【摘要】为提高分布式驱动电动汽车在极限工况下的横向稳定性,针对车辆模型参数不确定性,提出了一种基于主动前轮转向(AFS)和直接横摆力矩控制(DYC)的底盘集成控制系统。该系统采用模块化架构。首先,设计基于扰动观测和滑模控制的AFS控制器;其次,构建基于线性矩阵不等式的AFS&DYC集成控制器,利用径向基神经网络自适应逼近不确定项;进而根据当前车辆状态计算稳定因子和权重系数,以实现不同车辆状态下两组控制器的协调;最后通过二次规划实现转矩优化分配。联合仿真结果表明,所提出的集成控制系统有效提升了车辆在极限工况下的横向稳定性。
【摘要】针对直接横摆力矩控制(DYC)过度介人导致轮胎磨损与滑移损失的问题,提出一种综合转矩协调和主动后轮转向(ARS)的底盘协同控制策略。该策略采用分层式架构设计:上层控制器使用带有高阶扰动补偿的自适应离散参考滑膜轨迹,处理车辆建模时忽略的非线性因素和外界不确定扰动,利用离散滑模预测控制(DSMPC)算法计算广义力和广义力矩;下层控制器根据质心侧偏角相平面失稳误差和横摆角速度跟踪误差,将上层控制器的控制量合理分配至ARS和DYC 系统。通过CarSim/Simulink联合仿真,双移线工况下的验证结果表明:相较于原始DYC控制策略,所提出的策略在干燥路面和湿滑路面的轮胎纵向滑移损失分别降低 41.65% 和 15.68% ,在提高操纵稳定性的同时,能够有效削弱控制器抖振问题。
【摘要】为了提高独立驱动智能电动汽车轨迹跟踪的精度与稳定性,提出了一种基于遗传萤火虫算法(G-FA)优化的轨迹跟踪与直接横摆力矩协同控制方法。通过构建车辆动力学模型和跟踪误差模型,采用线性二次型调节器(LQR)设计轨迹跟踪控制器,建立模糊PID直接横摆力矩稳定性控制器;引入前馈控制并使用遗传萤火虫算法(G-FA)优化LQR控制器的关键参数,同时消除稳态误差。CarSim/Simulink联合仿真验证结果表明:相较于原始LQR控制器,该协同控制器在双移线工况与S型弯道工况下的横向误差分别下降 32.14%,60.28% ,航向误差分别下降 26.30% 7.39% ,质心侧偏角分别减小25.61% 10.34% ,横摆角速度分别减小 7.51%.9.49% ,提高了车辆在极限工况下的跟踪精度与稳定性。
【摘要】为快速准确检测单踏板控制系统中驾驶员的制动意图,针对传统检测方法响应滞后且难以应对复杂环境和个体差异的问题,提出了一种融合脑电图(EEG)与肌电图(EMG)信号的紧急制动意图检测方法。通过高保真驾驶模拟试验,采集12名受试者的EEG和EMG信号,采用自适应功率谱密度(APSD)与共空间模式(CSP)提取特征,并使用正则化线性判别分析(RLDA)进行时域特征分类。结果表明,该方法识别准确率达到 94.91% ,较单一EEG信号方法提高31.26百分点,显著提升了车辆响应速度。
【摘要】为分析气动升力对车辆行驶稳定性的影响,开展了不同姿态下车辆气动升力特性研究,对全尺寸三厢车标准模型和全尺寸旅行车标准模型进行了仿真分析和风洞试验,获得了不同离地间隙、不同俯仰姿态下的整车和前、后轴升力系数。结果表明:随着离地间隙增大,三厢车气动升力系数降低,而旅行车的整车升力系数变化规律并不明显;姿态俯仰变化时,三厢车和旅行车的总升力系数和前轴升力系数均明显变化,而后轴升力系数在一定范围内保持相对稳定。
【摘要】针对鸟瞰图(BEV)空间中的端到端在线轻量高精地图感知在具有挑战性(如堵塞、遮挡)的环境中的准确性和鲁棒性易受影响的问题,提出一种新的时序信息融合模块,对具有丰富特征的历史预测结果进行格栅编码、存储和转换,与当前特征提取结果进行融合,从而提高轻量高精地图构建的精度,同时,为更好地捕捉具有明显方向性和结构性的线性特征,改进了特征提取网络,采用自适应蛇形卷积提高车道线等特征的提取能力。在NuScenes数据集上的验证结果表明,模型平均精度均值 (mAP) 提高了3百分点。
【摘要】首先介绍了统计能量方法的研究应用,对比分析了试验拓展方法、区间摄动方法等中频扩展方法,重点阐述了混合方法中不确定性区间参数分析、区间变量响应求解方法,在此基础上,对比分析了现有技术、高阶次摄动方法、泰勒级数展开项方法在求解参数区间范围、求解精度等方面的差异性,以期结合现有技术促进混合、大范围区间算法的开发。最后介绍了扩展方法的工程应用,评述了统计能量中频扩展方法的局限性与不足,就尚未解决的复杂模型扩展问题作了进一步探讨。