一、基于人工神经网络的轮胎侧偏特性模型（论文文献综述）
朱梁鹏[1]（2021）在《基于路径跟踪的多智能车辆编队控制研究》文中进行了进一步梳理多智能车辆编队作为智能交通系统（ITS）发展过程中的重要研究内容,在兼顾道路交通安全的前提下,能充分利用道路容量,提高道路交通效率和车辆燃油经济性,有效地缓解交通拥堵、事故频发和资源紧张等社会问题,因此成为交通发达国家研究和应用的重点。多智能车辆的编队控制主要解决的是在复杂的动态交通环境下的编队系统扩展性、协同行驶、变道和避障等决策问题,同时需要保证子车辆在队形中的稳定行驶,因此编队控制研究可以分解为队形组织和运动跟踪控制两个问题,本文将从以上两个问题角度展开研究。针对智能车辆路径跟踪控制存在精确度低、稳定性差的问题,提出了一种分层架构下的四轮转向联合差动制动路径跟踪控制策略。上层基于线性动力学模型设计了前轮主动转向控制器;下层应用滑模变结构控制理论设计了后轮转向与附加横摆力矩集成控制器并建立差动制动分配策略,将附加横摆力矩转化为单轮制动控制,实现智能车辆四轮转向和差动制动的联合路径跟踪控制,提升车辆路径跟踪的精确度和稳定性。针对多智能车辆编队控制存在队形扩展性差、变换不灵活以及避障工况下响应不理想等情况,基于路径跟踪编队控制方法进一步提出了人工势场和虚拟结构相结合的多智能车辆编队协同控制策略,其中虚拟结构用于编队队形的设计,生成期望队形参考点;定义中间介质点跟踪期望参考点并通过人工势场法加入避碰和避障势场函数项,两种方法的结合构成编队系统的队形组织层,实现动态环境下编队队形的组织和避障变换。智能车辆通过路径跟踪控制跟踪中间介质点,无碰撞地渐进生成指定的编队队形,实现多车的协同行驶。为验证所提出的编队协同控制策略的有效性,基于Matlab/Simlink软件搭建了包含队形组织层和路径跟踪层的编队控制系统仿真平台,并进行了路径跟踪控制和编队控制的验证仿真。在路径跟踪方面进行了高速双移线工况的仿真,仿真结果表明该联合控制策略相比于仅依靠前轮转向控制,横向跟踪误差峰值降低37.9%,横摆角误差峰值降低50.6%,侧向加速度峰值降低29.8%,车辆的路径跟踪精确度和稳定性得到明显提升。在编队控制方面,进行了多车辆避障工况下的编队仿真试验,仿真结果表明,提出的编队算法可有效地适用于多智能车辆协同编队,具有良好的队形扩展性,保证多车安全避障协同行驶。
杭玉迪[2]（2021）在《基于模糊滑模控制的智能车辆轨迹跟踪控制研究》文中研究说明汽车的迅速普及不仅推动了社会的发展,改善了人们的生活水平,同时也带来了大量的环境与交通问题。智能汽车作为未来汽车产业发展方向,是解决交通拥堵问题的有效手段之一。智能车辆的横向控制作为运动控制的核心技术之一,主要是通过控制转向系统实现对目标轨迹的横向跟踪。本文研究内容将围绕着智能车辆的轨迹跟踪控制方向展开。在研究过程中,首先针对传统最优预瞄控制理论的轨迹跟踪控制方法进行研究。在横摆角速度不变的假设下,驾驶员根据前方轨迹的一点信息以及车辆的运动状态不断预测到达预期点的误差,并采用期望式方法求得期望横摆角速度,最终求得跟踪目标轨迹所需要的理想方向盘转角,根据此关系建立单点预瞄模型。随后搭建Carsim与Simulink仿真平台,验证不同车速工况下单点预瞄算法的有效性。仿真结果表明,该算法仅适用于高附着系数路面低速工况,并不具备良好的适应性及稳定性。鉴于此,为了提高控制器的适应性,将结合滑模理论选用前面推导的横摆角速度作为参考值,设计滑模控制器。针对滑模控制器的抖振问题,运用模糊理论对其切换函数进行优化,设计模糊滑模轨迹跟踪控制器。最后,在Carsim与Simulink联合仿真平台对设计的控制器进行仿真验证。仿真结果表明,通过对比有无增益切换的控制器的效果,验证了模糊滑模控制器的有效性;通过不同车速下控制器的效果对比,验证了模糊滑模控制器对速度的适应性;通过不同路面附着系数以及不同车速下控制器的效果对比,验证了模糊控制器对道路及车速的适应性;通过定曲率工况不同车速的效果对比,进一步验证了控制器的稳定性及适应性。
高磊[3]（2021）在《基于操稳性能评价的轮胎与整车匹配方法研究》文中研究指明轮胎动力学是车辆动力学分析的基础,其中轮胎静态、稳态和瞬态的特性对于车辆操纵稳定性具有重要的影响。由于经济社会的快速发展,对轮胎与整车匹配的要求越来越高,传统的样车试制到场地评价的方法逐步瓦解,虚拟匹配、虚拟调校和虚拟评价的方法越来越成为主要的技术开发路线。但是由于轮胎复杂的材料特性和力学性能,使得轮胎与整车的匹配研究一直是重点和难点。目前对于轮胎的性能评价体系依然大多数照搬于车辆的性能评价工况与方法,不能针对轮胎的特性建立有效的评价手段;同时,所研究的车辆特性与轮胎关键性能关系模糊,无法对轮胎的设计生产提供指导。本文从轮胎动力学的角度出发,对轮胎与整车匹配的重要工况与关键性能进行分析,将轮胎关键特征性能作为评价基础,通过线性函数和整车性能建立关联,提出从轮胎性能到整车虚拟评价的评价模型并进行验证,该评价方法不仅为轮胎的设计制造指明发展道路,同时能将车辆的性能目标分解到轮胎的关键力学特性上,对新车型的开发有着重要的积极影响。根据上述问题,基于课题组先前对车辆主观与客观相关性的研究基础之上,本文进行了如下的几个部分工作。1.轮胎性能评价关键工况的提出与分析通过对轮胎装配到车辆后评价时的操纵方法和驾驶员的评价感受,结合目前国内外企业的评价方法与评价内容,总结出适用于在车辆行驶时,对轮胎性能评价的工况和操作方法。搭建精确的车辆模型,参考DOE设计要求,全面研究所提出工况中车辆底盘各子系统（包含悬架、转向系统和轮胎）的影响程度,进一步选择所研究的客观工况,并说明其合理性,以便于后续开展对轮胎动力学和性能评价的相关研究。2.整车主客观一致性评价模型构建基于上述选择的客观评价工况,对每个客观的测试工况性能逐个分析,获得与主观评价相关的车辆运动状态参数。依据车辆动力学基础理论与驾驶员的主观评价感受描述分别提取各个工况下的客观性能指标,将采集到的数据进行低通滤波处理并去除零点漂移,经过多项式拟合和数据归一化计算客观指标。基于岭回归岭迹图和互相关系数分析等方法对客观指标进行筛选,随后通过多元线性回归分析建立可靠的轮胎与整车操稳匹配的主客观相关性评价模型。3.基于整车操稳性能评价的轮胎匹配方法与验证结合轮胎动力学的基础理论和轮胎六分力特性的研究,选择Pac轮胎模型进行仿真。通过对模型参数和不同工况下轮胎性能工作区间的分析,搭建由Isight、Carsim和Matlab软件的联合仿真平台,将仿真得到的轮胎关键力学特性指标作为输入,以车辆虚拟主观评分作为目标来训练BP神经网络。通过对该神经网络模型的研究,间接得到在不同轮胎与整车操稳性能虚拟匹配工况下,轮胎各项性能指标与虚拟主观评分的关联。同时,搭建以轮胎关键特征参数作为基础的新型轮胎性能评价模型,该模型将分别研究轮胎与整车匹配时的稳态、瞬态以及侧向力学性能处于线性区、过渡区和滑移区的五个不同性能工况。通过对影响不同工况的关键轮胎性能全因素仿真的研究,将轮胎性能指标通过线性函数与虚拟主观评价建立相关性。通过随机生成的轮胎模型进行检测,结果满足使用要求（误差远低于3.3%）。该新型轮胎性能评价模型可以对轮胎的侧向动力学特性进行规范,通过车辆的性能要求逆向求解得到轮胎的关键性能目标,有利于轮胎与整车操稳性能的匹配开发和轮胎的设计生产。
何中正[4]（2021）在《基于多传感器数据融合的路面附着系数估计》文中进行了进一步梳理随着现代汽车技术的不断发展,如何快速精确地估计路面附着系数已成为汽车安全与自动驾驶等领域所关注的问题,获得准确的路面附着系数不但能优化车辆主动安全控制系统的控制策略,而且能提高自动驾驶技术中决策与规划的工作性能。受传感器成本、复杂的实车工况与车辆动力学的耦合特性等因素影响,目前还没有能够在量产车上实时测量路面附着系数的设备。为此,本文提出了一种基于车载传感器、车载摄像头与路端三维相机的多传感器数据融合算法对路面附着系数进行估计。具体研究内容为:首先,考虑到基于传统车辆动力学的附着系数估计方法需要获得车辆状态,建立了车辆状态估计系统,该系统以车辆加速度、横摆角速度、方向盘转角、车轮力矩与车轮转速等可测量的车辆状态为输入,对轮胎力、纵向车速、质心侧偏角等不可测量的车辆状态进行估计:1)根据车载传感器信号判断当前车辆状态,对整车加速度偏移进行估计与补偿;2)基于车辆载荷转移模型、车轮纵向动力学模型和三自由度车辆侧向动力学模型,采用PI D和卡尔曼滤波器对轮胎的法向力、纵向力与侧向力进行估计;3)设计了两种融合策略,分别对基于轮速法和运动学法的纵向车速估计结果与基于模型法和运动学法的质心侧偏角估计结果进行了融合,融合结果为纵向车速与质心侧偏角的估计值。其次,考虑到附着系数作为外部输入参数复杂多变,且存在滑移率偏移与小激励工况下难以估计的问题,基于简化Uni Tire模型与梯度下降法,建立了在轮胎线性区和非线性区分别估计滑移率偏移量和附着系数的估计系统:1)保留了传统Uni Tire模型中的核心参数,得到了适用于附着系数估计的简化Uni Tire模型;2)针对滑移率估计存在偏移的问题,在简化模型中引入了滑移率偏移量;3)对简化模型进行了基于梯度下降法的测试,测试结果表明附着系数在轮胎线性区内难以估计,同时估计附着系数与滑移率偏移量会降低附着系数的估计结果可信度;4)基于测试与仿真结果设计了一种估计策略:在轮胎线性区与非线性区分别估计滑移率偏移量与路面附着系数,线性区与非线性区的判断条件需要其他传感器信息。再次,建立了基于车载摄像头与卷积神经网络的路况辨识模型:1)研究了传统神经网络模型,在此基础上简要介绍了神经网络的常见优化方法;2)以全连接神经网络为基础,引入卷积神经网络并对网络的卷积与池化层进行了相关研究;3)考虑到数据集的采集成本、质量与硬件的性能等因素,以虚拟数据为基础,以数据增强为手段,基于卷积神经网络模型对包含高附、中附与低附三种路面的图像数据集进行了训练与测试。然后,路面附着系数反映了橡胶轮胎与路面间的摩擦极限,其大小与路面的粗糙程度息息相关,考虑到路端传感器三维相机可精确测量路面的粗糙纹理,建立了基于三维相机的橡胶摩擦解析模型:1)分别研究了路面与橡胶在摩擦方面的物理特性并建立了路面功率谱与橡胶复合模量等模型;2)从能量守恒与分子表面自由能等定律出发,研究了滞后摩擦与粘性摩擦的产生机理;3)基于Persson接触理论建立了橡胶摩擦的一般理论模型,该模型综合了路面功率谱、橡胶复合模量、温度等意义明确的物理参数;最后,设计了基于多传感器的附着系数估计融合算法:1)当路段存在三维相机时,融合算法以橡胶摩擦模型的结果作为输出,并对轮胎模型参数进行校正;2)当路段不存在三维相机时,融合算法以车端摄像头（卷积神经网络模型）对路面的分类结果作为附着系数估计系统的前馈信息。当车辆处于小激励状态时,融合算法以前馈信息作为附着系数的估计值并基于简化的Uni Tire模型对滑移率偏移量进行估计;当路面激励足够,轮胎处于非线性区时,融合算法基于轮胎模型对附着系数进行估计,其结果作为路面附着系数的估计值。
李子晗[5]（2021）在《基于UniTire轮胎模型的智能车局部轨迹规划和跟踪控制》文中进行了进一步梳理轨迹跟踪和轨迹规划是车辆智能化的重要研究领域,本文以四轮独立驱动电动车作为控制目标,通过直接控制车辆的前轮转角和四轮的驱动/制动力矩,结合多自由度车辆模型,复杂轮胎模型和人工势场模型以及模型预测控制,线性二次型调节器和二次规划理论,实现车辆基于高速场景下超车行为的局部轨迹规划和轨迹跟踪控制,具体内容包括以下几个部分。分别针对局部轨迹规划和轨迹跟踪控制,建立了线性单轨车辆动力学模型和非线性七自由度的车辆动力学模型以及UniTire轮胎模型。进行了Carsim车辆参数建模,并进行整车的性能试验,对参数模型的准确性进行了验证。介绍了UniTire轮胎模型的基本理论,根据轮胎的力学特性试验数据,辨识了全工况高精度的稳态UniTire轮胎模型公式,分析了拟合参数对轮胎力学特性的影响。并将UniTire轮胎模型与Pacejka5.2和Similarity模型进行了拟合精度对比。基于七自由度车辆模型建立MPC-LQR分层轨迹跟踪控制器。横向控制采用线性时变模型预测控制,得到车辆的前轮转角和总横摆力矩,对轮胎侧偏角施加软约束,考虑到轮胎模型复杂性增大了求解难度,采取了近似的数值方法对雅可比矩阵求解降低了计算复杂度。纵向控制采用线性二次型最优控制得到总的纵向力,分配控制器根据总横摆力矩和总纵向力分配得到四个车轮驱动/制动力矩,并考虑轮胎纵向力的约束和路面条件的限制。在仿真实验中,对比了不同的控制器和不同的轮胎模型对轨迹跟踪精度及稳定性的影响,并讨论了轮胎侧偏角约束对跟踪效果的影响。基于人工势场和线性单轨车辆模型,采用非线性模型预测控制建立局部轨迹规划器。根据高速公路动态的行车环境建立了人工势场,并根据障碍物的种类对势场进行了分类,并考虑了直道和弯道两种道路类型。对线性单轨车辆模型进行了纵侧向运动解耦,将人工势场和非线性MPC控制结合建立局部轨迹规划器,侧向运动规划施加轮胎侧偏角约束得到行驶轨迹点,纵向运动规划考虑了轮胎耦合特性下的质心加速度约束得到车辆纵向速度,在轨迹规划中考虑了车辆动力学约束保证了轨迹的可行性。通过在线求解UniTire轮胎模型侧偏特性中的割线斜率,代替线性轮胎模型中的侧偏刚度,提高了轮胎模型的精度和在大滑移率下的适应性。采用多项式拟合的方式将轨迹点拟合成规划轨迹,在仿真实验中设计了不同路面附着系数下的多种交通场景,验证了本文设计的局部轨迹规划和轨迹跟踪控制的可行性。
颜庭旭[6]（2021）在《电动轮驱动汽车极限工况下轨迹跟随控制》文中提出近年来,对于电动汽车的研究开发是全球应对能源问题和提升驾驶体验所做出的共同反应,是汽车行业和市场未来发展的方向。其中,电动轮驱动汽车结构简单、分布形式更加灵活,更重要的是其各轮转矩独立可控,基于此优势更易实现转矩定向分配（Torque Vectoring,TV）功能以及实现智能化的无人驾驶及驾驶辅助技术。同时,汽车向智能化、个性化发展的趋势正在显现,目前在电动汽车领域,高性能电动汽车和运动驾驶模式也受到广泛关注,汽车在满足激烈驾驶需求时极易接近车辆极限,尤其在进行高速过弯或紧急避障时容易出现轨迹跟随性差甚至车辆失稳的情况。但电动轮独立驱动汽车则可以发挥转矩定向分配优势,充分利用地面附着能力,并且依靠智能化的运动控制技术主动调整整车横摆特性,与主动转向控制相结合,提高机动性并以此提升极限工况下的轨迹跟随能力;同时,极限工况下轮胎的侧偏特性会出现剧烈变化,其非线性特征会对极限工况下车辆控制产生一定影响。因此,针对上述现有问题,本文以可实现主动转向的四轮独立驱动电动汽车为研究平台,提出一套结合转矩定向分配技术和侧偏特性修正的横纵向综合控制策略,旨在主动逼近极限车速以满足激烈驾驶需求的极限工况下,能够通过主动转向和TV控制保持良好的轨迹跟随能力。本文首先通过线性二自由度模型从理论上分析了转矩定向分配引入的附加横摆力矩对稳态转向特性的影响,得出提升转向机动性的机理;而后搭建了电动轮汽车七自由度车辆模型、轮胎模型和电机模型等,并通过对Car Sim车辆模型施加相同开环控制后的结果进行模型正确性对比验证;以七自由度模型为平台,通过仿真验证TV对机动性改善的效果。之后,通过对典型工况的分析确定了本文U-Turn工况参数,同时,为了满足激烈驾驶对尽可能短的过弯时间的需求,基于Clothoid曲线规划最优过弯轨迹,基于此轨迹以及轮胎附着极限圆制定极限车速MAP。随后设计考虑了前后轴载荷转移的前馈+反馈纵向控制器,通过七自由度车辆模型完成对车速的跟踪效果验证。此后,为提高车辆在极限工况下的轨迹跟随能力,本文设计结合了转矩定向分配技术和侧偏特性参数修正的横纵向综合分层控制策略。具体而言,基于模型预测控制（Model Predictive Control,MPC）算法设计用于轨迹跟踪的侧向控制器,预测模型为带有TV的二自由度车辆模型,求解最佳前轮转角控制序列和转矩定向分配梯度控制序列。为了提升极限工况下对轮胎强烈的非线性特征的适应性,本文设计了侧偏刚度识别和轮胎侧偏角约束自适应修正策略,用以实时更新预测模型的相关参数并以此提升控制精度,基于七自由度模型完成MPC控制器、侧向力识别、侧偏刚度估计、侧偏角约束修正等模块的参数调节和可行性验证。此外,本文制定了底层驱动控制策略,分别实现滑转率控制和轮间转矩修正功能,将纵向控制需求与附加横摆控制需求相结合,同时保证纵向车速跟踪和轨迹跟踪效果。最后,为了验证本文所设计的横纵向综合控制策略的可行性,基于MATLAB/Simulink和Car Sim联合仿真平台进行试验验证,探究极限工况下的车速、轨迹跟随效果和整车姿态控制效果。同时,还搭建了小型驾驶模拟器完成驾驶员在环轨迹跟踪试验,搭建了联合仿真平台完成基于MPC的主动转向轨迹跟踪实验,与横纵向综合控制策略实验结果进行对比,分析表明,本文所设计的综合控制策略能够优化前轮转角输出,准确完成侧偏特性参数更新和修正,显着提升轨迹跟随效果,缩短过弯时间,充分发挥电动轮汽车转矩独立可控的优势以提升极限操控能力。本文设计的极限工况下轨迹跟随控制方法可以为电动轮驱动汽车激烈驾驶模式的无人驾驶及驾驶辅助技术开发提供参考,提升极限操纵能力,为高性能电动汽车的智能化、个性化发展提供一定的技术支持。
樊建康[7]（2021）在《考虑侧偏刚度影响的主动换道研究》文中进行了进一步梳理随着自动控制技术、计算机技术的发展,汽车的智能化水平愈来愈高,由于广袤前景和新颖性,其成为了研究和关注的热点。其中主动换道是智能汽车研究的重点领域之一。研究汽车主动换道有助于解决交通拥堵和提高交通安全性。但是目前对智能汽车换道的研究大多集中在一些低速或者条件良好的工况,而智能汽车作为交通工具避免不了一些高速或者较湿滑路面的行驶。毫无疑问,车辆在湿滑路面上进行高速行驶时其结构参数会发生变化,其中和轮胎侧向力密切相关的轮胎侧偏刚度随着道路条件、轮胎充气压力、垂直载荷等因素的变化而发生变化。若在基于模型设计的控制系统中将轮胎侧偏刚度设为定值,则由于侧偏刚度的不确定性会造成与实际应用有较大的误差。轨迹跟踪控制的性能取决于控制算法和车辆参数的精确性,因此本文针对考虑到侧偏刚度影响的智能汽车主动换道进行了以下研究:首先进行汽车动力学建模,选用Carsim与所建立的模型进行仿真对比分析,验证所建立的模型可以满足轨迹跟踪控制的设计要求。建立考虑周围车辆影响的安全距离模型,求得最小安全距离;采用五次多项式规划车辆换道轨迹,并添加动力学约束以保证所规划的轨迹光滑、安全。为解决车辆在低附着路面行驶的多种约束要求,设计了基于多约束的模型预测控制算法的轨迹跟踪控制器,在低附着路面工况下仿真验证了其有效性。接着设计轮胎侧偏刚度估计策略,分析侧偏刚度的影响因素,依据所选择的低附着路面工况,选取轮胎压力、速度为次要影响因素,而选取轮胎侧偏角和垂直载荷为主要因素。本文提出一种采用高精度、高效率的极限梯度决策树算法的侧偏刚度估计策略,同时选用径向基神经网络算法进行侧偏刚度估计的策略,作为与极限梯度决策树算法侧偏刚度估计策略的对比。针对车辆在湿滑路面高速行驶时侧向加速度接近附着极限,轮胎侧向力很容易进入非线性区域的问题,将所估计的侧偏刚度加入到轨迹跟踪控制模型中,设计一种考虑侧偏刚度变化的轨迹跟踪控制器。最后利用Carsim和MATLAB/Simulink进行联合仿真从而验证所提出的轮胎侧偏刚度估计的准确性以及轨迹跟踪控制器的跟踪性能。为进一步验证研究内容的可靠性,在基于Carsim和Lab VIEW的硬件在环平台进行相关工况试验,验证了考虑侧偏刚度影响的轨迹跟踪控制器的有效性。
白恒星[8]（2021）在《无人驾驶车辆轨迹跟踪控制策略研究》文中指出现如今,随着人工智能、5G等先进技术在汽车行业的广泛应用,汽车正在变的越来越智能化,汽车的智能化给人们带来了很多便利的同时也改善了了交通安全等问题。因此国内各大厂商及研究机构对无人驾驶纷纷投入了大量的精力。无人驾驶技术主要包括环境感知、轨迹规划及轨迹跟踪控制,本文将轨迹跟踪控制技术展开研究。本文首先介绍了无人驾驶车辆轨迹跟踪控制技术的研究背景及研究意义,对无人驾驶车辆及无人驾驶车辆轨迹跟踪控制方法的国内外发展现状进行了简单的介绍。针对本文的研究问题说明了本文的主要研究内容并做出了技术路线图。针对轨迹跟踪控制分别建立了基于预瞄LQR和前馈的横向跟踪控制器和基于PID的纵向速度控制器。基于二自由度动力学模型和魔术轮胎模型建立横向跟踪控制器,由于该方法无法考虑到车辆的动力学因素、路面的附着情况,因此在低附着路面及高速工况,在跟踪期望轨迹的同时不能保证车辆良好的稳定性。针对此问题,提出轨迹跟踪分层控制策略,上层控制器为基于预瞄LQR和前馈的横向跟踪控制器,中层控制为基于滑模控制的直接横摆力矩控制器,下层为力矩分配和纵向速度控制器。横摆力矩控制器可以使车辆质心侧偏角和横摆角速度跟踪各自理想值从而被控制在稳定范围内,力矩分配模块对直接横摆力矩控制器产生的附加横摆控制力矩和纵向速度控制器产生的驱动力矩做基于轴荷比例的分配。由于在研究横向跟踪控制时,通常将纵向速度当作常数,很少考虑纵向速度对横向跟踪控制的影响,本文基于纵横向耦合的三自由度动力学模型通过模型预测控制理论建立横向跟踪控制器,该控制器考虑了纵横向间的耦合作用,可以解决在纵向速度发生变化的工况跟踪期望轨迹,比较符合实际驾驶场景。针对本文建立的三种控制策略进行不同速度和不同附着路面的仿真测试,结果表明基于预瞄LQR和前馈的横向跟踪控制可以在高附着中低速稳定跟踪双移线轨迹,在高速及低附着路面中高速工况下车辆会发生失稳。采用分层控制策略设计的轨迹跟踪控制器可以改善车辆在低附着路面的失稳问题。基于三自由度动力学模型的模型预测控制器可以在低附着路面减速工况下稳定跟踪双移线轨迹。
孙传扬[9]（2021）在《智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究》文中研究指明智能汽车是先进传感与人工智能等新兴技术融合发展的产物,是具有自动驾驶功能的新一代汽车,同时也是解决交通事故、车辆利用率低与交通拥堵等问题的关键,发展智能汽车对于加速我国汽车产业转型升级具有重要意义。智能汽车紧急避撞功能的研究对于智能驾驶技术的推广应用、车辆行驶安全性能的提升等具有重要的推动作用,同时对于发展车辆运动规划与运动控制等技术具有积极意义。本文以智能汽车为研究对象,重点开展了紧急避撞工况下轨迹规划策略、路径跟踪控制系统建模、路径跟踪控制策略设计与优化等方面的研究。本文针对对向车辆侵入自车行驶车道引起的车辆碰撞事故,开展了智能汽车紧急避撞轨迹规划策略的研究。研究了对向车辆轨迹预测算法与自车轨迹规划功能开启的触发条件,提出了融合减速转向与定速转向等避撞方式的候选避撞轨迹规划方法;设计了基于模型预测的路径规划算法、具有“最小速度”代价函数的五次多项式速度规划算法与基于BP神经网络的目标状态确定方法,完成了对避撞轨迹的规划;设计了具有分层结构的碰撞检测算法与车辆碰撞位置预测算法;提出了结合碰撞速度变化量与车辆碰撞类型的自车碰撞严重度预测算法以及针对无碰撞候选轨迹的多目标评价函数,确定了综合性能最优的智能汽车避撞轨迹。本文建立了智能汽车路径跟踪控制系统的状态空间模型,该模型由二自由度车辆模型、轮胎侧向力计算模型及路径跟踪误差模型等三部分组成。建立了智能汽车侧向动力学模型,设计了应用Fiala轮胎模型与前轮侧向力数值查表的期望前轮转向角数值计算方法;研究了轮胎模型线性化过程中提高轮胎非线性特征描述精度的方法,提出了基于两点仿射近似的后轮侧向力线性化计算模型;建立了基于横摆角偏差的智能汽车路径跟踪误差模型,完成了智能汽车路径跟踪控制系统状态空间模型的建立。研究了基于车辆转向工况识别的复合跟踪误差模型,开发了智能汽车紧急避撞路径跟踪控制策略。建立了MPC控制算法的预测模型、代价函数以及MPC路径跟踪控制算法;研究了跟踪误差模型对车辆路径跟踪控制性能的影响机理,得出了兼顾车辆在稳态与瞬态转向工况下路径跟踪精度的复合跟踪误差模型;研究了可表征车辆横向运动状态及其变化趋势的特征参数,设计了采用模糊逻辑与加权平均方法的转向工况识别算法;研究了智能汽车的行驶稳定性约束,建立了基于复合跟踪误差模型的智能汽车紧急避撞路径跟踪控制策略。开展了智能汽车路径跟踪控制策略的鲁棒优化研究,建立了Tube-RMPC路径跟踪鲁棒优化控制策略。分析了智能汽车行驶环境中强侧向风等典型的不确定性,建立了带不确定性的路径跟踪控制系统模型;研究了路径跟踪控制系统Tube不变集的设计要求,提出了基于控制矩阵多面体分割的Tube不变集计算方法,运用离线凸包运算与N步可达集运算,获得了紧缩的Tube不变集序列;计算了Tube-RMPC算法的闭环反馈增益、终端代价函数、终端约束集以及名义路径跟踪控制系统的容许集,建立了Tube-RMPC路径跟踪鲁棒控制策略。开展了智能汽车紧急避撞轨迹规划与路径跟踪控制策略的仿真试验研究。仿真试验结果表明:所提出的基于复合跟踪误差模型的控制策略能在车辆接近操作极限的紧急避撞工况下将跟踪误差控制在0.1m以内,并且与广泛使用的基于横摆角偏差跟踪误差模型的控制策略相比,该策略将智能汽车路径跟踪的侧向位置偏差均方根值减小了28.6%。所提出的Tube-RMPC路径跟踪鲁棒控制策略能在路面附着系数识别误差为0.3、侧向风速为25m/s的条件下,将紧急避撞工况下智能汽车的路径跟踪误差控制在0.2m以内,实现了智能汽车的稳定控制;对设计的轨迹规划策略的触发条件、碰撞检测算法、碰撞严重度预测函数与候选轨迹多目标综合评价函数等算法的有效性进行了验证;仿真试验表明,所设计的紧急避撞轨迹规划策略能够使智能汽车在对向车辆侵入自车道的场景下,以较大的避撞安全余量实现碰撞避免或以较小的预测碰撞严重度实现碰撞缓解。图91幅,表13个,参考文献200篇。
司振立[10]（2020）在《基于模型预测的分布式驱动智能车轨迹跟踪研究》文中研究表明电动化和智能化是汽车未来的发展方向,轨迹跟踪控制是实现智能化的关键技术之一。本文研究课题是:针对分布式驱动电动车,如何通过控制前轮转向和四个车轮的驱动力/制动力实现轨迹跟踪控制,分布式驱动电动智能车具有强耦合、强非线性、过驱动等特点,考虑模型预测控制可以处理多约束多耦合问题,本文基于MPC设计轨迹跟踪控制器。主要内容包括:搭建了Pacejka 5.2轮胎模型描述轮胎的力学特性,通过合理假设建立了七自由度车辆模型,基于非线性车辆模型设计了轨迹跟踪控制器,一方面保证模型的精度,另一方面降低了计算复杂度。根据Carsim建模需求进行了相应的整车和相关子系统实验,并对实验数据进行处理建立了Carsim车辆模型作为控制对象,并在一定工况下将仿真结果与实验进行了对比。将非线性系统通过局部线性化转化为线性系统,基于线性系统推导出了模型预测控制算法,并转化为二次规划问题以便计算机求解。采用非线性车辆模型设计了MPC轨迹跟踪控制器,以前轮转角和四个车轮的轮胎纵向力为控制变量,并对轮胎侧偏角进行了软约束以保证车辆的稳定性。与预瞄驾驶员模型（PDM）在不同车速和附着路面上进行了对比验证控制器的有效性,MPC控制器综合性能更优,对路面附着系数具有较强的鲁棒性。对车辆的纵向横向运动进行解耦设计了分层控制器,上层控制器中横向控制采用MPC计算前轮转角和总的横摆力矩,纵向控制采用滑模控制计算总的驱动力,下层控制器将总的驱动力和横摆力矩以一定的目标函数优化分配给四个车轮的执行器,并与MPC控制器在不同车速和附着路面上进行了对比验证分层控制器的有效性。
二、基于人工神经网络的轮胎侧偏特性模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于人工神经网络的轮胎侧偏特性模型（论文提纲范文）
（1）基于路径跟踪的多智能车辆编队控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 智能车辆路径跟踪控制研究现状 |
| 1.2.1 智能车辆路径跟踪控制问题 |
| 1.2.2 智能车辆路径跟踪控制算法研究现状 |
| 1.3 智能车辆编队控制研究现状 |
| 1.3.1 智能车辆编队控制问题 |
| 1.3.2 智能车辆编队控制算法研究现状 |
| 1.4 主要研究思路及研究内容 |
| 第二章 智能车辆整车动力学建模 |
| 2.1 车辆坐标系的定义 |
| 2.2 七自由度整车动力学模型 |
| 2.2.1 车体动力学模型 |
| 2.2.2 车轮旋转动力学模型 |
| 2.2.3 魔术轮胎模型 |
| 2.3 整车动力学模型验证 |
| 2.3.1 七自由度整车动力学仿真平台 |
| 2.3.2 高附着阶跃转向仿真验证 |
| 2.3.3 低附着正弦转向仿真验证 |
| 2.4 本章小结 |
| 第三章 智能车辆路径跟踪与稳定性协调控制 |
| 3.1 基于模型预测算法的路径跟踪控制策略 |
| 3.1.1 智能车辆线性时变动力学模型 |
| 3.1.2 模型预测控制器设计 |
| 3.1.3 模型预测控制器求解 |
| 3.2 基于四轮转向和差动制动的联合稳定性控制 |
| 3.2.1 四轮转向和差动制动联合控制框架 |
| 3.2.2 车辆理想跟随模型和稳定性模型 |
| 3.2.3 基于滑模变结构算法的车辆稳定性控制 |
| 3.3 仿真结果与分析 |
| 3.3.1 路径跟踪控制仿真 |
| 3.3.2 稳定性控制仿真 |
| 3.4 本章小结 |
| 第四章 人工势场和虚拟结构相结合的编队控制 |
| 4.1 多智能车辆编队控制框架 |
| 4.2 虚拟结构编队队形设计 |
| 4.2.1 虚拟结构表示 |
| 4.2.2 虚拟结构的渐进生成 |
| 4.3 人工势场编队函数设计 |
| 4.3.1 避碰势场函数 |
| 4.3.2 避障势场函数 |
| 4.4 多智能车辆编队仿真验证 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 攻读学位期间研究成果 |
| 致谢 |
（2）基于模糊滑模控制的智能车辆轨迹跟踪控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文选题背景与意义 |
| 1.2 智能汽车研究现状及关键技术 |
| 1.2.1 智能汽车国外研究现状 |
| 1.2.2 智能汽车国内研究现状 |
| 1.2.3 智能汽车的关键技术 |
| 1.3 智能汽车轨迹跟踪控制研究现状 |
| 1.3.1 智能汽车车辆系统研究现状 |
| 1.3.2 基于最优预瞄理论的轨迹跟踪研究现状 |
| 1.3.3 横向控制方法研究现状 |
| 1.3.4 横向轨迹跟踪控制目前存在问题 |
| 1.4 本文研究的主要内容 |
| 1.5 本章小结 |
| 第二章 智能车辆系统动力学建模 |
| 2.1 智能车辆运动学模型的建立 |
| 2.2 智能车辆系统动力学建模 |
| 2.2.1 车辆坐标系 |
| 2.2.2 轮胎动力学模型的建立 |
| 2.2.3 智能车辆动力学模型的建立 |
| 2.3 本章小结 |
| 第三章 智能车辆轨迹预测驾驶员模型 |
| 3.1 驾驶员模型的引入 |
| 3.2 最优曲率单点预瞄模型的建立 |
| 3.2.1 轨迹预测原理 |
| 3.2.2 轨迹预测模型的建立 |
| 3.2.3 恒定横摆角速度假设 |
| 3.3 最优曲率单点预瞄模型有效性验证 |
| 3.3.1 联合仿真模型的搭建 |
| 3.3.2 规划路径 |
| 3.3.3 仿真验证 |
| 3.4 本章小结 |
| 第四章 智能车辆模糊滑模控制器的设计 |
| 4.1 智能车轨迹跟踪横向控制要求 |
| 4.2 滑模控制器的设计 |
| 4.2.1 滑模控制的概念及定义 |
| 4.2.2 滑模控制系统的设计步骤 |
| 4.2.3 滑模控制器的设计 |
| 4.3 模糊滑模控制器的设计 |
| 4.3.1 模糊控制系统原理 |
| 4.3.2 模糊滑模控制器的设计 |
| 4.4 本章小结 |
| 第五章 智能车辆模糊滑模控制系统仿真验证 |
| 5.1 联合仿真平台的搭建 |
| 5.2 双移线工况仿真验证 |
| 5.2.1 高附着系数路面下的双移线工况 |
| 5.2.2 低附着系数路面下的双移线工况 |
| 5.3 定曲率工况仿真验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究不足与展望 |
| 参考文献 |
| 攻读学位期间研究成果 |
| 致谢 |
（3）基于操稳性能评价的轮胎与整车匹配方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的提出及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车辆操纵稳定性评价研究现状 |
| 1.2.2 轮胎与整车匹配评价研究现状 |
| 1.3 课题的主要研究内容 |
| 第2章 轮胎与整车匹配客观评价工况的提出与分析 |
| 2.1 轮胎与整车匹配主观评价工况 |
| 2.1.1 主观评价方案 |
| 2.1.2 主观评价项目 |
| 2.1.3 主观评价标准和结果 |
| 2.2 基于主观评价建立客观评价工况 |
| 2.2.1 转向性能客观评价工况的提出 |
| 2.2.2 操控性能客观评价工况的提出 |
| 2.3 轮胎与整车匹配客观评价工况的验证 |
| 2.3.1 试验车辆建模 |
| 2.3.2 基于车辆模型的客观工况仿真验证 |
| 2.4 本章小结 |
| 第3章 整车主客观一致性评价模型构建 |
| 3.1 整车操稳评价客观指标 |
| 3.1.1 轮胎与整车匹配客观试验测试 |
| 3.1.2 转向性能客观指标处理 |
| 3.1.3 操控性能客观指标处理 |
| 3.2 基于回归分析的客观评价指标筛选 |
| 3.2.1 回归分析基本理论 |
| 3.2.2 岭回归分析指标筛选 |
| 3.3 操纵稳定性主观与客观相关模型搭建 |
| 3.3.1 回归模型的搭建 |
| 3.3.2 回归模型的检验 |
| 3.4 本章小结 |
| 第4章 基于整车操稳性能评价的轮胎匹配方法与验证 |
| 4.1 轮胎特性及模型参数分析 |
| 4.1.1 轮胎力学性能指标分析 |
| 4.1.2 轮胎模型参数分析 |
| 4.2 车辆客观工况的性能分析 |
| 4.2.1 转向性能评价工况 |
| 4.2.2 操控性能评价工况 |
| 4.3 轮胎与整车匹配方法的提出 |
| 4.3.1 虚拟联合仿真平台搭建 |
| 4.3.2 虚拟评价结果分析 |
| 4.3.3 BP神经网络模型的搭建 |
| 4.3.4 轮胎与整车匹配方法 |
| 4.4 轮胎与整车匹配方法的虚拟仿真验证 |
| 4.5 轮胎与整车匹配的应用实例 |
| 4.6 本章小结 |
| 第5章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 作者简介 |
| 参加的科研工作 |
| 致谢 |
（4）基于多传感器数据融合的路面附着系数估计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 附着系数估计研究现状 |
| 1.2.1 基于原因的估计方法研究现状 |
| 1.2.2 基于效果的估计方法研究现状 |
| 1.2.3 附着系数估计存在的问题 |
| 1.3 车辆状态估计研究现状 |
| 1.3.1 基于运动学模型的估计方法 |
| 1.3.2 基于动力学模型的估计方法 |
| 1.3.3 车辆状态估计存在的问题 |
| 1.4 本文的技术路线 |
| 1.5 本文的研究内容 |
| 第2章 分布式驱动电动汽车车辆状态估计研究 |
| 2.1 引言 |
| 2.2 加速度偏移量估计 |
| 2.3 轮胎力估计 |
| 2.3.1 轮胎载荷估计 |
| 2.3.2 轮胎纵向力估计 |
| 2.3.3 轮胎侧向力估计 |
| 2.4 纵向车速估计 |
| 2.4.1 基于轮速法的纵向车速估计 |
| 2.4.2 基于运动学法的纵向车速估计 |
| 2.4.3 纵向车速估计融合 |
| 2.5 质心侧偏角估计 |
| 2.5.1 基于运动学法的质心侧偏角估计 |
| 2.5.2 基于模型法的质心侧偏角估计 |
| 2.5.3 质心侧偏角融合策略 |
| 2.6 轮胎状态估计 |
| 2.7 车辆状态估计验证 |
| 2.7.1 高附路面验证 |
| 2.7.2 低附路面验证 |
| 2.8 本章小结 |
| 第3章 基于UniTire模型的附着系数估计研究 |
| 3.1 引言 |
| 3.2 UniTire模型简述与优化 |
| 3.2.1 传统UniTire模型 |
| 3.2.2 简化UniTire模型 |
| 3.3 路面附着系数估计方法 |
| 3.3.1 梯度下降法 |
| 3.3.2 滑移率偏移量处理方法 |
| 3.3.3 仿真测试结果 |
| 3.4 附着系数估计方法优化 |
| 3.5 路面附着系数估计仿真验证 |
| 3.5.1 高附路面验证 |
| 3.5.2 低附路面验证 |
| 3.6 路面附着系数估计实车验证 |
| 3.7 本章小结 |
| 第4章 基于摄像头与卷积神经网络的路况辨识研究 |
| 4.1 引言 |
| 4.2 全连接神经网络 |
| 4.2.1 神经网络的基本结构 |
| 4.2.2 神经网络的训练过程 |
| 4.2.3 神经网络的优化方法 |
| 4.3 卷积神经网络 |
| 4.3.1 卷积层 |
| 4.3.2 池化层 |
| 4.3.3 批量标准化 |
| 4.4 图像数据预处理 |
| 4.4.1 图像收集 |
| 4.4.2 数据增强 |
| 4.5 卷积神经网络模型仿真验证 |
| 4.6 本章小结 |
| 第5章 橡胶摩擦微观解析模型研究 |
| 5.1 引言 |
| 5.2 路面的物理特性 |
| 5.3 橡胶的物理特性 |
| 5.3.1 橡胶的粘弹性 |
| 5.3.2 时温等效原理 |
| 5.4 橡胶摩擦机理分析 |
| 5.4.1 橡胶的滞后摩擦机理简析 |
| 5.4.2 橡胶的粘性摩擦机理简析 |
| 5.5 橡胶摩擦微观解析模型研究 |
| 5.5.1 Persson接触理论 |
| 5.5.2 橡胶摩擦解析模型建立 |
| 5.6 橡胶摩擦模型仿真验证 |
| 5.7 本章小节 |
| 第6章 路面附着系数估计的融合算法研究 |
| 6.1 引言 |
| 6.2 附着系数估计的融合算法 |
| 6.2.1 融合算法框架 |
| 6.2.2 前馈信息预处理 |
| 6.2.3 轮胎工作区的判断逻辑 |
| 6.2.4 轮胎模型参数校正 |
| 6.2.5 融合算法的输出 |
| 6.3 融合算法仿真验证 |
| 6.3.1 高附路面验证 |
| 6.3.2 低附路面验证 |
| 6.4 本章小结 |
| 第7章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
（5）基于UniTire轮胎模型的智能车局部轨迹规划和跟踪控制（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轮胎模型研究现状 |
| 1.2.2 四轮独立驱动电动车研究现状 |
| 1.2.3 智能车轨迹跟踪控制研究现状 |
| 1.2.4 智能车高速避障轨迹规划研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 车辆模型和轮胎模型 |
| 2.1 车辆动力学模型 |
| 2.1.1 七自由度车辆动力学模型 |
| 2.1.2 线性车辆动力学模型 |
| 2.2 Carsim模型建立 |
| 2.2.1 Carsim参数设置 |
| 2.2.2 整车模型验证 |
| 2.3 UniTire轮胎模型介绍 |
| 2.3.1 模型的滑移率计算 |
| 2.3.2 轮胎接地印迹内的压力分布 |
| 2.3.3 动态摩擦特性 |
| 2.3.4 轮胎模型参数辨识 |
| 2.4 Pacejka轮胎模型 |
| 2.4.1 Pacejka模型建模思路 |
| 2.4.2 Similarity和 Pacejka5.2 魔术公式 |
| 2.5 轮胎模型对比 |
| 2.5.1 Similarity和 Pacejka5.2 轮胎模型对比 |
| 2.5.2 UniTire和 Pacejka5.2 轮胎模型对比 |
| 2.6 轮胎力学特性分析 |
| 2.7 本章小结 |
| 第3章 基于MPC和 LQR的轨迹跟踪控制器 |
| 3.1 线性时变模型预测控制 |
| 3.2 预测模型设计 |
| 3.3 QP问题转化 |
| 3.4 横向MPC控制器设计 |
| 3.4.1 模型的线性化和离散化 |
| 3.4.2 构建目标函数和约束条件 |
| 3.5 纵向LQR控制器设计 |
| 3.5.1 LQR控制器基本理论 |
| 3.5.2 LQR控制器设计 |
| 3.6 分配控制器设计 |
| 3.7 仿真及结果分析 |
| 3.7.1 路面附着系数0.8 仿真结果 |
| 3.7.2 路面附着系数0.4 仿真结果 |
| 3.7.3 轮胎侧偏角约束对跟踪精度的影响 |
| 3.8 本章小结 |
| 第4章 基于人工势场和非线性MPC的局部轨迹规划 |
| 4.1 人工势场建模 |
| 4.1.1 道路势场 |
| 4.1.2 车辆势场 |
| 4.1.3 方向势场 |
| 4.2 轨迹规划器设计 |
| 4.2.1 侧向运动规划 |
| 4.2.2 纵向速度规划 |
| 4.3 仿真结果及分析 |
| 4.3.1 路面附着系数0.8 道路仿真场景设计 |
| 4.3.2 路面附着系数0.4 道路仿真场景设计 |
| 4.3.3 仿真实验分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 附录一 UniTire轮胎稳态模型公式 |
| 附录二 UniTire轮胎稳态模型特性变量名称 |
| 附录三 UniTire轮胎稳态模型参数 |
| 致谢 |
（6）电动轮驱动汽车极限工况下轨迹跟随控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 转矩定向分配(TV)技术背景 |
| 1.2.1 TV的集中式驱动桥形式 |
| 1.2.2 TV的分布式驱动形式 |
| 1.3 电动轮驱动汽车相关研究 |
| 1.3.1 电动轮驱动汽车应用现状 |
| 1.3.2 电动轮驱动汽车TV控制技术研究 |
| 1.4 极限工况轨迹跟随研究现状 |
| 1.4.1 极限工况有关研究现状 |
| 1.4.2 轨迹跟随控制研究现状 |
| 1.5 本文研究目的及内容 |
| 1.5.1 研究目的 |
| 1.5.2 研究内容 |
| 第2章 电动轮汽车动力学建模及理论分析 |
| 2.1 TV对操纵动力学影响分析 |
| 2.1.1 带有TV的线性二自由度车辆模型 |
| 2.1.2 对操纵性的影响分析 |
| 2.2 电动轮汽车七自由度动力学模型 |
| 2.2.1 车身动力学模型 |
| 2.2.2 车轮旋转动力学模型 |
| 2.3 轮胎模型 |
| 2.3.1 “魔术公式”模型 |
| 2.3.2 轮胎模型相关车辆参数 |
| 2.4 电机模型 |
| 2.5 模型验证 |
| 2.5.1 模型正确性验证 |
| 2.5.2 TV作用轮选择 |
| 2.5.3 施加TV改善机动性的验证 |
| 2.6 本章小结 |
| 第3章 轨迹规划及纵向控制器设计 |
| 3.1 常见轨迹规划方法分析 |
| 3.2 熟练驾驶员高速过弯特点分析 |
| 3.3 基于Clothoid曲线的轨迹规划 |
| 3.3.1 道路工况选定 |
| 3.3.2 用于轨迹规划的Clothoid曲线 |
| 3.3.3 曲率连续的轨迹曲线参数选定 |
| 3.3.4 分段轨迹整合修正 |
| 3.4 基于前馈+反馈的纵向控制策略 |
| 3.4.1 基于轨迹的期望车速与加速度求解 |
| 3.4.2 前馈+反馈纵向控制器策略 |
| 3.5 本章小结 |
| 第4章 极限工况下轨迹跟随横纵向综合控制策略 |
| 4.1 极限工况轨迹跟随控制策略总体架构 |
| 4.1.1 总体架构 |
| 4.1.2 决策层制定 |
| 4.2 基于时变MPC的轨迹跟随侧向控制策略 |
| 4.2.1 带有TV的预测模型搭建 |
| 4.2.2 轨迹跟随目标函数制定及滚动优化 |
| 4.2.3 反馈校正 |
| 4.2.4 约束条件选定 |
| 4.3 侧偏特性参数辨识与修正 |
| 4.3.1 基于EKF的侧向力辨识 |
| 4.3.2 轮胎侧偏特性参数估计 |
| 4.3.3 轮胎侧偏角约束自适应修正 |
| 4.4 底层驱动控制 |
| 4.4.1 滑转率控制 |
| 4.4.2 轮间转矩修正控制 |
| 4.5 本章小结 |
| 第5章 极限工况转向试验验证 |
| 5.1 极限工况下前轮主动转向控制分析 |
| 5.1.1 Car Sim环境搭建 |
| 5.1.2 前轮转向DIL平台搭建 |
| 5.1.3 基于MPC的主动转向 |
| 5.2 横纵向综合控制策略验证 |
| 5.2.1 联合仿真平台搭建 |
| 5.2.2 横纵向综合控制仿真分析 |
| 5.3 本章小结 |
| 第6章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介及研究成果 |
| 致谢 |
（7）考虑侧偏刚度影响的主动换道研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 主动换道研究现状 |
| 1.2.1 轨迹规划研究现状 |
| 1.2.2 轨迹跟踪控制研究现状 |
| 1.3 车辆结构参数不确定性研究现状 |
| 1.4 研究内容与章节安排 |
| 第二章 车辆模型的建立与验证 |
| 2.1 汽车动力学建模 |
| 2.1.1 车身模型 |
| 2.1.2 轮胎模型 |
| 2.1.3 主动转向模型 |
| 2.2 单轨车辆模型 |
| 2.3 仿真结果分析 |
| 2.4 本章小结 |
| 第三章 主动换道轨迹规划与跟踪控制 |
| 3.1 主动换道轨迹规划 |
| 3.1.1 安全距离的建模 |
| 3.1.2 常见的轨迹规划算法 |
| 3.1.3 基于多项式的换道轨迹规划 |
| 3.2 轨迹跟踪控制器设计 |
| 3.2.1 模型预测控制算法简介 |
| 3.2.2 目标函数及约束条件的设计 |
| 3.3 仿真分析 |
| 3.4 本章小结 |
| 第四章 考虑到侧偏刚度变化的轨迹跟踪控制 |
| 4.1 侧偏刚度的影响因素 |
| 4.2 径向基神经网络侧偏刚度估计器的设计 |
| 4.2.1 径向基神经网络算法简介 |
| 4.2.2 径向基神经网络算法的侧偏刚度估计策略 |
| 4.2.3 仿真分析 |
| 4.3 极限梯度决策树侧偏刚度估计器的设计 |
| 4.3.1 极限梯度决策树算法简介 |
| 4.3.2 极限梯度决策树算法的侧偏刚度估计策略 |
| 4.3.3 仿真分析 |
| 4.4 考虑侧偏刚度变化的轨迹跟踪横向控制器设计 |
| 4.5 仿真分析 |
| 4.5.1 高速换道工况 |
| 4.5.2 双移线工况 |
| 4.6 本章小结 |
| 第五章 硬件在环试验与结果分析 |
| 5.1 横向驾驶辅助系统硬件在环平台的简介 |
| 5.2 硬件在环平台试验结果分析 |
| 5.2.1 硬件在环平台高速换道工况试验 |
| 5.2.2 硬件在环平台双移线工况试验 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（8）无人驾驶车辆轨迹跟踪控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与研究意义 |
| 1.2 无人驾驶车辆国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 国内外无人驾驶轨迹跟踪控制方法研究现状 |
| 1.3.1 国外无人驾驶车辆轨迹跟踪控制方法研究现状 |
| 1.3.2 国内无人驾驶车辆轨迹跟踪控制方法研究现状 |
| 1.4 本文主要研究内容及章节安排 |
| 1.4.1 主要研究内容及技术路线 |
| 1.4.2 章节安排 |
| 2 车辆动力学建模及仿真平台搭建 |
| 2.1 动力学模型 |
| 2.1.1 坐标系定义 |
| 2.1.2 车辆横向动力学建模 |
| 2.2 轮胎模型 |
| 2.1.1 魔术公式轮胎模型的建立 |
| 2.1.2 轮胎动力学特性分析 |
| 2.3 轮毂电机建模 |
| 2.3.1 轮毂电机模型 |
| 2.3.2 功率需求分析 |
| 2.4 联合仿真平台搭建 |
| 2.5 本章小结 |
| 3 轨迹跟踪分层控制策略研究 |
| 3.1 纵向速度控制 |
| 3.1.1 基于PID的纵向速度控制器建立 |
| 3.1.2 油门/刹车的标定 |
| 3.1.3 纵向速度仿真测试 |
| 3.2 基于预瞄LQR和前馈的横向跟踪控制方法设计 |
| 3.2.1 横向预瞄误差模型 |
| 3.2.2 横向跟踪控制器设计 |
| 3.3 基于滑膜控制的稳定横摆力矩控制层设计 |
| 3.3.1 滑膜变结构控制 |
| 3.3.2 稳定性控制变量的选择 |
| 3.3.3 期望横摆角速度 |
| 3.3.4 滑膜变结构控制器设计 |
| 3.4 力矩分配控制器 |
| 3.5 滑膜控制器的仿真验证 |
| 3.6 本章小结 |
| 4 基于模型预测控制的轨迹跟踪控制器建立 |
| 4.1 模型预测控制理论 |
| 4.2 非线性模型预测控制及线性化过程 |
| 4.2.1 非线性模型预测控制算法 |
| 4.2.2 线性时变模型预测控制算法 |
| 4.3 轨迹跟踪控制器设计 |
| 4.3.1 纵横向耦合的动力学模型 |
| 4.3.2 预测模型的建立 |
| 4.3.3 约束条件的建立 |
| 4.3.4 优化求解 |
| 4.4 本章小结 |
| 5 仿真结果分析 |
| 5.1 参考轨迹的选取 |
| 5.2 基于预瞄LQR和前馈的横向跟踪控制器仿真测试 |
| 5.2.1 高附着路面下不同车速的仿真测试 |
| 5.2.2 低附着路面不同速度仿真工况测试 |
| 5.3 轨迹跟踪分层控制策略仿真分析 |
| 5.4 基于模型预测控制的横向跟踪控制器仿真分析 |
| 5.4.1 无动力学约束模型预测控制器 |
| 5.4.2 有动力学约束的模型预测控制器 |
| 5.4.3 减速下的双移线轨迹跟踪仿真测试 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
（9）智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 常用符号表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 智能汽车发展现状 |
| 1.3 智能汽车轨迹规划技术的研究现状 |
| 1.3.1 行驶轨迹规划算法研究现状 |
| 1.3.2 紧急避撞轨迹规划策略研究现状 |
| 1.4 智能汽车路径跟踪控制技术的研究现状 |
| 1.4.1 路径跟踪控制系统研究现状 |
| 1.4.2 路径跟踪控制策略研究现状 |
| 1.5 论文主要研究内容及结构 |
| 2 智能汽车紧急避撞轨迹规划策略研究 |
| 2.1 智能汽车紧急避撞交通场景分析 |
| 2.1.1 紧急避撞交通场景定义 |
| 2.1.2 对向车辆行驶轨迹预测 |
| 2.1.3 紧急避撞轨迹规划的触发条件 |
| 2.2 智能汽车的紧急避撞轨迹规划算法研究 |
| 2.2.1 紧急避撞轨迹规划的问题分析 |
| 2.2.2 基于模型预测的避撞轨迹路径规划 |
| 2.2.3 基于多项式拟合的避撞轨迹速度规划 |
| 2.2.4 避撞轨迹目标状态的确定 |
| 2.3 智能汽车紧急避撞轨迹的确定 |
| 2.3.1 候选轨迹的碰撞检测 |
| 2.3.2 车辆碰撞严重度预测 |
| 2.3.3 考虑碰撞缓解的避撞轨迹确定 |
| 2.4 本章小结 |
| 3 智能汽车路径跟踪控制系统建模 |
| 3.1 智能汽车路径跟踪控制系统的结构分析及建模假设 |
| 3.1.1 路径跟踪控制系统的结构分析 |
| 3.1.2 路径跟踪控制系统的建模假设 |
| 3.2 智能汽车的侧向动力学建模 |
| 3.2.1 二自由度车辆模型建立 |
| 3.2.2 轮胎侧向力计算模型 |
| 3.3 智能汽车的路径跟踪误差模型 |
| 3.4 路径跟踪控制系统的状态空间模型 |
| 3.5 本章小结 |
| 4 紧急避撞工况下智能汽车路径跟踪控制策略研究 |
| 4.1 智能汽车路径跟踪控制算法建立 |
| 4.1.1 MPC控制算法的预测模型 |
| 4.1.2 MPC路径跟踪控制算法建立 |
| 4.2 紧急避撞工况下路径跟踪误差模型的优化研究 |
| 4.2.1 基于航向角偏差的跟踪误差模型优化 |
| 4.2.3 基于车辆转向工况识别的复合跟踪误差模型 |
| 4.3 基于复合跟踪误差模型的路径跟踪控制策略研究 |
| 4.3.1 智能汽车稳定性约束研究 |
| 4.3.2 智能汽车路径跟踪控制策略建立 |
| 4.4 本章小结 |
| 5 智能汽车路径跟踪鲁棒优化控制策略研究 |
| 5.1 智能汽车路径跟踪控制的鲁棒优化分析 |
| 5.1.1 路径跟踪控制系统的不确定性分析 |
| 5.1.2 Tube-RMPC算法分析 |
| 5.2 基于车辆时变参数特性的Tube不变集优化设计 |
| 5.2.1 Tube不变集计算方法分析 |
| 5.2.2 车辆时变参数特性分析 |
| 5.2.3 Tube不变集优化设计 |
| 5.3 Tube-RMPC路径跟踪鲁棒优化控制策略研究 |
| 5.3.1 Tube-RMPC算法的反馈增益 |
| 5.3.2 路径跟踪控制系统的稳定性约束条件 |
| 5.3.3 Tube-RMPC系统控制输入求解 |
| 5.4 本章小结 |
| 6 智能汽车避撞轨迹规划与路径跟踪控制的仿真试验研究 |
| 6.1 智能汽车轨迹规划与路径跟踪控制的仿真平台简介 |
| 6.1.1 基于Car Sim与 Simulink的联合仿真平台简介 |
| 6.1.2 智能汽车仿真分析技术参数与行驶环境设置 |
| 6.2 智能汽车路径跟踪控制策略的对比分析 |
| 6.2.1 基于复合跟踪误差模型的路径跟踪控制策略的对比分析 |
| 6.2.2 路径跟踪鲁棒优化控制策略的对比分析 |
| 6.3 智能汽车紧急避撞轨迹规划策略的验证分析 |
| 6.3.1 仿真试验设置 |
| 6.3.2 仿真试验及结果分析 |
| 6.4 本章小结 |
| 7 全文总结 |
| 7.1 主要工作及结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）基于模型预测的分布式驱动智能车轨迹跟踪研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轮胎模型研究现状 |
| 1.2.2 分布式驱动电动车国内外研究现状 |
| 1.2.3 智能车轨迹跟踪控制研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 车辆动力学模型和轮胎模型 |
| 2.1 车辆坐标系 |
| 2.2 车辆动力学模型 |
| 2.3 Pacejka5.2 轮胎模型 |
| 2.3.1 建模思路 |
| 2.3.2 轮胎模型公式 |
| 2.3.3 轮胎模型参数辨识 |
| 2.3.4 轮胎力学特性分析 |
| 2.4 Carsim车辆模型 |
| 2.4.1车辆部分子系统实验 |
| 2.4.2 Carsim中整车模型的建立 |
| 2.4.3 整车模型验证 |
| 2.5 本章小结 |
| 第3章 基于MPC的轨迹跟踪控制器 |
| 3.1 线性时变模型预测控制 |
| 3.2 预测模型设计 |
| 3.3 QP问题转化 |
| 3.4 MPC轨迹跟踪控制器设计 |
| 3.4.1 模型的线性化和离散化 |
| 3.4.2 线性时变模型预测控制器的设计 |
| 3.4.3 构建约束条件 |
| 3.5 仿真及结果分析 |
| 3.5.1 高附着路面仿真 |
| 3.5.2 低附着路面仿真 |
| 第4章 基于MPC和 SMC的轨迹跟踪控制器 |
| 4.1 运动控制器 |
| 4.1.1 模型预测控制器 |
| 4.1.2 滑模控制基本理论 |
| 4.1.3 滑模控制器设计 |
| 4.2 控制分配器 |
| 4.3 仿真及结果分析 |
| 4.3.1 高附着路面仿真 |
| 4.3.2 低附着路面仿真 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 作者简介及学术成果 |
| 致谢 |
四、基于人工神经网络的轮胎侧偏特性模型（论文参考文献）
- [1]基于路径跟踪的多智能车辆编队控制研究[D]. 朱梁鹏. 江苏理工学院, 2021(02)
- [2]基于模糊滑模控制的智能车辆轨迹跟踪控制研究[D]. 杭玉迪. 江苏理工学院, 2021(02)
- [3]基于操稳性能评价的轮胎与整车匹配方法研究[D]. 高磊. 吉林大学, 2021(01)
- [4]基于多传感器数据融合的路面附着系数估计[D]. 何中正. 吉林大学, 2021(01)
- [5]基于UniTire轮胎模型的智能车局部轨迹规划和跟踪控制[D]. 李子晗. 吉林大学, 2021(01)
- [6]电动轮驱动汽车极限工况下轨迹跟随控制[D]. 颜庭旭. 吉林大学, 2021(01)
- [7]考虑侧偏刚度影响的主动换道研究[D]. 樊建康. 合肥工业大学, 2021
- [8]无人驾驶车辆轨迹跟踪控制策略研究[D]. 白恒星. 重庆理工大学, 2021(02)
- [9]智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究[D]. 孙传扬. 北京交通大学, 2021(02)
- [10]基于模型预测的分布式驱动智能车轨迹跟踪研究[D]. 司振立. 吉林大学, 2020(08)