智能驾驶汽车转向控制实训台

智能驾驶汽车教学转向控制实训台采用反馈控制来计算目标转向角，并结合道路反馈路径的闭环校正实现车辆的实时闭环控制，下面小编为您详细介绍!

　　简介

　　该实训台针对传统控制算法中的一些缺陷，提出了一种基本的改进策略。参照在道路上行驶时车辆的实际状态，在考虑到车辆和道路的大小和形状的情况下，合理地简化建立新的二维车-路关系模型的过程。基于新的车路关系跟踪无人驾驶汽车的跟踪问题，并提出了一种新的路径跟踪模式-区域路径跟踪。对于提出的区域路径跟踪问题，采用模型预测控制方法设计转向控制器，并通过控制无人驾驶汽车的横向运动来达到区域路径跟踪的目的。为此，在考虑车辆的平面运动学和横向动力学的基础上建立车辆系统的标称模型。

　　同时，针对预期道路信息为点序列的特点，基于二次搜索算法，使用三维拉格朗日插值公式实时处理收集到的道路信息，并基于“前瞻性跟随”理论设计了一种自动转向系统,控制系统。最后，通过在不同条件下的仿真实验验证了控制系统的有效性。

　　考虑到控制模型的准确性和控制参数可能会影响控制器的性能，因此本主题从三个方面着手改进已建立的转向控制器：控制模型，采样时间和预测时域，基于干扰估计的思想，将标称模型与实际车辆系统之间的输出偏差用作标称模型的等效扰动，以获得引入误差补偿的控制模型;然后，基于带有误差补偿的控制模型，推导了一种新的转向控制算法，避免了模型由于精度不高而导致的控制精度损失。

　　为了进一步提高转向控制器的控制性能，结合大量的仿真研究，提出了一种基于道路曲率的可变采样时间和可变预测时域策略。实验比较结果表明，改进后的控制器的控制性能明显优于原始控制器。针对基于模型预测的自动转向控制器的实用性，将实车实验平台和RT3002惯性/ GPS组合导航系统用于实车实验。

　　实验算法由C程序实现,为了离散化控制模型，通过泰勒展开将矩阵指数函数运算转换为普通矩阵乘法和加法运算，从而减少了编写系统离散化处理算法的难度;对于模型预测控制器的最优解，实现了差分进化算法。实验结果表明，该控制器的计算速度满足实时性要求，可以有效地控制实验车辆在给定的道路区域内行驶。

　　轨迹跟踪横向控制框架

　　轨迹跟踪控制是将智能驾驶系统与原始车辆控制系统连接的关键要素。智能驾驶系统基于诸如感知到的环境和地图之类的信息来计算实时本地路径和车速以及其他信息。 VCU接收到上层发送的轨迹后，就会接收到该轨迹。根据车辆的特性，合理地控制方向盘角度，油门，制动器，齿轮等。其中，方向盘角度是车辆行驶控制中的难点。

　　一，有必要将基础的被动式电动助力转向改为主动式电动助力转向，并且对转向响应速度和转弯精度有很高的要求。其次，根据目标路径计算目标转弯角度，使车辆平稳安全行驶。

　　智能车教实训台学基于运动学的前馈前馈控制，横向误差反馈闭环控制，转向不足校正和切换人机模式时的方向盘平滑度。其中，当切换人机模式时，方向盘平滑主要解决了方向盘突然转弯并进入智能驾驶力矩，可能引起打动的现象。为此，在切换时刻使方向盘转弯旋转平滑，以使车辆更稳定。

　　决策与控制信号通信

　　决策是基于感知，地图，位置等来规划实时局部目标路径。该路径将车辆后轴的中心作为规划原点，并且可以通过以下方式预测全局路径的某个点：车辆根据运动关系计算每1m车辆的未来。移动点的位置是通过将接近车辆原点的短距离局部路径的几个点预览到目标全局路径[6]而获得的。通过将几个点拟合到三阶方程，并将X和Y的三阶拟合系数发送到VCU，以进行解码控制。

　　以上内容就是介绍的智能驾驶汽车转向控制实训台：http://www.hxqcjxsb.com/xb-wr/572.html，希望对订购驾驶汽车转向实训台的朋友们有所帮助,可能会出现介绍错误，看到请马上联系我们改正，想了解其中更多内容以及行情资讯，欢迎收藏本站，也可电话联系我们索要设备的功能参数等，或者直接实地考察，也可电话微信沟通订购等!