基于遗传算法整定参数的Pure Pursuit结合PI的路径跟踪方法技术

本发明专利技术涉及自动驾驶的路径跟踪技术领域，更具体地，涉及基于遗传算法整定参数的Pure Pursuit结合PI的路径跟踪方法。为了无人车能够快速精确地对路径进行跟踪，本发明专利技术结合了Pure Pursuit算法和PI控制器，通过PI控制器纠正微小的横向误差，并且使用遗传算法对PI控制器的参数进行整定。在传统的路径跟踪算法中，单纯的使用Pure Pursuit算法对目标路径进行跟踪，该算法的跟踪效果完全取决于预瞄距离，过长的预瞄距离会导致切边问题，过短的预瞄距离会导致转向角抖动过大，调整合适的预瞄距离过于困难。因此，结合PI控制器和Pure Pursuit算法，可以降低控制精度对预瞄距离的敏感度，同时，使用遗传算法整定PI参数提高PI控制器对误差纠正的效果。

【技术实现步骤摘要】
基于遗传算法整定参数的PurePursuit结合PI的路径跟踪方法
本专利技术涉及自动驾驶的路径跟踪
，更具体地，涉及基于遗传算法整定参数的PurePursuit结合PI的路径跟踪方法。
技术介绍
在现代的自动驾驶领域中，路径跟踪是必不可少的一个技术部分。要实现自动驾驶，无人车需要能够对目标路径进行精确的跟踪，才能够精准地导航。犹如人行走，必须能够控制双腿走在目标路径上，才能精确地按照既定的路线行走。现有的路径跟踪算法有许多种，有PurePursuit，有Stanley，有Alice方法，还有PID控制器等。每种路径跟踪方法都有各自的优缺点，例如：PurePursuit方法其效果很大程度上取决于预瞄距离的选取，过长的预瞄距离会导致切边问题，而过短的预瞄距离将会导致控制不稳定；Stanley方法的收敛速度很大程度上取决于k值的选取，k值选取过大会导致控制幅度过大而不稳定，k值选取过小会导致收敛速度过慢而低响应速度；PID控制器直接受制于路径追踪的横向误差，控制效果对于参数的微小变化过于敏感，而且手动整定参数过于困难，控制不平滑。往往单靠一种技术是不够得到鲁棒性强的路径跟踪效果，需要取长补短地结合多种路径跟踪算法。本专利技术正是为了弥补上述路径跟踪技术的短板，能够在已经无人车位置以及目标路径的基础上获得精确的路径跟踪效果。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷，提供基于遗传算法整定参数的PurePursuit结合PI的路径跟踪方法，互补地利用了PurePursuit算法和PI控制器的优点，并且使用遗传算法解决PI控制器参数整定困难的问题，得到了鲁棒性好的路径跟踪算法，能够对既定路径进行精确地跟踪。本专利技术的技术方案是：基于遗传算法整定参数的PurePursuit结合PI的路径跟踪方法，其中，包括PurePursuit算法、PI控制器、遗传算法三个部分；在已知车体当前坐标与目标路径的条件下，根据预瞄距离选取目标路径上的目标点；使用PurePursuit算法，模拟出从当前点到目标点运动圆弧，进而根据车辆运动学模型反推出前轮转角；在已知车体当前坐标与目标路径的条件下，可以获得车体相对于路径的横向误差，输入至PI控制器中，得到纠正该误差的前轮转角补偿量，叠加至PurePursuit算法输出的前轮转角中；在已知车体相对于路径的横向误差的条件下，建立适应度函数以及合适的选择函数，通过迭代调整PI参数，获取适应度最佳的PI参数。进一步的，为了提升PurePursuit算法的跟踪精度，选取反应真实四轮车辆动力学模型的阿克曼转向模型而非自行车模型。进一步的，单纯的PurePursuit算法由于预瞄距离不适当存在切边问题，因此结合PI控制器对横向误差进行消除。进一步的，对于PI控制器的参数，使用遗传算法来整定，而非手动整定。进一步的，遗传算法的适应度函数为跟踪横向误差的绝对值与时间的乘积的积分，由于适应度需要取大者，因此再做取倒数处理。本专利技术中，首先根据预瞄距离获取目标路径的目标点，结合车体动力学模型模拟出从车体坐标到目标点的圆弧，然后根据车体动力学模型反向推算出使车体运动轨迹为该圆弧的前轮转角。其有益效果为相比使用自行车模型，使用符合实际车辆模型的阿克曼转向模型可以消除由于模型选取不适当带来的跟踪误差。根据车体坐标与目标路径得到当前跟踪的横向误差，输入至PI控制器中，从PI控制器的输出得到前轮转角的补偿量。其有益效果是，直接使用横向误差作为输入的PI控制器可以解决因PurePursuit算法预瞄距离选取过长而导致的切边问题。根据上次迭代的跟踪横向误差，输入至遗传算法的适应度函数中得到不同参数的适应度，通过对适应度的筛选并且不断迭代得到使PI控制器表现最优的参数组。其有益效果是，通过跟踪误差直接反馈调整的遗传算法可以更好地收敛到使跟踪误差最小的参数组，比人工整定的参数组具有更好的表现。与现有技术相比，有益效果是：本专利技术根据不同路径跟踪算法的特性，互补地结合了PurePursuit算法和PI控制器的优点，解决了PurePursuit算法的切边问题。通过遗传算法整定PI控制器的参数，解决了PI控制器参数整定困难的问题。附图说明图1是本专利技术的总体框架示意图。图2是本专利技术阿克曼转向模型图例分解示意图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。如图1、2所示，已知车体的轴距w和轮距l，根据预瞄距离在目标路径上选取的目标坐标点T相对于车体坐标系的坐标为(xT，yT)。转弯圆心O一定落在车体坐标系的x轴上，即坐标为(xO，0)，由于车体行走轨迹是圆弧，因此：xO＝R由相似三角形定律有：所以可以得到：因此，由三角形关系及正切定理可得前轮内侧轮(即图2中左前轮)角度θi：同理，前轮外侧轮(即图2中右前轮)角度θo：得到前轮控制角度后，由于硬件控制误差、传感器反馈误差等因素，实际运行轨迹并非严格按照模拟圆弧行走，而且，当预瞄距离过长，且直线路径中有一小段圆弧，PurePursuit会忽略该圆弧而保持直线行走。因此，需要加入直接反映横向误差的PI控制器，如图2中横向误差为e，所以，可得前轮转角的补偿量：u＝kpe+ki∑e其中kp，ki分别为PI控制器参数，该补偿量u即为内侧车轮的转角补偿量，由车体动力学模型可以推导出对应的外侧轮补偿量。然而，上述kp，ki参数的整定比较困难，而且，人工整定的参数并不能达到最优的效果。因此，使用遗传算法对kp，ki进行整定，遗传算法中重要的一环就是适应度函数。根据本案例的实际情况建立适应度函数F：其中e即为横向误差，对于不同的kp，ki，其适应度不同，通过对适应度较差的参数组进行筛选，迭代一定的代数后即可收敛到最优参数组。通过了上述的实施案例，本专利技术能够有误差较小，精度较高的表现。相对传统的路径追踪方法，本专利技术有较好的鲁棒性。显然，本专利技术的上述实施例仅仅是为清楚地说明本专利技术所作的举例，而并非是对本专利技术的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本专利技术的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本专利技术权利要求的保护范围之内。本文档来自技高网...

【技术保护点】
1.基于遗传算法整定参数的Pure Pursuit结合PI的路径跟踪方法，其特征在于，包括Pure Pursuit算法、PI控制器、遗传算法三个部分；在已知车体当前坐标与目标路径的条件下，根据预瞄距离选取目标路径上的目标点；使用Pure Pursuit算法，模拟出从当前点到目标点运动圆弧，进而根据车辆运动学模型反推出前轮转角；在已知车体当前坐标与目标路径的条件下，可以获得车体相对于路径的横向误差，输入至PI控制器中，得到纠正该误差的前轮转角补偿量，叠加至Pure Pursuit算法输出的前轮转角中；在已知车体相对于路径的横向误差的条件下，建立适应度函数以及合适的选择函数，通过迭代调整PI参数，获取适应度最佳的PI参数。

【技术特征摘要】
1.基于遗传算法整定参数的PurePursuit结合PI的路径跟踪方法，其特征在于，包括PurePursuit算法、PI控制器、遗传算法三个部分；在已知车体当前坐标与目标路径的条件下，根据预瞄距离选取目标路径上的目标点；使用PurePursuit算法，模拟出从当前点到目标点运动圆弧，进而根据车辆运动学模型反推出前轮转角；在已知车体当前坐标与目标路径的条件下，可以获得车体相对于路径的横向误差，输入至PI控制器中，得到纠正该误差的前轮转角补偿量，叠加至PurePursuit算法输出的前轮转角中；在已知车体相对于路径的横向误差的条件下，建立适应度函数以及合适的选择函数，通过迭代调整PI参数，获取适应度最佳的PI参数。2.根据权利要求1...

【专利技术属性】
技术研发人员：龚志豪，陈龙，轩辕哲，单云霄，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44