CN113031443A - 一种带有主动安全和自适应预瞄的车辆横向运动控制方法 - Google Patents
一种带有主动安全和自适应预瞄的车辆横向运动控制方法 Download PDFInfo
- Publication number
- CN113031443A CN113031443A CN202110241651.XA CN202110241651A CN113031443A CN 113031443 A CN113031443 A CN 113031443A CN 202110241651 A CN202110241651 A CN 202110241651A CN 113031443 A CN113031443 A CN 113031443A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- preview
- controller
- angle
- model
- 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
Links
Images
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
Abstract
一种带有主动安全和自适应预瞄的车辆横向运动控制方法,基于粒子群优化与支持向量机的学习模型建立预瞄控制器,能根据车辆不同状态自适应调整预瞄时距,可以有效解决小样本非线性系统中局部最优问题和维数灾问题导致的在线应用控制效果延迟的现象,极大的降低计算负担,在实现预瞄时距自适应调整的同时有效克服了现有控制策略精度受车速和道路曲率的影响较大、且控制规则对操作人员经验的依赖过高的缺陷,在实车测试中取得了较好的控制效果。
Description
技术领域
本发明涉及智能车辆运动控制技术领域,尤其涉及一种智能车辆横向控制方法,能够实现主动安全功能并进行基于粒子群算法和支持向量机理论的预瞄时距计算。
背景技术
智能车辆横向运动控制根据控制目标的不同分为纵向运动控制和横向运动控制,目前横向运动控制技术是实现智能车辆自主驾驶的核心技术之一,进行这种控制的目的是在连续变化的曲率工况下车辆仍具有良好的稳定性和安全性。在采用预瞄式横向运动控制的现有技术中,通常以车辆前方预瞄时距点处的位姿为控制器输入,对参考轨迹曲率变化具有良好的适应性。大量仿真和试验结果表明,在参考轨迹曲率连续变化工况下,预瞄时距的选择对路径跟踪精度、车辆转向稳定性和乘坐舒适性有显著影响。现有预瞄式横向运动控制器设计中,大多将预瞄距离表示为纵向车速的一元或二元函数,或将其用模糊规则表示,譬如在中国专利CN107097785B中,采用了模糊规则理论设计自适应预瞄横向运动控制器。该方法是一种基于规则的控制,虽然能在一定车速范围内保证车辆轨迹跟踪精度,但随着纵向车速和道路曲率发生大范围波动时,模糊规则不再适用,此时不仅轨迹跟踪精度会发生明显下降,同时转向稳定性和乘坐舒适性也会呈现出不同程度的恶化。而对于使用模糊规则表示预瞄距离的模糊控制方式来说,制定适合的模糊规则对专家的工程经验依赖性很强,也限制了这种方式的应用。
发明内容
为了克服上述现有技术中存在的问题与缺陷,本发明旨在提供一种既能使智能车辆在参数变化和外界干扰情况下实现对路径的精确跟踪,同时还能兼顾车辆在跟踪过程中的转向稳定性和乘坐舒适性的车辆横向运动控制方法。
为实现上述目的,本发明提供了一种带有主动安全和自适应预瞄的车辆横向运动控制方法,包括以下步骤:
步骤1、首先构建整车非线性动力学模型作为参考模型;
步骤2、构建分层式横向控制模型,包括上层控制器和下层控制器,其中上层控制器用于提供期望的车辆速度和预瞄时距,包括并行操作的主动安全控制器与预瞄误差模型,以及接收主动安全控制器与预瞄误差模型输出的自适应预瞄控制器;所述自适应预瞄控制器由顺序串联执行的PSO(粒子群优化)模块与SVM(支持向量机)预测模型构成;下层控制器包括基于模型预测控制的MPC控制器和PI反馈控制器,用于分配转矩以实现所述期望的车辆速度和前轮转角;
步骤3、所述主动安全控制器接收所述参考模型中对应的当前纵向速度vx、路面摩擦系数μ以及路径的曲率ρ,计算出当前的安全纵向车速范围;
步骤4、所述预瞄误差模型接收参考模型参数并结合参考路径参数、安全纵向车速范围、参考路径曲率计算预瞄时距点处的车辆位姿;
步骤5、以消除预瞄时距点综合误差为控制目标,将步骤3和步骤4的结果输入PSO模块,自适应得到最优预瞄时距;
步骤6、将步骤5得到的最优预瞄时距和对应的车速信息与道路信息作为样本数据输入到SVM预测模型进行离线训练,得到用于对预瞄时距进行实时在线预测模型;将后续得到的车速信息与路径信息输入训练好的SVM预测模型在线得到预瞄时距;
步骤7、下层控制器中MPC控制器接收由步骤6得到的预瞄时距,计算得到前轮转角;
步骤8、下层控制器中PI反馈控制器根据预瞄时距和预瞄时距点处的位姿误差计算车辆的前轮转角补偿量。
步骤9、基于所述前轮转角与所述前轮转角补偿量计算实际前轮转角,最终实现车辆的横向运动控制。
进一步地,所述步骤1中的参考模型基于整车3自由度动力学模型建立,具有以下形式:
式中,x、y、分别是车辆的横坐标、纵坐标和航向角,Iz为车辆的转动惯量,上标·表示导数,Flf、Flr分别是车辆前后轮所受的横向力,Fcf、Fcr是车辆前后轮所受的纵向力,Fxf、Fxr分别为车辆前后轮在x方向所受的纵向力,Fyf、Fyr分别为车辆前后轮在y方向所受的侧向力;a、b分别是车辆质心距前、后轴的距离; 分别为车辆大地坐标系下的纵向速度、侧向速度。
进一步地,所述主动安全控制器具有以下形式:
vlimit=min(vslip,vover,vmax)
Ft=0.5ρCdAvx 2+mg(f cosα+sinα)
式中,vmax为道路限速,vslip为车辆防侧滑约束,vover为车辆防侧翻约束,vlimit为纵向安全车速,μ为路面摩擦系数,g为重力系数,α为路面坡度,L为轴距,kslip为小于1的防侧滑系数,δf为车辆实际的前轮转角,Ft为车辆行驶阻力,ρ为空气密度,Cd为空气阻力系数,A为迎风面积,m为车辆质量,f为道路滚动阻力系数,h为质心高度,bave为平均轮距,kover为小于1的防侧翻系数,R为曲率半径。
进一步地,所述预瞄误差模型基于以下关系建立:
v=vM
tanβM=(L+Lf)tanδf/L
β=βM+ωTpre
ω=v tanδf cosβM/L
式中,vM为车头M点的速度,Lf为车辆前悬长度,θ为车辆航向角,ω为车辆横摆角速度,βM为车头M点处的侧偏角,β为预瞄点N处的侧偏角,xM、yM分别为车头M处的横、纵坐标,xN、yN分别为预瞄点N处的横、纵坐标,Tpre为预瞄时距;利用上述公式可得到相应的预瞄误差。
进一步地,PSO模块基于以下关系建立:
J=ω1J1+ω2J2+ω3J3+ω4J4
式中,Xf为车辆实际坐标信息,Xr为参考轨迹的坐标信息,θf为车辆的实际航向角,θr为参考轨迹的航向角,u为系统的控制变量,ay为车辆的加速度,t0为车辆的采样时间,J1为车辆实际位置与参考轨迹的横纵向误差指标,J2为方向误差指标,J3、J4为车辆稳定性指标,ωi(i=1,2,3,4)为权重系数。
进一步地,所述对以下模型进行离线训练以得到所述SVM预测模型:
式中,Loss(Tpre_predict,Tpre_real)为样本数据和实际数据的均方根误差,Tpre_predict为SVM预测模型预测出的预瞄时距,Tpre_real为PSO模块输出的最优预瞄时距样本。
进一步地,步骤7中MPC控制器的系统方程为:
以消除综合误差和平稳转向为控制目标,代价函数表示为:
J=(Xd-Xdref)TQ(Xd-Xdref)+uTRu
式中,Xd为车辆位姿信息(横纵坐标和航向角信息),Xdref为参考轨迹路径信息(横纵坐标和航向角信息),Q为状态加权矩阵,R为控制加权矩阵。
约束条件表示为:
βmin≤β≤βmax
Δδmax≤Δu≤Δδmax
δmax≤u(k-1)+Δu≤δmax
进一步地,步骤8中PI反馈控制器计算车辆的前轮转角补偿量具体为:
式中,δPI为车辆前轮转角的补偿量,Kp、Ki分别为车辆横纵向偏移量与方向角偏移量的比例系数和积分系数,ex、ey、eθ分别为车辆的横纵向偏移量和方向角偏移量,t为采样时间;
实际前轮转角控制量可表示为:
δf=δMPC+δPI
式中,δf为车辆实际的前轮转角输出量,δMPC为经MPC控制器求解得到的前轮转角。
上述本发明所提供的方法,基于粒子群优化与支持向量机的学习模型建立预瞄控制器,能根据车辆不同状态自适应调整预瞄时距,可以有效解决小样本非线性系统中局部最优问题和维数灾问题导致的在线应用控制效果延迟的现象,极大的降低计算负担,在实现预瞄时距自适应调整的同时有效克服了现有控制策略精度受车速和道路曲率的影响较大,且控制规则对操作人员经验的依赖过高的缺陷,在实车测试中取得了较好的控制效果。相对于现有技术具有诸多预料不到的技术效果。
附图说明
图1本发明所提供方法的流程示意图;
图2整车3自由度非线性模型示意图;
图3预瞄误差模型示意图;
图4预瞄时距与道路曲率和车速关系图;
图5安全车速限值图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所提供的一种带有主动安全和自适应预瞄的车辆横向运动控制方法,如图1所示,包括以下步骤:
步骤1、首先构建整车非线性动力学模型作为参考模型;
步骤2、构建分层式横向控制模型,包括上层控制器和下层控制器,其中上层控制器用于提供期望的车辆速度和预瞄时距,包括并行操作的主动安全控制器与预瞄误差模型,以及接收主动安全控制器与预瞄误差模型输出的自适应预瞄控制器;所述自适应预瞄控制器由顺序串联执行的PSO(粒子群优化)模块与SVM(支持向量机)预测模型构成;下层控制器包括基于模型预测控制的MPC控制器和PI反馈控制器,用于分配转矩以实现所述期望的车辆速度和前轮转角;
步骤3、所述主动安全控制器接收所述参考模型中对应的当前纵向速度vx、路面摩擦系数μ以及路径的曲率ρ,计算出当前的安全纵向车速范围;
步骤4、所述预瞄误差模型接收参考模型参数并结合参考路径参数、纵向安全车速范围、参考路径曲率计算预瞄时距点处的车辆位姿;
步骤5、以消除预瞄时距点综合误差为控制目标,将步骤3和步骤4的结果输入PSO模块,自适应得到最优预瞄时距;步骤6、将步骤5得到的最优预瞄时距和对应的车速信息与道路信息作为样本数据输入到SVM预测模型进行离线训练,得到用于对预瞄时距进行实时在线预测模型;将后续得到的车速信息与路径信息输入训练好的SVM预测模型在线得到预瞄时距;
步骤7、下层控制器中MPC控制器接收由步骤6得到的预瞄时距,计算得到前轮转角;
步骤8、下层控制器中PI反馈控制器根据预瞄时距和预瞄时距点处的位姿误差计算车辆的前轮转角补偿量。
步骤9、基于所述前轮转角与所述前轮转角补偿量计算实际前轮转角,最终实现车辆的横向运动控制。
在本发明的一个优选实施方式中,所述步骤1中的参考模型基于整车3自由度动力学模型建立,如图2所示,具有以下形式:
式中,
Fxf=Flf cosδf-Fcf sinδf
Fxr=Flr cosδr-Fcr sinδr
Fyf=Flf sinδf+Fcf cosδf
Fyr=Flr sinδr+Fcr cosδr
Flf=Clfsf Flr=Clrsr
式中,x、y、φ分别是车辆的横坐标、纵坐标和航向角,Iz为车辆的转动惯量,上标·表示导数,Flf、Flr分别是车辆前后轮所受的横向力,Fcf、Fcr是车辆前后轮所受的纵向力,Fxf、Fxr分别为车辆前后轮在x方向所受的纵向力,Fyf、Fyr分别为车辆前后轮在y方向所受的侧向力;a、b分别是车辆质心距前、后轴的距离; 分别为车辆在大地坐标系下的纵向速度、侧向速度。
如图3所示,在本发明的一个优选实施方式中,所述主动安全控制器具有以下形式:
vlimit=min(vslip,vover,vmax)
Ft=0.5ρCdAvx 2+mg(f cosα+sinα)
式中,vmax为道路限速,vslip为车辆防侧滑约束,vover为车辆防侧翻约束,vlimit为安全纵向车速,μ为路面摩擦系数,g为重力系数,α为路面坡度,L为轴距,kslip为小于1的防侧滑系数,δf为车辆实际的前轮转角,Ft为车辆行驶阻力,ρ为空气密度,Cd为空气阻力系数,A为迎风面积,m为车辆质量,f为道路滚动阻力系数,h为质心高度,bave为平均轮距,kover为小于1的防侧翻系数,R为曲率半径。
所述预瞄误差模型基于以下关系建立:
v=vM
tanβM=(L+Lf)tanδf/L
β=βM+ωTpre
ω=v tanδfcosβM/L
式中,vM为车头M点的速度,Lf为车辆前悬长度,θ为车辆航向角,ω为车辆横摆角速度,βM为车头M点处的侧偏角,β为预瞄点N处的侧偏角,xM、yM分别为车头M处的横、纵坐标,xN、yN分别为预瞄点N处的横、纵坐标,Tpre为预瞄时距;利用上述公式可得到相应的预瞄误差。
PSO模块基于以下关系建立:
J=ω1J1+ω2J2+ω3J3+ω4J4
式中,Xf为车辆实际坐标信息,Xr为参考轨迹的坐标信息,θf为车辆的实际航向角,θr为参考轨迹的航向角,u为系统的控制变量,ay为车辆的加速度,t0为车辆的采样时间,J1为车辆实际位置与参考轨迹的横纵向误差指标,J2为方向误差指标,J3、J4为车辆稳定性指标,ωi(i=1,2,3,4)为权重系数。
所述对以下模型进行离线训练以得到所述SVM预测模型:
式中,Loss(Tpre_predict,Tpre_real)为样本数据和实际数据的均方根误差,Tpre_predict为SVM预测模型预测出的预瞄时距,Tpre_real为PSO模块输出的最优预瞄时距样本。
进一步地,步骤7中MPC控制器的系统方程为:
以消除综合误差和平稳转向为控制目标,代价函数表示为:
J=(Xd-Xdref)TQ(Xd-Xdref)+uTRu
式中,Xd为车辆位姿信息(横纵坐标和航向角信息),Xdref为参考轨迹路径信息(横纵坐标和航向角信息),Q为状态加权矩阵,R为控制加权矩阵。
约束条件表示为:
βmin≤β≤βmax
Δδmax≤Δu≤Δδmax
δmax≤u(k-1)+Δu≤δmax
进一步地,步骤8中PI反馈控制器计算车辆的前轮转角补偿量具体为:
式中,δPI为车辆前轮转角的补偿量,Kp、Ki分别为车辆横纵向偏移量与方向角偏移量的比例系数和积分系数,ex、ey、eθ分别为车辆的横纵向偏移量和方向角偏移量,t为采样时间;
实际前轮转角控制量可表示为:
δf=δMPC+δPI
式中,δf为车辆实际的前轮转角输出量,δMPC为经MPC控制器求解得到的前轮转角。图4和图5中示出了本发明的优选实例中,预瞄时距与道路曲率、车速的关系,以及利用本发明得到安全车速限值。
应理解,本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神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,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种带有主动安全和自适应预瞄的车辆横向运动控制方法,其特征在于:包括以下步骤:
步骤1、首先构建整车非线性动力学模型作为参考模型;
步骤2、构建分层式横向控制模型,包括上层控制器和下层控制器,其中上层控制器用于提供期望的车辆速度和预瞄时距,包括并行操作的主动安全控制器与预瞄误差模型,以及接收主动安全控制器与预瞄误差模型输出的自适应预瞄控制器;所述自适应预瞄控制器由顺序串联执行的粒子群优化PSO模块与支持向量机的SVM预测模型构成;下层控制器包括基于模型预测控制的MPC控制器和PI反馈控制器,用于分配转矩以实现所述期望的车辆速度和前轮转角;
步骤3、所述主动安全控制器接收所述参考模型中对应的当前纵向速度vx、路面摩擦系数μ以及路径的曲率,计算出当前的安全纵向车速范围;
步骤4、所述预瞄误差模型接收参考模型参数并结合参考路径参数、安全纵向车速范围、参考路径曲率计算预瞄时距点处的车辆位姿;
步骤5、以消除预瞄时距点综合误差为控制目标,将步骤3和步骤4的结果输入PSO模块,自适应得到最优预瞄时距;
步骤6、将步骤5得到的最优预瞄时距和对应的车速信息与道路信息作为样本数据输入到SVM预测模型进行离线训练,得到用于对预瞄时距进行实时在线预测模型;将后续得到的车速信息与路径信息输入训练好的SVM预测模型在线得到预瞄时距;
步骤7、下层控制器中MPC控制器接收由步骤6得到的预瞄时距,计算得到前轮转角;
步骤8、下层控制器中PI反馈控制器根据预瞄时距和预瞄时距点处的位姿误差计算车辆的前轮转角补偿量。
步骤9、基于所述前轮转角与所述前轮转角补偿量计算实际前轮转角,最终实现车辆的横向运动控制。
3.如权利要求2所述的方法,其特征在于:所述主动安全控制器具有以下形式:
vlimit=min(vslip,vover,vmax)
Ft=0.5ρCdAvx 2+mg(fcosα+sinα)
式中,vmax为道路限速,vslip为车辆防侧滑约束,vover为车辆防侧翻约束,vlimit为安全纵向车速,μ为路面摩擦系数,g为重力系数,α为路面坡度,L为轴距,kslip为小于1的防侧滑系数,δf为车辆实际的前轮转角,Ft为车辆行驶阻力,ρ为空气密度,Cd为空气阻力系数,A为迎风面积,m为车辆质量,f为道路滚动阻力系数,h为质心高度,bave为平均轮距,kover为小于1的防侧翻系数,R为曲率半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110241651.XA CN113031443A (zh) | 2021-03-04 | 2021-03-04 | 一种带有主动安全和自适应预瞄的车辆横向运动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110241651.XA CN113031443A (zh) | 2021-03-04 | 2021-03-04 | 一种带有主动安全和自适应预瞄的车辆横向运动控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113031443A true CN113031443A (zh) | 2021-06-25 |
Family
ID=76467701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110241651.XA Pending CN113031443A (zh) | 2021-03-04 | 2021-03-04 | 一种带有主动安全和自适应预瞄的车辆横向运动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113031443A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113934141A (zh) * | 2021-10-21 | 2022-01-14 | 北京理工大学 | 一种基于有限时域鲁棒增益调度的横向运动控制方法 |
CN115346366A (zh) * | 2022-07-22 | 2022-11-15 | 武汉理工大学 | 一种考虑路面附着系数的智能网联车队控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007001405A (ja) * | 2005-06-23 | 2007-01-11 | Mazda Motor Corp | 車両の制御装置 |
CN102788704A (zh) * | 2012-06-29 | 2012-11-21 | 北京理工大学 | 基于驾驶员模型的汽车操纵稳定性检测系统及检测方法 |
CN107169468A (zh) * | 2017-05-31 | 2017-09-15 | 北京京东尚科信息技术有限公司 | 用于控制车辆的方法和装置 |
CN107272419A (zh) * | 2017-08-01 | 2017-10-20 | 成都雅骏新能源汽车科技股份有限公司 | 一种基于改进pso的驾驶员自适应方向控制方法 |
CN109050535A (zh) * | 2018-07-25 | 2018-12-21 | 北京理工大学 | 一种基于车辆姿态的快速地形工况辨识方法 |
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 |
CN110703775A (zh) * | 2019-09-16 | 2020-01-17 | 江苏大学 | 一种基于改进人工势场的商用车车道保持路径规划方法 |
CN111497826A (zh) * | 2020-04-15 | 2020-08-07 | 北京理工大学 | 一种电动汽车横摆稳定性协调控制方法及系统 |
CN111665850A (zh) * | 2020-06-29 | 2020-09-15 | 合肥工业大学 | 一种无人驾驶方程式赛车轨迹跟踪横向控制方法及装置 |
-
2021
- 2021-03-04 CN CN202110241651.XA patent/CN113031443A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007001405A (ja) * | 2005-06-23 | 2007-01-11 | Mazda Motor Corp | 車両の制御装置 |
CN102788704A (zh) * | 2012-06-29 | 2012-11-21 | 北京理工大学 | 基于驾驶员模型的汽车操纵稳定性检测系统及检测方法 |
CN107169468A (zh) * | 2017-05-31 | 2017-09-15 | 北京京东尚科信息技术有限公司 | 用于控制车辆的方法和装置 |
CN107272419A (zh) * | 2017-08-01 | 2017-10-20 | 成都雅骏新能源汽车科技股份有限公司 | 一种基于改进pso的驾驶员自适应方向控制方法 |
CN109050535A (zh) * | 2018-07-25 | 2018-12-21 | 北京理工大学 | 一种基于车辆姿态的快速地形工况辨识方法 |
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 |
CN110703775A (zh) * | 2019-09-16 | 2020-01-17 | 江苏大学 | 一种基于改进人工势场的商用车车道保持路径规划方法 |
CN111497826A (zh) * | 2020-04-15 | 2020-08-07 | 北京理工大学 | 一种电动汽车横摆稳定性协调控制方法及系统 |
CN111665850A (zh) * | 2020-06-29 | 2020-09-15 | 合肥工业大学 | 一种无人驾驶方程式赛车轨迹跟踪横向控制方法及装置 |
Non-Patent Citations (3)
Title |
---|
HONGWEN HE ET AL.: "Design and experiential test of a model predictive path following control with adaptive preview for autonomous buses", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》 * |
李军等: "融合稳定性的高速无人驾驶车辆纵横向协调控制方法", 《交通运输工程学报》 * |
田云浪: "智能商用车辆的轨迹跟踪控制研究", 《信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113934141A (zh) * | 2021-10-21 | 2022-01-14 | 北京理工大学 | 一种基于有限时域鲁棒增益调度的横向运动控制方法 |
CN113934141B (zh) * | 2021-10-21 | 2023-09-12 | 北京理工大学 | 一种基于有限时域鲁棒增益调度的横向运动控制方法 |
CN115346366A (zh) * | 2022-07-22 | 2022-11-15 | 武汉理工大学 | 一种考虑路面附着系数的智能网联车队控制方法及系统 |
CN115346366B (zh) * | 2022-07-22 | 2023-11-28 | 武汉理工大学 | 一种考虑路面附着系数的智能网联车队控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111890951B (zh) | 智能电动汽车轨迹跟踪与运动控制方法 | |
CN112733270B (zh) | 车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法 | |
CN111497826B (zh) | 一种电动汽车横摆稳定性协调控制方法及系统 | |
CN109849899B (zh) | 一种电动轮汽车电液复合车身稳定控制系统及方法 | |
CN113031443A (zh) | 一种带有主动安全和自适应预瞄的车辆横向运动控制方法 | |
CN109144076B (zh) | 一种多车辆横纵向耦合协同控制系统及控制方法 | |
CN107415939B (zh) | 一种分布式驱动电动汽车转向稳定性控制方法 | |
CN109969183A (zh) | 基于安全可控域的弯道跟车控制方法 | |
CN111923908A (zh) | 一种融合稳定性的智能汽车路径跟踪控制方法 | |
CN113608530B (zh) | 一种带有pid转角补偿的参数自整定lqr路径跟踪方法 | |
CN114967475B (zh) | 一种无人驾驶车辆轨迹跟踪与稳定性鲁棒控制方法及系统 | |
CN109683614A (zh) | 用于无人矿用车辆的车辆路径控制方法及装置 | |
CN113753080A (zh) | 一种自动驾驶汽车横向运动自适应参数控制方法 | |
CN112109732A (zh) | 一种智能驾驶自适应曲线预瞄方法 | |
CN112622895B (zh) | 一种应用于自动驾驶的轨迹控制的预估控制方法 | |
CN112230651A (zh) | 一种基于分层控制理论的分布式无人车路径跟踪控制方法 | |
CN110008600A (zh) | 车辆稳定性控制器性能保守性的设计方法 | |
WO2023138258A1 (zh) | 一种主动转向和横摆力矩自学习协同控制方法 | |
CN114572251A (zh) | 一种预测控制的高速自动驾驶汽车轨迹跟踪方法 | |
CN113911106A (zh) | 基于博弈论的商用车横向轨迹跟随与稳定性协同控制方法 | |
CN113741450B (zh) | 一种车辆自动驾驶横向自适应控制方法 | |
CN109606364B (zh) | 一种分层式自学习可拓神经网络车道保持控制方法 | |
CN112829766B (zh) | 一种基于分布式驱动电动车辆的自适应路径跟踪方法 | |
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 | |
CN113815602B (zh) | 一种车辆横向自适应控制方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210625 |
|
WD01 | Invention patent application deemed withdrawn after publication |