基于模型预测控制算法横纵向解耦的车辆控制方法和装置制造方法及图纸

本发明专利技术提供一种基于模型预测控制算法横纵向解耦的车辆控制方法和装置，所述方法包括：获取车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；根据车辆的当前位置的参数和第一参考点的参数计算车辆的横向动力学误差方程；根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程；根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程；对横纵向动力学状态方程进行处理，以获取控制增量；根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶。本发明专利技术的控制方法，能够采取不同的控制目标，在更广泛的控制对象上达到更好的控制效果。

【技术实现步骤摘要】
基于模型预测控制算法横纵向解耦的车辆控制方法和装置
本专利技术涉及
，具体涉及一种基于模型预测控制算法横纵向解耦的车辆控制方法、一种基于模型预测控制算法横纵向解耦的车辆控制装置和一种车辆。
技术介绍
目前的公交车模型预测控制算法是选取相同的目标参考点，然而，不同类型的车纵向跟踪能力不同，纵向控制偏差比较大时会导致计算出的横向偏差不准确，进而导致车辆没有沿着参考线行驶，尤其在转弯更加明显。例如，油动车采用的油门和刹车实现纵向控制，速度和位置的跟踪性能比较好，采用紧耦合的模型预测控制算法能够取得好的控制效果。又如，电动版扫地车采用的速度指令实现纵向控制，速度的跟踪性能比较差，采用紧耦合的模型预测控制算法会取得比较差的控制效果。因此，紧耦合的控制算法只能适用于纵向跟踪性能比较好的车辆，然而对于纵向跟踪性能不好的车辆来说，控制效果很差。
技术实现思路
本专利技术为解决上述技术问题，提供了一种基于模型预测控制算法横纵向解耦的车辆控制方法，通过对模型预测控制算法进行横纵向解耦，提高模型预测控制的控制精度，能够保证纵向跟踪性能不好的车辆，也本文档来自技高网...

【技术保护点】
1.一种基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，包括以下步骤：/n获取所述车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；/n根据所述车辆的当前位置的参数和所述第一参考点的参数计算所述车辆的横向动力学误差方程；/n根据所述车辆的当前位置参数和所述第二参考点的参数计算所述车辆的纵向动力学误差方程；/n根据所述横向动力学误差方程和所述纵向动力学误差方程获取所述车辆的横纵向动力学状态方程；/n对所述横纵向动力学状态方程进行处理，以获取控制增量；/n根据所述控制增量和上一次的控制量获取当前横纵向控制指令，以控制所述车辆行驶。/n

【技术特征摘要】
1.一种基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，包括以下步骤：
获取所述车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；
根据所述车辆的当前位置的参数和所述第一参考点的参数计算所述车辆的横向动力学误差方程；
根据所述车辆的当前位置参数和所述第二参考点的参数计算所述车辆的纵向动力学误差方程；
根据所述横向动力学误差方程和所述纵向动力学误差方程获取所述车辆的横纵向动力学状态方程；
对所述横纵向动力学状态方程进行处理，以获取控制增量；
根据所述控制增量和上一次的控制量获取当前横纵向控制指令，以控制所述车辆行驶。


2.根据权利要求1所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，获取所述第一参考点的参数，包括：
获取所述车辆的质心位置；
获取规划路线上与所述车辆的质心位置距离最近的规划点的参数，作为所述第一参考点的参数。


3.根据权利要求2所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，获取所述第二参考点的参数，包括：
获取所述规划路线上的第一个规划点的时间戳，并获取所述车辆当前位置的时间戳；
计算所述车辆的当前位置的时间戳与所述第一个规划点的时间戳之间的时间戳差值，记为ΔT；
获取所述规划路线上的最后一个规划点相对于所述第一个规划点的时间，记为Δt；
当Δt≤ΔT时，将所述最后一个规划点的参数作为所述第二参考点的参数；
当Δt＞ΔT时，采用线性插值的方式获取的规划点的参数作为所述第二参考点的参数。


4.根据权利要求3所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，通过下述公式计算所述车辆的横向动力学误差方程：
δxsv＝(xv-xs)cosψs+(yv-ys)sinψs
δysv＝-(xv-xs)sinψs+(yv-ys)cosψs



δvsvx＝(vxv-vxs)cosψs+(vyv-vys)sinψs
δvsvy＝-(vxv-yxs)sinψs+(vyv-vys)cosψs



δψsv＝ψv-ψs



δωsv＝ωv-ωs



其中，xs表示所述第一参考点的x坐标，ys表示所述第一参考点的y坐标，vxs表示所述第一参考点的x方向的速度，vys表示所述第一参考点的y方向的速度，as表示所述第一参考点的加速度，ψs表示所述第一参考点的航向角，ωs表示所述第一参考点的航向角速度，xv表示所述车辆的当前位置的x坐标，yv表示所述车辆的当前位置的y坐标，vxv表示所述车辆的当前位置的x方向的速度，vyv表示所述车辆的当前位置的y方向的速度，ψv表示所述车辆的当前位置的航向角，ωv表示所述车辆的当前位置的航向角速度，δxsv表示所述车辆与所述第一参考点的横向误差，表示所述车辆与所述第一参考点的横向误差的一阶导，δysv表示所述车辆与所述第一参考点的纵向误差，δvsvx表示所述车辆与所述第一参考点的横向速度误差，δvsvy表示所述车辆与所述第一参考点的纵向速度误差，表示所述车辆与所述第一参考点的横向速度误差的一阶导，δψsv表示所述车辆与所述第一参考点的航向角误差，表示所述车辆与所述第一参考点的航向角误差的一阶导，δωsv表示所述车辆与所述第一参考点的航向角速度误差，表示所述车辆与所述第一参考点的航向角速度误差的一阶导，m表示所述车辆的整车质量，Cαf表示所述车辆的前轮侧偏刚度，Cαr表示所述车辆的后轮侧偏刚度，lf表示所述车辆的质心到前轴的距离，lr表示所述车辆的质心到后轴的距离，Iz表示所述车辆的转动惯量，θ表示所述车辆的转向指令。


5.根据权利要求4所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，通过下...

【专利技术属性】
技术研发人员：陈海波，王全胜，
申请(专利权)人：深兰人工智能深圳有限公司，
类型：发明
国别省市：广东;44