CN111812974B - 一种双侧电机驱动履带车辆的综合控制方法 - Google Patents

Abstract

本发明提供了一种双侧电机驱动履带车辆的综合控制方法，用于实现此种车辆的操纵稳定性与轨迹跟踪的综合控制。该方法中综合考虑了双侧电机履带车辆运动学以及动力学参数的影响。结合预瞄模型获取航向角偏差与侧向位移偏差，使车辆运动更符合实际驾驶员操纵特性；以双侧履带力为控制量，考虑小半径转向与大半径转向之间的动力学差异，设计可切换的模型预测控制算法，使该控制方法适用于各曲率工况；实现了对侧向位移偏差、航向角偏差、纵向速度以及横摆角速度的综合控制，实现了对期望轨迹位置点的跟踪。同时为了保证转向可控性，实现了操纵稳定性与轨迹跟踪的综合控制。

Description

一种双侧电机驱动履带车辆的综合控制方法

技术领域

本发明涉及履带车辆控制领域，具体涉及一种双侧电机驱动履带车辆的综合控制方法，用于实现操纵稳定性与轨迹跟踪的综合控制。

背景技术

履带车辆多采用双电机独立驱动，每侧履带有一个主动轮，其优点是结构简单，传动效率高，缺点是两侧驱动电机间没有机械连接，因此对电机驱动系统和电子控制的要求较高。对于无人驾驶履带车而言，轨迹跟踪控制是其核心技术之一，轨迹跟踪控制的目标是使无人驾驶履带车稳定无误地的沿着规划层决策好的期望轨迹行驶。在早期的轨迹控制研究中，主要都是基于运动学模型的位置跟踪，对两侧履带速度进行控制，几乎没有考虑动力学约束和控制，也没有同时考虑操纵稳定性动力学控制，无法保证跟踪过程中转向轨迹可控性。

模型预测控制可以考虑非线性动力学模型并预测未来一段时间内系统的输出，通过滚动解决带约束的多目标最优问题使得系统在满足多目标跟踪精度的同时满足约束条件。智能轮式车辆轨迹跟踪模型预测控制控制器基本包括5种类型：①基于无预瞄运动学模型的模型预测控制器；②基于预瞄运动学模型的模型预测控制器；③考虑动力学约束的模型预测控制器；④考虑运动学约束、动力学约束、稳定性控制的模型预测控制器；⑤考虑运动学约束、运动学约束、稳定性控制和力矩分配的模型预测控制器。然而，在现有的履带车辆轨迹跟踪方式中仍局限于上述第①种方法，没有考虑动力学约束和操纵稳定性控制，实际转向轨迹与期望轨迹会有较大偏差，并且所采用的无预瞄运动学模型在跟踪精度及鲁棒性方面，也存在一些不足。

发明内容

有鉴于此，针对上述现有技术中所存在的技术问题，本发明提供了一种双侧电机驱动履带车辆的综合控制方法，用于实现此种车辆的操纵稳定性与轨迹跟踪的综合控制。该方法具体包括以下步骤：

步骤一、确定待跟踪的期望轨迹上的状态量，并设置各状态量的参考值；

步骤二、基于确定的各状态量，针对履带车辆建立预瞄运动学模型以及动力学模型；

步骤三、判断车辆运动状态判断转向半径与车宽的关系，确定当前状态下由所述预瞄运动模型及动力学模型共同组成的履带车辆模型预测方程；

步骤四、结合履带车辆实时运动状态所对应的各状态量，预测履带车辆未来输出量，根据预测输出与参考值建立多目标优化函数，设置满足机械限制、控制平顺性、操纵稳定性的相关控制量约束条件，实时滚动优化获得两侧履带力最优控制量。

进一步地，所述步骤一中所确定的各状态量及参考值，基于以下考虑：为了保证了车辆对轨迹位置点的跟踪需要将横向偏差与航向角偏差的参考值设置为0。然而这两项无法保证转向过程中的操纵稳定性，还需要对横摆角速度设置参考值。在转向过程中，期望横摆角速度可由期望转向半径以及期望线速度共同给出。由此，各状态量及参考值具体为：

其中，y_e为侧向偏差，ψ_e为航向角偏差，ω为横摆角速度，v为线速度，R为转向半径，下标均表示参考点。

进一步地，所述步骤二中建立预瞄运动学模型具体采用以下公式：

其中，

为侧向偏差变化率，

为航向角偏差变化率，v_x为纵向速度，L_d为预瞄距离，β为质心侧偏角，ρ为预瞄点处期望轨迹曲率；

为简化履带车辆转向行为分析，先作如下假设条件：车辆的质心与几何中心重合；不考虑履带车辆内阻的影响；不考虑转向时，回转惯性力和离心力的变化；车辆行驶阻力系数f不变；小半径转向与大半径转向的转向阻力系数μ的计算方法相同；不考虑履带宽度对转向的影响；车辆垂向负荷沿履带方向是均匀分布的，转向阻力与垂向负荷成正比，以比例系数μ表示。

根据转向半径R与车宽B的关系，可分为小半径转向和大半径转向，以右转为例，此时，右侧履带为内侧履带。

R≤0.5B时，为小半径转向，此时履带车辆动力学方程为：

其中，M_μ为转向阻力矩，F_L、F_R为左、右侧履带牵引力，R_L、R_R为左、右侧履带阻力，δ为质量增加系数，m为整车质量，J为转动惯量。

此时，F_L、F_R都为驱动力，方向相反。特别地，当R＝0时，F_L＝F_R,v_L＝v_R，纵向加速度为0；当R＝0.5B时，v_R＝0,R_R＝0；

转向阻力矩M_μ可由下式得到：

其中，μ为转向阻力系数，L为履带接地长，g为重力加速度；

两侧履带滚动阻力大小相等，方向相反，具有如下关系：

其中，f为阻力系数；

R＞0.5R时，为大半径转向，此时履带车辆动力学方程为：

此时，F_L为驱动力，F_R为制动力，两者与滚动阻力方向相同，与内侧履带行驶方向相反。

进一步地，所述步骤三具体为：

R≤0.5B时，为小半径转向，此时模型预测控制器状态方程为：

R＞0.5R时，为大半径转向，此时模型预测控制器状态方程为：

其中，

为纵向速度变化率，

为横摆角速度变化率。

进一步地，在所述步骤四中，定义状态量x＝[y_e,ψ_e,v_x,ω]^T，控制量u＝[F_L,F_R]^T，输出量y＝[y_e,ψ_e,v_x,ω]^T；

建立状态方程

并在参考点处展开：

其中，J_f为各控制量，状态量对应的雅各比矩阵

令：

其中，

将状态方程离散化以应用于计算预测输出；

令：

其中，n为状态量维度，I_n为n×n的单位矩阵，T为采样时间；

则有离散化方程：

其中，d_k,t(k)＝x_t(k+1)-A_k,tx_t(k)-B_k,tu_t(k)为干扰量相关矩阵；Δu(k)为控制增量；

为了对控制增量进行限制，防止控制量突变，需要在将控制增量在目标函数中加以约束，令：

得到新的离散化方程：

其中，

n为状态量维度，m为控制量维度；

为减小计算量，提高模型预测控制器的计算效率，做如下简化：

Y(t)＝S_xξ(t)+S_uΔU(t)+S_dD(t)

其中，

根据预测输出量与期望输出量的值设置目标函数：

其中Q,R为权重矩阵，ρ为权重系数，ε为松弛因子；

利用二次规划算法对目标函数进行求解，可得到最优控制增量序列ΔU(t)，选取序列第一项与当前控制量的和作为下一步长的控制量。

对相关控制量的约束条件，通过以下方式设置：

为满足机械限制，需要对控制量的大小进行限制，即对两侧履带力设置最大最小值：

u_min≤u(k)≤u_max，

其中，u(k)、u_max、u_min分别表示两侧履带力及其最大和最小值；

为了保持控制平顺性，防止控制量发生突变，对控制增量设置约束：

Δu_min≤Δu(k)≤Δu_max，

其中，Δu(k)、Δu_max、Δu_min分别表示两侧履带力增量及其最大和最小值；

考虑到操纵稳定性，需要对横摆角速度设置约束：

ω_min≤ω(k)≤ω_max，

其中，ω(k)、ω_max、ω_min分别横摆角速度及其最大和最小值；

通过求解带约束的多目标优化问题，实时获得最优控制序列，实现滚动优化。

上述本发明所提供的方法，至少具有以下有益效果：

(1).综合考虑了双侧电机履带车辆运动学以及动力学参数的影响。结合预瞄模型获取航向角偏差与侧向位移偏差，使车辆运动更符合实际驾驶员操纵特性；

(2).以双侧履带力为控制量，考虑小半径转向与大半径转向之间的动力学差异，设计可切换的模型预测控制算法，使该控制方法适用于各曲率工况；

(3).实现了对侧向位移偏差、航向角偏差、纵向速度以及横摆角速度的综合控制，实现了对期望轨迹位置点的跟踪。同时为了保证转向可控性，实现了操纵稳定性与轨迹跟踪的综合控制。

附图说明

图1为本发明所提供方法的执行过程框图；

图2为本发明所提供方法中的履带车辆预瞄运动学模型示意图；

图3为履带车辆小半径转向动力学模型示意图；

图4为履带车辆大半径转向动力学模型示意图；

图5为本发明的方法所设计模型预测控制器轨迹跟踪仿真结果；

图6为本发明的方法所设计模型预测控制器横摆角速度跟踪仿真结果；

图7为本发明的方法所设计模型预测控制器纵向速度跟踪仿真结果。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所提供的双侧电机驱动履带车辆的综合控制方法，在图1中示出了其如何用于实现此种车辆的操纵稳定性与轨迹跟踪的综合控制全过程。该方法具体包括以下步骤：

步骤一、确定待跟踪的期望轨迹上的状态量，并设置各状态量的参考值。

步骤二、基于确定的各状态量，针对履带车辆建立预瞄运动学模型以及动力学模型。该预瞄运动学模型的建立如图2所示。

步骤三、判断车辆运动状态判断转向半径与车宽的关系，确定当前状态下由所述预瞄运动模型及动力学模型共同组成的履带车辆模型预测方程。图3和图4中示出了根据本发明在不同半径与车宽的关系下建立的两种动力学模型。

步骤四、结合履带车辆实时运动状态所对应的各状态量，预测履带车辆未来输出量，根据预测输出与参考值建立多目标优化函数，设置满足机械限制、控制平顺性、操纵稳定性的相关控制量约束条件，实时滚动优化获得两侧履带力最优控制量。

图5-图7示出了基于本发明所提供方法的一个具体实例，采用Matlab/Simulink仿真实验，设置期望纵向速度参考值为5m/s，车宽B＝1.3m，履带接地长L＝1.7m，取滚动阻力系数f＝0.04，整车质量m＝2000kg,转动惯量J＝3000kg/m²,质量增加系数δ＝1.5,最大转向阻力系数μ_max＝1，而根据经验公式有

期望轨迹转向半径为R＝10m。

通过仿真图5可以看出，本发明的方法所设计的模型预测控制器可以实现轨迹跟踪功能，从图6可以看出，本发明的方法所设计的模型预测控制器可以实现对期望横摆角速度的跟踪，进入稳态转向后，横摆角速度误差控制在0.04rad/s之内，保证了转向过程中的操纵稳定性，从而实现了操纵稳定性与轨迹跟踪综合控制，从图7可以看出，本发明的方法所设计的模型预测控制器可以实现对期望纵向速度的跟踪。

应理解，本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种双侧电机驱动履带车辆的综合控制方法，用于实现此种车辆的操纵稳定性与轨迹跟踪的综合控制，其特征在于：具体包括以下步骤：

步骤一、确定待跟踪的期望轨迹上的状态量，并设置各状态量的参考值；

步骤二、基于确定的各状态量，针对履带车辆建立预瞄运动学模型以及动力学模型；

步骤三、判断车辆运动状态判断转向半径与车宽的关系，确定当前状态下由所述预瞄运动模型及动力学模型共同组成的履带车辆模型预测方程；

步骤四、结合履带车辆实时运动状态所对应的各状态量，预测履带车辆未来输出量，根据预测输出与参考值建立多目标优化函数，设置满足机械限制、控制平顺性、操纵稳定性的相关控制量约束条件，实时滚动优化获得两侧履带力最优控制量。

2.如权利要求1所述的方法，其特征在于：所述步骤一中各状态量及参考值具体为：

其中，y_e为侧向偏差，ψ_e为航向角偏差，ω为横摆角速度，v为线速度，R为转向半径，下标r均表示参考点。

3.如权利要求2所述的方法，其特征在于：所述步骤二中建立预瞄运动学模型具体采用以下公式：

其中，

为侧向偏差变化率，

为航向角偏差变化率，v_x为纵向速度，L_d为预瞄距离，β为质心侧偏角，ρ为预瞄点处期望轨迹曲率；

根据转向半径R与车宽B的关系分为小半径转向和大半径转向，

R≤0.5B时，为小半径转向，此时履带车辆动力学方程为：

其中，M_μ为转向阻力矩，F_L、F_R为左、右侧履带牵引力，R_L、R_R为左、右侧履带滚动阻力，δ为质量增加系数，m为整车质量，J为转动惯量；此时，F_L、F_R都为驱动力，方向相反；当R＝0时，F_L＝F_R,v_L＝v_R，纵向加速度为0；当R＝0.5B时，v_R＝0,R_R＝0；

转向阻力矩M_μ可由下式得到：

其中，μ为转向阻力系数，L为履带接地长，g为重力加速度；

两侧履带滚动阻力大小相等，方向相反，具有如下关系：

其中，f为阻力系数；

R＞0.5R时，为大半径转向，此时履带车辆动力学方程为：

此时，F_L为驱动力，F_R为制动力，两者与滚动阻力方向相同，与内侧履带行驶方向相反。

4.如权利要求3所述的方法，其特征在于：所述步骤三中履带车辆模型预测方程具体为：

R≤0.5B时，为小半径转向，此时模型预测控制器状态方程为：

R＞0.5R时，为大半径转向，此时模型预测控制器状态方程为：

其中，

为纵向速度变化率，

为横摆角速度变化率。

5.如权利要求4所述的方法，其特征在于：在所述步骤四中，定义状态量x＝[y_e,ψ_e,v_x,ω]^T，控制量u＝[F_L,F_R]^T，输出量y＝[y_e,ψ_e,v_x,ω]^T；

建立状态方程

并在参考点处展开并经离散化处理和推导得到系统预测输出表达式；根据预测输出量与期望输出量的值设置目标函数，利用二次规划算法对目标函数进行求解，最终输出相关控制量。

6.如权利要求5所述的方法，其特征在于：对相关控制量的约束条件，通过以下方式设置：

为满足机械限制，需要对控制量的大小进行限制，即对两侧履带力设置最大最小值：

u_min≤u(k)≤u_max，

其中，u(k)、u_max、u_min分别表示两侧履带力及其最大和最小值；

为了保持控制平顺性，防止控制量发生突变，对控制增量设置约束：

Δu_min≤Δu(k)≤Δu_max，

其中，Δu(k)、Δu_max、Δu_min分别表示两侧履带力增量及其最大和最小值；

考虑到操纵稳定性，需要对横摆角速度设置约束：

ω_min≤ω(k)≤ω_max，

其中，ω(k)、ω_max、ω_min分别横摆角速度及其最大和最小值。

Images