MétaCan
Menu
Retour à la cohorte
Enregistrement W4313250817 · doi:10.1177/09544070221144159

Robust path following control of 4WID autonomous vehicle with driving condition adaptive mechanism

2022· article· en· W4313250817 sur OpenAlexaff
Yixiao Liang, Yinong Li, Amir Khajepour, Ling Zheng

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part D Journal of Automobile Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCarSimControl theory (sociology)Controller (irrigation)YawVehicle dynamicsLinear matrix inequalityMoment (physics)EngineeringPath (computing)Computer scienceControl (management)Automotive engineeringMathematicsMathematical optimization

Résumé

récupéré en direct d'OpenAlex

This paper proposes a novel integrated path following control scheme for a 4-Wheel Independent Drive (4WID) autonomous vehicle that can adaptively change its mechanism according to the driving conditions. The proposed integrated system handles the lateral steering controller, longitudinal speed, and yaw moment controls considering tire force capacity of each corner. For the lateral controller, the cornering stiffness uncertainties and the transient performance are considered and combined into an H∞ robust controller based on linear matrix inequality (LMI) theory. A super-twisting sliding mode controller (STSMC) based longitudinal controller is designed to deal with disturbances and suppress chattering. When encountering extreme conditions, the active yaw moment controller with hierarchical structure is adaptively activated to prevent large deviation from the reference path and maintain the stability of vehicle. For the tire force allocation, an optimization algorithm is proposed, which has flexible equality constraints to coordinate the longitudinal and lateral motions according to the driving conditions. Simulations based on Carsim-Simulink co-simulation platform show that the proposed method is effective and has excellent performance in both normal and extreme driving conditions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,164
Écart entre enseignants0,159 · 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 tête enseignante, 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part D Journal of Automobile EngineeringMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207