一种新型路径追踪与横摆稳定性底盘集成冗余控制方法技术

本发明专利技术公开了一种新型路径追踪与横摆稳定性底盘集成冗余控制方法，涉及无人驾驶赛车路径追踪控制算法技术领域，为解决现有的非线性动力学模型的MPC算法计算资源消耗大以及难以满足算法的实时性要求的问题。包括步骤1、利用上层模型预测路径追踪控制算法，模型预测算法的预测模型为5自由度质点非线性车辆动力学模型；步骤2、底层底盘优化控制策略设计；步骤2

A new integrated redundant control method for path tracking and yaw stability chassis

【技术实现步骤摘要】
一种新型路径追踪与横摆稳定性底盘集成冗余控制方法


[0001]本专利技术涉及无人驾驶赛车路径追踪控制算法
，具体为一种新型路径追踪与横摆稳定性底盘集成冗余控制方法。

技术介绍

[0002]在当前车辆控制领域，底盘集成优化控制分配策略在乘用车稳定性与安全性控制领域得到了较快发展。特别针对分布式驱动独立转向电动车，分布式独立驱动电机以及独立转向作动器给车辆提供了额外的控制冗余，因此可以通过系统性地设计底盘优化分配策略优化分配底盘的转向角、驱动以及刹车扭矩，提升车辆稳定性的控制效果。目前底盘集成控制较多用于乘用车设计开发，而缺乏针对赛车的开发与设计。赛车在赛道上最求最高车速，因此在高速极限转向工况下，底盘优化分配控制策略可以最大限度地利用每个轮胎的摩擦极限，发挥轮胎的潜能，产生理想的横摆力矩，大大提升赛车在极限转弯时的转向性能与稳定性。
[0003]在另一方面，许多高校与企业都开发了无人驾驶车辆的路径追踪控制器。当前较先进的控制策略是采用模型预测控制算法实现无人驾驶车辆的转向控制。模型预测算法可以提前预估车辆的运动学与动力学状态，相比于传统的反馈控制可以提前预测并控制车辆转向，改进车辆控制效果。然而当前无人驾驶路径追踪控制器的设计大多采用了独立模块设计，即由路径追踪控制器优化得到的车辆转向角与线控驱动与刹车系统传输的油门开度或制动踏板开度等信号传递到车辆底盘，底盘再由相对应的转向控制器、驱动电机控制器以及制动器完成车辆控制。缺乏一种融合上层路径追踪控制策略与底盘集成优化控制策略的系统性综合控制策略。特别针对分布式驱动电机、四轮独立转向以及独立刹车器的无人驾驶电动赛车，需要研究一种综合性控制分配策略优化分配独立转向角、驱动电机以及刹车扭矩，从而能在最高极限速度下保证车辆的路径追踪准确性与车辆动力学稳定性。
[0004]目前在解决路径追踪问题时，普遍采用的是MPC算法，而MPC算法需要准确的非线性复杂动力学模型才能最大发挥MPC算法的优势，特别是在高速极限赛道路况下更要考虑车辆动力学与轮胎模型的非线性。然而基于复杂的非线性动力学模型的MPC算法极大地消耗计算资源，难以满足算法的实时性要求。因此提出一种方法既能发挥MPC算法的最大潜力以提高路径追踪性能，又能保证算法的实时有效性就显得尤为重要，因此不满足现有的需求，对此我们提出了一种新型路径追踪与横摆稳定性底盘集成冗余控制方法。

技术实现思路

[0005]本专利技术的目的在于提供一种新型路径追踪与横摆稳定性底盘集成冗余控制方法，以解决上述
技术介绍
中提出的非线性动力学模型的MPC算法计算资源消耗大以及难以满足算法的实时性要求的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种新型路径追踪与横摆稳定性底盘集成冗余控制方法，包括步骤1、利用上层模型预测路径追踪控制算法，模型预测算法的
预测模型为5自由度质点非线性车辆动力学模型，包括了车辆纵向速度、横向速度、横摆角速度、路径追踪横摆角偏差以及横向位移偏差；
[0007]步骤2、底层底盘优化控制策略设计，采用两层分层式设计；
[0008]步骤2
‑
1、在第一层控制器中，基于上层路径追踪控制器优化得到的理想总纵向轮胎力、总侧向轮胎力与理想横摆力矩，优化分配具体每个车轮的纵向轮胎力以及前后轮转向角；
[0009]步骤2
‑
2、在第二层控制器中，每个车轮的理想纵向轮胎力通过基于简单分配规则的分配策略分配到具体独立电机扭矩或者液压制动器的刹车扭矩。
[0010]优选的，所述步骤1中离散化的预测模型如下所示：
[0011][0012][0013][0014]F
xd,k+1
＝F
xd,k
+T
s
F
xd
[0015]F
yd,k+1
＝F
yd,k
+T
s
F
yd
[0016]M
zd,k+1
＝M
zd,k
+T
s
M
zd
[0017]ψ
e,k+1
＝ψ
e,k
+T
s
(r
k
‑
p
1,k
v
x,k
)
[0018]Y
e,k+1
＝Y
e,k
+T
s
(v
x,k
sinψ
e,k
+v
y,k cosψ
e,k
)
[0019]其中v
x，k
，v
y,k
，r
k
分别表示离散时间k时刻的纵向速度、横向速度以及横摆角速度值，T
s
表示离散时间步长，F
xd,k
,F
yd,k
,M
zd,k
是k时刻的理想的总纵向轮胎力、总侧向轮胎力以及横摆力矩，m表示车辆质量，I
z
表示车辆沿垂向的转动惯量，ψ
e,k
是k时刻的横摆角误差，Y
e，k
是k时刻追踪时的横向偏移误差,P
1,k
表示k时刻的路径曲率，为了消除优化输出的抖震，不同于传统模型预测方法中采用总横向轮胎力、总纵向轮胎力以及横摆力矩作为优化输出量，而采用了总横向力、总纵向力以及横摆力矩的一阶导数作为优化输出量；
[0020]模型预测算法的优化目标函数包括最小化速度追踪误差、最小化路径追踪误差以及惩罚优化控制输出量，具体可由下式表示：
[0021][0022]其中v
xd，k
表示的是车辆在k时刻的理想速度，u
k
＝[F
xd,k
；F
yd,k
；M
zd,k
]k
表示的是车辆的控制输出,Q
v
,Q
ψ
,Q
Y
是优化目标权重系数，分别对应于最小化速度追踪误差、最小化横摆角追踪误差以及最小化侧向偏移追踪误差，Q
u
对应于惩罚优化输出控制量的权重系数,Q
s1
和Q
s2
是软约束的权重系数；
[0023]模型预测算法的约束条件首先应当考虑车辆轮胎的摩擦极限，即优化输出的总侧向轮胎力与总纵向轮胎力应该满足摩擦椭圆的要求，同时优化输出的横摆力矩也要满足上下极限，具体可由下式表示：
[0024][0025][0026][0027]其中μ表示的是轮胎路面摩擦系数，g是重力加速度，M
zmax
是横摆力矩的上极限，M
zmin
是横摆力矩的下极限，s1与s2是约束条件中的软约束，在这里设置软约束是为了防止优化过程中超出约束边界从而得到无效解，而软约束的放宽与收紧可以通过调节优化目标函数中的权重系数Q
s1
和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新型路径追踪与横摆稳定性底盘集成冗余控制方法，其中，包括：步骤1、利用上层模型预测路径追踪控制算法，模型预测算法的预测模型为5自由度质点非线性车辆动力学模型，包括了车辆纵向速度、横向速度、横摆角速度、路径追踪横摆角偏差以及横向位移偏差；步骤2、底层底盘优化控制策略设计，采用两层分层式设计；步骤2
‑
1、在第一层控制器中，基于上层路径追踪控制器优化得到的理想总纵向轮胎力、总侧向轮胎力与理想横摆力矩，优化分配具体每个车轮的纵向轮胎力以及前后轮转向角；步骤2
‑
2、在第二层控制器中，每个车轮的理想纵向轮胎力通过基于简单分配规则的分配策略分配到具体独立电机扭矩或者液压制动器的刹车扭矩。2.根据权利要求1所述的一种新型路径追踪与横摆稳定性底盘集成冗余控制方法，其特征在于：所述步骤1中离散化的预测模型如下所示：特征在于：所述步骤1中离散化的预测模型如下所示：特征在于：所述步骤1中离散化的预测模型如下所示：F
xd,k+1
＝F
xd,k
+T
s
F
xd
F
yd,k+1
＝F
yd,k
+T
s
F
yd
M
zd,k+1
＝M
zd,k
+T
s
M
zd
ψ
e,k+1
＝ψ
e,k
+T
s
(r
k
‑
p
1,k
v
x,k
)Y
e,k+1
＝Y
e,k
+T
s
(v
x,k
sinψ
e,k
+v
y,k
cosψ
e,k
)其中v
x，k
，v
y,k
，r
k
分别表示离散时间k时刻的纵向速度、横向速度以及横摆角速度值，T
s
表示离散时间步长，F
xd,k
,F
yd,k
,M
zd,k
是k时刻的理想的总纵向轮胎力、总侧向轮胎力以及横摆力矩，m表示车辆质量，I
z
表示车辆沿垂向的转动惯量，ψ
e,k
是k时刻的横摆角误差，Y
e，k
是k时刻追踪时的横向偏移误差,P
1,k
表示k时刻的路径曲率，为了消除优化输出的抖震，不同于传统模型预测方法中采用总横向轮胎力、总纵向轮胎力以及横摆力矩作为优化输出量，而采用了总横向力、总纵向力以及横摆力矩的一阶导数作为优化输出量；模型预测算法的优化目标函数包括最小化速度追踪误差、最小化路径追踪误差以及惩罚优化控制输出量，具体可由下式表示：其中v
xd，k
表示的是车辆在k时刻的理想速度，u
k
＝[F
xd,k
；F
yd,k
；M
zd,k
]
k
表示的是车辆的控制输出,Q
v

【专利技术属性】
技术研发人员：李博远，
申请(专利权)人：李博远，
类型：发明
国别省市：