一种基于神经网络的多预瞄点路径跟踪控制方法及系统技术方案

本发明专利技术公开了一种基于神经网络的多预瞄点路径跟踪控制方法及系统，所述方法包括：在车身坐标系中建立基于时变局部模型的非线性模型预测控制器；通过非线性模型预测控制器控制被控对象跟踪一条预设的前方参考路径，并采集前方参考路径信息，生成训练样本；采用预设的神经网络构建路径跟踪控制器，并采用所述训练样本训练所构建的路径跟踪控制器；利用训练好的路径跟踪控制器实现被控对象的路径跟踪控制。本发明专利技术方案解决了现有技术无法有效利用前方参考路径信息，在参考路径曲率变化幅度较大时精确性不佳的问题。大时精确性不佳的问题。大时精确性不佳的问题。

【技术实现步骤摘要】
一种基于神经网络的多预瞄点路径跟踪控制方法及系统


[0001]本专利技术涉及无人驾驶设备的运动控制
，特别涉及一种基于神经网络的多预瞄点路径跟踪控制方法及系统。

技术介绍

[0002]现有路径跟踪控制技术中，非线性模型预测控制具有能够显式处理系统约束、能够有效利用前方参考路径信息、能够减弱定位误差等扰动影响等优势(白国星,孟宇,刘立,等.无人驾驶车辆路径跟踪控制研究现状[J].工程科学学报,2021,43(4):475
‑
485、白国星,罗维东,刘立,等.矿用铰接式车辆路径跟踪控制研究现状与进展[J].工程科学学报,2021,43(2):193
‑
204、Bai G,Meng Y,Liu L,et al.Review and comparison of path tracking based on model predictive control[J].Electronics,2019,8(10):1077)，但其实时性即使经过优化也较线性模型预测控制等控制方法的实时性差(白国星,刘丽,孟宇,等.基于非线性模型预测控制的移动机器人实时路径跟踪[J].农业机械学报,2020,51(9):47
‑
52)。
[0003]针对实时性较差的问题，目前存在一种通过神经网络学习非线性模型预测控制器，以提高实时性的路径跟踪控制方法(CN111624992B)，但是由于训练样本中未将前方参考路径信息纳入考虑，导致这种路径跟踪控制方法无法有效利用前方参考路径信息，在参考路径曲率变化幅度较大时精确性不佳。

技术实现思路

[0004]本专利技术提供了一种基于神经网络的多预瞄点路径跟踪控制方法及系统，以解决现有的通过神经网络学习非线性模型预测控制器的路径跟踪控制方法无法有效利用前方参考路径信息，在参考路径曲率变化幅度较大时精确性不佳的问题。
[0005]为解决上述技术问题，本专利技术提供了如下技术方案：
[0006]一方面，本专利技术提供了一种基于神经网络的多预瞄点路径跟踪控制方法，所述基于神经网络的多预瞄点路径跟踪控制方法包括：
[0007]在车身坐标系中建立基于时变局部模型的非线性模型预测控制器；
[0008]通过所述基于时变局部模型的非线性模型预测控制器，控制被控对象跟踪一条预设的前方参考路径，并采集前方参考路径信息，生成训练样本；其中，所述参考路径信息包括：参考路径的横、纵坐标，以及航向角；
[0009]采用预设的神经网络构建路径跟踪控制器，并采用所述训练样本训练所构建的路径跟踪控制器；其中，所述路径跟踪控制器的输入包括初始横摆角速度和所述参考路径信息，所述路径跟踪控制器的输出包括目标横摆角速度；
[0010]利用训练好的路径跟踪控制器实现被控对象的路径跟踪控制。
[0011]进一步地，在车身坐标系中建立基于时变局部模型的非线性模型预测控制器，包括：
[0012]将预测控制器和被控对象前方一段参考路径转入每个控制周期开始时的车身坐标系，基于转化后的坐标建立基于时变局部模型的非线性模型预测控制器。
[0013]进一步地，所述采用预设的神经网络构建路径跟踪控制器，并采用所述训练样本训练所构建的路径跟踪控制器，包括：
[0014]根据训练样本的结构采用预设的神经网络构建路径跟踪控制器；
[0015]采用所述训练样本训练所构建的路径跟踪控制器。
[0016]进一步地，所述路径跟踪控制器的输入包括：初始横摆角速度、参考路径中第一个参考点的横、纵坐标及航向角，参考路径中的中间一个参考点的横、纵坐标及航向角，以及参考路径中的最后一个参考点的横、纵坐标及航向角。
[0017]另一方面，本专利技术还提供了一种基于神经网络的多预瞄点路径跟踪控制系统，所述基于神经网络的多预瞄点路径跟踪控制系统包括：
[0018]非线性模型预测控制器构建模块，用于在车身坐标系中建立基于时变局部模型的非线性模型预测控制器；
[0019]训练样本生成模块，用于通过所述非线性模型预测控制器构建模块所构建的基于时变局部模型的非线性模型预测控制器，控制被控对象跟踪一条预设的前方参考路径，并采集前方参考路径信息，生成训练样本；其中，所述参考路径信息包括：参考路径的横、纵坐标，以及航向角；
[0020]路径跟踪控制器构建及训练模块，用于采用预设的神经网络构建路径跟踪控制器，并采用所述训练样本生成模块所生成的训练样本训练所构建的路径跟踪控制器；其中，所述路径跟踪控制器的输入包括初始横摆角速度和所述参考路径信息，所述路径跟踪控制器的输出包括目标横摆角速度；
[0021]路径跟踪控制模块，用于利用通过所述路径跟踪控制器构建及训练模块训练好的路径跟踪控制器实现被控对象的路径跟踪控制。
[0022]进一步地，所述非线性模型预测控制器构建模块具体用于：
[0023]将预测控制器和被控对象前方一段参考路径转入每个控制周期开始时的车身坐标系，基于转化后的坐标建立基于时变局部模型的非线性模型预测控制器。
[0024]进一步地，所述路径跟踪控制器构建及训练模块具体用于：
[0025]根据训练样本的结构采用预设的神经网络构建路径跟踪控制器；
[0026]采用所述训练样本训练所构建的路径跟踪控制器。
[0027]进一步地，所述路径跟踪控制器的输入包括：初始横摆角速度、参考路径中第一个参考点的横、纵坐标及航向角，参考路径中的中间一个参考点的横、纵坐标及航向角，以及参考路径中的最后一个参考点的横、纵坐标及航向角。
[0028]再一方面，本专利技术还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0029]又一方面，本专利技术还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0030]本专利技术提供的技术方案带来的有益效果至少包括：
[0031]本专利技术提供的路径跟踪控制方法，通过深入分析基于非线性模型预测控制的路径跟踪控制器的性能特点，利用车身局部坐标系对横、纵向坐标与航向角解耦，并在此坐标系
中设计非线性模型预测控制器，并利用该控制器生成训练样本，最终在此基础上建立基于神经网络的多预瞄点路径跟踪控制器，解决了现有的通过神经网络学习非线性模型预测控制器的路径跟踪控制方法无法有效利用前方参考路径信息，在参考路径曲率变化幅度较大时精确性不佳的问题。
附图说明
[0032]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033]图1是本专利技术实施例提供的基于神经网络的多预瞄点路径跟踪控制方法的执行流程示意图。
具体实施方式
...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的多预瞄点路径跟踪控制方法，其特征在于，包括：在车身坐标系中建立基于时变局部模型的非线性模型预测控制器；通过所述基于时变局部模型的非线性模型预测控制器，控制被控对象跟踪一条预设的前方参考路径，并采集前方参考路径信息，生成训练样本；其中，所述参考路径信息包括：参考路径的横、纵坐标，以及航向角；采用预设的神经网络构建路径跟踪控制器，并采用所述训练样本训练所构建的路径跟踪控制器；其中，所述路径跟踪控制器的输入包括初始横摆角速度和所述参考路径信息，所述路径跟踪控制器的输出包括目标横摆角速度；利用训练好的路径跟踪控制器实现被控对象的路径跟踪控制。2.如权利要求1所述的基于神经网络的多预瞄点路径跟踪控制方法，其特征在于，在车身坐标系中建立基于时变局部模型的非线性模型预测控制器，包括：将预测控制器和被控对象前方一段参考路径转入每个控制周期开始时的车身坐标系，基于转化后的坐标建立基于时变局部模型的非线性模型预测控制器。3.如权利要求1所述的基于神经网络的多预瞄点路径跟踪控制方法，其特征在于，所述采用预设的神经网络构建路径跟踪控制器，并采用所述训练样本训练所构建的路径跟踪控制器，包括：根据训练样本的结构采用预设的神经网络构建路径跟踪控制器；采用所述训练样本训练所构建的路径跟踪控制器。4.如权利要求1所述的基于神经网络的多预瞄点路径跟踪控制方法，其特征在于，所述路径跟踪控制器的输入包括：初始横摆角速度、参考路径中第一个参考点的横、纵坐标及航向角，参考路径中的中间一个参考点的横、纵坐标及航向角，以及参考路径中的最后一个参考点的横、纵坐标及航向角。5.一种基于神经网络的多预瞄点路径跟踪控制系统，其特征在于，包括：非线性模型预测...

【专利技术属性】
技术研发人员：白国星，郑淏清，孟宇，刘立，王国栋，汪振，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：