在过去的二十年中,随着科学技术的进步和世界经济的快速发展,由于交通拥挤现象的严重和事故的频繁发生,促使我们去研究智能汽车和自动化公路系统。这些技术都可以在不同程度上改善汽车的安全性和操纵性。同智能汽车相关的研究可以被细分成三个方向：(1)侧向控制；(2)纵向控制；(3)联合控制。侧向控制通常是指汽车的转向控制,直接影响汽车在转弯操作,换车道操作时的性能,所以设计一个好的转向控制器是很有必要的。从另一方面说,汽车侧向动力学与横摆动力学的独立控制可以改善汽车的转向性能。本文主要是利用混合灵敏度方法,在同时考虑耦合和不确定对系统影响的前提下,提出了一种转向解耦控制方案。本文的主要研究工作如下：第一章中,主要介绍了本文的研究背景,国内外研究现状以及目前该领域还存在的问题。第二章中,汽车是一种多变量且高度耦合的控制系统,要想用精确的数学模型来刻画它是不太可能的。本章基于这个事实,利用牛顿力学定理给出并证明了六自由度整车模型,该模型虽说精度相对较高,但考虑到实际的计算成本,实现难度等情形,本章在五个基本假设的情况下给出了一种包括两个自由度的单轨汽车模型。第三章中,针对智能汽车的转向解耦问题,采用单轨二自由度汽车模型,提出了一种基于模型跟踪的H。混合灵敏度解耦控制方案。通过将参考模型选成对角型来巧妙地将模型跟踪与解耦结合起来,通过减小跟踪误差来达到解耦的目的。然后利用混合灵敏度方法,将所设计的控制问题转化成一个标准H∞问题,通过解一组线性矩阵不等式来获得控制器增益的可行解。最后分别在理想的横摆角速度和理想的侧偏角为零两种情况下进行了实验,结果表明汽车实现了很好的解耦性能。第四章中,考虑到第三章中所使用的侧偏角信息是非常难获得的。在本章中设计了一个Iuenberger观测器来估计侧偏角的值,基于混合灵敏度方法提出了一种基于观测器的控制器方案。在仿真中,将观测器估计的侧偏角值与由Carsim软件提供的侧偏角的精确值进行比较,比较结果说明了该方法的有效性。第五章中,对本文的研究工作进行总结,并对后续工作进行展望。
