基于視覺的智能汽車模糊滑模側(cè)向控制

?

基于視覺的智能汽車模糊滑模側(cè)向控制

側(cè)向控制是使車輛自動跟蹤在不同速度、道路、負(fù)荷和阻力型條件的期望軌跡，并保持一定舒適性和控制橫向穩(wěn)定性。主要是路徑跟蹤，即如何控制車輛沿著給定的參考路徑行駛。

以視距為研究對象對智能汽車DLUIV-1進(jìn)行側(cè)向控制研究。首先，由模糊控制和滑?？刂疲⊿MC）相結(jié)合建立了一種智能汽車側(cè)向控制模型，而建立速度和其它因素的運(yùn)動學(xué)模型是用于計(jì)算側(cè)向誤差和方向誤差。其次，根據(jù)側(cè)向控制的特點(diǎn)，提出了有效的智能汽車側(cè)向模型方案。滑動面滑模切換函數(shù)為車輛當(dāng)前側(cè)向誤差和方向誤差的積分函數(shù)。函數(shù)的控制變量根據(jù)模糊控制規(guī)則變動，模糊控制規(guī)則描述人們的駕駛行為，對模糊控制器起重要作用；控制目標(biāo)是滑模切換函數(shù)，以確保轉(zhuǎn)向盤的轉(zhuǎn)動穩(wěn)定性。

側(cè)向控制器盡可能精確地控制智能汽車連續(xù)不斷沿參考路線行駛，而智能汽車動力的非線性、耗時、不確定性使其側(cè)向控制設(shè)計(jì)困難?；谀：？刂评碚撛O(shè)計(jì)了一種基于視覺的模糊滑模控制器，該控制器提高了追蹤參考軌跡的精確度。模糊控制器的輸入變量是滑模切換函數(shù)及其速率，而不是以前的綜合誤差和速率，因?yàn)檫@樣既能保持系統(tǒng)參數(shù)擾動和外部干擾的魯棒性，又獨(dú)立于該系統(tǒng)的數(shù)學(xué)模型，并且弱化控制信號，減輕傳統(tǒng)滑模控制系統(tǒng)的抖振，滿足控制要求，更好地追蹤參考軌跡。

采用12自由度的整車動力學(xué)模型，由試驗(yàn)車型DLUIV-1獲得側(cè)向控制模型主要參數(shù)進(jìn)行仿真分析。仿真結(jié)果表明，側(cè)向控制器可保證較高的軌跡跟蹤精度及較強(qiáng)的模型參數(shù)變化魯棒性。

刊名：Advances in Mechanical Engineering（英）

刊期：2013年第12期

作者：Stéphane Galland et al

編譯：王維