CN111231984A - 一种四轮转向智能汽车伪解耦控制器及其控制方法 - Google Patents

Abstract

本发明公开了一种四轮转向智能汽车伪解耦控制器及其控制方法，在智能感知外部环境和观测内部参数的基础上，首先建立四轮转向智能汽车原模型，再建立右逆模型，以串联方式置于原模型左侧，四轮转向智能汽车原模型和右逆模型共同构成伪解耦系统；然后建立四轮转向智能汽车有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测，再建立四轮转向智能汽车有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的失配程度观测，最后设计转向控制决策模块，根据外部环境感知和内部参数观测，以及有限时间稳定度和有限时间模型失配度两个特征参数，做出是否转向和控制参数的决策，提高四轮转向智能汽车转向控制性能和智能化水平。

Description

一种四轮转向智能汽车伪解耦控制器及其控制方法

技术领域

本发明涉及一种四轮转向智能汽车转向控制领域，尤其涉及基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制器及其控制方法。

背景技术

四轮转向智能汽车是前后轮胎均能执行转向功能的智能汽车，是基于环境感知、计算机、自动化和人工智能的高新科技产品，具有低速转向时灵敏度高，高速转向时操纵性好等特点，未来将为汽车产业有效解决稳定、安全、灵活、节能和环保问题，比如智能行驶状态下的稳定性判断、事故避免和油耗降低，以及更加灵活的行驶策略，比如四轮转向纯电动汽车和新能源汽车，可以提高驾驶灵活性和行驶安全性，有效降低能源消耗和减少有害气体排放，比如智慧交通模式下的能耗节约和排放降低，从而使汽车产业能够在节能环保的同时满足稳定、安全和舒适等多种需求。

四轮转向智能汽车的动态模型中存在横向速度、横摆角速度的强耦合，存在前轮侧偏刚度、后轮侧偏刚度、纵向速度等时变参数，存在转向系统和悬架系统等未建模动态，四轮转向智能汽车的转向控制是一个存在强耦合、多时变参数和未建模动态的控制问题。传统的四轮转向控制方法，没有很好地协调解决变量耦合和参数时变导致的稳定度变化、模型失配等特征问题，在实现解耦控制的同时很少关注参数的变化对被控系统影响，或者基于被控系统的不变参数模型设计解耦控制器，没有考虑被控系统中的参数变化和未建模动态所导致的稳定程度变化和模型失配问题。现代社会对智能汽车的控制性能提出了越来越高的要求，对于具有更高操控裕度的四轮转向智能汽车，在智能感知车辆内外部环境参数的基础上，如何解决状态变量之间的耦合问题，以实时观测被控系统有限时间稳定度和有限时间模型失配度两个有限时间特征参数为决策依据，做出是否转向和控制参数的选择决策，提高四轮转向智能汽车转向控制性能，是一个急待解决的问题。

发明内容

为解决上述技术问题，本发明提供一种基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制器及其控制方法，在智能感知车辆外部环境和观测内部参数的基础上，首先建立四轮转向智能汽车原模型，基于原模型建立四轮转向智能汽车右逆模型，以串联方式放置于原模型的左侧，四轮转向智能汽车原模型和四轮转向智能汽车右逆模型共同构成伪解耦系统，也就是说，右逆模型将原模型伪解耦为一阶横摆角速度子系统和一阶横向速度子系统，实现对四轮转向智能汽车的伪解耦控制，然后建立四轮转向智能汽车有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测，再建立四轮转向智能汽车的有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的模型失配程度观测，最后设计转向控制决策模块，根据外部环境感知和内部参数观测的信息，以及有限时间稳定度和有限时间模型失配度两个特征参数数据，做出是否转向和控制参数的选择决策，提高四轮转向智能汽车转向控制性能和智能化水平。

本发明基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制器的技术方案是：包括外部环境感知模块，内部参数观测模块，四轮转向智能汽车原模型，四轮转向智能汽车右逆模型，有限时间稳定度观测模型，有限时间模型失配度观测模型，转向决策控制模块。

所述外部环境感知模块用于获取汽车行驶的车道信息、交通标志、附近车辆、行人信息，并将信息传送给转向决策控制模块；

所述内部参数观测模块用于获取汽车行驶的纵向速度u、横向速度v、横摆角速度ω_r、前轮转角δ_f、后轮转角δ_r、前轮侧偏刚度k₁、后轮侧偏刚度k₂的信息，并将信息传送给有限时间稳定度观测模型、模型失配度观测模型、转向决策控制模块；

所述四轮转向智能汽车原模型

式(1)是一个二自由度的含有非线性参数的耦合模型，包括的参数有：汽车前轮到质心距离a、后轮到质心距离b、前轮侧偏刚度k₁、后轮侧偏刚度k₂、汽车质量m、转动惯量I_z、前轮转角δ_f、后轮转角δ_r、纵向速度u、横向速度v、横摆角速度ω_r；

所述四轮转向智能汽车原模型

的输入变量为前轮转角δ_f、后轮转角δ_r，控制变量为横摆角速度ω_r和横向速度v，输出变量为横摆角速度ω_r和横向速度v；

所述四轮转向智能汽车右逆模型由径向基神经网络(RBF)和两个积分器s^-1构造而成，所述径向基神经网络(RBF)包括四个输入和二个输出，所述径向基神经网络(RBF)根据四轮转向智能汽车原模型运行过程中获得的横向速度v、横向速度一阶导数

横摆角速度ω_r、横摆角速度的一阶导数

前轮转角δ_f、后轮转角δ_r的数据训练构造而成，所述四轮转向智能汽车右逆模型的输入变量为横摆角速度ω_r、横摆角速度的一阶导数

横向速度v、横向速度的一阶导数

输出变量为前轮转角δ_f、后轮转角δ_r；

所述四轮转向智能汽车右逆模型以串联方式放置于四轮转向智能汽车原模型

的左侧，二者共同构成伪解耦系统。

所述有限时间稳定度观测模型，包括：系统

初始时间t₀时的区域Ω₀和有限时间T之后t时的区域Ω_t，有限时间稳定度S_d，对于系统：

式(2)中，

x＝[ω_r，v]^T (5)

考虑有限时间区域：

Ω_t＝{x_t∈Rⁿ|x_t ^TΛx_t≤ρ(t)²} (7)

式(6)和式(7)中，Ω₀为初始状态区域，x₀为状态变量初始值，Rⁿ为n维实向量集合，Γ为初始状态加权矩阵，

为大于0的初始状态常数，Ω_t为t时刻状态区域，x_t为t时刻状态变量值，Λ为t时刻加权矩阵，ρ(t)²为大于0的连续函数。在给定参数

其中λ为矩阵特征值，A为给定参数限值，T为时间间隔，则有限时间稳定度S_d：

式(8)中：

X(t，t₀)＝(Λ^1/2)Φ(t，t₀)Γ^-1Φ(t，t₀)(Λ^1/2) (9)

式(9)中，Φ(t,t₀)为系统状态转移矩阵。根据所述有限时间稳定度观测模型计算得到有限时间稳定度S_d输出到转向决策控制模块；

所述有限时间模型失配度观测模型，包括：横摆角速度子系统标准模型M₁，横向速度子系统标准模型M₂，有限时间模型失配度M_c计算模型，分别表示为：

M₁＝S^-1 (10)

M₂＝S^-1 (11)

式(9)和式(10)中，S^-1代表积分；式(12)中，g、h为模型适配度敏感系数，

且有g+h＝1(0<g<1，0<h<1),ω_r(t₀,t)为伪解耦系统有限时间(t₀,t)内的

横摆角速度输出信号，v(t₀,t)为伪解耦系统有限时间(t₀,t)内的横向速度输出信号，且有：

式(13)中，

为伪解耦系统和横摆角速度子系统标准模型M₁共同的有限时间(t₀,t)内的输入信号，

为横摆角速度子系统标准模型M₁的有限时间(t₀,t)内的输出信号，式(14)中，

为伪解耦系统和横向速度子系统标准模型M₂共同的有限时间(t₀,t)内的输入信号，v^*(t₀,t)为横向速度子系统标准模型M₂的有限时间(t₀,t)内的输出信号；

根据所述有限时间模型失配度观测模型计算得到有限时间模型失配度M_c输出到转向决策控制模块；

所述转向决策控制模块，包括逻辑判断语句和转向决策控制结果，所述转向决策控制结果包括是否转向的决策结果以及控制参数；

所述转向决策控制模块，根据来自外部环境感知模块和内部参数观测模块的信息，以及有限时间稳定度S_d和有限时间模型失配度M_c两个特征参数数据，采用下述IF-THEN-ELSE逻辑判断语句做出转向决策控制，给出转向决策控制结果：

IF(当前时间本车有转向请求)THEN(执行下一步判断)ELSE(不转向)；

IF(当前时间车道信息、交通标志允许转向)THEN(执行下一步判断)ELSE(不转向)；

IF(当前有限时间稳定度S_d不超过限值)THEN(执行下一步判断)ELSE(不转向)；

IF(当前有限时间模型失配度M_c不超过限值)THEN(执行下一步判断)ELSE(不转向)；

IF(当前时间本车与附近车辆、行人之间有充足的安全距离)THEN(采用预瞄跟随方法规划转向运动轨迹并计算横摆角速度导数

和横向速度导数

两个控制参数输出到伪解耦系统)ELSE(不转向)；

本发明基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制方法采用的技术方案包括如下步骤：

步骤1)对四轮转向智能汽车进行简化等效，得到二自由度四轮转向智能汽车原模型，输入变量为前轮转角δ_f、后轮转角δ_r，输出变量为横摆角速度ω_r和横向速度v；

步骤2)对四轮转向智能汽车原模型进行分析和推导，确定其右逆模型的输入变量为横摆角速度的一阶导数

横向速度一阶导数

输出变量为前轮转角δ_f、后轮转角δ_r；

步骤3)用径向基神经网络(RBF)和两个积分器s^-1构造四轮转向智能汽车右逆模型，所述径向基神经网络(RBF)包括四个输入和二个输出，所述径向基神经网络(RBF)的参数确定方法为将前轮转角的阶跃激励信号

和后轮转角的阶跃激励信号

加到四轮转向智能汽车原模型的输入端；采集激励信号

和输出信号ω_r、

v、

用构成的训练样本集

对径向基神经网络(RBF)进行训练，从而确定径向基神经网络RBF的参数；

步骤4)四轮转向智能汽车右逆模型以串联方式放置于四轮转向智能汽车原模型的左侧，四轮转向智能汽车原模型和四轮转向智能汽车右逆模型共同构成伪解耦系统，也就是说，右逆模型将原模型伪解耦为一阶横摆角速度子系统和一阶横向速度子系统；

步骤5)建立有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测；

步骤6)建立有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的模型失配程度观测；

步骤7)设计转向控制决策模块，根据外部环境感知和内部参数观测的信息，以及有限时间稳定度和有限时间模型失配度两个特征参数数据，做出是否转向和控制参数的选择决策；

本发明通过构造四轮转向智能汽车原模型的右逆模型，将四轮转向智能汽车原模型伪解耦为一阶横摆角速度子系统和一阶横向速度子系统，实现对四轮转向智能汽车的伪解耦控制，通过构造有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测，通过构造有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的模型失配度观测，再设计转向控制决策模块，实现了对四轮转向智能汽车转向过程的高效控制。

本发明的有益效果：

1、本发明构建了四轮转向智能汽车原模型的右逆模型，在四轮转向智能汽车右逆模型和原模型共同作用下，将四轮转向智能汽车原模型伪解耦为一阶横摆角速度子系统和一阶横向速度子系统，解决了四轮转向智能汽车复杂模型的简化控制问题；

2、本发明构建了有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测，为转向控制决策模块提供控制决策依据；

3、本发明构建了有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的模型失配程度观测，为转向控制决策模块提供控制决策依据；

4、本发明使用伪解耦控制方法，建立有限时间稳定度和有限时间模型失配度模型，合理设计转向控制决策模块，目的明确，方法简单，可以方便地解决状态变量之间的强耦合问题，防止多参数时变和未建模动态对控制性能造成影响，获得稳定安全的高性能控制效果。

附图说明

图1是四轮转向智能汽车简化等效图。

图2是四轮转向智能汽车右逆模型图。

图3是伪解耦系统图。

图4是有限时间稳定度观测模型和有限时间模型失配度观测模型输入输出结构图。

图5是基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制结构图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示，四轮转向智能汽车原模型，经过简化等效，四轮转向智能汽车原模型为二自由度模型

四轮转向智能汽车原模型包括的参数有：汽车前轮到质心距离a、后轮到质心距离b、前轮侧偏刚度k₁、后轮侧偏刚度k₂、汽车质量m、转动惯量I_z、前轮转角δ_f、后轮转角δ_r、纵向速度u、横向速度v、横摆角速度ω_r；四轮转向智能汽车原模型

的输入变量为前轮转角δ_f、后轮转角δ_r，控制变量为横摆角速度ω_r和横向速度v，输出变量为横摆角速度ω_r和横向速度v；

如图2所示，四轮转向智能汽车右逆模型，四轮转向智能汽车右逆模型由径向基神经网络(RBF)和两个积分器s^-1构造而成，所述径向基神经网络(RBF)包括四个输入和二个输出，径向基神经网络(RBF)根据四轮转向智能汽车原模型运行过程中获得的横向速度v、横向速度一阶导数

横摆角速度ω_r、横摆角速度的一阶导数

前轮转角δ_f、后轮转角δ_r的数据训练构造而成，四轮转向智能汽车右逆模型的输入变量为横摆角速度的一阶导数

横向速度的一阶导数

输出变量为前轮转角δ_f、后轮转角δ_r；

如图3所示，伪解耦系统，四轮转向智能汽车右逆模型以串联方式放置于四轮转向智能汽车原模型

的左侧，将四轮转向智能汽车模型伪解耦为一阶横摆角速度子系统和一阶横向速度子系统，一阶横摆角速度子系统的输入变量为横摆角速度的一阶导数

输出变量为横摆角速度ω_r，一阶横向速度子系统的输入变量为横向速度的一阶导数

输出变量为横向速度v；

如图4所示，有限时间稳定度观测模型和有限时间模型失配度观测模型输入输出结构，内部参数观测模块从四轮转向智能汽车模型观测参数输出到有限时间稳定度观测模型，计算得到有限时间稳定度S_d，横向速度的一阶导数

信号和横摆角速度的一阶导数

信号分别输入横向速度子系统标准模型M₂和横摆角速度子系统标准模型M₁，横向速度子系统标准模型M₂和横摆角速度子系统标准模型M₁分别输出v^*、

到有限时间模型失配度M_c计算模型，计算得到有限时间模型失配度M_c；

如图5所示，一种基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制器包括外部环境感知模块，内部参数观测模块，四轮转向智能汽车原模型，四轮转向智能汽车右逆模型，有限时间稳定度观测模型，有限时间模型失配度观测模型，转向决策控制模块。

外部环境感知模块包括摄像头和雷达，摄像头安装在四轮转向智能汽车的前端和后端，雷达安装在四轮转向智能汽车的顶部和四周，摄像头和雷达的信息互相融合共同协调实现车道信息、交通标志、附近车辆、行人信息的感知，并将信息传送给转向决策控制模块；

内部参数观测模块包括卫星导航系统、横摆角速度观测器、轮胎魔术公式和轮胎转角测量传感器，分别获取汽车行驶的纵向速度u、横向速度v、横摆角速度ω_r、前轮侧偏刚度k₁、后轮侧偏刚度k₂和前轮转角δ_f和后轮转角δ_r信息，并将信息传送给转向决策控制模块、有限时间稳定度观测模型和有限时间模型失配度观测模型；

四轮转向智能汽车原模型

的输入变量为前轮转角δ_f、后轮转角δ_r，控制变量为横摆角速度ω_r和横向速度v，输出变量为横摆角速度ω_r和横向速度v；

四轮转向智能汽车右逆模型的输入为横摆角速度的一阶导数

和横向速度的一阶导数

输出为前轮转角δ_f和后轮转角δ_r；

有限时间稳定度观测模型和有限时间模型失配度观测模型分别输出有限时间稳定度S_d和有限时间模型失配度M_c到转向决策控制模块；

转向决策控制模块包括逻辑判断语句和转向决策控制结果，转向决策控制结果包括是否转向的决策结果以及控制参数，转向决策控制模块，根据来自外部环境感知模块和内部参数观测模块的信息，以及有限时间稳定度S_d和有限时间模型失配度M_c两个特征参数数据，采用逻辑判断语句做出转向决策控制，给出转向决策控制结果；

最终形成的基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制器，包括：外部环境感知模块，内部参数观测模块，四轮转向智能汽车原模型，四轮转向智能汽车右逆模型，有限时间稳定度观测模型，有限时间模型失配度观测模型，转向决策控制模块。

一种基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制方法，包括以下步骤：

步骤1)对四轮转向智能汽车进行简化等效，得到二自由度四轮转向智能汽车原模型

输入变量为前轮转角δ_f、后轮转角δ_r，输出变量为横摆角速度ω_r和横向速度v；

步骤2)对四轮转向智能汽车原模型

进行分析和推导，确定其符合右可逆条件，右逆模型的输入变量为横摆角速度的一阶导数

横向速度的一阶导数

输出变量为前轮转角δ_f、后轮转角δ_r；

步骤3)用径向基神经网络(RBF)和两个积分器s^-1构造四轮转向智能汽车右逆模型，径向基神经网络(RBF)的输入层节点数为4个，隐层节点数为9个，隐层节点的激活函数取格林函数，输出层节点数为2个，误差指标取均方误差，径向基神经网络(RBF)的参数确定步骤为：

(A)将前轮转角的阶跃激励信号

和后轮转角的阶跃激励信号

加到四轮转向智能汽车原模型的输入端；

(B)采集激励信号

和输出信号ω_r、

v、

构成的样本集

(C)将样本集

分为训练样本和校验样本，用训练样本对径向基神经网络(RBF)进行训练，当训练样本的均方根误差和校验样本的均方根误差达到控制的精度要求时，即确定径向基神经网络(RBF)的参数；

步骤4)将四轮转向智能汽车右逆模型以串联方式放置于四轮转向智能汽车原模型的左侧，四轮转向智能汽车原模型和四轮转向智能汽车右逆模型共同构成伪解耦系统，也就是说，右逆模型将原模型伪解耦为一阶横摆角速度子系统和一阶横向速度子系统；

步骤5)建立有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测，具体步骤为：

(A)建立系统

初始时间t₀时的区域Ω₀和有限时间T之后t时的区域Ω_t；

(B)设计参数(λ,A,Γ,Λ,T,t₀),

(C)建立有限时间稳定度S_d，

步骤6)建立有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的模型失配程度观测，具体步骤为：

(A)建立横摆角速度子系统标准模型M₁；

(B)建立横向速度子系统标准模型M₂；

(C)建立有限时间模型失配度M_c计算模型：

步骤7)设计转向控制决策模块，根据外部环境感知和内部参数观测的信息，以及有限时间稳定度和有限时间模型失配度两个特征参数数据，做出是否转向和控制参数的选择决策，具体步骤为：

(A)分析外部输入的信息和数据结构；

(B)设计逻辑判断语句；

(C)设计转向决策控制结果；

本发明的具体实施例：使用摄像头、激光雷达和毫米波雷达构成外部环境感知模块，使用卫星导航系统、横摆角速度观测器、轮胎魔术公式和轮胎转角测量传感器构成内部参数观测模块，使用MATLAB/Simulink编写四轮转向智能汽车右逆模型、有限时间稳定度模型、有限时间模型失配度模型和转向决策控制模块并下载到dSPACE，使用dSPACE测量和控制接口与四轮转向智能汽车相连，搭建连接虚拟仪表，实现基于有限时间稳定度和模型失配度的四轮转向智能汽车伪解耦控制器；

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (8)

1.一种四轮转向智能汽车伪解耦控制器，其特征在于，包括外部环境感知模块，内部参数观测模块，四轮转向智能汽车原模型，四轮转向智能汽车右逆模型，有限时间稳定度观测模型，有限时间模型失配度观测模型，转向决策控制模块；所述外部环境感知模块、内部参数观测模块、有限时间稳定度观测模型、有限时间模型失配度观测模型分别作为所述转向决策控制模块的输入，所述转向决策控制模块的输出至四轮转向智能汽车右逆模型和四轮转向智能汽车原模型；

所述外部环境感知模块用于获取汽车行驶的车道信息、交通标志、附近车辆、行人信息，并将信息传送给转向决策控制模块；

所述内部参数观测模块用于获取汽车行驶的纵向速度u、横向速度v、横摆角速度ω_r、前轮转角δ_f、后轮转角δ_r、前轮侧偏刚度k₁、后轮侧偏刚度k₂的信息，并将信息传送给有限时间稳定度观测模型、模型失配度观测模型、转向决策控制模块；

所述四轮转向智能汽车原模型

的输入变量为前轮转角δ_f、后轮转角δ_r，控制变量为横摆角速度ω_r和横向速度v，输出变量为横摆角速度ω_r和横向速度v；

所述四轮转向智能汽车右逆模型以串联方式放置于四轮转向智能汽车原模型

的左侧，二者共同构成伪解耦系统；

所述有限时间稳定度观测模型计算得到有限时间稳定度S_d输出到转向决策控制模块；

所述有限时间模型失配度观测模型计算得到有限时间模型失配度M_c输出到转向决策控制模块；

所述转向决策控制模块，包括逻辑判断语句和转向决策控制结果，所述转向决策控制结果包括是否转向的决策结果以及控制参数；

所述转向决策控制模块，根据来自外部环境感知模块和内部参数观测模块的信息，以及有限时间稳定度S_d和有限时间模型失配度M_c两个特征参数数据，采用IF-THEN-ELSE逻辑判断语句做出转向决策控制，给出转向决策控制结果。

2.根据权利要求1所述的一种四轮转向智能汽车伪解耦控制器，其特征在于，所述四轮转向智能汽车原模型

式(1)是一个二自由度的含有非线性参数的耦合模型，包括的参数有：汽车前轮到质心距离a、后轮到质心距离b、前轮侧偏刚度k₁、后轮侧偏刚度k₂、汽车质量m、转动惯量I_z、前轮转角δ_f、后轮转角δ_r、纵向速度u、横向速度v、横摆角速度ω_r。

3.根据权利要求1所述的一种四轮转向智能汽车伪解耦控制器，其特征在于，所述四轮转向智能汽车右逆模型由径向基神经网络(RBF)和两个积分器s^-1构造而成，所述径向基神经网络(RBF)包括四个输入和二个输出，所述径向基神经网络(RBF)根据四轮转向智能汽车原模型运行过程中获得的横向速度v、横向速度一阶导数

横摆角速度ω_r、横摆角速度的一阶导数

前轮转角δ_f、后轮转角δ_r的数据训练构造而成，所述四轮转向智能汽车右逆模型的输入变量为横摆角速度ω_r、横摆角速度的一阶导数

横向速度v、横向速度的一阶导数

输出变量为前轮转角δ_f、后轮转角δ_r。

4.根据权利要求1所述的一种四轮转向智能汽车伪解耦控制器，其特征在于，所述有限时间稳定度观测模型，包括：系统

初始时间t₀时的区域Ω₀和有限时间T之后t时的区域Ω_t，有限时间稳定度S_d，对于系统：

式(2)中，

x＝[ω_r,v]^T (5)

考虑有限时间区域：

Ω_t＝{x_t∈Rⁿ|x_t ^TΛx_t≤ρ(t)²} (7)

在给定参数

有限时间稳定度S_d：

式(8)中：

X(t,t₀)＝(Λ^1/2)Φ(t,t₀)Γ^-1Φ(t,t₀)(Λ^1/2) (9)。

5.根据权利要求1所述的一种四轮转向智能汽车伪解耦控制器，其特征在于，所述有限时间模型失配度观测模型，包括：横摆角速度子系统标准模型M₁，横向速度子系统标准模型M₂，有限时间模型失配度M_c计算模型，分别表示为：

M₁＝S^-1 (10)

M₂＝S^-1 (11)

式(12)中：g、h为模型适配度敏感系数，且有g+h＝1(0<g<1，0<h<1),ω_r(t₀,t)为伪解耦系统有限时间(t₀,t)内的横摆角速度输出信号，v(t₀,t)为伪解耦系统有限时间(t₀,t)内的横向速度输出信号，且有：

式(13)中，

为伪解耦系统和横摆角速度子系统标准模型M₁共同的有限时间(t₀,t)内的输入信号，

为横摆角速度子系统标准模型M₁的有限时间(t₀,t)内的输出信号，式(14)中，

为伪解耦系统和横向速度子系统标准模型M₂共同的有限时间(t₀,t)内的输入信号，v^*(t₀,t)为横向速度子系统标准模型M₂的有限时间(t₀,t)内的输出信号。

6.根据权利要求1所述的一种四轮转向智能汽车伪解耦控制器，其特征在于，所述IF-THEN-ELSE逻辑判断语句如下：

IF(当前时间本车有转向请求)THEN(执行下一步判断)ELSE(不转向)；

IF(当前时间车道信息、交通标志允许转向)THEN(执行下一步判断)ELSE(不转向)；

IF(当前有限时间稳定度S_d不超过限值)THEN(执行下一步判断)ELSE(不转向)；

IF(当前有限时间模型失配度M_c不超过限值)THEN(执行下一步判断)ELSE(不转向)；

IF(当前时间本车与附近车辆、行人之间有充足的安全距离)THEN(采用预瞄跟随方法规划转向运动轨迹并计算横摆角速度导数

和横向速度导数

两个控制参数输出到伪解耦系统)ELSE(不转向)。

7.一种四轮转向智能汽车伪解耦控制器的伪解耦控制方法，其特征在于，在智能感知车辆外部环境和观测内部参数的基础上，首先建立四轮转向智能汽车原模型，基于原模型建立四轮转向智能汽车右逆模型，以串联方式放置于原模型的左侧，四轮转向智能汽车原模型和四轮转向智能汽车右逆模型共同构成伪解耦系统，通过右逆模型将原模型伪解耦为一阶横摆角速度子系统和一阶横向速度子系统，实现对四轮转向智能汽车的伪解耦控制；然后建立四轮转向智能汽车有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测，再建立四轮转向智能汽车的有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的模型失配程度观测，最后设计转向控制决策模块，根据外部环境感知和内部参数观测的信息，以及有限时间稳定度和有限时间模型失配度两个特征参数数据，做出是否转向和控制参数的选择决策。

8.根据权利要求7所述的一种四轮转向智能汽车伪解耦控制器的伪解耦控制方法，其特征在于，所述为解耦控制方法的具体实现步骤包括：

步骤1)对四轮转向智能汽车进行简化等效，得到二自由度四轮转向智能汽车原模型，输入变量为前轮转角δ_f、后轮转角δ_r，输出变量为横摆角速度ω_r和横向速度v；

步骤2)对四轮转向智能汽车原模型进行分析和推导，确定其右逆模型的输入变量为横摆角速度的一阶导数

横向速度一阶导数

输出变量为前轮转角δ_f、后轮转角δ_r；

步骤3)用径向基神经网络(RBF)和两个积分器s^-1构造四轮转向智能汽车右逆模型，所述径向基神经网络(RBF)包括四个输入和二个输出，所述径向基神经网络(RBF)的参数确定方法为将前轮转角的阶跃激励信号

和后轮转角的阶跃激励信号

加到四轮转向智能汽车原模型的输入端；采集激励信号

和输出信号ω_r、

υ、

用构成的训练样本集

对径向基神经网络(RBF)进行训练，从而确定径向基神经网络RBF的参数；

步骤4)四轮转向智能汽车右逆模型以串联方式放置于四轮转向智能汽车原模型的左侧，四轮转向智能汽车原模型和四轮转向智能汽车右逆模型共同构成伪解耦系统，也就是说，右逆模型将原模型伪解耦为一阶横摆角速度子系统和一阶横向速度子系统；

步骤5)建立有限时间稳定度模型，用于四轮转向智能汽车的有限时间稳定度观测；

步骤6)建立有限时间模型失配度模型，用于四轮转向智能汽车原模型和右逆模型的模型失配程度观测；

步骤7)设计转向控制决策模块，根据外部环境感知和内部参数观测的信息，以及有限时间稳定度和有限时间模型失配度两个特征参数数据，做出是否转向和控制参数的选择决策。

Images