随着计算机、信息通信、人工智能和现代传感等科学技术的迅速发展,智能车辆研究领域也进入蓬勃发展期。智能车辆的轨迹跟踪控制是实现车辆自主循迹和自动跟踪的技术基础。伴随着自动控制技术的发展,诸多控制理论和控制方法被广泛运用于智能车的轨迹跟踪控制。然而车辆在不同车速、不同路面附着条件下对轨迹跟踪问题的要求不同,车辆在高速或低附着路面这两种工况下转向时,轮胎附着力常常达到饱和,轮胎侧偏力接近附着极限,此时车辆易发生因轮胎侧滑而失去横向稳定性。为此,本文针对智能车辆在干燥(高附着)路面-低速、干燥路面-中高速和湿滑(低附着)路面-常速三种工况下的轨迹跟踪控制问题,基于CarSim和Matlab/Simulink仿真环境,围绕智能车辆轨迹跟踪的横纵向协同控制展开研究。主要工作包括:1.车辆-轮胎的动力学模型研究针对车辆运动控制的横向和横摆动力学特性,建立车辆动力学模型,并运用Pacejka’89轮胎模型对车辆轮胎特性进行仿真分析,计算轮胎侧向力和纵向力,将整车动力学模型进行简化,用于智能车辆轨迹跟踪的主动转向控制。2.基于模型预测控制(MPC)算法的智能车辆横向跟踪控制研究针对智能车辆转向过程中的横向位置跟踪控制问题,本文将所建立的车辆动力学模型转换为预测模型,运用模型预测控制算法实现智能车辆的前轮主动转向控制。同时考虑车辆建模的不确定性,运用自适应RBF神经网络对建模不确定部分进行补偿,设计RBF-MPC横向控制系统,最终智能车辆的输入由MPC的输出值和自适应RBF神经网络补偿的输出值组成。联合仿真试验表明该控制系统在干燥路面-常速工况可较好的跟踪双移线轨迹。3.基于车辆逆纵向动力学的智能车纵向速度滑模控制研究本文运用滑模变结构和车辆逆纵向动力学设计分层式纵向速度控制器。通过协调控制智能车辆的节气门开度和制动主缸压力实现智能车辆纵向速度跟踪。同时,在不同路面附着工况下对纵向控制系统进行性能分析。4.智能车辆轨迹跟踪的横纵向协同控制研究针对干燥路面-低速的良好工况下,建立车辆运动学模型,以车辆后轴中心处的位置偏差为状态量,前轮偏角偏差和纵向车速偏差为控制量,设计基于MPC算法的横纵向协同控制系统。在干燥路面-中高速和湿滑路面-常速工况,考虑智能车辆横纵向动力学之间的关联、耦合特性,将2和3所设计的控制器相结合,设计基于动力学模型的横纵向协同控制系统,实现对发动机节气门开度、制动主缸压力和前轮偏角的协同控制,使智能车辆在期望的速度下跟踪期望的轨迹,同时可提高在中高速、湿滑路面等复杂工况下,智能车辆轨迹跟踪过程中的横向稳定性。