一种自动驾驶横向控制方法、系统及存储介质技术方案

本申请提出一种自动驾驶横向控制方法、系统及存储介质，包括：获取原始LQR控制器的反馈矩阵K，确定所述反馈矩阵K中的四个元素k

【技术实现步骤摘要】
一种自动驾驶横向控制方法、系统及存储介质


[0001]本申请涉及车辆运动控制领域，具体而言，涉及一种自动驾驶横向控制方法、系统及存储介质。

技术介绍

[0002]自动驾驶技术中通过横向控制和纵向控制相协同，实现车辆按照预定的轨迹行驶。其中，横向控制室根据所规划的轨迹的路径、曲率等信息进行跟踪控制，以减少跟踪误差，并同时保证车辆行驶过程中的稳定与舒适；而纵向控制用于控制车辆按照预定的速度巡航或与前方动态目标保持一定的距离。
[0003]横向控制系统通过改变方向盘的扭矩或角度，控制车辆按照规划的轨迹行驶，横向控制系统主要由前馈控制和反馈控制两大部分组成。其中，前馈控制负责弯道保持，在扰动产生后、被控量发生变化之前，根据扰动的变化进行控制，补偿扰动量对被控量的影响；而反馈控制负责消除误差，将控制系统的输出信号返回到输入端，并与输入信号进行比较，利用二者的偏差进行控制以消除误差。
[0004]现有技术中，反馈控制通常使用LQR求解最优控制量，具体的，在求解最优控制量的过程中，LQR算法需要通过循环迭代的方式求解Riccati方程，具有一定的计算量，耗时增加。此外，反馈控制建立车辆动力学模型中包含车辆速度参数，在车辆处于低速状态下，迭代次数将会显著增多，将进一步造成耗时增加，从而直接影响横向控制效果。

技术实现思路

[0005]有鉴于此，本申请提供一种自动驾驶横向控制方法、系统及存储介质，当输入参数一定变化区间内，使用参数拟合的方法全替换Riccati方程的求解。一方面，本申请所提出的参数拟合的方法所得出的结果不仅与求解Riccati方程所得出的结果具有一定的相似度，确保求解结果的可靠性，另一方面，本申请可以将计算的速度提升至少一个量级。
[0006]为了解决上述技术问题，本申请第一方面提供一种自动驾驶横向控制方法，其特征在于，包括：获取原始LQR控制器的反馈矩阵K，确定所述反馈矩阵K中的四个元素k
i
，其中i为正整数且1≤i≤4；建立所述反馈矩阵K的元素和Riccati方程中可变参数的拟合方程；基于Nelder
‑
Mead算法辨识所述拟合方程中的拟合参数，确定所述拟合方程；基于所述拟合方程确定所述自动驾驶车辆的横向控制器，所述横向控制器用于所述自动驾驶车辆横向控制中的反馈控制。
[0007]根据本申请的一种优选实施方式，所述反馈控制量系数矩阵K中所包含的元素k
i
对应于车辆动力学中的状态量。
[0008]根据本申请的一种优选实施方式，所述获取原始LQR控制器的反馈矩阵K，包括：选择所述原始LQR控制器的设计参数矩阵Q、R；
基于迭代次数和容忍误差的大小，循环求解Riccati方程，获得矩阵P；基于所述矩阵P计算得到所述反馈矩阵K。
[0009]根据本申请的一种优选实施方式，所述循环求解Riccati方程，包括循环求解下述方程：所述基于所述矩阵P计算得到所述反馈矩阵K，包括基于下述方程进行计算：其中，Q为P的初值；A
d
、B
d
是基于所述自动驾驶车辆的固定参数及车速的离散系统系数矩阵；Q中包含两个可变参数q1和q3。
[0010]根据本申请的一种优选实施方式，所述元素ki和所述Riccati方程中可变参数的拟合方程为：x
cal_i
＝c
1i
*v+c
2i
*q1+c
3i
*q3+c
4i
*(q3‑
q
3min
)+c
5i
*(q1‑
q
1min
)其中，x
cal_i
为参数k
i
的校核值，c
1i
～c
5i
为拟合参数，车速v、可变参数q1、q3为输入参数，q
1min
、q
3min
是可变参数q1、q3输入的最小值。
[0011]根据本申请的一种优选实施方式，所述基于Nelder
‑
Mead算法辨识所述拟合方程中的拟合参数，包括，构造一个5+1维的单纯形，计算初始的单纯形顶点的函数值；分析比较顶点函数值，构造新的顶点和单纯形；判断是否达到收敛条件，若是则停止迭代，若否则继续进行迭代。
[0012]根据本申请的一种优选实施方式，所述收敛条件是迭代自变量变化值以及函数变化值同时满足小于阀值，所述阀值是预先设置的。
[0013]根据本申请的一种优选实施方式，对所述车速v、所述可变参数q1和所述可变参数q3在预设的区间内采样次数为1000次。
[0014]为了解决上述技术问题，本申请第二方面提供一种自动驾驶横向控制系统，包括处理器和存储器，所述存储器用于存储计算机程序，其特征在于，当所述计算机程序被所述处理器执行时，所述处理器执行如本申请第一方面提供的自动驾驶横向控制方法。
[0015]为了解决上述技术问题，本申请第三方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个计算机程序，当所述一个或多个计算机程序被处理器执行时，实现如本申请第一方面提供的自动驾驶横向控制方法。
[0016]本申请提供的自动驾驶横向控制方法、系统及存储介质，避免了现有技术中通过迭代的Riccati方程的方案中耗时、计算量大的技术问题。采用参数拟合求解，在确保结果可靠的同时优化了求解速度，提高了自动驾驶技术中横向控制的效果。
附图说明
[0017]为了使本申请中的实施例所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本申请实施例的具体实施例。但需声明的是，下面描述的附图仅仅是本申请实施例示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
Regulator)控制器，要实现反馈控制主要包括以下步骤：1、建立车辆动力学模型；2、利用车辆动力学模型，使用LQR算法求解最优控制量。
[0036]LQR控制算法框图如图2所示，被控对象状态方程如下所示：y＝Cx+Du
ꢀꢀꢀ
(2)
[0037]其中，矩阵A代表被控对象的动态特性和稳定性，矩阵B代表系统如何根据输入信号进行响应。系统的状态方程可以用公式(3)表示，被控系统的极点将由矩阵A
‑
BK决定，而矩阵K可通过人为的调整，调节闭环系统的零极点位置:
[0038]在控制系统中，零极点的位置影响着系统的稳定性和响应速度，为了将闭环系统的零极点放在任意想要的位置，可采用全状态反馈控制(FSFB，也称作状态反馈控制)。现有技术中，控制系统求其最优控制解的方法有很多，在求解之前需确认被控系统可控。即要实现全状态反馈控制，控制矩阵[B，AB，A2B，A3B]需满足满秩的前提。
[0039]设计LQR控制器，需要计算反馈矩阵K。求解反馈矩阵K的核心是能量函数的设计。前述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶横向控制方法，其特征在于，包括：获取原始LQR控制器的反馈矩阵K，确定所述反馈矩阵K中的四个元素k
i
，其中i为正整数且1≤i≤4；建立所述反馈矩阵K的元素和Riccati方程中可变参数的拟合方程；基于Nelder
‑
Mead算法辨识所述拟合方程中的拟合参数，确定所述拟合方程；基于所述拟合方程确定所述自动驾驶车辆的横向控制器，所述横向控制器用于所述自动驾驶车辆横向控制中的反馈控制。2.如权利要求1所述的自动驾驶横向控制方法，其特征在于，所述反馈控制量系数矩阵K中所包含的元素k
i
对应于车辆动力学中的状态量。3.如权利要求1所述的自动驾驶横向控制方法，其特征在于，所述获取原始LQR控制器的反馈矩阵K，包括：选择所述原始LQR控制器的设计参数矩阵Q、R；基于迭代次数和容忍误差的大小，循环求解Riccati方程，获得矩阵P；基于所述矩阵P计算得到所述反馈矩阵K。4.如权利要求3所述的自动驾驶横向控制方法，其特征在于，所述循环求解Riccati方程，包括循环求解下述方程：所述基于所述矩阵P计算得到所述反馈矩阵K，包括基于下述方程进行计算：其中，Q为P的初值；A
d
、B
d
是基于所述自动驾驶车辆的固定参数及车速的离散系统系数矩阵；Q中包含两个可变参数q1和q3。5.如权利要求1所述的自动驾驶横向控制方法，其特征在于，所述元素k
i
和所述Riccati方程中可变参数的拟合方程为：x
cal_i
＝c
1i
*v+c
2i
*q1+c
3i
*q3+c
4i
*(q3‑

【专利技术属性】
技术研发人员：颜贻翔，
申请(专利权)人：北京宾理信息科技有限公司，
类型：发明
国别省市：