以方向驾驶员模型为研究对象,讲解了自适应神经模糊推理系统的原理和结构,并基于自适应神经模糊推理系统建立了一种两输入单输出的方向驾驶员模型。输入变量是道路参考线到预瞄点的横向偏差和道路参考线与车辆X轴之间面积偏差,输出是车辆方向盘转角。首先,通过车辆动力学仿真软件Carsim获取车辆的仿真数据。其次,自适应神经模糊推理系统通过仿真数据能够自动获取模糊控制规则并建立方向驾驶员模糊控制器。最后,将基于自适应神经模糊推理系统建立的方向驾驶员模型和Carsim中的车辆动力学模型进行联合仿真。仿真结果表明基于自适应神经模糊推理系统所建立的方向驾驶员模型能够对路径进行良好的跟踪。

为了提高四轮转向(4WS)汽车的操纵稳定性和主动安全性,建立汽车二自由度四轮转向模型和系统状态方程,应用LQR最优控制理论建立了以横摆角速度和质心侧偏角为优化目标的四轮转向线性控制二次型最优控制模型,并基于路径跟踪策略建立预瞄驾驶员方向控制模型。基于"人-车-路"闭环控制系统,在Matlab/Simulink、CarSim联合仿真环境下对普通前轮转向、前后轮转角比例控制、LQR控制的控制效果进行验证。结果表明LQR控制器能够很好地改善汽车质心侧偏角和横摆角速度的动态响应特性,高速控制效果最佳,基于LQR控制的4WS汽车具有更好的道路循迹能力、高速稳定性和主动安全性。

为了生成挖掘机系统虚拟仿真平台驱动信号,开发一种基于状态规则的虚拟驾驶员模型。以中型液压挖掘机为平台对其作业过程进行测试分析,构建基于典型作业工况的挖掘机通用操作规则,结合操作经验及执行机构状态特征进行单作业循环任务点设置。建立工作装置线性时不变系统模型和回转机构线性参变模型,建立模型预测控制算法,进一步构建基于任务协调控制器和模型预测控制器的虚拟驾驶员模型,通过任务标识和对最优控制问题的迭代求解,实现执行机构的轨迹跟随。将开发的驾驶员模型与挖掘机系统模型集成进行仿真。研究结果表明:该模型可较好地反映挖掘机实际作业特征,可为挖掘机设计开发及自动化作业提供重要支撑。

针对液压机械差速的履带车辆转向控制,在车辆动力学建模和驾驶员操控信号解析的基础上,提出一种基于驾驶员模型的模糊前馈-反馈控制策略。该控制策略将驾驶员模型输入的归一化方向盘转角及其变化率作为模糊前馈控制输入,对液压系统排量比进行补偿;将实际转向半径与目标转向半径的偏差及其变化率作为模糊反馈控制输入,对液压系统排量比进行修正,从而达到对两侧履带速度的补偿修正。仿真结果表明,与传统PID控制和模糊PID控制相比,模糊前馈-反馈控制能缩短转向动态响应时间,更好地跟踪驾驶员转向意图,且在转向阻力扰动下转向半径的波动明显减小,提高了转向轨迹的稳定性。