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】
本专利技术属于主动悬架控制,更具体地,本专利技术涉及一种基于神经动力学模型的mpc预瞄悬架控制方法及系统。
技术介绍
1、汽车悬架是保证乘坐舒适性的重要部件,汽车悬架的稳定性控制受到行业极大的关注。
2、在汽车悬架稳定控制领域,已经存在多种汽车悬架的稳定性控制方法,具体如下:
3、(1)pid控制算法:该算法是一种基于比例、积分、微分三个因素的控制算法,可以通过调整这三个参数来控制汽车悬架稳定性,但是该算法适用于一些单输入单输出场景,且参数难以调节,且容易出现超调。
4、(2)基于lqr的最优控制:即线性二次型调节器,是求解线性二次型问题常用的求解方法。lqr的控制对象是线性系统,其目标函数为对象状态和控制输入的二次型函数,即状态反馈控制器k要使二次型目标函数j取最小值。lqr可得到状态线性反馈的最优控制律,易于构成闭环最优控制。该方法只适用于线性系统,且不能显式地处理约束。
技术实现思路
1、本专利技术提供一种基于神经动力学模型的mpc预瞄悬架控制方法,旨在改善上述问题。
2、本专利技术是这样实现的,一种基于神经动力学模型的mpc预瞄悬架控制方法,所述方法包括如下步骤:
3、(1)周期性的采集系统状态,将当前系统状态和距当前最近的若干组系统状态、及采集到的前方路面激励输入神经网络动力学模型,神经网络动力学模型预测出下一时刻的系统状态;
4、(2)将下一时刻的系统状态作为当前系统状态,执行步骤(1),直至预测出
5、(3)将预测出的若干组系统状态及前方路面激励作为状态量,输入mpc控制模型,输出控制时域内的控制量,基于下一时刻的控制量来控制车辆;
6、系统状态包括:车身运动状态及车轮运动状态,控制量为:四轮悬架的阻尼力。
7、进一步的,路面激励的提取方法具体如下:
8、基于当前车速及侧向角形成前方设定距离内的预估行驶区域,在前方路面图像中提取行驶区域内的路面图像,基于行驶区域内的路面图像来提取行驶区域内的障碍物位置及障碍物高度,即形成了路面激励。
9、进一步的,前方路面图像通过双目相机采集到。
10、进一步的,在基于神经网络动力学模型进行下一时刻的系统状态之前,先通过样本对神经网络模型进行训练,直至神经网络的预测精度达到设定标准,形成神经网络动力学模型,其中,样本的构建过程具体如下:
11、(11)记录不同路面状况下的系统状态及路面激励;
12、(12)将连续若干组的系统状态及路面激励作为样本特征,将下一时刻的系统状态作为样本标签,完成样本的构建。
13、进一步的,路面工况包括随机路况、随机路况加随机布置的减速带、随机路况加随机布置的凹坑。
14、进一步的,车身运动状态包括:车身加速度车身俯仰角加速度车身侧倾角加速度车轮运动状态包括:车身位移z2、车轮位移z1。
15、进一步的,神经网络模型包括:输入层、中间层及输出层,其中,中间层为包含非线性激活函数relu构成的全连接隐藏层。
16、本专利技术是这样实现的,一种基于神经动力学模型的mpc预瞄悬架控制系统,所述系统包括:
17、设于车辆上的前置摄像头及imu,与前置摄像头及imu通讯连接的处理单元,处理单元上集成有神经网络动力学模型及mpc控制模型;
18、处理单元基于上述神经动力学模型的mpc预瞄悬架控制方法来确定车辆在时域内的四轮悬架阻尼力。
19、进一步的,所述摄像机为双目相机。
20、本专利技术采用深度神经网络建立七自由度悬架运动数学模型,不仅可以准确地描述系统非线性特性,而且可以通过数据积累进行迭代优化。mpc模型预测充分利用视觉预瞄得到未来的路面状态和悬架未来运动状态趋势,实现一段时间内的最优控制;mpc的在线滚动优化机制保证了控制输入可以及时跟随环境的变化。
本文档来自技高网...【技术保护点】
1.一种基于神经动力学模型的MPC预瞄悬架控制方法,其特征在于,所述方法包括如下步骤:
2.如权利要求1所述基于神经动力学模型的MPC预瞄悬架控制方法,其特征在于,路面激励的提取方法具体如下:
3.如权利要求1所述基于神经动力学模型的MPC预瞄悬架控制方法,其特征在于,前方路面图像通过双目相机采集到。
4.如权利要求1所述基于神经动力学模型的MPC预瞄悬架控制方法,其特征在于,在基于神经网络动力学模型预测下一时刻的系统状态之前,先通过样本对神经网络模型进行训练,直至神经网络的预测精度达到设定标准,形成神经网络动力学模型,其中,样本的构建过程具体如下:
5.如权利要求4所述基于神经动力学模型的MPC预瞄悬架控制方法,其特征在于,路面工况包括随机路况、随机路况加随机布置的减速带、随机路况加随机布置的凹坑。
6.如权利要求1所述基于神经动力学模型的MPC预瞄悬架控制方法,其特征在于,车身运动状态包括:车身加速度车身俯仰角加速度车身侧倾角加速度车轮运动状态包括:车身位移z2、车轮位移z1。
7.如权利要求1所述基于神
8.一种基于神经动力学模型的MPC预瞄悬架控制系统,其特征在于,所述系统包括:
9.如权利要求8所述基于神经动力学模型的MPC预瞄悬架控制系统,其特征在于,所述摄像机为双目相机。
...【技术特征摘要】
1.一种基于神经动力学模型的mpc预瞄悬架控制方法,其特征在于,所述方法包括如下步骤:
2.如权利要求1所述基于神经动力学模型的mpc预瞄悬架控制方法,其特征在于,路面激励的提取方法具体如下:
3.如权利要求1所述基于神经动力学模型的mpc预瞄悬架控制方法,其特征在于,前方路面图像通过双目相机采集到。
4.如权利要求1所述基于神经动力学模型的mpc预瞄悬架控制方法,其特征在于,在基于神经网络动力学模型预测下一时刻的系统状态之前,先通过样本对神经网络模型进行训练,直至神经网络的预测精度达到设定标准,形成神经网络动力学模型,其中,样本的构建过程具体如下:
5.如权利要求4所述基于神经动力学模型的mpc预瞄悬架控制方法,其特征...
【专利技术属性】
技术研发人员:纪其进,李贵喜,
申请(专利权)人:上海砺群科技有限公司,
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。