摘要：本文中对一款机液复合传动变速器进行运动学、动力学和能量管理分析,确定装配方案和基本参数。采用基于Pareto最优原理的多目标遗传算法研究传动系统的参数匹配问题,包括选择优化目标、确定设计变量和约束条件等。建立基于modeFRONTIER的传动系统多目标优化模型,分别以爬坡度和燃油消耗率为动力性和经济性的目标函数,采用多目标遗传算法,结合实验设计,对模型进行全局搜索寻优。结果表明:爬坡度平均值为27.26°,95%置信区间为[26.36°,28.16°],Pareto最优解为27.93°;燃油消耗率平均值为208.88 g/(kW·h),95%置信区间为[208.62,209.13]g/(kW·h),Pareto最优解为206.76 g/(kW·h)。随着优化迭代步数的增加,爬坡度和燃油消耗率两个目标值都将在一个小范围内收敛,且设计变量的Pareto最优解很好地满足传动系统的匹配要求。

摘要：为了提高车辆行驶状态估计的可靠性,提出一种基于多模型观测器误差补偿与迭代的车辆状态融合估计方法。基于三自由度车辆动力学模型设计了车辆状态强跟踪滤波估计算法;同时,根据四轮轮速耦合关系,考虑到数据扰动和病态矩阵的影响,设计了车辆状态的岭估计算法。为进一步提高估计系统的可靠性,提出了动力学模型观测器与运动学模型观测器补偿与迭代的估计方式,设计了模糊控制器,根据实时的质心侧偏角和滑移率的伪量测值,判断强跟踪滤波器和岭估计器估计结果所占权重,利用闭环估计系统的迭代与融合提高估计性能。仿真和道路实验结果表明,所提出的车辆状态融合估计方法能够兼顾强跟踪滤波算法与岭估计算法的优势,根据车辆纵向滑移和质心侧偏角动态调节强跟踪估计与岭估计结果的权重系数,从而在保证估计精度的同时提高了估计系统的多工况适应能力。

摘要：针对无人车路径跟踪过程中跟踪效果与车辆稳定性这一多目标控制问题,基于分层控制理论提出了一种分布式驱动无人车辆路径跟踪与稳定性协调控制策略。建立了车辆动力学模型和路径跟踪模型,利用滑模控制方法设计了上层控制器,旨在减小路径跟踪过程中的航向偏差和横向偏差的同时确保车辆自身的稳定性。在下层控制器中,设计了一种四轮轮胎力优化分配方法,根据上层控制器需求,结合车辆横摆与侧倾稳定性情况,实现四轮轮胎力的定向控制分配。基于CarSim和Simulink搭建了联合仿真模型并进行仿真实验,结果表明,提出的协调控制策略能够有效地控制车辆路径跟踪中的航向偏差和横向偏差,同时确保车辆的侧倾与横向稳定性。

摘要：为提高轮毂电机驱动电动汽车转向过程的操纵稳定性和转向轻便性,提出电子差速与差动助力转向的协调控制方法,通过分配左右轮毂电机的转矩,实现对汽车转向稳定性和转向盘转向助力协调优化控制。分别对电子差速与差动助力转向控制方式进行分析,得出两种控制趋势以及与车辆状态变化响应的一致性,验证了协调控制的可行性;采用设置权重系数的方法设计了协调控制策略。分析车速及转向盘转角对车辆横摆角速度以及驾驶员转向盘转矩的影响,设计出车速自适应的协调控制权重系数。进行Matlab与CarSim的联合仿真以及实车道路试验验证,仿真与道路试验结果均表明协调控制策略兼顾了车辆差速转向稳定性与驾驶员转向盘转向助力的性能,实现了低速时差动助力转向控制为主以降低驾驶员转向手力,高速时电子差速为主以提高车辆稳定性的综合控制目标。

摘要：针对磁流变阻尼器响应时滞对半主动悬架系统控制效果和稳定性造成的不良影响,设计了一种时滞H_(2)/H_(∞)鲁棒控制器对执行器输入的定常时滞进行鲁棒控制,推导了控制器反馈控制增益和系统临界时滞;开展了磁流变阻尼器力学试验并对Bingham模型实现参数识别;基于MotoTron平台完成了驱动电流PI控制参数整定,使阻尼器响应时滞降低到临界时滞以内。仿真结果表明:C级随机路面下,所设计的时滞H_(2)/H_(∞)鲁棒控制器相比被动悬架和不考虑时滞的鲁棒控制器,车身加速度和悬架动挠度分别降低了24.52%、9.79%、11.26%和7.19%,乘坐舒适性得到明显改善,轮胎动载荷相比鲁棒控制优化了3.21%,兼顾了行驶安全性。为进一步验证时滞H_(2)/H_(∞)鲁棒控制器实际工作性能,设计了悬架ECU,开展了单轮悬架台架试验。试验结果表明:时滞H_(2)/H_(∞)鲁棒控制器能保证时滞输入系统的控制性能和稳定性。

摘要：精确可靠的状态估计是车辆主动安全控制的必要因素之一,提出一种纵、横向加速度传感器信息缺失情况下的车辆状态补偿估计方法。建立了3自由度车辆模型与轮胎模型,提出电驱动轮模型并将其应用到纵向力估计中,考虑电驱动轮模型含有噪声和未知输入,通过模型解耦的方式得到了纵向力重构方程,并基于伦伯格观测器和高阶滑模观测器实现纵向力估计。将纵向力估计作为伪量测值,设计了一种传感器信息不足情况下的补偿估计方法,并基于强跟踪滤波实现车辆状态估计。联合仿真结果表明,所设计的纵向力观测器针对含未知输入和干扰的系统能够实时估计纵向力,采用补偿和强跟踪结合的方式能够有效提高估计精度。考虑估计方法的实车表现,进行了台架和道路测试,台架试验结果表明纵向力观测器估计精度达到了91.3%,道路试验结果表明STF相比EKF对纵向车速、侧向车速以及横摆角速度的估计精度分别提高了14.03%,15.02%和16.58%。

摘要：针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.

摘要：为解决智能车辆的自主转向问题,提高车辆在高速运动过程中的转向精度和稳定性,在智能网联汽车的背景下,从路径跟踪控制出发,提出一种变参数的智能网联汽车路径跟踪控制方法。该方法基于模型预测控制原理,设计了一种智能网联汽车的路径跟踪控制器。该方法先以3自由度模型的车辆模型为控制系统;对系统进行线性化后,确定系统的二次型目标函数,并依据函数形式确定矩阵形式;然后,在Carsim和Matlab/Simulink平台上进行离线仿真,确定各个典型工况下适用于该路径跟踪控制器的仿真参数;最后实现系统可根据由车联网获得车辆实际所处道路形状和实际车速选择合适的路径跟踪控制器的控制参数,完成智能网联汽车的自动转向。仿真结果表明该控制器相对于固定控制参数的控制器具有更好的控制效果,可控制车辆以较高车速行驶时达到较高跟踪精度和行驶稳定性。

摘要：针对智能汽车在高速过弯工况下,轨迹跟踪误差大、横向稳定性无法保障的问题,提出一种可拓博弈轨迹跟踪协调控制方法,通过可拓划区域切换控制和博弈协调相结合,突破单一控制策略的工况适应性和多策略切换的抖动问题。所提方法基于分层控制体系,将轨迹跟踪控制分解为上层测度模式识别层和下层博弈协调层。上层基于可拓理论,提出并联可拓测度模式识别策略,将车-路系统实时状态映射至对应的可拓控制架构中经典域、可拓域和非域三种测度模式。下层针对不同测度模式对应设计三种控制策略,根据上层测度模式识别结果进行实时策略切换,引入博弈协调方法对并联可拓权重进行协调控制,有效避免了模式切换带来的抖动问题。通过Simulink/Carsim建立联合仿真模型,在双移线和“8字”形时变曲率高速工况开展算法对比验证,所提方法相较于比例-积分-微分(Proportion-integral-derivative,PID)控制方法,平均跟踪误差精度提升45.08%,尤其在大曲率突变的恶劣工况下,车辆稳定性提升44%。最后利用智能汽车试验平台进行了对比验证,对设计智能汽车高速轨迹跟踪控制策略具有极强的指导意义和参考价值。

摘要：车辆动力学建模过程中通常会进行简化和假设,导致模型在某些工况下无法准确反映车辆的实际动态特性,影响控制精度甚至安全性.鉴于此,该文提出了一种基于数据驱动的非线性建模与控制方法,建立了新型神经网络车辆横向动力学多步预测模型,实现了智能汽车对参考轨迹的跟踪控制.首先,在分析车辆单轨模型并考虑轮胎非线性和纵向负载转移的基础上,基于编码器-解码器结构设计神经网络横向动力学模型.其中,使用串行排列来扩展微分方程描述不完全的动力学信息,隐藏层神经元学习车辆的高度非线性和强耦合特性,进而提高模型全局计算精度.利用所构建的数据集进行模型训练和测试,结果表明,相比于物理模型,所提出的模型在不同路面附着系数条件下均具有更高的建模精度,具有隐式预测路面摩擦条件能力.其次,利用提出的模型设计轨迹跟踪控制算法,根据车辆稳态转向假设,计算所需的前轮转向角和稳态质心侧偏角,将稳态质心侧偏角纳入基于路径误差的转向反馈中,实现参考轨迹跟踪控制.最后,使用Car Sim/Simulink联合仿真及HIL实验测试进行不同工况试验的对比分析,对所提出的基于神经网络模型的控制算法进行评价,结果表明,该模型能够实现智能汽车在高速下精确的跟踪控制效果,并具有良好的横向稳定性.