CN107024866A - 一种基于车速分区的多模型横向模糊控制方法 - Google Patents

一种基于车速分区的多模型横向模糊控制方法 Download PDF

Info

Publication number
CN107024866A
CN107024866A CN201710382609.3A CN201710382609A CN107024866A CN 107024866 A CN107024866 A CN 107024866A CN 201710382609 A CN201710382609 A CN 201710382609A CN 107024866 A CN107024866 A CN 107024866A
Authority
CN
China
Prior art keywords
speed
model
error
vehicle
control method
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.)
Pending
Application number
CN201710382609.3A
Other languages
English (en)
Inventor
汪若尘
魏振东
孙泽宇
孟祥鹏
陈龙
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.)
Jiangsu University
Original Assignee
Jiangsu University
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 Jiangsu University filed Critical Jiangsu University
Priority to CN201710382609.3A priority Critical patent/CN107024866A/zh
Publication of CN107024866A publication Critical patent/CN107024866A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于车速分区的多模型横向模糊控制方法，包括步骤：建立车辆模型，得到车辆二自由度运动微分方程：建立路面曲率模型；建立预瞄误差模型；将车速划分为低速、中速、高速三个档次，分别设计对应的横向模糊控制器；三种横向模糊控制器的设计中，均采用路径跟踪过程中产生的横向距离误差E1及角度误差E2作为输入，在不同的模糊控制规则下输出此车速下合适的前轮转角δ；上一步骤中设计的模糊控制器输出的前轮转角δ，再返回到步骤一中作为车辆二自由度模型的输入，由此形成一个闭环反馈系统。本发明所述的一种基于车速分区的多模型横向模糊控制方法，由于基于速度分区设计不同的控制器，这极大增加了控制器在不同车速下的适应能力。

Description

一种基于车速分区的多模型横向模糊控制方法
技术领域
本发明涉及汽车控制系统技术领域，特别涉及一种基于车速分区的多模型横向模糊控制方法。
背景技术
随着全球汽车保有量以及交通事故的不断上升，智能交通系统得到越来越多的关注。智能车辆作为智能交通系统的重要一员，其发展具有重要意义。新型、稳定、智能的控制系统更是被广泛研究和关注。在轨迹跟踪控制器的设计中，现有技术未考虑车速变化对控制器设计的影响，而这往往会造成智能车辆在路径跟踪过程中，由于一昧的追求跟踪精度而导致车辆在高速状态下失稳甚至侧翻。
发明内容
本发明的目的：针对现有技术的不足，本发明提供一种基于车速分区的多模型横向模糊控制方法,其一方面充分利用模糊规则的强抗干扰能力，免去了车辆由于参数不确定、非完整约束以及高度非线性而难以建立准确模型的烦恼。另一方面将车速分区为三个档次，分别设计对应局部控制器，极大增加了控制器在不同车速下的控制精度，同时兼顾车辆转向的稳定性。
本发明的技术方案：一种基于车速分区的多模型横向模糊控制方法，包括以下步骤：
第一步，建立车辆模型，以前轮转角δ作为输入，输出为纵向车速v及横摆角速度wr；
可以得到车辆二自由度运动微分方程：
其中，u—纵向车速，wr—横摆角速度，m—车辆质量，β—车辆质心侧偏角，Iz—车辆转动惯量，δ—前轮转角，v—横向车速，a，b—车辆质心到前后轮距离，k1，k2—前后轮胎的侧偏刚度；
第二步，建立路面曲率模型；
第三步，建立预瞄误差模型，以车辆路径跟踪过程中提供的纵向车速v及横摆角速度wr以及路面曲率KL作为输入，输出为路径跟踪过程中的距预瞄点的横向距离误差E1及角度误差E2；
第四步，将车速划分为低速、中速、高速三个档次，分别设计对应的横向模糊控制器；
第五步，三种横向模糊控制器的设计中，均采用路径跟踪过程中产生的横向距离误差E1及角度误差E2作为输入，在不同的模糊控制规则下输出此车速下合适的前轮转角δ；
第六步，上一步骤中设计的模糊控制器输出的前轮转角δ，再返回到步骤一中作为车辆二自由度模型的输入，由此形成一个闭环反馈系统，从而达到在路径跟踪过程中逐渐消除距离误差E1和角度误差E2的目的。
进一步，建立路面曲率模型具体过程为：
在0到100m的路段上，道路曲率为KL＝0，即直线路段；
在100到150m的路段上，道路曲率为KL＝0.005m-1，为曲线路段；
在150到250m的路段上，道路曲率为KL＝-0.01m-1，为曲线路段；
在250到300m的路段上，道路曲率为KL＝0，即直线路段。
进一步，所述预瞄误差模型：
其中，u—纵向车速，v—横向车速，wr—横摆角速度，L—预瞄距离，KL—路面曲率，E1—车辆预瞄点处车辆中心线与参考路径的横向距离误差，E2—车辆预瞄点处车辆中心线与参考路径的横向角度误差。
进一步，车速划分为三个档次分别为：
当车速小于10m/s时，系统自动判定汽车处于低速行驶状态，此时低速控制器进行工作；
当车速介于10m/s和20m/s之间时，系统自动判定汽车处于中速行驶状态，此时中速控制器进行工作；
当车速高于20m/s时，系统自动判定汽车处于高速行驶状态，此时高速控制器进行工作。
进一步，所述横向模糊控制器均采用相同的模糊蕴含关系；模糊控制器以路径跟踪过程中产生的距离误差E1和角度误差E2作为输入，输出为此车速下合适的前轮转角δ；
输入横向误差E1的论域为[-4m 4m],模糊集合为{NB,NS,ZE,PS,PB}，隶属度函数均采用三角形隶属函数Trimf；
输入角度误差E2的论域为[-60° 60°]，模糊集合为{NB,NS,ZE,PS,PB}，隶属度函数均采用三角形隶属函数Trimf；
输出前轮转角δ的论域为[-30° 30°]，模糊集合为{NB,NM,NS,ZE,PS,PM,PB}，隶属度函数均采用三角形隶属函数Trimf。
本发明的有益效果在于：
1.本发明所述的一种基于车速分区的多模型横向模糊控制方法，由于采用模糊控制器，一方面解决了车辆由于参数不确定、非完整约束以及高度非线性而难以建立准确模型的问题，另一方面极大的增强了系统的抗干扰能力。
2.本发明所述的一种基于车速分区的多模型横向模糊控制方法，由于基于速度分区设计不同的控制器，这极大增加了控制器在不同车速下的适应能力。
附图说明
图1为本发明的系统框图。
图2为本发明车辆的运动学模型。
图3为本发明设计的道路曲率图。
图4为本发明车辆基于预瞄的误差模型。
图5为本发明车速划分的流程图。
图6为本发明三种控制器输入横向距离误差E1的隶属函数曲线。
图7为本发明三种控制器输入横向角度误差E2的隶属函数曲线。
图8为本发明三种控制器输出前轮转角δ的隶属函数曲线。
图9为本发明的实验结果图。图9(a)为初始误差E1＝2.5m,E2＝30°，速度分别为10m/s,15m/s,20m/s时横向距离误差E1随时间变化图；图9(b)为初始误差E1＝2.5m,E2＝30°，速度分别为10m/s,15m/s,20m/s时横向角度误差E2随时间变化图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
如图1所示，本发明的基于车速分区的多模型横向模糊控制方法，该方法选取适当的方法将车速工况分区为若干区间，并分别设计局部模糊控制器，进而对车辆系统进行控制。这种将车速分区的方法极大提高了系统的控制精度，并能兼顾车辆转向的稳定性。该方法将当前车速划分为三个档次，车速低于10m/s为低速区间，10m/s～20m/s为中速区间，高于20m/s为高速区间。每个局部区间设计独立的模糊控制器。
上述的一种基于车速分区的多模型横向模糊控制方法中，在车速处于低速区间时设计局部模糊控制器，控制器以路径跟踪过程中横向位置误差E1和角度误差E2作为输入，根据设计的模糊控制规则表，输出适当的前轮转角。
上述的一种基于车速分区的多模型横向模糊控制方法中，在车速处于中速区间时设计局部模糊控制器，控制器以路径跟踪过程中横向位置误差E1和角度误差E2作为输入，根据设计的模糊控制规则表，输出适当的前轮转角。
上述的一种基于车速分区的多模型横向模糊控制方法中，在车速处于高速区间时设计局部模糊控制器，控制器以路径跟踪过程中横向位置误差E1和角度误差E2作为输入，根据设计的模糊控制规则表，输出适当的前轮转角。
上述的一种基于车速分区的多模型横向模糊控制方法中，三种局部控制器的输入输出均选用同样的论域、隶属度函数及解模糊方法。而区别体现在模糊控制规则的设计上。
本发明的具体过程为：
第一步，建立车辆模型，以前轮转角δ作为输入，输出纵向车速v及横摆角速度wr。
在车辆路径跟踪的过程中，车辆二自由度动力学模型能较好的体现车辆运动情况，在此，我们假设：
1.忽略转向系统的影响，直接以前轮转角δ作为输入；
2.忽略悬架的作用，即汽车绕z轴的位移，绕y轴的俯仰角，绕x轴的侧倾角均为0；
3.汽车沿x轴的前进速度u视为不变；
4.汽车侧向加速度<0.4g；
5.轮胎侧偏特性处于线性范围。
车辆运动学模型如图2所示，可以得到车辆二自由度运动微分方程：
化为状态方程形式：
式中a11＝(k1+k2)/(mu)
a12＝(ak1-bk2)/(mu)-v
a21＝(ak1-bk2)/(Izu)
a22＝(a2k1+b2k2)/(Izu)
b11＝k1/m
b21＝ak1/Iz
u——纵向车速
wr——横摆角速度
m——车辆质量
β——车辆质心侧偏角
Iz——车辆转动惯量
δ——前轮转角
v——横向车速
a，b——车辆质心到前后轮距离
k1，k2——前后轮胎的侧偏刚度
第二步，建立路面曲率模型，本发明提供的路径跟踪仿真实验参考路径如图3所示，用来验证本发明设计的一种基于车速分区的多模型横向模糊控制方法的可行性。
在0到100m的路段上，道路曲率为KL＝0，即直线路段；
在100到150m的路段上，道路曲率为KL＝0.005m-1，为曲线路段；
在150到250m的路段上，道路曲率为KL＝-0.01m-1，为曲线路段；
在250到300m的路段上，道路曲率为KL＝0，即直线路段。
第三步，建立预瞄误差模型，以车辆路径跟踪过程中提供的纵向车速v及横摆角速度wr以及本发明设计的路面曲率KL作为输入，输出路径跟踪过程中的距预瞄点的横向距离误差E1及角度误差E2。
基于预瞄的误差模型如图4所示，从图中可以得到
化为状态方程形式为
u——纵向车速
v——横向车速
wr——横摆角速度
L——预瞄距离
KL——路面曲率
E1——车辆预瞄点处车辆中心线与参考路径的横向距离误差
E2——车辆预瞄点处车辆中心线与参考路径的横向角度误差
本发明采用固定预瞄距离的路径跟踪方法，其中L取10m。
第四步，介绍本发明的车速划分规则,其中图5为车速划分的流程图。
当车速小于10m/s时，系统自动判定汽车处于低速行驶状态，此时低速控制器进行工作；
当车速介于10m/s和20m/s之间时，系统自动判定汽车处于中速行驶状态，此时中速控制器进行工作；
当车速高于20m/s时，系统自动判定汽车处于高速行驶状态，此时高速控制器进行工作。第五步，三种横向模糊控制器的设计中，均采用路径跟踪过程中产生的横向距离误差E1及角度误差E2作为输入，在不同的模糊控制规则下输出此车速下合适的前轮转角δ。
其中，三种控制器均采用相同的模糊蕴含关系(Mamdani)，具体如图6，图7，图8所示。输入横向误差E1的论域为[-4m 4m],模糊集合为{NB,NS,ZE,PS,PB},隶属度函数均采用三角形隶属函数(Trimf)。
输入角度误差E2的论域为[-60° 60°]，模糊集合为{NB,NS,ZE,PS,PB},隶属度函数均采用三角形隶属函数(Trimf)。
输出前轮转角δ的论域为[-30° 30°]，模糊集合为{NB,NM,NS,ZE,PS,PM,PB},隶属度函数均采用三角形隶属函数(Trimf)。
其中，模糊集合中的语言变量含义如下：
NB——负大(Negative Big)
NM——负中(Negative Medium)
NS——负小(Negative Small)
ZE——零(Zero)
PS——正小(Positive Small)
PM——正中(Positive Medium)
PB——正大(Positive Big)
三种模糊控制器模糊控制规则的不同之处体现在：在同样误差输入的情况下，若输出同样的前轮转角，高速运动的车辆显然比低速运动的车辆有更快消除误差的能力，但过于激烈的前轮转角会增加车辆高速转弯的不稳定性，甚至引发车祸。因此高速控制器中前轮转角的输出应该设计的更为“温和”一些。三种控制器的模糊控制规则如表1，表2，表3所示。其中以低速控制器的控制规则为例(表1)：
表1 为本发明低速控制器的模糊控制规则表
语句含义为：
R1：IF E1 is NB and E2 is NB,Thenδis PB
R2：IF E1 is NB and E2 is NS Thenδis PB
R3：IF E1 is NB and E2 is ZE,Thenδis PM
R4：IF E1 is NB and E2 is PS,Thenδis PM
R5：IF E1 is NB and E2 is PB Thenδis ZE
R6：IF E1 is NS and E2 is NB,Thenδis PB
R7：IF E1 is NS and E2 is NS,Thenδis PM
R8：IF E1 is NS and E2 is ZE,Thenδis PS
R9：IF E1 is NS and E2 is PS,Thenδis ZE
R10：IF E1 is NS and E2 is PB,Thenδis NM
R11：IF E1 is ZE and E2 is NB,Thenδis PM
R12：IF E1 is ZE and E2 is NS,Thenδis PS
R13：IF E1 is ZE and E2 is ZE,Thenδis ZE
R14：IF E1 is ZE and E2 is PS,Thenδis NS
R15：IF E1 is ZE and E2 is PB,Thenδis NM
R16：IF E1 is PS and E2 is NB,Thenδis PM
R17：IF E1 is PS and E2 is NS,Thenδis ZE
R18：IF E1 is PS and E2 is ZE,Thenδis NS
R19：IF E1 is PS and E2 is PS,Thenδis NM
R20：IF E1 is PS and E2 is PB,Thenδis NB
R21：IF E1 is PB and E2 is NB,Thenδis ZE
R22：IF E1 is PB and E2 is NS,Thenδis NM
R23：IF E1 is PB and E2 is ZE,Thenδis NM
R24：IF E1 is PB and E2 is PS,Thenδis NB
R25：IF E1 is PB and E2 is PB,Thenδis NB
表2 为本发明中速控制器的模糊控制规则表
表3 为本发明高速控制器的模糊控制规则表
可知，本发明一种基于车速分区的多模型横向模糊控制方法中三种模糊控制器一共提供3×25＝75种控制规则(中速控制器及高速控制器的规则略)。去模糊化方法均采用面积重心法(centroid)。
由此，三种模糊控制器以路径跟踪过程中产生的距离误差E1和角度误差E2作为输入，输出此车速下合适的前轮转角δ。
第六步，上一步骤中设计的模糊控制器输出的前轮转角δ，再返回到步骤一中作为车辆二自由度模型的输入。由此形成一个闭环反馈系统，从而达到在路径跟踪过程中逐渐消除距离误差E1和角度误差E2的目的。
由步骤1-6在MATLAB/SIMULINK中搭建模型，图9为本发明一种基于车速分区的多模型横向模糊控制方法的实验结果图。
其中，表4为本发明一种基于车速分区的多模型横向模糊控制方法的车辆参数表。
参数说明 数值
整车质量m(kg) 1818
整车绕Z轴的转动惯量Iz(kg·m2) 3858
整车质心到前后轴的距离a、b(m) 1.453,1.558
前后轮侧偏刚度k1，k2(N/rad) 65610,110185
图9(a)为初始误差E1＝2.5m,E2＝30°，速度分别为10m/s,15m/s,20m/s时横向距离误差E1随时间变化图；
图9(b)为初始误差E1＝2.5m,E2＝30°，速度分别为10m/s,15m/s,20m/s时横向角度误差E2随时间变化图；
从图9可以看出，本发明一种基于车速分区的多模型横向模糊控制方法在车辆处于低速状态下，具有快速消除横向距离误差E1和角度误差E2的能力，能快速准确的跟踪目标路径。本发明一种基于车速分区的多模型横向模糊控制方法在车辆处于中速状态下，具有逐渐消除横向距离误差E1和角度误差E2的能力，能安全准确的跟踪目标路径。
本发明一种基于车速分区的多模型横向模糊控制方法在车辆处于高速状态下，该方法消除横向距离误差E1和角度误差E2的能力较差，但这时本发明为提高车辆行驶安全性而做出的必要牺牲，且距离误差E1和角度误差E2均在可以接受的范围内。
综上所述，本发明一种基于车速分区的多模型横向模糊控制方法对各种车速工况具有较强的适应能力，且能快速、准确、安全的跟踪目标路径。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种基于车速分区的多模型横向模糊控制方法，其特征在于，包括以下步骤：
第一步，建立车辆模型，以前轮转角δ作为输入，输出纵向车速v及横摆角速度wr；
可以得到车辆二自由度运动微分方程：
其中，u—纵向车速，wr—横摆角速度，m—车辆质量，β—车辆质心侧偏角，Iz—车辆转动惯量，δ—前轮转角，v—横向车速，a，b—车辆质心到前后轮距离，k1，k2—前后轮胎的侧偏刚度；
第二步，建立路面曲率模型；
第三步，建立预瞄误差模型，以车辆路径跟踪过程中提供的纵向车速v及横摆角速度wr以及路面曲率KL作为输入，输出为路径跟踪过程中的距预瞄点的横向距离误差E1及角度误差E2；
第四步，将车速划分为低速、中速、高速三个档次，分别设计对应的横向模糊控制器；
第五步，三种横向模糊控制器的设计中，均采用路径跟踪过程中产生的横向距离误差E1及角度误差E2作为输入，在不同的模糊控制规则下输出此车速下合适的前轮转角δ；
第六步，上一步骤中设计的模糊控制器输出的前轮转角δ，再返回到步骤一中作为车辆二自由度模型的输入，由此形成一个闭环反馈系统，从而达到在路径跟踪过程中逐渐消除距离误差E1和角度误差E2的目的。
2.根据权利要求1所述的一种基于车速分区的多模型横向模糊控制方法，其特征在于，建立路面曲率模型具体过程为：
在0到100m的路段上，道路曲率为KL＝0，即直线路段；
在100到150m的路段上，道路曲率为KL＝0.005m-1，为曲线路段；
在150到250m的路段上，道路曲率为KL＝-0.01m-1，为曲线路段；
在250到300m的路段上，道路曲率为KL＝0，即直线路段。
3.根据权利要求1所述的一种基于车速分区的多模型横向模糊控制方法，其特征在于，所述预瞄误差模型：
其中，u—纵向车速，v—横向车速，wr—横摆角速度，L—预瞄距离，KL—路面曲率，E1—车辆预瞄点处车辆中心线与参考路径的横向距离误差，E2—车辆预瞄点处车辆中心线与参考路径的横向角度误差。
4.根据权利要求1所述的一种基于车速分区的多模型横向模糊控制方法，其特征在于，车速划分为三个档次分别为：
当车速小于10m/s时，系统自动判定汽车处于低速行驶状态，此时低速控制器进行工作；
当车速介于10m/s和20m/s之间时，系统自动判定汽车处于中速行驶状态，此时中速控制器进行工作；
当车速高于20m/s时，系统自动判定汽车处于高速行驶状态，此时高速控制器进行工作。
5.根据权利要求1所述的一种基于车速分区的多模型横向模糊控制方法，其特征在于，所述横向模糊控制器均采用相同的模糊蕴含关系；模糊控制器以路径跟踪过程中产生的距离误差E1和角度误差E2作为输入，输出为此车速下合适的前轮转角δ；
输入横向误差E1的论域为[-4m 4m],模糊集合为{NB,NS,ZE,PS,PB}，隶属度函数均采用三角形隶属函数Trimf；
输入角度误差E2的论域为[-60°60°]，模糊集合为{NB,NS,ZE,PS,PB}，隶属度函数均采用三角形隶属函数Trimf；
输出前轮转角δ的论域为[-30°30°]，模糊集合为{NB,NM,NS,ZE,PS,PM,PB}，隶属度函数均采用三角形隶属函数Trimf。
CN201710382609.3A 2017-05-26 2017-05-26 一种基于车速分区的多模型横向模糊控制方法 Pending CN107024866A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710382609.3A CN107024866A (zh) 2017-05-26 2017-05-26 一种基于车速分区的多模型横向模糊控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710382609.3A CN107024866A (zh) 2017-05-26 2017-05-26 一种基于车速分区的多模型横向模糊控制方法

Publications (1)

Publication Number Publication Date
CN107024866A true CN107024866A (zh) 2017-08-08

Family

ID=59529299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710382609.3A Pending CN107024866A (zh) 2017-05-26 2017-05-26 一种基于车速分区的多模型横向模糊控制方法

Country Status (1)

Country Link
CN (1) CN107024866A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107651010A (zh) * 2017-09-19 2018-02-02 北京理工大学 基于驾驶员模型的速差转向车辆转向控制器及控制方法
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
CN108382456A (zh) * 2018-04-04 2018-08-10 辽宁工业大学 一种无人驾驶汽车电动线控转向装置及转向控制方法
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
CN109375502A (zh) * 2018-10-31 2019-02-22 奇瑞汽车股份有限公司 智能汽车的控制方法、装置及存储介质
CN109835336A (zh) * 2019-02-19 2019-06-04 北京工业大学 一种基于模糊算法的带约束方波状车速规划方法
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
CN111428382A (zh) * 2020-04-17 2020-07-17 福瑞泰克智能系统有限公司 车辆轨迹控制的方法、系统、计算机设备和可读存储介质
CN111522337A (zh) * 2020-04-03 2020-08-11 浙江工业大学 一种基于模糊控制的多驱动轮agv导航方法
CN112947087A (zh) * 2021-02-03 2021-06-11 齐鲁工业大学 半主动悬架增强型多重模糊pid控制系统及方法
CN113815602A (zh) * 2021-07-19 2021-12-21 北京理工大学 一种车辆横向自适应控制方法
CN114510047A (zh) * 2022-01-27 2022-05-17 中国第一汽车股份有限公司 一种路径跟踪的原路径返回方法、装置、车辆及介质
CN114942590A (zh) * 2022-03-30 2022-08-26 合肥工业大学 一种基于模糊控制的方程式赛车的横向控制方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5249126A (en) * 1989-09-27 1993-09-28 Nissan Motor Company, Limited System and method for controlling steering response according to vehicle speed applicable to autonomous vehicle
CN103439884A (zh) * 2013-07-19 2013-12-11 大连理工大学 一种基于模糊滑模的智能汽车横向控制方法
CN104443022A (zh) * 2014-11-11 2015-03-25 深圳职业技术学院 一种四轮独立驱动电动汽车稳定性控制方法及系统
CN106184199A (zh) * 2016-07-07 2016-12-07 辽宁工业大学 分布式控制电动汽车稳定性的集成控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5249126A (en) * 1989-09-27 1993-09-28 Nissan Motor Company, Limited System and method for controlling steering response according to vehicle speed applicable to autonomous vehicle
CN103439884A (zh) * 2013-07-19 2013-12-11 大连理工大学 一种基于模糊滑模的智能汽车横向控制方法
CN104443022A (zh) * 2014-11-11 2015-03-25 深圳职业技术学院 一种四轮独立驱动电动汽车稳定性控制方法及系统
CN106184199A (zh) * 2016-07-07 2016-12-07 辽宁工业大学 分布式控制电动汽车稳定性的集成控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
倪兰青 等: "基于预瞄的智能车辆路径跟踪控制研究", 《重庆理工大学学报(自然科学)》 *
胡启国 等: "汽车四轮转向自适应模糊神经网络控制研究", 《工程设计学报》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107651010A (zh) * 2017-09-19 2018-02-02 北京理工大学 基于驾驶员模型的速差转向车辆转向控制器及控制方法
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
CN108382456A (zh) * 2018-04-04 2018-08-10 辽宁工业大学 一种无人驾驶汽车电动线控转向装置及转向控制方法
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
CN109375502A (zh) * 2018-10-31 2019-02-22 奇瑞汽车股份有限公司 智能汽车的控制方法、装置及存储介质
CN109835336A (zh) * 2019-02-19 2019-06-04 北京工业大学 一种基于模糊算法的带约束方波状车速规划方法
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
CN111522337A (zh) * 2020-04-03 2020-08-11 浙江工业大学 一种基于模糊控制的多驱动轮agv导航方法
CN111522337B (zh) * 2020-04-03 2023-07-21 浙江工业大学 一种基于模糊控制的多驱动轮agv导航方法
CN111428382A (zh) * 2020-04-17 2020-07-17 福瑞泰克智能系统有限公司 车辆轨迹控制的方法、系统、计算机设备和可读存储介质
CN112947087A (zh) * 2021-02-03 2021-06-11 齐鲁工业大学 半主动悬架增强型多重模糊pid控制系统及方法
CN113815602A (zh) * 2021-07-19 2021-12-21 北京理工大学 一种车辆横向自适应控制方法
CN113815602B (zh) * 2021-07-19 2023-10-24 北京理工大学 一种车辆横向自适应控制方法
CN114510047A (zh) * 2022-01-27 2022-05-17 中国第一汽车股份有限公司 一种路径跟踪的原路径返回方法、装置、车辆及介质
CN114942590A (zh) * 2022-03-30 2022-08-26 合肥工业大学 一种基于模糊控制的方程式赛车的横向控制方法及装置
CN114942590B (zh) * 2022-03-30 2024-05-07 合肥工业大学 一种基于模糊控制的方程式赛车的横向控制方法及装置

Similar Documents

Publication Publication Date Title
CN107024866A (zh) 一种基于车速分区的多模型横向模糊控制方法
CN110502009A (zh) 基于航向预估的无人驾驶车辆路径跟踪控制方法
CN109318905A (zh) 一种智能汽车路径跟踪混合控制方法
Hu et al. Should the desired heading in path following of autonomous vehicles be the tangent direction of the desired path?
CN110006419A (zh) 一种基于预瞄的车辆轨迹跟踪点确定方法
CN103121451A (zh) 一种弯路换道轨迹的跟踪控制方法
CN108646756A (zh) 基于分段仿射模糊滑模的智能汽车横向控制方法及系统
CN110962849A (zh) 一种弯道自适应巡航方法
CN109683614A (zh) 用于无人矿用车辆的车辆路径控制方法及装置
CN112578672B (zh) 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法
Zhou et al. Design and evaluation of path following controller based on MPC for autonomous vehicle
CN108829110A (zh) 一种横/纵向运动统一框架的驾驶员模型建模方法
Wang et al. Coordinated lateral and longitudinal vehicle-following control of connected and automated vehicles considering nonlinear dynamics
CN110920616A (zh) 一种智能车换道轨迹及换道轨迹跟随控制方法
CN115047766A (zh) 一种基于预测控制模型的速度规划方法
CN110703775B (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
Tao et al. Design of trajectory tracking controller of unmanned tracked vehicles based on torque control
Chang et al. An adaptive MPC trajectory tracking algorithm for autonomous vehicles
CN111731380B (zh) 一种基于轮胎非线性特点的线控四轮转向分段控制方法
CN114179818A (zh) 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法
Zhao et al. Integrated longitudinal and lateral control system design and case study on an electric vehicle
You et al. Active steering for intelligent vehicles using advanced control synthesis
Li et al. Vehicle trajectory generation for optimal driving guidance
Wang et al. Simulation research on vehicle stability control for 4WD electric vehicle
Zhuang et al. Model-Predictive-Control-Based Simultaneous Trajectory Tracking and Speed Control for Intelligent Vehicles

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170808