智能汽車自主循跡控制策略研究.pdf

1、智能汽車一直是現(xiàn)代汽車研究領(lǐng)域的熱點(diǎn)和難點(diǎn),伴隨著控制理論的發(fā)展,越來越多新的控制理論和控制方法被應(yīng)用于智能汽車的自主循跡控制,這使得如何根據(jù)不同的道路環(huán)境和行駛工況選擇最適合的控制方法成為一門新的課題。本文在研究了智能汽車幾種自主循跡橫向控制方法和縱向控制方法的基礎(chǔ)上,提出了智能汽車自適應(yīng)徑向基函數(shù)(Radial Basis Function, RBF)神經(jīng)網(wǎng)絡(luò)補(bǔ)償橫向控制方法和兩類改進(jìn)的縱向控制方法,并針對(duì)不同的行駛工況提出一種多控

2、制方法變換策略,通過實(shí)驗(yàn)驗(yàn)證了控制策略的有效性。
　　研究了目前國(guó)內(nèi)外智能汽車自主循跡橫向控制中常用的汽車轉(zhuǎn)向幾何學(xué)模型、汽車運(yùn)動(dòng)學(xué)模型和汽車動(dòng)力學(xué)模型。針對(duì)各模型的特點(diǎn),研究了非預(yù)瞄汽車轉(zhuǎn)向幾何學(xué)模型橫向控制方法、基于預(yù)瞄的汽車轉(zhuǎn)向幾何學(xué)模型橫向控制方法、汽車運(yùn)動(dòng)學(xué)模型光滑時(shí)變反饋橫向控制方法、汽車動(dòng)力學(xué)模型最優(yōu)線性二次型調(diào)節(jié)(Linear Quadratic Regulator, LQR)橫向控制方法、汽車動(dòng)力學(xué)模型前饋?zhàn)顑?yōu)L

3、QR橫向控制方法和基于預(yù)瞄的汽車動(dòng)力學(xué)模型最優(yōu)LQR橫向控制方法,通過雙移線仿真試驗(yàn)和圓形彎道仿真試驗(yàn),從控制器的魯棒性、對(duì)道路的特殊要求、轉(zhuǎn)向超調(diào)量、穩(wěn)態(tài)循跡誤差以及各自的適宜場(chǎng)合總結(jié)了6種方法的優(yōu)點(diǎn)與不足,為多控制方法的變換奠定了理論基礎(chǔ)。
　　針對(duì)名義汽車動(dòng)力學(xué)模型在非線性區(qū)失效的問題,提出了智能汽車自主循跡自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)償橫向控制方法。分別研究基于模型不確定部分、基于模型整體以及基于模型分塊的自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)

4、償方法。使用Lyapunov函數(shù)方法保證系統(tǒng)的穩(wěn)定性,通過雙移線仿真試驗(yàn)、圓形彎道仿真試驗(yàn)和連續(xù)彎道仿真試驗(yàn)比較3種補(bǔ)償方法的優(yōu)劣,最終選擇基于模型不確定部分的自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)償控制方法作為智能汽車在非線性區(qū)的自主循跡橫向控制方法。
　　在分析了智能汽車4種自主循跡縱向控制模型的基礎(chǔ)上,提出2類改進(jìn)的智能汽車自主循跡縱向控制方法,分別是數(shù)據(jù)擬合縱向控制方法和模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neuron Network Contro

5、l, FNNC)縱向控制方法。仿真試驗(yàn)結(jié)果表明, FNNC縱向控制方法在控制精度上要優(yōu)于數(shù)據(jù)擬合縱向控制方法,但其輸出的期望車速信號(hào)變化過于靈敏且存在一定程度的噪聲污染。對(duì)此,使用 db4小波強(qiáng)制閾值降噪方法對(duì)FNNC輸出的期望車速信號(hào)進(jìn)行處理,取得了良好的效果。
　　提出了學(xué)習(xí)向量量化(Learning Vector Quantization, LVQ)神經(jīng)網(wǎng)絡(luò)行駛工況分類方法,多組試驗(yàn)結(jié)果表明,LVQ神經(jīng)網(wǎng)絡(luò)可以對(duì)復(fù)雜的行駛工

6、況進(jìn)行有效地分類?？刂品椒ㄗ儞Q策略的理念是針對(duì)不同的LVQ行駛工況分類結(jié)果,選擇與之最適合的控制方法,在保證循跡控制精度的前提下盡可能選擇運(yùn)算量小的控制方法。引入人—車閉環(huán)操縱性評(píng)價(jià)指標(biāo)對(duì)所設(shè)計(jì)的智能汽車自主循跡控制器的控制效果進(jìn)行評(píng)價(jià),評(píng)價(jià)結(jié)果表明控制器的控制效果良好,但操縱負(fù)擔(dān)略重。
　　從駕駛模擬實(shí)驗(yàn)平臺(tái)的工作原理、硬件組成和軟件設(shè)計(jì)搭建了駕駛模擬實(shí)驗(yàn)平臺(tái)。借助于CCD圖像采集設(shè)備和車身狀態(tài)數(shù)據(jù)采集設(shè)備,將控制器的仿真結(jié)果與