CN110471277B - 基于输出反馈增益规划的智能商用车自动循迹控制方法 - Google Patents

基于输出反馈增益规划的智能商用车自动循迹控制方法 Download PDF

Info

Publication number
CN110471277B
CN110471277B CN201910659851.XA CN201910659851A CN110471277B CN 110471277 B CN110471277 B CN 110471277B CN 201910659851 A CN201910659851 A CN 201910659851A CN 110471277 B CN110471277 B CN 110471277B
Authority
CN
China
Prior art keywords
commercial vehicle
automatic tracking
control
vehicle
matrix
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.)
Active
Application number
CN201910659851.XA
Other languages
English (en)
Other versions
CN110471277A (zh
Inventor
季学武
刘玉龙
杨恺明
刘亚辉
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201910659851.XA priority Critical patent/CN110471277B/zh
Publication of CN110471277A publication Critical patent/CN110471277A/zh
Application granted granted Critical
Publication of CN110471277B publication Critical patent/CN110471277B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于输出反馈增益规划的智能商用车自动循迹控制方法,包括以下步骤:得到车辆在当前时刻相对于参考点的侧向位置偏差和航向角偏差;将车辆侧向位置偏差和航向角偏差作为循迹状态增广到商用车辆动力学模型中,得到自动循迹系统状态方程。基于循迹系统各控制目标加权函数的设计,得到广义商用车辆自动循迹模型;将商用车辆横向运动控制主要影响因素车速作为模型时变参数,基于输出反馈增益规划控制律,提出根据时变车速自适应调度控制器增益的横向循迹控制策略;求解步骤四所述横向循迹控制策略的最终解,进而实现智能商用车辆横向自动循迹控制。本发明采用增益规划的方式,在保证系统鲁棒稳定的前提下提升了智能商用车循迹的精度。

Description

基于输出反馈增益规划的智能商用车自动循迹控制方法
技术领域
本发明属于智能车辆自动循迹控制领域,尤其涉及一种基于输出反馈增益规划的智能商用车自动循迹控制方法。
背景技术
车辆动力学智能控制是实现车辆智能化的重要组成部分,横向自动循迹控制是智能控制的关键技术,控制策略能够根据外部环境信息和车辆状态,在没有驾驶员参与的情况下,完成期望目标路径的自动跟随任务。
目前已有的专利大多针对乘用车采用传统PID控制算法或基于状态反馈的现代控制方法,设计车辆横向自动循迹控制策略。然而,一方面,相比于乘用车,商用车横向自动循迹动力学行为更为复杂,如动力学模型阶数更高、横向转向响应延迟更大、车速和轮胎侧偏等非线性特征更为明显、系统模型参数不确定及所受外界扰动更为突出等;另一方面,传统PID控制策略的工程适用性虽然较强,但需要反复调试参数才能得到满意控制效果,同时传统PID控制由于仅能保证闭环系统具有一定的稳定裕度,当系统参数变化范围或所受外界扰动较大时,很难保证较好的控制效果;此外,受到传感器价格成本和系统未知状态估计精度等的限制,一般很难准确得知系统所有状态,因此,基于状态反馈的车辆横向自动循迹控制策略在实际应用中也会遇到较大瓶颈。
综合考虑商用车智能化需求的急迫性以及现有横向自动循迹控制策略的不足,迫切需要根据智能商用车横向自动循迹系统的特有控制特性,提出一种新的考虑模型参数时变和外界扰动不确定的基于输出反馈原则的横向循迹控制策略。因此,研究基于输出反馈增益规划的智能商用车横向自动循迹控制方法具有重要的理论和现实意义。
发明内容
本发明针对现有技术存在的问题,提出一种基于输出反馈增益规划的智能商用车自动循迹控制方法,目的在于解决现有技术当系统参数变化范围或所受外界扰动较大时,很难保证较好的控制效果的问题。
本发明为解决其技术问题提出以下技术方案:
一种基于输出反馈增益规划的智能商用车自动循迹控制方法,其特点是:包括以下步骤:
步骤一、根据外部环境信息和车辆自身定位信息得到车辆在当前时刻相对于参考点的侧向位置偏差和航向角偏差;
步骤二、将车辆侧向位置偏差和航向角偏差作为循迹状态增广到商用车辆动力学模型中,得到自动循迹系统状态方程;
步骤三、基于循迹系统各控制目标加权函数的设计,得到广义商用车辆自动循迹模型;
步骤四、针对该广义自动循迹模型,将商用车辆横向运动控制主要影响因素车速作为模型时变参数,基于输出反馈增益规划控制律,提出能够根据时变车速自适应调度控制器增益的横向循迹控制策略;
步骤五、求解步骤四所述横向循迹控制策略的最终解:通过求解一组具有线性矩阵不等式约束的线性目标函数优化问题,得到自动循迹控制策略重构系数矩阵,结合时变增益调度系数最终得出自动循迹控制策略,即目标期望前轮转角控制律,进而实现智能商用车辆横向自动循迹控制。
所述步骤二的商用车辆动力学模型为:
Figure GDA0002441321790000031
Figure GDA0002441321790000032
是商用车辆动力学模型状态,
Figure GDA0002441321790000033
是商用车动力学模型状态矩阵,
Figure GDA0002441321790000034
是商用车动力学模型输入矩阵,u是商用车动力学模型控制输入。
所述步骤二的自动循迹系统状态方程为:
Figure GDA0002441321790000035
Figure GDA0002441321790000036
是商用车自动循迹系统状态,
Figure GDA0002441321790000037
是商用车自动循迹系统状态矩阵,
Figure GDA0002441321790000038
是商用车自动循迹系统控制输入矩阵,u是商用车自动循迹系统控制输入,
Figure GDA0002441321790000039
商用车自动循迹系统扰动输入矩阵,w是商用车自动循迹系统扰动输入。
所述步骤三的控制目标加权函数为:
W1(s)W2(s)W3(s)
W1(s)是商用车自动循迹侧向位置误差加权函数,W2(s)商用车自动循迹航向角误差加权函数,W3(s)商用车自动循迹控制输入加权函数。
所述步骤三的广义商用车辆自动循迹模型为:
Figure GDA00024413217900000310
x为广义商用车辆自动循迹系统状态,A(ρ)为广义商用车辆自动循迹系统状态矩阵,B1(ρ)为广义商用车辆自动循迹系统干扰输入矩阵,w为广义商用车辆自动循迹系统干扰输入,B2(ρ)为广义商用车辆自动循迹系统控制输入矩阵,u为广义商用车辆自动循迹系统控制输入;
z为广义商用车辆自动循迹系统被控输出,C1(ρ)为广义商用车辆自动循迹系统被控输出状态矩阵,D11(ρ)为广义商用车辆自动循迹系统被控输出干扰输入矩阵,D12(ρ)为广义商用车辆自动循迹系统被控输出控制输入矩阵;
y为广义商用车辆自动循迹系统量测输出,C2(ρ)为广义商用车辆自动循迹系统量测输出状态矩阵,D21(ρ)为广义商用车辆自动循迹系统量测输出干扰输入矩阵。
所述步骤四提出能够根据时变车速自适应调度控制器增益的横向循迹控制策略,具体为:
Figure GDA0002441321790000041
K(ρ)为横向循迹控制策略,Ac(ρ)为横向循迹控制策略状态矩阵,Bc(ρ)为横向循迹控制策略控制输入矩阵,Cc(ρ)为横向循迹控制策略输出状态矩阵,Dc(ρ)为横向循迹控制策略控制输出矩阵,αi为时变增益调度系数;Aci(ρ)为多面体闭环系统顶点处横向循迹控制策略的状态矩阵,Bci(ρ)为多面体闭环系统顶点处横向循迹控制策略的控制输入矩阵,Cci(ρ)为多面体闭环系统顶点处横向循迹控制策略的输出状态矩阵,Dci(ρ)为多面体闭环系统顶点处横向循迹控制策略的控制输出矩阵,其中i=[1,2,...,r]为顶点索引;
所述时变增益调度系数既是:商用车辆横向自动循迹过程中若干时变参数的线性组合。
所述目标前轮转角控制律既是:根据商用车辆横向自动循迹过程中的量测输出,经过控制策略的综合处理,所得出的能够保证车辆自动循迹性能的前轮转角变化规律。
本发明的优点效果
1、本发明在设计车辆横向自动循迹控制策略时,针对智能商用车循迹系统,综合考虑模型参数时变特性和所受外界扰动的不确定性,采用增益规划的方式,在保证系统鲁棒稳定的前提下提升了智能商用车循迹的精度。
2、本发明拓展了LPV控制理论的应用,为智能商用车的横向自动循迹提供了一种新的控制方法。
附图说明
图1为本发明实施例的方法流程图;
图2为本发明所述控制策略仿真验证框架;
图3为车辆双移线过程中纵向车速变化曲线图;
图4为本发明智能商用车辆侧向位置跟踪效果图;
图5为本发明智能商用车辆航向角跟踪效果图;
具体实施方式
发明原理概述
1、本发明目的:本发明最终目的是通过设计控制策略并对其进行求解的方式实现车辆侧向位置偏差e1和航向角偏差e2的控制,极小化车辆的侧向位置偏差和航向角偏差。权利要求1的前三个步骤是建模的过程,也就是做准备工作,权利要求1步骤四是设计控制策略,权利要求1的步骤五是求解控制策略。
2、本发明建模的过程:第一步:将e1、e2引入动力学模型后得到自动循迹系统状态方程:车辆动力学模型顾名思义是与“力”有关的模型,因此,动力学模型只包括与力有关的行为变化规律,而不包括与环境因素有关的行为变化规律,考虑到最终目标是控制e1和e2,比如控制车辆的侧向位置偏差e1、使得车辆与道路中心线的距离达到最小,一般而言,采用给方向盘施加一定转角的方式来达到这个目的,方向盘转动方向以及转动角度的大小取决于车辆质心与道路中心线上某个点的距离,因此,控制e1,不仅要能使车辆自身行为发生变化,还能使车辆与道路之间的相对位置关系发生变化。由于动力学模型仅能表征车辆自身行为演化规律,而我们希望既包括车辆自身的变化,也包括车辆和道路之间的相对位置关系变化,因此需要将e1、e2引入动力学模型,将e1、e2引入动力学模型的能够使模型中不仅包括车辆所受力与自身运动信息,还包括道路环境与车辆自身定位信息,于是就引出了新的模型称之为自动循迹方程:
Figure GDA0002441321790000061
该方程中
Figure GDA0002441321790000062
是引入道路环境信息以及车辆自身定位信息以后的状态矩阵,
Figure GDA0002441321790000063
是引入道路环境信息以及车辆自身定位信息以后的输入矩阵,由于在给定输入时可能会遇到意外的情况,比如侧风或路面颠簸都会影响侧向偏差e1的控制,因此,在方程中引入干扰矩阵
Figure GDA0002441321790000064
第二步:对我们感兴趣频域范围内的e1、e2进行控制、建立广义商用车辆自动循迹模型。对e1和e2的控制只在我们感兴趣或者有必要控制的频域范围内进行,所采用的方法既是在频域内设计各个控制目标加权函数,其中,W1(s)用于在我们感兴趣或者有必要控制的频域范围内保证商用车自动循迹侧向位置误差控制要求;W2(s)用于在我们感兴趣或者有必要控制的频域范围内保证商用车自动循迹航向角误差控制要求;W3(s)用于在我们感兴趣或者有必要控制的频域范围内保证商用车自动循迹控制输入控制要求。将以上三个控制目标加权函数引入自动循迹方程以后组成广义商用车辆自动循迹方程。
3、采用增益规划方法设计控制策略。我们的控制目标是使得e1和e2尽可能小,但车辆运行过程中某些参数具有时变特性,比如最为典型的,车辆运行过程中,由于加减速导致车速有可能在某一范围内进行波动,本发明期望在车速时变过程中控制策略仍然能够对e1和e2实现有效的控制,本发明使用基于增益规划控制策略的商用车自动循迹控制方法就是希望所设计的控制策略能够适应各种复杂时变的情况。
基于以上发明原理,本发明设计了一种基于输出反馈增益规划的智能商用车自动循迹控制方法,如图1所示,包括以下步骤:
步骤一、根据外部环境信息和车辆自身定位信息得到车辆在当前时刻相对于参考点的侧向位置偏差和航向角偏差;
关于步骤一的补充说明:
1、侧向位置偏差:车辆行驶在不同车道上,每两条车道线有一条车道中心线,定义车辆质心离车道中心线的距离称之为侧向位置偏差,该偏差应当越小越好。
2、航向角偏差:以上侧向位置偏差是车辆的质心与车道中心线的距离,仅保证该点对点的偏差达到最小还不够,我们希望车头的行进方向与车道中心线的切线方向也应越小越好,因此还需要控制车头行进方向与车道中心线切线方向之间的夹角,定义车头行进方向与车道中心线切线的夹角为航向角偏差,该偏差应当越小越好。
3、外部环境信息和车辆自身定位信息:所述外部环境信息是指车辆周围环境的信息,如当前车道中心线的位置信息;所述车辆自身定位信息,如车辆的质心位置信息、或者车头行进方向信息。基于车辆质心位置信息(车辆自身定位信息)和道路中心线位置信息(外部环境信息),可以得到当前车辆的侧向位置偏差;基于道路中心线位置和车头行进方向,可以计算出当前车辆的航向角偏差。
4、本发明控制目标为使e1和e2极小化:用增益规划控制策略来实现侧向位置偏差e1和航向角偏差e2的极小化控制。
步骤二、将车辆侧向位置偏差和航向角偏差作为循迹状态增广到商用车辆动力学模型中,得到自动循迹系统状态方程。
关于步骤二的补充说明一:
车辆动力学模型:车辆受到各种力的作用,比如驱动力、侧向力等会使车辆产生各种运动,比如纵向运动、横向运动等。为了用一组简化的方程来抽象描述车辆所受外力与自身运动之间的关系,需要建立车辆动力学模型。具体方式为,基于基本物理定律构建车辆所受外力与运动之间的关系,提取车辆运动状态变量,构建描述车辆动力学行为的状态方程,称之为车辆动力学模型。
所述步骤二的商用车辆动力学模型为:
Figure GDA0002441321790000081
Figure GDA0002441321790000082
是商用车辆动力学模型状态,
Figure GDA0002441321790000083
是商用车动力学模型状态矩阵,
Figure GDA0002441321790000084
是商用车动力学模型输入矩阵,u是商用车动力学模型控制输入。
关于步骤二的补充说明二:
状态矩阵:状态矩阵包括车辆侧向速度、横摆角速度、车厢侧倾角、车厢侧倾角速度和非簧载质量侧倾角等。
输入矩阵:车辆受到外界输入时,比如方向盘转角、制动踏板等会改变车辆自身动力学行为,为了量化描述外界输入同各个动力学状态之间的量化影响关系,引入输入矩阵。
所述步骤二的自动循迹系统状态方程为:
Figure GDA0002441321790000085
其中,
Figure GDA0002441321790000086
是商用车自动循迹系统状态,
Figure GDA0002441321790000087
是商用车自动循迹系统状态矩阵,
Figure GDA0002441321790000088
是商用车自动循迹系统控制输入矩阵,u是商用车自动循迹系统控制输入,
Figure GDA0002441321790000089
商用车自动循迹系统扰动输入矩阵,w是商用车自动循迹系统扰动输入。
关于步骤二的补充说明三:
1、循迹状态:用一系列变量,比如横摆角速度、侧向位置偏差等构建一组变量来刻画车辆自动循迹过程中的所有行为运动信息。定义该组变量为循迹状态。
2、自动循迹系统状态方程:车辆动力学模型描述的是车辆所受外力与自身运动状态之间的关系,但其不能表征车辆和周围环境之间的关系,由于我们最终的目的是要保证车辆按照预期道路轨迹行驶,而动力学模型不足以表征车辆与预期道路轨迹之间的位置关系,所以需要考虑车辆和道路轨迹之间的位置关系,即把e1和e2考虑进去,也就是在动力学模型中引入e1和e2,构建新的自动循迹系统状态方程。
3、自动循迹系统状态方程的Dw:
控制系统的输入不仅仅是方向盘转角,还有一些预想不到的外部环境干扰,比如侧风扰动或路面颠簸,这些都是外部环境对系统的干扰,也就是整个系统不仅仅是输入对车辆产生行为变化,还包括外界环境对车辆产生的行为变化,因此,w作为系统不确定外界扰动输入,Dw作为外界扰动输入矩阵。
步骤三、基于循迹系统各控制目标加权函数的设计,得到广义商用车辆自动循迹模型;
所述步骤三的控制目标加权函数为:
W1(s)W2(s)W3(s)
W1(s)是商用车自动循迹侧向位置误差加权函数,W2(s)商用车自动循迹航向角误差加权函数,W3(s)商用车自动循迹控制输入加权函数。
所述步骤三的广义商用车辆自动循迹模型为:
Figure GDA0002441321790000091
x为广义商用车辆自动循迹系统状态,A(ρ)为广义商用车辆自动循迹系统状态矩阵,B1(ρ)为广义商用车辆自动循迹系统干扰输入矩阵,w为广义商用车辆自动循迹系统干扰输入,B2(ρ)为广义商用车辆自动循迹系统控制输入矩阵,u为广义商用车辆自动循迹系统控制输入;
z为广义商用车辆自动循迹系统被控输出,C1(ρ)为广义商用车辆自动循迹系统被控输出状态矩阵,D11(ρ)为广义商用车辆自动循迹系统被控输出干扰输入矩阵,D12(ρ)为广义商用车辆自动循迹系统被控输出控制输入矩阵;
y为广义商用车辆自动循迹系统量测输出,C2(ρ)为广义商用车辆自动循迹系统量测输出状态矩阵,D21(ρ)为广义商用车辆自动循迹系统量测输出干扰输入矩阵。
关于步骤三的补充说明:
1、量测输出y和被控输出z:通过在系统上加装设备比如传感器直接量测得到的输出就是量测输出y;被控输出就是我们所期望被控制的输出:本发明中的被控输出主要有横向循迹位置偏差、航向角偏差和前轮转角控制输入等。考虑到传感器成本、性能等诸多因素,只能获取系统部分行为信息,比如横向偏差、横摆角速度度等,定义可以通过传感器量测的系统行为信息为量测输出;我们所关心的或是有必要被控制的系统行为称之为被控输出,比如横向偏差、控制输入等,定义需要有效被控制的系统行为为被控输出。
2、控制目标加权函数:控制目标加权函数就是对我们感兴趣的或者有必要控制的频带范围内的控制目标给予一定的限制,以保证我们的控制要求。例如,通过对被控输出如横向偏差在频域内进行加权函数的设计,可以保证某一被控输出在我们所感兴趣的频域范围内具有期望的控制性能。
3、W1(s)W2(s)W3(s):见发明原理概述。
总结:到步骤三为止,完成了设计控制策略的前期准备工作,也即建立了广义商用车辆自动循迹模型,接下来是设计一个针对这种模型的基于增益规划控制的控制策略。
步骤四、针对该广义自动循迹模型,将商用车辆横向运动控制主要影响因素车速作为模型时变参数,基于输出反馈增益规划控制律,提出能够根据时变车速自适应调度控制器增益的横向循迹控制策略;
关于步骤四的补充说明:
1、基于增益规划控制率的控制器:见发明原理概述。
2、αi为时变增益调度系数:αi解释为根据参数的变化而变化的调度系数,所述的参数例如可以是车速。为了保证在任何车速时都能有效控制e1和e2,就必须设计随车速的变化而变化αi,当车速为30km/h时,αi为一个调度系数,该调度系数能够有效控制e1和e2;当车速为80km/h时,αi为另外一个调度系数,该调度系数同样能够对e1和e2进行有效控制,因此,αi不能是一个固定的数,而是随着车速的变化而变化的调度系数。
3、系统的输入和输出与控制器的输入和输出的不同。如果是控制系统(被控对象是车辆),系统的输入是方向盘,输出是e1和e2,但控制器和系统相反,控制器的输入是e1和e2,输出是方向盘转角。
在控制器公式
Figure GDA0002441321790000111
中,Dc(ρ)为横向循迹控制策略控制输出矩阵,它最后输出的是目标期望方向盘转角,该转角会对e1和e2进行综合,也就是该目标期望方向盘转角包含了对侧向位置偏差的控制和对航向角偏差的控制:例如,车辆侧向偏差e1和航向角偏差e2不为0,控制策略会对e1和e2进行综合,计算出相应的控制转角,该转角即为期望的方向盘转角。
总结:到目前为止,还没有给出控制器最终的解,或最终控制器的形式,只是说控制器具有这种形式,其中Ac(ρ)、Bc(ρ)、Cc(ρ)、Dc(ρ)是待求矩阵。计算这些未知状态矩阵即是步骤五的内容。
步骤五、求解步骤四所述横向循迹控制策略的最终解:通过求解一组具有线性矩阵不等式约束的线性目标函数优化问题,得到自动循迹控制策略重构系数矩阵,结合时变增益调度系数最终得出自动循迹控制策略,即目标前轮转角控制律,进而实现智能商用车辆横向自动循迹控制。
所述时变增益调度系数既是:商用车辆横向自动循迹过程中若干时变参数的线性组合;所述目标前轮转角控制律既是:根据商用车辆横向自动循迹过程中的量测输出,经过控制策略的综合处理,所得出的能够保证车辆自动循迹性能的前轮转角变化规律。
关于步骤五的补充说明:
步骤四的控制器Ac(ρ)、Bc(ρ)、Cc(ρ)、Dc(ρ)只是给出了控制器的形式,Ac(ρ)、Bc(ρ)、Cc(ρ)、Dc(ρ)都是广义待求矩阵,步骤五的任务就是具体计算出每个矩阵变量的解,包括Ac(ρ)横向循迹控制策略状态矩阵的解、Bc(ρ)横向循迹控制策略控制输入矩阵的解、Cc(ρ)横向循迹控制策略输出状态矩阵的解,Dc(ρ)横向循迹控制策略输出控制矩阵的解。
实施例一:权力要求书的推导过程:
如图1所示,一种智能商用车输出反馈增益规划的自动循迹控制方法,包括以下步骤:
(1)根据已知车辆模型参数结合牛顿力学原理建立商用车辆动力学模型,得到的包含侧向、横摆、簧载质量侧倾和非簧载质量侧倾在内的商用车四自由度动力学模型为:
Figure GDA0002441321790000131
Figure GDA0002441321790000132
Figure GDA0002441321790000133
(2)根据智能商用车环境感知传感器信号得到车辆在循迹过程中当前时刻相对于期望路径的侧向位置偏差e1和航向角偏差e2,并增广到商用车辆动力学模型中,得到自动循迹系统状态方程:
Figure GDA0002441321790000134
(3)定义系统测量输出为横摆角速度、侧倾角速度、侧向偏差、航向角偏差,被控输出为侧向偏差和航向角偏差,得到系统输出方程为:
Figure GDA0002441321790000135
Figure GDA0002441321790000136
(4)根据自动循迹系统对循迹性能和控制输入的频响特性要求,分别设计循迹性能和控制输入频域加权函数,所设计的加权函数为:
侧向位置误差和航向角误差频域加权函数We1、We2
Figure GDA0002441321790000137
Figure GDA0002441321790000138
转角控制输入频域加权函数Wu
Figure GDA0002441321790000139
(5)根据(4)中所设计的加权函数对(2)中的自动循迹系统状态方程进行增广并定义时变参数向量ρ,得到广义自动循迹系统状态方程描述:
Figure GDA00024413217900001310
(6)基于输出反馈控制器设计原则,设计横向自动循迹车速自适应调度控制策略,所设计的输出反馈控制策略形式为:
Figure GDA0002441321790000141
(7)将(6)中输出反馈控制策略同(5)中广义自动循迹模型相结合,定义新的状态变量xcl=[x;xc],得到闭环形式的商用车辆自动循迹系统状态空间描述:
Figure GDA0002441321790000142
(8)选取车速vx和车速的倒数1/vx作为时变参数向量ρ,分别定义车速和车速倒数的上下限
Figure GDA0002441321790000143
构建满足多面体参数时变系统模型假设的闭环线性参数时变(LPV)商用车自动循迹系统并得到多面体闭环系统的参数时变向量顶点为:
Figure GDA0002441321790000144
(9)在多面体闭环系统顶点处分别得出满足李雅普诺夫渐进稳定且不确定扰动到被控输出的
Figure GDA0002441321790000145
增益小于γ的多组BMI约束:
Figure GDA0002441321790000146
(10)采用变量代换的方式,将(9)中的BMI约束条件转化为多组LMI约束:
Figure GDA0002441321790000151
将上式中所得到若干组LMI分别简记为const_LMIi,其中i=1,2,3,4。
(11)以(10)中给出的多组LMI作为优化约束条件,利用MATLAB函数mincx极小化不确定扰动到被控输出的
Figure GDA0002441321790000152
增益γ:
minγ
s.t.const_LMI1
const_LMI2
const_LMI3
const_LMI4
(12)求解(11)中含有多组LMI约束的线性目标优化问题,在多面体闭环系统的顶点处得到参数时变控制策略:
Figure GDA0002441321790000153
Figure GDA0002441321790000154
Figure GDA0002441321790000155
Figure GDA0002441321790000156
s.t.MNT=I-XY,i=1,2,3,4
(13)基于多面体参数时变闭环系统顶点,定义控制策略时变规划调度系数:
υ1=(1-α)(1-β),υ2=(1-α)β,υ3=α(1-β),υ4=αβ
Figure GDA0002441321790000157
(14)根据(12)和(13)得到的智能商用车横向自动循迹控制策略形如:
Figure GDA0002441321790000158
即为最终得到的基于输出反馈车速增益自适应调度的智能商用车横向自动循迹控制策略。
为验证本发明控制策略的有效性,采用Simulink和Trucksim联合仿真的方式验证本发明所提出的控制策略,仿真实现如图2所示,车辆模型采用Trucksim自带的LCF Vanloaded模型。仿真工况为,车辆双移线仿真工况下的自动循迹控制,车辆车速变化情况如图3所示,车辆侧向位置跟踪和航向角跟踪的仿真结果分别如图4和图5所示。
需要强调的是,本发明所述的实施例是说明性的,而非限定性的,因此本发明包括并不限于具体实施方式中所述的实施例。

Claims (3)

1.一种基于输出反馈增益规划的智能商用车自动循迹控制方法,其特征在于,包括以下步骤:
步骤一、根据外部环境信息和车辆自身定位信息得到车辆在当前时刻相对于参考点的侧向位置偏差和航向角偏差;
步骤二、将车辆侧向位置偏差和航向角偏差作为循迹状态增广到商用车辆动力学模型中,得到自动循迹系统状态方程;
步骤三、基于循迹系统各控制目标加权函数的设计,得到广义商用车辆自动循迹模型;
所述控制目标加权函数为:
W1(s)W2(s)W3(s)
W1(s)是商用车自动循迹侧向位置误差加权函数,W2(s)商用车自动循迹航向角误差加权函数,W3(s)商用车自动循迹控制输入加权函数;
所述广义商用车辆自动循迹模型为:
g:
Figure FDA0002441321780000011
x为广义商用车辆自动循迹系统状态,A(ρ)为广义商用车辆自动循迹系统状态矩阵,B1(ρ)为广义商用车辆自动循迹系统干扰输入矩阵,w为广义商用车辆自动循迹系统干扰输入,B2(ρ)为广义商用车辆自动循迹系统控制输入矩阵,u为广义商用车辆自动循迹系统控制输入;
z为广义商用车辆自动循迹系统被控输出,C1(ρ)为广义商用车辆自动循迹系统被控输出状态矩阵,D11(ρ)为广义商用车辆自动循迹系统被控输出干扰输入矩阵,D12(ρ)为广义商用车辆自动循迹系统被控输出控制输入矩阵;
y为广义商用车辆自动循迹系统量测输出,C2(ρ)为广义商用车辆自动循迹系统量测输出状态矩阵,D21(ρ)为广义商用车辆自动循迹系统量测输出干扰输入矩阵;
步骤四、针对该广义自动循迹模型,将商用车辆横向运动控制主要影响因素车速作为模型时变参数,基于输出反馈增益规划控制律,提出能够根据时变车速自适应调度控制器增益的横向循迹控制策略;
具体为:
Figure FDA0002441321780000021
K(ρ)为横向循迹控制策略,Ac(ρ)为横向循迹控制策略状态矩阵,Bc(ρ)为横向循迹控制策略控制输入矩阵,Cc(ρ)为横向循迹控制策略输出状态矩阵,Dc(ρ)为横向循迹控制策略控制输出矩阵,αi为时变增益调度系数;Aci(ρ)为多面体闭环系统顶点处横向循迹控制策略的状态矩阵,Bci(ρ)为多面体闭环系统顶点处横向循迹控制策略的控制输入矩阵,Cci(ρ)为多面体闭环系统顶点处横向循迹控制策略的输出状态矩阵,Dci(ρ)为多面体闭环系统顶点处横向循迹控制策略的控制输出矩阵,其中i=[1,2,...,r]为顶点索引;
步骤五、求解步骤四所述横向循迹控制策略的最终解:通过求解一组具有线性矩阵不等式约束的线性目标函数优化问题,得到自动循迹控制策略重构系数矩阵,结合时变增益调度系数最终得出自动循迹控制策略,即目标期望前轮转角控制律,进而实现智能商用车辆横向自动循迹控制。
2.如权利要求1所述的基于输出反馈增益规划的智能商用车自动循迹控制方法,其特征在于:
所述步骤二的商用车辆动力学模型为:
Figure FDA0002441321780000022
Figure FDA0002441321780000031
是商用车辆动力学模型状态,
Figure FDA0002441321780000032
是商用车动力学模型状态矩阵,
Figure FDA0002441321780000033
是商用车动力学模型输入矩阵,u是商用车动力学模型控制输入;
所述步骤二的自动循迹系统状态方程为:
Figure FDA0002441321780000034
Figure FDA0002441321780000035
是商用车自动循迹系统状态,
Figure FDA0002441321780000036
是商用车自动循迹系统状态矩阵,
Figure FDA0002441321780000037
是商用车自动循迹系统控制输入矩阵,u是商用车自动循迹系统控制输入,
Figure FDA0002441321780000038
商用车自动循迹系统扰动输入矩阵,w是商用车自动循迹系统扰动输入。
3.如权利要求1所述的基于输出反馈增益规划的智能商用车自动循迹控制方法,其特征在于:
所述时变增益调度系数既是:商用车辆横向自动循迹过程中若干时变参数的线性组合;
所述目标前轮转角控制律既是:根据商用车辆横向自动循迹过程中的量测输出,经过控制策略的综合处理,所得出的能够保证车辆自动循迹性能的前轮转角变化规律。
CN201910659851.XA 2019-07-22 2019-07-22 基于输出反馈增益规划的智能商用车自动循迹控制方法 Active CN110471277B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910659851.XA CN110471277B (zh) 2019-07-22 2019-07-22 基于输出反馈增益规划的智能商用车自动循迹控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910659851.XA CN110471277B (zh) 2019-07-22 2019-07-22 基于输出反馈增益规划的智能商用车自动循迹控制方法

Publications (2)

Publication Number Publication Date
CN110471277A CN110471277A (zh) 2019-11-19
CN110471277B true CN110471277B (zh) 2020-06-16

Family

ID=68508270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910659851.XA Active CN110471277B (zh) 2019-07-22 2019-07-22 基于输出反馈增益规划的智能商用车自动循迹控制方法

Country Status (1)

Country Link
CN (1) CN110471277B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112965373B (zh) * 2021-02-02 2024-05-31 上海华测导航技术股份有限公司 一种农用和矿用铰接式车辆路径跟踪控制方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012003027A1 (de) * 2012-02-15 2012-10-11 Daimler Ag Fahrerassistenzsystem für ein Fahrzeug und Verfahren zur Signalisierung einer Spurverlassenswarnung an einen Fahrer und/oder zur automatisierten Spurführung des Fahrzeugs sowie Fahrzeug mit dem Fahrerassistenzsystem
CN103970137A (zh) * 2014-05-08 2014-08-06 北京理工大学 基于自抗扰的alv横向位移跟踪系统控制方法
DE102016011282A1 (de) * 2016-09-20 2018-03-22 Wabco Gmbh Verfahren zum Durchführen eines Ausweichmanövers mit einem Nutzfahrzeug-Gespann, sowie Notausweichsystem
CN107015477B (zh) * 2017-04-05 2019-10-18 同济大学 基于状态反馈的车辆路径跟踪h∞控制方法
FR3068944B1 (fr) * 2017-07-12 2019-07-19 Psa Automobiles Sa Procede et systeme d’assistance a la conduite d’un vehicule autonome sur une voie de circulation ayant des zones de passage oblige
CN108622104A (zh) * 2018-05-07 2018-10-09 湖北汽车工业学院 一种用于无人驾驶车辆的轨迹跟踪控制方法
CN108919837B (zh) * 2018-07-12 2020-04-17 北京航空航天大学 一种基于视觉动力学的自动驾驶车辆二阶滑模控制方法
CN109358621B (zh) * 2018-09-30 2019-05-07 山东省计算中心(国家超级计算济南中心) 自动驾驶汽车轨迹跟踪控制方法
CN109606368B (zh) * 2018-11-19 2020-08-28 江苏大学 一种智能汽车可拓车速自适应变化轨迹跟踪控制方法

Also Published As

Publication number Publication date
CN110471277A (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
Ji et al. Shared steering torque control for lane change assistance: A stochastic game-theoretic approach
Tang et al. An improved kinematic model predictive control for high-speed path tracking of autonomous vehicles
Huang et al. Data-driven shared steering control of semi-autonomous vehicles
Wang et al. Automatic steering control strategy for unmanned vehicles based on robust backstepping sliding mode control theory
CN107015477B (zh) 基于状态反馈的车辆路径跟踪h∞控制方法
CN113753080B (zh) 一种自动驾驶汽车横向运动自适应参数控制方法
CN105045102A (zh) 一种车辆侧向稳定非线性集成控制方法
CN113126623B (zh) 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
Jalali et al. Development of a path-following and a speed control driver model for an electric vehicle
CN111679575B (zh) 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法
Németh et al. Nonlinear analysis and control of a variable-geometry suspension system
Li et al. Robust adaptive learning-based path tracking control of autonomous vehicles under uncertain driving environments
Koh et al. Integrated speed and steering control driver model for vehicle–driver closed-loop simulation
Liang et al. ETS-based human–machine robust shared control design considering the network delays
Mashadi et al. Integrated controller design for path following in autonomous vehicles
CN116184835A (zh) 考虑输入时延与速度时变的无人驾驶车辆跟踪控制方法
Artuñedo et al. Lateral control for autonomous vehicles: A comparative evaluation
CN110471277B (zh) 基于输出反馈增益规划的智能商用车自动循迹控制方法
Wang et al. A yaw stability-guaranteed hierarchical coordination control strategy for four-wheel drive electric vehicles using an unscented Kalman filter
US20220274603A1 (en) Method of Modeling Human Driving Behavior to Train Neural Network Based Motion Controllers
CN117826590A (zh) 基于前置跟随拓扑结构的无人车编队控制方法及系统
Sentouh et al. The H 2-optimal preview controller for a shared lateral control
Yin et al. Improving stability and comfort of an in-wheel motor drive electric vehicle via active suspensions
Thommyppillai et al. Advances in the development of a virtual car driver
Hirao et al. A semi-active suspension system using ride control based on bi-linear optimal control theory and handling control considering roll feeling

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