具有转向补偿功能的智能车辆路径跟踪方法技术

本发明专利技术公开了一种具有转向补偿功能的智能车辆路径跟踪方法，包括：步骤一，在模型预测控制算法，基于单车转向模型计算目标转向角度；步骤二，建立运动学模型，将目标转向角度与当前转角的差作为一个转向补偿项加入到代价函数中进行求解，以获得期望的控制量，完成对无人驾驶车辆的路径跟踪任务。本发明专利技术提供一种具有转向补偿功能的智能车辆路径跟踪方法，通过将车辆运动学模型和横向动力学模型进行耦合以提升车辆的横向稳定性。经实验论证，本发明专利技术能有效提升车辆在转向时的稳定性和跟踪精度。度。度。

【技术实现步骤摘要】
具有转向补偿功能的智能车辆路径跟踪方法


[0001]本专利技术属于无人驾驶车辆路径跟踪控制
，具体涉及一种基于模型预测控制的具有转向补偿的智能车辆路径跟踪方法。

技术介绍

[0002]随着计算机技术、互联网技术、传感器技术等的发展，基于环境感知的辅助驾驶技术不断取得实质性研究成果，高度智能化的无人驾驶汽车将会是未来汽车发展的必然趋势。无人驾驶汽车的运动控制分为纵向和横向两方面，无人驾驶汽车路径跟踪控制即是车辆横向控制，是无人驾驶汽车在道路上稳定行驶的必要条件。因此，无人驾驶汽车路径跟踪控制方法的研究与实现具有十分重要的实用意义。作为智能无人车的核心技术之一，路径跟踪控制技术的优劣对整个车辆的行驶起着至关重要的作用。目前应用较为普遍的路径跟踪控制算法主要为以下几种：前馈反馈控制、PID控制、预瞄控制算法、LQR跟踪控制器、纯跟踪控制和模型预测控制等。
[0003]虽然模型预测控制算法在路径跟踪上表现较好，但依然存在一定的跟踪误差和车辆稳定性问题，并且车辆在弯道转向时存在一定延迟，在曲率变化较大的弯道下跟踪精度会有所下降。
[0004]现有技术中，《基于模型预测控制的具有预览特性的智能车辆路径跟踪方法》，以及《基于模型预测控制的具有预览特性的自适应速度智能车辆路径跟踪方法》，其主要集中讨论了车辆的预览特性对路径跟踪精度的提升，存在的问题在于转向时，由于模型未考虑车辆的横向速度和横摆角速度这两个车辆横向稳定性指标，存在车辆前轮转角的变化幅度较大情况下，车辆的横向稳定性较差。

技术实现思路
/>[0005]本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
[0006]为了实现本专利技术的这些目的和其它优点，提供了一种具有转向补偿功能的智能车辆路径跟踪方法，包括：
[0007]步骤一，在模型预测控制算法，基于单车转向模型计算目标转向角度；
[0008]步骤二，建立运动学模型，将目标转向角度与当前转角的差作为一个转向补偿项加入到代价函数中进行求解，以获得期望的控制量，完成对无人驾驶车辆的路径跟踪任务。
[0009]优选的是，在步骤一中，所述目标转向角的计算方法被配置为包括：
[0010]S1、将当前车辆速度和当前车辆横向误差的值代入提出的预览距离公式以得到预览距离的值。
[0011]S2、将预览距离映射到参考路径上得到对应参考点，根据参考点的曲率通过单车转向模型计算出目标转向角度。
[0012]优选的是，在步骤二中，所述运动学模型的建立基于以下假设进行：
[0013]忽略车辆垂直于地面的运动；
[0014]左前轮和右前轮角度相同；
[0015]车身和悬架系统是刚性的；
[0016]只考虑车辆前轮转动。
[0017]优选的是，所述运动学模型的为无人驾驶车辆的运动学模型和横向动力学模型的耦合模型；
[0018]其中，所述横向动力学模型为：
[0019][0020]其中，参数是车辆后轴中心横向加速度，是车辆航向角加速度，C
f
是轮胎纵向刚度，C
r
是轮胎侧偏刚度，l
f
是车辆前轴轴心到车辆质心的距离，l
r
是车辆后轴轴心到车辆质心的距离，I
z
为车辆绕z轴的转动惯量，V
x
为车辆后轴中心纵向速度，δ为车辆前轮偏角，m为车辆重量；
[0021]所述耦合模型的表达式为：
[0022][0023]其中，为系统的状态变量，u＝[δ
f
]为系统的控制变量，f()表示车辆耦合模型函数。
[0024]优选的是，在步骤二中，所述转向补偿项的权重根据航向角误差进行动态调整，转向补偿项的表达式为：
[0025][0026]其中，Δu
target
为转向补偿，Δu为控制量的误差的增量，Δu
target
(t+i)在1≤i≤N
c
‑
1中的值为0，权重D矩阵为：
[0027][0028]和ω都是常数，是当前车辆航向角，是当前车辆参考航向角；
[0029]则代价函数为：
[0030][0031]s.t.MΔU≤Ψ
[0032]ΔU
min
≤ΔU
t
≤ΔU
max
[0033]其中，ΔU
min
为控制增量的最小值，ΔU
max
为控制增量的最大值，ΔU(t)表示预测时域内的控制序列，ε为防止目标函数在控制范围内无解而添加的松弛因子，ρ为松弛因子的权重系数，R表示控制增量的权重矩阵，MΔU为预览步长内的控制量序列，Ψ为控制量限制，η(t+i)为输出向量，η
ref
(t+i)为参考输出向量。
[0034]本专利技术至少包括以下有益效果：提出了一种基于模型预测控制的具有转向补偿的智能车辆路径跟踪方法。该方法结合车辆当前纵向速度和当前车辆横向误差计算出预览距离，由预览距离对应参考点的曲率通过单车转向模型计算出目标转向角度，将目标转向角度与当前转角的差作为一个项加入到代价函数中，并且该项的权重根据航向角误差动态调整，以解决传统模型预测控制在路径跟踪中存在转向延迟的问题，并且本研究通过将车辆运动学模型和横向动力学模型进行耦合以提升车辆的横向稳定性。通过实验结果得知本研究提升了车辆的转向稳定性以及跟踪精度。
[0035]本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。
附图说明
[0036]图1为单车转向模型示意图；
[0037]图2为车辆运动学模型示意图；
[0038]图3为本专利技术的车辆横向动力学模型示意图；
[0039]图4为本专利技术的算法处理流程示意图；
[0040]图5为本专利技术的算法(MPC with steering compensation)与传统MPC算法跟踪结果对比图；
[0041]图6为本专利技术的算法(MPC with steering compensation)与传统MPC算法横向速度对比图；
[0042]图7为本专利技术的算法(MPC with steering compensation)与传统MPC算法航向角速度对比图。
具体实施方式
[0043]下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
[0044]本专利技术为了解决路径跟踪过程中，车辆在弯道转向时存在一定延迟，在曲率变化较大的弯道下跟踪精度会有所下降的问题，提出了一种基于模型预测控制的具有转向补偿的智能车辆路径跟踪方法，能够有效提升车辆在转向时的稳定性和跟踪精度。
[0045]本专利技术具有转向补偿的智能车辆路径跟踪方法的整体设计思路是在模型预测控制算法的基础上进行改进，传统MPC控制器进行路径跟踪，在经过弯道时通常会存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有转向补偿功能的智能车辆路径跟踪方法，其特征在于，包括：步骤一，在模型预测控制算法，基于单车转向模型计算目标转向角度；步骤二，建立运动学模型，将目标转向角度与当前转角的差作为一个转向补偿项加入到代价函数中进行求解，以获得期望的控制量，完成对无人驾驶车辆的路径跟踪任务。2.如权利要求1所述的具有转向补偿功能的智能车辆路径跟踪方法，其特征在于，在步骤一中，所述目标转向角的计算方法被配置为包括：S1、将当前车辆速度和当前车辆横向误差的值代入提出的预览距离公式以得到预览距离的值。S2、将预览距离映射到参考路径上得到对应参考点，根据参考点的曲率通过单车转向模型计算出目标转向角度。3.如权利要求1所述的具有转向补偿功能的智能车辆路径跟踪方法，其特征在于，在步骤二中，所述运动学模型的建立基于以下假设进行：忽略车辆垂直于地面的运动；左前轮和右前轮角度相同；车身和悬架系统是刚性的；只考虑车辆前轮转动。4.如权利要求1所述的具有转向补偿功能的智能车辆路径跟踪方法，其特征在于，所述运动学模型的为无人驾驶车辆的运动学模型和横向动力学模型的耦合模型；其中，所述横向动力学模型为：其中，参数是车辆后轴中心横向加速度，是车辆航向角加速度，C
f
是轮胎纵向刚度，C
r
是轮胎侧偏刚度，l
f
是车辆前轴轴心到车辆质心的距离，l
r
是车辆后轴轴心到车辆质心的距离，I
...

【专利技术属性】
技术研发人员：蒋涛，陈谢天，邓鉴鑫，雷婷，宁梓豪，刘明文，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：