一种无人智能清扫车轨迹跟踪控制方法及系统技术方案

本发明专利技术公开了一种无人智能清扫车轨迹跟踪控制方法及系统，主要用于智能清扫车在录入地图上的轨迹跟踪，包括以下步骤：给定期望行驶路径；获取车的实际位置、姿态信息，建立车的运动学模型；在期望路径上，实时选取合适的预瞄点，并计算预瞄角；建立仅与输入的预瞄偏差角和输出的前轮转角相关的转向动态线性化数据模型；计算转向角控制率，并加入时变比例控制项，建立新的转向角控制率；输出前轮转角，跟踪期望轨迹。本发明专利技术加入时变比例控制项的MFAC轨迹跟踪方法，仅利用系统的I/O数据，不包含车辆的模型信息，避免了无人驾驶车辆建模困难，系统信息不定的局限，改进的转向控制率对预瞄角变化和参考输入变化均起作用，提高了跟踪速度和系统灵活性。

【技术实现步骤摘要】
一种无人智能清扫车轨迹跟踪控制方法及系统
本专利技术属于无人驾驶控制
，具体地说，是涉及一种基于无模型自适应控制方法的无人智能清扫车轨迹跟踪控制方法及系统。
技术介绍
近年来，随着城市建设的不断完善，街道卫生环境管理的任务越来越繁重，纯人力打扫负担加剧，这就要求提高道路机械化清扫率，清扫车自动化作业日渐成为无人驾驶领域的一个重要应用场景。环境感知、路径决策规划和轨迹跟踪是当前无人驾驶3个主要控制研究方向。其中，轨迹跟踪是无人驾驶汽车运动控制的最基本问题之一，其通常是在路径规划完成的基础上，通过控制算法计算确定车辆所需的期望控制输入，进而实现车辆按照规划路径行驶。近年来，国内外学者针对无人驾驶轨迹跟踪问题进行了大量研究工作，其中，文献“无人驾驶汽车RBF神经网络滑模横向控制策略”在单点预瞄模型与车辆二自由度模型的基础上建立横向运动模型，设计了一种优化型径向基函数(RBF)神经网络的无人车横向运动滑模控制策略；文献“基于自适应模糊PID控制的农用作业机械轨迹跟踪系统研究”针对农业自动机械轨迹跟踪控制，运用模型预测控制算法，设计了自适应MPC控制器以及自适应模糊PID控制器；文献“四轮转向车辆的径向基函数神经网络复合控制器设计”建立了四轮转向车辆的八自由度动力学模型，并设计了一种径向基函数神经网络控制与单神经元自适应PSD控制的复合控制系统，采用直接闭环训练法以离线的方式进行训练。值得指出的是，无人智能清扫车是一种具有高耦合度的复杂非线性系统，其车身构造复杂，当清扫车速度提高，车身横摆角速度变化也会更敏感，车辆负载、车速以及横摆角速度等参量之间具有复杂的非线性关系，很难建立精确的车辆动力学系统模型，从而以往基于模型的轨迹跟踪控制方法受到了挑战，如模型预测控制、神经网络控制、滑模变结构控制等。另外，在智能清扫车实际作业时，随着清扫垃圾的增多，车辆负载不断变化，且道路碎石等引发的车辆颠簸，易出现未建模动态的存在，很难建立精确的车辆模型，且控制系统速度及灵活性要求高，上述方法可能会遇到许多困难。进一步的，由于不同车辆的模型参数不同，想要精确建立车辆及环境的动力学模型，进行控制器设计十分困难，算法的参数也需要重新整定，灵活性低，可移植性差。
技术实现思路
本专利技术的目的在于提供了一种无人智能清扫车轨迹跟踪控制方法和系统，实现清扫车的自动化作业和灵活稳定的轨迹跟踪，摆脱对受控系统数学模型的依赖，解决现有的技术中控制器设计困难、可移植性差的问题。同时，本专利技术针对现有清扫车技术存在的问题，提供了一种满足应用需求的无人智能清扫车，包括轨迹跟踪控制所需的硬件系统和智能清扫车的清扫系统。为实现上述目的，本专利技术采用下述技术方案予以实现：一种无人智能清扫车轨迹跟踪控制方法及系统，所述方法包括下述步骤：(1)在无人智能清扫车中，预先录入需要清扫的区域路径；(2)获取车的实际位置、姿态信息，建立车的运动学模型：其中，(x,y)表示车后轴的中心点坐标；v表示当前车速；是当前车的航向角；n表示车前后轴的轴距；χ是车的前轮偏角，受最大转向角χmax限制；(3)在期望路径上，实时选取合适的预瞄点，并计算预瞄角，将轨迹跟踪问题转化为预瞄偏差角跟踪问题；(4)进行动态线性化处理，建立仅与输入的预瞄偏差角和输出的前轮转角相关的转向动态线性化数据模型：h(t+1)＝h(t)+ξ(t)Δu(t)；其中，h(t)表示t时刻的预瞄偏差角；u(t)表示t时刻的方向盘转角，Δu(t)＝u(t)-u(t-1；ξ(t)表示系统的伪偏导数；(5)计算无模型自适应控制下的转向角控制率及PPD估计算法：其中，为ξ(t)的估计值，λ∈(0,1]、μ∈(0,1]是步长因子，使控制算法设计具有更大的灵活性；hd(t+1)为t+1时刻的预瞄角；(6)在上述转向角控制率中，加入时变比例控制项，得到新的控制率为：其中，e(t)＝hd(t+1)-h(t)；k1＞0,k2≥0且k1≥k2；(7)输出前轮转角，实现期望轨迹的跟踪。进一步的，将步骤(2)中的运动学方程转化为离散化模型：其中，T为采样时间，该模型验证了智能清扫车系统的非线性，仅用于提供智能清扫车轨迹跟踪控制仿真中的I/O数据，不参与控制。又进一步的，步骤(4)具体包括下述步骤：(41)由智能清扫车转向控制系统的非线性可知，h(t)和u(t)之间的关系也是非线性的，建立如下的离散时间非线性系统：h(t+1)＝f(h(t),…,h(t-nh),u(t),…,u(t-nu))；其中，h(t)表示t时刻的预瞄偏差角，u(t)表示t时刻的方向盘转角，分别表示t时刻系统的输入和输出；nh和nu是两个未知的参数；f(…)是未知的非线性函数；(42)利用传统无模型自适应算法对该系统进行分析，考虑系统的下一时刻预瞄角变化量与之前时刻的方向盘该变化量有关，得到：f(…)存在对于系统输入变量u(t)的连续偏导数；该系统满足广义Lipschitz条件，即给定任意u(t1)≠u(t2)(t1≠t2且t1,t2≥0)，可以得到|h(t1+1)-h(t2+1)|≤m|u(t1)-u(t2)|，其中，m＞0是一个常数；对于满足上述条件的非线性系统，当Δu(t)≠0时，一定存在时变参数向量ξ(t)使系统转化为如下的动态线性化数据模型：Δh(t+1)＝ξ(t)Δu(t)；又进一步的，步骤(5)具体包括下述步骤：(51)建立输入准则函数G(u(t))＝|hd(t+1)-h(t+1)|2+η|u(t)-u(t-1)|2；其中，η＞0是权重因子；将智能清扫车预瞄偏差角跟踪系统动态线性化模型代入输入准则函数，对u(t)求极值，得到转向角控制率为：(52)建立参数ξ(t)的估计准则函数：对该准则函数中的ξ(t)求极值，得到PPD的估计算法为：(53)结合智能清扫车的实际轨迹跟踪需求，使算法具有更好的跟踪时变参数的能力，加入重置算法：若或|Δu(t-1)|≤τ或其中，τ是一个小正数，为的初值。更进一步的，实际应用中，无人智能清扫车要实现上路行驶，要求预瞄偏差角能够快速、无超调地跟踪，才能保证道路行驶的安全，当前控制率只考虑时变误差积分项对系统的影响，响应速度慢，很难达到较好的动态控制效果，加入预瞄角误差时变比例项，得到新的转角控制率如下：其中，λ∈(0,1]、μ∈(0,1]是步长因子；e(t)＝hd(t+1)-h(t)；k1＞0,k2≥0且k1≥k2。进一步的，本专利技术所述的无人智能清扫车实现轨迹跟踪控制的系统组成主要包括：激光雷达，所述激光雷达通过平衡支架，安装在清扫车车体的顶部；双天线的差分GPS定位系统，所述GPS定位系统两个GPS天线组成，分别安装在车头和车身的中间位置，三维定本文档来自技高网...

【技术保护点】
1.一种无人智能清扫车轨迹跟踪控制方法及系统，其特征在于：所述方法包括下述步骤：/n(1)在无人智能清扫车中，预先录入需要清扫的区域路径；/n(2)获取车的实际位置、姿态信息，建立车的运动学模型：/n

【技术特征摘要】
1.一种无人智能清扫车轨迹跟踪控制方法及系统，其特征在于：所述方法包括下述步骤：
(1)在无人智能清扫车中，预先录入需要清扫的区域路径；
(2)获取车的实际位置、姿态信息，建立车的运动学模型：



其中，
(x,y)表示车后轴的中心点坐标；v表示当前车速；是当前车的航向角；n表示车前后轴的轴距；χ是车的前轮偏角，受最大转向角χmax限制；
(3)在期望路径上，实时选取合适的预瞄点，并计算预瞄角，将轨迹跟踪问题转化为预瞄偏差角跟踪问题；
(4)进行动态线性化处理，建立仅与输入的预瞄偏差角和输出的前轮转角相关的转向动态线性化数据模型：
h(t+1)＝h(t)+ξ(t)Δu(t)；
其中，
h(t)表示t时刻的预瞄偏差角；u(t)表示t时刻的方向盘转角，Δu(t)＝u(t)-u(t-1)；ξ(t)表示系统的伪偏导数；
(5)计算无模型自适应控制下的转向角控制率及PPD估计算法：






其中，为ξ(t)的估计值，λ∈(0,1]、μ∈(0,1]是步长因子，使控制算法设计具有更大的灵活性；hd(t+1)为t+1时刻的预瞄角；
(6)在上述转向角控制率中，加入时变比例控制项，得到新的控制率为：



其中，λ∈(0,1]、μ∈(0,1]是步长因子；e(t)＝hd(t+1)-h(t)；k1＞0,k2≥0且k1≥k2；
(7)输出前轮转角，实现期望轨迹的跟踪。


2.根据权利要求1所述的方法，其特征在于：步骤(2)的运动学方程转化为离散化模型：



其中，T为采样时间，该模型验证了智能清扫车系统的非线性，仅用于提供智能清扫车轨迹跟踪控制仿真中的I/O数据，不参与控制。


3.根据权利要求1所述的方法，其特征在于：步骤(4)具体包括下述步骤：
(1)由智能清扫车转向控制系统的非线性可知，h(t)和u(t)之间的关系也是非线性的，建立如下的离散时间非线性系统：
h(t+1)＝f(h(t),…,h(t-nh),u(t),…,u(t-nu))；
其中，h(t)表示t时刻的预瞄偏差角，u(t)表示t时刻的方向盘转角，分别表示t时刻系统的输入和输出；nh和nu是两个未知的参数；f(…)是未知的非线性函数；
(2)利用传统无模型自适应算法对该系统进行分析，考虑系统的下一时刻预瞄角变化量与之前时刻的方向盘该变化量有关，得到：
f(…)存在对于系统输入变量u(t)的连续偏导数；
该系统满足广义Lipschitz条件，即给定任意u(t1)≠u(t2)(t1≠t2且t1,t2≥0)，可以得到|h(t1+1)-h(t2+1)|≤m|u(t1)-u(t2)|，其中，m＞0是一个常数；
对于满足上述条件的非线性系统，当Δu(t)≠0时，一定存在时变参数向量ξ(t)使系统转化为如下的动态线性化数据模型：
Δh(t+1)＝ξ(t)Δu(t)。

【专利技术属性】
技术研发人员：姚文龙，庞震，池荣虎，邵巍，李博洋，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：山东;37