1,一、Introduction 二、车辆模型 三、控制系统的设计 四、仿真 五、Conclusion,Estimation of Equivalent Input Disturbance Improves Vehicular Steering Control,2,Introduction,汽车的自动控制是智能交通系统的一个关键因素它包括两种技术：车道保持，即驾驶控制系统跟踪当前车道的中心，以及车道改变，即它驾驶以跟踪给定参考输入给定的侧向运动由于因风和路况引起的干扰严重影响了控制结果，因此一个好的扰动抑制性能是至关重要的，且也已经成为很多研究的焦点3,Introduction,主要存在3中方法： 一、用一个稳定状态的卡尔曼滤波器来估计车辆的侧向速度和外界作用于它的干扰的大小，起缺点是只考虑了阶跃型的干扰 二、用一个干扰观测器来抑制外界扰动，因为滤波器的设计必须同时满足观测器的因果性和整个控制系统的稳定性，因此调节滤波器的参数很难 三、设计了一种干扰估计算法，但需要被测输出的微分值控制领域其他人的方法和缺点：,4,Introduction,本文的方法,本文主要分析直线道路上的驾驶控制我们用一个干扰估计器来抑制由风以及偏航力矩等引起的干扰，该干扰估计器是通过在控制输入渠道估计一个等价的干扰输入，从而提供一个好的驾驶性能。
这种方法有三个优点：首先，它不需要知道干扰的任何先验信息，唯一的约束是由干扰产生的输出必须有界，不过这个条件一般都能满足其次，它无需被测输出的微分值最后，控制系统的设计非常简单，它的结构可以看成是一个连接了干扰估计器的改进的传统控制系统5,MODEL OF VEHICLE,Bicycle model of the vehicle (俯视 ).,6,MODEL OF VEHICLE,车辆重心的-位置（m）； 相对轴的侧向角（rad）; 前轮的角度（rad）； 侧滑角（rad）； 纵向速度（m/s）； 车辆总质量（kg）； 偏航转动惯量（kg㎡）； 等价侧向干扰力（N）； 等价偏航干扰力矩（Nm）； 从重心到前（后）轴的距离（m）； 从重心到受影响的位置的距离（m）； 前（后）轮的转向刚度（N/rad）7,MODEL OF VEHICLE,车辆的状态空间表达式：,有相关的动力学关系可以得到：,8,控制系统的设计,,控制系统的结构,9,干扰的估计和抑制,the state of the vehicle:,the filtered disturbance estimate ˜ d is,此方法有下面三个主要特征。
控制系统结构非常简单 干扰抑制性能可以通过调整低通滤波器和观测器增益来调节 闭环系统的稳定性可以分成两部分：反馈增益Kp和Kr，以及L和F（s）10,信号与信息,,无外输入时的控制系统,11,Design of control system,设计步骤： Step 1：利用已有方法（如：最优控制方法），设计一个传统的阶跃型伺服系统的KP和KR Step 2：选择和符合条件的 Step 3：在满足控制问题的LMIS限制条件下，通过解的轨迹的最小化问题设计出L12,Simulations,Simulation Results for Lane-Changing Control,标称参数下汽车车道改变控制的仿真结果 加入一个等价输入干扰从0.3669到0.0300m大幅度地减少了峰-峰值的跟踪误差，同时稳态跟踪误差只有传统控制系统的8%13,Simulations,Simulation Results for Lane-Changing Control,虽然传统控制系统是稳定的，但是它不能保持对汽车的稳定控制，因为转向角被限制了 而本文的方法给出了令人满意的结果14,Simulations,Simulation Results for Lane-Keeping Control,参数为(40)的车辆车道保持控制的仿真结果,仿真结果显示，在传统的控制系统（状态观测器和状态反馈）中加入一个等价输入干扰估计器能改善干扰抑制性能。