MétaCan
Menu
Retour à la cohorte
Enregistrement W4251890761 · doi:10.3901/jme.2021.06.142

Path Following Control for Four-wheel Drive Electric Intelligent Vehicle Based on Coordination between Steering and Direct Yaw Moment System

2021· article· en· W4251890761 sur OpenAlexaff
LIANG Yixiao, Yinong Li, Amir Khajepour

Notice bibliographique

RevueJournal of Mechanical Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Technology and Control Systems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTorque steeringElectric vehicleMoment (physics)Control (management)Automotive engineeringMotor coordinationSteering wheelYawSteering linkageControl theory (sociology)Computer scienceEngineeringPhysicsPsychologyArtificial intelligencePower (physics)Neuroscience

Résumé

récupéré en direct d'OpenAlex

摘要: 为提高智能汽车的路径跟踪能力,并保证其在极限工况下的动力学稳定性,以四轮驱动智能电动汽车为研究对象,根据转向和主动横摆力矩(Direct yaw moment,DYC)系统的特点分别设计控制律进行协调控制。首先,针对汽车在转向过程中轮胎侧偏刚度的不确定性,利用线性矩阵不等式(Linear matrix inequality,LMI)理论构造可实现系统区域极点配置的鲁棒控制器,并研究其求解方案。然后,采用分层架构设计主动横摆力矩的控制律;其中,上层控制器通过车-路运动学关系,基于线性时变模型预测控制(Linear-time-varying model predictive control,LTV-MPC)计算期望横摆角速度;下层采用基于双曲正切趋近函数的滑模控制计算主动横摆力矩,为了在提高跟踪精度的同时确保汽车动力学稳定性,在滑模面中引入质心侧偏角的控制权重,其大小根据质心侧偏角稳定性相图确定。考虑到在大多数常见工况中,转向系统单独作用就已经可以取得良好的控制效果,对主动横摆力矩系统设置激活机制,使其仅在转向系统被判定难以完成当前控制目标时才介入,避免了正常工况下的非必要激活引起的耗能。最后,通过Simulink-CarSim联合仿真进行了算法验证,结果表明,即使在较极端的工况下,所提出的控制方法仍然能保持良好的循迹控制效果,并且可以很好地确保汽车的动力学稳定性。

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,199
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanical EngineeringMême sujetIndustrial Technology and Control SystemsTravaux en français237 207