CN110217227B - 一种适用于冰雪道路工况的转向制动联合避撞控制方法 - Google Patents

一种适用于冰雪道路工况的转向制动联合避撞控制方法 Download PDF

Info

Publication number
CN110217227B
CN110217227B CN201910551940.2A CN201910551940A CN110217227B CN 110217227 B CN110217227 B CN 110217227B CN 201910551940 A CN201910551940 A CN 201910551940A CN 110217227 B CN110217227 B CN 110217227B
Authority
CN
China
Prior art keywords
automobile
tire
model
collision avoidance
lateral displacement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201910551940.2A
Other languages
English (en)
Other versions
CN110217227A (zh
Inventor
李绍松
王枫
王国栋
崔高健
于志新
王书君
田云胜
王帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun University of Technology
Original Assignee
Changchun University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun University of Technology filed Critical Changchun University of Technology
Priority to CN201910551940.2A priority Critical patent/CN110217227B/zh
Publication of CN110217227A publication Critical patent/CN110217227A/zh
Application granted granted Critical
Publication of CN110217227B publication Critical patent/CN110217227B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle

Abstract

一种适用于冰雪道路工况的转向制动联合避撞控制方法，其特征在于，该方法包括避撞路径规划模块、轮胎模型线性化模块、MPC控制器和CarSim汽车模型；避撞路径规划模块用于计算避撞路径的参考侧向位移和横摆角；轮胎模型线性化模块用于实现预测时域内非线性轮胎力的线性近似；CarSim汽车模型用于输出汽车的实际状态量，包括汽车纵向速度、侧向速度、横摆角速度、横摆角和侧向位移；MPC控制器根据参考侧向位移、横摆角以及汽车的实际状态量，求解出汽车的前轮转角和各个车轮的制动力并输入给CarSim汽车模型，控制汽车实现避撞控制。

Description

一种适用于冰雪道路工况的转向制动联合避撞控制方法
技术领域：
本发明涉及汽车避撞控制领域，一种适用于冰雪道路工况的转向制动联合避撞控制方法。
背景技术：
随着交通拥堵问题的日益严重和道路安全问题的日益突出，自动驾驶汽车已经成为汽车行业发展的趋势。由于实际的道路环境十分复杂，汽车本身也存在着强非线性，使得自动驾驶汽车的避撞控制面临巨大的挑战。
国内外学者在自动驾驶汽车避撞控制方面已经有了很多研究成果，传统的控制方法主要有鲁棒控制、预瞄控制和滑模控制等。但上述方法通常只能利用当前的环境信息和汽车状态，并且难以考虑环境和汽车的约束条件。因此，研究人员开始将模型预测控制(Model predictive control，MPC)应用到汽车控制领域。
国内在进行避撞控制研究时，通常假设汽车的轮胎侧偏角较小，将轮胎模型简化成线性轮胎模型，因此并不适用于冰雪道路工况下的避撞控制。而在汽车稳定性控制领域，国内外已有很多学者根据当前汽车状态对轮胎模型进行连续线性化处理，设计基于线性时变MPC的汽车稳定性控制器并取得了很好的控制效果。但是，这种线性化方法在预测时域内并没有考虑轮胎力的非线性变化，当汽车处于动力学极限附近时，这种线性化方式将变得不那么精确。而国外在避撞控制控制方面有一些学者开始考虑预测时域内轮胎力的变化对避撞控制效果的影响。论文[Funke J,Brown M,Erlien S M,Gerdes J C.CollisionAvoidance and Stabilization for Autonomous Vehicles in Emergency Scenarios[J].IEEE Transactions on Control Systems Technology,2017,25(4):1204-1216.]在研究自动驾驶汽车紧急避撞控制时，利用上一时刻求解的轮胎侧偏角序列对当前预测时域内的轮胎力进行连续线性化处理，设计了在预测时域内考虑轮胎力变化的紧急避撞控制器，在实车上进行了多种驾驶场景的避撞实验，获得了很好的控制效果。但是上述方法要求控制时域与预测时域长度一致，较长的控制时域极大地加重了求解器的计算负担。而且，这些研究只通过转向进行避撞控制，在冰雪道路工况下的控制性能有限。
发明内容：
为解决冰雪道路工况下自动驾驶汽车紧急避撞时传统控制方法因轮胎力表达不精确导致避撞失败的问题，本发明提供一种适用于冰雪道路工况的转向制动联合避撞控制方法。首先，基于非线性轮胎模型求解的轮胎状态刚度对非线性轮胎力进行线性化处理，然后，基于避撞路径信息提出轮胎状态刚度预测方法，并利用预测的轮胎状态刚度实现预测时域内轮胎力的预测和线性化，最后设计转向制动联合的MPC避撞控制器，实现冰雪道路工况的车辆避撞控制。
本发明解决技术问题所采取的技术方案如下：
一种适用于冰雪道路工况的转向制动联合避撞控制方法，其特征在于，该方法包括避撞路径规划模块、轮胎模型线性化模块、MPC控制器和CarSim汽车模型；避撞路径规划模块用于计算避撞路径的参考侧向位移和横摆角；轮胎模型线性化模块用于实现预测时域内非线性轮胎力的线性近似；CarSim汽车模型用于输出汽车的实际状态量，包括汽车纵向速度、侧向速度、横摆角速度、横摆角和侧向位移；MPC控制器根据参考侧向位移、横摆角以及汽车的实际状态量，求解出汽车的前轮转角和各个车轮的制动力并输入给CarSim汽车模型，控制汽车实现避撞控制；
该方法包括以下步骤：
步骤1、设计避撞路径规划模块，确定参考侧向位移和横摆角，其表达式如下：
Figure BDA0002105709280000021
其中，X为纵向位置；L为预瞄距离；B为侧向避让距离；c为纵向避让距离的一半；a为避让曲线的倾斜程度；Yref为计算得到的参考侧向位移；
Figure BDA0002105709280000022
为计算得到的参考横摆角；
Figure BDA0002105709280000023
为参考侧向位移的变化率；
步骤2、设计轮胎模型线性化模块，实现预测时域内非线性轮胎力的线性近似，其过程包括如下子步骤：
步骤2.1、设计非线性轮胎模型，如下：
Fy＝μD sin(C atan(B·α-E(B·α-atan(B·α)))), (2)
Figure BDA0002105709280000024
其中：Fy是轮胎侧向力，μ为路面附着系数；α是轮胎侧偏角；Fz为轮胎垂直载荷；a0＝1.75；a1＝0；a2＝1000；a3＝1289；a4＝7.11；a5＝0.0053；a6＝0.1925；
步骤2.2、轮胎模型线性化方程设计，其过程包括如下子步骤：
步骤2.2.1、轮胎状态刚度定义，定义轮胎状态刚度C为每一侧偏角α下，侧向力与该侧偏角的比值，表达式如下：
Figure BDA0002105709280000031
其中，各个轮胎的侧偏角分别定义如下：
Figure BDA0002105709280000032
其中，下标fl，fr，rl，rr分别指前左、前右、后左和后右轮轮胎；δf为前轮转角；
Figure BDA0002105709280000039
为汽车侧向速度；
Figure BDA0002105709280000033
为汽车纵向速度；γ为汽车横摆角速度；lf与lr分别为汽车质心到前轴和后轴的距离；
步骤2.2.2、轮胎模型性化方程设计，将步骤2.1的式(2)得到的轮胎侧向力和步骤2.2.1的式(15)得到的轮胎侧偏角代入步骤2.2.1的式(14)可得到每个轮胎的轮胎状态刚度，基于得到的轮胎状态刚度，各个轮胎的侧向力可线性化表示为：
Fy,ij＝Cij·αij (16)
其中，下标ij＝fl，fr，rl，rr；
步骤2.3、预测时域内轮胎状态刚度预测和轮胎模型线性化，其过程包括如下子步骤：
步骤2.3.1、建立汽车运动学模型，其表达式如下：
Figure BDA0002105709280000034
其中，Fy,f＝Fy,fl+Fy,fr，为前左、前右轮轮胎侧向力之和，表示汽车的前轴侧向力；Fy,r＝Fy,rl+Fy,rr，为后左、后右轮轮胎侧向力之和，表示汽车的后轴侧向力；Iz为绕汽车质心铅垂轴的横摆转动惯量；
Figure BDA0002105709280000038
为汽车横摆角加速度；
Figure BDA0002105709280000036
Figure BDA0002105709280000037
Fb,fr，Fb,rl和Fb,rr分别为前左、前右、后左和后右轮的制动力；w为汽车左右轮距；m为汽车质量；
Figure BDA0002105709280000041
为汽车侧向加速度；
Figure BDA0002105709280000042
为汽车在大地坐标系中的横摆角变化率；
Figure BDA0002105709280000043
为汽车在大地坐标系中侧向位移的变化率；
Figure BDA0002105709280000044
为汽车在大地坐标系中的横摆角；
步骤2.3.2、预测时域内轮胎状态刚度预测，将步骤1得到的参考侧向位移Yref和横摆角
Figure BDA0002105709280000045
代入步骤2.3.1中的汽车运动学模型，可以推导出预测的轮胎状态刚度的表达式：
Figure BDA0002105709280000046
其中，Cf,pre为预测的前轴的轮胎状态刚度；Cr,pre为预测的后轴的轮胎状态刚度；
Figure BDA0002105709280000047
参考横摆角的二阶导；
Figure BDA0002105709280000048
为参考侧向位移的二阶导；
Figure BDA0002105709280000049
为参考侧向位移的一阶导；
Figure BDA00021057092800000410
和κμ,F为补偿附着系数影响的调节因子；ε是避免分母为零的极小数；
由于轮胎力附着极限的影响，轮胎状态刚度应满足约束：
Figure BDA00021057092800000411
其中，下标i＝f，r分别指前后轴；
在当前时刻向前取P个参考路径数据，即可得到未来预测时域内的轮胎状态刚度：
Figure BDA00021057092800000412
其中，上标k表示当前时刻；上标k+n表示未来第n时刻，n＝0,1,…P；函数f(·)表示式(18)；
预测的轮胎状态刚度变化量可以表示为：
Figure BDA00021057092800000413
最终可以得到预测时域内的轮胎状态刚度：
Figure BDA00021057092800000414
其中，
Figure BDA00021057092800000415
表示当前时刻的轮胎状态刚度，由步骤2.2.1中的式(14)计算得到；
步骤2.3.3、预测时域内的轮胎模型线性化，将步骤2.3.2的式(22)代入步骤2.2.2的式(16)可得到预测时域内的轮胎侧向力的线性化表达式：
Figure BDA0002105709280000051
步骤3、设计MPC控制器，其过程包括如下子步骤：
步骤3.1、建立预测模型，将步骤2.3.3的式(23)代入步骤2.3.1的汽车动力学模型式(17)，可以得到MPC控制器的预测模型：
Figure BDA0002105709280000052
将式(24)写成标准状态空间方程的形式，并以步长Ts进行离散化，得到增量式的离散预测模型模型如下：
Figure BDA0002105709280000053
其中，控制输入u＝[δf,Fb,fl,Fb,fr,Fb,rf,Fb,rr]T；状态变量
Figure BDA0002105709280000054
预测输出ζ为横摆角和侧向位移，即
Figure BDA0002105709280000055
Figure BDA0002105709280000056
Figure BDA0002105709280000061
步骤3.2、计算预测输出，根据模型预测控制理论，取预测时域为P，控制时域为M，可以得到在当前k时刻的预测输出为：
ζ(k+1|k)＝Sξ·Δξ(k)+I·ζ(k)+SuΔU(k) (26)
其中，
Figure BDA0002105709280000062
Figure BDA0002105709280000063
预测输出矩阵ζ(k+1|k)＝[ζ(k+1|k),…,ζ(k+P|k)]T；控制输入增量矩阵ΔU(k)＝[Δu(k),…,Δu(k+M-1)]T；同时根据式(1)得到参考输出矩阵R(k+1)＝[rref(k+1),…,rref(k+P)]T其中，
Figure BDA0002105709280000064
步骤3.3、设计优化目标及约束条件，其过程包括如下子步骤：
步骤3.3.1、用参考的侧向位移和横摆角与汽车实际侧向位移和横摆角偏差的二范数作为避撞跟踪性能指标，其表达式如下：
Figure BDA0002105709280000065
其中：τy和
Figure BDA0002105709280000066
分别是对侧向位移和横摆角跟踪性能的加权因子；
步骤3.3.2、用控制量变化量的二范数作为转向、制动平滑指标，其表达式如下：
Figure BDA0002105709280000067
其中：τδ是对转角输入变化量的加权因子；
Figure BDA0002105709280000068
对各个车辆制动力输入变化量的加权因子；
步骤3.3.3、设置执行器物理约束，满足执行器要求：
利用线性不等式限制控制量及其变化量的上下限，得到执行器的物理约束，其数学表达式为：
Figure BDA0002105709280000071
步骤3.3.4、设置控制输出约束，满足道路环境要求：
Figure BDA0002105709280000072
步骤3.4、求解系统控制输入，其过程包括如下子步骤：
步骤3.4.1、利用线性加权法将步骤3.3.1所述避撞跟踪性能指标和步骤3.3.2所述转向、制动平滑指标化为单一指标，构建多目标优化控制问题：
Figure BDA0002105709280000073
服从于
i)预测模型式(25)
ii)约束条件式(29)～(30)
步骤3.4.2、在控制器中，采用二次规划算法，求解多目标优化控制问题(31)，得到最优开环控制序列Δu为：
Figure BDA0002105709280000074
选取当前时刻最优开环控制序列中的第一组元素进行反馈，与前一时刻进行线性叠加后得到前轮转角δf和各个车轮的制动力Fb,ij，输入给CarSim汽车模型，实现汽车的避撞控制。
本发明的有益效果是：本方法通过参考路径信息预测出预测时域内的轮胎状态刚度，实现预测时域内轮胎力的预测和线性化，能够有效解决冰雪道路工况下自动驾驶汽车紧急避撞时传统方法因轮胎力表达不精确导致的避撞失败问题，通过转向制动联合控制能够明显改善冰雪道路工况下的避撞控制效果，而且有助于降低求解器的计算负担。
附图说明
图1是本发明的控制系统结构示意图。
图2是规划出的避撞路径示意图
图3是轮胎状态刚度示意图。
图4是汽车运动学模型示意图。
图5是预测时域内轮胎模型线性化示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
图1是本发明一种适用于冰雪道路工况的转向制动联合避撞控制方法的系统结构示意图，该系统主要包括避撞路径规划模块1、轮胎模型线性化模块2、MPC控制器3和CarSim汽车模型4；避撞路径规划模块1用于计算避撞路径的参考侧向位移和横摆角；轮胎模型线性化模块2用于实现预测时域内非线性轮胎力的线性近似；CarSim汽车模型4用于输出汽车的实际状态量，包括汽车纵向速度、侧向速度、横摆角速度、横摆角和侧向位移；MPC控制器3根据参考侧向位移、横摆角以及汽车的实际状态量，求解出汽车的前轮转角和各个车轮的制动力并输入给CarSim汽车模型4，控制汽车实现避撞控制；
下面以CarSim汽车仿真软件某车型为平台，具体说明本发明的方法，其主要参数如表1所示：
表1 CarSim汽车的主要参数
Figure BDA0002105709280000081
避撞路径规划模块1的设计，用于确定参考侧向位移和横摆角，如图2所示，其表达式如下：
Figure BDA0002105709280000091
其中，X为纵向位置；L为预瞄距离；B为侧向避让距离；c为纵向避让距离的一半；a为避让曲线的倾斜程度；Yref为计算得到的参考侧向位移；
Figure BDA0002105709280000092
为计算得到的参考横摆角；
Figure BDA0002105709280000093
为参考侧向位移的变化率；
设计轮胎模型线性化模块2的设计包括三部分：2.1设计非线性轮胎模型；2.2轮胎模型线性化方程设计；2.3预测时域内轮胎状态刚度预测和轮胎模型线性化；
在2.1部分中，设计非线性轮胎模型如下：
Fy＝μD sin(C atan(B·α-E(B·α-atan(B·α)))), (2)
Figure BDA0002105709280000094
其中：Fy是轮胎侧向力，μ为路面附着系数；α是轮胎侧偏角；Fz为轮胎垂直载荷；a0＝1.75；a1＝0；a2＝1000；a3＝1289；a4＝7.11；a5＝0.0053；a6＝0.1925；
在2.2部分中，在前时刻对轮胎模型进行线性化，包括两部分：2.2.1轮胎状态刚度定义；2.2.2轮胎模型性化方程设计；
在2.2.1部分中，定义轮胎状态刚度C为每一侧偏角α下，侧向力与该侧偏角的比值，如图3，表达式如下：
Figure BDA0002105709280000095
其中，各个轮胎的侧偏角分别定义如下：
Figure BDA0002105709280000096
其中，下标fl，fr，rl，rr分别指前左、前右、后左和后右轮轮胎；δf为前轮转角；
Figure BDA0002105709280000101
为汽车侧向速度；
Figure BDA0002105709280000102
为汽车纵向速度；γ为汽车横摆角速度；lf与lr分别为汽车质心到前轴和后轴的距离；
在2.2.2部分中，设计轮胎模型线性化方程，将式(2)得到的轮胎侧向力和式(15)得到的轮胎侧偏角代入式(14)可得到每个轮胎的轮胎状态刚度，基于得到的轮胎状态刚度，各个轮胎的侧向力可线性化表示为：
Fy,ij＝Cij·αij (16)
其中，下标ij＝fl，fr，rl，rr；
在2.3部分中，预测时域内轮胎状态刚度预测和轮胎模型线性化包括三部分：2.3.1建立汽车运动学模型；2.3.2预测时域内轮胎状态刚度预测；2.3.3预测时域内的轮胎模型线性化；
在2.3.1部分中，建立汽车运动学模型，如图4，其表达式如下：
Figure BDA0002105709280000103
图中，XOY坐标系为大地坐标系；
Figure BDA0002105709280000104
为汽车侧向速度；
Figure BDA0002105709280000105
为汽车纵向速度；γ为汽车横摆角速度；Fy,fl，Fy,fr，Fy,rl和Fy,rr分别为前左、前右、后左和后右轮的侧向力；Fb,fl，Fb,fr，Fb,rl和Fb,rr分别为前左、前右、后左和后右轮的制动力；w为汽车左右轮距；
式中，，Fy,f＝Fy,fl+Fy,fr，为前左、前右轮轮胎侧向力之和，表示汽车的前轴侧向力；Fy,r＝Fy,rl+Fy,rr，为后左、后右轮轮胎侧向力之和，表示汽车的后轴侧向力；
Figure BDA0002105709280000106
Iz为横摆转动惯量；
Figure BDA0002105709280000107
为汽车横摆角加速度；m为汽车质量；
Figure BDA0002105709280000108
为汽车侧向加速度；
Figure BDA0002105709280000109
为汽车在大地坐标系中的横摆角变化率；
Figure BDA00021057092800001010
为汽车在大地坐标系中侧向位移的变化率；
Figure BDA00021057092800001011
为汽车在大地坐标系中的横摆角；
在2.3.2部分中，对预测时域内的轮胎状态刚度进行预测，将式(1)得到的参考侧向位移Yref和横摆角
Figure BDA00021057092800001012
代入式(17)的汽车运动学模型，可以推导出预测的轮胎状态刚度的表达式：
Figure BDA0002105709280000111
其中，Cf,pre为预测的前轴的轮胎状态刚度；Cr,pre为预测的后轴的轮胎状态刚度；
Figure BDA0002105709280000112
参考横摆角的二阶导；
Figure BDA0002105709280000113
为参考侧向位移的二阶导；
Figure BDA0002105709280000114
为参考侧向位移的一阶导；
Figure BDA00021057092800001111
和κμ,F为补偿附着系数影响的调节因子；ε是避免分母为零的极小数；
由于轮胎力附着极限的影响，轮胎状态刚度应满足约束：
Figure BDA0002105709280000115
其中，下标i＝f，r分别指前后轴；
在当前时刻向前取P个参考路径数据，即可得到未来预测时域内的轮胎状态刚度：
Figure BDA0002105709280000116
其中，上标k表示当前时刻；上标k+n表示未来第n时刻，n＝0,1,…P；函数f(·)表示式(18)；
预测的轮胎状态刚度变化量可以表示为：
Figure BDA0002105709280000117
最终可以得到预测时域内的轮胎状态刚度：
Figure BDA0002105709280000118
其中，
Figure BDA0002105709280000119
表示当前时刻的轮胎状态刚度，由式(14)计算得到；
在2.3.3部分中，对预测时域内的轮胎模型线进行性化，如图5，将式(22)代入式(16)可得到预测时域内的轮胎侧向力的线性化表达式：
Figure BDA00021057092800001110
MPC控制器3的设计包括四部分：3.1建立预测模型；3.2计算预测输出；3.3设计优化目标及约束条件；3.4求解系统控制输入；
在3.1部分中，建立预测模型，将式(23)代入式(17)，可以得到MPC控制器的预测模型：
Figure BDA0002105709280000121
将式(24)写成标准状态空间方程的形式，并以步长Ts进行离散化，得到增量式的离散预测模型模型如下：
Figure BDA0002105709280000122
其中，控制输入u＝[δf,Fb,fl,Fb,fr,Fb,rf,Fb,rr]T；状态变量
Figure BDA0002105709280000123
预测输出ζ为横摆角和侧向位移，即
Figure BDA0002105709280000124
Figure BDA0002105709280000125
Figure BDA0002105709280000126
在3.2部分中，计算预测输出，根据模型预测控制理论，取预测时域为P，控制时域为M，可以得到在当前k时刻的预测输出为：
ζ(k+1|k)＝Sξ·Δξ(k)+I·ζ(k)+SuΔU(k) (26)
其中，
Figure BDA0002105709280000131
Figure BDA0002105709280000132
预测输出矩阵ζ(k+1|k)＝[ζ(k+1|k),…,ζ(k+P|k)]T；控制输入增量矩阵ΔU(k)＝[Δu(k),…,Δu(k+M-1)]T；同时根据式(1)得到参考输出矩阵R(k+1)＝[rref(k+1),…,rref(k+P)]T其中，
Figure BDA0002105709280000133
在3.3部分中，优化目标及约束条件的设计包括三部分：3.3.1设计避撞跟踪性能指标；3.3.2设计转向、制动平滑指标；3.3.3设置执行器物理约束；3.3.4设置控制输出约束；
在3.3.1部分中，用参考的侧向位移和横摆角与汽车实际侧向位移和横摆角偏差的二范数作为避撞跟踪性能指标，其表达式如下：
Figure BDA0002105709280000134
其中：τy和
Figure BDA0002105709280000135
分别是对侧向位移和横摆角跟踪性能的加权因子；
在3.3.2部分中，用控制量变化量的二范数作为转向、制动平滑指标，其表达式如下：
Figure BDA0002105709280000136
其中：τδ是对转角输入变化量的加权因子；
Figure BDA0002105709280000137
对各个车辆制动力输入变化量的加权因子；
在3.3.3部分中，设置执行器物理约束，利用线性不等式限制控制量及其变化量的上下限，得到执行器的物理约束，其数学表达式为：
Figure BDA0002105709280000138
在3.3.4部分中，设置控制输出约束，满足道路环境要求：
Figure BDA0002105709280000141
在3.4部分中，系统控制输入的求解包括两部分：3.4.1构建多目标优化控制问题；3.4.2求解多目标优化控制问题；
在3.4.1部分中，利用线性加权法将式(27)的跟踪性能指标和式(28)的为转向、制动平滑指标转化为单一指标，构建多目标优化控制问题：
Figure BDA0002105709280000142
服从于
i)预测模型式(25)
ii)约束条件式(29)～(30)
在3.4.2部分中，采用二次规划算法，求解多目标优化控制问题(31)，得到最优开环控制序列Δu为：
Figure BDA0002105709280000143
选取当前时刻最优开环控制序列中的第一组元素进行反馈，与前一时刻进行线性叠加后得到前轮转角δf和各个车轮的制动力Fb,ij，输入给CarSim汽车模型4，实现汽车的避撞控制。

Claims (1)

1.一种适用于冰雪道路工况的转向制动联合避撞控制方法，其特征在于，该方法包括避撞路径规划模块、轮胎模型线性化模块、MPC控制器和CarSim汽车模型；避撞路径规划模块用于计算避撞路径的参考侧向位移和横摆角；轮胎模型线性化模块用于实现预测时域内非线性轮胎力的线性近似；CarSim汽车模型用于输出汽车的实际状态量，包括汽车纵向速度、侧向速度、横摆角速度、横摆角和侧向位移；MPC控制器根据参考侧向位移、横摆角以及汽车的实际状态量，求解出汽车的前轮转角和各个车轮的制动力并输入给CarSim汽车模型，控制汽车实现避撞控制；
该方法包括以下步骤：
步骤1、设计避撞路径规划模块，确定参考侧向位移和横摆角，其表达式如下：
Figure FDA0002599670380000011
其中，X为纵向位置；L为预瞄距离；B为侧向避让距离；c为纵向避让距离的一半；a为避让曲线的倾斜程度；Yref为计算得到的参考侧向位移；
Figure FDA0002599670380000012
为计算得到的参考横摆角；
Figure FDA0002599670380000013
为参考侧向位移的变化率；
步骤2、设计轮胎模型线性化模块，实现预测时域内非线性轮胎力的线性近似，其过程包括如下子步骤：
步骤2.1、设计非线性轮胎模型，得到轮胎侧向力Fy的表达式：
Fy＝μDsin(Catan(B·α-E(B·α-atan(B·α)))), (2)
Figure FDA0002599670380000014
其中：Fy是轮胎侧向力；μ为路面附着系数；α是轮胎侧偏角；Fz为轮胎垂直载荷；a0＝1.75；a1＝0；a2＝1000；a3＝1289；a4＝7.11；a5＝0.0053；a6＝0.1925；
步骤2.2、轮胎模型线性化方程设计，其过程包括如下子步骤：
步骤2.2.1、轮胎状态刚度定义，定义轮胎状态刚度C为每一侧偏角α下，侧向力与该侧偏角的比值，表达式如下：
Figure FDA0002599670380000015
其中，各个轮胎的侧偏角分别定义如下：
Figure FDA0002599670380000021
其中，下标fl，fr，rl，rr分别指前左、前右、后左和后右轮轮胎；δf为前轮转角；
Figure FDA0002599670380000022
为汽车侧向速度；
Figure FDA0002599670380000023
为汽车纵向速度；γ为汽车横摆角速度；lf与lr分别为汽车质心到前轴和后轴的距离；
步骤2.2.2、轮胎模型性化方程设计，将步骤2.1的式(2)得到的轮胎侧向力和步骤2.2.1的式(15)得到的轮胎侧偏角代入步骤2.2.1的式(14)可得到每个轮胎的轮胎状态刚度，基于得到的轮胎状态刚度，各个轮胎的侧向力可线性化表示为：
Fy,ij＝Cij·αij (16)
其中，下标ij＝fl，fr，rl，rr；
步骤2.3、预测时域内轮胎状态刚度预测和轮胎模型线性化，其过程包括如下子步骤：
步骤2.3.1、建立汽车运动学模型，其表达式如下：
Figure FDA0002599670380000024
其中，Fy,f＝Fy,fl+Fy,fr，为前左、前右轮轮胎侧向力之和，表示汽车的前轴侧向力；Fy,r＝Fy,rl+Fy,rr，为后左、后右轮轮胎侧向力之和，表示汽车的后轴侧向力；Iz为绕汽车质心铅垂轴的横摆转动惯量；
Figure FDA0002599670380000025
为汽车横摆角加速度；
Figure FDA0002599670380000026
Fb,fl，Fb,fr，Fb,rl和Fb,rr分别为前左、前右、后左和后右轮的制动力；w为汽车左右轮距；m为汽车质量；
Figure FDA0002599670380000027
为汽车侧向加速度；
Figure FDA0002599670380000028
为汽车在大地坐标系中的横摆角变化率；
Figure FDA0002599670380000029
为汽车在大地坐标系中侧向位移的变化率；
Figure FDA00025996703800000210
为汽车在大地坐标系中的横摆角；
步骤2.3.2、预测时域内轮胎状态刚度预测，将步骤1得到的参考侧向位移Yref和横摆角
Figure FDA00025996703800000211
代入步骤2.3.1中的汽车运动学模型，可以推导出预测的轮胎状态刚度的表达式：
Figure FDA0002599670380000031
其中，Cf,pre为预测的前轴的轮胎状态刚度；Cr,pre为预测的后轴的轮胎状态刚度；
Figure FDA0002599670380000032
参考横摆角的二阶导；
Figure FDA0002599670380000033
为参考侧向位移的二阶导；
Figure FDA0002599670380000034
为参考侧向位移的一阶导；
Figure FDA0002599670380000035
和κμ,F为补偿附着系数影响的调节因子；ε是避免分母为零的极小数；
由于轮胎力附着极限的影响，轮胎状态刚度应满足约束：
Figure FDA0002599670380000036
其中，下标i＝f，r分别指前后轴；μ为路面附着系数；Fz为轮胎垂直载荷；
在当前时刻向前取P个参考路径数据，即可得到未来预测时域内的轮胎状态刚度：
Figure FDA0002599670380000037
其中，上标k表示当前时刻；上标k+n表示未来第n时刻，n＝0,1,…P；其中，
Figure FDA0002599670380000038
表示式(18)；
预测的轮胎状态刚度变化量可以表示为：
Figure FDA0002599670380000039
最终可以得到预测时域内的轮胎状态刚度：
Figure FDA00025996703800000310
其中，
Figure FDA00025996703800000311
表示当前时刻的轮胎状态刚度，由步骤2.2.1中的式(14)计算得到；
步骤2.3.3、预测时域内的轮胎模型线性化，将步骤2.3.2的式(22)代入步骤2.2.2的式(16)可得到预测时域内的轮胎侧向力的线性化表达式：
Figure FDA00025996703800000312
步骤3、设计MPC控制器，其过程包括如下子步骤：
步骤3.1、建立预测模型，将步骤2.3.3的式(23)代入步骤2.3.1的汽车动力学模型式(17)，可以得到MPC控制器的预测模型：
Figure FDA0002599670380000041
将式(24)写成标准状态空间方程的形式，并以步长Ts进行离散化，得到增量式的离散预测模型模型如下：
Figure FDA0002599670380000042
其中，控制输入u＝[δf,Fb,fl,Fb,fr,Fb,rf,Fb,rr]T；状态变量
Figure FDA0002599670380000043
预测输出ζ为横摆角和侧向位移，即
Figure FDA0002599670380000044
Figure FDA0002599670380000045
Figure FDA0002599670380000046
步骤3.2、计算预测输出，根据模型预测控制理论，取预测时域为P，控制时域为M，可以得到在当前k时刻的预测输出为：
ζ(k+1|k)＝Sξ·Δξ(k)+I·ζ(k)+SuΔU(k) (26)
其中，
Figure FDA0002599670380000051
Figure FDA0002599670380000052
预测输出矩阵ζ(k+1|k)＝[ζ(k+1|k),…,ζ(k+P|k)]T；控制输入增量矩阵ΔU(k)＝[Δu(k),…,Δu(k+M-1)]T；同时根据式(1)得到参考输出矩阵R(k+1)＝[rref(k+1),…,rref(k+P)]T其中，
Figure FDA0002599670380000053
步骤3.3、设计优化目标及约束条件，其过程包括如下子步骤：
步骤3.3.1、用参考的侧向位移和横摆角与汽车实际侧向位移和横摆角的偏差的二范数作为避撞跟踪性能指标，其表达式如下：
Figure FDA0002599670380000054
其中：τy和
Figure FDA0002599670380000055
分别是对侧向位移和横摆角跟踪性能的加权因子；
步骤3.3.2、用控制量变化量的二范数作为转向、制动平滑指标，其表达式如下：
Figure FDA0002599670380000056
其中：τδ是对转角输入变化量的加权因子；
Figure FDA0002599670380000057
对各个车辆制动力输入变化量的加权因子；
步骤3.3.3、设置执行器物理约束，满足执行器要求：
利用线性不等式限制控制量及其变化量的上下限，得到执行器的物理约束，其数学表达式为：
Figure FDA0002599670380000058
步骤3.3.4、设置控制输出约束，满足道路环境要求：
Figure FDA0002599670380000061
步骤3.4、求解系统控制输入，其过程包括如下子步骤：
步骤3.4.1、利用线性加权法将步骤3.3.1所述避撞跟踪性能指标和步骤3.3.2所述转向、制动平滑指标化为单一指标，构建多目标优化控制问题：
Figure FDA0002599670380000062
服从于
i)预测模型式(25)
ii)约束条件式(29)～(30)
步骤3.4.2、在控制器中，采用二次规划算法，求解多目标优化控制问题(31)，得到最优开环控制序列Δu为：
Figure FDA0002599670380000063
选取当前时刻最优开环控制序列中的第一组元素进行反馈，与前一时刻进行线性叠加后得到前轮转角δf和各个车轮的制动力Fb,ij，输入给CarSim汽车模型，实现汽车的避撞控制。
CN201910551940.2A 2019-06-25 2019-06-25 一种适用于冰雪道路工况的转向制动联合避撞控制方法 Expired - Fee Related CN110217227B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910551940.2A CN110217227B (zh) 2019-06-25 2019-06-25 一种适用于冰雪道路工况的转向制动联合避撞控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910551940.2A CN110217227B (zh) 2019-06-25 2019-06-25 一种适用于冰雪道路工况的转向制动联合避撞控制方法

Publications (2)

Publication Number Publication Date
CN110217227A CN110217227A (zh) 2019-09-10
CN110217227B true CN110217227B (zh) 2020-09-18

Family

ID=67814697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910551940.2A Expired - Fee Related CN110217227B (zh) 2019-06-25 2019-06-25 一种适用于冰雪道路工况的转向制动联合避撞控制方法

Country Status (1)

Country Link
CN (1) CN110217227B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111873990A (zh) * 2020-07-15 2020-11-03 哈尔滨理工大学 一种适用于高速紧急工况的换道避撞装置及其方法
CN111959527B (zh) * 2020-08-07 2023-09-05 长春工业大学 一种基于转角优化序列的汽车路径跟踪控制方法
CN113581201B (zh) * 2021-07-22 2022-11-04 重庆邮电大学 一种基于势场模型的无人汽车避撞控制方法及系统
CN113954873B (zh) * 2021-11-01 2023-04-25 北京科技大学 一种基于降维模型的转向和制动一体化路径跟踪控制方法
WO2024059988A1 (zh) * 2022-09-20 2024-03-28 华为技术有限公司 一种车辆控制方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2942251A1 (en) * 2014-05-08 2015-11-11 Volvo Car Corporation Method for providing an object prediction representation
CN106564495A (zh) * 2016-10-19 2017-04-19 江苏大学 融合空间和动力学特性的智能车辆安全驾驶包络重构方法
CN109050658A (zh) * 2018-07-06 2018-12-21 长春工业大学 基于模型预测控制的汽车主动前轮转向自适应调节方法
CN109597308A (zh) * 2019-01-15 2019-04-09 天津大学 基于动力学模型的无人驾驶汽车模型预测控制器设计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8285447B2 (en) * 2007-03-20 2012-10-09 Enpulz, L.L.C. Look ahead vehicle suspension system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2942251A1 (en) * 2014-05-08 2015-11-11 Volvo Car Corporation Method for providing an object prediction representation
CN106564495A (zh) * 2016-10-19 2017-04-19 江苏大学 融合空间和动力学特性的智能车辆安全驾驶包络重构方法
CN109050658A (zh) * 2018-07-06 2018-12-21 长春工业大学 基于模型预测控制的汽车主动前轮转向自适应调节方法
CN109597308A (zh) * 2019-01-15 2019-04-09 天津大学 基于动力学模型的无人驾驶汽车模型预测控制器设计方法

Also Published As

Publication number Publication date
CN110217227A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN110217227B (zh) 一种适用于冰雪道路工况的转向制动联合避撞控制方法
CN110217229B (zh) 一种适用于高速极限工况的路径跟踪控制方法
CN111258323B (zh) 一种智能车辆轨迹规划与跟踪的联合控制方法
CN111959527B (zh) 一种基于转角优化序列的汽车路径跟踪控制方法
CN107415939B (zh) 一种分布式驱动电动汽车转向稳定性控制方法
CN110356404B (zh) 一种具有自主换道功能并提高侧向安全性的智能驾驶系统
CN112092815B (zh) 一种基于模型预测的车辆换道轨迹跟踪控制方法
CN112622903B (zh) 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法
CN111497826A (zh) 一种电动汽车横摆稳定性协调控制方法及系统
CN111824146A (zh) 一种路径跟随模型预测控制方法、系统、装置及存储介质
CN112572410B (zh) 一种基于稳定状态预测的汽车侧向稳定性提升方法
CN113276848A (zh) 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统
CN112141101A (zh) 一种基于cnn和lstm的预瞄安全路径的方法及系统
CN113581201B (zh) 一种基于势场模型的无人汽车避撞控制方法及系统
CN112578672A (zh) 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法
CN114942642A (zh) 一种无人驾驶汽车轨迹规划方法
CN113433942B (zh) 一种基于最优航向角的长轴车辆路径跟踪控制方法
CN113341994B (zh) 一种基于分段仿射系统最优控制的智能汽车路径跟踪控制方法
CN112829766B (zh) 一种基于分布式驱动电动车辆的自适应路径跟踪方法
CN111413979B (zh) 一种基于快速模型预测的汽车轨迹跟踪控制方法
CN115817509A (zh) 一种基于ampc的多轴分布式驱动车辆转向辅助轨迹跟踪方法
Xu et al. Linear time-varying MPC vehicle trajectory tracking controller considering driving road surface factors
CN115675459A (zh) 一种智能车辆及其路径跟踪的控制方法、装置和存储介质
CN115431975A (zh) 一种智能网联拖挂货车编队控制方法
CN114834263A (zh) 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200918

Termination date: 20210625

CF01 Termination of patent right due to non-payment of annual fee