考虑时滞及外部时变扰动的智能汽车横纵协同控制方法技术

本发明专利技术公开了一种考虑时滞及外部时变扰动的智能汽车横纵协同控制方法，包括以下步骤：获取未来时刻的目标轨迹点；计算车

【技术实现步骤摘要】
考虑时滞及外部时变扰动的智能汽车横纵协同控制方法


[0001]本专利技术涉及一种智能汽车转向及速度控制领域，特别是一种考虑时滞及外部时变扰动的智能汽车横纵协同控制方法
。

技术介绍

[0002]往往以恒定纵向速度为前提设计横向路径跟踪方法，将缺失对智能汽车纵向环节的速度跟踪控制，则不具备纵向速度可控的横纵协同控制能力
。
同时，解决现实中的横纵协同控制问题还需考虑外部时变扰动和时滞，其中，外部时变扰动指代由外部道路曲率造成的实时干扰，时滞指代控制系统信号经过
CAN
总线传输时产生的时滞
。
如果不能很好地解决时滞及外部时变扰动问题，将造成智能汽车过弯时转向不及时且精度下降直至偏离弯道，甚至与道路边界发生碰撞，带来生命安全风险
。
因此，发展考虑时滞及外部时变扰动的智能汽车横纵协同控制方法已然成为智能汽车领域中的关键之一
。
[0003]传统的横纵协同控制方法中，均是以算法组合的方式处理横纵向协同控制问题，无法实现控制器求解过程中路径与速度同时优化
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种考虑时滞及外部时变扰动的智能汽车横纵协同控制方法，利用智能汽车横纵协同控制系统进行控制，所述智能汽车横纵协同控制系统包括初始化模块
、
目标轨迹决策模块和横纵协同的模型预测控制器；所述初始化模块用于检查感知模块
、
定位模块
、
规划模块及底盘模块信号收发是否正常；加载目标轨迹决策模块的参数；加载单轨智能汽车动力学模型参数；加载横纵协同的车
‑
路耦合优化模型的参数；加载横纵协同的模型预测控制器参数；所述目标轨迹决策模块依据实时的规划路径和规划速度计算得到道路前视点，根据道路前视点以提前确定未来时刻在参考轨迹上的目标轨迹点，所述参考轨迹由规划模块下发，所述参考轨迹包括参考位置信息
、
参考航向信息
、
参考曲率信息和参考速度信息；所述目标轨迹点的信息包括目标位置
、
目标曲率
、
目标航向及目标速度，促使横纵协同的模型预测控制器提前计算出考虑总时滞时间的控制指令，所述总时滞时间指代传感器信号和控制信号经智能汽车控制器局域网络传输产生的总时间；所述横纵协同的车
‑
路耦合优化模型由所述单轨智能汽车动力学模型和所述目标轨迹点进行车
‑
路状态量计算并以数学方程形式建模得到，所述车
‑
路状态量指代智能汽车运动过程中的当前状态与目标轨迹点之间产生的横向误差
、
横向误差变化率
、
航向误差
、
航向误差变化率及速度误差；所述横纵协同的模型预测控制器由横向预瞄前馈控制器和模型预测闭环反馈控制器构成，所述横向预瞄前馈控制器基于所述目标轨迹决策模块获取的目标曲率信息实现消除由外部道路曲率造成的外部时变扰动，所述模型预测闭环反馈控制器利用所述的车
‑
路状态和输入的控制信息进行迭代计算获得横向前轮转角反馈值和纵向速度反馈值；所述控制方法包括以下步骤：步骤1：初始化初始化模块检查感知模块信息
、
定位模块信息
、
规划模块信息及底盘模块信息收发是否正常；所述感知模块信息
、
定位模块信息
、
规划模块信息及底盘模块信息分别指代环境障碍物信息
、
智能汽车位姿信息
、
参考轨迹和智能汽车速度；所述智能汽车位姿信息包括智能汽车的位置及航向信息；所述参考轨迹包括参考位置信息
、
参考航向信息
、
参考曲率信息和参考速度信息；初始化模块加载目标轨迹决策模块的参数，所述目标轨迹决策模块的参数包括前视点个数和采样时间；初始化模块加载单轨智能汽车动力学模型参数
、
加载横纵协同的车
‑
路耦合优化模型的参数
、
加载横纵协同的模型预测控制器参数；所述单轨智能汽车动力学模型参数和横纵协同的车
‑
路耦合优化模型的参数均包括智能汽车的质量
、
转动惯量
、
前后车轴到质心处的距离以及前后轮的侧偏刚度；所述横纵协同的模型预测控制器参数包括模型预测控制器预测时域
、
控制时域
、
模型预测控制器在预测时域内的输出状态量权重矩阵及输入控制量增量的权重矩阵；所述单轨智能汽车动力学模型的数学方程如下：所述单轨智能汽车动力学模型的数学方程如下：
式中：
m
为智能汽车质量；
v
y
为侧向速度；为侧向加速度；
v
x
为纵向速度；为横摆角速度；为横摆角加速度；
I
z
为转动惯量；
l
f
和
l
r
分别为前后车轴到质心处的距离；
C
α
f
和
C
α
r
分别为前后轮的侧偏刚度；
δ
f
为前轮转角；所述横纵协同的车
‑
路耦合优化模型为：式中：式中：式中：
ξ
(t)
为所述横纵协同的车
‑
路耦合优化模型状态量矩阵路耦合优化模型状态量矩阵为
ξ
(t)
的一阶微分；
e
d
、
和
v
e
分别指横向误差
、
横向误差变化率
、
航向误差
、
航向误差变化率及速度误差；
A
t
为
ξ
(t)
的系数矩阵，
B
t
为控制量矩阵
u(t)
的系数矩阵，
C
t
为期望横摆角速度的系数矩阵；
δ
f
(t)
为控制输入；
v
feed
(t)
为模型预测闭环反馈控制器中的速度反馈控制量；为所述的外部时变扰动；
y(t)
为状态输出矩阵；
I5×5为5×5单位矩阵；步骤2：获取未来时刻的目标轨迹点将所述的参考轨迹输入到目标轨迹决策模块中，考虑总时滞时间的影响，其输出信息为未来时刻目标轨迹点的目标位置
、
目标曲率
、
目标航向及目标速度信息；所述目标轨迹决策模块的数学方程如下：
式中：
j
为每帧参考轨迹上点所对应的索引值，
i
为所述索引值
j
的中间变量，
v
i
为索引值
i
对应的参考速度信息；
x
和
y
为智能汽车当前点在世界坐标系下的横纵坐标；为智能汽车在世界坐标系下的航向；以智能汽车当前点为起始点前视路径长度为
Δ
H
处的道路前视点
G
，点
G
的横纵坐标分别为
x
a
和
y
a
，
n
为前视点个数，所述总时滞时间为
t
d
＝
nT
；点
P
为目标轨迹点，点
P
的横纵坐标分别为
X
p
和
Y
p
，点
P
是道路前视点
G
映射在参考轨迹上的点；
T
为采样时间；步骤3：计算车
‑
路状态量计算智能汽车运动过程中智能汽车当前状态与目标轨迹点之间产生的横向误差
、
横向误差变化率
、
航向误差
、
航向误差变化率及速度误差，基于步骤1中建立的单轨智能汽车动力学模型得到横纵协同的车
‑
路耦合优化模型；所述车
‑
路状态量包括横向误差
、
横向误差变化率
、
航向误差
、
航向误差变化率及速度误差，其计算...

【专利技术属性】
技术研发人员：关龙新，郭烈，胥林立，王嘉豪，赵家庆，王旭，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：