一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法技术

一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法，涉及电动汽车。基于GPS、INS和CCD视觉系统等多传感器融合信息，建立表征智能电动汽车横向动态特征的动力学模型；建立基于速度分区的智能电动汽车横向分段多模型，以智能电动汽车行驶状态最优和控制输入量最小为控制目标，设计智能电动汽车路径跟踪和直接横摆力矩上层多模型预测协同控制模块；设计智能电动汽车下层控制分配器，根据实际附加横摆力矩实时求解除出车轮的最优纵向轮胎力。有效克服了智能电动汽车系统模型的时变性和外部干扰，明显提高了智能电动汽车横向运动控制系统性能，降低了成本。

【技术实现步骤摘要】
一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法
本专利技术涉及电动汽车，特别是涉及一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法。
技术介绍
智能电动汽车具有出色的机动性、控制灵活性和驱动简洁性，被认为是提高交通安全、减少环境污染和能源消耗的有效途径之一，引起了各国政府和科研机构的广泛关注。横向运动控制作为智能电动汽车的基础和关键技术之一，一直是研究热点，例如前轮主动转向(ActiveFront-WheelSteering,AFS)系统，路径跟踪控制(PathFollowingControl,PFC)和直接横摆力矩控制(DirectYawMomentControl,DYC)。智能电动车具有参数不确定性、时间随机性和强非线性等特征，如何设计横向运动控制系统具有深刻的研究意义。路径跟踪控制(PFC)的任务是确保智能电动汽车准确实时地跟踪指定规划的路径。文献1(J.Ji,A.Khajepour,W.W.Melek,Y.Huang.Pathplanningandtrackingforvehiclecollisionavoidancebasedonmodelpredictivecontrolwithmulticonstraints,IEEETransactionsOnVehicularTechnology,66(2)(2017)952-964.)采用模型预测控制理论设计了横向路径跟踪控制系统，该系统可实时计算期望前轮转向角以防止汽车与移动障碍物碰撞。直接横摆力矩控制(DYC)的任务是通过车辆左右两侧车轮由于驱动或制动力差异而产生的附加横摆力矩(差动制动)来确保汽车的横向稳定性。文献2(C.Fu,R.Hoseinnezhad,A.B.Hadiashar,R.N.Jazar.Directyawmomentcontrolforelectricandhybridvehicleswithindependentmotors,InternationalJournalofVehicleDesign,69(1)(2015)1-24.)，提出了一种基于滑模理论的汽车直接横摆力矩控制方法，该方法采用新颖的切换功能实现对车辆期望横摆角速度和侧偏角的跟踪。然而，目前研究智能电动汽车基本是从单一任务进行PFC或DYC控制系统设计，这种单一任务设计不能保证智能电动汽车横向运动控制性能整体最优，鉴于此，本专利技术提供一种智能电动汽车路径跟踪与直接横摆力矩协同多模型预测控制方法，实现智能电动汽车路径跟踪性、横向稳定性和舒适性多性能目标综合控制。
技术实现思路
本专利技术的目的是为解决现有技术中的难点问题，提供一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法。本专利技术包括以下步骤：步骤1:基于GPS、INS和CCD视觉系统等多传感器融合信息，建立表征智能电动汽车横向动态特征的动力学模型；在步骤1中，所述基于GPS、INS和CCD视觉系统等多传感器融合信息，建立表征智能电动汽车横向动态特征的动力学模型包括：(1)采用INS采集横摆角速度，采用GPS采集纵向速度信息与横向速度信息，设计侧偏角估计器；(2)建立以汽车横摆角速度和侧偏角为状态变量，以前轮转角和附加横摆力矩为输入的智能电动汽车横向动力学模型；(3)采用CCD视觉系统测量智能电动汽车与期望路径相对位置信息，建立描述当前位姿和期望位姿的误差变化规律的智能电动汽车路径跟踪运动学模型。步骤2：建立基于速度分区的智能电动汽车横向分段多模型，以智能电动汽车行驶状态最优和控制输入量最小为控制目标，设计智能电动汽车路径跟踪和直接横摆力矩上层多模型预测协同控制模块；在步骤2中，所述建立基于速度分区的智能电动汽车横向分段多模型，以智能电动汽车行驶状态最优和控制输入量最小为控制目标，设计智能电动汽车路径跟踪和直接横摆力矩上层多模型预测协同控制模块的具体方法可为：(1)基于汽车纵向速度的大小，构造智能电动汽车横向分段时变多模型集；(2)采用零阶保持将智能电动汽车横向分段时变连续时间多模型集转换成分段时不变离散时间多模型集；(3)为避免多模型切换而引起抖振现象，引入速度模糊因子将分段线性时变离散时间多模型集进行归一化处理；(4)设计智能电动汽车路径跟踪和直接横摆力矩上层多模型预测协同控制的性能指标函数及约束条件，建立多模型预测优化问题的计算公式，求解出使性能指标最优的智能电动汽车前轮转角和附加横摆力矩输入量。步骤3：设计智能电动汽车下层控制分配器，根据实际附加横摆力矩实时求解除出车轮的最优纵向轮胎力。在步骤3中，所述设计智能电动汽车下层控制分配器，根据实际附加横摆力矩实时求解除出车轮的最优纵向轮胎力的具体方法可为：(1)以控制分配偏差和控制输入消耗能量最小目标，建立求解各车轮轮胎力的最优化性能指标函数和约束条件。(2)采用牛顿法实时计算出分配到各智能电动汽车车轮的轮胎纵向力。本专利技术提出了一种基于线性时变的多模型预测(LTV-MPC)控制器上层控制策略，求出协同控制所需的前轮转角和附加横摆力矩，从而有效克服时变性和外部扰动特性。建立了基于牛顿法的控制分配策略，实现对附加横摆力矩的控制分配和冗余执行机构的协调，从而实现智能电动汽车路径跟踪与直接横摆力矩的多目标协同控制。所述智能电动汽车路径跟踪和直接横摆力矩协同控制方法采用的智能电动汽车路径跟踪和直接横摆力矩协同控制系统包括信息获取模块、侧偏角估计模块、LTV-MPC上层控制模块、下层控制分配模块等。首先建立智能电动车的侧向动力学状态方程，然后基于视觉系统、GPS和INS采集信息建立智能电动汽车路径跟踪系统模型，设计LTV-MPC上层控制模块实时求解出预期的前轮转角和附加横摆力矩，将预期附加横摆力矩通过下层控制分配器分配到各个轮胎的轮胎纵向力，从而实现智能电动汽车行驶状态最优。本专利技术的技术效果和益处是：本专利技术提出了一种新型的智能电动汽车协调路径跟踪和直接横摆力矩多模型预测协同控制方法，有效克服了智能电动汽车系统模型的时变性和外部干扰，明显提高了智能电动汽车横向运动控制系统性能，降低了成本。附图说明图1为本专利技术所述智能电动汽车路径跟踪和直接横摆力矩协同控制系统的逻辑框图。图2为本专利技术的智能电动汽车动力学模型图。图3为本专利技术的智能电动汽车与路径相对位置示意图。具体实施方式以下实施例将结合附图对本专利技术作进一步的说明。如图1所示，本专利技术实施例所述智能电动汽车路径跟踪和直接横摆力矩协同控制系统，首先通过多传感器系统采集智能电动汽车行驶状态信息，建立智能电动汽车时变分段横向状态空间多模型集，其次基于预测控制理论推导出智能电动汽车上层多模型预测协同控制器，然后通过下层控制分配器实时求解出各车轮轮胎力，从而获得智能电动汽车附加横摆力矩，实现对智能电动汽车路径跟踪与直接横摆力矩的多目标协同控制。参见图2和3，所述智能电动汽车路径跟踪和直接横摆力矩协同控制方法的具体步骤如下：步骤1：基于GPS、INS和CCD视觉系统等多传感器融合信息，建立表征智能电动汽车横向动态特征的动力学模型。其过程包括如下子步骤：步骤1.1：采用INS采集横摆角速度以GPS采样点的纵向速度信息与横向速度信息为基准，得到质心侧偏角β的估计值如下所示：步骤1.2：根据经典力学建立智能电动汽车横向动力学模型，其表达式本文档来自技高网...

【技术保护点】
1.一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法，其特征在于包括以下步骤：步骤1:基于GPS、INS和CCD视觉系统等多传感器融合信息，建立表征智能电动汽车横向动态特征的动力学模型；步骤2：建立基于速度分区的智能电动汽车横向分段多模型，以智能电动汽车行驶状态最优和控制输入量最小为控制目标，设计智能电动汽车路径跟踪和直接横摆力矩上层多模型预测协同控制模块；步骤3：设计智能电动汽车下层控制分配器，根据实际附加横摆力矩实时求解除出车轮的最优纵向轮胎力。

【技术特征摘要】
1.一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法，其特征在于包括以下步骤：步骤1:基于GPS、INS和CCD视觉系统等多传感器融合信息，建立表征智能电动汽车横向动态特征的动力学模型；步骤2：建立基于速度分区的智能电动汽车横向分段多模型，以智能电动汽车行驶状态最优和控制输入量最小为控制目标，设计智能电动汽车路径跟踪和直接横摆力矩上层多模型预测协同控制模块；步骤3：设计智能电动汽车下层控制分配器，根据实际附加横摆力矩实时求解除出车轮的最优纵向轮胎力。2.如权利要求1所述一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法，其特征在于在步骤1中，所述基于GPS、INS和CCD视觉系统等多传感器融合信息，建立表征智能电动汽车横向动态特征的动力学模型包括：(1)采用INS采集横摆角速度，采用GPS采集纵向速度信息与横向速度信息，设计侧偏角估计器；(2)建立以汽车横摆角速度和侧偏角为状态变量，以前轮转角和附加横摆力矩为输入的智能电动汽车横向动力学模型；(3)采用CCD视觉系统测量智能电动汽车与期望路径相对位置信息，建立描述当前位姿和期望位姿的误差变化规律的智能电动汽车路径跟踪运动学模型。3.如权利要求1所述一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法，其特征在于在步骤2中，所述建立基于速度分区的智能电动汽车横向分段多模型，以智能电动汽车行驶状态最优和控制输入量最小为控制目标，设计智能电动汽车路径跟踪和直接横摆力矩上层多模型预测协同控制模块的具体方法为：(1)基于汽...

【专利技术属性】
技术研发人员：郭景华，王靖瑶，王班，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建,35