-
公开(公告)号:CN119773731A
公开(公告)日:2025-04-08
申请号:CN202411950566.0
申请日:2024-12-27
Applicant: 江苏大学
Abstract: 本发明公开了一种基于可拓理论的汽车智能底盘AFS/DYC协同控制器及控制方法,在车辆底盘控制技术中创新引入了可拓理论方法,通过对AFS和DYC的协调控制,构建可拓域和关联度函数,改进了复杂工况下车辆动力学特性的适应能力以及系统模式切换的平稳性,能够在保证系统易于控制的前提下,精准应对复杂工况下车辆动力学特性变化和稳定性需求问题。引入K均值聚类方法,解决了经典域、可拓域和非域的最优划分难题,算法以其快速迭代和较强的全局搜索能力,避免了传统方法易陷入局部最优的缺点。同时,该方法简化了边界值的确定过程,通过聚类结果的清晰划分,显著提升了车辆稳定性和控制性能,为复杂动态条件下的系统优化提供了有效支持。
-
公开(公告)号:CN118642460A
公开(公告)日:2024-09-13
申请号:CN202410663210.2
申请日:2024-05-27
Applicant: 江苏大学
IPC: G05B23/02
Abstract: 本发明公开了基于可拓控制理论的自动驾驶车辆转向失效容错控制方法及控制器,将可拓理论运用到了自动驾驶车辆转向失效容错控制中,计算出车辆位置到经典域和可拓域的可拓距以及车辆的状态关联函数K(s),根据关联函数判断车辆不同的稳定状态,进而针对不同稳定状态设计对应的控制策略,满足车辆在出现故障后都能够快速、稳定地进行容错控制,使得自动驾驶车辆仍然能够具有较高的轨迹跟踪精度和车身的稳定性,达到全局控制的最优。首次将RBF‑SMC运用到差动转向转矩跟踪中,能够实现车辆在失稳状态同时模型复杂情况下快速而又精准地实现转矩控制和跟踪。
-
公开(公告)号:CN119644710A
公开(公告)日:2025-03-18
申请号:CN202411950567.5
申请日:2024-12-27
Applicant: 江苏大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于在线学习的自适应RNN车辆轨迹跟踪控制器及控制方法,引入了循环神经网络(RNN)方法,充分利用其能够捕捉时间序列中的动态变化规律、对长期依赖关系建模的核心优势,同时具备非线性映射能力和网络内部特征表达能力,从而显著提升了复杂系统状态与控制输入之间非线性耦合关系的建模能力。通过这一改进,本发明有效解决了车辆动力学在复杂工况(如模型失配)下的控制精度与轨迹跟踪性能问题,在车辆动力学控制领域展现出显著的优越性。通过预测‑反馈控制器的协同作用,使系统在保持在线预测控制高效性的同时,实现了在复杂环境下更为精准和稳定的路径跟踪。
-
-