CN112148016A - 基于模型预测控制算法横纵向解耦的车辆控制方法和装置 - Google Patents

基于模型预测控制算法横纵向解耦的车辆控制方法和装置 Download PDF

Info

Publication number
CN112148016A
CN112148016A CN202011060852.1A CN202011060852A CN112148016A CN 112148016 A CN112148016 A CN 112148016A CN 202011060852 A CN202011060852 A CN 202011060852A CN 112148016 A CN112148016 A CN 112148016A
Authority
CN
China
Prior art keywords
vehicle
reference point
representing
control
longitudinal
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.)
Granted
Application number
CN202011060852.1A
Other languages
English (en)
Other versions
CN112148016B (zh
Inventor
陈海波
王全胜
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.)
Shenlan Artificial Intelligence Shenzhen Co Ltd
Original Assignee
Shenlan Artificial Intelligence Shenzhen 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 Shenlan Artificial Intelligence Shenzhen Co Ltd filed Critical Shenlan Artificial Intelligence Shenzhen Co Ltd
Priority to CN202011060852.1A priority Critical patent/CN112148016B/zh
Publication of CN112148016A publication Critical patent/CN112148016A/zh
Application granted granted Critical
Publication of CN112148016B publication Critical patent/CN112148016B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明提供一种基于模型预测控制算法横纵向解耦的车辆控制方法和装置，所述方法包括：获取车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；根据车辆的当前位置的参数和第一参考点的参数计算车辆的横向动力学误差方程；根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程；根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程；对横纵向动力学状态方程进行处理，以获取控制增量；根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶。本发明的控制方法，能够采取不同的控制目标，在更广泛的控制对象上达到更好的控制效果。

Description

基于模型预测控制算法横纵向解耦的车辆控制方法和装置
技术领域
本发明涉及技术领域，具体涉及一种基于模型预测控制算法横纵向解耦的车辆控制方法、一种基于模型预测控制算法横纵向解耦的车辆控制装置和一种车辆。
背景技术
目前的公交车模型预测控制算法是选取相同的目标参考点，然而，不同类型的车纵向跟踪能力不同，纵向控制偏差比较大时会导致计算出的横向偏差不准确，进而导致车辆没有沿着参考线行驶，尤其在转弯更加明显。例如，油动车采用的油门和刹车实现纵向控制，速度和位置的跟踪性能比较好，采用紧耦合的模型预测控制算法能够取得好的控制效果。又如，电动版扫地车采用的速度指令实现纵向控制，速度的跟踪性能比较差，采用紧耦合的模型预测控制算法会取得比较差的控制效果。因此，紧耦合的控制算法只能适用于纵向跟踪性能比较好的车辆，然而对于纵向跟踪性能不好的车辆来说，控制效果很差。
发明内容
本发明为解决上述技术问题，提供了一种基于模型预测控制算法横纵向解耦的车辆控制方法，通过对模型预测控制算法进行横纵向解耦，提高模型预测控制的控制精度，能够保证纵向跟踪性能不好的车辆，也能按照参考线行驶，降低了控制的复杂度，在更广泛的控制对象上达到更好的控制效果。
本发明采用的技术方案如下：
一种基于模型预测控制算法横纵向解耦的车辆控制方法，包括以下步骤：获取所述车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；根据所述车辆的当前位置的参数和所述第一参考点的参数计算所述车辆的横向动力学误差方程；根据所述车辆的当前位置参数和所述第二参考点的参数计算所述车辆的纵向动力学误差方程；根据所述横向动力学误差方程和所述纵向动力学误差方程获取所述车辆的横纵向动力学状态方程；对所述横纵向动力学状态方程进行处理，以获取控制增量；根据所述控制增量和上一次的控制量获取当前横纵向控制指令，以控制所述车辆行驶。
获取所述第一参考点的参数，包括：获取所述车辆的质心位置；获取规划路线上与所述车辆的质心位置距离最近的规划点的参数，作为所述第一参考点的参数。
获取所述第二参考点的参数，包括：获取所述规划路线上的第一个规划点的时间戳，并获取所述车辆当前位置的时间戳；计算所述车辆的当前位置的时间戳与所述第一个规划点的时间戳之间的时间戳差值，记为ΔT；获取所述规划路线上的最后一个规划点相对于所述第一个规划点的时间，记为Δt；当Δt≤ΔT时，将所述最后一个规划点的参数作为所述第二参考点的参数；当Δt＞ΔT时，采用线性插值的方式获取的规划点的参数作为所述第二参考点的参数。
通过下述公式计算所述车辆的横向动力学误差方程：
δxsv＝(xv-xs)cosψs+(yv-ys)sinψs
δysv＝-(xv-xs)sinψs+(yv-ys)cosψs
Figure BDA0002712313200000021
δvsvx＝(vxv-vxs)cosψs+(vyv-vys)sinψs
δvsvy＝-(vxv-yxs)sinψs+(vyv-vys)cosψs
Figure BDA0002712313200000022
δψsv＝ψv-ψs
Figure BDA0002712313200000031
δωsv＝ωv-ωs
Figure BDA0002712313200000032
其中，xs表示所述第一参考点的x坐标，ys表示所述第一参考点的y坐标，vxs表示所述第一参考点的x方向的速度，vys表示所述第一参考点的y方向的速度，as表示所述第一参考点的加速度，ψs表示所述第一参考点的航向角，ωs表示所述第一参考点的航向角速度，xv表示所述车辆的当前位置的x坐标，yv表示所述车辆的当前位置的y坐标，vxv表示所述车辆的当前位置的x方向的速度，vyv表示所述车辆的当前位置的y方向的速度，ψv表示所述车辆的当前位置的航向角，ωv表示所述车辆的当前位置的航向角速度，δxsv表示所述车辆与所述第一参考点的横向误差，
Figure BDA0002712313200000033
表示所述车辆与所述第一参考点的横向误差的一阶导，δysv表示所述车辆与所述第一参考点的纵向误差，δvsvx表示所述车辆与所述第一参考点的横向速度误差，δvsvy表示所述车辆与所述第一参考点的纵向速度误差，
Figure BDA0002712313200000034
表示所述车辆与所述第一参考点的横向速度误差的一阶导，δψsv表示所述车辆与所述第一参考点的航向角误差，
Figure BDA0002712313200000035
表示所述车辆与所述第一参考点的航向角误差的一阶导，δωsv表示所述车辆与所述第一参考点的航向角速度误差，
Figure BDA0002712313200000036
表示所述车辆与所述第一参考点的航向角速度误差的一阶导，m表示所述车辆的整车质量，Cαf表示所述车辆的前轮侧偏刚度，Cαr表示所述车辆的后轮侧偏刚度，lf表示所述车辆的质心到前轴的距离，lr表示所述车辆的质心到后轴的距离，Iz表示所述车辆的转动惯量，θ表示所述车辆的转向指令。
通过下述公式计算所述车辆的纵向动力学误差方程：
δxtv＝(xv-xt)cosψt+(yv-yt)sinψt
δytv＝-(xv-xt)sinψt+(yv-yt)cosψt
Figure BDA0002712313200000041
δvtvx＝(vxv-vxt)cosψt+(vyv-vyt)sinψt
δvtvy＝-(vxv-yxt)sinψt+(vyv-vyt)cosψt
Figure BDA0002712313200000042
δψtv＝ψv-ψt
Figure BDA0002712313200000045
δωtv＝ωv-ωt
Figure BDA0002712313200000043
其中，xt表示所述第二参考点的x坐标，yt表示所述第二参考点的y坐标，vxt表示所述第二参考点的x方向的速度，vyt表示所述第二参考点的y方向的速度，at表示所述第二参考点的加速度，ψt表示所述第二参考点的航向角，ωt表示所述第二参考点的航向角速度，δxtv表示所述车辆与所述第二参考点的横向误差，δytv表示所述车辆与所述第二参考点的纵向误差，
Figure BDA0002712313200000044
表示所述车辆与所述第二参考点的纵向误差的一阶导，δvtvx表示所述车辆与所述第二参考点的横向速度误差，δvtvy表示所述车辆与所述第二参考点的纵向速度误差，
Figure BDA0002712313200000051
表示所述车辆与所述第二参考点的纵向速度误差的一阶导，δψtv表示所述车辆与所述第二参考点的航向角误差，
Figure BDA0002712313200000052
表示所述车辆与所述第二参考点的航向角误差的一阶导，δωtv表示所述车辆与所述第二参考点的航向角速度误差，
Figure BDA0002712313200000053
表示所述车辆与所述第二参考点的航向角速度误差的一阶导，m表示所述车辆的整车质量，Cαf表示所述车辆的前轮侧偏刚度，Cαr表示所述车辆的后轮侧偏刚度，lf表示所述车辆的质心到前轴的距离，lr表示所述车辆的质心到后轴的距离，Iz表示所述车辆的车辆的转动惯量，ay表示所述车辆的加速度控制指令。
通过下述公式获取所述车辆的横纵向动力学状态方程：
Figure BDA0002712313200000054
其中，X＝[δxsv,δytv,δvsvx,δvtvy,δψsv,δωsv]，表示状态量，
Figure BDA0002712313200000055
表示所述状态量一阶导，u＝[θ,ay]，表示误差方程的控制量，A、B、C均表示系数矩阵。
根据所述控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶，包括：将所述控制增量和所述上一次的控制量之和作为所述当前横纵向控制指令。
对所述横纵向动力学状态方程进行处理，以获取控制增量，包括：对所述横纵向动力学状态方程进行离散化，得到离散动力学方程；将所述离散动力学方程转换为增量式动力学方程；将所述增量式动力学方程转换为预测方程；根据所述预测方程获取目标函数；根据所述目标函数获取所述控制增量。
对应上述方法，本发明还提出了一种基于模型预测控制算法横纵向解耦的车辆控制装置，包括：第一获取模块，用于获取所述车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；第一计算模块，用于根据所述车辆的当前位置的参数和所述第一参考点的参数计算所述车辆的横向动力学误差方程；第二计算模块，用于根据所述车辆的当前位置参数和所述第二参考点的参数计算所述车辆的纵向动力学误差方程；第二获取模块，用于根据所述横向动力学误差方程和所述纵向动力学误差方程获取所述车辆的横纵向动力学状态方程；第三获取模块，用于对所述横纵向动力学状态方程进行处理，以获取控制增量；控制模块，用于根据所述控制增量和上一次的控制量获取当前横纵向控制指令，以控制所述车辆行驶。
对应上述装置，本发明还提出了一种车辆，包括上述的基于模型预测控制算法横纵向解耦的车辆控制装置。
本发明的有益效果：
本发明根据车辆的当前位置的参数和第一参考点的参数计算所述车辆的横向动力学误差方程，并根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程，然后根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程，并对横纵向动力学状态方程进行处理，以获取控制增量，最后根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶。通过对模型预测控制算法进行横纵向解耦，提高模型预测控制的控制精度，能够保证纵向跟踪性能不好的车辆，也能按照参考线行驶，降低了控制的复杂度，在更广泛的控制对象上达到更好的控制效果。
附图说明
图1为本发明实施例的基于模型预测控制算法横纵向解耦的车辆控制方法的流程图；
图2为本发明一个实施例的车辆规划路线和参考点的示意图；
图3为本发明实施例的基于模型预测控制算法横纵向解耦的车辆控制装置的方框示意图；
图4为本发明实施例的车辆的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
图1为本发明实施例的基于模型预测控制算法横纵向解耦的车辆控制方法的流程图。
如图1所示，本发明实施例的基于模型预测控制算法横纵向解耦的车辆控制方法可包括以下步骤：
S1，获取车辆的当前位置的参数、第一参考点的参数和第二参考点的参数。
其中，由于目前的车上装有惯性导航，因此可通过设置在车辆上的定位传感器获取车辆的位置参数，包括：车辆当前位置的x坐标、当前位置的y坐标、当前位置的x方向的速度、当前位置的y方向的速度、当前位置的航向角和当前位置的航向角速度。
根据本发明的一个实施例，获取第一参考点的参数，包括：获取车辆的质心位置；获取规划路线上与车辆的质心位置距离最近的规划点的参数，作为第一参考点的参数。
其中，车辆存储器中预先存储有车辆行驶的规划路线，规划路线上包括一系列点，每个规划点均包括：位置(包括x坐标和y坐标)、速度(包括x方向速度和y方向速度)、加速度、航向角、航向角速度、时间间隔等信息。如图2所示，获取车辆的质心位置(也就是车辆的当前位置)，车辆的质心位置与规划路线的切线垂直的规划点(图2中的S点)即为与车辆质心位置距离最近的规划点，将该规划点作为第一参考点，该规划点的参数即为第一参考点的参数。
根据本发明的一个实施例，获取第二参考点的参数，包括：获取规划路线上的第一个规划点的时间戳，并获取车辆当前位置的时间戳；计算车辆的当前位置的时间戳与第一个规划点的时间戳之间的时间戳差值，记为ΔT；获取规划路线上的最后一个规划点相对于第一个规划点的时间，记为Δt；当Δt≤ΔT时，将最后一个规划点的参数作为第二参考点的参数；当Δt＞ΔT时，采用线性插值的方式获取的规划点的参数作为第二参考点的参数。
具体而言，第二参考点的获取方式可以采用时间匹配的方式获取，其中，如图2所示，每一帧规划数据的第一个规划点都带有时间戳Tp(规划开始计算时获取的系统时间)，车辆的姿态时间戳Tv(惯导获取车辆位置数据时的系统时间)，则选取规划点的时间戳为：ΔT＝Tv-Tp，假设规划最后一个点相对于第一个规划点的时间为Δt，根据Δt与ΔT的大小关系，确定第二参考点的获取方式。其中，当Δt≤ΔT时，将最后一个规划点作为第二参考点，最后一个规划点的参数作为第二参考点的参数，例如，图2中的T′点；当Δt＞ΔT时，采用线性插值的方式获取的规划点的参数作为第二参考点的参数，例如，图2中的T点，其中，需要说明的是，线性插值的是现有的一种方式，这里不再详述。
S2，根据车辆的当前位置的参数和第一参考点的参数计算车辆的横向动力学误差方程。
根据本发明的一个实施例，通过下述公式计算车辆的横向动力学误差方程：
δxsv＝(xv-xs)cosψs+(yv-ys)sinψs
δysv＝-(xv-xs)sinψs+(yv-ys)cosψs
Figure BDA0002712313200000091
δvsvx＝(vxv-vxs)cosψs+(vyv-vys)sinψs
δvsvy＝-(vxv-yxs)sinψs+(vyv-vys)cosψs
Figure BDA0002712313200000092
δψsv＝ψv-ψs
Figure BDA0002712313200000096
δωsv＝ωv-ωs
Figure BDA0002712313200000093
其中，xs表示第一参考点的x坐标，ys表示第一参考点的y坐标，vxs表示第一参考点的x方向的速度，vys表示第一参考点的y方向的速度，as表示第一参考点的加速度，ψs表示第一参考点的航向角，ωs表示第一参考点的航向角速度，xv表示车辆的当前位置的x坐标，yv表示车辆的当前位置的y坐标，vxv表示车辆的当前位置的x方向的速度，vyv表示车辆的当前位置的y方向的速度，ψv表示车辆的当前位置的航向角，ωv表示车辆的当前位置的航向角速度，δxsv表示车辆与第一参考点的横向误差，
Figure BDA0002712313200000094
表示车辆与第一参考点的横向误差的一阶导，δysv表示车辆与第一参考点的纵向误差，δvsvx表示车辆与第一参考点的横向速度误差，δvsvy表示车辆与第一参考点的纵向速度误差，
Figure BDA0002712313200000095
表示车辆与第一参考点的横向速度误差的一阶导，δψsv表示车辆与第一参考点的航向角误差，
Figure BDA0002712313200000101
表示车辆与第一参考点的航向角误差的一阶导，δωsv表示车辆与第一参考点的航向角速度误差，
Figure BDA0002712313200000102
表示车辆与第一参考点的航向角速度误差的一阶导，m表示车辆的整车质量，Cαf表示车辆的前轮侧偏刚度，Cαr表示车辆的后轮侧偏刚度，lf表示车辆的质心到前轴的距离，lr表示车辆的质心到后轴的距离，Iz表示车辆的转动惯量，θ表示车辆的转向指令。
S3，根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程。
根据本发明的一个实施例，通过下述公式计算车辆的纵向动力学误差方程：
δxtv＝(xv-xt)cosψt+(yv-yt)sinψt
δytv＝-(xv-xt)sinψt+(yv-yt)cosψt
Figure BDA0002712313200000103
δvtvx＝(vxv-vxt)cosψt+(vyv-vyt)sinψt
δvtvy＝-(vxv-yxt)sinψt+(vyv-vyt)cosψt
Figure BDA0002712313200000104
δψtv＝ψv-ψt
Figure BDA0002712313200000106
δωtv＝ωv-ωt
Figure BDA0002712313200000105
其中，xt表示第二参考点的x坐标，yt表示第二参考点的y坐标，vxt表示第二参考点的x方向的速度，vyt表示第二参考点的y方向的速度，at表示第二参考点的加速度，ψt表示第二参考点的航向角，ωt表示第二参考点的航向角速度，δxtv表示车辆与第二参考点的横向误差，δytv表示车辆与第二参考点的纵向误差，
Figure BDA0002712313200000111
表示车辆与第二参考点的纵向误差的一阶导，δvtvx表示车辆与第二参考点的横向速度误差，δvtvy表示车辆与第二参考点的纵向速度误差，
Figure BDA0002712313200000112
表示车辆与第二参考点的纵向速度误差的一阶导，δψtv表示车辆与第二参考点的航向角误差，
Figure BDA0002712313200000113
表示车辆与第二参考点的航向角误差的一阶导，δωtv表示车辆与第二参考点的航向角速度误差，
Figure BDA0002712313200000114
表示车辆与第二参考点的航向角速度误差的一阶导，m表示车辆的整车质量，Cαf表示车辆的前轮侧偏刚度，Cαr表示车辆的后轮侧偏刚度，lf表示车辆的质心到前轴的距离，lr表示车辆的质心到后轴的距离，Iz表示车辆的转动惯量，ay表示车辆的加速度控制指令。
S4，根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程。
根据本发明的一个实施例，通过下述公式获取车辆的横纵向动力学状态方程：
Figure BDA0002712313200000115
其中，X＝[δxsv,δytv,δvsvx,δvtvy,δψsv,δωsv]，表示状态量，
Figure BDA0002712313200000116
表示状态量一阶导，u＝[θ,ay]，表示误差方程的控制量，A、B、C均表示系数矩阵。
具体而言，参见上述的车辆的横向动力学误差方程和车辆的纵向动力学误差方程可知，θ只存在于车辆的横向动力学误差方程中，而ay只存在于车辆的纵向动力学误差方程中，因此车辆的动力学状态方程的控制量可以为u＝[θ,ay]，并且车辆的动力学误差方程中的误差状态量不存在交叉的情况，因此车辆的横纵向动力学误差方程相互独立，即横纵向控制解耦，能够独立控制横向和纵向。
设状态量为X＝[δxsv,δytv,δvsvx,δvtvy,δψsv,δωsv]，则车辆的横纵向动力学状态方程可以整理为
Figure BDA0002712313200000121
通过将上述的车辆的横向动力学误差方程和车辆的纵向动力学误差方程进行推导整理，可以得到系数矩阵A、B和C。
S5，对横纵向动力学状态方程进行处理，以获取控制增量。
根据本发明的一个实施例，对横纵向动力学状态方程进行处理，以获取控制增量，包括：对横纵向动力学状态方程进行离散化，得到离散动力学方程；将离散动力学方程转换为增量式动力学方程；将增量式动力学方程转换为预测方程；根据预测方程获取目标函数；根据目标函数获取控制增量。
具体而言，对横纵向动力学状态方程进行线性化、离散化得到离散动力学状态方程，为了降低解算的复杂度以及充分约束动力学状态方程把离散动力学方程转换为增量式动力学状态方程，推导出预测10步的预测方程，根据横纵向控制误差最小和控制量平稳变化的目标建立目标函数，根据车辆的横纵向的约束解算最优解，转化为车辆横纵向控制指令控制车辆。每次计算获得车辆的位置和姿态以及目标控制点的位置和姿态计算出离散动力学状态方程的系数矩阵，采用有效集法解算不等式约束的二次规划型的目标函数获得最优解，将最优解作为控制增量。
需要说明的是，上述获取的控制增量的每个步骤，都是现有的技术，例如，将横纵向动力学状态方程在线性化参考点处泰勒公式展开可以得到线性化动力学方程，使用向前欧拉法对状态方程进行模型离散化等，具体可参考现有的技术，这里不再详述。
S6，根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶。
根据本发明的一个实施例，根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶，包括：将控制增量和上一次的控制量之和作为当前横纵向控制指令。
也就是说，将计算出的控制增量与上一次的控制量之和作为当前横纵向控制指令，用于控制车辆行驶，无论纵向跟踪性能如何，车都能按照参考线行驶，降低了控制的复杂度。
实验证明，上述实施例的基于模型预测控制算法横纵向解耦的车辆控制方法适用范围更加广泛，基本上所有车辆的横向控制都是控制方向盘驱动前轮实现转向，区别不大。但是，车辆纵向控制区别比较大，燃油公交车的纵向控制接收的是油门和刹车，纯电动的公交车接收的是目标车速和目标加速度，小型的扫地车等接收的是目标车速，这三种的纵向跟踪性能最好的燃油，最差的是小型的扫地车等，模型预测控制算法在这三种底盘的车辆表现都比较好。
综上所述，本发明根据车辆的当前位置的参数和第一参考点的参数计算所述车辆的横向动力学误差方程，并根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程，然后根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程，并对横纵向动力学状态方程进行处理，以获取控制增量，最后根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶。通过对模型预测控制算法进行横纵向解耦，提高模型预测控制的控制精度，能够保证纵向跟踪性能不好的车辆，也能按照参考线行驶，降低了控制的复杂度，在更广泛的控制对象上达到更好的控制效果。
图3为本发明实施例的基于模型预测控制算法横纵向解耦的车辆控制装置的方框示意图。
如图3所示，本发明的基于模型预测控制算法横纵向解耦的车辆控制装置可包括：第一获取模块10、第一计算模块20、第二计算模块30、第二获取模块40、第三获取模块50和控制模块60。
其中，第一获取模块10用于获取车辆的当前位置的参数、第一参考点的参数和第二参考点的参数。第一计算模块20用于根据车辆的当前位置的参数和第一参考点的参数计算车辆的横向动力学误差方程。第二计算模块30用于根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程。第二获取模块40用于根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程。第三获取模块50用于对横纵向动力学状态方程进行处理，以获取控制增量。控制模块60用于根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶。
根据本发明的一个实施例，第一获取模块10在获取第一参考点的参数，具体用于，获取车辆的质心位置；获取规划路线上与车辆的质心位置距离最近的规划点的参数，作为第一参考点的参数。
根据本发明的一个实施例，第一获取模块10在获取第二参考点的参数时，具体用于，获取规划路线上的第一个规划点的时间戳，并获取车辆当前位置的时间戳；计算车辆的当前位置的时间戳与第一个规划点的时间戳之间的时间戳差值，记为ΔT；获取规划路线上的最后一个规划点相对于第一个规划点的时间，记为Δt；当Δt≤ΔT时，将最后一个规划点的参数作为第二参考点的参数；当Δt＞ΔT时，采用线性插值的方式获取的规划点的参数作为第二参考点的参数。
根据本发明的一个实施例，第一计算模块20通过下述公式计算车辆的横向动力学误差方程：
δxsv＝(xv-xs)cosψs+(yv-ys)sinψs
δysv＝-(xv-xs)sinψs+(yv-ys)cosψs
Figure BDA0002712313200000151
δvsvx＝(vxv-vxs)cosψs+(vyv-vys)sinψs
δvsvy＝-(vxv-yxs)sinψs+(vyv-vys)cosψs
Figure BDA0002712313200000152
δψsv＝ψv-ψs
Figure BDA0002712313200000155
δωsv＝ωv-ωs
Figure BDA0002712313200000153
其中，xs表示第一参考点的x坐标，ys表示第一参考点的y坐标，vxs表示第一参考点的x方向的速度，vys表示第一参考点的y方向的速度，as表示第一参考点的加速度，ψs表示第一参考点的航向角，ωs表示第一参考点的航向角速度，xv表示车辆的当前位置的x坐标，yv表示车辆的当前位置的y坐标，vxv表示车辆的当前位置的x方向的速度，vyv表示车辆的当前位置的y方向的速度，ψv表示车辆的当前位置的航向角，ωv表示车辆的当前位置的航向角速度，δxsv表示车辆与第一参考点的横向误差，
Figure BDA0002712313200000154
表示车辆与第一参考点的横向误差的一阶导，δysv表示车辆与第一参考点的纵向误差，δvsvx表示车辆与第一参考点的横向速度误差，δvsvy表示车辆与第一参考点的纵向速度误差，
Figure BDA0002712313200000161
表示车辆与第一参考点的横向速度误差的一阶导，δψsv表示车辆与第一参考点的航向角误差，
Figure BDA0002712313200000162
表示车辆与第一参考点的航向角误差的一阶导，δωsv表示车辆与第一参考点的航向角速度误差，
Figure BDA0002712313200000163
表示车辆与第一参考点的航向角速度误差的一阶导，m表示车辆的整车质量，Cαf表示车辆的前轮侧偏刚度，Cαr表示车辆的后轮侧偏刚度，lf表示车辆的质心到前轴的距离，lr表示车辆的质心到后轴的距离，Iz表示车辆的转动惯量，θ表示车辆的转向指令。
根据本发明的一个实施例，第二计算模块30通过下述公式计算车辆的纵向动力学误差方程：
δxtv＝(xv-xt)cosψt+(yv-yt)sinψt
δytv＝-(xv-xt)sinψt+(yv-yt)cosψt
Figure BDA0002712313200000164
δvtvx＝(vxv-vxt)cosψt+(vyv-vyt)sinψt
δvtvy＝-(vxv-yxt)sinψt+(vyv-vyt)cosψt
Figure BDA0002712313200000165
δψtv＝ψv-ψt
Figure BDA0002712313200000167
δωtv＝ωv-ωt
Figure BDA0002712313200000166
其中，xt表示第二参考点的x坐标，yt表示第二参考点的y坐标，vxt表示第二参考点的x方向的速度，vyt表示第二参考点的y方向的速度，at表示第二参考点的加速度，ψt表示第二参考点的航向角，ωt表示第二参考点的航向角速度，δxtv表示车辆与第二参考点的横向误差，δytv表示车辆与第二参考点的纵向误差，
Figure BDA0002712313200000171
表示车辆与第二参考点的纵向误差的一阶导，δvtvx表示车辆与第二参考点的横向速度误差，δvtvy表示车辆与第二参考点的纵向速度误差，
Figure BDA0002712313200000172
表示车辆与第二参考点的纵向速度误差的一阶导，δψtv表示车辆与第二参考点的航向角误差，
Figure BDA0002712313200000173
表示车辆与第二参考点的航向角误差的一阶导，δωtv表示车辆与第二参考点的航向角速度误差，
Figure BDA0002712313200000174
表示车辆与第二参考点的航向角速度误差的一阶导，m表示车辆的整车质量，Cαf表示车辆的前轮侧偏刚度，Cαr表示车辆的后轮侧偏刚度，lf表示车辆的质心到前轴的距离，lr表示车辆的质心到后轴的距离，Iz表示车辆的转动惯量，ay表示车辆的加速度控制指令。
根据本发明的一个实施例，第二获取模块40通过下述公式获取车辆的横纵向动力学状态方程：
Figure BDA0002712313200000175
其中，X＝[δxsv,δytv,δvsvx,δvtvy,δψsv,δωsv]，表示状态量，
Figure BDA0002712313200000176
表示状态量一阶导，u＝[θ,ay]，表示误差方程的控制量，A、B、C均表示系数矩阵。
根据本发明的一个实施例，控制模块60根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶，具体用于，将控制增量和上一次的控制量之和作为当前横纵向控制指令。
根据本发明的一个实施例，第三获取模块50对横纵向动力学状态方程进行处理，以获取控制增量，包括：对横纵向动力学状态方程进行离散化，得到离散动力学方程；将离散动力学方程转换为增量式动力学方程；将增量式动力学方程转换为预测方程；根据预测方程获取目标函数；根据目标函数获取控制增量。
需要说明的是，本发明实施例的基于模型预测控制算法横纵向解耦的车辆控制装置中未披露的细节，请参照本发明实施例的基于模型预测控制算法横纵向解耦的车辆控制方法中所披露的细节，具体这里不再赘述。
本发明的控制装置，第一计算模块根据车辆的当前位置的参数和第一参考点的参数计算所述车辆的横向动力学误差方程，第二计算模块根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程，第二获取模块根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程，第三获取模块对横纵向动力学状态方程进行处理，以获取控制增量，控制模块根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶。通过对模型预测控制算法进行横纵向解耦，提高模型预测控制的控制精度，能够保证纵向跟踪性能不好的车辆，也能按照参考线行驶，降低了控制的复杂度，在更广泛的控制对象上达到更好的控制效果。
图4为本发明实施例的车辆的方框示意图。
如图4所示，本发明实施例的车辆100可包括：上述的基于模型预测控制算法横纵向解耦的车辆控制装置110。
本发明的车辆，通过上述的基于模型预测控制算法横纵向解耦的车辆控制装置，通过对模型预测控制算法进行横纵向解耦，提高模型预测控制的控制精度，能够保证纵向跟踪性能不好的车辆，也能按照参考线行驶，降低了控制的复杂度，在更广泛的控制对象上达到更好的控制效果。
对应上述实施例，本发明还提出一种计算机设备。
本发明实施例的计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行该计算机程序时，可实现根据本发明上述实施例所述的基于模型预测控制算法横纵向解耦的车辆控制方法。
根据本发明实施例的计算机设备，处理器执行存储在存储器上的计算机程序时，首先获取车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；根据车辆的当前位置的参数和第一参考点的参数计算车辆的横向动力学误差方程；根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程；根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程；对横纵向动力学状态方程进行处理，以获取控制增量；根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶，从而能够采取不同的控制目标，在更广泛的控制对象上达到更好的控制效果。
对应上述实施例，本发明还提出一种非临时性计算机可读存储介质。
本发明实施例的非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可实现根据本发明上述实施例所述的基于模型预测控制算法横纵向解耦的车辆控制方法。
根据本发明实施例的非临时性计算机可读存储介质，处理器执行存储在其上的计算机程序时，首先获取车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；根据车辆的当前位置的参数和第一参考点的参数计算车辆的横向动力学误差方程；根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程；根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程；对横纵向动力学状态方程进行处理，以获取控制增量；根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶，从而能够采取不同的控制目标，在更广泛的控制对象上达到更好的控制效果。
对应上述实施例，本发明还提出一种计算机程序产品。
当本发明实施例的计算机程序产品中的指令由处理器执行时，可执行根据本发明上述实施例所述的基于模型预测控制算法横纵向解耦的车辆控制方法。
根据本发明实施例的计算机程序产品，处理器执行其中的指令时，首先获取车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；根据车辆的当前位置的参数和第一参考点的参数计算车辆的横向动力学误差方程；根据车辆的当前位置参数和第二参考点的参数计算车辆的纵向动力学误差方程；根据横向动力学误差方程和纵向动力学误差方程获取车辆的横纵向动力学状态方程；对横纵向动力学状态方程进行处理，以获取控制增量；根据控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶，从而能够采取不同的控制目标，在更广泛的控制对象上达到更好的控制效果。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，包括以下步骤：
获取所述车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；
根据所述车辆的当前位置的参数和所述第一参考点的参数计算所述车辆的横向动力学误差方程；
根据所述车辆的当前位置参数和所述第二参考点的参数计算所述车辆的纵向动力学误差方程；
根据所述横向动力学误差方程和所述纵向动力学误差方程获取所述车辆的横纵向动力学状态方程；
对所述横纵向动力学状态方程进行处理，以获取控制增量；
根据所述控制增量和上一次的控制量获取当前横纵向控制指令，以控制所述车辆行驶。
2.根据权利要求1所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，获取所述第一参考点的参数，包括：
获取所述车辆的质心位置；
获取规划路线上与所述车辆的质心位置距离最近的规划点的参数，作为所述第一参考点的参数。
3.根据权利要求2所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，获取所述第二参考点的参数，包括：
获取所述规划路线上的第一个规划点的时间戳，并获取所述车辆当前位置的时间戳；
计算所述车辆的当前位置的时间戳与所述第一个规划点的时间戳之间的时间戳差值，记为ΔT；
获取所述规划路线上的最后一个规划点相对于所述第一个规划点的时间，记为Δt；
当Δt≤ΔT时，将所述最后一个规划点的参数作为所述第二参考点的参数；
当Δt＞ΔT时，采用线性插值的方式获取的规划点的参数作为所述第二参考点的参数。
4.根据权利要求3所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，通过下述公式计算所述车辆的横向动力学误差方程：
δxsv＝(xv-xs)cosψs+(yv-ys)sinψs
δysv＝-(xv-xs)sinψs+(yv-ys)cosψs
Figure FDA0002712313190000021
δvsvx＝(vxv-vxs)cosψs+(vyv-vys)sinψs
δvsvy＝-(vxv-yxs)sinψs+(vyv-vys)cosψs
Figure FDA0002712313190000022
δψsv＝ψv-ψs
Figure FDA0002712313190000023
δωsv＝ωv-ωs
Figure FDA0002712313190000024
其中，xs表示所述第一参考点的x坐标，ys表示所述第一参考点的y坐标，vxs表示所述第一参考点的x方向的速度，vys表示所述第一参考点的y方向的速度，as表示所述第一参考点的加速度，ψs表示所述第一参考点的航向角，ωs表示所述第一参考点的航向角速度，xv表示所述车辆的当前位置的x坐标，yv表示所述车辆的当前位置的y坐标，vxv表示所述车辆的当前位置的x方向的速度，vyv表示所述车辆的当前位置的y方向的速度，ψv表示所述车辆的当前位置的航向角，ωv表示所述车辆的当前位置的航向角速度，δxsv表示所述车辆与所述第一参考点的横向误差，
Figure FDA0002712313190000031
表示所述车辆与所述第一参考点的横向误差的一阶导，δysv表示所述车辆与所述第一参考点的纵向误差，δvsvx表示所述车辆与所述第一参考点的横向速度误差，δvsvy表示所述车辆与所述第一参考点的纵向速度误差，
Figure FDA0002712313190000032
表示所述车辆与所述第一参考点的横向速度误差的一阶导，δψsv表示所述车辆与所述第一参考点的航向角误差，
Figure FDA0002712313190000033
表示所述车辆与所述第一参考点的航向角误差的一阶导，δωsv表示所述车辆与所述第一参考点的航向角速度误差，
Figure FDA0002712313190000034
表示所述车辆与所述第一参考点的航向角速度误差的一阶导，m表示所述车辆的整车质量，Cαf表示所述车辆的前轮侧偏刚度，Cαr表示所述车辆的后轮侧偏刚度，lf表示所述车辆的质心到前轴的距离，lr表示所述车辆的质心到后轴的距离，Iz表示所述车辆的转动惯量，θ表示所述车辆的转向指令。
5.根据权利要求4所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，通过下述公式计算所述车辆的纵向动力学误差方程：
δxtv＝(xv-xt)cosψt+(yv-yt)sinψt
δytv＝-(xv-xt)sinψt+(yv-yt)cosψt
Figure FDA0002712313190000035
δvtvx＝(vxv-vxt)cosψt+(vyv-vyt)sinψt
δvtvy＝-(vxv-yxt)sinψt+(vyv-vyt)cosψt
Figure FDA0002712313190000041
δψtv＝ψv-ψt
Figure FDA0002712313190000042
δωtv＝ωv-ωt
Figure FDA0002712313190000043
其中，xt表示所述第二参考点的x坐标，yt表示所述第二参考点的y坐标，vxt表示所述第二参考点的x方向的速度，vyt表示所述第二参考点的y方向的速度，at表示所述第二参考点的加速度，ψt表示所述第二参考点的航向角，ωt表示所述第二参考点的航向角速度，δxtv表示所述车辆与所述第二参考点的横向误差，δytv表示所述车辆与所述第二参考点的纵向误差，
Figure FDA0002712313190000044
表示所述车辆与所述第二参考点的纵向误差的一阶导，δvtvx表示所述车辆与所述第二参考点的横向速度误差，δvtvy表示所述车辆与所述第二参考点的纵向速度误差，
Figure FDA0002712313190000045
表示所述车辆与所述第二参考点的纵向速度误差的一阶导，δψtv表示所述车辆与所述第二参考点的航向角误差，
Figure FDA0002712313190000046
表示所述车辆与所述第二参考点的航向角误差的一阶导，δωtv表示所述车辆与所述第二参考点的航向角速度误差，
Figure FDA0002712313190000047
表示所述车辆与所述第二参考点的航向角速度误差的一阶导，m表示所述车辆的整车质量，Cαf表示所述车辆的前轮侧偏刚度，Cαr表示所述车辆的后轮侧偏刚度，lf表示所述车辆的质心到前轴的距离，lr表示所述车辆的质心到后轴的距离，Iz表示所述车辆的转动惯量，ay表示所述车辆的加速度控制指令。
6.根据权利要求5所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，通过下述公式获取所述车辆的横纵向动力学状态方程：
Figure FDA0002712313190000051
其中，X＝[δxsv,δytv,δvsvx,δvtvy,δψsv,δωsv]，表示状态量，
Figure FDA0002712313190000052
表示所述状态量一阶导，u＝[θ,ay]，表示误差方程的控制量，A、B、C均表示系数矩阵。
7.根据权利要求1所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，根据所述控制增量和上一次的控制量获取当前横纵向控制指令，以控制车辆行驶，包括：
将所述控制增量和所述上一次的控制量之和作为所述当前横纵向控制指令。
8.根据权利要求1所述的基于模型预测控制算法横纵向解耦的车辆控制方法，其特征在于，对所述横纵向动力学状态方程进行处理，以获取控制增量，包括：
对所述横纵向动力学状态方程进行离散化，得到离散动力学方程；
将所述离散动力学方程转换为增量式动力学方程；
将所述增量式动力学方程转换为预测方程；
根据所述预测方程获取目标函数；
根据所述目标函数获取所述控制增量。
9.一种基于模型预测控制算法横纵向解耦的车辆控制装置，其特征在于，包括：
第一获取模块，用于获取所述车辆的当前位置的参数、第一参考点的参数和第二参考点的参数；
第一计算模块，用于根据所述车辆的当前位置的参数和所述第一参考点的参数计算所述车辆的横向动力学误差方程；
第二计算模块，用于根据所述车辆的当前位置参数和所述第二参考点的参数计算所述车辆的纵向动力学误差方程；
第二获取模块，用于根据所述横向动力学误差方程和所述纵向动力学误差方程获取所述车辆的横纵向动力学状态方程；
第三获取模块，用于对所述横纵向动力学状态方程进行处理，以获取控制增量；
控制模块，用于根据所述控制增量和上一次的控制量获取当前横纵向控制指令，以控制所述车辆行驶。
10.一种车辆，其特征在于，包括根据权利要求9所述的基于模型预测控制算法横纵向解耦的车辆控制装置。
CN202011060852.1A 2020-09-30 2020-09-30 基于模型预测控制算法横纵向解耦的车辆控制方法和装置 Active CN112148016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011060852.1A CN112148016B (zh) 2020-09-30 2020-09-30 基于模型预测控制算法横纵向解耦的车辆控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011060852.1A CN112148016B (zh) 2020-09-30 2020-09-30 基于模型预测控制算法横纵向解耦的车辆控制方法和装置

Publications (2)

Publication Number Publication Date
CN112148016A true CN112148016A (zh) 2020-12-29
CN112148016B CN112148016B (zh) 2024-05-10

Family

ID=73951340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011060852.1A Active CN112148016B (zh) 2020-09-30 2020-09-30 基于模型预测控制算法横纵向解耦的车辆控制方法和装置

Country Status (1)

Country Link
CN (1) CN112148016B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113211438A (zh) * 2021-05-08 2021-08-06 东方红卫星移动通信有限公司 基于预瞄距离自适应的轮式机器人控制方法及控制系统
CN113734183A (zh) * 2021-09-17 2021-12-03 京东鲲鹏(江苏)科技有限公司 基于转向迟滞的车辆控制方法、装置、设备及存储介质
CN113963542A (zh) * 2021-10-25 2022-01-21 京东鲲鹏(江苏)科技有限公司 无人车的数据处理方法及相关设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201600109633A1 (it) * 2016-10-31 2018-05-01 Magneti Marelli Spa Procedimento e sistema di controllo adattivo in un veicolo terrestre per l'inseguimento di un percorso, particolarmente in uno scenario di guida autonoma.
CN108569336A (zh) * 2018-04-26 2018-09-25 武汉理工大学 在动力学约束下基于车辆运动学模型转向控制方法
CN109407677A (zh) * 2018-12-24 2019-03-01 清华大学 自动驾驶车辆的轨迹跟踪方法
CN109974731A (zh) * 2019-03-15 2019-07-05 深兰科技（上海）有限公司 一种无人驾驶系统路径规划目标选择的方法和设备
CN109976159A (zh) * 2019-04-09 2019-07-05 台州学院 基于安全可控域的智能车辆横向控制方法
WO2019242718A1 (zh) * 2018-06-22 2019-12-26 长城汽车股份有限公司 一种车辆变道控制方法和装置
CN111086510A (zh) * 2019-12-30 2020-05-01 浙江大学 一种基于预测函数控制的前轮转向车辆车道保持控制方法
CN111258323A (zh) * 2020-03-30 2020-06-09 华南理工大学 一种智能车辆轨迹规划与跟踪的联合控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201600109633A1 (it) * 2016-10-31 2018-05-01 Magneti Marelli Spa Procedimento e sistema di controllo adattivo in un veicolo terrestre per l'inseguimento di un percorso, particolarmente in uno scenario di guida autonoma.
CN108569336A (zh) * 2018-04-26 2018-09-25 武汉理工大学 在动力学约束下基于车辆运动学模型转向控制方法
WO2019242718A1 (zh) * 2018-06-22 2019-12-26 长城汽车股份有限公司 一种车辆变道控制方法和装置
CN109407677A (zh) * 2018-12-24 2019-03-01 清华大学 自动驾驶车辆的轨迹跟踪方法
CN109974731A (zh) * 2019-03-15 2019-07-05 深兰科技（上海）有限公司 一种无人驾驶系统路径规划目标选择的方法和设备
CN109976159A (zh) * 2019-04-09 2019-07-05 台州学院 基于安全可控域的智能车辆横向控制方法
CN111086510A (zh) * 2019-12-30 2020-05-01 浙江大学 一种基于预测函数控制的前轮转向车辆车道保持控制方法
CN111258323A (zh) * 2020-03-30 2020-06-09 华南理工大学 一种智能车辆轨迹规划与跟踪的联合控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢辉;刘爽爽: "基于模型预测控制的无人驾驶汽车横纵向运动控制", 汽车安全与节能学报, no. 003, pages 326 - 333 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113211438A (zh) * 2021-05-08 2021-08-06 东方红卫星移动通信有限公司 基于预瞄距离自适应的轮式机器人控制方法及控制系统
CN113734183A (zh) * 2021-09-17 2021-12-03 京东鲲鹏(江苏)科技有限公司 基于转向迟滞的车辆控制方法、装置、设备及存储介质
CN113963542A (zh) * 2021-10-25 2022-01-21 京东鲲鹏(江苏)科技有限公司 无人车的数据处理方法及相关设备
CN113963542B (zh) * 2021-10-25 2022-12-27 京东鲲鹏(江苏)科技有限公司 无人车的数据处理方法及相关设备

Also Published As

Publication number Publication date
CN112148016B (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
CN112148016A (zh) 基于模型预测控制算法横纵向解耦的车辆控制方法和装置
CN110271534B (zh) 自动驾驶车辆的控制方法、装置、计算机设备和存储介质
JP4161923B2 (ja) 車両安定化制御システム
EP3486135B1 (en) Autonomous driving system
JP4835054B2 (ja) 車両安定化制御システム
CN107085424A (zh) 用于自动驾驶的预瞄横向控制
CN110341715A (zh) 无人车坡道速度控制方法及装置
CN114435470B (zh) 自动倒车控制方法、装置、车辆和存储介质
CN113246974A (zh) 无人驾驶应急场景下避险/降损控制方法、存储介质和电子装置
CN113581289B (zh) 零位偏差动态标定方法、装置、电子设备及存储介质
CN112537297B (zh) 车道保持方法、系统及车辆
US5781870A (en) Vehicle steering angle control device
CN115123233A (zh) 规划车辆轨迹的方法和装置
Chen et al. Nonlinear model predictive control of autonomous vehicles considering dynamic stability constraints
CN115635967A (zh) 一种车辆控制方法、装置、车载终端及存储介质
CN111959506A (zh) 车辆及车辆编队行驶的控制方法、装置
CN114291071B (zh) 一种车辆稳定性控制主动介入时机的判定方法、系统、可读存储介质及车辆
CN113173157B (zh) 超重载长大多轮独立电驱动特种车辆防侧翻方法和系统
JP3313625B2 (ja) 車両用操舵装置
CN114852051A (zh) 一种车辆行驶控制方法、装置、电子设备及存储介质
JPH1178952A (ja) 車両用操舵装置
CN113753024B (zh) 一种车辆稳态偏差消除方法、装置、设备及存储介质
CN114670834A (zh) 倒车控制方法、装置及存储介质
CN116360427A (zh) 一种自动驾驶控制方法、系统、车载终端及存储介质
CN115743097A (zh) 一种自动泊车控制方法、设备和存储介质

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