一种无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法制造技术

本发明专利技术公开了一种无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法，包括以下步骤：重构的后车身的航向和位置，计算碾压机的轨迹跟踪中的实际距离误差；距离误差的抗扰控制器再结合即时扰动观测器得到的距离误差的总扰动，计算所述碾压机的目标航向角，使得碾压机的轨迹跟踪距离误差趋于零；航向角的抗扰控制器通过步骤2得到的目标航向角、即时扰动观测器得到的航向总扰动以及基于模型参数学习器得到的航向角扰动，计算所述碾压机的目标方向盘转角，使得碾压机的实际航向角趋近于步骤2得到的所述目标航向角；将步骤3得到的目标方向盘转角发送给方向盘转角控制器。本控制算法可解决快速小范围干扰和缓慢大范围干扰的问题。

【技术实现步骤摘要】
一种无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法
本专利技术涉及无人驾驶碾压机控制
，特别是涉及一种无人驾驶碾压机后退过程的分层递阶自学习复合抗扰轨迹跟踪控制算法。
技术介绍
无人驾驶碾压机对目标行驶轨迹的准确跟踪，是确保碾压作业的质量、效率和安全性的关键。传统的PID(反馈-积分-微分)控制是应用最为广泛的控制算法之一。例如，清华大学的Zhang等人和同济大学卞永明等人都曾采用PID反馈控制进行碾压机的轨迹跟踪控制。但是，PID反馈控制只有在产生明显的轨迹跟踪误差之后，才会采取控制行为。这种“事后调节”的被动控制方法，很容易使碾压机这种铰接结构车辆在轨迹跟踪过程中发生“画龙”现象，造成仓面的漏碾或超碾。为此，同济大学卞永明等人提出了基于模糊PID的轨迹跟踪控制算法，然而，模糊规则的设计比较复杂，影响无人碾压机控制算法研发的效率。类似的，分段PID参数整定也可以改善控制精度，但依然面临参数整定复杂的难题。可见，传统的PID反馈控制无法满足碾压机高精度轨迹跟踪控制的要求。为此，基于模型的轨迹跟踪控制算法得到了广泛的研究。在传统的乘用车领域，预瞄法、模型预测控制、自适应控制等算法被广泛研究。Fang等人提出了基于碾压机前钢轮振动激振力补偿的前馈控制，用以改善振动模式下的轨迹跟踪精度。但是，碾压机是铰接结构车辆，横向稳定性差，与仓面的相互作用复杂。由于碾压机仓面条件复杂，不同粒径的块石干扰大。采用传统的基于模型的控制时，模型与真实对象的偏差很容易造成控制品质的恶化。针对上述问题，国内外学者研究了对于模型偏差的适应性较高的多种控制算法。譬如，Dekker等人针对自主轮式车辆，提出了迭代学习控制与反馈线性化相结合的路径跟踪控制算法。Yang等人针对全轮转向车辆，研究提出了一种简单的迭代学习控制算法(ILC)来提高车辆的路径跟踪能力。天津大学的姚冬春针对碾压机的轨迹跟踪问题，将自抗扰控制方法与预瞄算法相结合，改善轨迹跟踪效果。虽然，主动抗扰控制算法能够将模型与实际对象之间的偏差等效为总扰动，利用ESO(总扰动即时观测器)进行主动观测和补偿，但是ESO的观测能力受到采样频率和测量噪声的影响，对于大范围不确定性的适应能力比较有限。实际上，对于碾压机这种工作在极其环境恶劣下的工程用压实机械，其在作业过程中仓面的压实度、擦力和阻力特性不断改变，碾压机的转向液压系统的特性也不断改变。现有的控制方法，还很难适应这种同时包含快速小范围干扰(碾压经过块石和地面滑移等)和缓慢大范围干扰(仓面压实度、摩擦特性缓变)的控制问题。
技术实现思路
本专利技术的目的是针对现有技术中存在的无人驾驶碾压机的控制方法无法包含快速小范围干扰和缓慢大范围干扰的问题，而提供一种无人驾驶碾压机后退过程的分层递阶自学习复合抗扰轨迹跟踪控制算法。为实现本专利技术的目的所采用的技术方案是：一种无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法，包括以下步骤：步骤1，后车身位置与航向的重构器，计算车辆后车身航向角的测量值以及后车身处位置，得到重构的后车身的航向和位置，再根据碾压机的目标轨迹，计算碾压机的轨迹跟踪中的实际距离误差；步骤2，距离误差的抗扰控制器通过步骤1得到的实际距离误差和即时扰动观测器得到的距离误差的总扰动，计算所述碾压机的目标航向角，使得碾压机的轨迹跟踪距离误差趋于零；步骤3，航向角的抗扰控制器通过步骤2得到的目标航向角、即时扰动观测器得到的航向总扰动以及基于模型参数学习器得到的航向角扰动，计算所述碾压机的目标方向盘转角，使得碾压机的实际航向角趋近于步骤2得到的所述目标航向角，其中所述模型参数学习器根据目标方向盘转角、前后车身铰接角的实时映射关系，对碾压机的转向系统模型参数进行在线估计；步骤4，将步骤3得到的目标方向盘转角发送给方向盘转角控制器，对实际方向盘转角进行闭环控制，实现碾压机的轨迹跟踪。在上述技术方案中，所述步骤2中的距离误差的抗扰控制器包括距离误差反馈控制器和距离误差扰动抑制器，所述即时扰动观测器利用所述实际航向角和所述实际距离误差，对实际距离误差的总扰动进行实时估计，并在距离误差扰动抑制器中进行实时补偿，所述距离误差反馈控制器对实际距离误差进行处理，再结合距离误差扰动抑制器处理后的信息，计算所需的碾压机目标航向角，使得碾压机的轨迹跟踪距离误差趋于零。在上述技术方案中，所述步骤3中的航向角的抗扰控制器包括航向角反馈控制器和航向角扰动抑制器，所述航向角扰动抑制器包括基于模型参数学习器的航向角扰动抑制器和基于即时扰动观测器的航向角扰动抑制器；所述即时扰动观测器利用所述实际航向角和所述目标方向盘转角，对航向角总扰动进行实时估计，并在航向角扰动抑制器中进行实时补偿；所述步骤4中的模型参数学习器利用目标方向盘转角和前后车身铰接角实时映射关系，采用最小二乘法，对碾压机的航向角动态系统模型参数进行在线估计，并在航向角扰动抑制器中进行实时补偿；所述航向角反馈控制器根据目标航向角，再结合航向角扰动抑制器处理后的信息，计算得到碾压机的目标方向盘转角。在上述技术方案中，所述步骤1中，所述位置与航向重构器根据碾压机上装配的全球定位系统GPS所测量的碾压机前车身的实际位置和航向，以及车辆前后车身的铰接角，根据车辆的三维几何结构，估算后车身的行驶航向以及后车身的位置。所述步骤1中的实际误差距离ed：其中，xa和ya分别为起点的东向和北向坐标(单位是：米)，xb和yb分别终点的东向和北向坐标(单位是：米)，xC和yC分别为碾压机当前后车身位置的东向和北向坐标(单位是：米)。在上述技术方案中，所述步骤2中距离误差的抗扰控制器为距离误差反馈控制器为u0，outlp是距离误差控制中的虚拟控制量，b0，outlp是控制输入的增益(单位是：弧度/秒)；其中：u0，outlp＝kp，outlped，kp，outlp是比例控制系数，优选为kp，outlp＝ωc，out，ωc，out为距离误差的抗扰控制器的带宽(单位是弧度/秒)，其数值根据实际工程应用中期望的响应速度需求来调节确定，ed为实际距离误差(单位是：米)，为前车身的测量车速(单位是米/秒)；所述步骤2中的距离误差扰动抑制器为其中为距离误差的总扰动的预估值，通过即时扰动观测器获得；该即时扰动观测器为其中其中和分别为实际距离误差ed的估计值和距离误差总扰动的估计值，由该即时扰动观测器迭代得到，Uoutlp为控制输入，即后车身航向角的测量值，由全球定位系统GPS测量值与值及铰接测量值计算得到，为ed的动态模型中除去的部分，由碾压机距离误差的动态方程得到(动态模型可由领域内专业人员推导得到，可参考文献NaylT，NikolakopoulosG，GustfssonT.Switchingmodelpredictivecontrolforanarticulatedvehicleundervaryingslipangle[C]//201220thMediterraneanConferenceo本文档来自技高网...

【技术保护点】
1.一种无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法，其特征在于：包括以下步骤：/n步骤1，后车身位置与航向的重构器，计算车辆后车身航向角的测量值以及后车身处位置，得到重构的后车身的航向和位置，再根据碾压机的目标轨迹，计算碾压机的轨迹跟踪中的实际距离误差；/n步骤2，距离误差的抗扰控制器通过步骤1得到的实际距离误差和即时扰动观测器得到的距离误差的总扰动，计算所述碾压机的目标航向角，使得碾压机的轨迹跟踪距离误差趋于零；/n步骤3，航向角的抗扰控制器通过步骤2得到的目标航向角、即时扰动观测器得到的航向总扰动以及基于模型参数学习器得到的航向角扰动，计算所述碾压机的目标方向盘转角，使得碾压机的实际航向角趋近于步骤2得到的所述目标航向角，其中所述模型参数学习器根据目标方向盘转角、前后车身铰接角的实时映射关系，对碾压机的转向系统模型参数进行在线估计；/n步骤4，将步骤3得到的目标方向盘转角发送给方向盘转角控制器，对实际方向盘转角进行闭环控制，实现碾压机的轨迹跟踪。/n

【技术特征摘要】
1.一种无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法，其特征在于：包括以下步骤：
步骤1，后车身位置与航向的重构器，计算车辆后车身航向角的测量值以及后车身处位置，得到重构的后车身的航向和位置，再根据碾压机的目标轨迹，计算碾压机的轨迹跟踪中的实际距离误差；
步骤2，距离误差的抗扰控制器通过步骤1得到的实际距离误差和即时扰动观测器得到的距离误差的总扰动，计算所述碾压机的目标航向角，使得碾压机的轨迹跟踪距离误差趋于零；
步骤3，航向角的抗扰控制器通过步骤2得到的目标航向角、即时扰动观测器得到的航向总扰动以及基于模型参数学习器得到的航向角扰动，计算所述碾压机的目标方向盘转角，使得碾压机的实际航向角趋近于步骤2得到的所述目标航向角，其中所述模型参数学习器根据目标方向盘转角、前后车身铰接角的实时映射关系，对碾压机的转向系统模型参数进行在线估计；
步骤4，将步骤3得到的目标方向盘转角发送给方向盘转角控制器，对实际方向盘转角进行闭环控制，实现碾压机的轨迹跟踪。


2.如权利要求1所述的无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法，其特征在于：所述步骤2中的距离误差的抗扰控制器包括距离误差反馈控制器和距离误差扰动抑制器，所述即时扰动观测器利用所述实际航向角和所述实际距离误差，对实际距离误差的总扰动进行实时估计，并在距离误差扰动抑制器中进行实时补偿，所述距离误差反馈控制器对实际距离误差进行处理，再结合距离误差扰动抑制器处理后的信息，计算所需的碾压机目标航向角，使得碾压机的轨迹跟踪距离误差趋于零。


3.如权利要求1所述的无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法，其特征在于：所述步骤3中的航向角的抗扰控制器包括航向角反馈控制器和航向角扰动抑制器，所述航向角扰动抑制器包括基于模型参数学习器的航向角扰动抑制器和基于即时扰动观测器的航向角扰动抑制器；
所述即时扰动观测器利用所述实际航向角和所述目标方向盘转角，对航向角总扰动进行实时估计，并在航向角扰动抑制器中进行实时补偿；
所述步骤4中的模型参数学习器利用目标方向盘转角和前后车身铰接角实时映射关系，采用最小二乘法，对碾压机的航向角动态系统模型参数进行在线估计，并在航向角扰动抑制器中进行实时补偿；
所述航向角反馈控制器根据目标航向角，再结合航向角扰动抑制器处理后的信息，计算得到碾压机的目标方向盘转角。


4.如权利要求1所述的无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法，其特征在于：
所述步骤1中，所述后车身位置与航向的重构器根据碾压机上装配的全球定位系统GPS所测量的碾压机前车身的实际位置和前车身的行驶航向θ1，GPS，以及车辆前后车身的铰接角γ，根据车辆的三维几何结构，估算后车身航向角的测量值θ2，meas以及后车身的位置，其中：



其中l1和l2分别为前后车身的车长，xC和yC分别为碾压机当前后车身位置的东向和北向坐标，xA，yA为车头处即A点的位置，铰接角处B点的东向和北向坐标(xB，yB)为





5.如权利要求1所述的无人驾驶碾压机后退过程的复合抗扰轨迹跟踪控制算法，其特征在于：
所述步骤1中的实际误差距离ed：

其中，
xa和ya分别为起点的东向和北向坐标，xb和...

【专利技术属性】
技术研发人员：宋康，谢辉，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12