【摘要】：智能車(chē)的橫向軌跡跟蹤與穩(wěn)定性分析是運(yùn)動(dòng)控制技術(shù)的基本問(wèn)題,其研究不僅可以提高車(chē)輛駕駛過(guò)程中的舒適性和安全穩(wěn)定性,也為未來(lái)的無(wú)人駕駛技術(shù)提供了理論基礎(chǔ)。由于車(chē)輛系統(tǒng)的高非線性和強(qiáng)耦合性,導(dǎo)致高精度的橫向軌跡跟蹤控制器難以設(shè)計(jì),另外在跟蹤過(guò)程中車(chē)輛的穩(wěn)定性在高速時(shí)也會(huì)下降,此時(shí)直接影響了車(chē)輛的舒適性和安全性。為此,針對(duì)橫向軌跡跟蹤過(guò)程中存在的跟蹤精度不高以及車(chē)輛穩(wěn)定性降低的問(wèn)題,基于車(chē)輛動(dòng)力學(xué)仿真軟件CarSim和Matlab/Simulink聯(lián)合仿真平臺(tái),本文主要圍繞智能車(chē)橫向軌跡跟蹤與穩(wěn)定性控制算法進(jìn)行研究,論文的主要工作如下:(1)車(chē)輛動(dòng)力學(xué)模型研究通過(guò)對(duì)車(chē)輛在運(yùn)動(dòng)過(guò)程中工作原理的分析,基于牛頓第二定律,建立了車(chē)輛二自由度動(dòng)力學(xué)模型,根據(jù)模型得出所需的動(dòng)力學(xué)狀態(tài)方程,用于橫向滑模控制器的設(shè)計(jì)。(2)基于模糊滑模的橫向軌跡跟蹤控制研究針對(duì)傳統(tǒng)的滑�？刂拼嬖诘臋M向跟蹤誤差較大的問(wèn)題,本章提出了基于模糊滑模的橫向軌跡跟蹤控制方法。首先,根據(jù)橫擺角速度誤差來(lái)設(shè)計(jì)滑模面函數(shù),以滑模面函數(shù)及其變化率作為模糊控制器的輸入,然后根據(jù)輸入的變化來(lái)設(shè)計(jì)相應(yīng)的模糊規(guī)則,通過(guò)模糊化、模糊推理和解模糊化來(lái)得出前輪轉(zhuǎn)角控制律,最后聯(lián)合仿真實(shí)驗(yàn)表明,與傳統(tǒng)的滑�？刂品椒ㄏ啾�,設(shè)計(jì)的模糊滑模橫向跟蹤控制器能減小跟蹤誤差,提高跟蹤精度。(3)基于徑向基神經(jīng)網(wǎng)絡(luò)的橫向軌跡跟蹤滑�？刂蒲芯酷槍�(duì)滑�？刂票旧泶嬖诘亩墩瘳F(xiàn)象以及動(dòng)力學(xué)建模不確定性導(dǎo)致的橫向跟蹤誤差的問(wèn)題,本文提出了基于RBF神經(jīng)網(wǎng)絡(luò)的橫向軌跡跟蹤滑�？刂品椒��；？刂破饕攒�(chē)輛參考橫擺角和實(shí)際的橫擺角間的誤差及其變化率設(shè)計(jì)滑模面函數(shù),輸出為前輪轉(zhuǎn)角控制律,并通過(guò)Lyapunov理論對(duì)系統(tǒng)的穩(wěn)定收斂性進(jìn)行了分析,然后利用RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)償一個(gè)前輪轉(zhuǎn)角控制律,來(lái)減小模型不確定性產(chǎn)生的跟蹤誤差。仿真實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的滑模控制方法相比,基于RBF神經(jīng)網(wǎng)絡(luò)的橫向軌跡跟蹤滑�？刂品椒ǖ姆蔷�性逼近能力提高了橫向軌跡跟蹤的精度,有效地抑制了控制器系統(tǒng)的抖振現(xiàn)象。(4)基于滑模控制的智能車(chē)穩(wěn)定性研究針對(duì)橫向軌跡跟蹤控制過(guò)程中存在的穩(wěn)定性問(wèn)題,本文選取了質(zhì)心側(cè)偏角、橫擺角速度和側(cè)向加速度作為衡量車(chē)輛穩(wěn)定性的三個(gè)重要性能指標(biāo),論文基于橫擺力矩控制策略,設(shè)計(jì)了滑�？刂破�,通過(guò)對(duì)輪胎施加制動(dòng)力矩或驅(qū)動(dòng)力矩來(lái)提高車(chē)輛的穩(wěn)定性。仿真結(jié)果表明,相比于無(wú)橫擺力矩的控制,加入橫擺力矩后的三個(gè)性能指標(biāo)的波動(dòng)范圍減小,變化平緩,無(wú)明顯突變現(xiàn)象,說(shuō)明了車(chē)輛在橫向軌跡跟蹤控制過(guò)程中具有良好的穩(wěn)定性。
【圖文】：

該智能車(chē)輛的在測(cè)試路段的行駛速度高達(dá) 130km/h。2000 年至今，在智能車(chē)技術(shù)實(shí)用化的快速發(fā)展階段，在此階段，智能車(chē)輛的研究在軍事和民用領(lǐng)域都飛速的發(fā)展。2002 年，美國(guó)國(guó)防先進(jìn)研究項(xiàng)目局(DefenseAdvanced Research Projects Agency, DARPA)主導(dǎo)的 DEMO 計(jì)劃完成以后，在 2004年和 2005 年，DARPA 分別舉辦了兩屆智能車(chē)輛越野挑戰(zhàn)賽，該項(xiàng)比賽在是在極限的環(huán)境條件下進(jìn)行的，更能真實(shí)的反映參賽車(chē)輛的各項(xiàng)性能，極大地促進(jìn)了無(wú)人駕駛技術(shù)的發(fā)展。如下圖 1.4 所示，在 2005 屆越野挑戰(zhàn)賽中，最后斯坦福大學(xué)(StanfordUniversity)的 Stanley 智能車(chē)[32]以最短的時(shí)間自動(dòng)駕駛完全程獲得比賽冠軍。2007 年的城市復(fù)雜環(huán)境挑戰(zhàn)賽[33](Urban Challenge)，參賽車(chē)輛自動(dòng)駕駛完全程 96 公里，期間需要自動(dòng)判斷交通情況，根據(jù)環(huán)境的不斷變化及時(shí)調(diào)整決策控制，遵守交通規(guī)則并主動(dòng)避障，比賽結(jié)果表明大部分車(chē)輛能完成這些任務(wù)。如下圖 1.5 所示，最后獲得比賽冠軍的是 CMU 的智能車(chē)。

該智能車(chē)輛的在測(cè)試路段的行駛速度高達(dá) 130km/h。2000 年至今，在智能車(chē)技術(shù)實(shí)用化的快速發(fā)展階段，在此階段，智能車(chē)輛的研究在軍事和民用領(lǐng)域都飛速的發(fā)展。2002 年，美國(guó)國(guó)防先進(jìn)研究項(xiàng)目局(DefenseAdvanced Research Projects Agency, DARPA)主導(dǎo)的 DEMO 計(jì)劃完成以后，在 2004年和 2005 年，DARPA 分別舉辦了兩屆智能車(chē)輛越野挑戰(zhàn)賽，，該項(xiàng)比賽在是在極限的環(huán)境條件下進(jìn)行的，更能真實(shí)的反映參賽車(chē)輛的各項(xiàng)性能，極大地促進(jìn)了無(wú)人駕駛技術(shù)的發(fā)展。如下圖 1.4 所示，在 2005 屆越野挑戰(zhàn)賽中，最后斯坦福大學(xué)(StanfordUniversity)的 Stanley 智能車(chē)[32]以最短的時(shí)間自動(dòng)駕駛完全程獲得比賽冠軍。2007 年的城市復(fù)雜環(huán)境挑戰(zhàn)賽[33](Urban Challenge)，參賽車(chē)輛自動(dòng)駕駛完全程 96 公里，期間需要自動(dòng)判斷交通情況，根據(jù)環(huán)境的不斷變化及時(shí)調(diào)整決策控制，遵守交通規(guī)則并主動(dòng)避障，比賽結(jié)果表明大部分車(chē)輛能完成這些任務(wù)。如下圖 1.5 所示，最后獲得比賽冠軍的是 CMU 的智能車(chē)。
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP273;U463.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳慧巖;張玉;;軍用地面無(wú)人機(jī)動(dòng)平臺(tái)技術(shù)發(fā)展綜述[J];兵工學(xué)報(bào);2014年10期

2 楊建華;劉衛(wèi)東;;遙控潛水器軌跡跟蹤自適應(yīng)模糊滑模控制方法研究[J];計(jì)算機(jī)測(cè)量與控制;2014年08期

3 姜巖;龔建偉;熊光明;陳慧巖;;基于運(yùn)動(dòng)微分約束的無(wú)人車(chē)輛縱橫向協(xié)同規(guī)劃算法的研究[J];自動(dòng)化學(xué)報(bào);2013年12期

4 沈\

本文編號(hào)：2657849