摘要：智能汽车在提高行驶安全性和减少交通事故方面有很大的优势,已成为世界范围内的研究热点。综述了智能汽车横向控制的国内外发展历程与研究现状;介绍了车辆横向动力学和轮胎力学的研究历程和模型;阐述了智能汽车横向控制理论和方法以及自动转向执行机构的设计;给出智能汽车横向控制研究的重点和发展趋势。通过分析认为,系统非线性、不确定性和时变特性的智能汽车横向动力学建模和横向控制器设计,特别是高速时的横向控制,以及智能车辆感知决策系统与车辆本身系统的一体化设计,将是今后研究的重点。

摘要：针对采用传统位置偏差控制方法的车道保持系统横向控制精度不高以及鲁棒性差等问题,提出一种跟踪期望横摆角速度的车辆横向控制方法。在车辆当前行驶位置和道路预瞄点之间实时规划逼近目标路径的虚拟路径,同时分析当前时刻车辆以无偏差形式沿此虚拟路径行驶时决定车辆行驶位置的横摆角速度及速度之间的关系。结合车辆道路相对位置及车身状态信息,设计期望横摆角速度生成器。基于7自由度非线性车辆动力学模型,设计滑模控制器跟踪期望横摆角速度,使得车辆稳定地跟踪目标路径。根据车道线宽度和边缘点数量统计进行边缘检测,能有效识别模糊车道边缘和抑制噪声,并通过对消失点的检测来有效去除非车道线的干扰。仿真及试验结果表明,与传统的位置偏差控制方法相比,期望横摆角速度法不仅能提高车辆横向控制的精确性且跟随偏差随车辆速度及道路曲率的变化波动范围小,具有很好的鲁棒性和自适应性。

摘要：针对自动驾驶汽车人机共驾横向控制策略未能考虑驾驶员神经肌肉特征,驾驶员接管后自动控制系统无法根据其状态对驾驶员操作进行自适应调节的问题,分别建立车辆转向系统和二自由度模型,在此基础上以驾驶员误操作作为干扰输入,将车辆方向盘转角和横摆角速度作为状态变量设计H∞控制器,使车辆能够跟踪期望的方向盘转角;针对在复杂交通情况下自动控制系统失效需要驾驶员立刻接管问题,建立基于神经肌肉特征的驾驶员手臂模型,考虑驾驶员神经肌肉参数摄动的影响,以期望的方向盘转角作为输入,设计保性能鲁棒控制器,使驾驶员能输出理想方向盘转角,从而实现稳定的跟踪目标轨迹。仿真和实车试验结果表明,提出的人机共驾横向控制策略能够稳定跟踪目标轨迹,且算法具有良好的鲁棒性。

摘要：提出了一种智能车辆的路径跟踪横向控制系统。系统由期望航向偏差生成器和反馈控制系统两部分组成。期望航向偏差根据车辆道路之间运动学关系来确定;而反馈控制系统则采用基于车辆道路动力学模型的鲁棒PID控制器。在分析系统特性的基础上设计以某一速度为基准的、ITAE性能指标最优的固定增益鲁棒PID控制器和前置滤波器。在分析纵向速度对反馈系统影响的前提下,给出固定增益PID参数所适用的车速范围;分析了PID参数对闭环反馈系统的影响,调整了其他车速区间的PID参数。实车试验验证的结果表明,所提出的路径跟踪横向控制系统具有良好的路径跟踪能力。

摘要：针对智能车辆通过弯道或狭窄区域过程中难以兼顾控制精度和通过安全裕度的问题,提出一种改进线性二次型调节器(LQR)的路径跟踪横向控制策略.首先,建立车辆系统动力学模型;其次,在横向控制方面设计了基于线性二次型调节器理论的控制器,添加前馈控制,提高了路径跟踪过程中的横向控制精度;提出车体偏差概念,在控制策略中加入车体尺寸约束,提高了车辆的通过性,使得控制输入得以保证控制精度和通过安全裕度;最后,联合PreScan和Matlab/Simulink软件对车库场景和连续变曲率狭窄弯道场景进行对比仿真试验验证.试验结果表明:本控制策略在上述场景中有着良好的跟踪效果,可以显著提高车辆在路径跟踪过程中的控制精度和通过安全裕度.

摘要：对于小区、施工导流路段等狭窄区域,很难保证大中型车辆安全地通过.针对这类情况,本文研究了整个车体的路径跟踪横向控制问题,提出了车辆最优状态点和最优参考状态的概念.为了求解最优状态点,本文构造了车辆参考状态所对应的整体偏差这一目标函数,基于车辆运动学模型,依据最优状态点处车辆与参考轨迹的偏差设计了横向控制器,并利用Lyapunov方法证明了该控制系统的稳定性.与车体特定位置的横向偏差相比,整体偏差更为显著地反映了整个车体的跟踪性能.最后,在具有代表性的狭窄区域场景和普通城区道路场景分别进行了仿真实验,结果表明该方法能够有效提高车辆低速行驶时的整体跟踪精度,不仅可以保证车辆安全裕度较大地通过狭窄区域,而且也提升了车辆在城区交通场景驾驶的安全性.

摘要：在大多数智能车辆横向控制研究中,存在未考虑驾驶员误操作的影响这一不足。以人机共驾控制问题为研究对象,将驾驶员操纵转矩和车辆状态作为控制器输入。首先,建立转向系统和车辆二自由度模型,在车辆局部坐标系中,根据预瞄点曲率信息实现虚拟路径的规划,基于车辆状态和目标车道设计上层期望横摆角速度控制器。其次,将侧向风和驾驶员误操作作为干扰输入,以车辆状态中的横摆角速度、转向盘转角、转矩传感器测量值和期望横摆角速度作为控制器反馈变量,考虑车辆参数摄动及传感器测量噪声等影响,设计下层μ综合控制器,使车辆跟踪期望横摆角速度和期望的横向位移,确保车辆能稳定地跟踪目标路径。最后,进行自动换道和车道保持仿真,并基于Carsim/Labview的硬件在环试验台上进行硬件在环试验,仿真和试验结果均表明,提出的横向控制方法能辅助驾驶员更好的跟踪目标车道,且对侧向风和驾驶员误操作均有很好的干扰抑制性能。

摘要：提出了一种基于无模型自适应控制的无人驾驶汽车横向控制方案.首先,将无人驾驶汽车循迹跟踪控制问题转化成预瞄偏差角跟踪问题,然后基于无人驾驶汽车横向控制系统的动态线性化数据模型,设计出无模型自适应控制算法、伪梯度估计算法和伪梯度重置算法,进而实现了自主车辆的无人驾驶.该方法的实现仅用到无人驾驶汽车运行时的输入输出数据,避免了对无人驾驶汽车进行复杂机理建模的难题,对于复杂的无人驾驶汽车运行过程具有很好的自适应性,对不同的无人驾驶车辆具有较强的可移植性.该方案已实际应用于清华大学无人驾驶汽车实验平台,在北京市丰台区的实地测试实验、在江苏省常熟市高速路的测试以及2015年"中国智能车未来挑战赛"的现场应用验证了所提方案的有效性.

摘要：在车辆动力学分析的基础上,建立了以纵向速度、横向速度、横摆角速度为状态变量的车辆纵横向耦合的动力学模型。以发动机扭矩(或制动力矩)和前轮转角为控制目标,车辆与前导车的纵向距离误差以及相对预瞄路径的横向距离误差作为输入参数,采用滑模控制、动态表面控制方法来设计控制器,并通过仿真计算比较了耦合与解耦两种情况下的纵向、横向位置误差。结果表明,耦合控制取得了较好的效果。

摘要：以采用视觉导航的智能车DLUIV-1为对象,对智能车辆的横向控制方法开展研究.首先,建立基于视觉预瞄距离的车辆横向控制系统模型,利用包含速度等因素在内的预瞄运动学模型确定车辆的横向偏差和方位偏差.其次,针对横向控制的特点,提出了模糊和滑模相结合的智能车辆横向控制策略,综合考虑车辆当前的横向偏差和方位偏差,将二者融合后的综合偏差作为滑模切换函数的参数来设计滑模面,将滑模切换函数作为控制目标,利用模糊控制规则调整控制变量的大小来确保存在和到达条件成立,保证方向盘转动的稳定性.仿真结果表明该横向控制器能够保证智能车辆准确而且稳定地跟踪参考路径,且对模型参数的变化具有较强的鲁棒性.