典型文献
基于QPSO算法的智能网联汽车路径跟踪控制研究
文献摘要：
路径跟踪问题是智能网联汽车的研究热点之一,路径跟踪控制器设计的好坏直接影响智能网联汽车跟踪行驶时的可靠性.综合考虑车辆的路径跟踪精度和横向稳定性,建立两自由度汽车操纵动力学模型和路径跟踪位姿误差模型.通过反推法确定期望横摆角速度表达式,运用二次型最优控制方法设计路径跟踪控制器.采用量子粒子群算法(quantum-behaved particle swarm optimization,QPSO),对期望横摆角速度表达式中的参数c1、c2 和k进行优化.以车辆换道和弯曲道路行驶为例,仿真研究控制器参数优化后的控制效果,以及不同车速和不同路径曲率的频率下控制器的鲁棒性.结果表明:参数c1、c2和k优化后,控制器改善了车辆质心侧偏角和横摆角速度的控制效果;当车速和路径曲率的频率变化时,控制器具有较明显的鲁棒性.能够进一步改善车辆的路径跟踪精度和横向稳定性,为智能网联汽车的路径跟踪控制研究提供一定的参考.
文献关键词：
车辆工程;智能网联汽车;路径跟踪;QPSO算法;最优控制;横摆角速度;质心侧偏角
中图分类号：
作者姓名：
曹青松;易星;许力
作者机构：
江西科技学院人工智能学院,江西南昌330098;江西科技学院协同创新中心,江西南昌330098
文献出处：
引用格式：
[1]曹青松;易星;许力-.基于QPSO算法的智能网联汽车路径跟踪控制研究)[J].重庆交通大学学报（自然科学版）,2022(06):133-139
A类：
弯曲道路行驶
B类：
QPSO,智能网联汽车,车路,路径跟踪控制,跟踪问题,控制器设计,好坏,跟踪精度,横向稳定性,两自由度,操纵,位姿误差,误差模型,反推法,横摆角速度,速度表,二次型最优控制,控制方法设计,设计路径,量子粒子群算法,quantum,behaved,particle,swarm,optimization,c1,c2,车辆换道,仿真研究,控制器参数,同车,车速,不同路径,路径曲率,质心侧偏角,频率变化,车辆工程
AB值：
0.256787
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
