基于模型预测控制的低附着路面下智能自适应巡航系统研究

发布时间：2021-09-11 17:47

　　随着全球汽车保有量的不断增加,由此引发的交通拥堵,交通事故以及环境污染问题也越来越严重。自适应巡航系统（Adaptive Cruise Control,ACC）作为智能驾驶员辅助系统（Advanced Driver Assistance Systems,ADAS）的重要组成部分,对于减轻驾驶员的操作负担、提高乘客乘坐的舒适性、以及提高道路的通行能力和降低油耗等都具有非常重要的意义。本课题研究的方向是:针对智能汽车在低附着系数路面下的智能自适应巡航控制研究,实现汽车在冰雪等低附着系数路面上的自适应巡航纵横向控制。本文的智能自适应巡航系统需要识别当前的路面附着系数参数。因此通过采集不同路面条件行驶的车辆的纵向加速度、横向加速度等参数。采用NARX神经网络算法建立路面附着系数估算模型,通过上述采集的车辆参数作为模型的输入量,估算出此时路面的附着系数。针对车辆的横向控制本文提出了基于模型预测控制算法的车道保持控制器。首先是分析了车辆的横向动力学和轮胎的侧偏特性,引入了改进轮胎模型,以线性变参数的方法建立了具有准线性结构的横向动力学系统,既没有增加算法的计算量,也克服了低附着系数路面对模型的影响... 

【文章来源】：深圳大学广东省

【文章页数】：92 页

【学位级别】：硕士

【部分图文】：

自动驾驶分级图

基于模型预测控制的低附着路面下智能自适应巡航系统研究13得到训练数据为10809组。图2.5驾驶员控制设置图2.6路面设置图2.7车辆参数输出设置2.3.2模型的搭建基于NARX神经网络的路面附着系数模型的搭建如下图所示，此模型是在MATLAB环境下搭建的。将采集的7种训练数据作为神经网络的输入x(t),九种不同路面附着系数作为输出y(t),经过多次训练得出经验，本模型的延时阶数设置为2，隐含层

基于模型预测控制的低附着路面下智能自适应巡航系统研究13得到训练数据为10809组。图2.5驾驶员控制设置图2.6路面设置图2.7车辆参数输出设置2.3.2模型的搭建基于NARX神经网络的路面附着系数模型的搭建如下图所示，此模型是在MATLAB环境下搭建的。将采集的7种训练数据作为神经网络的输入x(t),九种不同路面附着系数作为输出y(t),经过多次训练得出经验，本模型的延时阶数设置为2，隐含层

【参考文献】：
期刊论文
[1]纯电动车自适应巡航纵向控制方法研究[J]. 初亮,李天骄,孙成伟.  汽车工程. 2018(03)
[2]考虑车间反应时距的汽车自适应巡航控制策略[J]. 朱敏,陈慧岩.  机械工程学报. 2017(24)
[3]带启停巡航功能的全速自适应巡航控制器的设计[J]. 陆逸适,张哲,王立强,韩宗奇.  机械设计与制造. 2017(05)
[4]汽车自适应巡航控制系统研究现状与发展趋势[J]. 吴光强,张亮修,刘兆勇,郭晓晓.  同济大学学报(自然科学版). 2017(04)
[5]智能网联汽车（ICV）技术的发展现状及趋势[J]. 李克强,戴一凡,李升波,边明远.  汽车安全与节能学报. 2017(01)
[6]基于模式切换的汽车自适应巡航系统分层控制[J]. 孙晓文,汪洪波.  合肥工业大学学报(自然科学版). 2016(10)
[7]电动汽车自适应巡航控制系统建模与仿真[J]. 闫丹彤,何智成,陈东,谭纯.  计算机仿真. 2016(01)
[8]自适应巡航控制系统的建模与联合仿真[J]. 李朋,魏民祥,侯晓利.  汽车工程. 2012(07)

博士论文
[1]车辆自适应巡航跟随控制技术研究[D]. 马国成.北京理工大学 2014
[2]汽车自适应巡航控制及相应宏观交通流模型研究[D]. 罗莉华.浙江大学 2011

硕士论文
[1]基于主成分分析和NARX动态神经网络的股市情绪指数构建与预测[D]. 陈雯吉.兰州大学 2016
[2]基于CarSim的电动助力转向系统仿真与硬件在环验证[D]. 张玉洁.合肥工业大学 2015
[3]基于模型预测控制的无人驾驶车辆轨迹跟踪控制算法研究[D]. 孙银健.北京理工大学 2015
[4]基于CARSIM的汽车ABS整车模糊控制研究[D]. 任龙.重庆交通大学 2013
[5]纯电动汽车自适应巡航控制系统控制策略研究[D]. 张振军.吉林大学 2013
[6]汽车主动防撞系统控制模式的研究[D]. 李朋.南京航空航天大学 2012



本文编号：3393440