论文部分内容阅读
智能车辆是现代车辆工程研究领域的重点内容和智能交通系统(Interlligent Transportation System,ITS)最重要的组成部分。智能车辆轨迹跟踪控制是实现智能车辆的基础和前提,是智能车辆重要的核心技术之一。目前,智能乘用车的研究已达到高度自动驾驶阶段,而智能商用车的研究还处于部分自动驾驶阶段。因此,智能商用车的轨迹跟踪控制具有重要研究意义。为此,本文基于Trucksim/Simulink联合仿真平台,围绕智能商用车轨迹跟踪横向控制展开研究。针对当前商用车轨迹跟踪控制精度低和车辆易发生侧翻侧滑问题,提出一种考虑整车质量变化和引入纵向速度控制的动力学模型预测控制方法。最后,采用双移线、蛇形线和紧急避障对智能商用车轨迹跟踪控制器的控制效果进行测试,并引用“人——车闭环操纵性评价指标”对其进行评价。主要工作包括:1.针对当前商用车轨迹跟踪横向控制精度低,对智能商用车轨迹跟踪横向控制方法进行研究针对当前智能商用车轨迹跟踪控制精度低的问题,研究了国内外智能商用车轨迹跟踪控制常用的预瞄转向几何学模型控制、预瞄最优曲率模型控制、运动学模型预测控制和动力学模型预测控制四种横向控制方法。此外,通过车辆双移线试验方法在干燥路面和湿滑路面下进行不同速度试验,并对上述试验进行对比分析,其试验结果表明动力学模型预测控制性能表现最佳。进一步对动力学模型预测控制问题进行了深入研究,利用径向基函数(Radial basis function,RBF)神经网络对动力学模型中的不确定性,以及外部环境的扰动进行自适应补偿,以提高车辆横向轨迹跟踪精度。2.考虑商用车的质量是动力学模型重要参数之一,设计基于Adaboost的SVR改进算法——Ada_SVR算法整车质量是动力学模型方程中的重要参数,尤其是商用车在空载和满载情况下,对轨迹跟踪精度会产生较大影响。针对多项式回归(Polynomial Regression,PR)、核岭回归(Kernel ridge regression,KRR)和支持向量回归(Support Vector Regression,SVR)弱学习算法辨识精度低的缺陷,采用Adaboost算法对弱学习算法进行集成提升,提出基于Adaboost的SVR改进算法——Ada_SVR算法。将其用于整车质量辨识,通过Trucksim/Simulink联合仿真平台进行仿真实验,实验结果表明所提Ada_SVR算法具有良好的辨识精度。3.针对智能商用车轨迹跟踪易出现侧翻侧滑问题,设计智能商用车纵向速度控制器进行横纵向联合控制针对智能商用车轨迹跟踪在高速工况下易发生侧翻侧滑的问题,采取对车辆纵向速度进行控制,从而降低车辆发生侧翻侧滑的危险。本文设计的纵向控制器分上层控制器和下层控制器,上层控制器采用RBF-PID控制算法,下层控制器由逻辑切换和逆纵向动力学模型组成。最后,通过设置不同的试验况场景,包括不同加减速度、双移线、蛇形线和紧急避障等,以验证所提纵向控制器的有效性。试验结果表明所提控制器具有良好的速度跟踪能力且可以提升横向轨迹跟踪精度,同时可以有效地避免商用车辆在高速情况下发生侧滑侧翻等事故。4.为了测试智能商用车轨迹跟踪控制的控制效果,引入“人——车闭环操纵性评价指标”对所提控制算法进行评价为对所设计的智能商用车轨迹跟踪控制器的控制效果进行评价,引用“人——车闭环操纵性评价指标”。并通过设置双移线、蛇行线和紧急避障三种标准工况进行试验测试。最后,从轨迹跟踪误差、操纵负担、侧滑危险、侧翻危险和驾驶路感五个指标对所测数据进行综合性评价,评价结果表明控制器具有良好的控制效果,但操纵负担指标偏高。