自动驾驶汽车轨迹跟踪控制方法技术

一种自动驾驶汽车轨迹跟踪控制方法，在自动驾驶汽车的轨迹跟踪控制建模过程中，考虑了不可避免的网络时延和数据丢包问题，且一般化的时延表达式更有利于控制器的设计。自动驾驶汽车轨迹跟踪控制设计综合考虑了车辆动力学模型的不确定性和外界扰动的影响，提高了车辆的操纵稳定性和轨迹跟踪控制的鲁棒性。通过求解线性矩阵不等式解决了含有网络时延和数据丢包的自动驾驶汽车轨迹跟踪控制问题，计算方便。通过求解凸优化问题，可以计算得到自动驾驶汽车轨迹跟踪控制问题扰动抑制性能指标的下界，从而，可以得到最优的轨迹跟踪控制器。

【技术实现步骤摘要】
自动驾驶汽车轨迹跟踪控制方法
本专利技术涉及自动驾驶汽车轨迹跟踪控制领域，具体涉及一种自动驾驶汽车轨迹跟踪控制方法。
技术介绍
自动驾驶汽车可以有效提升车辆的行驶安全性，实现更好的道路利用率，并大大降低移动成本，为从根本上改变传统的交通方式提供了可能性，因而，成为近几年新兴的研究热点。作为自动驾驶汽车的关键技术之一，车辆的轨迹跟踪控制目标是如何在保证车辆行驶安全性和乘坐舒适性的前提下，通过控制车辆的转向系统，使得车辆能够沿着期望的路线行驶，消除自动驾驶汽车行驶过程中产生的跟踪偏差，即距离偏差和角度偏差，而轨迹跟踪控制算法是实现车辆轨迹跟踪控制的关键，对自动驾驶汽车尤为重要。现有的自动驾驶汽车轨迹跟踪控制算法有模糊控制、自适应鲁棒控制、迭代学习控制、滑动模态控制、模型预测控制方法等，这些控制方法大都是基于精确的数学模型，然而自动驾驶汽车的行驶工况复杂多变，实际的车辆动力学模型存在着高度不确定性，且易受外部扰动的影响。同时，车辆状态测量和信号传输过程中通常存在不可避免的时延和数据丢包问题，这将会大大降低控制器的性能，甚至会破坏系统的稳定性。因而，如何在出现网络时延和数据丢包的情形下，综合考虑车辆动力学模型的不确定性和外界扰动的影响，实现自动驾驶汽车的理想轨迹跟踪控制仍然是工业和学术领域面临的挑战性问题。
技术实现思路
本专利技术为了克服以上技术的不足，提供了一种自动驾驶汽车轨迹跟踪控制方法，该方法设计了一种鲁棒H∞状态反馈控制器，实现了车辆理想的轨迹跟踪控制，同时，解决了车辆状态信息传输过程中的网络时延和数据丢包问题，提高了车辆的操纵稳定性和轨迹跟踪控制的鲁棒性。本专利技术克服其技术问题所采用的技术方案是：一种自动驾驶汽车轨迹跟踪控制方法，包括如下步骤：a)建立如公式(1)的车辆轨迹跟踪动态方程：其中，为e1的二阶微分，e1为车辆质心CG到理想轨线的法向偏离，e2为车辆的实际行驶方向与横摆角ψ之差，横摆角ψ为车辆在全局坐标系XOGY中相对基准轴X的方向角，O为车辆的旋转中心，为y的二阶微分，y为旋转中心O到车辆质心CG的法向偏离，vx为车辆的纵向速度，为横摆角ψ的一阶微分，yr为参考轨线上相应参考点的侧向偏离，为yr的二阶微分，ψr为参考轨线上相应参考点的横摆角；b)建立如公式(2)的车辆侧向动态方程其中，m为车辆的质量，Iz为车辆绕z轴的转动惯量，lf为车辆质心到车辆前轴的距离，lr为车辆质心到车辆后轴的距离，为横摆角ψ的二阶微分，Fyf为车辆前轮侧向力，Fyr为车辆后轮侧向力，通过公式(3)求取车辆前轮及后轮侧向力；Fyf＝2Cfαf,Fyf＝-2Crαr(3)其中，Cf为车辆前轮的侧偏刚度，Cr为车辆后轮的侧偏刚度，αf为车辆前轮侧偏角，αr为车辆后轮侧偏角；c)定义车辆的侧向速度为y的一阶微分，通过公式(4)计算车辆前轮侧偏角αf和车辆后轮侧偏角αr；其中，δf为车辆前轮的转向角，通过公式(5)建立车辆侧向动态方程；其中，T为矩阵转置，为的一阶微分，d)选取e1，e2和e1，e2的一阶微分为状态变量，建立如公式(6)的轨迹跟踪控制模型；其中，为yr的一阶微分，为ψr的一阶微分，为ψr的二阶微分，e)假定车辆的车轮转向刚度是时变的，建立如公式(7)的乘性扰动方程；Cf＝(1+λf)Cf0,Cr＝(1+λr)Cr0(7)其中，λf，λr为时变参数，且满足条件|λi|≤1，i＝f,r，Cf0，Cr0分别为Cf，Cr的标称值，通过公式(8)建立系统参数矩阵；A＝A0+ΔA,B＝B0+ΔB(8)其中，A0，B0分别为A，B的标称值，而ΔA，ΔB代表A，B的变化量，通过公式(9)建立不确定参数矩阵；[ΔAΔB]＝HΛ[E1E2](9)其中，H为4×9的确定性矩阵，Λ为9×9的不确定性参数对角矩阵，E1，E2分别为9×4，9×1的常数矩阵，当前后轮路面摩擦条件一致时，λf＝λr，基于不确定参数矩阵表达(9)，建立如公式(10)的轨迹跟踪控制模型；其中，为x的一阶微分；f)建立基于网络控制系统的网络时延和数据丢包模型，在每个采样周期内，采样时刻tk时的时延表示为τk＝τsc+τca，其中τsc为传感器-控制器时延，τca为控制器-执行器时延，控制器接收到的数据包通过公式(11)表示；其中，h表示采样周期，n(k)代表采样时刻tk时的数据丢包个数，控制器接收到的数据包通过公式(12)表示；标记τ(t)＝t-(tk-lh-τk)，则当0＜τ(t)≤τmax时，通过公式(13)建立车辆状态反馈控制器；其中，K为待设计的状态反馈控制增益矩阵，τmax为延时上界，为车辆状态反馈控制器在采样时刻tk时接收到的状态信号；g)选取被控输出为C为数量矩阵，建立如公式(14)的车辆轨迹跟踪闭环系统；通过公式(15)计算闭环系统(14)的扰动抑制性能指标γ，h)求解满足如公式(16)的线性矩阵不等式的正定矩阵X＞0，一般矩阵Y，i＝1,...,4，和数量∈＞0；其中，公式(16)中*为矩阵对称元素的转置，车辆状态反馈控制器增益矩阵通过公式(17)求取；K＝YX-1(17)，通过求解如公式(18)的凸优化问题minγ进一步的，当车辆网络控制系统信号传输过程无时延和数据丢包时，在步骤g)中通过公式(19)建立车辆轨迹跟踪闭环系统，其中，Knd为待设计的反馈控制增益；在步骤h)中求解满足线性矩阵不等式(20)的正定矩阵一般矩阵和数量∈0＞0，其中，控制器增益矩阵为本专利技术的有益效果是：轨迹跟踪模型和车辆侧向动态模型二者联合建模，实现了自动驾驶汽车理想的轨迹跟踪控制，同时，提高了车辆的侧向稳定性。在自动驾驶汽车的轨迹跟踪控制建模过程中，考虑了不可避免的网络时延和数据丢包问题，且一般化的时延表达式更有利于控制器的设计。自动驾驶汽车轨迹跟踪控制设计综合考虑了车辆动力学模型的不确定性和外界扰动的影响，提高了车辆的操纵稳定性和轨迹跟踪控制的鲁棒性。通过求解线性矩阵不等式解决了含有网络时延和数据丢包的自动驾驶汽车轨迹跟踪控制问题，计算方便。通过求解凸优化问题，可以计算得到自动驾驶汽车轨迹跟踪控制问题扰动抑制性能指标的下界，从而，可以得到最优的轨迹跟踪控制器。附图说明图1为本专利技术的车辆轨迹跟踪示意图；图2为基于网络控制系统的车辆轨迹跟踪控制流程图。具体实施方式下面结合附图1对本专利技术做进一步说明。一种自动驾驶汽车轨迹跟踪控制方法，包括如下步骤：a)建立如公式(1)的车辆轨迹跟踪动态方程：其中，为e1的二阶微分，e1为车辆质心CG到理想轨线的法向偏离，e2为车辆的实际行驶方向与横摆角ψ之差，横摆角ψ为车辆在全局坐标系XOGY中相对基准轴X的方向角，O为车辆的旋转中心，为y的二阶微分，y为旋转中心O到车辆质心CG的法向偏离，vx为车辆的纵向速度为横摆角ψ的一阶微分，yr为参考轨线上相应参考点的侧向偏离，为yr的二阶微分，ψr为参考轨线上相应参考点的横摆角。b)建立如公式(2)的车辆侧向动态方程其中，m为车辆的质量，Iz为车辆绕z轴的转动惯量，lf为车辆质心到车辆前轴的距离，lr为车辆质心到车辆后轴的距离，为横摆角ψ的二阶微分，Fyf为车辆前轮侧向力，Fyr为车辆后轮侧向力，通过公式(3)求取车辆前轮及后轮侧向力；Fyf＝2Cfαf,Fyf＝-2Crαr(3)其中，本文档来自技高网...

【技术保护点】
1.一种自动驾驶汽车轨迹跟踪控制方法，其特征在于，包括如下步骤：a)建立如公式(1)的车辆轨迹跟踪动态方程：

【技术特征摘要】
1.一种自动驾驶汽车轨迹跟踪控制方法，其特征在于，包括如下步骤：a)建立如公式(1)的车辆轨迹跟踪动态方程：其中，为e1的二阶微分，e1为车辆质心CG到理想轨线的法向偏离，e2为车辆的实际行驶方向与横摆角ψ之差，横摆角ψ为车辆在全局坐标系XOGY中相对基准轴X的方向角，O为车辆的旋转中心，为y的二阶微分，y为旋转中心O到车辆质心CG的法向偏离，vx为车辆的纵向速度，为横摆角ψ的一阶微分，yr为参考轨线上相应参考点的侧向偏离，为yr的二阶微分，ψr为参考轨线上相应参考点的横摆角；b)建立如公式(2)的车辆侧向动态方程其中，m为车辆的质量，Iz为车辆绕z轴的转动惯量，lf为车辆质心到车辆前轴的距离，lr为车辆质心到车辆后轴的距离，为横摆角ψ的二阶微分，Fyf为车辆前轮侧向力，Fyr为车辆后轮侧向力，通过公式(3)求取车辆前轮及后轮侧向力；Fyf＝2Cfαf,Fyf＝-2Crαr(3)其中，Cf为车辆前轮的侧偏刚度，Cr为车辆后轮的侧偏刚度，αf为车辆前轮侧偏角，αr为车辆后轮侧偏角；c)定义车辆的侧向速度为y的一阶微分，通过公式(4)计算车辆前轮侧偏角αf和车辆后轮侧偏角αr；其中，δf为车辆前轮的转向角，通过公式(5)建立车辆侧向动态方程；其中，T为矩阵转置，为的一阶微分，d)选取e1，e2和e1，e2的一阶微分为状态变量，建立如公式(6)的轨迹跟踪控制模型；其中，为yr的一阶微分，为ψr的一阶微分，为ψr的二阶微分，e)假定车辆的车轮转向刚度是时变的，建立如公式(7)的乘性扰动方程；Cf＝(1+λf)Cf0,Cr＝(1+λr)Cr0(7)其中，λf，λr为时变参数，且满足条件|λi|≤1，i＝f,r，Cf0，Cr0分别为Cf，Cr的标称值，通过公式(8)建立系统参数矩阵；A＝A0+ΔA,B＝B0+ΔB(8)其中，A0，B0分别为A，B的标称值，而ΔA，ΔB代表A，B的变化量，通过公式...

【专利技术属性】
技术研发人员：陈长芳，舒明雷，王英龙，刘瑞霞，魏诺，杨媛媛，孔祥龙，许继勇，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：山东,37