一种基于多步线性化策略的无人驾驶车辆模型预测控制方法技术

本发明专利技术公开了一种基于多步线性化策略的无人驾驶车辆模型预测控制方法，该方法分为线性时变模型的建立和多步迭代线性化两部分。多步迭代线性化包括，设置初始标称输入轨迹、设置计数器、求解动力学模型的ODE方程、求解线性时变MPC控制问题、收敛检查、更新标称轨迹。本方法通过多次迭代来寻找线性时变模型的最优输出，同时对QP求解问题加以优化，提高了算法求解效率。相对于已有技术，本发明专利技术既有效解决了非线性模型预测算法的实时性差的问题，又相对于单步线性化提高了控制品质，使得跟踪效果更加精准，控制器输出更加平稳。

【技术实现步骤摘要】
一种基于多步线性化策略的无人驾驶车辆模型预测控制方法
本专利技术涉及无人驾驶车辆的模型预测控制领域，特别是涉及一种基于多步线性化策略的无人驾驶车辆模型预测控制方法。
技术介绍
模型预测控制(ModelPredictiveControl，简称MPC)由于在复杂多变量系统上具有出色的约束优化控制能力，已经在石油，化工等过程领域中获得了广泛的应用。随着在传统领域的广泛应用，近年来越来越多的领域都开始采用MPC进行控制，如自动驾驶领域，机器人领域等等。如今在自动驾驶领域，轨迹跟踪问题一直是研究的热点，轨迹跟踪控制是实现车辆自动驾驶的基础。对于无人驾驶车辆来说，由于车辆是在高速行驶中，因此需要较高的实时性，采样周期较短(控制动作频率需要在10-100Hz以上)，在无人车跟踪控制领域，常见的一些控制算法有：比例-积分-微分控制、滑模变结构控制、前馈-反馈控制、预瞄跟踪最优控制、线性二次型调节器以及模型预测控制。对于车辆系统来说，是一个多输入多输出的系统，且汽车在运动过程中，受到动力学以及执行机构的约束。对于这样一个问题，模型预测控制能够发挥其出色的本文档来自技高网...

【技术保护点】
1.一种基于多步线性化策略的无人驾驶车辆模型预测控制方法，其特征在于，包括以下步骤：/n步骤(1)：根据无人车的动力学模型以及目标轨迹，在轨迹点处对动力学模型进行线性化，建立线性时变模型；将线性时变模型中当前的状态变量和上一时刻的控制变量作为新的状态变量，将线性时变模型中控制变量的增量作为新的控制变量，进一步得到状态空间的增量模型；/n步骤(2)：根据步骤(1)所建立的状态空间的增量模型，设计一种多步线性化策略的模型预测控制算法，包括设置初始标称输入轨迹、设置计数器、求解动力学模型的ODE方程、求解线性时变MPC控制问题、收敛检查、更新标称轨迹；/n步骤(2.1)：设置初始标称输入轨迹：/n

【技术特征摘要】
1.一种基于多步线性化策略的无人驾驶车辆模型预测控制方法，其特征在于，包括以下步骤：
步骤(1)：根据无人车的动力学模型以及目标轨迹，在轨迹点处对动力学模型进行线性化，建立线性时变模型；将线性时变模型中当前的状态变量和上一时刻的控制变量作为新的状态变量，将线性时变模型中控制变量的增量作为新的控制变量，进一步得到状态空间的增量模型；
步骤(2)：根据步骤(1)所建立的状态空间的增量模型，设计一种多步线性化策略的模型预测控制算法，包括设置初始标称输入轨迹、设置计数器、求解动力学模型的ODE方程、求解线性时变MPC控制问题、收敛检查、更新标称轨迹；
步骤(2.1)：设置初始标称输入轨迹：






其中，表示标称输入轨迹，U0表示t0时刻的初始标称输入轨迹，表示初始标称输入，Np表示预测步长，T表示控制周期；
步骤(2.2)：设置计数器：
将计数器的初始值设置为iterCount＝0，用于判断是否达到最大迭代次数；
步骤(2.3)：求解动力学模型的ODE方程：
根据当前时刻的标称输入轨迹和状态变量，求解动力学模型的ODE方程，得到未来时刻标称输出轨迹
步骤(2.4)：求解线性时变MPC控制问题：
根据MPC控制器在每个周期要求解的优化命题，结合步骤(1)得到的状态空间的增量模型，得到线性时变MPC控制问题；将线性时变MPC控制问题转化为QP问题，先对QP问题进行无约束求解，若结果超限，再利用相应的QP求解器求解带约束的QP命题，得到：



其中，Δu(k+i|k)表示k时刻预测的k+i时刻的控制器输出；
步骤(2.5)：收敛检查：
利用步骤(2.4)得到的ΔU，得到t时刻的标称输入轨迹其中L是值为1的下三角矩阵；判断是否收敛，或者计数器iterCount是否达到最大迭代次数；若是，则进入步骤(2.6)，若否，则计数器加一，返回步骤(2.3)；
步骤(2.6)：更新标称轨迹：
将步骤(2.4)得到的ΔU中的第一个元素Δu(k|k)送入实际系统中，同时对步骤(2.5)得到的t时刻的标称输入轨迹进行进一步更新：






即其中M表示更新矩阵，返回步骤(2.2)；
步骤(3)：在每个控制周期调用一次步骤(2)所述的多步线性化策略的模型预测控制算法，完成多步线性化策略的MPC在线求解的计算，解出当前时刻的控制增量，将所述的当前时刻的控制增量输出至汽车仿真软件中，实现无人驾驶车辆的多步线性化策略的模型预测控制。


2.如权利要求1所述的一种基于多步线性化策略的无人驾驶车辆模型预测控制方法，其特征在于，所述步骤(1)具体为：
建立无人车的动力学模型：



其中，是状态变量，[δf]是控制变量，表示车辆横向速度，表示车辆纵向速度，表示车辆的横摆角，表示车辆的横摆角速度，Y,X表示大地坐标系下的位置，δf表示前轮转向角，a和b分别表示车辆质心到前后轴的距离，m为车辆整体质量，Iz为车辆绕z轴的转动惯量，Ccf表示前轮轮胎纵向刚度，Ccr表示后轮轮胎纵向刚度，Clf表示前轮轮胎侧片刚度，Clr表示后轮轮胎侧片刚度，sr表示滑移率，表示的导数，表示的导数，表示的导数，表示X轴方向的速度，表示Y轴方向的速度；
令u＝[δf]，将式(1)写成如下形式：



假设已知目标轨迹的状态轨迹为其中表示ti时刻的轨迹点；对式(2)在任一轨迹点附近进行线性化，得到：



其中，表示状态变量的导数，表示t时刻的参考输入变量，表示t时刻的参考状态变量；
将式(3)进一步转化为：



其中，A(t)、B(t)、分别表示第一项线性项系数矩阵、第二项线性项系数矩阵和线性项的余项矩阵；
对式(4)进行欧拉离散化，得到线性时变模型：



...

【专利技术属性】
技术研发人员：徐祖华，任巢康，赵均，邵之江，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33