CN111399380B - 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法 - Google Patents

一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法 Download PDF

Info

Publication number
CN111399380B
CN111399380B CN202010214423.9A CN202010214423A CN111399380B CN 111399380 B CN111399380 B CN 111399380B CN 202010214423 A CN202010214423 A CN 202010214423A CN 111399380 B CN111399380 B CN 111399380B
Authority
CN
China
Prior art keywords
vehicle
front wheel
lqr
fiala
augmented
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
CN202010214423.9A
Other languages
English (en)
Other versions
CN111399380A (zh
Inventor
秦兆博
胡云卿
尚敬
刘海涛
秦洪懋
胡满江
陈亮
丁荣军
秦晓辉
徐彪
谢国涛
王晓伟
边有钢
陈鑫
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.)
Hunan University
CRRC Zhuzhou Institute Co Ltd
Original Assignee
Hunan University
CRRC Zhuzhou Institute Co Ltd
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 Hunan University, CRRC Zhuzhou Institute Co Ltd filed Critical Hunan University
Priority to CN202010214423.9A priority Critical patent/CN111399380B/zh
Publication of CN111399380A publication Critical patent/CN111399380A/zh
Application granted granted Critical
Publication of CN111399380B publication Critical patent/CN111399380B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive 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
    • G05B13/042—Adaptive 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)

Abstract

本发明公开了一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法，该方法包括：步骤1，建立车辆二自由度动力学模型及基于车辆打击中心的跟踪误差模型；步骤2，建立系统的状态空间方程；步骤3，将路径曲率作为扰动量与系统的状态向量合并构造一个增广的LQR控制问题；步骤4，通过求解增广LQR系统的Riccati方程得到最优的前馈控制量和反馈控制量；步骤5，利用得到的最优控制量——前轮侧偏力。本发明不仅能够在有限时域内通过LQR控制器预瞄多个路点的曲率信息，而且还可以在车辆具有较大横向加速度的情况下通过前轮转角约束前轮侧偏力，使车辆可以保持良好的横向稳定性和路径跟踪精度，避免了在极限工况下车辆因轮胎力饱和而出现失稳的状况。

Description

一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法
技术领域
本发明智能车辆横向控制技术领域，特别是涉及一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法。
背景技术
近年来，汽车的保有量不断上升，交通技术能力不断提高，对汽车的智能驾驶驾驶技术的需求也在增加，基于现实的需求，开展了对智能车辆运动控制相关技术的研究及探索。智能车辆运动控制技术根据控制目标的不同分为横向控制和纵向控制两类。其中，横向控制技术是实现智能车辆自主驾驶的关键技术之一。智能车辆的横向控制是在保证行驶安全性和舒适性的前提下，通过控制车辆的转向系统，使得车辆能沿着期望路径行驶。
现有的一些横向控制算法，如PID、模型预测控制、最优控制等控制算法基本都在提升路径跟踪的误差精度，但是在真实的道路状况下，车辆常常会因为一些突发情况偏离期望路径，并且当车速过高时，车轮侧偏力会接近饱和以至于车辆发生侧滑运动，车辆容易发生失稳现象。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法来克服现有技术的上述缺陷，本发明不仅能够在有限时域内通过LQR控制器预瞄多个路点的曲率信息，而且还可以在车辆具有较大横向加速度的情况下通过前轮转角约束前轮侧偏力，使车辆可以保持良好的横向稳定性和路径跟踪精度，避免了在极限工况下车辆因轮胎力饱和而出现失稳的状况。
为实现上述目的，本发明提供了如下技术方案：一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法，其特征在于：包括如下步骤：
步骤1，建立车辆二自由度动力学模型及基于车辆打击中心的跟踪误差模型；
步骤2，建立系统的状态方程；
步骤3，将路径曲率作为扰动量与系统的状态向量合并构造一个增广的LQR控制问题；
步骤4，通过求解增广LQR系统的Riccati方程得到最优的前馈控制量和反馈控制量；
步骤5，根据步骤4中得到的最优的前馈控制量和反馈控制量获得前轮侧偏力，基于获得的前轮侧偏力前提下根据Fiala刷子轮胎模型得到前轮侧偏角，进而得到前轮转角，然后根据获得的前轮转角对车辆进行横向控制。
作为本发明的进一步改进，所述步骤1中的车辆二自由度动力学模型为：
Figure BDA0002423900710000021
Figure BDA0002423900710000022
式中，Ff为前轮侧偏力，Fr为后轮侧偏力，m为车辆的质量，Uy和Ux分别为横向速度和纵向速度，r为车辆横摆角速度，a和b分别为前轴、后轴与车辆质心的距离，Iz为车辆转向惯性矩。
作为本发明的进一步改进，所述步骤1中的基于车辆打击中心的跟踪误差模型为：
Figure BDA0002423900710000023
Figure BDA0002423900710000024
Figure BDA0002423900710000025
Figure BDA0002423900710000026
Figure BDA0002423900710000027
Figure BDA0002423900710000031
式中，
Figure BDA0002423900710000032
为横摆角误差，
Figure BDA0002423900710000033
为车辆横摆角，
Figure BDA0002423900710000034
为对应路点的航向角，即期望横摆角，cr为路径曲率，s为车辆驶过得距离,ecop为相对于车辆打击中心的横向误差，e为相对于车辆质心的横向误差，xcop为车辆质心到打击中心的距离。
作为本发明的进一步改进，所述步骤2中建立系统的状态方程具体步骤如下：
步骤21，分别求解
Figure BDA0002423900710000035
与ecop的二阶导数：
由于
Figure BDA0002423900710000036
很小，使用小角度近似值得
Figure BDA0002423900710000037
Figure BDA0002423900710000038
Figure BDA0002423900710000039
由车辆的二自由度动力学模型得：
Figure BDA00024239007100000310
Figure BDA00024239007100000311
利用车辆打击中心的性质，简化后的
Figure BDA00024239007100000312
为：
Figure BDA00024239007100000313
式中，L为车辆的轴距；
假设轮胎模型是线性的，但是为了应对后轮侧偏力饱和时轮胎的非线性特性，引入无纲量系数η，后轮侧偏力可以表示为：
Figure BDA00024239007100000314
步骤22，令系统的状态向量
Figure BDA00024239007100000315
控制量为前轮侧偏力
Figure BDA00024239007100000316
系统的状态方程为：
Figure BDA0002423900710000041
构建具有固定采样时间的离散系统：
x(k+1)＝Ax(k)+BFf(k)+Dcr(k)
Figure BDA0002423900710000042
式中，
Figure BDA0002423900710000043
和
Figure BDA0002423900710000044
都是系统的系数矩阵,
Figure BDA0002423900710000045
都是正定的权重矩阵。
作为本发明的进一步改进，所述步骤3中将路径曲率作为扰动量与系统的状态向量合并构造一个增广的LQR控制问题具体步骤如下：
步骤31，将cr(i),i∈[k,k+N]与系统状态向量合并后的增广状态向量X(k)为：
Figure BDA0002423900710000046
Cr(k)＝[cr(k),cr(k+1),…,cr(k+N)]T
式中，X为被合并的新系统状态向量，Cr包含了未来N个路点的曲率信息；
步骤32，构造增广的LQR控制系统的代价函数和空间状态方程，分别为：
Figure BDA0002423900710000047
Figure BDA0002423900710000048
式中，
Figure BDA0002423900710000049
和
Figure BDA00024239007100000410
为增广的系统系数矩阵，
Figure BDA00024239007100000411
和
Figure BDA00024239007100000412
为增广的权重矩阵。
作为本发明的进一步改进，所述步骤4中，所述通过求解增广LQR系统的 Riccati方程得到最优的前馈控制量和反馈控制量具体步骤为：
步骤41，求得最优控制率为：
Figure BDA00024239007100000413
式中，
Figure BDA0002423900710000051
为反馈增益向量；
步骤42，求解Riccati方程得到
Figure BDA0002423900710000052
并将
Figure BDA0002423900710000053
解耦，即可得到最优的前馈控制量和反馈控制量：
Figure BDA0002423900710000054
Figure BDA0002423900710000055
式中，
Figure BDA0002423900710000056
作为cr∈Cr的映射关系，O和I分别是零矩阵和单位矩阵；最优控制率为：
Figure BDA0002423900710000057
Kb＝(R+BTPB)-1BTPA
Figure BDA0002423900710000058
式中，Kb为反馈增益，Kf为前馈增益。
作为本发明的进一步改进，所述步骤5中利用步骤4中得到的前轮侧偏力，之后基于Fiala刷子轮胎模型得到前轮侧偏角，进而得到前轮转角δ具体步骤为：
Figure BDA0002423900710000059
式中，f-1(Ff *)为前轮侧偏力与前轮侧偏角相关的Fiala刷子轮胎模型，根据解得的最优控制量查表的到相应的前轮侧偏角。
本发明的有益效果，通过步骤1至步骤5的设置，不仅能够在有限时域内通过LQR控制器预瞄多个路点的曲率信息，而且还可以在车辆具有较大横向加速度的情况下通过前轮转角约束前轮侧偏力，使车辆可以保持良好的横向稳定性和路径跟踪精度，避免了在极限工况下车辆因轮胎力饱和而出现失稳的状况。
附图说明
图1为本发明实现智能车辆横向控制的总体框架图。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
参照图1所示，本实施例的一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法，包括如下步骤：
步骤1，建立车辆二自由度动力学模型及基于车辆打击中心的跟踪误差模型；
步骤2，建立系统的状态方程；
步骤3，将路径曲率作为扰动量与系统的状态向量合并构造一个增广的LQR控制问题；
步骤4，通过求解增广LQR系统的Riccati方程得到最优的前馈控制量和反馈控制量；
步骤5，根据步骤4中得到的最优的前馈控制量和反馈控制量获得前轮侧偏力，基于获得的前轮侧偏力前提下根据Fiala刷子轮胎模型得到前轮侧偏角，进而得到前轮转角，然后根据获得的前轮转角对车辆进行横向控制，通过执行本实施例中的步骤1和步骤2可建立出车辆二自由度动力学模型及基于车辆打击中心的跟踪误差模型和系统的状态方程，之后通过步骤3和步骤4的设置，便可引入LQR 控制问题，以此实现通过LQR控制器预瞄多个路点的曲率信息，最后再通过步骤 5的设置，可有效的获得前轮转角，然后依据前轮转角约束前轮侧偏力，使车辆可以保持良好的横向稳定性和路径跟踪精度，避免了在极限工况下车辆因轮胎力饱和而出现失稳的状况。
作为改进的一种具体实施方式，所述步骤1中的车辆二自由度动力学模型为：
Figure BDA0002423900710000061
Figure BDA0002423900710000062
式中，Ff为前轮侧偏力，Fr为后轮侧偏力，m为车辆的质量，Uy和Ux分别为横向速度和纵向速度，r为车辆横摆角速度，a和b分别为前轴、后轴与车辆质心的距离，Iz为车辆转向惯性矩，通过上述方式，便可有效的构建出车辆二自由度动力学模型，并且使得该模型与车辆的各个基础参数数据都有关联，使得模型能够准确的反应出车辆的具体情况。
作为改进的一种具体实施方式，所述步骤1中的基于车辆打击中心的跟踪误差模型为：
Figure BDA0002423900710000071
Figure BDA0002423900710000072
Figure BDA0002423900710000073
Figure BDA0002423900710000074
Figure BDA0002423900710000075
Figure BDA0002423900710000076
式中，
Figure BDA0002423900710000077
为横摆角误差，
Figure BDA0002423900710000078
为车辆横摆角，
Figure BDA0002423900710000079
为对应路点的航向角，即期望横摆角，cr为路径曲率，s为车辆驶过得距离,ecop为相对于车辆打击中心的横向误差，e为相对于车辆质心的横向误差，xcop为车辆质心到打击中心的距离，通过上述方式，便可有效的构建出基于车辆打击中心的跟踪误差模型，并且使得该模型与车辆的各个基础参数数据都有关联，使得模型能够准确的反应出车辆基于打击中心的具体数据情况。
作为改进的一种具体实施方式，所述步骤2中建立系统的状态方程具体步骤如下：
步骤21，分别求解
Figure BDA00024239007100000710
与ecop的二阶导数：
由于
Figure BDA00024239007100000711
很小，使用小角度近似值得
Figure BDA00024239007100000712
Figure BDA00024239007100000713
Figure BDA00024239007100000714
由车辆的二自由度动力学模型得：
Figure BDA0002423900710000081
Figure BDA0002423900710000082
利用车辆打击中心的性质，简化后的
Figure BDA0002423900710000083
为：
Figure BDA0002423900710000084
式中，L为车辆的轴距；
假设后轮轮胎模型是线性的，但是为了应对后轮侧偏力饱和时轮胎的非线性特性，引入无纲量系数η，后轮侧偏力可以表示为：
Figure BDA0002423900710000085
步骤22，令系统的状态向量
Figure BDA0002423900710000086
控制量为前轮侧偏力
Figure BDA0002423900710000087
系统的状态方程为：
Figure BDA0002423900710000088
将连续系统转化为具有固定采样时间的离散系统：
x(k+1)＝Ax(k)+BFf(k)+Dcr(k)
Figure BDA0002423900710000089
式中，
Figure BDA00024239007100000810
和
Figure BDA00024239007100000811
都是系统的系数矩阵,
Figure BDA00024239007100000812
都是正定的权重矩阵，如此便可通过前面获得的车辆二自由度动力学模型，基于车辆打击中心的跟踪误差模型状态方程，以及后轮侧偏力的方程表达式构建出基于前轮侧偏力
Figure BDA00024239007100000813
的系统的状态方程。
作为改进的一种具体实施方式，所述步骤3中将路径曲率作为扰动量与系统的状态向量合并构造一个增广的LQR控制问题具体步骤如下：
步骤31，将cr(i),i∈[k,k+N]与系统状态向量合并后的增广状态向量X(k)为：
Figure BDA0002423900710000091
Cr(k)＝[cr(k),cr(k+1),…,cr(k+N)]T
式中，X为被合并的新系统状态向量，Cr包含了未来N个路点的曲率信息；
步骤32，构造增广的LQR控制系统的代价函数和空间状态方程，分别为：
Figure BDA0002423900710000092
Figure BDA0002423900710000093
式中，
Figure BDA0002423900710000094
和
Figure BDA0002423900710000095
为增广的系统系数矩阵，
Figure BDA0002423900710000096
和
Figure BDA0002423900710000097
为增广的权重矩阵，通过上述步骤，便可获得增广状态向量X(k)，然后再通过该增广状态向量X(k)构造出增广的LQR 控制系统的代价函数和状态方程，简单有效的实现了构造一个增广的LQR控制问题，同时使得该问题最终以方程状态显示，简化了后续对于该问题的解答。
作为改进的一种具体实施方式，所述步骤4中，所述通过求解增广LQR系统的Riccati方程得到最优的前馈控制量和反馈控制量具体步骤为：
步骤41，求得最优控制率为：
Figure BDA0002423900710000098
式中，
Figure BDA0002423900710000099
为反馈增益向量；
步骤42，求解Riccati方程得到
Figure BDA00024239007100000910
并将
Figure BDA00024239007100000911
解耦，即可得到最优的前馈控制量和反馈控制量：
Figure BDA00024239007100000912
Figure BDA00024239007100000913
式中，
Figure BDA0002423900710000101
作为cr∈Cr的映射关系，O和I分别是零矩阵和单位矩阵；最优控制率为：
Ff *(k)＝-Kbx(k)-KfCr(k)
Kb＝(R+BTPB)-1BTPA
Figure BDA0002423900710000102
式中，Kb为反馈增益，Kf为前馈增益，通过上述步骤的设置，便可简单有效的计算出最优的前馈控制量和反馈控制量。
作为改进的一种具体实施方式，所述步骤5中利用步骤4中得到的前轮侧偏力，之后基于Fiala刷子轮胎模型得到前轮侧偏角，进而得到前轮转角δ具体步骤为：
Figure BDA0002423900710000103
式中，f-1(Ff *)为前轮侧偏力与前轮侧偏角相关的Fiala刷子轮胎模型，根据解得的最优控制量查表的到相应的前轮侧偏角，上述公式中采用前轮侧偏力与前轮侧偏角相关的Fiala刷子轮胎模型与横向速度和纵向速度结合计算出前轮转角δ，使得前轮转角δ获取更为直观明了。
综上所述，本实施例的横向控制方法，采用了将路径曲率作为扰动量与系统的状态向量合并构造一个增广的LQR控制问题，然后再通过求解增广LQR系统的Riccati方程得到最优的前馈控制量和反馈控制量，最后通过最优的前馈控制量和反馈控制量获得前轮侧偏力，通过前轮侧偏力获得前轮转角，以此实现了不仅能够在有限时域内通过LQR控制器预瞄多个路点的曲率信息，而且还可以在车辆具有较大横向加速度的情况下通过前轮转角约束前轮侧偏力，使车辆可以保持良好的横向稳定性和路径跟踪精度，避免了在极限工况下车辆因轮胎力饱和而出现失稳的状况。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法，其特征在于：包括如下步骤：
步骤1，建立车辆二自由度动力学模型及基于车辆打击中心的跟踪误差模型；
步骤2，建立系统的状态方程；
步骤3，将路径曲率作为扰动量与系统的状态向量合并构造一个增广的LQR控制问题；
步骤4，通过求解增广LQR系统的Riccati方程得到最优的前馈控制量和反馈控制量；
步骤5，根据步骤4中得到的最优的前馈控制量和反馈控制量获得前轮侧偏力，基于获得的前轮侧偏力前提下根据Fiala刷子轮胎模型得到前轮侧偏角，进而得到前轮转角，然后根据获得的前轮转角对车辆进行横向控制；
所述步骤3中将路径曲率作为扰动量与系统的状态向量合并构造一个增广的LQR控制问题具体步骤如下：
步骤31，将cr(i)，i∈[k，k+N]与系统状态向量合并后的增广状态向量X(k)为：
Figure FDA0003215745500000011
Cr(k)＝[cr(k)，cr(k+1)，…，cr(k+N)]T
式中，X为被合并的新系统状态向量，Cr包含了未来N个路点的曲率信息；
步骤32，构造增广的LQR控制系统的代价函数和空间状态方程，分别为：
Figure FDA0003215745500000012
Figure FDA0003215745500000013
式中，
Figure FDA0003215745500000014
和
Figure FDA0003215745500000015
为增广的系统系数矩阵，
Figure FDA0003215745500000016
和
Figure FDA0003215745500000017
为增广的权重矩阵，Ff(k)为前轮侧偏力，J(X，Ff)为代价函数；
所述步骤4中，所述通过求解增广LQR系统的Riccati方程得到最优的前馈控制量和反馈控制量具体步骤为：
步骤41，求得最优控制率为：
Figure FDA0003215745500000021
式中，
Figure FDA0003215745500000022
为反馈增益向量；
步骤42，求解Riccati方程得到
Figure FDA0003215745500000023
并将
Figure FDA0003215745500000024
解耦，即可得到最优的前馈控制量和反馈控制量：
Figure FDA0003215745500000025
Figure FDA0003215745500000026
式中，
Figure FDA0003215745500000027
作为cr∈Cr的映射关系，O和I分别是零矩阵和单位矩阵；最优控制率为：
Ff *(k)＝-Kbx(k)-KfCr(k)
Kb＝(R+BTPB)-1BTPA
Figure FDA0003215745500000028
式中，Kb为反馈增益，Kf为前馈增益，
Figure FDA0003215745500000029
为Riccati方程正定解，
Figure FDA00032157455000000210
D为系统状态方程中扰动项的系数。
2.根据权利要求1所述的基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法，其特征在于：所述步骤1中的车辆二自由度动力学模型为：
Figure FDA00032157455000000211
Figure FDA00032157455000000212
式中，Ff为前轮侧偏力，Fr为后轮侧偏力，m为车辆的质量，Uy和Ux分别为横向速度和纵向速度，r为车辆横摆角速度，a和b分别为前轴、后轴与车辆质心的距离，Iz为车辆转向惯性矩。
3.根据权利要求2所述的基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法，其特征在于：所述步骤1中的基于车辆打击中心的跟踪误差模型为：
Figure FDA0003215745500000031
Figure FDA0003215745500000032
Figure FDA0003215745500000033
Figure FDA0003215745500000034
Figure FDA0003215745500000035
Figure FDA0003215745500000036
式中，
Figure FDA0003215745500000037
为横摆角误差，
Figure FDA0003215745500000038
为车辆横摆角，
Figure FDA0003215745500000039
为对应路点的航向角，即期望横摆角，cr为路径曲率，s为车辆驶过的距离，ecop为相对于车辆打击中心的横向误差，e为相对于车辆质心的横向误差，xcop为车辆质心到打击中心的距离。
4.根据权利要求3所述的基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法，其特征在于：所述步骤2中建立系统的状态方程具体步骤如下：
步骤21，分别求解
Figure FDA00032157455000000310
与ecop的二阶导数：
由于
Figure FDA00032157455000000311
很小，使用小角度近似值得
Figure FDA00032157455000000312
Figure FDA00032157455000000313
Figure FDA00032157455000000314
由车辆的二自由度动力学模型得：
Figure FDA00032157455000000315
Figure FDA00032157455000000316
利用车辆打击中心的性质，简化后的
Figure FDA00032157455000000317
为：
Figure FDA00032157455000000318
式中，L为车辆的轴距；
假设后轮轮胎模型是线性的，但是为了应对后轮侧偏力饱和时轮胎的非线性特性，引入无纲量系数η，后轮侧偏力表示为：
Figure FDA0003215745500000041
步骤22，令系统的状态向量
Figure FDA0003215745500000042
控制量为前轮侧偏力
Figure FDA0003215745500000043
系统的状态方程为：
Figure FDA0003215745500000044
构建具有固定采样时间的离散系统：
x(k+1)＝Ax(k)+BFf(k)+Dcr(k)
Figure FDA0003215745500000045
式中，
Figure FDA0003215745500000046
和
Figure FDA0003215745500000047
都是系统的系数矩阵，
Figure FDA0003215745500000048
都是正定的权重矩阵。
5.根据权利要求4所述的基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法，其特征在于：所述步骤5中利用步骤4中得到的前轮侧偏力，之后基于Fiala刷子轮胎模型得到前轮侧偏角，进而得到前轮转角δ具体步骤为：
Figure FDA0003215745500000049
式中，f-1(Ff *)为前轮侧偏力与前轮侧偏角相关的Fiala刷子轮胎模型，根据解得的最优控制量查表得到相应的前轮侧偏角。
CN202010214423.9A 2020-03-24 2020-03-24 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法 Active CN111399380B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010214423.9A CN111399380B (zh) 2020-03-24 2020-03-24 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010214423.9A CN111399380B (zh) 2020-03-24 2020-03-24 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法

Publications (2)

Publication Number Publication Date
CN111399380A CN111399380A (zh) 2020-07-10
CN111399380B true CN111399380B (zh) 2021-10-22

Family

ID=71436558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010214423.9A Active CN111399380B (zh) 2020-03-24 2020-03-24 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法

Country Status (1)

Country Link
CN (1) CN111399380B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111873991B (zh) * 2020-07-22 2022-04-08 中国第一汽车股份有限公司 一种车辆转向的控制方法、装置、终端及存储介质
CN113050650B (zh) * 2021-03-24 2022-09-13 苏州泛像汽车技术有限公司 基于输出反馈的无人车路径跟踪控制方法及系统
CN113276833B (zh) * 2021-05-11 2022-07-29 上汽通用五菱汽车股份有限公司 车辆的横向运动控制方法、控制终端及存储介质
CN113419420A (zh) * 2021-06-30 2021-09-21 东风悦享科技有限公司 一种车辆线性二自由度动力学模型循迹控制方法及系统
CN113428142B (zh) * 2021-07-15 2022-03-08 湖南大学无锡智能控制研究院 一种路径跟踪前馈控制方法和装置
CN113978547B (zh) * 2021-10-21 2022-08-02 江铃汽车股份有限公司 自动驾驶转向控制方法及系统
CN115179935A (zh) * 2022-09-13 2022-10-14 毫末智行科技有限公司 一种路径跟踪的方法、装置、电子设备及存储介质
CN115675637B (zh) * 2022-12-28 2023-03-28 禾多科技（北京）有限公司 车辆控制方法、装置、电子设备和计算机可读介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998025156A2 (en) * 1996-12-05 1998-06-11 Shabbir Ahmed Parvez Autonomous guidance system with position and velocity feedback using modern control theory
CN106527139A (zh) * 2016-11-29 2017-03-22 桂林航天工业学院 通信受限情况下的车辆横摆运动鲁棒控制器设计方法
CN106970524A (zh) * 2017-01-17 2017-07-21 江苏大学 用于主动悬架的车辆侧倾运动安全线性二次型最优lqg控制器设计方法
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
CN108674414A (zh) * 2018-07-02 2018-10-19 清华大学 一种极限工况的智能汽车轨迹跟踪控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998025156A2 (en) * 1996-12-05 1998-06-11 Shabbir Ahmed Parvez Autonomous guidance system with position and velocity feedback using modern control theory
CN106527139A (zh) * 2016-11-29 2017-03-22 桂林航天工业学院 通信受限情况下的车辆横摆运动鲁棒控制器设计方法
CN106970524A (zh) * 2017-01-17 2017-07-21 江苏大学 用于主动悬架的车辆侧倾运动安全线性二次型最优lqg控制器设计方法
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
CN108674414A (zh) * 2018-07-02 2018-10-19 清华大学 一种极限工况的智能汽车轨迹跟踪控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于预瞄的智能车辆路径跟踪控制研究;倪兰青 等;《重庆理工大学学报(自然科学)》;20170331;第31卷(第3期);第27-33页全文 *
智能汽车轨迹跟踪控制算法研究;陶冰冰;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190515(第05期);第C035-388页第2-5章及摘要 *
自动驾驶车辆LQR轨迹跟踪控制器设计;陶冰冰 等;《湖北汽车工业学院学报》;20171231;第31卷(第4期);第1-6、11页第1-4节 *

Also Published As

Publication number Publication date
CN111399380A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN111399380B (zh) 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法
CN108227491B (zh) 一种基于滑模神经网络的智能车轨迹跟踪控制方法
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
CN111176302B (zh) 输入饱和的自动驾驶汽车路径跟踪控制方法
CN107992681B (zh) 一种电动汽车主动前轮转向系统的复合控制方法
CN111158349B (zh) 基于多步线性化策略的无人驾驶车辆模型预测控制方法
CN113320542B (zh) 一种自动驾驶车辆的跟踪控制方法
CN108001447A (zh) 一种智能车辆路径跟踪前轮转角补偿控制方法
CN107585207B (zh) 一种车辆线控四轮转向系统及其控制方法
CN111717282B (zh) 一种基于模型预测控制的人机共享驾驶辅助转向方法
CN113183957A (zh) 车辆控制方法、装置、设备及自动驾驶车辆
CN112606843A (zh) 一种基于Lyapunov-MPC技术的智能车辆路径跟踪控制方法
CN111679575A (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
CN113009829A (zh) 一种智能网联车队纵横向耦合控制方法
CN113741450B (zh) 一种车辆自动驾驶横向自适应控制方法
Kamat Lane keeping of vehicle using model predictive control
CN116520700A (zh) 一种欠驱动自动驾驶车辆的路径跟踪控制方法
CN116653988A (zh) 一种自动驾驶车辆纵向控制方法、系统及车辆
CN115079569A (zh) 一种基于天牛须搜索算法的agv非线性自抗扰控制方法
CN114690754B (zh) 重复作业式无人车迭代学习自趋优的循迹控制算法
CN114740845A (zh) 一种基于浸入与不变流形车辆跟踪控制方法
CN113022567B (zh) 一种基于Popov超稳定性的智能车路径跟踪控制方法
Hamzah et al. GA-based sliding mode controller for yaw stability improvement
CN113428142B (zh) 一种路径跟踪前馈控制方法和装置
CN116820089A (zh) 带饱和补偿的自适应有限时间自动驾驶轨迹跟踪控制方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Qin Zhaobo

Inventor after: Xu Biao

Inventor after: Xie Guotao

Inventor after: Wang Xiaowei

Inventor after: Bian Yougang

Inventor after: Chen Xin

Inventor after: Hu Yunqing

Inventor after: Shang Jing

Inventor after: Liu Haitao

Inventor after: Qin Hongmao

Inventor after: Hu Manjiang

Inventor after: Chen Liang

Inventor after: Ding Rongjun

Inventor after: Qin Xiaohui

Inventor before: Qin Zhaobo

Inventor before: Chen Xin

Inventor before: Chen Liang

Inventor before: Ding Rongjun

Inventor before: Hu Manjiang

Inventor before: Qin Xiaohui

Inventor before: Xu Biao

Inventor before: Xie Guotao

Inventor before: Wang Xiaowei

Inventor before: Bian Yougang

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210917

Address after: 410082 Yuelu District Lushan South Road Lushan Gate, Changsha City, Hunan Province

Applicant after: HUNAN University

Applicant after: CRRC Zhuzhou Institute Co.,Ltd.

Address before: Yuelu District City, Hunan province 410082 Changsha Lushan Road No. 1 Hunan University

Applicant before: HUNAN University

GR01 Patent grant
GR01 Patent grant