一种智能汽车在变附着系数重复性轨迹下的控制方法技术

一种智能汽车在变附着系数重复性轨迹下的控制方法，通过在传统MPC单预测范围的基础上，根据附着系数变化概率改变预测范围，从而提高智能汽车的应急能力。本发明专利技术采用迭代学习控制的方法跟踪路径，提高路径的跟踪精度，结合横摆稳定控制器来提高智能汽车的行驶稳定性。本发明专利技术的MPC控制器根据环境感知模块提供的信息，预先调用可能出现情况的对应控制策略，其包括相应的预测时域与约束集；在此之后，利用迭代学习控制作为一种确定瞬态驾驶正确转向输入的方法，通过多次迭代来提高跟踪性能，结合横摆稳定控制器来提高智能汽车的行驶稳定性。

【技术实现步骤摘要】
一种智能汽车在变附着系数重复性轨迹下的控制方法
本专利技术属于智能汽车控制领域，特别涉及了一种智能汽车在变附着系数重复性轨迹下的控制方法。
技术介绍
随着计算机信息处理技术进的快速发展，行驶智能化作为汽车行业发展方向。传统MPC多致力于路径跟踪的精度的提升上，但是在变附着系数路面行驶时往往精度会有所降低，在附着系数变化发生的时候才做出相应反应使得无人驾驶车辆无法准确的跟踪期望路径，这是因为从高附着系数到低附着系数情况下车轮力趋近于饱和，在突发事件发生的情况下转向但轮胎无法提供更多的侧向力，所以车辆在应对突发事件下容易出现失稳现象。所以传统单一预测范围的算法不能解决车辆不同突发事件下的控制需求和控制功能，且传统的控制器只基于一般的物理模型并利用当前误差来控制行驶轨迹，并未充分利用历史信息来提高行驶速度与轨迹跟踪精度。
技术实现思路
一种智能汽车在变附着系数重复性轨迹下的控制方法，通过在传统MPC单预测范围的基础上，根据附着系数变化概率改变预测范围，从而提高智能汽车的应急能力。本专利技术采用迭代学习控制的方法跟踪路径，提高路径的跟踪精度，结合横摆稳定控制器来提高智能汽车的行驶稳定性。一种智能汽车在变附着系数重复性轨迹下的控制方法，包括如下步骤：步骤1，通过环境感知模块实时采集智能汽车的前方道路信息，并结合感知技术将交通道路信息中的路况突发事件进行实时收集并传递至控制模块供控制器预先调用；步骤2，以三自由度车辆运动模型为基础，得到车辆平衡方程，通过车身状态量和道路状态量得到动力学模型，然后运用变预测范围模型以及预测控制方法进行控制，将其转换成状态空间形式，得到状态空间方程；同时，对于不同的路面附着系数计算对应的权重和约束，建立性能指标及系统约束；步骤3，设置迭代学习控制器，在步骤2的动力学模型预测控制完成对应的突发事件的反应后，在给定已完成一圈误差响应的情况下，确定下一圈的学习转向输入，通过迭代学习算法考虑由于车辆速度变化而引起的转向动力学变化；步骤4，设置稳定性控制器，将稳定性控制与动力学模型预测和迭代学习算法结合，并通过对横纵向及稳定性控制器的输出量进行优化调整，对车辆横摆角速度进行控制以提高车辆的稳定性。进一步地，所述路况突发事件包括但不限于恶劣天气，路边行人横穿和前车骤停。进一步地，步骤2中，本专利技术采用三自由度车辆动力学模型，包括X轴方向的纵向运动、Y轴方向的横向运动和围绕Z轴的转动方向的横摆运动，得到沿X轴、Y轴和绕Z轴的平衡方程：式中，m为车辆质量；X为纵向位移；φ为横摆角；δf为前轮转角；y为侧向位移；Iz为Z轴转动惯量；Fx为车辆所受总的纵向力；Fy为车辆所受总的横向力；Mz为车辆所受总的横摆力矩；Fcf，Fcr为车辆前后轮胎所受侧向力，与轮胎的侧偏刚度、侧偏角有关；Flf，Flr为车辆前后轮胎所受纵向力，与轮胎的纵向刚度、滑移率有关；Fxf，Fxr为车辆前后轮胎在x方向所受力；Fyf，Fyr为车辆前后轮胎在y方向所受力；a为前轴到质心距离，b后轴到质心距离。通过如下公式2至4的三个车身状态量，公式5至7的三个道路状态量联合得到的动力学模型如下：其中是汽车纵向路径的导数，是汽车质心到路径距离的侧向误差导数，κ为道路曲率，Δψ是航向角误差，Vx、Vy、β、r分别为汽车纵、横向速度，质心侧偏角及横摆角速度。进一步地，建立动力学模型后运用变预测范围模型预测控制方法进行控制；将公式2至7中所建立的动力学模型转换成状态空间形式并运用一阶欧拉法进行模型的离散化得到如公式8至9所示的状态空间方程：e＝Ccx(9)其中状态量x由(VxVyrΔψe)进行矩阵拼接组成,综合考虑横纵向动力学特性，Ac为状态矩阵、Bc为控制量矩阵，d为扰动量,Cc为输出量矩阵；其中e是汽车质心到行驶轨迹距离的侧向误差、u是控制量。进一步地，将xn类似于单一附着系数模型预测控制，xd1、...xdn代表了各种不同的路面附着系数，对应于不同的约束与成本函数，建立性能指标J如下：其中Np、Nc分别为预测与控制时域，Q、R、P分别为相应的权重矩阵集，ρ、ε分别为权重系数集和松弛因子集,xk为状态变量，Δuk为控制增量，d为扰动量；系统约束为：其中在k＝0处，其中式中各项U为不同附着系数下控制程序初始阶段第一步计算的控制量集合，k是步长。进一步地，约束集H、G对附着系数进行约束；在U0处依然是追踪原本的期望路径，同时保持对于突变附着系数的应急操作；Hn与Gn是附着系数不变的约束集，其中各项是对应不同附着系数下的不同约束集，如：作为Hn的约束集，采用式中表示为路面宽度函数，作为Gn的约束集；ek，是质心到参考路径的偏差；应对不同的附着系数，对于约束中的值如αr，sat、做出调整；H和G分别对横摆角速度与质心侧偏角及环境约束进行调整并在事件结束之后继续跟踪原本的期望路径。进一步地，如果同时检测多附着系数，则同时计算左、右两侧附着系数变化时的输出结果并最终加权求和取得最终结果；如果没有发生突变附着系数则一直跟踪期望路径。进一步地，步骤3中，在模型预测控制完成对应的突发事件的反应后，在给定已完成一圈误差响应ej的情况下，确定下一圈的学习转向输入迭代学习算法框架如下所示：其中Q是N×N的滤波矩阵，L是N×N的学习矩阵，矩阵Q和L将通过二次最优Q-ILC学习控制器来获得；学习转向输入通过在下一次迭代中最小化二次成本函数确定：其中T、R、S是N×N的权重矩阵；滤波矩阵和迭代矩阵如下：Q＝(PTTP+R+S)-1(PTTP+S)(19)L＝(PTTP+S)-1PTTP[T1/2P)-1T1/2(20)进一步地，步骤4中，先计算出期望的横摆角速度，与实际横摆角速度进行比较，根据其偏差值来控制附加的横摆力矩，其控制方式是减小外侧或者内侧车轮的驱动力矩，从而提高车辆行驶稳定性；期望横摆角速度计算公式为：其中，L为轴距，C2，C1分别为前后轮的侧偏刚度，K是稳定性因数为：同时结合路面附着条件，期望横摆角速度可以表示为：其中，μ为路面摩擦系数g为重力加速度。横摆角速度的理想值表示为：通过对车辆横摆力矩的控制来进行车辆稳定性控制。通过测量车辆实际横摆角速度并得到理想横摆角速度与实际横摆角速度的差值，为：er＝rd-r；通过PID控制策略得到附加的横摆力矩的数值ΔMz；通过以上控制器得出期望的附加横摆力矩之后，从车辆制动的角度出发，采取前后车轮比例制动的控制策略，将得到的附加横摆力矩所需的制动力按比例分配给前后轮。本专利技术达到的有益效果为：(1)本专利技术提出的应对变附着系数的模型预测控制的思想，将原本文档来自技高网...

【技术保护点】
1.一种智能汽车在变附着系数重复性轨迹下的控制方法，其特征在于：所述方法包括如下步骤：/n步骤1，通过环境感知模块实时采集智能汽车的前方道路信息，并结合感知技术将交通道路信息中的路况突发事件进行实时收集并传递至控制模块供控制器预先调用；/n步骤2，以三自由度车辆运动模型为基础，得到车辆平衡方程，通过车身状态量和道路状态量得到动力学模型，然后运用变预测范围模型以及预测控制方法进行控制，将其转换成状态空间形式，得到状态空间方程；同时，对于不同的路面附着系数计算对应的权重和约束，建立性能指标及系统约束；/n步骤3，设置迭代学习控制器，在步骤2的动力学模型预测控制完成对应的突发事件的反应后，在给定已完成一圈误差响应的情况下，确定下一圈的学习转向输入，通过迭代学习算法考虑由于车辆速度变化而引起的转向动力学变化；/n步骤4，设置稳定性控制器，将稳定性控制与动力学模型预测和迭代学习算法结合，并通过对横纵向及稳定性控制器的输出量进行优化调整，对车辆横摆角速度进行控制以提高车辆的稳定性。/n

【技术特征摘要】
1.一种智能汽车在变附着系数重复性轨迹下的控制方法，其特征在于：所述方法包括如下步骤：
步骤1，通过环境感知模块实时采集智能汽车的前方道路信息，并结合感知技术将交通道路信息中的路况突发事件进行实时收集并传递至控制模块供控制器预先调用；
步骤2，以三自由度车辆运动模型为基础，得到车辆平衡方程，通过车身状态量和道路状态量得到动力学模型，然后运用变预测范围模型以及预测控制方法进行控制，将其转换成状态空间形式，得到状态空间方程；同时，对于不同的路面附着系数计算对应的权重和约束，建立性能指标及系统约束；
步骤3，设置迭代学习控制器，在步骤2的动力学模型预测控制完成对应的突发事件的反应后，在给定已完成一圈误差响应的情况下，确定下一圈的学习转向输入，通过迭代学习算法考虑由于车辆速度变化而引起的转向动力学变化；
步骤4，设置稳定性控制器，将稳定性控制与动力学模型预测和迭代学习算法结合，并通过对横纵向及稳定性控制器的输出量进行优化调整，对车辆横摆角速度进行控制以提高车辆的稳定性。


2.根据权利要求1所述的一种智能汽车在变附着系数重复性轨迹下的控制方法，其特征在于：所述路况突发事件包括但不限于恶劣天气，路边行人横穿和前车骤停。


3.根据权利要求1所述的一种智能汽车在变附着系数重复性轨迹下的控制方法，其特征在于：步骤2中，本发明采用三自由度车辆动力学模型，包括X轴方向的纵向运动、Y轴方向的横向运动和围绕Z轴的转动方向的横摆运动，得到沿X轴、Y轴和绕Z轴的平衡方程：



式中，m为车辆质量；X为纵向位移；φ为横摆角；δf为前轮转角；y为侧向位移；Iz为Z轴转动惯量；Fx为车辆所受总的纵向力；Fy为车辆所受总的横向力；Mz为车辆所受总的横摆力矩；Fcf，Fcr为车辆前后轮胎所受侧向力，与轮胎的侧偏刚度、侧偏角有关；Flf，Flr为车辆前后轮胎所受纵向力，与轮胎的纵向刚度、滑移率有关；Fxf，Fxr为车辆前后轮胎在x方向所受力；Fyf，Fyr为车辆前后轮胎在y方向所受力；a为前轴到质心距离，b后轴到质心距离。
通过如下公式2至4的三个车身状态量，公式5至7的三个道路状态量联合得到的动力学模型如下：


















其中是汽车纵向路径的导数，是汽车质心到路径距离的侧向误差导数，κ为道路曲率，Δψ是航向角误差，Vx、Vy、β、r分别为汽车纵、横向速度，质心侧偏角及横摆角速度。


4.根据权利要求3所述的一种智能汽车在变附着系数重复性轨迹下的控制方法，其特征在于：建立动力学模型后运用变预测范围模型预测控制方法进行控制；将公式2至7中所建立的动力学模型转换成状态空间形式并运用一阶欧拉法进行模型的离散化得到如公式8至9所示的状态空间方程：



e＝Ccx(9)
其中状态量x由(VxVyrΔψe)进行矩阵拼接组成，综合考虑横纵向动力学特性，Ac为状态矩阵、Bc为控制量矩阵，d为扰动量，Cc为输出量矩阵；其中e是汽车质心到行驶轨迹距离的侧向误差、u是控制量。


5.根据权利要求1所述的一种智能汽车在变附着系数重复性轨迹下的控制方法，其特征在于：将xn类似于单一附着系数模型预测控制，xd1、...xdn代表了各种不同的路面附着系数，对应于不同的...

【专利技术属性】
技术研发人员：汪伟，盛广庆，杨凤敏，罗金，姜苏杰，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：江苏;32