【技术实现步骤摘要】
一种自动驾驶车辆横向运动的新型模糊模型预测控制方法
[0001]本专利技术涉及自动驾驶车辆智能控制及其数值仿真
,尤其是一种自动驾驶车辆横向运动的新型模糊模型预测控制方法
。
技术介绍
[0002]智能交通系统的建立为解决未来道路交通问题提供了新方案,而自动驾驶车辆作为其重要的组成部分,以其高度智能化和良好的控制性能等优点,近些年受到了国内外广泛的关注
。
自动驾驶车辆的横向运动控制主要用于保证车辆的横向循迹能力,通过控制车辆的转向使其沿着规定的路径行驶,其间保持车辆的稳定性与行驶的安全性
。
自动驾驶车辆横向控制方法包括自适应控制
、
模糊控制
、PID
控制
、
模型预测控制
(model predictive control,MPC)
等
。
不过相比于其他方法,
MPC
控制方法凭借其在控制过程中可对系统输入和输出变量加以实时约束等优点,在车辆主动转向控制中得到了广泛的应用
。
不过值得一提的是,传统
MPC
控制方法虽可实现车辆的稳定转向控制,但当车速较高
、
速度变化较大时,往往难以保证控制的精度;另外,在应对道路曲率较大的大弯道或中弯道路况时,传统
MPC
控制方法亦会产生较大的横向位置偏差和横摆角跟踪误差,方法的实际应用范围具有一定的局限性
。
[0003]为了解决上述问题,本专利技
【技术保护点】
【技术特征摘要】
1.
一种自动驾驶车辆横向运动的新型模糊模型预测控制方法,用于实现自动驾驶车辆的横向运动轨迹追踪控制,其特征在于:所述控制方法在综合考虑车辆纵向车速
、
道路曲率影响的基础上,通过运用模糊控制理论对汽车
MPC
控制器的预测时域
、
控制时域进行在线更新调整,以使车辆能够保持更好的循迹跟踪能力;当自动驾驶车辆的
MPC
控制器对纵向车速较为敏感时,控制方法以速度阈值调整策略来适时更新
MPC
控制器中的状态矩阵及其衍生矩阵,以进一步提高自动驾驶车辆的整体横向控制性能;所述方法包括以下步骤;步骤
S1、
对于自动驾驶车辆,给出系统单轨动力学微分方程;步骤
S2、
将系统单轨动力学方程转化为状态方程形式;步骤
S3、
设计自动驾驶车辆横向运动的传统模型预测控制方案;步骤
S4、
提出基于速度阈值调整策略的新型模糊模型预测控制方案来替代传统模型预测控制方案,以进一步实现系统在变车速下的横向运动轨迹跟踪控制问题
。2.
根据权利要求1所述的一种自动驾驶车辆横向运动的新型模糊模型预测控制方法,其特征在于:所述步骤
S1
中,车辆单轨动力学微分方程为:其中,
m
为整车质量,
I
z
为转动惯量,为车辆的横摆角,
a、b
分别表示车辆质心到前
、
后轴的距离,
v
x
和
v
y
分别表示车辆的纵向速度和横向速度,
F
yi
(i
=
f,r)
为前
、
后轮胎力在
y
轴上的分量;基于小角度假设且忽略轮胎纵向力对横向运动的影响,
F
yi
与轮胎侧向力
F
ci
的关系可表示为:系可表示为:
C
ci
(i
=
f,r)
分别为前
、
后轮胎的横向侧偏刚度,
α
i
(i
=
f,r)
为前后轮胎的侧偏角,
δ
f
为前轮转角
。3.
根据权利要求2所述的一种自动驾驶车辆横向运动的新型模糊模型预测控制方法,其特征在于:所述步骤
S2
的具体实现过程为:车身坐标系与大地坐标系间通过以下关系进行转化其中,分别表示车辆沿大地坐标系
X
轴和
Y
轴方向上的速度
。
若系统状态变量选为控制量选为
u
=
δ
f
,输出量选为可将车辆的非线性动力学模型表示为状态空间方程形式;以公式表述如下
4.
根据权利要求3所述的一种自动驾驶车辆横向运动的新型模糊模型预测控制方法,其特征在于:所述步骤
S3
的具体实现过程为:对状态空间方程在任意点
(
ξ
t
,u
t
)
处进行线性化展开及近似离散化处理,得
其中,其中,
A
k,t
=
I+TA(t)
,
B
k,t
=
TB(t)
,
C
k,t
=
C(t)
,
I∈R4×4为单位矩阵,
T
为采样时间,间,
MPC
的目标函数设为:公式五;其中,
Δ
U(k|t)
=
[
Δ
u(k|t)
…
Δ
u(k+N
c
‑
1|t)]
T
表示控制输入增量,为参考路径,
Y
ref
分别为期望横摆角和期望横向位置,
ρ
为权重系数,
ε
为松弛因子,
Q∈R2×2为输出偏差权值,
R
为控制增量权值,
N
p
、N
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。