首页期刊导航|重庆理工大学学报
期刊信息/Journal information
重庆理工大学学报
重庆理工大学
重庆理工大学学报

重庆理工大学

石晓辉

月刊

1674-8425

023-62769495

400050

重庆市九龙坡区杨家坪

重庆理工大学学报/Journal Journal of Chongqing Institute of Technology北大核心CSTPCD
查看更多>>本刊是中国学术期刊综合评价数据库来源期刊,中国科技核心期刊,重庆市一级期刊,教育部优秀期刊。主要刊登有创造性、探索性、开拓性的学术论文、科研成果报告、重要学术问题的评述和学科前沿的综述。
正式出版
收录年代

    AFS与DYC协调控制的智能汽车路径跟踪方法

    刘军刘皓皓顾洪钢王菁菁...
    1-9页
    查看更多>>摘要:为提高智能车辆在复杂道路条件下的路径跟踪能力与行驶稳定性,提出了一种基于AFS(主动前轮转向)与DYC(直接横摆力矩控制)协调控制的智能汽车路径跟踪控制方法.为保证车辆在复杂道路条件下的路径跟踪精度,在车辆2自由度模型及单点预瞄模型的基础上,控制预瞄时间使其自适应跟踪目标路径;在DYC设计时,考虑到横摆角速度和质心侧偏角量纲不同,采用无量纲方法设计横摆力矩滑模控制器,并采用单轮制动的方式实现附加横摆力矩的分配;同时,为了使AFS和DYC的工作效果得到充分发挥,基于车辆失稳侧滑时的前轮临界转角,采用加权分配函数的方式保证协调控制的平顺性.基于Carsim-Simulink联合进行鱼钩工况及双移线工况下的试验仿真,并与独立控制对比.试验结果表明:协调控制在满足对复杂道路条件跟踪准确性的同时可有效改善智能车辆行驶时的操纵稳定性,具有更好的鲁棒性.

    智能汽车主动前轮转向直接横摆力矩控制预瞄时间自适应协调控制路径跟踪控制

    面向切入场景的变权重自适应巡航控制策略

    李旭谢宁王建春王强...
    10-18页
    查看更多>>摘要:为了解决自适应巡航控制系统因旁车道车辆切入识别较晚,造成驾驶员舒适性降低甚至出现危险的问题,提出了一种基于支持向量机(SVM)识别切入车辆并实时调整模型预测控制(MPC)权重参数的控制策略.提取真实交通车辆换道特征,采用支持向量机算法训练出前车切入识别模型.基于模糊控制理论设计权重调整机制,优化MPC控制器得到期望加速度.在Prescan、Matlab/Simulink及NI实时系统的环境下搭建硬件在环试验平台,对不同切入工况进行对比分析.结果表明:控制策略能够提前切换跟随目标,降低纵向加速度的波动,避免车辆强制动现象,提高系统的舒适性及安全性.

    自适应巡航控制车辆切入识别变权重系数模型预测控制硬件在环试验

    纯电动汽车自适应巡航控制研究

    杨铭菲田杰
    19-26页
    查看更多>>摘要:选择四轮轮毂电机驱动电动汽车为研究对象,运用Matlab/Simulink和CarSim2020对自适应巡航控制系统进行研究.制定了纯电动汽车自适应巡航控制系统整体架构,并对纯电动汽车的纵向动力学进行了分析,随后选择了一种合适的安全距离模型以保证车辆行驶的安全性,运用Simulink搭建了所必需的雷达和轮毂电机模型.采用CarSim2020搭建自车与前车的车辆模型以及仿真环境.基于PID控制算法和线性二次型调节器(linear quadratic regulator,LQR)分别搭建出定速巡航和距离保持的上层控制器,再通过车辆纵向动力学搭建下层控制器.通过Matlab/Simulink和CarSim2020搭建联合仿真模型,在加减速工况下对定速巡航和距离保持控制器进行仿真研究.仿真结果表明:所设计的控制系统能够较好地实现定速巡航和距离保持功能,具有良好的实用性和有效性.

    纯电动汽车安全距离模型自适应巡航控制定速巡航距离保持

    基于蚁狮算法优化的LQR横向跟踪控制策略

    王柏林李云伍赵颖宋胜...
    27-38页
    查看更多>>摘要:为解决线性二次型调节器(LQR)在经典固定权重系数下对大曲率参考路径适应性不佳致使车辆跟踪精度与稳定性欠佳的问题,设计了一种基于蚁狮算法(ALO)优化的带有预瞄前馈转角补偿的自适应权重系数LQR控制器以进行路径横向跟踪.基于2自由度车辆动力学横向跟踪误差模型设计了经典LQR控制器.采用预瞄前馈控制消除误差模型简化带来的稳态误差.提出以横向距离偏差、航向角偏差和输出前轮转角为评价函数,基于蚁狮算法优化的自适应LQR权重系数修正策略.通过实车测验,验证了控制器在实车环境下的控制效果.结果表明:所设计的控制器能够适应大曲率参考路径,并兼顾路径跟踪精准性和行驶稳定性,同时针对不同车速鲁棒性表现优异.

    智能汽车横向跟踪LQR控制蚁狮算法

    复杂交通环境下的智能汽车局部轨迹规划方法的研究

    刘东聂枝根周贻
    39-49页
    查看更多>>摘要:对于复杂交通环境下智能汽车的实时轨迹动态规划的问题,提出了一种基于Frenet坐标的智能车辆局部轨迹规划的算法.利用三次样条曲线拟合道路中心线,得到道路参考线.通过初始状态和目标状态,采样得到四次多项式和五次多项式候选轨迹的集合.综合考虑智能车辆行驶安全性、候选轨迹的横向与纵向加速度变化及全局轨迹追踪能力,设计了安全性代价函数、轨迹舒适性代价函数和轨迹偏移量代价函数,评价轨迹成本.最后通过仿真结果可知,该算法可以实时性得到既舒适又安全的轨迹.且设计了多种类型的道路,其中包括具有单个匀速和变速障碍物的双车道连续弯道,具有多个匀速和变速障碍物的三车道弯道,来测试该方法.测试结果表明:该算法能有效改善复杂动态环境下的避障能力.

    智能汽车Frenet轨迹规划代价函数动态环境

    改进麻雀搜索算法的智能车路径规划研究

    陈佳峻范英代晓文许晋军...
    50-56页
    查看更多>>摘要:针对麻雀搜索算法存在的收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的麻雀搜索算法.首先,使用ICMIC混沌映射函数初始化种群,提高种群多样性,以此来增强麻雀种群在未知环境的探索能力.其次,对麻雀算法位置更新公式进行修改,对位置更新公式进行优化,提高算法的收敛速度.最后,设计3个不同的栅格地图,将改进后的麻雀搜索算法与原始算法在此地图中进行路径规划对比,验证改进麻雀搜索算法的性能.实验结果表明:改进后的麻雀搜索算法在智能车路径规划问题中有着更好的表现,具有更快的收敛速度和更好的寻优能力.

    车辆工程路径规划改进麻雀搜索算法混沌映射

    智能网联汽车行驶的安全风险评价模型

    张诗波查治涌胡文浩董红磊...
    57-63页
    查看更多>>摘要:随着智能网联汽车普及率的提高,智能网联汽车行驶的安全风险日益凸显.将SHELL模型应用于智能网联汽车领域,按照人-车-环境-软件的架构系统梳理智能网联汽车行驶的风险因素22项,引入风险矩阵法与Borda序值法相结合对智能网联汽车行驶安全进行综合分析评估,通过实际案例分析得出了9个风险严重等级并给出针对性对策,可为车辆开发、运行和安全设计提供相关依据.

    安全工程智能网联汽车风险矩阵法SHELLBorda序值法

    制动与转向多模式下的智能车避撞系统

    李根王晓佳张东光孙玉盾...
    64-76页
    查看更多>>摘要:针对智能车安全距离模型和避撞策略过于单一等问题,提出了一种复杂工况下的车辆制动与转向协调避撞策略.根据前车的行驶情况,划分为4种驾驶模式,考虑避撞系统时滞、路面附着系数和车速的影响,建立了纵向安全距离模型;同时在转向避撞策略中,根据目标车道前后方车辆的驾驶状态,考虑前车宽度以及转向后安全间距的因素,建立了转向避撞的安全距离模型;对于较高车速、较短车距的工况,设计了先制动后转向的安全距离模型.通过不同临界安全距离,设计了一种制动与转向多模式下的车辆避撞决策逻辑.结果表明,车辆在3种不同的复杂工况下,都能选择合适的避撞策略,充分提高了车辆的避撞能力.

    智能车临界安全距离避撞策略仿真实验

    智能汽车横向滑模变结构控制

    谭伟郭志勇米林贾科林...
    77-84页
    查看更多>>摘要:车辆模型的非线性以及道路参数的不确定性在某些工况下严重影响智能汽车控制器的鲁棒性,导致智能汽车在行驶过程中偏离规划路径.根据车辆2自由度动力学模型与横向误差模型建立横向运动状态方程,设计横向滑模控制算法,并采用神经网络进一步优化系统及外部干扰控制误差,形成横向滑模变结构控制策略,应用Lyapunov稳定性理论验证了控制策略的稳定性.建立Matlab/Carsim联合仿真模型,对滑模变结构的横向控制策略进行仿真验证.仿真结果表明:在高速小转角工况下,与单一滑模控制策略相比,滑模变结构控制策略的横向控制最大误差可减小38%,同时该控制策略对载荷的变化具有较好的鲁棒性.

    智能汽车轨迹跟踪横向控制滑模变结构

    改进支持向量机的车辆定位导航精度提升方法

    岳钰隽邱娜金志扬许述财...
    85-94页
    查看更多>>摘要:车辆定位导航是实现智能车辆环境感知的基础,为解决智能车辆在SINS/GPS组合导航下误差问题,提出一种基于蚁群算法改进支持向量机的车辆定位导航精度提升方法.首先,使用状态变换扩展卡尔曼滤波对组合导航进行初步降噪;其次,运用支持向量机及神经网络辅助导航,解决组合导航中位置误差较大、对导航效果产生影响的问题;然后,通过蚁群算法改进支持向量机,对支持向量机核函数参数进行迭代优化;最后,在实车采集数据集下,与神经网络辅助进行对比.结果表明:在东北天3个方向上,神经网络降低误差均方根值的效果达到了72.88%、68.66%、63.87%,而改进支持向量机的效果达到了82.09%、79.62%、90.14%.改进支持向量机能够辅助优化组合导航位置误差,提升车辆定位导航精度.

    支持向量机组合导航误差优化机器学习蚁群算法