基于反馈纯跟踪的智能车辆路径跟随控制方法技术

本发明专利技术涉及一种基于反馈纯跟踪的智能车辆路径跟随控制方法，具体步骤如下：根据车辆状态和期望路径确定最近路径点，并计算反馈横向偏差；根据车速和最近路径点的曲率确定前视距离；根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差；根据上述前视距离和前馈横向偏差计算前馈控制量；根据上述车速和最近路径点的曲率确定系数，并根据上述前视距离和反馈横向偏差计算反馈控制量；上述前馈控制量和反馈控制量相加，得到前轮转角控制量。有益效果：本发明专利技术考虑到智能车辆与期望路径的实时横向偏差，在不同工况下保持良好的路径跟随精度，具有较强的鲁棒性，能够提高路径跟随精度和行驶稳定性。跟随精度和行驶稳定性。跟随精度和行驶稳定性。

【技术实现步骤摘要】
基于反馈纯跟踪的智能车辆路径跟随控制方法


[0001]本专利技术属于智能车辆领域，尤其涉及一种基于反馈纯跟踪的智能车辆路径跟随控制方法。

技术介绍

[0002]近年来，智能无人驾驶车辆迅速发展，逐步在矿区、港口、园区等相对封闭场景中进行商业化应用，并以辅助驾驶的方式参与人们的日常交通，具有广阔的前景。智能车辆系统涉及定位导航、环境感知、决策规划、运动控制等关键技术，其中路径跟随技术是通过控制转向系统改变横向运动状态，使车辆按照预设路线行驶，是运动控制的重要组成部分。
[0003]根据是否需要建立车辆模型，可将现有研究分为无模型方法和有模型方法两大类。无模型的控制方法是不建立车辆模型直接计算控制量，这类方法主要依靠人类经验或大量训练样本，能够实现路径跟随功能，但参数选定过程复杂，或需要采集大量的高质量训练样本，训练耗时长，泛化能力较弱。有模型的控制方法通过建立车辆运动学或动力学模型，考虑车辆的系统特性从而进行控制量的计算，这类方法具备参数选定简单、跟随精度高的特点，但随着模型复杂度的提高，求解难度和运算成本升高，甚至无法满足实时性要求；另外，复杂车辆模型参数较多，无法对其进行充分的测量或辨识，也是导致复杂车辆模型在实际车辆控制应用中难于部署和控制精度达不到预期要求的重要原因。

技术实现思路

[0004]本专利技术的目的在于克服上述技术的不足，提出一种基于反馈纯跟踪的智能车辆路径跟随控制方法，在不同工况下保持良好的路径跟随精度，具有较强的鲁棒性，可以提高路径跟随精度和行驶稳定性。
[0005]本专利技术为实现上述目的，采用以下技术方案：一种基于反馈纯跟踪的智能车辆路径跟随控制方法，具体步骤如下：
[0006]步骤1)：根据车辆状态和期望路径确定最近路径点，并计算反馈横向偏差；
[0007]步骤2)：根据车速和最近路径点的曲率确定前视距离；
[0008]步骤3)：根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差；
[0009]步骤4)：根据所述的前视距离和前馈横向偏差计算前馈控制量；
[0010]步骤5)：根据所述的车速和最近路径点的曲率确定系数，并根据所述前视距离和反馈横向偏差计算反馈控制量；
[0011]步骤6)：所述前馈控制量和反馈控制量相加，得到前轮转角控制量。
[0012]进一步地，步骤1)所述根据车辆位置和期望路径确定最近路径点，并计算反馈横向偏差，具体为：
[0013]S21：期望路径以序列形式存储，编号从1开始，数量为m，所述期望路径由如下：
[0014]T＝[p
1 p
2 ... p
j ... p
m
][0015]其中，p
j
表示第j个路径点；
[0016]S22：所述单个路径点如下：
[0017]p
j
＝[x
j y
j c
j
][0018]其中，x
j
表示横坐标、y
j
表示纵坐标，c
j
表示曲率；
[0019]S23：车辆与各路径点的距离计算如下：
[0020][0021]其中，公式中参数代表含义与S22公式中所代表含义一致，X表示车辆的横坐标，Y表示车辆的纵坐标；
[0022]S24：车辆与期望路径的最小距离计算如下：
[0023]l
min
＝min{l
1 l
2 ... l
j ... l
m
}
[0024]其中，公式中参数代表含义与S23公式中所代表含义一致，min表示最近路径点的序号；
[0025]S25：反馈横向偏差的计算如下：
[0026]e
l
＝(Y
‑
y
min
)cosθ
‑
(X
‑
x
min
)sinθ
[0027]其中，公式中参数代表含义与S22、S23公式中所代表含义一致，θ表示车辆的航向角。
[0028]进一步地，步骤2)中，所述根据车速和最近路径点的曲率确定前视距离，具体为：
[0029]S31：前视距离的计算如下：
[0030]L
d
＝L0+k1v+k2|c
min
|
[0031]其中，公式中参数代表含义与S22公式中所代表含义一致，L0表示前视距离基值，v表示车速，k1和k2表示控制参数。
[0032]进一步地，步骤3)中，所述根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差，具体为：
[0033]S41：前视位置计算如下：
[0034][0035]其中，公式中参数代表含义与S23、S25、S31公式中所代表含义一致；
[0036]S42：前视位置与各路径点的距离计算如下：
[0037][0038]其中，公式中参数代表含义与S22、S41公式中所代表含义一致；
[0039]S43：前视位置与期望路径的最小距离计算如下：
[0040]L
min_d
＝min{L
1 L
2 ... L
j ... L
m
}
[0041]其中，公式中参数代表含义与S42公式中所代表含义一致，min_d表示目标路径点的序号；
[0042]S44：前馈横向偏差的计算如下：
[0043]e
d
＝(Y
d
‑
y
min_d
)cosθ
‑
(X
d
‑
x
min_d
)sinθ
[0044]其中，公式中参数代表含义与S22、S25、S41、S43公式中所代表含义一致。
[0045]进一步地，步骤4)中，所述根据上述前视距离和前馈横向偏差计算前馈控制量，具
体为：
[0046]S51：前馈控制量计算如下：
[0047][0048]其中，公式中参数代表含义与S44、S31公式中所代表含义一致，l表示车辆的轴距。
[0049]进一步地，步骤5)中，所述根据上述车速和最近路径点的曲率确定系数，具体为：
[0050]S61：系数的计算如下：
[0051][0052]其中，公式中参数代表含义与S22、S24、S31公式中所代表含义一致，r表示转弯半径阈值，k
3max
表示系数阈值，n表示控制参数；
[0053]S62：反馈控制量的计算如下：
[0054][0055]其中，公式中参数代表含义与S44、S31、S51、S61公式中所代表含义一致。
[0056]进一步地，步骤6)所述上述前馈控制量和反馈控制量相加，得到前轮转角控制量，具体为：
[0057]S71：前轮转角控制的计算如下：...

【技术保护点】

【技术特征摘要】
1.一种基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：具体步骤如下：步骤1)：根据车辆状态和期望路径确定最近路径点，并计算反馈横向偏差；步骤2)：根据车速和最近路径点的曲率确定前视距离；步骤3)：根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差；步骤4)：根据所述的前视距离和前馈横向偏差计算前馈控制量；步骤5)：根据所述的车速和最近路径点的曲率确定系数，并根据所述前视距离和反馈横向偏差计算反馈控制量；步骤6)：所述前馈控制量和反馈控制量相加，得到前轮转角控制量。2.根据权利要求1所述的基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：步骤1)所述根据车辆位置和期望路径确定最近路径点，并计算反馈横向偏差，具体为：S21：期望路径以序列形式存储，编号从1开始，数量为m，所述期望路径由如下：T＝[p
1 p2…
p
j
…
p
m
]其中，p
j
表示第j个路径点；S22：所述单个路径点如下：p
j
＝[x
j y
j c
j
]其中，x
j
表示横坐标、y
j
表示纵坐标，c
j
表示曲率；S23：车辆与各路径点的距离计算如下：其中，公式中参数代表含义与S22公式中所代表含义一致，X表示车辆的横坐标，Y表示车辆的纵坐标；S24：车辆与期望路径的最小距离计算如下：l
min
＝min{l
1 l2...l
j
...l
m
}其中，公式中参数代表含义与S23公式中所代表含义一致，min表示最近路径点的序号；S25：反馈横向偏差的计算如下：e
l
＝(Y
‑
y
min
)cosθ
‑
(X
‑
x
min
)sinθ其中，公式中参数代表含义与S22、S23公式中所代表含义一致，θ表示车辆的航向角。3.根据权利要求1所述的基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：步骤2)中，所述根据车速和最近路径点的曲率确定前视距离，具体为：S31：前视距离的计算如下：L
d
＝L0+k1v+k2|c
min
|其中，...

【专利技术属性】
技术研发人员：潘世举，徐友春，朱愿，李建市，李子先，
申请(专利权)人：中国人民解放军陆军军事交通学院军事交通运输研究所，
类型：发明
国别省市：