摘要：针对自动驾驶车辆的弯道转向控制问题,提出了一种基于驾驶员操纵数据分析和学习的控制方法。首先,建立了人-车-路软硬件综合模拟驾驶平台,采集了多位驾驶员在不同弯道上的转向操纵数据及车辆状态数据;然后,采用离散分析和拟合分析进行数据分析,并基于模糊综合评价算法建立转向行为评价体系进行数据评价与筛选;最后,将筛选后的驾驶员数据作为训练样本进行神经网络训练,建立基于神经网络的弯道转向控制器。仿真和实车验证结果表明,所设计的控制器能够很好地模拟熟练驾驶员在弯道上的转向行为,并能够保证车辆在弯道行驶的安全性和稳定性。

摘要：针对电动轮驱动车辆垂向振动性能不佳的问题,提出了一种基于轮内减振系统的电动轮集成设计方案,并针对该方案进行了车辆悬架与轮内减振系统的模糊控制。在电动轮内部设计了基于减振弹簧和液压衬套的轮内减振系统,并采用粒子群优化算法对该减振系统进行了参数匹配,以减小轮毂电机所受的垂向冲击力;进一步采用模糊控制对液压衬套输出力进行控制,以提高轮内减振系统的适应性。同时,采用模糊PID控制对车辆主悬架的阻尼力进行控制,以改善车辆行驶平顺性。典型工况下仿真结果表明所设计的轮内减振系统有效降地低了轮毂电机所受的垂向冲击力;悬架控制有效地降低了车身垂向加速度,在保证轮内减振的同时提高了车辆行驶平顺性,并具有较好的鲁棒性。

摘要：针对车速变化下的车辆轨迹跟随稳定性问题,提出一种基于模型预测控制(MPC)与滑模控制结合的横纵向协同控制策略。建立描述车辆纵向、横向及横摆运动状态的三自由度动力学模型;然后,设计模型预测控制器对车辆期望轨迹进行跟踪,考虑车辆行驶运动过程中横纵向耦合问题,将纵向车速作为横向控制系统的状态量,并利用反馈矫正机制不断更新预测模型;在此基础上,采用滑模控制算法对期望车速及加速度进行跟踪,并采用饱和函数作为指数趋近率以减小抖振;采用基于规则的制动转矩分配方式得到行驶过程中各个车轮的需求转矩。该控制策略考虑了车辆动力学中的横纵向耦合问题,可在线处理车辆动力学约束,将车辆稳定跟踪期望轨迹的问题转化为求解带约束的最优控制问题。仿真结果表明所提出控制策略的有效性。