一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法技术

本发明专利技术公开了一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法，包括的步骤有：步骤一、建立包含参数不确定以及外界干扰项的车辆二阶纵向动力学模型；步骤二、对阶跃规划车速进行平滑处理；步骤三、利用动态滑模控制理论设计车辆广义纵向力控制率；步骤四、使用RBF神经网络对该不确定项进行在线估计；步骤五、设计合理的底层执行器切换逻辑。有益效果：保证跟踪目标及其导数能以指数速度收敛于0。很大程度上缓解了常规滑模控制的实际应用难题。既保证了控制器的稳定性又能够在一定程度上进一步缓解了滑模控制的抖振问题。程度上进一步缓解了滑模控制的抖振问题。程度上进一步缓解了滑模控制的抖振问题。

【技术实现步骤摘要】
一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法


[0001]本专利技术涉及一种车速跟随自适应鲁棒控制方法，特别涉及一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法。

技术介绍

[0002]目前，自动驾驶车辆由于其无需驾驶员操作的优势被认为能够很大程度上缓解由驾驶员操作不当引起的社会问题，并且在军事，农业或行星勘探等非结构化场景中自动驾驶车辆同样具有巨大的潜在应用价值。其中，位于自动驾驶车辆架构底端的控制层，且主要负责准确跟踪期望车速的车速跟踪模块，在实现复杂自动驾驶任务中具有十分重要的地位。
[0003]常见的车速跟踪算法通常以期望速度和加速度为控制器输入，计算出合适的驱动力矩或制动压力控制车辆以保证车速跟随效果，常见的车速跟踪控制算法包括如中国专利公布号CN112026753A，中国专利公布号CN109991856A，中国专利公布号CN110780674A所示，主要包括PID控制，滑模控制，模型预测控制等。
[0004]由于车辆本身属于复杂的时变非线性系统，并且在车辆与环境的实际交互过程中，存在若干未知干扰，这些因素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法，其特征在于：包括如下步骤：步骤一、建立包含参数不确定以及外界干扰项的车辆二阶纵向动力学模型：该模型以广义纵向力的微分为输入，以车速v
x
和纵向加速度为状态，具体如下所示：式中，x1为车辆纵向速度v
x
；x2为车辆纵向速度的导数为车辆纵向速度的导数其中C
D
为车辆空气阻力系数、ρ为空气密度、A为车辆迎风面积；u为车辆所受广义纵向力F
t
的导数的导数是由参数不确定以及外界未知干扰共同组成的干扰项，其中为道路坡度、f为轮胎滚动阻力系数、F
d
为车辆所受外界未知干扰、M为车辆的总质量其中包括已知的车辆整备质量m和可能会随着车辆实际使用过程而变化的未知额外承载质量Δm；步骤二、对阶跃规划车速进行平滑处理，具体如下：采用由二次函数、一次函数、二次函数首尾相接且处处可导的“2
‑1‑
2”样条曲线对阶跃规划车速进行平滑处理；实际期望车速和纵向加速度的时间函数根据“2
‑1‑
2”样条曲线特点写成如下形式：式中v
xd
为处理后的期望车速；v
xd1
、v
xd2
、v
xd3
、分别为二次函数、一次函数、二次函数形式的分段期望车速和纵向加速度；a0、a1、a2、b0、b1、c0、c1、c2分别为每段函数对应的系数；t0、t1、t2、t3分别为每段函数的起止时间节点，其中t0为规划车速更新的时间点，其他时间点需要自行设定，根据2
‑1‑
2样条曲线处处连续可导的特点，得出如下约束条件：根据上述三式，即可解得每段函数对应的具体系数，从而得到连续可导的期望车速曲线；步骤三、利用动态滑模控制理论设计车辆广义纵向力控制率，具体如下：首先定义跟踪误差e1＝x1‑
x
1d
，x
1d
为系统状态量x1的期望值，即期望车速v
xd
，为保证跟
踪误差能够收敛于0，定义Lyapunov函数V1并求导得到如下所示：根据上式定义x2的期望值其中φ1为正常数，则上式写为据此e1可在有限时间内收敛到0，然后定义第二个跟踪误差根据定义的两个跟踪误差，构建滑模函数σ1＝φ2e1+e2，其中φ2为正常数，将跟踪误差e2的具体形式带入滑模函数，得到因此当系统进入理想滑动模态σ1＝0时，跟踪误差e1和将会指数收敛到0，达成车速跟踪控制目标；基于步骤一的状态空间方程，设计广义纵向力微分项控制率如下所示，式中为未知干扰项D1的上界，h1、h2为正常数：稳定性证明：定义Lyapunov函数V2，对其求导并将滑模函数σ1带入得：将两个跟踪误差e1＝x1‑
x
1d
、以及步骤一的状态空间方程带入上式可得：最后带入步骤三所设计的控制率得到下式，在保证的情况下，可证滑模函数...

【专利技术属性】
技术研发人员：赵健，杜金朋，朱冰，陈虹旭，
申请(专利权)人：吉林大学，
类型：发明
国别省市：