一种无人驾驶汽车轨迹跟踪器的控制方法技术

本发明专利技术提供了一种优化的无人驾驶汽车轨迹跟踪器的控制方法，将车辆的速度作为输入，计算出车辆行驶的参考轨迹，将得到的参考轨迹输入到模型预测轨迹跟踪控制器中，建立整车的动力学模型；车辆的整车模型只沿着y轴侧向运动和沿着z轴横摆运动，将整车模型建立空间状态方程作为控制器的预测模型；在建立的空间状态方程的基础上添加输出状态方程，根据整车的状态方程将车辆横向速度作为预测轨迹的输入；在轨迹跟踪优化过程中设置优化目标来实现对系统增量的控制，优化的轨迹与实际轨迹之间的误差作为跟踪目标，通过不断优化得到新的控制增量，不断重复上述过程，实现道路轨迹的跟踪。本发明专利技术不需要精确数学模型，反馈校正，预测广、滚动优化。滚动优化。滚动优化。

【技术实现步骤摘要】
一种无人驾驶汽车轨迹跟踪器的控制方法


[0001]本专利技术涉及无人驾驶汽车轨迹跟踪技术，具体地，涉及一种优化的无人驾驶汽车轨迹跟踪器的控制方法。

技术介绍

[0002]随着人工智能技术、互联网技术的不断发展，高度智能化的无人驾驶汽车将是汽车发展的必然趋势。无人驾驶汽车不仅能有效提高交通运行效率，保证汽车行驶安全性，还可以替代人类完成一些特殊任务。无人驾驶汽车轨迹跟踪控制是无人驾驶领域的重要研究内容之一，也是汽车自主稳定行驶的重要条件之一。研究无人驾驶汽车轨迹跟踪控制方法具有重要的实际意义。
[0003]目前国内关于无人驾驶车辆轨迹跟踪问题的研究还不完善，基本停留在比较简单的控制识别方面，在控制器的结构上，将车辆的横向和纵向动力学分解开分别施加控制策略，缺少了车辆在横、纵向动力学上的耦合，对于复杂的交通环境无法作出正确的反应。轨迹跟踪能力是无人驾驶汽车的重要评价指标，目前关于这方面的评价方法还不能满足无人驾驶汽车对复杂道路环境控制的需要。

技术实现思路

[0004]针对现有技术中的缺陷，本专利技术的目的是提供一种无人驾驶汽车轨迹跟踪器的控制方法。
[0005]根据本专利技术提供的一种无人驾驶汽车轨迹跟踪器的控制方法，包括如下步骤：
[0006]步骤1.建立车辆模型：将车辆的速度作为输入，计算出车辆行驶的参考轨迹，再将所得到的参考轨迹输入到模型预测轨迹跟踪控制器中，建立整车的动力学模型；
[0007]步骤2.转换为预测模型：车辆的整车模型只沿着y轴侧向运动和沿着z轴横摆运动，将整车模型建立空间状态方程作为控制器的预测模型；
[0008]步骤3.设置目标函数：在建立的空间状态方程的基础上添加输出状态方程，根据整车的状态方程，将车辆横向速度作为预测轨迹的输入；
[0009]步骤4.滚动优化以及反馈校正：在轨迹跟踪优化过程中设置优化目标来实现对系统增量的控制，优化的轨迹与实际轨迹之间的误差作为跟踪目标，通过不断优化得到新的控制增量，不断重复上述过程，实现道路轨迹的跟踪。
[0010]一些实施方式中，在步骤1中，根据参考轨迹和实际轨迹之间的误差作为跟踪的目标，将所得的车辆转角作为输出，参考轨迹的信息求的方式如下：
[0011]X＝V
x
t
[0012][0013]Y
ref
＝5tanh(z1)+6tanh(z2)
‑1[0014]其中，X
ref
、Y
ref
、Z
ref
表示X、Y、Z轴的参考轨迹的坐标。
[0015]一些实施方式中，在步骤2中，车辆二自由度模型如下式：
[0016][0017][0018]其中，m表示汽车的总质量，v表示车辆的横向速度，ω表示车辆质心处的横摆角速度，k1、k2表示分别车辆前后轮胎的侧偏刚度，a、b分别表示质心到前轮和后轮的距离。
[0019]一些实施方式中，在步骤3中，将汽车的横向位置Y和汽车的横摆角速度ω作为输出变量，得到空间状态方程如下：
[0020][0021][0022]上式即为完整的二自由度车辆空间状态方程与状态输出方程，在模型预测过程中，跟踪控制器会观测车辆当前的车辆状态，然后预测一定时间范围内的系统输出量，因此，对连续预测模型进行离散化处理，如下：
[0023]X(k+1)＝Ax(k)+Bδ(k)
[0024]Z(k)＝CX(k)
[0025]其中，k为采样时间步长；X(k)为k时刻的车辆状态预测值；X(k+1)为k+1时刻的车辆状态预测值；Z(k)为离散化的输出量。
[0026]一些实施方式中，将车辆横向速度作为预测轨迹的输入，从而通过模型预测控制器确定当前时刻的前轮转角δ，然后继续计算k+1时刻的预测量，以此类推。
[0027]一些实施方式中，在步骤4中，通过设置合理的目标函数进行滚动优化才能得到理想的控制序列。目标函数如下：
[0028][0029]当模型预测控制器运行到下一个时间点时，系统会再次预测时间点的输出并与状态量对比。
[0030]与现有技术相比，本专利技术具有如下的有益效果：
[0031]1、本专利技术首先以速度作为输入，定义参考轨迹，将参考轨迹输入到模型预测轨迹跟踪控制器，根据参考轨迹和实际轨迹之间的误差作为跟踪目标，计算出目标转角作为实际输出，使得模型预测控制具有反馈校正的特点，还具有预测广、滚动优化的特点；
[0032]2、本专利技术通过模型预测将每个采样时间点观测数学模型中的状态值和状态估计值看做是输入，设置目标函数进行滚动优化，减少横向运动的误差，预测数学模型未来一定时间断的状态值，不断重复循环，并将最佳控制序列的首个元素作为最佳控制量作用于系统。
附图说明
[0033]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0034]图1为本专利技术无人驾驶汽车轨迹跟踪器的控制方法的控制原理图。
具体实施方式
[0035]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。
[0036]如图1所示为无人驾驶汽车轨迹跟踪器的控制方法的控制原理图，包括如下步骤：
[0037]步骤1.建立车辆模型：将车辆的速度作为输入，计算出车辆行驶的参考轨迹，再将所得到的参考轨迹输入到模型预测轨迹跟踪控制器中；
[0038]根据参考轨迹和实际轨迹之间的误差作为跟踪的目标，将所得的车辆转角作为输出，参考轨迹的信息求的方式如下：
[0039]X＝V
x
t
[0040][0041]Y
ref
＝5tanh(z1)+6tanh(z2)
‑1[0042]其中，X
ref
、Y
ref
、Z
ref
表示X、Y、Z轴的参考轨迹的坐标。
[0043]步骤2.转换为预测模型：建立整车的动力学模型，车辆二自由度模型如下式：
[0044][0045][0046]其中，m表示汽车的总质量，v表示车辆的横向速度，ω表示车辆质心处的横摆角速度，k1、k2表示分别车辆前后轮胎的侧偏刚度，a、b分别表示质心到前轮和后轮的距离。车辆的整车模型只沿着y轴侧向运动和沿着z轴横摆运动，将整车模型建立空间状态方程作为控制器的预测模型；
[0047]步骤3.设置目标函数：在建立的空间状态方程的基础上添加输出状态方程，根据整车的状态方程，将车辆横向速度作为预测轨迹的输入；
[0048]将汽车的横向位置Y和汽车的横摆角速度ω作为输出变量，得到空间状态方程如下：
[0049][0050][0051]上式即为完整的二自由度车辆空间状态方程与状态输出方程，在模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人驾驶汽车轨迹跟踪器的控制方法，其特征在于，包括如下步骤：步骤1.建立车辆模型：将车辆的速度作为输入，计算出车辆行驶的参考轨迹，再将所得到的参考轨迹输入到模型预测轨迹跟踪控制器中，建立整车的动力学模型；步骤2.转换为预测模型：车辆的整车模型只沿着y轴侧向运动和沿着z轴横摆运动，将整车模型建立空间状态方程作为控制器的预测模型；步骤3.设置目标函数：在建立的空间状态方程的基础上添加输出状态方程，根据整车的状态方程，将车辆横向速度作为预测轨迹的输入；步骤4.滚动优化以及反馈校正：在轨迹跟踪优化过程中设置优化目标来实现对系统增量的控制，优化的轨迹与实际轨迹之间的误差作为跟踪目标，通过不断优化得到新的控制增量，不断重复上述过程，实现道路轨迹的跟踪。2.根据权利要求1所述的无人驾驶汽车轨迹跟踪器的控制方法，其特征在于，在步骤1中，根据参考轨迹和实际轨迹之间的误差作为跟踪的目标，将所得的车辆转角作为输出，参考轨迹的信息求的方式如下：X＝V
x
tY
ref
＝5tanh(z1)+6tanh(z2)
‑
1其中，X
ref
、Y
ref
、Z
ref
表示X、Y、Z轴的参考轨迹的坐标。3.根据权利要求2所述的无人驾驶汽车轨迹跟踪器的控制方法，其特征在于，在步骤2中，车辆二自由度模型如下式：...

【专利技术属性】
技术研发人员：郑竹安，王志强，郑祥雨，叶子墨，石小龙，熊新，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：