RHONN Modelling-enabled Nonlinear Predictive Control for Lateral Dynamics Stabilization of An In-wheel Motor Driven Vehicle
轮毂电机电动汽车具有响应速度快、控制分配灵活等特点,是实现先进车辆动力学控制的良好平台。在轮毂电机驱动车辆(IMDV)的诸多主动安全功能中,侧向稳定性控制是一项关键技术,可以通过转矩矢量控制来实现。为了进一步提高IMDV的侧向稳定性能,提出了一种基于递归高阶神经网络(RHONN)建模方法的数据驱动非线性模型预测控制(NMPC)。首先,建立了新的RHONN模型来描述车辆的非线性动力学行为。与传统的基于物理的建模方法不同,RHONN模型只需要数据,并形成高阶多项式。基于RHONN模型,以车辆横摆角速度和侧偏角的稳态响应作为底层控制器的控制目标进行迭代优化,以提高系统的鲁棒性。此外,设计了一种基于RHONN的非线性模型预测控制器,以提高滚动时域控制的预测精度。此外,约束优化问题,制定了车辆横向动力学稳定所需的横摆力矩。最后,在CarSim/Simulink仿真环境下的IMDV上验证了所提出的基于RHONN的非线性预测控制器的性能.验证结果表明,该方法优于传统方法,并进一步提高了系统的稳定裕度。仿真结果表明,该方法能够有效地提高IMDV在不同行驶工况下的横向稳定性能,验证了该方法的可行性和有效性。
2022-03-21 cs.SY eess.SY
NeuroDOB: A Deep Neural Observer-Based Controller for Vehicle Lateral Dynamics
本研究提出基于深度神经网络的NeuroDOB观测控制器,与LQR集成形成类人双系统控制结构,可适配个体驾驶习惯,提升车辆横向控制的稳定性与适应性。
2025-10-28 cs.SY eess.SY
Reward-modulated learning using spiking neural networks for vehicle lateral control
本文提出了一种基于脉冲神经网络的车辆横向控制器,该控制器能够复制基于模型的控制器的行为,但具有额外的在线自适应能力。通过利用神经可塑性和奖励调制学习,神经连接被修改以根据所犯错误来调整响应。因此,错误在生物系统中扮演着与多巴胺类似的角色,根据尖峰时间依赖性调节学习过程。连接最初被设置为复制基于模型的控制器的行为。在线自适应允许调整连接参数以提高控制器性能。一个具有预览的路径控制器被用作基线控制器来评估所提出的方法的性能。关键性能指标是从模拟获得的阶跃响应和处理轨迹与20个不同半径的曲线。
2022-07-05 cs.SY eess.SY
Enhancing Autonomous Vehicle Navigation with a Clothoid-Based Lateral Controller
本研究提出结合自适应预瞄机制的Clothoid横向控制器,通过准反馈算法与超前滤波器提升自动驾驶车辆路径跟踪精度与稳定性,经TruckSim-Simulink联合仿真验证性能显著改善。
2026-08-11 cs.RO cs.SY eess.SY
Stealthy Cyber-Attacks on Vehicle Lateral Dynamics: A System-Theoretic Analysis
McGill University(麦吉尔大学);University of Ottawa(渥太华大学)
本文研究了三种隐蔽网络攻击对车辆自行车模型的影响,分析了传感器配置对攻击检测性和系统脆弱性的作用,揭示了不同攻击类型对车辆横向动力学的影响机制。
2026-04-17 cs.SY eess.SY
IMU-Centric Moving Horizon Estimation for Lateral Dynamics Estimation Across Vehicles and Grip Conditions
University of Modena and Reggio Emilia(摩德纳-雷焦艾米利亚大学)
本文提出一种以IMU为中心的移动时域估计框架,利用标准车载信号重建横向速度,无需外部感知或轮胎参数调校,并在多种车辆和条件下验证了其准确性和鲁棒性。
2026-09-11 cs.RO cs.SY eess.SY
Nonlinear Two-Track Model of a Semitrailer with Experimental Validation of Lateral and Vertical Tire Forces
针对商用车自动化中半挂车行驶动力学建模需求,本文提出含侧向与侧倾动力学的半挂车非线性双轨模型,采用PSO算法离线辨识未知参数,并通过试验车辆的轮胎力实测数据完成验证,为半挂车辅助系统开发及状态参数估计提供基础。
2024-07-14 cs.SY eess.SY
Speed-Adaptive Model-Free Lateral Control for Automated Cars
为了增加智能车辆可以在没有人为干预的情况下运行的情况的数量,需要横向控制来准确地引导其在参考轨迹上行驶,而不管道路的形状或纵向速度如何。一些研究解决了这个问题,调整控制器的低速和高速,包括输出自适应法。在本文中,框架中的无模型控制范式的战略,提出了横向控制车辆在很宽的速度范围。跟踪质量,系统稳定性和乘客舒适性进行了深入的分析和比较类似的控制结构。仿真和实车试验结果表明,该策略能够以较高的精度、安全性和舒适性跟踪大量轨迹。
2022-10-04 cs.SY eess.SY
A Game-Theoretic Predictive Control Framework with Statistical Collision Avoidance Constraints for Autonomous Vehicle Overtaking
本文提出GT-PRO策略,通过双层Stackelberg博弈和随机MPC解耦控制CAV纵横向动力学,结合真实数据统计特征化人类不确定性以实现避碰约束,实现更安全高效的自主超车。
2025-09-16 cs.SY eess.SY
Lateral String Stability for Vehicle Platoons
Texas A&M University(德克萨斯A&M大学)
针对自动驾驶队列中路径跟踪误差传播的安全问题,提出基于弧长视角的横向串稳定性框架,证明仅靠车载传感无法保证误差衰减,而V2V通信可实现有效衰减。
2026-06-29 cs.RO cs.SY eess.SY
Self-Perception Versus Objective Driving Behavior: Subject Study of Lateral Vehicle Guidance
Institute for Driver Assistance and Connected Mobility, University of Applied Science Kempten(肯普滕应用科学大学驾驶辅助与互联移动研究所);Department of Automotive Engineering, Technical University Berlin(柏林工业大学汽车工程系)
本文通过62名德国驾驶员的受控实车研究,提出评估横向弯道通过行为的新指标,并引入德语版多维驾驶风格量表MDSI-DE,发现自我报告与客观横向驾驶行为仅存在适度相关且个体差异显著,为个性化自动驾驶横向控制提供数据支持。
2024-02-21 cs.RO cs.SY eess.SY
A Nonlinear Lateral Controller Design for Vehicle Path-following with an Arbitrary Sensor Location
研究了在纵向对称轴上任意位置安装反馈传感器时车辆路径跟踪的横向控制问题。我们指出,一些现有的文献中滥用的运动学自行车模型描述其他位置的后轴中心的运动,这可能会导致在实际应用中的性能差。在此基础上,综合考虑传感器安装位置、驾驶舒适性和大初始误差下的瞬态响应,设计了一种低复杂度、高机动性的非线性控制器。设计见解和直觉也提供了详细的。此外,还对闭环系统的稳定性和跟踪性能进行了分析,给出了控制参数选择的条件和指导原则。进行了全面的仿真,以证明所提出的非线性控制器的任意传感器位置的有效性。同时,我们还表明,设计控制器忽略传感器的位置可能会导致意外的车辆摇摆运动在非直线路径。
2022-05-16 cs.SY eess.SY
K-SMPC: Koopman Operator-Based Stochastic Model Predictive Control for Enhanced Lateral Control of Autonomous Vehicles
针对自动驾驶车辆横向车道保持中的非线性动力学与 Koopman 建模误差问题,提出将误差概率化处理的 K-SMPC,并在 CarSim 中验证其跟踪性能与递归可行性。
2023-12-09 cs.SY eess.SY
Stability-Aware Imitation Learning from Model Predictive Control for Autonomous Vehicle Lateral Control: Exact Q-Loss and a Novel Training Procedure
Ho Chi Minh City University of Technology (HCMUT), Vietnam National University Ho Chi Minh City (VNU-HCM)(胡志明市理工大学(HCMUT),越南国立大学胡志明市分校);Hanoi University of Science and Technology (HUST)(河内科技大学)
本文提出一种稳定性感知的模仿学习框架,通过精确Q损失和基于Lyapunov-IQC的认证裕度训练神经控制器逼近MPC策略,并在自动驾驶车辆横向控制实验中验证了闭环性能。
2026-09-22 cs.SY eess.SY
Scalable High-Speed Lateral Control for Single-Body and Articulated Autonomous Vehicles
本文提出一种可扩展横向控制框架,通过对基于回旋曲线的控制器改进,结合灵活跟踪点选择与仿真验证,实现单体与铰接式自动驾驶车辆的高速鲁棒路径跟踪。
2026-08-11 cs.RO cs.SY eess.SY
Personalized Highway Pilot Assist Considering Leading Vehicle's Lateral Behaviours
Institute of Power Machinery and Vehicular Engineering, Faculty of Engineering, Zhejiang University(浙江大学工学部动力机械及车辆工程研究所)
高速公路驾驶员辅助系统已成为先进驾驶员辅助系统竞争的前沿。对安全性和用户接受度的日益增长的要求要求在这种系统的开发过程中进行个性化。受驾驶员横向跟驰偏好研究的启发,提出了一种基于智能驾驶员模型(IDM)的速度控制模型和考虑前车横向运动的车道保持模型的高速公路个性化辅助驾驶算法。通过模拟驾驶实验,分析了自由驾驶和跟驰驾驶情况下驾驶员的视线和车道保持行为。根据驾驶员受前车影响的驾驶行为,将驾驶员聚类为两个驾驶风格组,并对每个驾驶员的个性化参数进行优化。基于动基座仿真器的驾驶员在环仿真实验验证了该算法的有效性。实验结果表明,与非个性化算法相比,个性化高速公路导航算法能够显著降低驾驶员的心理负荷,提高驾驶员对辅助功能的接受度。
2021-12-11 cs.RO cs.SY eess.SY
Robust tube-based LPV-MPC for autonomous lane keeping
提出了一种车辆自主车道保持的控制结构。本文将汽车动力学分为横向动力学和纵向动力学两部分。因此,控制架构包括两个相继的控制器。纵向模型预测控制(MPC)使车辆跟踪假定由速度规划器生成的期望纵向速度。然后,纵向速度被传递到横向MPC以保持车道。由于横向动力学对纵向速度的依赖性,它们以线性参数变化(LPV)形式表示,其中其调度参数是车辆的纵向速度。为了处理未来纵向速度(调度参数)的不精确信息,考虑了未来纵向速度的标称轨迹周围的不确定性的界限。然后,采用基于管道的LPV-MPC来控制横向动力学,以实现车道保持目标。最后,通过仿真实验验证了所提方法的有效性。
2022-10-06 cs.SY eess.SY
Learning-Based Predictive Control Method for Vehicle Lateral Control with a Multi-Step Gaussian Process Regression Prediction
Illinois Institute of Technology(伊利诺伊理工学院);Lamar University(拉玛大学)
本文提出一种基于多步高斯过程回归的模型预测控制方法,用于安全控制状态与控制相关的不确定性系统,并通过车辆换道仿真验证了其有效性。
2026-10-02 cs.SY eess.SY
Coupled Longitudinal and Lateral Control of a Vehicle using Deep Learning
Center for Robotics, MINES ParisTech(机器人中心,巴黎综合理工学院);PSL Research University(巴黎综合理工大学)
本文研究了深度神经网络在捕捉车辆动力学关键特性及执行耦合纵向和横向控制方面的潜力,通过高保真车辆动力学模拟数据集训练两种不同的人工神经网络,评估多层感知机和卷积神经网络在复杂测试赛道上的性能,与传统解耦控制器进行比较。
2018-10-22 cs.LG cs.RO cs.SY
A Hybrid End-to-End and Modular Control Architecture Toward Safe Vehicle Lateral Control: Combining Soft Actor-Critic with Model Predictive Control
本文提出结合SAC与MPC的混合控制架构,在多实验中验证其兼具SAC跟踪性能与MPC安全约束,可减弱分布偏移下的失效,还讨论了相关局限性与改进方向。
2026-08-19 cs.SY eess.SY
Lateral tracking control of all-wheel steering vehicles with intelligent tires
Department of Electrical Engineering, Linköping University(林奈大学电气工程系);Department of Engineering Cybernetics, NTNU(挪威技术大学工程 cybernetics 系);IEEE Publication Technology Department(IEEE出版技术部)
本文提出了一种基于模型的横向跟踪控制策略,结合分布式轮胎动力学与智能轮胎技术,用于四轮转向车辆,以抑制低速微 shimmy 现象并实现路径跟踪。
2026-02-11 cs.RO cs.SY eess.SY
Model Predictive Vehicle Yaw Stability Control via Integrated Active Front Wheel Steering and Individual Braking
车辆稳定性控制系统是道路交通主动安全系统的重要组成部分。研究了采用主动前轮转向和单独制动的汽车横向稳定性控制问题。车辆横向稳定性控制意味着将车辆横摆率和车辆侧滑角保持在期望值。为此,设计了基于模型的控制器。期望的横摆角速度从单轨车辆模型获得,期望的侧偏角被选择为零。控制器的设计包括两部分,下位机和上位机。基于模型预测控制(MPC)方法设计了上位控制器。该上控制器利用线控转向系统改变前轮转向角,并且还产生用于稳定车辆的横摆运动所需的控制力矩。下部控制器是单独的制动算法。它决定了单个制动轮。以这种方式,可以将控制力矩施加到车辆。所设计的控制器进行了测试,使用非线性单轨车辆模型和高保真CarMaker车辆模型。
2022-10-19 cs.SY eess.SY
Path-Following Guidance for Unmanned Aerial Vehicle with Bounded Lateral Acceleration
Intelligent Systems and Control Lab, Department of Aerospace Engineering, Indian Institute of Technology Bombay(印度理工学院孟买分校航空航天工程系智能系统与控制实验室)
本文提出了一种考虑有界侧向加速度的三维路径跟随引导方法,通过非线性框架和嵌套饱和控制技术,实现控制输入有界和横错误差指数收敛,适用于一般光滑路径,并通过仿真验证了其优越的跟踪性能和鲁棒性。
2026-03-28 cs.RO cs.SY eess.SY
A New Scoring Method for the Evaluation of Vehicle Road Departure Detection Systems
本研究针对车辆道路偏离检测系统缺乏标准化客观评估的问题,提出结合平坦与垂直路缘场景、基于RDW和RKA触发时车辆与路缘横向距离的评分方法,以实现对系统性能的准确评估。
2023-06-08 cs.SY eess.SY
Autonomous Vehicle Lateral Control Using Deep Reinforcement Learning with MPC-PID Demonstration
Technical University of Munich(慕尼黑技术大学)
本文提出一种结合MPC-PID示教与深度强化学习的自动驾驶横向控制方法,在CARLA中验证了其在车辆信息不完整时的有效性与训练稳定性,有望降低自动驾驶流程的开发集成成本。
2025-06-04 cs.LG cs.RO cs.SY
Rudder Augmented Trajectory Correction for Small UAV to Minimize Lateral Image Errors
Utah State University(犹他州立大学);University of Cincinnati(辛辛那提大学)
本文提出了一种方向舵辅助轨迹修正方法,用于小型无人机以减少机身固定非 gimbaled 相机的横向图像误差,通过仿真和飞行测试结果展示了显著的滚角减小对总飞行路径图像偏移的影响。
2017-10-07 cs.SY eess.SY
Robust path-following control for articulated heavy-duty vehicles
路径跟踪和横向稳定性是自动驾驶汽车的关键问题。此外,由于铰接式重型车辆的机动性差、尺寸大和质量变化,当处理铰接式重型车辆时,这些问题的复杂性增加。此外,质量的不确定性可能会显着降低系统的性能,甚至到不稳定的点。这些参数的变化必须考虑在控制器的设计。然而,鲁棒控制技术通常需要离线调整辅助调谐参数,这是不实际的,导致次优操作。因此,本文提出了一种方法,路径跟踪和横向控制的自主铰接重型车辆的参数不确定性,通过使用鲁棒递归调节器。所提出的控制器的主要优点是,它不依赖于离线调整的调谐参数。参数不确定性被假定为有效载荷上的,并且$\mathcal{H}_{\infty}$控制器被用于性能比较。这两个控制器的性能进行评估,在一个双变道机动。仿真结果表明,该方法在鲁棒性、横向稳定性、行驶平顺性和安全性等方面都有较好的性能,是一种很有应用前景的控制方法。
2020-06-11 cs.SY eess.SY
An efficient model-free setting for longitudinal and lateral vehicle control. Validation through the interconnected pro-SiVIC/RTMaps prototyping platform
Université de Reims(兰斯大学);Mines ParisTech, PSL Research University(巴黎高等矿业学院,PSL研究大学);École polytechnique(巴黎综合理工学院);AL.I.E.N. (ALgèbre pour Identification et Estimation Numériques)(AL.I.E.N.(代数识别与数值估计));IFSTTAR-CoSys-LIVIC(法国交通、领土与环境研究所-系统与控制实验室);CNRS – Supélec – Université Paris-Sud(法国国家科学研究中心-欧洲高等电力学院-巴黎南大学)
本文提出一种高效的无模型控制方法,用于车辆纵向和横向运动跟踪,通过实际数据和虚拟数据验证其有效性。
2017-05-09 cs.SY eess.SY math.OC
Lateral control for autonomous vehicles: A comparative evaluation
Centre for Automation and Robotics (CAR), CSIC - Universidad Politécnica de Madrid(自动化与机器人中心(CAR),西班牙国家研究委员会 - 马德里理工大学)
本文系统比较了自动驾驶横向控制中基于模型与无模型策略,提出统一调参方法和两个新指标,并通过仿真及实车测试验证其性能。
2023-11-14 cs.RO cs.SY eess.SY
Unveiling Four Key Factors for Tire Force Control Allocation in 4WID-4WIS Electric Vehicles at Handling Limits
本研究针对4WID-4WIS电动汽车在操纵极限下的轮胎力控制分配问题,分析了垂直载荷估计、执行器动态、轮胎力约束和转向精度四个关键因素,提出了改进控制方法,并通过联合仿真验证了其有效性。
2024-03-19 cs.SY eess.SY
Integrated Path Tracking with DYC and MPC using LSTM Based Tire Force Estimator for Four-wheel Independent Steering and Driving Vehicle
DGIST(大邱庆北科学技术院);Electronics and Telecommunications Research Institute (ETRI)(韩国电子通信研究院);Hyundai Motor Company(现代汽车公司);Yeungnam University(岭南大学)
针对自动驾驶车辆主动防撞中路况突变下的横向稳定与路径跟踪问题,提出基于LSTM的轮胎力估计器,结合4WIS-MPC与4WID-DYC构建集成路径跟踪系统,经仿真验证其在突变路况下可显著提升车辆稳定性。
2023-12-13 cs.RO cs.SY eess.SY
Safe platooning control of connected and autonomous vehicles on curved multi-lane roads
针对弯曲多车道道路上CAV安全编队跟踪与汇入问题,提出解耦的横向/纵向控制并加入构造性势垒反馈,实现避撞、安全不变性与稳定性保证。
2025-02-14 cs.SY eess.SY
Parameter Tuning Under Uncertain Road Perception in Driver Assistance Systems
针对驾驶员辅助系统中车道感知噪声导致横向规划参数手动整定耗时的问题,提出一种基于实测数据、考虑噪声道路估计的自动参数整定方法,通过参考曲线仿真优化规划器参数,在未见过的测试数据上提升了性能。
2025-09-03 cs.SY eess.SY
Some remarks on wheeled autonomous vehicles and the evolution of their control design
MINES ParisTech & PSL Research University(巴黎高等矿业学院与巴黎文理研究大学);Université de Reims Champagne-Ardenne(兰斯香槟-阿登大学);École polytechnique(巴黎综合理工学院);CNRS – Supélec – Université Paris-Sud(法国国家科学研究中心-苏伊士高等电力学院-巴黎第十一大学);AL.I.E.N.(代数识别与数值估计公司)
本文探讨了轮式自动驾驶车辆纵向和横向控制的设计,提出了一种无需模型的控制策略,利用平坦输出以实现鲁棒轨迹跟踪。
2016-04-07 cs.SY eess.SY math.OC
Braking within Barriers: Constructive Safety-Critical Control for Input-Constrained Vehicles via the Backup Set Method
Wichita State University(威奇托州立大学)
本文提出基于备用集方法的安全关键控制框架,在输入约束下合成制动控制器,防止车辆在非对称路面制动时打滑并最小化停车距离,通过反馈线性化和李雅普诺夫方程构造备用集-控制器对,并在四轮模型上验证。
2025-10-17 cs.SY eess.SY
Cloud Control of Connected Vehicle under Bi-directional Time-varying delay: An Application of Predictor-observer Structured Controller
针对网联车辆云控制中的双向时变通信时延,提出Predictor-Observer结构化控制器,同时补偿输出与有界输入时延,并通过仿真和实车横向控制验证其优越性能。
2023-12-10 cs.SY eess.SY
Pre-Lane-change Signal in Transitional Autonomous Vehicles: Results from Controlled Experiments
University of Virginia(弗吉尼亚大学);North Carolina State University(北卡罗来纳州立大学)
该研究通过NC-tALC的150次受控实验,提出基于SigT时刻相对位置与速度的Firth逻辑回归模型,实现0.89的五折交叉验证准确率,揭示tAV变道前的纵向准备规律,为变道模型提供支撑。
2026-09-03 cs.RO cs.SY eess.SY
Self-Driving like a Human driver instead of a Robocar: Personalized comfortable driving experience for autonomous vehicles
Seamless Transportation Lab (STL)(无缝交通实验室);Yonsei University(延世大学)
为了给自动驾驶汽车用户提供个性化的舒适驾驶体验,提出了一种基于个人驾驶偏好的自动驾驶汽车集成控制系统。我们提出了一个乘客的偏好度量(OPM),这是定义一个首选的横向和纵向加速度区域的最大允许加加速度为用户。此外,我们提出了一个车辆控制器的控制参数的基础上,使集成的横向和纵向控制,通过自主车辆的偏好感知操纵。该系统不仅提供了乘员驾驶偏好的标准,还提供了个性化的自动驾驶风格,就像人类驾驶员而不是Robocar一样。仿真和实验结果表明,该系统可以像人类驾驶员一样操纵自动驾驶汽车,通过跟踪指定的标准,允许的加速度和加加速度。
2022-11-18 cs.RO cs.SY eess.SY
Robust Control for Lane Keeping System Using Linear Parameter Varying Approach with Scheduling Variables Reduction
针对车道保持系统的线性变参数模型,提出了一种参数降阶的鲁棒控制器。车辆在弯道上的速度变化和侧倾运动都会影响车辆的横向模型参数,如轮胎的侧偏刚度。因此,我们使用LPV技术,以考虑参数的变化,在车辆动力学。然而,多个变化的参数导致大量的调度变量,并造成巨大的计算复杂度。为了降低计算复杂度,本文采用基于主成分分析(PCA)的参数约简方法,得到一个具有更紧凸集的约简模型。利用降阶模型求解一组线性矩阵不等式(LMI),设计了LPV鲁棒反馈控制器。通过在一个立交桥上使用CarSim仿真软件进行整车动力学仿真,验证了该系统的有效性。仿真结果表明,与基于线性时不变(LTI)系统的控制器相比,该方法大大减小了横向偏移误差。
2021-05-04 cs.SY eess.SY
Post-Collision Trajectory Restoration for a Single-track Ackermann Vehicle using Heuristic Steering and Tractive Force Functions
本文提出了一种基于启发式转向和牵引力函数的碰撞后轨迹恢复方法,用于单轴Ackermann车辆模型,以提高自动驾驶车辆在碰撞后的路径恢复能力。
2026-02-09 cs.RO cs.SY eess.SY
Data-Driven Robust Optimization for Energy-Aware Safe Motion Planning of Electric Vehicles
Department of Electrical Engineering, IIT Kharagpur(电子工程系,印度Kharagpur理工学院)
本文提出一种数据驱动的鲁棒优化框架,同时解决电动汽车的能量最优与安全运动规划,通过纳入横向动力学和基于历史数据的概率占用集约束,实现能耗降低与碰撞避免。
2025-09-07 cs.RO cs.SY eess.SY
Autonomous driving of trucks in off-road environment
针对越野驾驶的安全与效率问题,本文提出结合NMPC纵向控制与RLQR横向控制的路径跟踪策略,经露天矿满载重卡越野实验验证,该策略可在约束内实现鲁棒平顺的路径跟踪。
2023-12-12 cs.SY eess.SY
Shared lateral control with on-line adaptation of the automation degree for driver steering assist system: A weighting design approach
University of Valenciennes, France(法国瓦朗谢讷大学)
本文讨论了驾驶员转向辅助系统(DSAS)的车道保持和避障任务的共享横向控制。在这项工作中,我们提出了一种新的方法来处理人(驾驶员)和机器(DSAS)之间的相互作用,通过引入到车辆系统中的一个虚构的非线性项表示的驾驶员活动。以这种方式,根据驾驶员行为(动作和意图)计算DSAS的动作。基于Takagi-Sugeno控制技术和李雅普诺夫稳定性工具,所设计的控制器能够处理车辆纵向速度的大范围变化。特别地,该控制器可以处理系统状态约束和控制输入饱和。如后面将讨论的,在控制设计中考虑这些约束显著地改善了在各种驾驶情况下的闭环性能。仿真结果验证了该方法的有效性。
2020-03-04 cs.RO cs.SY eess.SY
Energy-Aware Lane Planning for Connected Electric Vehicles in Urban Traffic: Design and Vehicle-in-the-Loop Validation
Department of Mechanical Engineering, UC Berkeley(机械工程系,伯克利大学);Department of Civil Engineering, UC Berkeley(土木工程系,伯克利大学);Zoox, Inc.(Zoox公司)
本文提出了一种基于V2I通信的能耗感知运动规划框架,通过联合优化纵向速度和横向车道变更决策,实现城市交通中能耗降低24%的显著效果。
2025-12-07 cs.RO cs.SY eess.SY
Cyber-Resilient Data-Driven Event-Triggered Secure Control for Autonomous Vehicles Under False Data Injection Attacks
Glasgow Caledonian University(格拉斯哥喀里多尼亚大学);North Carolina Agricultural and Technical State University(北卡罗来纳农业与技术州立大学);Old Dominion University(老道明大学);University of York(约克大学);Norwegian University of Science and Technology(挪威科技大学);University of Louisiana at Lafayette(路易斯安那拉法叶大学)
本文提出了一种具备网络韧性的数据驱动事件触发安全控制框架,用于提升自动驾驶车辆在虚假数据注入攻击下的安全性和通信效率。
2025-12-13 cs.SY eess.SY
What is the Best Way to Optimally Parameterize the MPC Cost Function for Vehicle Guidance?
模型预测控制(MPC)是一种很有前途的自动驾驶汽车横向和纵向控制方法。然而,MPC的参数化方面的高层次的要求,如乘客的舒适性以及横向和纵向跟踪是一个具有挑战性的任务。需要考虑许多调优参数以及相互冲突的要求。这一贡献制定MPC调整任务作为一个多目标优化问题。解决它是具有挑战性的两个原因:第一,MPC参数化计算昂贵的仿真环境进行评估。因此,所使用的优化算法需要尽可能的采样效率。第二,对于某些较差的参数化,无法完成模拟,因此无法获得有用的目标函数值(带碰撞约束的学习)。在这篇文章中,我们比较了多目标粒子群优化(MOPSO),遗传算法(NSGA-II)和多个版本的贝叶斯优化(BO)的样本效率。我们扩展了BO,通过引入自适应的批量大小来限制计算开销,并通过一种方法来处理崩溃约束。结果表明,BO最适合于小预算,NSGA-II最适合于中等预算,而对于大预算,没有一个评估的优化器优于随机搜索。两种提议的BO扩展都被证明是有益的。
2022-12-11 cs.SY eess.SY
A Cooperative Implementation of Mesh Stability in Vehicular Platoons
Southeast University(东南大学);Technical University of Munich (TUM)(慕尼黑工业大学);Ecole Polytechnique Federale de Lausanne (EPFL)(洛桑联邦理工学院)
本研究针对车队网格稳定性问题,提出结合车车通信的协同方案,分别设计纵向与横向控制的协同非相同协议,经CarSim仿真验证其鲁棒性与性能优于现有分布式方案。
2026-08-03 cs.SY eess.SY
Generalized two-point visual control model of human steering for accurate state estimation
本文提出并验证了一种广义两点视觉控制模型,将其集成到“人作为顾问”框架中,用于在模糊车道标线下实现平均误差低于0.25 m的车辆横向状态精确估计。
2024-06-05 cs.SY eess.SY
Exploring the Influence of Driving Context on Lateral Driving Style Preferences: A Simulator-Based Study
Technical University Berlin(柏林工业大学);University of Applied Science Kempten(肯普滕应用科学大学);Institute for Driver Assistance and Connected Mobility(驾驶员辅助与互联移动研究所)
本文利用高保真驾驶模拟器开展德国受试者对照实验,考察天气与对向交通等情境下自动驾驶车辆的横向驾驶风格偏好,发现更被动风格更受偏好且情境显著影响舒适度。
2024-04-10 cs.RO cs.SY eess.SY
Multi-lane Unsignalized Intersection Cooperation with Flexible Lane Direction based on Multi-vehicle Formation Control
互联车辆与自动驾驶车辆的无信号交叉口协作能够消除信号交叉口的绿灯时间损失,提高交通效率。现有的无信号交叉口协调研究大多考虑固定车道方向,即每个车道上只允许特定的车辆转向行为。考虑到交通量和具有不同转向期望的车辆比例可能随时间而变化,固定车道方向可能导致交叉口的效率低下。提出了一种考虑灵活车道方向的多车道无信号交叉口协调方法。计算车辆的二维分布,并调度不冲突的车辆同时通过交叉口。利用编队重构方法实现车辆的无碰撞纵向和横向位置调整。在不同的输入交通量和来车转弯比例下进行仿真,结果表明,该方法优于固定车道方向无信号合作方法和信号合作方法。
2021-08-25 cs.SY eess.SY
Modeling and Control of AWOISV: A Filtered Tube-Based MPC Approach for Simultaneous Tracking of Lateral Position and Heading Angle
School of Mechanical Engineering, Beijing Institute of Technology(机械工程学院,北京理工大学)
本文针对全轮全向独立转向车辆,提出基于θ_R-β_R表示的广义v-β-r动力学模型和滤波管式LTVMPC策略,实现横向位置与任意航向角的同时高精度跟踪,并通过仿真与硬件在环实验验证了其鲁棒性和实时性。
2025-08-19 cs.RO cs.SY eess.SY
Model Predictive Control for Integrated Lateral Stability
本文针对超高速赛车场景,设计了集成横向稳定、牵引制动控制与防侧翻的新型MPC,通过线性化轮胎模型降本,在印地自动驾驶挑战赛仿真中实现45m/s车速下30cm横向误差、50Hz求解速度。
2023-06-09 cs.SY eess.SY
Model Predictive Contouring Control for Vehicle Obstacle Avoidance at the Limit of Handling Using Torque Vectoring
Delft University of Technology(代尔夫特理工大学);University of Surrey(萨里大学);University of Eindhoven(埃因霍温大学);Politecnico di Torino(都灵理工大学)
本研究提出一种结合扭矩矢量的非线性模型预测轮廓控制方法,通过优化转向角和四轮纵向力,在操控极限下实现车辆避障,兼顾跟踪精度与稳定性,仿真验证了其优于无扭矩矢量或避障优先级的基线方法。
2024-05-17 cs.RO cs.SY eess.SY
Path Tracking with Dynamic Control Point Blending for Autonomous Vehicles: An Experimental Study
UTBM(贝尔福-蒙贝利亚尔技术大学)
本文提出了一种动态控制点融合方法,通过融合前轮Stanley控制器和后轮曲率控制器,提升自主车辆在复杂驾驶情境下的路径跟踪精度和适应性。
2026-02-02 cs.RO cs.SY eess.SY