车辆路径追随控制方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开了一种车辆路径追随控制方法、系统、装置及存储介质，该方法包括以下步骤：根据智能车辆状态参数确定智能车辆的稳定边界范围参数；根据所述稳定边界范围参数计算失稳系数，其中，所述失稳系数用于表征稳定性控制权重；基于模型预测控制算法，根据所述失稳系数、稳定性控制模型和追随误差模型确定目标控制量，所述目标控制量包括附加横摆力矩和前轮转角；根据所述目标控制量通过多约束条件进行转矩矢量分配，得到各电机的目标力矩；根据所述目标力矩对所述智能车辆的电机进行控制。本发明专利技术能够保证智能车辆行驶稳定的同时具有较高的追随精度，并且能够实现不同行驶工况下智能车辆路径追随的稳定控制。能车辆路径追随的稳定控制。能车辆路径追随的稳定控制。

【技术实现步骤摘要】
车辆路径追随控制方法、系统、装置及存储介质


[0001]本专利技术涉及智能化控制领域，尤其涉及一种车辆路径追随控制方法、系统、装置及存储介质。

技术介绍

[0002]随着人们对智能化在新能源汽车技术中的不断重视，智能驾驶技术成为了新能源汽车的发展重点，其中，路径追随作为智能驾驶中的关键部分，通过规划层输出的期望追随目标计算出执行机构的指令，可以实现车辆动力学约束下的精确追随。但目前的追随路径控制方法常常忽视了智能车辆在路径追随过程中的追随精度，针对智能车辆路径追随控制的研究场景也较为单一，大多数仅关注追随过程中的横向位移误差和航向角误差，然而，由于实际的追随工况比较复杂，智能车辆追随性能受到车身运动姿态、轮胎受力和路面环境的共同影响，当追随车速较大或道路行驶条件较差时，车轮驱动力容易突破轮胎的附着极限，智能车辆出现侧滑或甩尾等失稳现象的可能性变大，从而使得整车的路径追随性能急剧恶化。
[0003]而轮毂电机驱动智能车辆有着较为灵活的动力学特性，其多自由度的力矩分配方式可满足智能车辆不同状态的控制需求，对提高智能车辆在不同追随工况下的适应能力有重要的作用。其中，轮毂电机驱动车辆采用分布式驱动结构，将电机、减速器和制动器集成内置于车轮中，相较于传统集中式驱动和桥电机驱动车辆，省去了用于力矩传递的传统机械装置，通过直接调节四轮力矩即可改变车身姿态。基于设计的相关力矩控制策略，还可实现不同工况下车辆的最优化控制，改善整车的动力学特性，为新能源汽车控制智能化提供了较为理想的研究平台，目前已成为汽车领域各学者的研究热点。
[0004]因此，如何实现不同行驶工况下智能车辆路径追随的稳定控制，同时保证智能车辆具有较高的追随精度已成为亟需解决的技术难题。

技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种车辆路径追随控制方法、系统、装置及存储介质，能够实现不同行驶工况下智能车辆路径追随的稳定控制，同时保证智能车辆具有较高的追随精度。
[0006]本专利技术实施例第一方面公开了一种车辆路径追随控制方法，所述方法包括以下步骤：
[0007]根据智能车辆状态参数确定智能车辆的稳定边界范围参数；
[0008]根据所述稳定边界范围参数计算失稳系数，其中，所述失稳系数用于表征稳定性控制权重；
[0009]基于模型预测控制算法，根据所述失稳系数、稳定性控制模型和追随误差模型确定目标控制量，所述目标控制量包括附加横摆力矩和前轮转角；
[0010]根据所述目标控制量通过多约束条件进行转矩矢量分配，得到各电机的目标力
矩；
[0011]根据所述目标力矩对所述智能车辆的电机进行控制。
[0012]在一些实施例中，所述根据智能车辆状态参数确定智能车辆的稳定边界范围参数包括以下步骤：
[0013]将所述智能车辆状态参数输入边界辨识模型，得到稳定边界范围参数，其中，所述智能车辆状态参数包括车轮附着极限系数、车速和前轮转角，所述稳定边界范围参数包括用于确定表征稳定边界范围的第一边界直线的截距、第二边界直线的截距、第一边界直线的斜率和第二边界直线的斜率，所述第一边界直线的斜率和第二边界直线的斜率相同；
[0014]其中，所述边界辨识模型通过以下步骤获得：
[0015]获取样本数据，其中，所述样本数据的输入包括车轮附着极限系数、车速和前轮转角，标签包括稳定边界范围参数；
[0016]初始化遗传算法优化的反向传播神经网络，其中，所述遗传算法优化的反向传播神经网络包括遗传算法优化子网络和反向传播神经子网络，所述反向传播神经子网络的权值和阈值编码为所述遗传算法优化子网络的种群个体；
[0017]将所述样本数据输入所述遗传算法优化子网络以对所述种群个体进行不断迭代操作得到优化后的种群个体，其中，所述迭代操作包括选择操作、交叉操作和变异操作；
[0018]对优化后的种群个体进行解码，得到反向传播神经子网络的最优权值和阈值；
[0019]根据所述反向传播神经子网络的最优权值和阈值进行误差计算和约束条件判断，直到所述反向传播神经子网络的误差小于预设值以及满足约束条件，得到边界辨识模型。
[0020]在一些实施例中，所述根据所述稳定边界范围参数计算失稳系数包括以下步骤：
[0021]根据所述稳定边界范围参数中的第一边界直线的斜率和第一边界直线的截距确定在质心侧偏角
‑
质心侧偏角速度相平面图上稳定边界范围的安全距离；
[0022]根据所述稳定边界范围参数中的第一边界直线的斜率确定在质心侧偏角
‑
质心侧偏角速度相平面图上速度点与安全直线的垂直距离，其中，所述安全直线与所述第一边界直线平行且距离相等，所述安全直线与所述第二边界直线平行且距离相等；
[0023]根据所述安全距离和所述垂直距离确定失稳系数，其中，失稳系数κ表示为：
[0024][0025]其中，D
sta
为安全距离，D
c
为垂直距离。
[0026]在一些实施例中，所述基于模型预测控制算法，根据所述失稳系数、稳定性控制模型和追随误差模型确定目标控制量包括以下步骤：
[0027]基于模型预测控制算法，根据所述稳定性控制模型和所述追随误差模型确定由状态空间方程表达的控制量预测模型，其中，所述控制量预测模型表示为：
[0028][0029]其中，x为控制目标状态量，e
d
、e
φ
和均为追随误差模型的控制目标状态量，e
d
为横向偏差，e
φ
为航向角偏差；β和γ均为稳定性控制模型的控制目标状态量，β为质心侧偏角，γ为横摆角速度；u为系统控制量，u＝[δ M
Z
]，δ为前轮转角，M
Z
为附加横摆力矩，w为干扰项，A
c
、B
c
和D
c
均为系统矩阵；
[0030]对所述控制量预测模型进行离散和迭代运算得到系统输出方程；
[0031]根据所述系统输出方程、所述系统控制量和所述失稳系数确定控制器优化目标函数；
[0032]根据所述控制器优化目标函数对所述稳定性控制模型和所述追随误差模型进行约束，得到目标控制量。
[0033]在一些实施例中，所述根据所述系统输出方程、所述系统控制量和所述失稳系数确定控制器优化目标函数包括以下步骤：
[0034]根据失稳系数与路径追随控制权重比例系数的关系函数确定路径追随控制权重参数；
[0035]根据失稳系数与稳定性控制权重比例系数的关系函数确定稳定性控制权重参数；
[0036]根据所述路径追随控制权重参数和稳定性控制权重参数获得控制器输出误差的权重占比；
[0037]根据所述系统输出方程、所述系统控制量和所述控制器输出误差的权重占比确定控制器优化目标函数。
[0038]在一些实施例中，所述根据所述目标控制量通过多约束条件进行转矩矢本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆路径追随控制方法，其特征在于，包括以下步骤：根据智能车辆状态参数确定智能车辆的稳定边界范围参数；根据所述稳定边界范围参数计算失稳系数，其中，所述失稳系数用于表征稳定性控制权重；基于模型预测控制算法，根据所述失稳系数、稳定性控制模型和追随误差模型确定目标控制量，其中，所述目标控制量包括附加横摆力矩和前轮转角；根据所述目标控制量通过多约束条件进行转矩矢量分配，得到各电机的目标力矩；根据所述目标力矩对所述智能车辆的电机进行控制。2.根据权利要求1所述的车辆路径追随控制方法，其特征在于，所述根据智能车辆状态参数确定智能车辆的稳定边界范围参数包括以下步骤：将所述智能车辆状态参数输入边界辨识模型，得到稳定边界范围参数，其中，所述智能车辆状态参数包括车轮附着极限系数、车速和前轮转角，所述稳定边界范围参数包括用于确定表征稳定边界范围的第一边界直线的截距、第二边界直线的截距、第一边界直线的斜率和第二边界直线的斜率，所述第一边界直线的斜率和第二边界直线的斜率相同；其中，所述边界辨识模型通过以下步骤获得：获取样本数据，其中，所述样本数据的输入包括车轮附着极限系数、车速和前轮转角，标签包括稳定边界范围参数；初始化遗传算法优化的反向传播神经网络，其中，所述遗传算法优化的反向传播神经网络包括遗传算法优化子网络和反向传播神经子网络，所述反向传播神经子网络的权值和阈值编码为所述遗传算法优化子网络的种群个体；将所述样本数据输入所述遗传算法优化子网络以对所述种群个体进行不断迭代操作得到优化后的种群个体，其中，所述迭代操作包括选择操作、交叉操作和变异操作；对优化后的种群个体进行解码，得到反向传播神经子网络的最优权值和阈值；根据所述反向传播神经子网络的最优权值和阈值进行误差计算和约束条件判断，直到所述反向传播神经子网络的误差小于预设值以及满足约束条件，得到边界辨识模型。3.根据权利要求2所述的车辆路径追随控制方法，其特征在于，所述根据所述稳定边界范围参数计算失稳系数包括以下步骤：根据所述稳定边界范围参数中的第一边界直线的斜率和第一边界直线的截距确定在质心侧偏角
‑
质心侧偏角速度相平面图上稳定边界范围的安全距离；根据所述稳定边界范围参数中的第一边界直线的斜率确定在质心侧偏角
‑
质心侧偏角速度相平面图上速度点与安全直线的垂直距离，其中，所述安全直线与所述第一边界直线平行且距离相等，所述安全直线与所述第二边界直线平行且距离相等；根据所述安全距离和所述垂直距离确定失稳系数，其中，失稳系数κ表示为：其中，D
sta
为安全距离，D
c
为垂直距离。4.根据权利要求1所述的车辆路径追随控制方法，其特征在于，所述基于模型预测控制算法，根据所述失稳系数、稳定性控制模型和追随误差模型确定目标控制量包括以下步骤：基于模型预测控制算法，根据所述稳定性控制模型和所述追随误差模型确定由状态空
间方程表达的控制量预测模型，其中，所述控制量预测模型表示为：其中，x为控制目标状态量，e
d
、e
φ
和均为追随误差模型的控制目标状态量，e
d
为横向偏差，e
φ
为航向角偏差；β和γ均为稳定性控制模型的控制目标状态量，β为质心侧偏角，γ为横摆角速度；u为系统...

【专利技术属性】
技术研发人员：付翔，李昭，刘毅，刘泽轩，王玉新，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：