【技术实现步骤摘要】
本专利技术属于自动驾驶，具体涉及一种适用于复杂道路条件下的自动驾驶汽车横向控制方法。
技术介绍
1、自动驾驶是汽车发展的主要方向，涉及到环境感知、决策、轨迹规划和轨迹跟踪控制等多个方面。其中轨迹跟踪控制是控制自动驾驶汽车按照期望轨迹行驶的基础，对于自动驾驶汽车安全、可靠、稳定运行具有重要影响。
2、目前，国内外研究者大多集中在常规道路如平直道路等条件下的轨迹跟踪控制，虽然积累了大量研究成果，但其中适用于更加复杂道路条件下如大坡道、小半径道路的轨迹跟踪控制方法尚且不足。
技术实现思路
1、针对上述技术的缺点和不足，本专利技术提出一种适用于复杂道路条件下的自动驾驶汽车横向控制方法。主要针对自动驾驶汽车在大坡道小半径弯道上的横向控制问题，充分考虑道路坡度和曲率变化对自动驾驶汽车横向控制的影响，设计了基于模型预测控制的横向控制器，提高了自动驾驶汽车在坡道弯道场景横向控制的准确性和稳定性。
2、一种适用于复杂道路条件下的自动驾驶汽车横向控制方法，包括以下步骤：
3、(1)构建车辆的二自由度动力学模型；
4、(2)建立车辆前后轮胎载荷分布模型，基于魔术公式轮胎模型计算出不同坡度下的侧偏刚度；
5、(3)考虑侧偏刚度对车辆横向控制的影响，根据参考轨迹，建立基于二自由度动力学模型的跟踪误差动力学模型；
6、(4)将步骤(3)得到的轨迹跟踪误差动力学模型进行离散化，建立轨迹跟踪模型预测方程，基于轨迹跟踪预测方程，得到未来np步的
7、(5)采用二次规划对目标方程进行求解，得出初始前轮转角控制量；
8、(6)考虑道路曲率变化对车辆横向控制的影响，根据轨迹跟踪动力学误差方程，推导出道路曲率变化引起的前轮转角控制偏差；
9、(7)将步骤(5)求解得到的初始前轮转角控制量与步骤(6)道路曲率变化引起的前轮转角控制偏差叠加，获得精度更高的横向控制前轮转角。
10、作为本专利技术的优选实施方案，所述车辆的二自由度动力学模型为：
11、
12、式中，m为车辆质量，vx为车辆纵向速度，i为车辆绕z轴转动惯量，为横摆角加速度，l1、l2分别为前后轴距，fyf、fyr分别为前后轮所受的侧向力，为侧向加速度。
13、作为本专利技术的优选实施方案，所述车辆前后轮胎载荷分布模型为：
14、
15、式中g为车辆的重力，为道路坡度角，hg为车辆的质心高度，l是车辆的轴距，l1、l2是车辆的前后轴距，clf、clr为车辆前后轴升力系数，af为车辆的迎风面积，v为车辆行驶速度，w1、w2分别为前后轮垂直载荷，g为重力加速度，a为车辆加速度，ρa为空气密度。
16、作为本专利技术的优选实施方案，所述步骤(2)中，基于魔术公式轮胎模型计算出不同坡度下的侧偏刚度为：
17、fy＝dsin{carctan[bx-e(bx-arctanbx)]}；
18、其中，fy是侧偏力；x为侧偏角；d为峰值因子；b为刚度因子；c为曲线形状因子；e为曲线曲率因子，
19、通过上式，以侧偏力为纵坐标、以侧偏角为横坐标拟合得到不同垂直载荷下的b、c、d值，侧偏刚度表示为：cα＝bcd。
20、作为本专利技术的优选实施方案，所述二自由度动力学模型的跟踪误差动力学模型为：
21、
22、
23、式中，ed为横向误差，其中为参考轨迹法向量，为车辆位置矢量，为参考轨迹点位置矢量，参考轨迹为(xr,yr,kr,θr)，xr,yr,kr,θr分别为参考轨迹的横坐标，纵坐标、参考曲率和参考航向角；为航向角误差，m为车辆质量；vx为车辆纵向速度；i为车辆绕z轴转动惯量；cαf、cαr分别为车辆前后轮胎的侧偏刚度，通过步骤(2)得到，是一个受坡道影响实时变化的值；αf、αr分别为前后两轮胎侧偏角；δ为车辆需求前轮转角；θr为参考航向角；为参考航向角的倒数，为横向误差的倒数；为横向误差的二重倒数；为为航向角误差的倒数；为航向角误差的二重倒数。
24、作为本专利技术的优选实施方案，所述步骤(4)中，将步骤(3)得到的跟踪误差动力学模型进行离散化，建立轨迹跟踪模型预测方程，具体包括：
25、s4-1：将基于二自由度动力学模型的跟踪误差动力学模型描述为状态空间方程：
26、
27、式中为状态量，k＝[k1 k2 k3 k4]为系统的反馈矩阵；为状态量的倒数，t为时间，δm为初始前轮转角控制量；
28、s4-2：车辆在弯道上行驶，道路曲率kr实时发生变化，也发生变化，状态空间方程不稳定，为了消除曲率变化对步骤s4-1中状态空间方程稳定性的影响，在求解前轮控制量的时候，先舍去曲率变化的影响，即忽略得到如下状态方程：
29、
30、s4-3：对步骤s4-2中得到状态空间方程的进行离散化，得到轨迹跟踪预测方程为：
31、
32、式中：a2＝ta1+e；b2＝tb1；e为4x4的单位矩阵；t为系统采样时间0.01s，δu(k)为当前时刻的控制量变化量，η(k)为当前时刻的输出矩阵；u(k-1)为上一时刻的控制量。
33、作为本专利技术的优选实施方案，根据轨迹跟踪预测方程，得到未来np步的状态输出方程为：
34、y＝ψξ(k)+θδu；
35、式中：nc是控制时域，np是预测时域。
36、作为本专利技术的优选实施方案，以跟踪误差最小与前轮转角变化量最小为目标建立目标方程和约束条件为：
37、
38、
39、式中δu(k)＝δδm(k+i)；δumax和δumin别是控制增量δu的最大值和最小值集；umax和umin别是控制量u的上限和下限；q是一个4x4的输出量权重矩阵；r是一个控制量权重值；ρ是松弛因子权重；ε是松弛因子；i是循环变量，δm(k)是当前时刻的前轮转角控制量，δδm(k)是当前时刻的前轮转角控制量变化量。
40、作为本专利技术的优选实施方案，采用二次规划对目标方程进行求解，得出初始前轮转角控制量，具体包括：对步骤(4)得到的目标函数和约束条件通过二次规划算法求解得到一系列最优控制量增量δu；取该系列的第一个控制量增量δu(1)和前一时刻的控制量u相加，得到当前的控制量，即初始前轮转角控制量δm。
41、作为本专利技术的优选实施方案，所述步骤(6)中，考虑道路曲率变化对车辆横向控制的影响，根据轨迹跟踪误差动力学方程，推导出道路曲率变化引起的前轮转角控制偏差，具体包括：
42、s6-1：在步骤(3)中，为了让状态方程稳定，忽略道路曲率变化对前轮转角的影响，现在引入前轮转角控制偏差δf，通过状态空间方程推导得出：
43、步骤s4-1中车辆在变曲率道路上行驶，造成的存在，即本文档来自技高网...
【技术保护点】
1.一种适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，包括以下步骤：
2.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述车辆的二自由度动力学模型为：
3.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述车辆前后轮胎载荷分布模型为：
4.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述步骤(2)中，基于魔术公式轮胎模型计算出不同坡度下的侧偏刚度为：
5.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述二自由度动力学模型的轨迹跟踪误差动力学模型为：
6.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述步骤(4)中，将步骤(3)得到的轨迹跟踪误差动力学模型进行离散化，建立轨迹跟踪模型预测方程，具体包括：
7.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，根据轨迹跟踪预测方程，得到未来Np步的状态输出方程为：>
8.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，基于未来Np步的状态输出方程，以跟踪误差最小与前轮转角变化量最小为目标建立目标方程和约束条件为：
9.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，采用二次规划对目标方程进行求解，得出初始前轮转角控制量，具体包括：对步骤(4)得到的目标函数和约束条件通过二次规划算法求解得到一系列最优控制量增量ΔU；取该系列的第一个控制量增量ΔU(1)和前一时刻的控制量u相加，得到当前的控制量，即初始前轮转角控制量δm。
10.如权利要求6所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述步骤(6)中，考虑道路曲率变化对车辆横向控制的影响，轨迹跟踪误差动力学模型，推导出道路曲率变化引起的前轮转角控制偏差，具体包括：
...【技术特征摘要】
1.一种适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，包括以下步骤：
2.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述车辆的二自由度动力学模型为：
3.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述车辆前后轮胎载荷分布模型为：
4.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述步骤(2)中，基于魔术公式轮胎模型计算出不同坡度下的侧偏刚度为：
5.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述二自由度动力学模型的轨迹跟踪误差动力学模型为：
6.如权利要求1所述适用于复杂道路条件下的自动驾驶汽车横向控制方法，其特征在于，所述步骤(4)中，将步骤(3)得到的轨迹跟踪误差动力学模型进行离散化，建立轨迹跟踪模型预测方程，具体包括：
7.如权利要求1所述适用于...
【专利技术属性】
技术研发人员：沈世全，胡志明，张华伟，李宗典，王青旺，陈峥，申江卫，何静，
申请(专利权)人：昆明理工大学，
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。