针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Me...针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Mean Square,LMS)自适应状态估计器提升系统的抗噪性。路径点筛选器提升运算速度并减少筛选过程中的关键信息损失,速度规划器在安全行驶前提下生成最优速度曲线。路径跟踪控制器考虑跟踪偏差软约束,提升跟踪效果。LMS状态估计器基于在线矫正的动力学模型,对横摆角速度与横向速度在线估计。搭建dSPACE-TX2硬件在环仿真环境,在高速公路工况及双移线工况下对比所提出方案与传统运动跟踪控制。半实物仿真结果表明,所提出的运动控制架构提升了抗噪性能与21%的跟踪精度,且满足50 Hz高频控制的要求。展开更多
针对如何提高阀控离合器的位置控制精度、克服非线性等问题,该文提出了一种基于状态反馈线性化的电液伺服系统模型预测控制方案。首先建立了伺服系统状态空间模型,将非线性系统映射为新坐标空间内的线性系统模型;接着设计了一种基于马...针对如何提高阀控离合器的位置控制精度、克服非线性等问题,该文提出了一种基于状态反馈线性化的电液伺服系统模型预测控制方案。首先建立了伺服系统状态空间模型,将非线性系统映射为新坐标空间内的线性系统模型;接着设计了一种基于马尔可夫链预测模型的反馈线性化模型预测控制器(feedback linearization model predictive controller,FLMPC),通过设计损失函数求解最优输入序列,最终作用于反馈线性化系统。仿真结果证明,在相同输入情况下,反馈线性化系统与原系统的位置误差满足控制需要,可以有效减少超调量。且在保证被控对象快速稳定控制的条件下,相比非线性模型预测控制,该算法单步计算时间更短。展开更多
文摘针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Mean Square,LMS)自适应状态估计器提升系统的抗噪性。路径点筛选器提升运算速度并减少筛选过程中的关键信息损失,速度规划器在安全行驶前提下生成最优速度曲线。路径跟踪控制器考虑跟踪偏差软约束,提升跟踪效果。LMS状态估计器基于在线矫正的动力学模型,对横摆角速度与横向速度在线估计。搭建dSPACE-TX2硬件在环仿真环境,在高速公路工况及双移线工况下对比所提出方案与传统运动跟踪控制。半实物仿真结果表明,所提出的运动控制架构提升了抗噪性能与21%的跟踪精度,且满足50 Hz高频控制的要求。
文摘针对如何提高阀控离合器的位置控制精度、克服非线性等问题,该文提出了一种基于状态反馈线性化的电液伺服系统模型预测控制方案。首先建立了伺服系统状态空间模型,将非线性系统映射为新坐标空间内的线性系统模型;接着设计了一种基于马尔可夫链预测模型的反馈线性化模型预测控制器(feedback linearization model predictive controller,FLMPC),通过设计损失函数求解最优输入序列,最终作用于反馈线性化系统。仿真结果证明,在相同输入情况下,反馈线性化系统与原系统的位置误差满足控制需要,可以有效减少超调量。且在保证被控对象快速稳定控制的条件下,相比非线性模型预测控制,该算法单步计算时间更短。
