System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自动驾驶领域,尤其涉及一种基于lqr的无人驾驶环卫车轨迹跟踪方法、系统。
技术介绍
1、自20世纪80年代中期以来,世界上许多大学、研究中心、汽车公司和其他行业的公司都在研究和开发自动驾驶汽车。为了衡量自动驾驶汽车的自主水平,国际汽车工程师协会(sae)公布了一个基于它们所需的人类驾驶者干预和关注程度的分类系统,其中自动驾驶汽车的自主水平可以从0级(汽车的自主系统发出警告并可能瞬间干预,但没有持续的汽车控制)到5级(任何情况下都不需要人类干预)。为了实现l4及以上的自动驾驶,自动驾驶所涉及的重要的模块例如感知、定位、预测、决策、规划和定位都在迅速发展。
2、控制模块是自动驾驶架构中重要的模块之一。控制器模块接收由规划模块生成的轨迹、slam模块返回的定位信息以及底盘模块返回的车辆信息,并进行计算,并向自动驾驶汽车的方向盘、油门和刹车的执行器发送控制指令,以使汽车在物理世界允许的范围内最好地执行该轨迹。常见的控制算法有利用反馈来控制的pid控制器、利用最优控制的模型预测控制器,简称mpc(model predictive control),以及一些路径跟随(path following)算法,比如纯跟踪算法(pure pursuit)。
3、二次线性调节器(linear quadratic regulator),简称lqr,是一种最优控制算法,常用于轨迹跟踪(trajectory tracking)任务。lqr只能针对线性系统进行求解,如果一个系统是非线性的,则需先在操纵点处对系统进行线性化再
4、因此,现有技术还有待提高。
技术实现思路
1、鉴于上述现有技术的不足,本专利技术的目的在于提供一种基于lqr的无人驾驶环卫车轨迹跟踪方法、系统,旨在解决lqr控制效果差的问题;同时解决lqr无法对控制量进行约束,导致控制量超出执行器的物理限制的问题。
2、本专利技术的技术方案如下:一种基于lqr的无人驾驶环卫车轨迹跟踪方法,所述方法包括以下步骤:
3、控制器构建控制模型;平滑所述控制器的输入;计算反馈控制量ufb,并将轨迹生成器下发的前馈控制量uff与反馈控制量ufb求和,以计算出总控制量;对所述总控制量进行限幅;根据限幅后的总控制量向车辆本体发布控制指令。
4、显然,本专利技术在对控制器的输入进行平滑操作后,可使得控制器的输入相对平缓,而且在计算出总控制量后,对其进行了限幅操作,保证计算出的总控制量的变化更加柔和,最终输出的控制指令会更加丝滑。
5、在一个实施例中,轨迹生成器下发的轨迹点满足所述控制器内的独轮车模型,且定义为:其中,xd、ud均由轨迹生成器提供。
6、在一个实施例中,车辆本体的位姿点满足所述控制器内的独轮车模型,且定义为:其中,x=[x y θ]t,u=[v ω]t,x,y,θ分别为车辆本体上的所述位姿点的横坐标、纵坐标、朝向角,v为车辆本体的车速,ω为车辆本体的角速度。
7、在一个实施例中,所述控制器构建控制模型包括以下步骤:
8、构建误差系统,定义:
9、则:
10、在处对所构建的误差系统线性化,得到:
11、
12、
13、其中,vd为轨迹生成器下发的轨迹点的车速,θd为轨迹生成器下发的轨迹点的朝向角。显然,本专利技术是使用独车模型构建控制模型的,可在系统线性化时减少信息损失,在后期方便快速求解出反馈控制量ufb。
14、在一个实施例中,所述控制器的输入为使用移动平均滤波模块平滑所带的噪音。保证所更加平缓。
15、在一个实施例中,在计算反馈控制量ufb前还包括以下步骤:设置权重矩阵q,r,并在线实时调整权重矩阵q,r的参数。在线实时调整权重矩阵q,r可保证权重矩阵q,r的参数的准确性,误差收敛的速度更快,控制效果更好。
16、在一个实施例中,所述反馈控制量ufb的计算公式为:计算出ufb的值后,将其与前馈控制量uff相加,即可计算出总控制量。
17、在一个实施例中,若对所述总控制量进行限幅后,所得到的总控制量超过车辆本体上的执行器的物理极限,则对其进行截断操作,以防止对车辆本体上的执行器造成损伤。
18、本专利技术还提供一种基于lqr的无人驾驶环卫车轨迹跟踪系统,包括:
19、轨迹生成器,用于生成并输出前馈控制量uff、轨迹点;
20、控制器,用于根据所述轨迹点、车辆本体的位姿点构建控制模型,还用于计算出总控制量的值;
21、移动平均滤波模块,用于平滑所述控制器的输入;
22、低通滤波模块,用于对所述总控制量进行限幅操作。
23、在另一实施例中,所述的一种基于lqr的无人驾驶环卫车轨迹跟踪系统,还包括:模糊控制模块,所述模糊控制模块用于在设置权重矩阵q,r后,在线实时调整权重矩阵q,r的参数。
24、本专利技术中的一种基于lqr的无人驾驶环卫车轨迹跟踪系统的作用过程为:控制器接收来自轨迹生成器下发的轨迹点和车辆本体发送的位姿点,计算出反馈控制量ufb,并将反馈控制量ufb与前馈控制量uff相加,求得总控制量的值,为了不损伤车辆本体上的执行器,使用低通滤波模块对总控制量进行限幅操作,最终根据限幅后的总控制量向车辆本体的底盘发送控制指令,对底盘进行控制操作。
25、综上所述:本文提出的一种基于lqr的无人驾驶环卫车轨迹跟踪方法、系统具有以下有益效果:
26、1、采用独轮车模块构建控制模型,可在系统线性化时减少信息损失,使得采用控制模型所求解出的反馈控制量ufb、总控制量的有效性更强;
27、2、通过移动平均滤波模块、模糊控制模块可保证最终输出的总控制量较为平缓,且在线实时整定权重矩阵q,r的参数,实时调整控制状态,对控制量进行约束;
28、3、在计算出总控制量后,对其进行了限幅操作,保证计算出的总控制量的变化更加柔和,最终车辆底盘在收到控制指令后进行控制时,控制效果更加丝滑;
29、4、在总控制量超过车辆本体上的执行器的物理极限,会对其进行截断操作,实现对车辆本体的保护,避免对车辆本体造成损伤。
本文档来自技高网...【技术保护点】
1.一种基于LQR的无人驾驶环卫车轨迹跟踪方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于LQR的无人驾驶环卫车轨迹跟踪方法,其特征在于,轨迹生成器下发的轨迹点满足所述控制器内的独轮车模型,且定义为:其中,xd、ud均由轨迹生成器提供。
3.根据权利要求2所述的一种基于LQR的无人驾驶环卫车轨迹跟踪方法,其特征在于,车辆本体的位姿点满足所述控制器内的独轮车模型,且定义为:其中,x=[xy θ]T,u=[v ω]T,x,y,θ分别为车辆本体上的所述位姿点的横坐标、纵坐标、朝向角,v为车辆本体的车速,ω为车辆本体的角速度。
4.根据权利要求3所述的一种基于LQR的无人驾驶环卫车轨迹跟踪方法,其特征在于,所述控制器构建控制模型包括以下步骤:
5.根据权利要求4所述的一种基于LQR的无人驾驶环卫车轨迹跟踪方法,其特征在于,所述控制器的输入为使用移动平均滤波模块平滑所带的噪音。
6.根据权利要求1所述的一种基于LQR的无人驾驶环卫车轨迹跟踪方法,其特征在于,在计算反馈控制量ufb前还包括以下步骤:设置权重矩阵Q,
7.根据权利要求4所述的一种基于LQR的无人驾驶环卫车轨迹跟踪方法,其特征在于,所述反馈控制量ufb的计算公式为:
8.根据权利要求1所述的一种基于LQR的无人驾驶环卫车轨迹跟踪方法,其特征在于,若对所述总控制量进行限幅后,所得到的总控制量超过车辆本体上的执行器的物理极限,则对其进行截断操作。
9.一种基于LQR的无人驾驶环卫车轨迹跟踪系统,其特征在于,包括:
10.根据权利要求9所述的一种基于LQR的无人驾驶环卫车轨迹跟踪系统,其特征在于,还包括:模糊控制模块,所述模糊控制模块用于在设置权重矩阵Q,R后,在线实时调整权重矩阵Q,R的参数。
...【技术特征摘要】
1.一种基于lqr的无人驾驶环卫车轨迹跟踪方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于lqr的无人驾驶环卫车轨迹跟踪方法,其特征在于,轨迹生成器下发的轨迹点满足所述控制器内的独轮车模型,且定义为:其中,xd、ud均由轨迹生成器提供。
3.根据权利要求2所述的一种基于lqr的无人驾驶环卫车轨迹跟踪方法,其特征在于,车辆本体的位姿点满足所述控制器内的独轮车模型,且定义为:其中,x=[xy θ]t,u=[v ω]t,x,y,θ分别为车辆本体上的所述位姿点的横坐标、纵坐标、朝向角,v为车辆本体的车速,ω为车辆本体的角速度。
4.根据权利要求3所述的一种基于lqr的无人驾驶环卫车轨迹跟踪方法,其特征在于,所述控制器构建控制模型包括以下步骤:
5.根据权利要求4所述的一种基于lqr的无人驾驶环卫车轨迹跟踪方法,其特征在于,所述控制器的输入为使用移动...
【专利技术属性】
技术研发人员:周智健,周柯亨,曹威,高阳天,
申请(专利权)人:城市之光深圳无人驾驶有限公司,
类型:发明
国别省市:
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。