智能駕駛汽車教學轉向控制實訓臺采用反饋控制來計算目標轉向角，并結合道路反饋路徑的閉環(huán)校正實現(xiàn)車輛的實時閉環(huán)控制，下面小編為您詳細介紹!

　　簡介

　　該實訓臺針對傳統(tǒng)控制算法中的一些缺陷，提出了一種基本的改進策略。參照在道路上行駛時車輛的實際狀態(tài)，在考慮到車輛和道路的大小和形狀的情況下，合理地簡化建立新的二維車-路關系模型的過程?；谛碌能嚶逢P系跟蹤無人駕駛汽車的跟蹤問題，并提出了一種新的路徑跟蹤模式-區(qū)域路徑跟蹤。對于提出的區(qū)域路徑跟蹤問題，采用模型預測控制方法設計轉向控制器，并通過控制無人駕駛汽車的橫向運動來達到區(qū)域路徑跟蹤的目的。為此，在考慮車輛的平面運動學和橫向動力學的基礎上建立車輛系統(tǒng)的標稱模型。

　　同時，針對預期道路信息為點序列的特點，基于二次搜索算法，使用三維拉格朗日插值公式實時處理收集到的道路信息，并基于“前瞻性跟隨”理論設計了一種自動轉向系統(tǒng),控制系統(tǒng)。最后，通過在不同條件下的仿真實驗驗證了控制系統(tǒng)的有效性。

　　考慮到控制模型的準確性和控制參數(shù)可能會影響控制器的性能，因此本主題從三個方面著手改進已建立的轉向控制器：控制模型，采樣時間和預測時域，基于干擾估計的思想，將標稱模型與實際車輛系統(tǒng)之間的輸出偏差用作標稱模型的等效擾動，以獲得引入誤差補償?shù)目刂颇Ｐ?然后，基于帶有誤差補償?shù)目刂颇Ｐ?，推導了一種新的轉向控制算法，避免了模型由于精度不高而導致的控制精度損失。

　　為了進一步提高轉向控制器的控制性能，結合大量的仿真研究，提出了一種基于道路曲率的可變采樣時間和可變預測時域策略。實驗比較結果表明，改進后的控制器的控制性能明顯優(yōu)于原始控制器。針對基于模型預測的自動轉向控制器的實用性，將實車實驗平臺和RT3002慣性/ GPS組合導航系統(tǒng)用于實車實驗。

　　實驗算法由C程序實現(xiàn),為了離散化控制模型，通過泰勒展開將矩陣指數(shù)函數(shù)運算轉換為普通矩陣乘法和加法運算，從而減少了編寫系統(tǒng)離散化處理算法的難度;對于模型預測控制器的最優(yōu)解，實現(xiàn)了差分進化算法。實驗結果表明，該控制器的計算速度滿足實時性要求，可以有效地控制實驗車輛在給定的道路區(qū)域內行駛。

　　軌跡跟蹤橫向控制框架

　　軌跡跟蹤控制是將智能駕駛系統(tǒng)與原始車輛控制系統(tǒng)連接的關鍵要素。智能駕駛系統(tǒng)基于諸如感知到的環(huán)境和地圖之類的信息來計算實時本地路徑和車速以及其他信息。 VCU接收到上層發(fā)送的軌跡后，就會接收到該軌跡。根據(jù)車輛的特性，合理地控制方向盤角度，油門，制動器，齒輪等。其中，方向盤角度是車輛行駛控制中的難點。

　　一，有必要將基礎的被動式電動助力轉向改為主動式電動助力轉向，并且對轉向響應速度和轉彎精度有很高的要求。其次，根據(jù)目標路徑計算目標轉彎角度，使車輛平穩(wěn)安全行駛。

　　智能車教實訓臺學基于運動學的前饋前饋控制，橫向誤差反饋閉環(huán)控制，轉向不足校正和切換人機模式時的方向盤平滑度。其中，當切換人機模式時，方向盤平滑主要解決了方向盤突然轉彎并進入智能駕駛力矩，可能引起打動的現(xiàn)象。為此，在切換時刻使方向盤轉彎旋轉平滑，以使車輛更穩(wěn)定。

　　決策與控制信號通信

　　決策是基于感知，地圖，位置等來規(guī)劃實時局部目標路徑。該路徑將車輛后軸的中心作為規(guī)劃原點，并且可以通過以下方式預測全局路徑的某個點：車輛根據(jù)運動關系計算每1m車輛的未來。移動點的位置是通過將接近車輛原點的短距離局部路徑的幾個點預覽到目標全局路徑[6]而獲得的。通過將幾個點擬合到三階方程，并將X和Y的三階擬合系數(shù)發(fā)送到VCU，以進行解碼控制。

　　以上內容就是介紹的智能駕駛汽車轉向控制實訓臺：http://m.450374.com/xb-wr/572.html，希望對訂購駕駛汽車轉向實訓臺的朋友們有所幫助,可能會出現(xiàn)介紹錯誤，看到請馬上聯(lián)系我們改正，想了解其中更多內容以及行情資訊，歡迎收藏本站，也可電話聯(lián)系我們索要設備的功能參數(shù)等，或者直接實地考察，也可電話微信溝通訂購等!