基于模型重构的智能汽车模型预测转向控制器及其控制方法技术

本发明专利技术公开了基于模型重构的智能汽车模型预测转向控制器及其控制方法，在智能感知车辆外部环境和自身参数的基础上，首先建立原模型的右逆模型，放置于原模型的左侧，对智能汽车转向模型进行重新构造，再建立原模型的左逆模型，用于观测横摆角速度参数，然后根据重新构造得到的新模型和横摆角速度观测参数，设计模型预测转向控制器，实现基于模型重构的智能汽车模型预测转向控制，提高智能汽车转向控制性能和智能化水平。本发明专利技术综合使用逆模型和模型预测控制方法，使用重构的新模型和左逆模型观测数据，合理设计模型预测控制器，目的明确，方法简单，可以方便地观测横摆角速度响应数据，抑制多干扰因素，克服未建模动态，获得高性能的控制效果。

Model predictive steering controller and control method of intelligent vehicle based on model reconstruction

【技术实现步骤摘要】
基于模型重构的智能汽车模型预测转向控制器及其控制方法
本专利技术涉及一种智能汽车转向控制领域，尤其涉及一种基于模型重构的智能汽车模型预测转向控制器及其控制方法。
技术介绍
智能汽车是基于环境感知技术、计算机技术、信息技术和智能控制技术的高新科技产品，在新一轮科技变革背景下的汽车产业转型升级，将是汽车产品逐步实现智能化的过程。作为未来多种新技术应用载体的智能汽车，将为汽车产业有效解决安全、能源和环保问题提供全新可能：包括车辆智能运行状态下的事故避免、油耗和排放控制最优化，智慧交通模式下的能耗节约和排放降低，全新商业模式下的汽车利用率显著提高等，从而使汽车产业能够在能源和环保的要求下满足安全舒适等多种需求，构建起健康的汽车社会。汽车的动态模型是一个非线性、强耦合的多变量时变系统，智能汽车转向控制是一个存在强耦合、多干扰和未建模动态的非线性控制问题，在智能汽车整体控制过程中有着非常重要的地位，传统的控制算法暂时没有很好地协调解决转向控制过程中的参数非线性和时变特征问题，中低车速时效果很好的控制参数往往在较高车速时控制效果欠佳，适合蛇形路径的控本文档来自技高网...

【技术保护点】
1.基于模型重构的智能汽车模型预测转向控制器，其特征在于，包括外部环境感知模块，汽车参数测量模块，智能汽车原模型，智能汽车右逆模型，智能汽车左逆模型，模型预测转向控制模块，转向执行模块；/n所述外部环境感知模块用于获取汽车行驶的车道信息、交通标志、附近车辆、行人信息，并将信息传送给模型预测转向控制模块；/n所述汽车参数测量模块用于获取汽车行驶的纵向速度u、横向速度v、前轮转角δ信息，并将信息传送给模型预测转向控制模块；/n所述智能汽车原模型

【技术特征摘要】
1.基于模型重构的智能汽车模型预测转向控制器，其特征在于，包括外部环境感知模块，汽车参数测量模块，智能汽车原模型，智能汽车右逆模型，智能汽车左逆模型，模型预测转向控制模块，转向执行模块；
所述外部环境感知模块用于获取汽车行驶的车道信息、交通标志、附近车辆、行人信息，并将信息传送给模型预测转向控制模块；
所述汽车参数测量模块用于获取汽车行驶的纵向速度u、横向速度v、前轮转角δ信息，并将信息传送给模型预测转向控制模块；
所述智能汽车原模型的输入变量为前轮转角δ，控制变量为横摆角速度ωr和横向速度v，输出变量为横向速度v；
所述智能汽车右逆模型以串联方式放置于智能汽车原模型的左侧，将智能汽车模型重构为规范的一阶传递函数新模型G(s)＝s-1，新模型的输入变量为智能汽车的横向速度的一阶导数输出变量为智能汽车的横向速度v；
所述智能汽车左逆模型以串联方式放置于智能汽车原模型的右侧，构成智能汽车横摆角速度观测模型；
所述模型预测转向控制模块包括转向决策子模块和转向控制子模块；
所述转向决策子模块用于根据外部环境感知模块和汽车参数测量模块发送过来的汽车运行参数，决定是否进行转向，在决定进行转向时给出模型预测控制转向控制子模块的转向控制参数的给定值；
所述转向执行模块，根据模型预测转向控制模块传输过来的控制信号驱动转向执行机构，实现智能汽车的自主转向。


2.根据权利要求1所述基于模型重构的智能汽车模型预测转向控制器，其特征在于，所述智能汽车原模型为二自由度模型、并且含有非线性参数的耦合模型，其模型表达式为：



其中，参数的含义：汽车前轮到质心距离a、后轮到质心距离b、前轮侧偏刚度k1、后轮侧偏刚度k2、汽车质量m、转动惯量Iz、前轮转角δ、纵向速度u、横向速度v、横摆角速度ωr。


3.根据权利要求1所述基于模型重构的智能汽车模型预测转向控制器，其特征在于，所述智能汽车右逆模型由自适应神经模糊推理系统(ANFIS(1))和积分器s-1构造而成，所述自适应神经模糊推理系统(ANFIS(1))包括二个输入和一个输出，所述自适应神经模糊推理系统(ANFIS(1))根据智能汽车原模型运行过程中获得的前轮转角δ、横向速度v和横向速度一阶导数的数据训练构造而成，所述智能汽车右逆模型的输入变量为横向速度v和横向速度的一阶导数输出变量为前轮转角δ；
所述智能汽车左逆模型由自适应神经模糊推理系统(ANFIS(2))和微分器s构造而成，所述自适应神经模糊推理系统(ANFIS(2))包括三个输入和一个输出，所述自适应神经模糊推理系统(ANFIS(2))根据智能汽车原模型运行过程中获得的前轮转角δ、横摆角速度ωr、横向速度v和横向速度的一阶导数的数据训练构造而成，所述智能汽车左逆模型的输入变量为前轮转角δ、横向速度v和横向速度的一阶导数输出变量为横摆角速度ωr。


4.根据权利要求1所述基于模型重构的智能汽车模型预测转向控制器，其特征在于，所述转向控制子模块是根据重构后的新模型进行设计，包括设计预测方程、约束条件、目标函数；所述预测方程是根据离散化后的重构新模型，经过设计预测时域Np、控制时域Nc和采样时间T后得到；所述约束条件包括前轮转角δ约束、纵向速度u约束和横摆角速度ωr约束；所述目标函数包括误差e(k)信息、控制输入信息和误差修正系数h。


5.根据权利要求4所述基于模型重构的智能汽车模型预测转向控制器，其特征在于，预测方程具体设计如下：



预测方程中，vp(k+1|k)为预测输出，为k时刻的控制输入，h为误差修正系数，v(k)为智能汽车重构新模型在k时刻的输出，vm(k)为标准模型G(s)＝s-1在k时刻的输出，e(k)＝v(k)-vm(k)是k时刻的误差，预测时域Np＝20，控制时域Nc＝3，采样时间T＝0.05s；
所述约束条件具体设计如下：
前轮转角约束：-10°≤δ≤10°，-0.8°≤Δδ≤0.8°；
纵向速度约束：0＜u≤70km/h；

【专利技术属性】
技术研发人员：蔡英凤，滕成龙，陈龙，孙晓强，邹凯，孙晓东，王海，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32