本发明专利技术提供了一种智能车辆路径跟踪控制方法与系统，解决车辆路径跟踪精度低、鲁棒性差的技术问题。方法包括：考虑转向系统建立单轨二自由度的通用动力学模型、跟踪系统运动学模型和映射误差系统模型；根据映射误差系统模型输出状态和车辆可测量状态形成线性扩张状态观测器；根据线性扩张状态观测器估计值及车辆可测量状态形成输出反馈抗扰动控制率对映射误差系统模型进行误差补偿和鲁棒控制。能够在智能车辆路径跟踪控制时克服转向系统中众多非线性和不确定性影响，实现较高的路径跟踪控制精度，具有较强的鲁棒性；考虑了转向系统的动力学特性，对于低速和高速车辆均具有较好的适用性；仅需要传感器可以测得的状态量，算法简单，易用工程实现。
【技术实现步骤摘要】
本专利技术涉及车辆控制，具体涉及一种智能车辆路径跟踪控制方法与跟踪系统。
技术介绍
1、现有技术中，运动控制作为智能车辆的核心技术之一，通过纵向控制和横向控制的配合使车辆能够按照上层规划的轨迹(包含速度和路径)准确稳定地行驶，同时实现车速调节、车距保持、变道、超车等基本操作。智能车辆的横向控制即为对车辆转向系统的控制，其目的在于通过控制方向盘转角或车轮转角约束车辆沿着期望的参考路径行驶，因此也称为路径跟踪控制。智能车辆行驶工况复杂多变，转向过程易受外部扰动的影响，且车辆转向系统本身具有参数不确定性、高度非线性特性、与悬架/制动子系统耦合等特性，导致高精度的路径跟踪控制具有很大的挑战性。
2、目前智能车辆常用的路径跟踪控制方法有pid控制、纯跟踪控制、lqr控制、mpc控制及滑模控制等。pid控制简单有效，但在应对转向系统中的非线性和不确定性时具有很大的局限性；纯跟踪控制为基于车辆运动学的控制方法，对于低速车辆具有较好的控制效果，但当车速提高时，车辆的非线性动力学特性显著，基于运动学的控制方法无法适用；lqr控制和mpc控制均建立在精确的数学模型基础上，其实际控制效果受建模精度的影响，面对转向系统中的不确定参数、难建模动态、不确定干扰等未建模动态，很难达到预期的控制效果；滑模控制虽然具有处理非线性和不确定性的能力，但其在模态变化时容易引发抖振问题，导致其在实际应用时的性能难以保证。因此，设计一种可以克服转向系统众多非线性动态和不确定因素的高精度路径跟踪控制过程对于智能车辆具有重要的研究意义和应用价值。
技术实现思路
1、鉴于上述问题，本专利技术实施例提供一种智能车辆路径跟踪控制方法与跟踪控制系统，解决车辆路径跟踪精度低、鲁棒性差的技术问题。
2、本专利技术实施例的智能车辆路径跟踪控制方法，包括：
3、考虑转向系统中的未建模动态建立车辆转向系统单轨二自由度的通用动力学模型，根据车辆运动特性形成相对于参考路径的跟踪系统运动学模型；
4、构造路径跟踪映射误差以体现相对于参考路径的横向误差和航向角误差，根据路径跟踪映射误差、通用动力学模型和跟踪系统运动学模型形成车辆路径跟踪的映射误差系统模型以体现转向系统的不可测状态和不确定扰动；
5、根据映射误差系统模型输出状态和车辆可测量状态形成线性扩张状态观测器以量化映射误差系统模型中的不可测状态和不确定扰动；
6、根据线性扩张状态观测器估计值及车辆可测量状态形成输出反馈抗扰动控制率对映射误差系统模型进行误差补偿和鲁棒控制。
7、本专利技术一实施例中，所述通用动力学模型为：
8、
9、
10、其中，β和γ分别为车辆的质心侧偏角和横摆角速度，vx和vy分别为车辆的纵向速度和横向速度，ffl和ffr分别为施加在前轴左右轮胎上的侧向力，frl和frr分别为施加在后轴左右轮胎上的侧向力，m为车辆的质量，iz为车辆绕z轴的转动惯量，l1和l2分别为车辆质心到前轴和后轴的距离，dβ和dγ分别为车辆侧向动力学和横摆动力学中由未建模动态、不确定干扰和参数变化等引起的误差项。
11、本专利技术一实施例中，所述跟踪系统运动学模型为
12、
13、
14、
15、其中，e为车辆质心到参考路径之间的横向距离，s为车辆沿参考路径走过的距离，为车辆当前位置的航向角，为参考路径的航向角。
16、本专利技术一实施例中，所述融合相对于参考路径的横向误差e和航向角误差的路径跟踪映射误差为
17、
18、其中，xp为预瞄距离。
19、本专利技术一实施例中，所述映射误差系统模型为
20、
21、其中，状态x1＝ep，p1(t)和p2(t)中的变量均为系统的可观测状态量，δd(t)包含系统的不可测状态量β及所有不确定扰动，且满足以下关系：
22、|δd(t)|≤md (9)。
23、本专利技术一实施例中，所述线性扩张状态观测器为
24、
25、
26、
27、其中，和分别为映射误差系统状态ep，及不确定项δd(t)的估计值。ρ1，ρ2，ρ3和为线性扩张状态观测器的设计参数，且满足ρ1，ρ2，ρ3使得矩阵ξ为hurwitz矩阵，即存在一正定矩阵p满足ξtp+pξ＝-i
28、
29、本专利技术一实施例中，所述输出反馈抗扰动控制率δf＝δfn+δfs，其中误差补偿项δfn和鲁棒控制项δfs分别为
30、
31、
32、本专利技术一实施例中，还包括：
33、通过调节输出反馈抗扰动控制率的控制参数，对路径跟踪控制精度进行优化。
34、本专利技术实施例的智能车辆路径跟踪控制系统，包括：
35、存储器，用于存储上述的智能车辆路径跟踪控制方法的控制过程的程序代码；
36、处理器，用于执行所述程序代码。
37、本专利技术实施例的智能车辆路径跟踪控制系统，包括：
38、系统建模模块，用于考虑转向系统中的未建模动态建立车辆转向系统单轨二自由度的通用动力学模型，根据车辆运动特性形成相对于参考路径的跟踪系统运动学模型；
39、映射误差系统建模模块，用于构造路径跟踪映射误差以体现相对于参考路径的横向误差和航向角误差，根据路径跟踪映射误差、通用动力学模型和跟踪系统运动学模型形成车辆路径跟踪的映射误差系统模型以体现转向系统的不可测状态和不确定扰动；
40、扩张状态观测器模块，用于根据映射误差系统模型输出状态和车辆可测量状态形成线性扩张状态观测器以量化映射误差系统模型中的不可测状态和不确定扰动；
41、自抗扰控制模块，用于根据线性扩张状态观测器估计值及车辆可测量状态形成输出反馈抗扰动控制率对映射误差系统进行误差补偿和鲁棒控制。
42、本专利技术实施例的智能车辆路径跟踪控制方法与跟踪控制系统不依赖精确的车辆模型，能够在智能车辆路径跟踪控制时克服转向系统中的非线性动态、耦合特性、参数不确定性、外界扰动不确定性、传感器噪声等众多非线性和不确定性影响，实现较高的路径跟踪控制精度，具有较强的鲁棒性。在进行控制率设计时仅需要传感器可以测得的状态量，算法简单，易用工程实现。考虑了转向系统的动力学特性，对于低速和高速车辆均具有较好的适用性。与现有技术相比，本专利技术具有路径跟踪精度高、速度适应范围广、鲁棒性强、易于实现等优点。
本文档来自技高网...
【技术保护点】
1.一种智能车辆路径跟踪控制方法，其特征在于，包括：
2.如权利要求1所述的智能车辆路径跟踪控制方法，其特征在于，所述通用动力学模型为：
3.如权利要求2所述的智能车辆路径跟踪控制方法，其特征在于，所述跟踪系统运动学模型为
4.如权利要求3所述的智能车辆路径跟踪控制方法，其特征在于，所述融合相对于参考路径的横向误差e和航向角误差的路径跟踪映射误差为
5.如权利要求4所述的智能车辆路径跟踪控制方法，其特征在于，所述映射误差系统模型为
6.如权利要求5所述的智能车辆路径跟踪控制方法，其特征在于，所述线性扩张状态观测器为
7.如权利要求6所述的智能车辆路径跟踪控制方法，其特征在于，所述输出反馈抗扰动控制率为δf＝δfn+δfs，其中误差补偿项δfn和鲁棒控制项δfs分别为
8.如权利要求1所述的智能车辆路径跟踪控制方法，其特征在于，还包括：
9.一种智能车辆路径跟踪控制系统，其特征在于，包括：
10.一种智能车辆路径跟踪控制系统，其特征在于，包括：
【技术特征摘要】
1.一种智能车辆路径跟踪控制方法，其特征在于，包括：
2.如权利要求1所述的智能车辆路径跟踪控制方法，其特征在于，所述通用动力学模型为：
3.如权利要求2所述的智能车辆路径跟踪控制方法，其特征在于，所述跟踪系统运动学模型为
4.如权利要求3所述的智能车辆路径跟踪控制方法，其特征在于，所述融合相对于参考路径的横向误差e和航向角误差的路径跟踪映射误差为
5.如权利要求4所述的智能车辆路径跟踪控制方法，其特征在于，所述映射误差系统模型为...
【专利技术属性】
技术研发人员：杜苗苗，李洪彪，李陆浩，李永亮，张骁，罗霄，李建航，
申请(专利权)人：北京航天发射技术研究所，
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。