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】
本专利技术涉及无人车控制,具体涉及一种抗扰动的无人车非线性动力学最优控制方法。
技术介绍
1、随着无人驾驶技术的迅速发展,如何在复杂环境下保持无人车的稳定性和安全性是一项关键的技术挑战。例如,由不平坦道路表面、变化的风速和其他随机环境因素造成的扰动会对无人车稳定性和路径跟踪精度造成显著影响,这种影响在高速行驶或复杂路况下更为明显。在这些情况下,无人车需要能够准确地响应这些扰动,以预期的行驶速度保持在预定的跟踪轨迹上。
2、传统的无人车控制方法,如比例-积分-微分控制器、滑模控制器、线性二次调节控制器等,通常难以应对快速变化的扰动。这些方法在处理非线性系统或动态变化环境时通常表现出计算效率低下和响应速度慢的问题,难以满足无人车的安全性和可靠性要求。近年来,模型预测控制方法通过预测未来状态和考虑多种控制输入的可能性,提高了无人车对复杂环境的适应能力,受到广泛关注。然而,其在处理扰动时的计算负担依然很大,且在实时性方面存在局限。现有无人车控制技术在处理扰动、实现实时响应和保持高精度控制方面仍存在明显的不足。这些不足限制了无人车在复杂环境中的应用范围和效率,增加了安全风险。综上所述,一种能够综合考虑无人车动力学、环境扰动和控制系统响应的控制策略,对提高无人车在复杂环境中的性能和可靠性至关重要。
3、本专利技术提出一种抗扰动的无人车非线性动力学最优控制方法,根据泰勒展开原理,将动态变化的扰动描述为高阶多项式的形式,并纳入控制模型中,以有效应对扰动的影响。本专利技术提出的方法可以满足实时性、高精度和低计算负载要求,这
技术实现思路
1、本专利技术所要解决的技术问题是提供一种抗扰动的无人车非线性动力学最优控制方法,旨在提高无人驾驶汽车在复杂环境中的稳定性和控制精度。
2、本专利技术采用的技术方案如下:
3、一种抗扰动的无人车非线性动力学最优控制方法,可以实现无人车在复杂扰动环境中的轨迹跟踪控制,包括以下步骤:
4、s1:考虑轮胎和地面之间的滑移作用,构建无人车非线性动力学模型;
5、s2:根据无人车非线性动力学模型,构建无人车预测模型,以预测未来状态及未来控制输入;
6、s3:针对无人车的轨迹跟踪控制问题,设计优化性能指标、系统未来状态约束、未来控制输入约束,建立无人车最优控制方案;
7、s4:针对无人车最优控制方案,构建标准的二次规划问题,并进一步将其描述为一个非线性方程组;
8、s5:针对无人车在复杂扰动环境中的安全和高精度运行问题,设计无人车轨迹跟踪控制的抗扰动方案。
9、进一步,步骤s1所述的无人车非线性动力学模型建立为
10、
11、
12、
13、
14、
15、其中,m表示车辆的质量;β代表车辆的侧滑角;iz为车辆绕z轴的转动惯量;δf是前轮转向角;vx,vy分别表示车辆重心的纵向和横向速度;分别为车辆重心的纵向和横向加速度;为车辆在绝对惯性坐标系中的速度;lf,lr代表前轮和后轮距车辆重心的距离;sf,sr表示前轮和后轮的滑移率;αf,αr为前后轮胎的滑移角;cαf,cαr分别是前后轮胎的侧向刚度;clf,clr代表前后轮胎的纵向侧向刚度;ψ,分别是车辆的航向角、航向角速度和航向角加速度。
16、进一步,所述的步骤s2具体为
17、s201:根据无人车非线性动力学模型,采用泰勒展开进行线性化操作,得到无人车线性动力学模型;
18、s202:根据无人车线性动力学模型,构建其在k时刻的离散状态空间表达式;
19、s203:根据无人车在k时刻的状态空间表达式,对其未来n个时域的系统状态进行预测,其中n表示预测时域。
20、更进一步,步骤s201所述的无人车线性动力学模型建立如下:
21、首先,令前轮转向角为控制器的输入,即u=δf。在车辆轨迹跟踪过程中,车辆仅控制前轮转向角,而纵向速度保持不变。步骤s1所述的无人车非线性动力学模型可简述为其中f(·)表示非线性映射。然后对在(ξc,uc)点使用泰勒展开进行线性化操作,得到
22、
23、进一步可以表示为
24、
25、其中,
26、更进一步,步骤s202所述的无人车在k时刻的离散状态空间表达式建立如下:
27、首先,基于前向欧拉法离散化得到
28、
29、其中,i是单位矩阵。随后,定义和δu(k)=u(k)-u(k-1),进一步获得离散的状态空间表示形式为
30、
31、
32、其中,表示子系统的输出,o是由0组成的矩阵或向量,
33、更进一步,步骤s203所述的未来n个时域的系统状态预测为
34、
35、其中,为便于后续推导,和分别为和的简写形式。
36、进一步,步骤s3所述的用于无人车的轨迹跟踪控制的优化性能指标设计为
37、
38、其中,ηr(k+i)代表参考轨迹;nu(0<nu≤n)表示控制时域,且当i≥nu时,δu(k+i)=0;ζ是松弛变量向量;表示软约束的权重系数向量;和分别是轨迹跟踪误差和控制输入增量的权重矩阵。
39、更进一步,步骤s3所述的系统未来状态约束和未来控制输入约束设计如下:
40、设计约束以保证车辆运动的可行性和稳定性。首先,确保控制输入和控制输入增量在车辆操作范围内。因此,
41、u-≤u(k+i)≤u+,i=0,1,…,nu-1,
42、δu-≤δu(k+i)≤δu+,i=0,1,…,nu-1,
43、其中u-,δu-,u+,和δu+分别表示控制输入及控制输入增量的下限和上限。随后,将车辆的侧滑角β和航向速度限制在一定范围内,可以防止车辆的不稳定。此外,侧滑角β的约束可以转换为横向速度的约束。因此,在考虑软约束以确保优化问题始终存在解的情况下,构建车辆的横向速度和航向速度的约束如下:
44、γ--ζ≤γ(k+i)≤γ++ζ,i=1,2,…,n,
45、其中,分别表示横向速度和航向角速度的下界和上界。
46、因此,结合用于无人车的轨迹跟踪控制的优化性能指标,得到
47、
48、其中,ζ+是松弛变量的上界。定义以从χ中提取横向速度和航向角速度。为便于描述,给出如下定义:
49、
50、
51、
52、
53、
54、
55、
56、
57、
58、
59、接着,定义
60、可得到无人车的最优控制方案如下:
61、
62、进一步,所述本文档来自技高网...
【技术保护点】
1.一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,该方法包括如下步骤:
2.根据权利要求1中所述的一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,步骤S1所述的无人车非线性动力学模型建立为
3.根据权利要求1中所述的一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,所述的步骤S2具体为
4.根据权利要求1中所述的一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,步骤S3所述的优化性能指标设计、系统未来状态约束和未来控制输入约束设计如下:
5.根据权利要求1中所述的一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,所述的步骤S4具体为
6.根据权利要求1中所述的一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,所述的步骤S5所述的无人车轨迹跟踪控制的抗扰动方案构建如下:
【技术特征摘要】
1.一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,该方法包括如下步骤:
2.根据权利要求1中所述的一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,步骤s1所述的无人车非线性动力学模型建立为
3.根据权利要求1中所述的一种抗扰动的无人车非线性动力学最优控制方法,其特征在于,所述的步骤s2具体为
4.根据权利要求1中所述的一种抗扰动的无人...
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。