

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著汽車(chē)工業(yè)和高速公路的快速發(fā)展,導(dǎo)致車(chē)速的不斷提高和車(chē)輛密度的不斷增大,而駕駛員自身水平的差異往往引發(fā)頻發(fā)的交通事故。近年來(lái),主動(dòng)轉(zhuǎn)向控制作為車(chē)輛底盤(pán)主動(dòng)安全控制技術(shù)的關(guān)鍵技術(shù)之一,是改善和解決車(chē)輛高速失穩(wěn)問(wèn)題的有效手段。通常主動(dòng)轉(zhuǎn)向是通過(guò)獨(dú)立于駕駛員方向盤(pán)轉(zhuǎn)角的轉(zhuǎn)向輸入,對(duì)車(chē)輛轉(zhuǎn)向輸入進(jìn)行修正,以提升車(chē)輛的操縱穩(wěn)定性。由于現(xiàn)有的汽車(chē)主動(dòng)轉(zhuǎn)向系統(tǒng)的設(shè)計(jì)大多是基于車(chē)輛自身的穩(wěn)定性,并沒(méi)有考慮到駕駛員對(duì)車(chē)輛轉(zhuǎn)向系統(tǒng)的影響,也沒(méi)有按照不同的
2、駕駛員的風(fēng)格和水平,進(jìn)行差異化和個(gè)性化的開(kāi)發(fā),從而無(wú)法更好地輔助駕駛員對(duì)車(chē)輛的控制。為此,本文創(chuàng)新性地提出了結(jié)合駕駛員模型的車(chē)輛主動(dòng)轉(zhuǎn)向系統(tǒng),充分考慮駕駛員自身駕駛水平和外界干擾因素,并在最優(yōu)目標(biāo)跟隨路徑的基礎(chǔ)上,研究了駕駛員和主動(dòng)轉(zhuǎn)向系統(tǒng)的交互耦合作用,設(shè)計(jì)了一個(gè)基于微分博弈的主動(dòng)轉(zhuǎn)向系統(tǒng)控制器,以保證車(chē)輛安全的基礎(chǔ)上,更為有效地提高車(chē)輛路徑跟隨能力。
在結(jié)合車(chē)輛和駕駛員狀態(tài)反饋信息的預(yù)瞄-補(bǔ)償優(yōu)化神經(jīng)網(wǎng)絡(luò)駕駛員模型基礎(chǔ)上,
3、本文首先提出了一種基于廣義預(yù)測(cè)控制(Generalized predictive control,GPC)的主動(dòng)轉(zhuǎn)向控制器來(lái)保證車(chē)輛在外界干擾存在的條件下對(duì)于目標(biāo)路徑的跟蹤能力。將受控自回歸積分滑動(dòng)平均模型(Controlled Auto-Regressive Integrated Moving-Average,CARIMA)作為車(chē)輛的預(yù)測(cè)模型,避免了由于車(chē)輛參數(shù)偏移和非線性造成的參數(shù)化建模不準(zhǔn)確、繁瑣的問(wèn)題。以路徑中心線作為目標(biāo)軌跡,
4、將車(chē)輛路徑的側(cè)向跟蹤誤差作為控制器輸入,方向盤(pán)附加轉(zhuǎn)角作為輸出,與駕駛員方向盤(pán)轉(zhuǎn)角進(jìn)行綜合,最終獲得車(chē)輛的方向盤(pán)轉(zhuǎn)角。
其次,為進(jìn)一步拓寬主動(dòng)轉(zhuǎn)向系統(tǒng)對(duì)不同的目標(biāo)軌跡的適用范圍,解決主動(dòng)轉(zhuǎn)向系統(tǒng)所需目標(biāo)跟隨軌跡的設(shè)計(jì)問(wèn)題,借鑒賽車(chē)動(dòng)力學(xué)中最短時(shí)間路徑的設(shè)計(jì)經(jīng)驗(yàn),文中提出了一種結(jié)合運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)的路徑優(yōu)化求解方法。確立以時(shí)間最短和執(zhí)行器負(fù)荷最小為目標(biāo)函數(shù),考慮車(chē)輛運(yùn)動(dòng)極限狀態(tài)和道路邊界的約束,將最優(yōu)軌跡求解問(wèn)題轉(zhuǎn)化為非線性約束優(yōu)
5、化問(wèn)題,從而求得主動(dòng)轉(zhuǎn)向系統(tǒng)所需的路徑跟隨軌跡,為后續(xù)駕駛員-車(chē)輛交互的轉(zhuǎn)向控制提供條件。本文通過(guò)引入空間曲線坐標(biāo)系,將時(shí)域下的車(chē)輛動(dòng)力學(xué)系統(tǒng)轉(zhuǎn)換為空間域的動(dòng)力學(xué)系統(tǒng),可以有效簡(jiǎn)化計(jì)算,解決軌道自身彎曲導(dǎo)致坐標(biāo)重合問(wèn)題。
最后,在駕駛員的方向盤(pán)轉(zhuǎn)角和主動(dòng)轉(zhuǎn)向系統(tǒng)的雙重輸入的條件下,建立駕駛員和主動(dòng)轉(zhuǎn)向系統(tǒng)的協(xié)同控制結(jié)構(gòu);以微分博弈為基礎(chǔ),考慮主動(dòng)轉(zhuǎn)向系統(tǒng)介入實(shí)際駕駛員轉(zhuǎn)向輸入的程度,通過(guò)辨識(shí)駕駛員模型的關(guān)鍵參數(shù),計(jì)算基于不同水
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 仿優(yōu)秀駕駛員行為的無(wú)人駕駛車(chē)輛轉(zhuǎn)向控制研究.pdf
- 基于機(jī)器視覺(jué)的智能車(chē)輛駕駛員模型的研究.pdf
- 駕駛員座椅懸架系統(tǒng)主動(dòng)控制研究.pdf
- 基于駕駛員模型的無(wú)人駕駛汽車(chē)路徑跟蹤控制.pdf
- 兩點(diǎn)預(yù)瞄駕駛員轉(zhuǎn)向模型研究.pdf
- 駕駛員車(chē)輛路徑選擇研究.pdf
- 考慮NMS的新型駕駛員模型在轉(zhuǎn)向控制中的應(yīng)用研究.pdf
- 駕駛員與車(chē)輛的管理
- 基于駕駛員模型的汽車(chē)防側(cè)翻控制研究.pdf
- 基于駕駛員模型的橫向險(xiǎn)態(tài)駕駛行為研究.pdf
- 基于駕駛員在環(huán)仿真平臺(tái)的車(chē)輛路徑跟隨模型研究.pdf
- 基于駕駛員意圖的智能車(chē)輛路徑跟隨研究.pdf
- 基于HMM的駕駛員疲勞評(píng)估模型研究.pdf
- 基于駕駛員模型的汽車(chē)側(cè)向穩(wěn)定性控制研究.pdf
- 考慮駕駛員特性的車(chē)輛動(dòng)力學(xué)控制算法研究.pdf
- 考慮駕駛員預(yù)瞄特性的車(chē)輛穩(wěn)定控制策略.pdf
- 基于駕駛員腦電信號(hào)警覺(jué)度檢測(cè)的車(chē)輛速度控制研究.pdf
- 駕駛員機(jī)動(dòng)車(chē)輛駕駛證
- 基于駕駛員特性的車(chē)輛制動(dòng)安全距離的研究.pdf
- 車(chē)輛使用及駕駛員管理規(guī)定
評(píng)論
0/150
提交評(píng)論