基于ED-LSTM的智能汽车神经网络横向动力学建模与控制

车辆动力学建模过程中通常会进行简化和假设, 导致模型在某些工况下无法准确反映车辆的实际动态特性, 影响控制精度甚至安全性. 鉴于此, 该文提出了一种基于数据驱动的非线性建模与控制方法, 建立了新型神经网络车辆横向动力学多步预测模型, 实现了智能汽车对参考轨迹的跟踪控制. 首先, 在分析车辆单轨模型并考虑轮胎非线性和纵向负载转移的基础上, 基于编码器?解码器结构设计神经网络横向动力学模型. 其中, 使用串行排列来扩展微分方程描述不完全的动力学信息, 隐藏层神经元学习车辆的高度非线性和强耦合特性, 进而提高模型全局计算精度. 利用所构建的数据集进行模型训练和测试, 结果表明, 相比于物理模型, 所提出的模型在不同路面附着系数条件下均具有更高的建模精度, 具有隐式预测路面摩擦条件能力. 其次, 利用提出的模型设计轨迹跟踪控制算法, 根据车辆稳态转向假设, 计算所需的前轮转向角和稳态质心侧偏角, 将稳态质心侧偏角纳入基于路径误差的转向反馈中, 实现参考轨迹跟踪控制. 最后, 使用CarSim/Simulink联合仿真及HIL实验测试进行不同工况试验的对比分析, 对所提出的基于神经网络模型的控制算法进行评价, 结果表明, 该模型能够实现智能汽车在高速下精确的跟踪控制效果, 并具有良好的横向稳定性.      

基于FFUKF路面附着系数估计的汽车牵引力控制

以后驱牵引车为研究对象, 设计了基于路面附着系数估计的牵引力控制系统(TCS). 在路面附着系数估计方面, 针对传统卡尔曼滤波难以跟踪时变非线性系统的问题, 本文将模糊控制理论和衰减记忆滤波思想引入无迹卡尔曼滤波, 设计一种基于模糊遗忘因子的无迹卡尔曼滤波路面附着系数估计方法, 提高了算法的跟踪性能. 牵引力控制包括扭矩控制和制动控制. 在TCS扭矩控制方面, 分别利用路面附着系数和驱动轮滑转率在目标滑转率附近时的车辆加速度计算目标基础扭矩, 根据车辆行驶状态和抖振度参量, 基于可拓控制理论划分经典域、可拓域和非域, 通过可拓集的关联函数得到动态权重系数, 将上述两种方法计算得到的目标基础扭矩进行可拓融合设计出基础扭矩. 之后, 以实际滑转率和目标滑转率之间的误差作为输入, 采用模糊自整定PI控制器得到目标反馈扭矩. 在制动控制方面, 针对两种典型路面分别设计了PI控制压力和附着差压力. 实车试验结果表明, 基于模糊遗忘因子的无迹卡尔曼滤波算法能够更加快速地跟踪路面附着系数的变化, 同时基于路面附着系数估计的TCS控制策略能够有效抑制驱动轮过度滑转, 将驱动轮滑转率控制在最佳范围内, 显著提高了车辆的动力性.      

基于智能驾驶电动汽车的多车?桥梁耦合系统动力学特性研究

迫于能源和环保问题的压力, 电动汽车及智能驾驶受到了各国高度重视. 轮毂电机驱动电动汽车车轮振动剧烈, 与桥梁路面动力学相互作用更加突出, 现有研究主要针对传统汽车, 关于电动车轮与公路桥梁接触动力学相互作用及智能驾驶车队的多车?桥梁耦合作用研究尚不多见. 本文以轮毂电机驱动电动汽车为研究对象, 考虑车轮和桥面多点接触关系, 研究了两个智能驾驶汽车过桥时的车桥耦合动力学特性. 分析了电机质量、电机激励、轮胎悬架刚度非线性、车距、车速对系统振动特性的影响, 以及桥面不平顺激励、三重耦合激励对电动汽车平顺性的影响. 研究表明: 车距和车速是影响车?桥系统振动特性的重要因素, 在车?桥耦合动态设计中, 车距和车速的影响应重点关注; 桥面越平坦, 电机激励及桥面二次激励对车辆平顺性和道路友好性影响越加显著, 当汽车行驶在平坦桥面时两种激励对轮毂电机驱动电动汽车的影响不容忽视. 所建模型有望为智能驾驶电动汽车与桥梁的耦合作用研究提供理论参考.      

基于可拓决策法的车辆自适应避撞控制方法研究

车辆的避撞控制可以有效避免或缓解车辆的碰撞事故,是自动驾驶汽车的关键控制技术之一.各种交通条件、不确定的道路附着系数以及复杂的液压制动执行系统都会降低避撞控制的有效性.因此,本文提出了一种基于可拓决策法的自适应避撞控制,该控制方法对路面附着系数具有自适应性,并能够精确控制制动系统的制动液压力.首先,设计了滑模观测器来估计轮胎纵向力,并基于观测得到的轮胎纵向力,进一步提出带遗忘因子的递推最小二乘法估计道路附着系数.其次,基于递推最小二乘法的估计值,提出了基于路面附着系数自适应调节的自适应避撞控制方法,该方法基于可拓决策法的先决判定决定当前时刻应采用何种避撞控制策略,即采用可拓决策方法判断进行点刹预警制动、全制动或者不制动.再次,通过对执行系统-电控液压制动系统进行精确的液压控制,实现主动减速控制效果.最后,采用软件联合仿真手段对上述方法进行了验证,结果表明所提出的算法在避撞行驶工况中具有良好的避撞效果.     

考虑胎路多点接触的电动汽车?路面耦合系统振动分析

轮毂电机驱动电动汽车的簧下质量大, 使得轮胎动载荷增加, 且电机激励进一步加剧车轮振动. 同时, 轮胎与路面单点接触的简化模型, 其动力学计算结果与实际存在差别. 鉴于此, 考虑电机的电磁激励、胎路多点接触和非线性地基, 建立了电动汽车?路面系统机电耦合动力学模型, 通过Galerkin法推导了非线性地基梁的垂向振动, 利用积化和公式推导了非线性地基梁中非线性项积分的精确表达式, 提出了路面截断阶数选取的简易方法, 并通过路面位移响应的收敛性进行了验证. 在此基础上, 研究了胎路多点接触、非线性地基、电机激励、车速、路面不平顺幅值等对路面及车辆响应的影响. 结果表明, 非线性地基及多点接触对车辆响应的影响中, 轮胎动载荷的影响最大, 车身加速度和悬架动挠度的影响较小, 且考虑电机激励时, 二者对车辆响应的影响显著增大. 从对路面响应的影响看, 电机激励的影响最大, 非线性地基的影响次之, 多点接触的影响较小. 所建模型及研究方法可为电动汽车的垂向动力学分析提供一种新思路.      

模糊自适应滤波在水下航行器组合导航系统中的应用

为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明：模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。     

基于NPF-CKF的捷联惯导系统动基座初始对准技术

当海况不佳时,水下航行器大幅晃动,捷联惯导系统无法快速完成自主初始对准,因此提出了利用多普勒计程仪提供的速度信息进行运动中辅助对准。针对在非线性对准中扩展卡尔曼滤波存在精度低,且需要计算雅可比矩阵等不足,提出了一种基于非线性预测滤波的求容积卡尔曼滤波算法。该滤波算法将惯性器件测量误差作为模型误差使用非线性预测滤波器进行实时预测,然后再利用求容积卡尔曼滤波对模型误差补偿后的系统进行状态估计。仿真结果表明,与扩展卡尔曼滤波和求容积卡尔曼滤波算法相比,该滤波算法能够不仅提高失准角特别是方位失准角的估计精度,其精度约为45″,而且加快了收敛速度。同时由于该滤波算法降低了系统状态的维数,因此也大大减少了计算量。     

基于SE(3)的扩展卡尔曼滤波姿态估计算法（英文）

利用李群理论对姿态估计问题开展研究,提出一种基于SE(3)扩展卡尔曼滤波姿态估计算法。通过将姿态信息和陀螺仪漂移构造为特殊欧式群SE(3)的元素,推导出了基于SE(3)扩展卡尔曼滤波的姿态估计算法SE(3)-EKF。通过对比分析,指出SE(3)-EKF与近年来提出的几何扩展卡尔曼滤波算法是等价的。在坐标系一致性的基础上,所提出的结论为几何扩展卡尔曼滤波算法提供了另外一种解释。仿真实验结果表明提出的SE(3)-EKF与几何扩展卡尔曼滤波算法精度基本一致,且在失准角较大时估计精度显著优于传统的乘性扩展卡尔曼滤波算法,从而从一定程度上放松了线性卡尔曼滤波姿态估计算法对初始姿态精度的要求。     

路面横倾角度对人体步进摩擦的影响

预防滑摔是步进摩擦研究的主要目的,但现有研究集中于水平路面和上下坡,对横倾路面研究较少. 通过采用自制步进摩擦试验平台测试人体在横倾路面上行走时的摩擦力、足偏角和步态周期,计算必要摩擦系数. 结果表明:随着横倾角度的增大,重力的侧向分量增大,导致侧向摩擦系数增大并起主要作用,侧滑风险升高,可调整重心向低侧偏移以减小必要摩擦系数,从而降低滑摔风险;低侧脚足偏角减小,高侧脚足偏角增加,可增加低侧脚足偏角的方法增加动态稳定域以提高行走时的稳定性;路面横倾增大了侧滑风险,人体自适应平衡机制随之减缓步速,并缩短较危险的单支撑期和延长较安全的双支撑期以防止滑摔.      

INS/Doppler组合导航中安装偏角的在线估计

INS和Doppler在载机上安装时存在安装偏角,会对组合导航精度产生影响.为此,提出了一种新的INS/Doppler组合导航算法,将标度因数和安装偏角作为状态变量进行估计.在分析Doppler输出误差模型的基础上,详细推导了组合导航算法模型,并进行了仿真.仿真结果表明,在载机正常飞行并适当机动的情况下,该组合导航算法能够准确对标度因数和安装偏角进行估计,标度因数的估计精度为0.4‰,安装偏角的估计精度为0.1′-0.3′,从而提高了导航精度.     

Algorithms for a Vehicle Dynamics Monitoring System,Based on Model Reference Structure

Vehicle control depends heavily on the knowledge of the vehicle operatingconditions. One of the most important parameters for its control is thetyre–road friction coefficient (µ). An appropriate way toestimate the vehicle operating conditions is the Model Reference Approach.This technique requires a model that provides estimated states which can becompared with the measured states, the difference is used to determine thereal operating conditions. This paper presents two different applications ofthe Model Reference Techniques to estimate tyre–road frictioncoefficient; these are based on the relation between tyre forces and slip,and on the vehicle lateral behaviour using an extended Kalman filter.Experimental data from the test vehicle confirms the good results obtainedin the friction estimation based on the tyre slip–force relation. Theestimation using an extended Kalman filter on lateral behaviour showsaccurate tracking. The next step to be taken is to integrate all thealgorithms in the test vehicle and to validate them for a wide range ofoperating conditions, in order to have reliable information for the activesystem control.     

Identification of tire forces using Dual Unscented Kalman Filter algorithm

Nowadays, application of active control systems in vehicles has been developed in order to increase safety and steerability. In these systems, using an appropriate dynamic model can be very effective in increasing the accuracy of simulations and analysis. Tire-road forces are crucial in vehicle dynamics and control since they are the only forces that a vehicle experiences from the ground and have maximum uncertainty on vehicle dynamic model. In order to simulate the non-linear regimes of vehicle motion, the ‘Pacejka’ tire model is being utilized. In this paper, a dynamic model with Dual Unscented Kalman Filter algorithm has been utilized to identify the lateral forces, side slip angle, and normal forces of tires. In order to solve the non-linear least squares problem, these parameters were given as input to the hybrid Levenberg–Marquardt and quasi Newton algorithm to find the Pacejka tire model coefficients in the offline mode. Four degrees of freedom vehicle model combined with Pacejka tire model are used for simulation in various maneuvers. Results show appropriate compatibility with CarSim software.     

一种可用于运载火箭的SINS/GNSS自主导航方案

研究了一种可用于运载火箭的SINS/GNSS自主导航方案。起飞前捷联惯组采用基于惯性系重力加速度积分的解析粗对准和卡尔曼滤波精对准,起飞后采用SINS/GNSS卡尔曼滤波组合导航反馈实时修正姿态、速度和位置。仿真结果表明捷联惯组水平自主对准误差0.01°,方位自主对准误差1.5°,起飞后经组合导航修正后的姿态误差小于0.2°,速度误差小于0.4m/s,位置误差小于40m,考虑所有误差的蒙特卡罗仿真结果满足火箭入轨精度要求,此方案具有较高的工程应用价值。     

预测滤波器理论在惯导非线性对准中的应用

讨论了预测滤波器的基本算法，并针对平台惯性导航系统在大方位失准角情况下的非线性对准中，用预测滤波器无法估计陀螺误差的问题，提出了将预测滤波和扩展卡尔曼滤波相结合的算法。通过对大失准角下的静基座和动基座对准的仿真，证明预测滤波和扩展卡尔曼滤波相结合的算法能够提高的平台姿态误差角特别是方位误差角的估计精度。比起扩展卡尔曼滤波算法，该算法还能降低系统的维数，减小计算量。     

MIMS/GPS组合导航系统中卡尔曼滤波器设计与实验研究

对MIMS／GPS组合导航系统进行了研究，设计了卡尔曼滤波器，采用状态和偏差去耦方法进行估算，完成了仿真和车载实验。该算法计算量小，估计精度高，特别适用于偏差项较多的场合，在本系统中有效地抑制了陀螺和加速度计动态偏差的影响。此外，在开环卡尔曼滤波器结构基础上引入了姿态阵修正，进一步减小捷联系统姿态角误差对导航定位精度的影响。仿真和车载实验结果表明，样机具有较高的定位精度和较好的重复性。