一种自动驾驶车辆学习型路径跟踪预测控制方法技术

本发明专利技术实施例公开了一种自动驾驶车辆学习型路径跟踪预测控制方法，包括：在当前采样时刻，获取车辆的当前系统状态；获取所述车辆的未来N个期望状态；根据当前状态、学习型预测控制模型预测车辆未来状态，结合未来N个期望状态、预设的目标函数和系统约束，得到最优控制序列；使用求得的最优控制序列中的第一个量控制所述车辆的运行，直到下一采样时刻到达，计算得到下一最优控制序列，如此重复，在每一采样时刻进行计算，直到车辆行驶完整个路径。

【技术实现步骤摘要】
一种自动驾驶车辆学习型路径跟踪预测控制方法
本专利技术实施例涉及自动驾驶车辆
，特别是一种自动驾驶车辆学习型路径跟踪预测控制方法。
技术介绍
自动驾驶具有减缓交通拥堵、提高交通效率、减少驾驶员工作量的优点、近些年来受到广泛关注，其中，路径跟踪又是实现自动驾驶的一项关键技术。目前实现路径跟踪的方法主要包括基于几何模型的路径跟踪、无模型反馈控制的路径跟踪和基于模型的反馈控制的路径跟踪。但是，目前的这些跟踪方法，车辆在进行路径跟踪的过程中，容易受到随机噪声、路面起伏、外界干扰等因素影响，不利于跟踪效果。
技术实现思路
本专利技术实施例的目的在于提供一种自动驾驶车辆学习型路径跟踪预测控制方法，来克服或至少减轻现有技术的上述缺陷中的至少一个。为实现上述目的，本专利技术实施例提供一种自动驾驶车辆学习型路径跟踪预测控制方法，包括：步骤1，在当前采样时刻，获取车辆的当前系统状态；步骤2，获取所述车辆的未来N个期望状态，N为正整数；包括：对所述车辆的待行驶路径进行样条插值，以得到的新路径为参考路径；根据所述当前系统状态获取所述参考路径上距离所述车辆位置最近的路点P0，以P0为起点，v(k)ΔT为搜索距离，沿所述参考路径向前搜索获得N个参考路点Pi，i＝1，2，...，N，v(k)表示当前时刻k的车辆速度，ΔT为离散控制周期，所述N个参考路点的状态为所述N个期望状态；步骤3，根据所述当前系统状态和学习型预测控制模型预测车辆未来状态，并与所述未来N个期望状态、预设的目标函数和系统约束结合，得到最优控制序列；其中，所述预设的目标函数、所述学习型预测模型和所述系统约束包括：式(1)中：uk+i是待求最优控制序列，表示前轮转角或方向盘转角；表示实际求得的最优控制序列；ε是松弛因子；yk+i是学习型预测模型的k+i时刻输出；其中所述学习型预测模型的表达式为：xk+1＝(Ad+Fk)xk+(Bd+Hk)uk+Gk(2)其中，xk为当前时刻k的系统状态，uk代表k时刻的前轮转向角或方向盘转角δ；Ad、Bd是离散化后的系统参数矩阵，其值基于车辆纵向速度、前后轮侧偏刚度、前后轴到质心的距离、车辆质量和转动惯量得到；Fk、Hk和Gk是用于表征系统未建模动态的参数，其维度根据所述状态变量的个数确定，其值为0～1之间的随机数；xk+i+1是k时刻通过所述学习型预测模型预测的k+i+1时刻的系统状态；x0是所述车辆在所述路点P0的系统状态；rk+i是k时刻的期望状态，为所述车辆的未来N个期望状态中的第i个期望状态；Q，P，R，wε为预设权重系数，取值为大于0的实数；C是预设系数，X是预设系统状态约束，D是预设未建模动态边界，W是预设终端状态约束，U是预设车辆控制约束，ΔU是预设车辆控制增量约束；步骤4，使用求得的最优控制序列中的第一个量控制所述车辆的运行，直到下一采样时刻到达，重复步骤1-4，直到所述车辆行驶完整个路径。优选的，所述车辆的系统状态包括状态变量：所述车辆的横向位置y、横摆角度ψ、质心侧偏角β和横摆角度变化率优选的，通过下述方式构建所述学习型预测模型，包括：步骤11，建立系统名义模型：式(3)中：x表示系统状态；表示表征所述系统状态的变量的变化率，包括车辆的横向位置变化率、横摆角速度、质心侧偏角变化率和横摆角加速度；u表示前轮转向角或方向盘转角δ：矩阵A、B中的参数如下：式(4)中：v是车辆纵向速度；Cf是前轮侧偏刚度；lf是前轴到质心的距离；Cr是后轮侧偏刚度；lr是后轴到质心的距离；m是车辆质量；Iz为转动惯量；步骤12，对步骤11中所述名义模型进行离散化并考虑扰动得到所述系统预测模型(5)；xk+1＝Adxk+Bduk+dk(5)式(5)中：Ad、Bd是离散化后的系统参数矩阵，dk是未建模动态引起的状态误差；步骤13，构建系统未建模动力学模型：dk＝Fkx+Hku+Gk(6)式(6)中：α1至α24的值为区间[0，1]中的随机数；步骤14，合并式(5)和式(6)，以构建式(2)表示的所述学习型预测模型。优选的，该方法还包括：优化系统状态与更新未建模动态矩阵参数：用F、H、G中的参数扩展所述式(5)，得到：xaug表示扩大的系统预测状态，yaug是与xaug对应的输出，C是系统输出矩阵，O是零矩阵，OT是O的转置矩阵，I是单位矩阵；对式(7)中f(·)和h(·)取关于xaug的一阶偏导数，得到：其中，表示k时刻扩大的系统预测状态，表示初步预测的k+1时刻扩大的系统预测状态；采用下式(9)初步预测下一个采样时刻的系统状态，并更新估计误差协方差矩阵式(9)中：dxaug，k表示位于线性化邻域内的扰动；是k时刻误差协方差矩阵；是k+1时刻估计误差协方差矩阵；Qk+1是由系统的不确定性引起的参数噪声的协方差；是系统初步预测输出的下一个采样时刻的系统状态；采用下式(10)正式预测所述下一个采样区间的系统状态，并更新误差协方差矩阵；式(10)中：Rk+1是测量噪声协方差；Kk+1是卡尔曼增益；是k+1时刻误差协方差矩阵；是优化后的系统状态，用于所述步骤3中的所述当前系统状态。优选的，所述为28x1的矩阵，所述优化后的系统状态是所述的前4个参数；所述α1至α24的值为区间[0，1]中的随机数包括：所述α1至α24的初始值为区间[0，1]中的任意数，之后由所述的后24个参数进行迭代更新。本专利技术由于采取以上技术方案，其具有以下优点：本专利技术提出的自动驾驶车辆学习型路径跟踪预测控制方法中，考虑了系统未建模动态的影响，能够根据外部扰动实时学习更新未建模动态模型参数，对系统扰动进行了有效补偿，所建模型更加接近实际系统，使得跟踪精度更加精确，同时，系统具有较好鲁棒性。附图说明图1为本专利技术实施例提供的学习型预测模型的构建过程示意图；图2为本专利技术实施例提供的自动驾驶车辆学习型路径跟踪预测控制方法的流程示意图；图3示意性提供了车辆的未来N个参考路点；图4为本专利技术实施例提供的系统状态优化和更新过程示意图。具体实施方式下面结合附图和实施例对本专利技术进行详细的描述。本专利技术实施例提供一种自动驾驶车辆学习型路径跟踪预测控制方法，该自动驾驶车辆包括：车辆状态采集器件，其可以为GP本文档来自技高网...

【技术保护点】
1.一种自动驾驶车辆学习型路径跟踪预测控制方法，包括：/n步骤1，在当前采样时刻，获取车辆的当前系统状态；/n步骤2，获取所述车辆的未来N个期望状态，N为正整数；包括：对所述车辆的待行驶路径进行样条插值，以得到的新路径为参考路径；根据所述当前系统状态获取所述参考路径上距离所述车辆位置最近的路点P

【技术特征摘要】
1.一种自动驾驶车辆学习型路径跟踪预测控制方法，包括：
步骤1，在当前采样时刻，获取车辆的当前系统状态；
步骤2，获取所述车辆的未来N个期望状态，N为正整数；包括：对所述车辆的待行驶路径进行样条插值，以得到的新路径为参考路径；根据所述当前系统状态获取所述参考路径上距离所述车辆位置最近的路点P0，以P0为起点，v(k)ΔT为搜索距离，沿所述参考路径向前搜索获得N个参考路点Pi，i＝1，2，…，N，v(k)表示当前时刻k的车辆速度，ΔT为离散控制周期，所述N个参考路点的状态为所述N个期望状态；
步骤3，根据所述当前系统状态和学习型预测控制模型预测车辆未来状态，并与所述未来N个期望状态、预设的目标函数和系统约束结合，得到最优控制序列；
其中，所述预设的目标函数、所述学习型预测模型和所述系统约束包括：



式(1)中：
uk+i是待求最优控制序列，表示前轮转角或方向盘转角；

表示实际求得的最优控制序列；
ε是松弛因子；
yk+i是学习型预测模型的k+i时刻输出；其中所述学习型预测模型的表达式为：
xk+1＝(Ad+Fk)xk+(Bd+Hk)uk+Gk(2)
其中，xk为当前时刻k的系统状态，uk代表k时刻的前轮转向角或方向盘转角δ；Ad、Bd是离散化后的系统参数矩阵，其值基于车辆纵向速度、前后轮侧偏刚度、前后轴到质心的距离、车辆质量和转动惯量得到；Fk、Hk和Gk是用于表征系统未建模动态的参数，其维度根据所述状态变量的个数确定，其值为0～1之间的随机数；
xk+i+1是k时刻通过所述学习型预测模型预测的k+i+1时刻的系统状态；
x0是所述车辆在所述路点P0的系统状态；
rk+i是k时刻的期望状态，为所述车辆的未来N个期望状态中的第i个期望状态；
Q,P,R,wε为预设权重系数，取值为大于0的实数；
C是预设系数，X是预设系统状态约束，D是预设未建模动态边界，W是预设终端状态约束，U是预设车辆控制约束，ΔU是预设车辆控制增量约束；
步骤4，使用求得的最优控制序列中的第一个量控制所述车辆的运行，直到下一采样时刻到达，重复步骤1-4，直到所述车辆行驶完整个路径。


2.根据权利要求1所述的方法，其特征在于，所述车辆的系统状态包括状态变量：所述车辆的横向位置y、横摆角度ψ、质心侧偏角β和横摆角度变化率


3.根据权利要求2所述的方法，其特征在于，其中，通过下述方式构建所述学习型预测模型，包括：
步骤11，建立系统名义模型：



式(3)中：
x表示系统状态；

表示表征所述系统状态的变量的变化率，包括车辆的横向位置变化率、横摆角速度、质心侧偏角变化率和横摆角加速度；
u表示前轮转向角或方向盘转角δ；
矩阵A、B中的参数如下：

【专利技术属性】
技术研发人员：边有钢，张田田，胡云卿，刘海涛，尚敬，胡满江，徐彪，秦兆博，秦洪懋，王晓伟，秦晓辉，谢国涛，丁荣军，
申请(专利权)人：湖南大学，中车株洲电力机车研究所有限公司，
类型：发明
国别省市：湖南;43