一种基于无迹卡尔曼滤波-自适应MPC车辆路径跟踪方法技术

本发明专利技术提供了一种基于无迹卡尔曼滤波‑自适应MPC车辆路径跟踪方法，其特征在于，包括以下步骤：a)、获取智能车辆的数据，建立智能车辆三自由度动力学模型；b)、构建无迹卡尔曼滤波器；c)、滤波器输出智能车辆估计状态量到区间二型模糊控制器，区间二型模糊控制器收到智能车辆估计状态量信息，以跟踪参考轨迹曲率e和横向误差y<subgt;e</subgt;作为输入，目标函数权重系数矩阵和作为输出矩阵；d)、根据优化后的权重系数矩阵构建目标函数；MPC优化求解器根据智能车辆约束条件和目标函数进行优化求解，输出智能车辆前轮转角δ<subgt;f</subgt;(k)到被控车辆；e)、智能车辆当前时刻的状态量又输入到无迹卡尔曼(UKF)滤波器，重复步骤b)至d)，实现更加精确的跟踪效果。

【技术实现步骤摘要】

本专利技术涉及路径跟踪领域，特别地，涉及一种基于无迹卡尔曼滤波-自适应mpc车辆路径跟踪方法。

技术介绍

1、在汽车电动化、智能化发展背景下，智能车辆的跟踪控制是在路径规划基础上，保证智能车辆能按照规划的路径躲避障碍物安全到达目标点，具有重要的研究意义。

2、路径规划与路径跟踪是构建智能车辆自主导航系统的关键环节。路径规划在考虑环境障碍与智能车辆特性后，生成最优路径；路径跟踪则通过实时反馈控制，确保智能车辆稳定跟踪规划路径，修正偏差，实现精准导航。两者协同作用，构建了智能车辆自主移动的决策执行闭环，对提升复杂环境导航能力至关重要。

3、常见路径跟踪控制方法有斯坦利前轮反馈控制、pid控制、滑模控制、以及模型预测控制(model predictive control，mpc)等算法。模型预测控制通过其固有的预测能力、处理约束的灵活性以及对系统不确定性和多变量动态的鲁棒性，显著提升了轨迹跟踪的精度和车辆在复杂环境下的适应性，成为实现自动驾驶系统中高效、安全路径跟踪的关键控制策略。

4、斯坦利前轮反馈控制，以其直观简单、鲁棒性本文档来自技高网...

【技术保护点】

1.一种基于无迹卡尔曼滤波-自适应MPC车辆路径跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于无迹卡尔曼滤波-自适应MPC车辆路径跟踪方法，其特征在于，所述步骤a)中的车辆三自由度动力学模型得到智能车辆非线性动力学状态方程，通过泰勒展开的方式转化为线性状态方程，再采用前向欧拉法，得到离散化后的线性状态方程：

3.根据权利要求2所述的一种基于无迹卡尔曼滤波-自适应MPC车辆路径跟踪方法，其特征在于，所述建立的智能车辆动力学模型和离散化后的线性状态方程，基于无迹卡尔曼滤波算法，重新估计智能车辆的状态参数,构建带有过程噪声与测量噪声的离散线性系统...

【技术特征摘要】

1.一种基于无迹卡尔曼滤波-自适应mpc车辆路径跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于无迹卡尔曼滤波-自适应mpc车辆路径跟踪方法，其特征在于，所述步骤a)中的车辆三自由度动力学模型得到智能车辆非线性动力学状态方程，通过泰勒展开的方式转化为线性状态方程，再采用前向欧拉法，得到离散化后的线性状态方程：

3.根据权利要求2所述的一种基于无迹卡尔曼滤波-自适应mpc车辆路径跟踪方法，其特征在于，所述建立的智能车辆动力学模型和离散化后的线性状态方程，基于无迹卡尔曼滤波算法，重新估计智能车辆的状态参数,构建带有过程噪声与测量噪声的离散线性系统的状态方程与观测方程。

4.根据权利要求1所述的一种基于无...

【专利技术属性】
技术研发人员：王骏骋，汪永祥，夏景演，王建富，倪喆源，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：