49693579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310306007.1A Expired - Fee Related CN103439884B (zh) | 2013-07-19 | 2013-07-19 | 一种基于模糊滑模的智能汽车横向控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103439884B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699006A (zh) * | 2013-12-17 | 2014-04-02 | 北京工业大学 | 一种基于模糊变滑模面跟踪微分器控制方法 |
CN105159294A (zh) * | 2015-09-01 | 2015-12-16 | 深圳力子机器人有限公司 | 针对叉车模糊逻辑运动控制器的设计方法 |
CN105253141A (zh) * | 2015-09-09 | 2016-01-20 | 北京理工大学 | 一种基于车轮纵向力调节的车辆操纵稳定性控制方法 |
CN105867377A (zh) * | 2016-04-13 | 2016-08-17 | 浙江理工大学 | 一种农业机械自动导航控制方法 |
CN107024866A (zh) * | 2017-05-26 | 2017-08-08 | 江苏大学 | 一种基于车速分区的多模型横向模糊控制方法 |
CN107097785A (zh) * | 2017-05-25 | 2017-08-29 | 江苏大学 | 一种预瞄距离自适应的智能车辆横向控制方法 |
CN108045435A (zh) * | 2017-11-29 | 2018-05-18 | 江苏大学 | 一种路面自适应的智能车辆横向混合控制方法 |
CN108248605A (zh) * | 2018-01-23 | 2018-07-06 | 重庆邮电大学 | 一种智能车辆轨迹跟随的横纵向协调控制方法 |
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系统 |
CN108909396A (zh) * | 2018-06-29 | 2018-11-30 | 四川理工学院 | 汽车主动悬架与电动助力转向系集成控制装置及工作方法 |
CN109017447A (zh) * | 2018-07-31 | 2018-12-18 | 大连民族大学 | 无人驾驶车辆总的驱动力矩输出方法 |
CN109144107A (zh) * | 2018-08-03 | 2019-01-04 | 奇瑞汽车股份有限公司 | 自动跟车控制方法、装置及汽车 |
CN110703749A (zh) * | 2019-10-11 | 2020-01-17 | 浙江大华机器人技术有限公司 | 一种控制车辆运动的方法及装置 |
CN111158377A (zh) * | 2020-01-15 | 2020-05-15 | 浙江吉利汽车研究院有限公司 | 一种用于车辆的横向控制方法、系统及车辆 |
CN111897344A (zh) * | 2020-08-14 | 2020-11-06 | 清华大学 | 一种兼顾稳定性的自动驾驶汽车路径跟踪控制方法 |
CN112506047A (zh) * | 2020-10-27 | 2021-03-16 | 湖南大学 | 融合后轮反馈与滑模控制的智能汽车横向控制方法 |
CN112650080A (zh) * | 2019-10-10 | 2021-04-13 | 西门子股份公司 | 具有趋势曲线图的技术设施的控制系统 |
CN113204236A (zh) * | 2021-04-14 | 2021-08-03 | 华中科技大学 | 一种智能体路径跟踪控制方法 |
CN113655789A (zh) * | 2021-08-04 | 2021-11-16 | 东风柳州汽车有限公司 | 路径跟踪方法、装置、车辆及存储介质 |
CN114442642A (zh) * | 2022-04-02 | 2022-05-06 | 深圳市普渡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02230403A (ja) * | 1989-03-03 | 1990-09-12 | Nissan Motor Co Ltd | 車両の走行制御装置 |
JPH054544A (ja) * | 1991-06-27 | 1993-01-14 | Matsushita Electric Ind Co Ltd | 自動走行装置 |
US6078857A (en) * | 1995-10-19 | 2000-06-20 | Hyundai Motor Company | Apparatus for deciding a shift pattern suitable for a driver's driving habit using neural network operation and fuzzy inference and a control method thereof |
CN102209658A (zh) * | 2008-11-06 | 2011-10-05 | 沃尔沃技术公司 | 用于确定道路数据的方法和系统 |
CN102303602A (zh) * | 2011-06-27 | 2012-01-04 | 江苏大学 | 乘用车平顺性与操稳性协调方法及控制装置 |
CN102880051A (zh) * | 2012-09-24 | 2013-01-16 | 上海大学 | 轮式移动机器人的模糊滑模驱动控制方法 |
-
2013
- 2013-07-19 CN CN201310306007.1A patent/CN103439884B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02230403A (ja) * | 1989-03-03 | 1990-09-12 | Nissan Motor Co Ltd | 車両の走行制御装置 |
JPH054544A (ja) * | 1991-06-27 | 1993-01-14 | Matsushita Electric Ind Co Ltd | 自動走行装置 |
US6078857A (en) * | 1995-10-19 | 2000-06-20 | Hyundai Motor Company | Apparatus for deciding a shift pattern suitable for a driver's driving habit using neural network operation and fuzzy inference and a control method thereof |
CN102209658A (zh) * | 2008-11-06 | 2011-10-05 | 沃尔沃技术公司 | 用于确定道路数据的方法和系统 |
CN102303602A (zh) * | 2011-06-27 | 2012-01-04 | 江苏大学 | 乘用车平顺性与操稳性协调方法及控制装置 |
CN102880051A (zh) * | 2012-09-24 | 2013-01-16 | 上海大学 | 轮式移动机器人的模糊滑模驱动控制方法 |
Non-Patent Citations (6)
Title |
---|
LI LINHUI ET AL.: "Stereo Vision based Obstacle Avoidance Path-planning for Cross-country Intelligent Vehicle", 《2009 SIXTH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY》, 31 December 2009 (2009-12-31) * |
胡平 等: "智能车辆纵横向反演变结构协调控制", 《电机与控制学报》, vol. 15, no. 10, 31 October 2011 (2011-10-31) * |
郭景华 等: "基于模糊逻辑的无人驾驶车纵向多滑模控制", 《中国公路学报》, vol. 26, no. 1, 15 January 2013 (2013-01-15) * |
郭景华 等: "基于遗传优化的无人车横向模糊控制", 《机械工程学报》, vol. 48, no. 6, 15 October 2011 (2011-10-15) * |
郭景华 等: "智能车辆横向混合切换控制器设计", 《农业机械学报》, vol. 43, no. 2, 25 February 2012 (2012-02-25) * |
郭景华: "视觉导航式智能车辆横向与纵向控制研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, no. 10, 15 October 2013 (2013-10-15) * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699006B (zh) * | 2013-12-17 | 2016-04-27 | 北京工业大学 | 一种基于模糊变滑模面跟踪微分器控制方法 |
CN103699006A (zh) * | 2013-12-17 | 2014-04-02 | 北京工业大学 | 一种基于模糊变滑模面跟踪微分器控制方法 |
CN105159294A (zh) * | 2015-09-01 | 2015-12-16 | 深圳力子机器人有限公司 | 针对叉车模糊逻辑运动控制器的设计方法 |
CN105159294B (zh) * | 2015-09-01 | 2019-01-18 | 深圳力子机器人有限公司 | 针对叉车模糊逻辑运动控制器的设计方法 |
CN105253141A (zh) * | 2015-09-09 | 2016-01-20 | 北京理工大学 | 一种基于车轮纵向力调节的车辆操纵稳定性控制方法 |
CN105867377B (zh) * | 2016-04-13 | 2019-01-08 | 浙江理工大学 | 一种农业机械自动导航控制方法 |
CN105867377A (zh) * | 2016-04-13 | 2016-08-17 | 浙江理工大学 | 一种农业机械自动导航控制方法 |
CN107097785A (zh) * | 2017-05-25 | 2017-08-29 | 江苏大学 | 一种预瞄距离自适应的智能车辆横向控制方法 |
CN107024866A (zh) * | 2017-05-26 | 2017-08-08 | 江苏大学 | 一种基于车速分区的多模型横向模糊控制方法 |
CN108045435A (zh) * | 2017-11-29 | 2018-05-18 | 江苏大学 | 一种路面自适应的智能车辆横向混合控制方法 |
CN108248605A (zh) * | 2018-01-23 | 2018-07-06 | 重庆邮电大学 | 一种智能车辆轨迹跟随的横纵向协调控制方法 |
CN108909396A (zh) * | 2018-06-29 | 2018-11-30 | 四川理工学院 | 汽车主动悬架与电动助力转向系集成控制装置及工作方法 |
CN108646756B (zh) * | 2018-07-05 | 2021-01-19 | 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系统 |
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系统 |
CN109017447B (zh) * | 2018-07-31 | 2021-08-10 | 大连民族大学 | 无人驾驶车辆总的驱动力矩输出方法 |
CN109017447A (zh) * | 2018-07-31 | 2018-12-18 | 大连民族大学 | 无人驾驶车辆总的驱动力矩输出方法 |
CN109144107A (zh) * | 2018-08-03 | 2019-01-04 | 奇瑞汽车股份有限公司 | 自动跟车控制方法、装置及汽车 |
CN109144107B (zh) * | 2018-08-03 | 2021-08-31 | 奇瑞汽车股份有限公司 | 自动跟车控制方法、装置及汽车 |
CN112650080A (zh) * | 2019-10-10 | 2021-04-13 | 西门子股份公司 | 具有趋势曲线图的技术设施的控制系统 |
CN110703749A (zh) * | 2019-10-11 | 2020-01-17 | 浙江大华机器人技术有限公司 | 一种控制车辆运动的方法及装置 |
CN111158377A (zh) * | 2020-01-15 | 2020-05-15 | 浙江吉利汽车研究院有限公司 | 一种用于车辆的横向控制方法、系统及车辆 |
CN111158377B (zh) * | 2020-01-15 | 2021-04-27 | 浙江吉利汽车研究院有限公司 | 一种用于车辆的横向控制方法、系统及车辆 |
CN111897344A (zh) * | 2020-08-14 | 2020-11-06 | 清华大学 | 一种兼顾稳定性的自动驾驶汽车路径跟踪控制方法 |
CN112506047A (zh) * | 2020-10-27 | 2021-03-16 | 湖南大学 | 融合后轮反馈与滑模控制的智能汽车横向控制方法 |
CN112506047B (zh) * | 2020-10-27 | 2022-03-29 | 湖南大学 | 融合后轮反馈与滑模控制的智能汽车横向控制方法 |
CN113204236A (zh) * | 2021-04-14 | 2021-08-03 | 华中科技大学 | 一种智能体路径跟踪控制方法 |
CN113204236B (zh) * | 2021-04-14 | 2022-05-20 | 华中科技大学 | 一种智能体路径跟踪控制方法 |
CN113655789A (zh) * | 2021-08-04 | 2021-11-16 | 东风柳州汽车有限公司 | 路径跟踪方法、装置、车辆及存储介质 |
CN114442642A (zh) * | 2022-04-02 | 2022-05-06 | 深圳市普渡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103439884B (zh) | 2015-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103439884B (zh) | 一种基于模糊滑模的智能汽车横向控制方法 | |
CN113386781B (zh) | 一种基于数据驱动车辆动力学模型的智能车辆轨迹跟踪控制方法 | |
CN109358621B (zh) | 自动驾驶汽车轨迹跟踪控制方法 | |
CN107831761B (zh) | 一种智能车的路径跟踪控制方法 | |
CN110018632A (zh) | 一种车辆变道控制方法和装置 | |
CN108001447A (zh) | 一种智能车辆路径跟踪前轮转角补偿控制方法 | |
Guo et al. | Adaptive fuzzy sliding mode control for coordinated longitudinal and lateral motions of multiple autonomous vehicles in a platoon | |
Acosta et al. | A hybrid hierarchical rally driver model for autonomous vehicle agile maneuvering on loose surfaces. | |
Kapania | Trajectory planning and control for an autonomous race vehicle | |
CN116560371A (zh) | 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法 | |
Yu et al. | Longitudinal cooperative control for a bidirectional platoon of vehicles with constant time headway policy | |
Guo et al. | Finite-time command-filtered lateral-longitudinal formation control of vehicles on rough roads | |
Xing et al. | Recurrent neural network non‐singular terminal sliding mode control for path following of autonomous ground vehicles with parametric uncertainties | |
CN110703775A (zh) | 一种基于改进人工势场的商用车车道保持路径规划方法 | |
Sun et al. | Collision-avoidance steering control for autonomous vehicles using neural network-based adaptive integral terminal sliding mode | |
Li et al. | Fuzzy control for platooning systems based on v2v communication | |
Talj et al. | Immersion and invariance control for lateral dynamics of autonomous vehicles, with experimental validation | |
Liu et al. | A Two-layer Model predictive path-tracking control with curvature adaptive method for high-speed autonomous driving | |
Xie et al. | Parameter self‐learning feedforward compensation‐based active disturbance rejection for path‐following control of self‐driving forklift trucks | |
CN114355941A (zh) | 基于改进Stanley控制的车辆路径跟踪方法 | |
Zhang et al. | Model predictive control for path following of autonomous vehicle considering model parameter uncertainties | |
Wu et al. | Coordinated control of path tracking and stability for intelligent 4WID electric vehicle based on variable prediction horizon | |
Ballesteros-Tolosana et al. | Comparison of optimization-based strategies for constrained control of auto-steering systems | |
Rafaila et al. | Multivariate nonlinear predictive control of autonomous vehicle dynamics | |
Wan et al. | Lane-changing tracking control of automated vehicle platoon based on ma-ddpg and adaptive mpc |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151223 Termination date: 20180719 |
|
CF01 | Termination of patent right due to non-payment of annual fee |