CN110962839A - 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法 - Google Patents

Abstract

无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，涉及汽车智能安全与自动驾驶领域。通过车载传感器采集无人驾驶电动汽车行驶的自身行驶状态信息和车辆相对于期望轨迹的位置信息，建立表征参数不确定性和时变特性的无人驾驶电动汽车Takagi–Sugeno模糊控制模型，设计一种基于Takagi–Sugeno模糊的无人驾驶电动汽车轨迹跟踪和横向稳定性鲁棒H_∞综合控制方法，实现了无人驾驶电动汽车的轨迹跟踪和横向稳定性的集成控制，有效克服了无人驾驶电动汽车轮胎侧偏刚度不确定、预瞄距离和纵向速度时变对系统的影响，显著提升了无人驾驶电动汽车运动控制系统的品质。

Description

无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法

技术领域

本发明涉及汽车智能安全与自动驾驶领域，特别是涉及一种基于Takagi–Sugeno模糊的无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法。

背景技术

无人驾驶电动汽车利用传感和学习算法来感知并分析汽车的周围环境，从而对汽车进行决策与执行控制，其主要由环境感知系统、决策系统和运动控制系统组成。此外，由于无人驾驶电动汽车每个单独的车轮均由电机驱动，因此具有控制灵活性和出色的可操纵性。

无人驾驶电动汽车轨迹跟踪控制和横向稳定性控制主要研究如何设计控制策略确保无人驾驶电动汽车准确、实时和平稳地跟踪指定规划的路径行驶，是无人驾驶电动汽车的关键技术之一。文献1(J.H.Guo,Y.G.Luo,and K.Q.Li,“Robust gain schedulingautomatic steering control of unmanned ground vehicles under velocity-varyingmotion,”Vehicle System Dynamics,vol.57,no.4,pp.595-616,2019.)提出了一种无人驾驶车自动转向增益调度控制方法，该增益调度控制方法可以保证系统的控制精度。文献2(S.Yue,and Y.fan,“Hierarchical direct yaw-moment control system design forin-wheel motor driven electric vehicle,”International Journal of AutomotiveTechnology,vol.19,no.4,pp.695-703,2018.)提出了一种用于车辆横向稳定性控制的分层控制方法，在传统线性二次调节器的反馈环节中添加了一个额外的控制项，以限制闭环跟踪误差。

无人驾驶电动汽车横向运动控制的大量研究都集中在单一的轨迹跟踪控制或单一的横向稳定性控制上，对无人电动汽车的轨迹跟踪控制和横向稳定性综合控制的研究相当有限。此外，对于无人驾驶电动汽车动力学模型的前后轮胎侧偏刚度存在不确定性，并且其预瞄距离和行驶速度具有时变性等特点，如果在控制设计过程中没有考虑不确定性和时变参数，则无人驾驶电动汽车的运动控制性能将受到影响。

发明内容

本发明的目的是针对现有技术存在的上述问题，提供一种可有效克服无人驾驶电动汽车参数不确定性和时变的特性，基于Takagi–Sugeno模糊的无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统。

本发明的另一目的在于提供一种无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法。

所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统包括车载传感器模块、Takagi–Sugeno模糊横向控制模型表征模块、鲁棒H_∞输出反馈上位动态控制器模块和下位控制分配模块；

所述车载传感器模块的输入端接无人驾驶电动汽车，车载传感器模块的输出端接Takagi–Sugeno模糊横向控制模型表征模块；车载传感器模块包括GPS模块和CCD视觉模块，GPS模块用于采集无人驾驶电动汽车行驶状态信息，CCD视觉模块用于检测车辆相对于期望轨迹的位置信息；

所述Takagi–Sugeno模糊横向控制模型表征模块包括轮胎不确定性侧偏刚度表征模块、时变预瞄距离和纵向速度模糊表征模块；轮胎不确定性侧偏刚度表征模块和时变预瞄距离和纵向速度模糊表征模块分别采集轮胎侧偏刚度不确定性特点以及其预瞄距离和纵向速度时变特性，用于建立表征无人驾驶电动汽车参数不确定性和时变特性的Takagi–Sugeno模糊横向控制模型；

所述鲁棒H_∞输出反馈上位动态控制器模块包括鲁棒上位动态控制器构型、鲁棒上位动态控制器存在条件表征模块、鲁棒上位动态控制器反馈增益控制矩阵；所述鲁棒H_∞输出反馈上位动态控制器模块用于实时求出无人驾驶电动汽车转向行驶所需的前轮转向角和附加横摆力矩，并输出至下位控制分配模块；

所述下位控制分配模块的输出端接无人驾驶电动汽车，下位控制分配模块将非线性凸优化问题转换为SQP优化问题，用于分配无人驾驶电动汽车的附加横摆力矩，求解得到各执行器所需的附加电机转矩，并将信息传输给无人驾驶电动汽车，以实现对附加横摆力矩的跟踪控制，进而实现对无人驾驶电动汽车轨迹跟踪与横向稳定性的综合控制。

所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，包括以下步骤：

1)通过车载传感系统实时获取无人驾驶电动汽车行驶状态信息及周围环境信息；

2)基于车载传感器获取的信息，考虑无人驾驶电动汽车的轮胎侧偏刚度具有参数不确定性特点以及其预瞄距离和纵向速度具有时变特性，建立表征无人驾驶电动汽车参数不确定性和时变特性的横向动力学Takagi–Sugeno模糊模型；

3)设计鲁棒H_∞输出反馈上位动态控制器模块，实时求出无人驾驶电动汽车转向行驶所需的前轮转向角和附加横摆力矩；

4)设计一种序列二次规划(SQP)下位控制分配模块，用于分配无人驾驶电动汽车的附加横摆力矩，求解得到各执行器所需的附加电机转矩，实现对附加横摆力矩的跟踪控制。

在步骤1)中，所述无人驾驶电动汽车行驶状态信息包括车辆的横摆角速度、纵向速度和横向速度等信息等；所述周围环境信息包括预瞄点处车辆与期望轨迹的角度偏差和横向距离偏差。

在步骤2)中，所述建立建立表征无人驾驶电动汽车参数不确定性和时变特性的横向动力学Takagi–Sugeno模糊模型的具体步骤可为：

(1)建立描述无人驾驶电动汽车转向特性的横向动力学模型；

(2)基于CCD视觉系统获取的无人驾驶电动汽车预瞄点处的角度偏差和横向距离偏差，建立表征无人驾驶电动汽车相对于期望轨迹的横向运动学模型；

(3)建立描述轮胎侧偏刚度不确定的数学模型，综合无人驾驶电动汽车横向动力学模型和横向运动学模型，得到包含参数不确定性的无人驾驶电动汽车横向控制模型；

(4)针对无人驾驶电动汽车预瞄距离和纵向速度具有时变性，设计描述预瞄距离和纵向速度的模糊模型，建立包含参数不确定性和时变特性的无人驾驶电动汽车Takagi–Sugeno模糊控制模型。

在步骤3)中，所述设计鲁棒H_∞输出反馈上位动态控制器模块，实时求出无人驾驶电动汽车转向行驶所需的前轮转向角和附加横摆力矩的具体步骤可为：

(1)设计用于实现无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统的鲁棒H_∞输出反馈上位动态控制器构型；

(2)将所设计的鲁棒H_∞输出反馈上位控制器构型代入无人驾驶电动汽车Takagi–Sugeno模糊多模型集，建立表征参数不确定性和时变特性的无人驾驶电动汽车横向控制闭环系统状态方程；

(3)设计H_∞输出反馈上位动态控制器存在可行解所需满足的线性矩阵不等式条件。利用该不等式条件推导出鲁棒H_∞输出反馈上位动态控制器的反馈控制增益矩阵。

在步骤4)中，所述设计一种序列二次规划(SQP)下位控制分配模块，用于分配无人驾驶电动汽车的附加横摆力矩，求解得到各执行器所需的附加电机转矩的具体步骤可为：

(1)建立描述无人驾驶电动汽车附加横摆力矩与车轮半径、轮距以及车轮的附加电机转矩关系的数学模型；

(2)以控制输入量消耗能量最小和控制分配误差最少的分配目标，建立无人驾驶电动汽车附加横摆力矩分配的非线性凸优化函数；

(3)引入执行器的速率约束以确保动态分配的实时性能，将非线性凸优化函数改写为SQP形式；

(4)给出无人驾驶电动汽车附加横摆力矩SQP优化问题的可行解，得到无人驾驶电动汽车各执行器的附加电机转矩。

与现有技术相比，本发明的技术效果和益处是：

本发明通过车载传感器采集无人驾驶电动汽车行驶的自身行驶状态信息和车辆相对于期望轨迹的位置信息，建立表征参数不确定性和时变特性的无人驾驶电动汽车Takagi–Sugeno模糊控制模型，设计一种基于Takagi–Sugeno模糊的无人驾驶电动汽车轨迹跟踪和横向稳定性鲁棒H_∞综合控制方法，本发明实现了无人驾驶电动汽车的轨迹跟踪和横向稳定性的集成控制，有效克服了无人驾驶电动汽车轮胎侧偏刚度不确定、预瞄距离和纵向速度时变对系统的影响，显著提升了无人驾驶电动汽车运动控制系统的品质。

附图说明

图1为本发明的基于Takagi–Sugeno模糊的无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统。

图2为本发明的基于视觉的无人驾驶运动学模型图。

具体实施方式

以下实施例将结合附图对本发明作进一步说明。

如图1所示，本发明所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统，包括车载传感器模块1、Takagi–Sugeno模糊横向控制模型表征模块2、鲁棒H_∞输出反馈上位动态控制器模块3和序列二次规划(SQP)下位控制分配模块4等；

所述车载传感器模块1的输入端接无人驾驶电动汽车5，车载传感器模块1包括GPS模块11和CCD视觉模块12，GPS模块11用于采集无人驾驶电动汽车行驶状态信息，CCD视觉模块12用于检测车辆相对于期望轨迹的位置信息；车载传感器模块1的输出端接Takagi–Sugeno模糊横向控制模型表征模块2；

所述Takagi–Sugeno模糊横向控制模型表征模块2包括轮胎不确定性侧偏刚度表征模块21、时变预瞄距离与纵向速度模糊表征模块22；轮胎不确定性侧偏刚度表征模块21和时变预瞄距离与纵向速度模糊表征模块22分别采集轮胎侧偏刚度不确定性特点以及其预瞄距离和纵向速度时变特性，用于建立表征无人驾驶电动汽车参数不确定性和时变特性的Takagi–Sugeno模糊横向控制模型23；

所述鲁棒H_∞输出反馈上位动态控制器模块3包括鲁棒上位动态控制器构型31、鲁棒上位动态控制器存在条件表征模块32、鲁棒上位动态控制器反馈增益控制矩阵33；所述鲁棒H_∞输出反馈上位动态控制器模块3用于实时求出无人驾驶电动汽车转向行驶所需的前轮转向角和附加横摆力矩，并输出至序列二次规划(SQP)下位控制分配模块4；

所述序列二次规划(SQP)下位控制分配模块4用于将非线性凸优化问题转换为SQP优化问题，得出无人驾驶电动汽车行驶所需的前轮转角和附加电机转矩后传送给无人驾驶电动汽车5，实现对无人驾驶电动汽车轨迹跟踪与横向稳定性的综合控制。

本发明所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，具体步骤如下：

步骤1：通过车载传感器实时获取无人驾驶电动汽车行驶运动状态信息及车辆相对于期望轨迹的位置信息。

步骤1.1：通过车载GPS系统实时获取无人驾驶电动汽车的行驶运动状态信息，主要包括车辆的横摆角速度、纵向速度和横向速度等信息。

步骤1.2：通过CCD视觉系统实时获取无人驾驶电动汽车相对于期望轨迹的位置信息，主要包括预瞄点处车辆与期望轨迹的角度偏差和横向距离偏差。

步骤2：基于车载传感器获取的信息，考虑轮胎侧偏刚度具有参数不确定性特点以及其预瞄距离和纵向速度具有时变特性，建立表征无人驾驶电动汽车参数不确定性和时变特性的Takagi–Sugeno模糊横向控制模型。

步骤2.1：建立无人驾驶电动汽车二自由度模型，如下所示：

其中，m是车辆的总质量，v_x和v_y分别表示纵向和横向速度，r是车辆的横摆角速度，I表示转动惯量，l_f和l_r分别质心到前后轮轴的纵向距离，ΔM_z表示附加横摆力矩，F_yf和F_yr表示前轮和后轮的侧向轮胎力，分别表示为：

其中，C_f和C_r分别表示前后轮胎的侧偏刚度，δ_f表示前轮转角。

将公式(2)代入公式(1)，建立描述无人驾驶电动汽车转向特性的横向动力学模型，如下所示：

步骤2.2：如图2所示，基于CCD视觉系统获取的无人驾驶电动汽车预瞄点处的角度偏差ε_L和横向距离偏差y_L，建立表征无人驾驶电动汽车相对于期望轨迹的横向运动学模型，如下所示：

其中，L_p表示预瞄距离，K_L表示预瞄点处期望轨迹的曲率。

步骤2.3：建立描述轮胎侧偏刚度C_f和C_r不确定的数学模型，如下所示：

其中，C_f0和C_r0分别是前后轮胎侧偏刚度的标称值。ρ_f和ρ_r是随时间变化的系数，并且满足|ρ_f|≤1和|ρ_r|≤1。Δ_f和Δ_r表示轮胎侧偏刚度的偏差幅值。

步骤2.4：综合无人驾驶电动汽车横向动力学模型和运动学模型，建立表征参数不确定性的无人驾驶电动汽车横向控制模型：

其中，

ΔA和ΔB可以由下式获得：

[ΔA ΔB]＝H_w(ρ_f,ρ_r)[Λ_aΛ_b] (7)

其中，状态向量x＝[v_y r y_L ε_L]^T，被控输出向量z＝[y_L ε_L]^T，控制输入向量u＝[δ_fΔM_z]^T，测量输出向量y＝[v_y r y_L ε_L]^T，ω＝K_L是外部干扰向量，H_w是满足||H_w||≤η的时变矩阵，||·||表示欧几里得范数。

步骤2.5：建立具有时变有界特性的预瞄距离L_p和纵向速度v_x的模糊模型，如下所示：

其中，

v _x＝v_xmin，

L _p＝L_pmin，v_xmin和v_xmax表示纵向速度的最小值和最大值，L_pmin和L_pmax表示预瞄距离的最小值和最大值，ξ₁＝v_x和ξ₂＝L_p满足：

其中M₁(ξ₁)，M₂(ξ₁)，N₁(ξ₂)，N₂(ξ₂)表示隶属函数，可以通过下式获得：

步骤2.6：综合式(6)、(8)、(9)、(10)，建立表征无人驾驶电动汽车参数不确定性和时变特性的Takagi–Sugeno模糊横向控制模型，如下所示：

其中，矩阵A_i，B_i，ΔA_i,ΔB_i，E_i，C_1i，C_2i通过用参数

(v _x,L _p)替换矩阵A，B,ΔA，ΔB,E，C₁，C₂中的参数(v_x,L_p)来获得，i＝1,2,3,4，且：

其中，h_i(ξ(t))是模糊加权函数，满足：

步骤3：设计有效克服参数不确定性和时变特性的无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统的鲁棒H_∞输出反馈上位控制器，实时求出无人驾驶电动汽车转向行驶所需的前轮转向角和附加横摆力矩。

步骤3.1：设计用于实现无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统的鲁棒H_∞输出反馈上位动态控制器构型，如下所示：

其中

是动态控制器的状态向量，

是待确定的控制增益矩阵。

步骤3.2：将所设计的H_∞输出反馈动态控制器构型(14)代入无人驾驶电动汽车Takagi–Sugeno模糊横向控制模型(11)，建立具有不确定性和时变特性的无人驾驶电动汽车横向控制闭环系统状态方程，如下：

其中，

步骤3.3：设计无人驾驶电动汽车鲁棒H_∞输出反馈上位动态控制器存在可行解所需满足的条件，如下所示：

对于无人驾驶电动汽车的模糊横向控制闭环系统(15)，对于给定的γ＞0和正常数ε，如果存在对称正定矩阵X,Y,矩阵G_i，Q_i，i＝1,2,...,r，使得如下矩阵不等式成立：

其中

则无人驾驶电动汽车鲁棒H_∞输出反馈上位动态控制器存在可行解，器对于所有的非零ω(t)∈L₂[0,t_f]都具有规定的H_∞性能指标γ。

步骤3.4：基于无人驾驶电动汽车鲁棒H_∞动态控制器存在可行解的条件，推导出无人驾驶电动汽车鲁棒H_∞动态控制器的反馈控制增益矩阵，如下所示：

其中

步骤4：设计一种序列二次规划(SQP)下位控制器，用于分配无人驾驶电动汽车的附加横摆力矩，求解得到各执行器所需的附加电机转矩，实现对附加横摆力矩的跟踪控制。

步骤4.1：建立描述无人驾驶电动汽车附加横摆力矩与车轮半径、轮距以及车轮的附加电机转矩关系的数学模型，如下所示：

ΔM＝Wu (19)

其中，

u＝[ΔT_xfl ΔT_xfr ΔT_xrl ΔT_xrr]^T

其中r是轮胎半径，l_s是轮距的一半，ΔT_xfl，ΔT_xfr，ΔT_xrl，ΔT_xrr表示每个车轮的附加电机转矩。

步骤4.2：以控制输入量消耗能量最小和控制分配误差最少的分配目标，建立无人驾驶电动汽车附加横摆力矩分配的非线性凸优化函数，如下所示：

其中

H和Q表示权重矩阵，v是松弛变量向量。

步骤4.3：定义变量τ＝[u^T v^T]^T，引入执行器的速率约束以确保动态分配的实时性能，将非线性凸优化函数(20)改写为SQP形式：

其中，

τ是实际的控制输入，Φ₁和Φ₂是对称权重矩阵。

步骤4.4：推导得到无人驾驶电动汽车附加横摆力矩的序列二次规划(SQP)下位控制器的最优解为：

τ(t)＝Λ₁τ(t-T)+Λ₂ΔM(t) (22)

其中，

即得到无人驾驶电动汽车各执行器的附加电机转矩，实现对无人驾驶电动汽车轨迹跟踪与横向稳定性的综合控制。

以上内容是结合优选技术方案对本发明所做的进一步详细说明，不能认定发明的具体实施仅限于这些说明。对本发明所属技术领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以做出简单的推演及替换，都应当视为本发明的保护范围。

Claims (7)

1.无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统，其特征在于包括车载传感器模块、Takagi–Sugeno模糊横向控制模型表征模块、鲁棒H_∞输出反馈上位动态控制器模块和下位控制分配模块；

所述车载传感器模块的输入端接无人驾驶电动汽车，车载传感器模块的输出端接Takagi–Sugeno模糊横向控制模型表征模块；车载传感器模块包括GPS模块和CCD视觉模块，GPS模块用于采集无人驾驶电动汽车行驶状态信息，CCD视觉模块用于检测车辆相对于期望轨迹的位置信息；

所述Takagi–Sugeno模糊横向控制模型表征模块包括轮胎不确定性侧偏刚度表征模块、时变预瞄距离与纵向速度模糊表征模块；轮胎不确定性侧偏刚度表征模块和时变预瞄距离与纵向速度模糊表征模块分别采集轮胎侧偏刚度不确定性特点以及其预瞄距离和纵向速度时变特性，用于建立表征无人驾驶电动汽车参数不确定性和时变特性的Takagi–Sugeno模糊横向控制模型；

所述鲁棒H_∞输出反馈上位动态控制器模块包括鲁棒上位动态控制器构型、鲁棒上位动态控制器存在条件表征模块、鲁棒上位动态控制器反馈增益控制矩阵；所述鲁棒H_∞输出反馈上位动态控制器模块用于实时求出无人驾驶电动汽车转向行驶所需的前轮转向角和附加横摆力矩，并输出至下位控制分配模块；

所述下位控制分配模块的输出端接无人驾驶电动汽车，下位控制分配模块将非线性凸优化问题转换为SQP优化问题，用于分配无人驾驶电动汽车的附加横摆力矩，求解得到各执行器所需的附加电机转矩，并将信息传输给无人驾驶电动汽车，以实现对附加横摆力矩的跟踪控制，进而实现对无人驾驶电动汽车轨迹跟踪与横向稳定性的综合控制。

2.无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，其特征在于包括以下步骤：

1)通过车载传感系统实时获取无人驾驶电动汽车行驶状态信息及周围环境信息；

2)基于车载传感器获取的信息，考虑无人驾驶电动汽车的轮胎侧偏刚度具有参数不确定性特点以及其预瞄距离和纵向速度具有时变特性，建立表征无人驾驶电动汽车参数不确定性和时变特性的横向动力学Takagi–Sugeno模糊模型；

3)设计鲁棒H_∞输出反馈上位动态控制器模块，实时求出无人驾驶电动汽车转向行驶所需的前轮转向角和附加横摆力矩；

4)设计一种序列二次规划下位控制分配模块，用于分配无人驾驶电动汽车的附加横摆力矩，求解得到各执行器所需的附加电机转矩，实现对附加横摆力矩的跟踪控制。

3.如权利要求2所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，其特征在于在步骤1)中，所述无人驾驶电动汽车行驶状态信息包括车辆的横摆角速度、纵向速度和横向速度。

4.如权利要求2所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，其特征在于在步骤1)中，所述周围环境信息包括预瞄点处车辆与期望轨迹的角度偏差和横向距离偏差。

5.如权利要求2所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，其特征在于在步骤2)中，所述建立表征无人驾驶电动汽车参数不确定性和时变特性的横向动力学Takagi–Sugeno模糊模型的具体步骤为：

(1)建立描述无人驾驶电动汽车转向特性的横向动力学模型；

(2)基于CCD视觉系统获取的无人驾驶电动汽车预瞄点处的角度偏差和横向距离偏差，建立表征无人驾驶电动汽车相对于期望轨迹的横向运动学模型；

(3)建立描述轮胎侧偏刚度不确定的数学模型，综合无人驾驶电动汽车横向动力学模型和横向运动学模型，得到包含参数不确定性的无人驾驶电动汽车横向控制模型；

(4)针对无人驾驶电动汽车预瞄距离和纵向速度具有时变性，设计描述预瞄距离和纵向速度的模糊模型，建立包含参数不确定性和时变特性的无人驾驶电动汽车Takagi–Sugeno模糊控制模型。

6.如权利要求2所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，其特征在于在步骤3)中，所述设计鲁棒H_∞输出反馈上位动态控制器模块，实时求出无人驾驶电动汽车转向行驶所需的前轮转向角和附加横摆力矩的具体步骤为：

(1)设计用于实现无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制系统的鲁棒H_∞输出反馈上位动态控制器构型；

(2)将所设计的鲁棒H_∞输出反馈上位控制器构型代入无人驾驶电动汽车Takagi–Sugeno模糊多模型集，建立表征参数不确定性和时变特性的无人驾驶电动汽车横向控制闭环系统状态方程；

(3)设计H_∞输出反馈上位动态控制器存在可行解所需满足的线性矩阵不等式条件；利用该不等式条件推导出鲁棒H_∞输出反馈上位动态控制器的反馈控制增益矩阵。

7.如权利要求2所述无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法，其特征在于在步骤4)中，所述设计一种序列二次规划下位控制分配模块，用于分配无人驾驶电动汽车的附加横摆力矩，求解得到各执行器所需的附加电机转矩的具体步骤为：

(1)建立描述无人驾驶电动汽车附加横摆力矩与车轮半径、轮距以及车轮的附加电机转矩关系的数学模型；

(2)以控制输入量消耗能量最小和控制分配误差最少的分配目标，建立无人驾驶电动汽车附加横摆力矩分配的非线性凸优化函数；

(3)引入执行器的速率约束以确保动态分配的实时性能，将非线性凸优化函数改写为SQP形式；

(4)给出无人驾驶电动汽车附加横摆力矩SQP优化问题的可行解，得到无人驾驶电动汽车各执行器的附加电机转矩。

Images