CN112486018A - 一种基于速度自适应预瞄的无模型无人车路径跟踪方法 - Google Patents

一种基于速度自适应预瞄的无模型无人车路径跟踪方法 Download PDF

Info

Publication number
CN112486018A
CN112486018A CN202011532383.9A CN202011532383A CN112486018A CN 112486018 A CN112486018 A CN 112486018A CN 202011532383 A CN202011532383 A CN 202011532383A CN 112486018 A CN112486018 A CN 112486018A
Authority
CN
China
Prior art keywords
unmanned vehicle
path
function
preview
steering wheel
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
CN202011532383.9A
Other languages
English (en)
Other versions
CN112486018B (zh
Inventor
刘康
张龑
郑颖
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.)
China Development Guoyan Information Technology Research Institute Beijing Co ltd
Original Assignee
China University of Mining and Technology Beijing CUMTB
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 China University of Mining and Technology Beijing CUMTB filed Critical China University of Mining and Technology Beijing CUMTB
Priority to CN202011532383.9A priority Critical patent/CN112486018B/zh
Publication of CN112486018A publication Critical patent/CN112486018A/zh
Application granted granted Critical
Publication of CN112486018B publication Critical patent/CN112486018B/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
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system 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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种基于速度自适应预瞄的无模型无人车路径跟踪方法，具体包括以下步骤：S1：搭建无模型的横向控制器，并输出无人车方向盘的转动量函数；S2：通过设置初始和平衡条件下的参数，对所述无人车方向盘的转动量函数中的增益参数进行整定，得到整定后的无人车方向盘的转动量函数；S3：在所述整定后的无人车方向盘转动量输出函数中引入速度耦合器函数和速度自适应预瞄距离函数，得到改进后的无人车方向盘转动量输出函数。本发明适用于大部分无人车模型，包括：二自由度动力学无人车模型、三自由度动力学无人车模型、高度复杂的超高自由度的无人车模型；使无人车在全速域应对复杂多变的跟踪路径时依然可以保持精准、稳定的跟踪效果。

Description

一种基于速度自适应预瞄的无模型无人车路径跟踪方法
技术领域
本发明涉及无人车控制技术领域，特别是涉及一种基于速度自适应预瞄的无模型无人车路径跟踪方法。
背景技术
路径跟踪是无人车根据感知、决策、规划结果正确沿道路行驶的关键部分，对无人车的稳定、安全运行具有重要作用。路径跟踪技术的目标在于使无人车可以精确、稳定的沿着规划路径行驶，具有良好的发展和应用前景。
路径跟踪技术主要分类两种：(1)无模型的路径跟踪方法：比例积分微分(proportion integration differentiation,PID)控制，使用PID方法控制自动驾驶车辆(Marino等，2011)，不考虑车辆的物理特性，在面对高速、复杂的环境时则难以适用(陈慧岩等，2017)；基于前馈—反馈控制的自动转向系统，可实现车辆极限工况下的自主驾驶(Zhao，2011)；Kayacan等(2016)提出了一种基于轨迹跟踪误差的鲁棒控制方法，使控制方法在直线和曲线中保持较小的误差要求；基于鲁棒H∞反馈控制器的路径跟踪方法考虑了轮胎偏侧刚度和外界干扰的不确定性，提高了控制方法的鲁棒性(Hu等，2015)。(2)基于模型的路径跟踪方法：基于车辆运动学模型的横向控制方法和基于车辆动力学模型的横向控制方法。
基于车辆运动学模型的横向控制方法包括基于前轮反馈控制(front wheelfeedback)的Stanley方法(Thrun等，2006)和基于后轮反馈控制(rear wheel feedback)的控制方法(Paden等，2016)，均需对车辆的运动学特性或动力学特性进行准确的建模，通常需要对模型进行简化，从而通过简化模型的建模来预测车辆跟踪偏差的状态，进而做到对车辆的准确控制。
基于车辆动力学模型的横向控制方法包括基于动力学模型的线性二次型调节器(linear quadratic regulator,LQR)的横向控制方法(Hu等，2016)，该方法在面对复杂的车辆模型时难以做到准确建模，导致其期望的输出值本身便存在偏差，在速度域跨越较大时难以实现精确控制的覆盖，并且复杂的方法带来了大量参数调节的工作，效率较低。
综上所述，寻找一种基于速度自适应预瞄的无模型无人车路径跟踪方法成为研究人员关注的问题。
发明内容
为了解决上述技术问题，本发明提供一种基于速度自适应预瞄的无模型无人车路劲跟踪方法，该方法不仅能够适用于具有高度复杂的车辆动力学特性无人车模型，还能够使得无人车在高速场景应对复杂路径(如大曲率路径，不可导路径)时，提高其在路径跟踪任务中的跟踪精度和稳定性。
为实现上述目的，本发明提供一种基于速度自适应预瞄的无模型无人车路劲跟踪方法，具体包括如下步骤：
S1：搭建无模型的横向控制器，并输出无人车方向盘的转动量函数；
S2：通过设置初始和平衡条件下的参数，对所述无人车方向盘的转动量函数中的增益参数进行整定，得到整定后的无人车方向盘的转动量函数；
S3：在所述整定后的无人车方向盘转动量输出函数中引入速度耦合器函数和速度自适应预瞄距离函数，得到改进后的无人车方向盘转动量输出函数，并对无人车行驶路径进行跟踪。
优选地，所述步骤S1具体为：
S11：搭建无模型的横向控制器；
S12：计算无人车与跟踪路径的横向偏差和角度偏差；
S13：分别计算所述横向偏差和所述角度偏差的增益参数；
S14：分别计算所述横向偏差和所述角度偏差的的激活函数；
S15：基于所述步骤S13～S14，得到无人车方向盘的转动量函数。
优选地，所述激活函数采用的是sigmoid函数。
优选地，所述步骤S2具体为：
S21：基于无人车方向盘的转动量函数，设置初始条件下的参数，得到初始状态下的状态方程；
S22：基于无人车方向盘的转动量函数，设置平衡条件下的参数，得到平衡状态下的状态方程；
S23：联立所述步骤S21～S22中的两个状态方程，得到所述无人车方向盘的转动量函数中的增益参数；
S24：将所述增益参数代入所述无人车方向盘的转动量函数中，得到整定后的无人车方向盘的转动量函数。
优选地，所述初始条件下的参数包括初始横向偏差、初始角度偏差和期望方向转角；
所述平衡条件下的参数包括平衡状态下的横向偏差和期望方向转角、平衡角度偏差；所述平衡状态下的期望方向转角为0°。
优选地，所述步骤3具体为：
S31：构建速度耦合器函数，并设置标定速度；
S32：将设置完成后的速度耦合器函数引入所述整定后的无人车方向盘转动量输出函数中；
S32：构建速度自适应预瞄距离函数，并设置向前预瞄的距离；
S33：通过计算在可导路径下无人车与预瞄路径的横向偏差和角度偏差；
S34：通过计算在不可导路径下无人车与预瞄路径的横向偏差和角度偏差；
S35：基于可导路径下和不可导路径下无人车与预瞄路径的横向偏差和角度偏差，得到改进后的无人车方向盘转动量输出函数。
优选地，所述步骤S33具体为：
S331：基于所述S1中的横向偏差和所述S32中的速度自适应预瞄距离函数，得到可导路径的预瞄点
Figure BDA0002852425020000041
S332：根据所述可导路径的预瞄点
Figure BDA0002852425020000042
得到可导路径情况下的预瞄跟踪路径
Figure BDA0002852425020000043
其表达式为：
Figure BDA0002852425020000044
其中，
Figure BDA0002852425020000045
指预瞄点
Figure BDA0002852425020000046
坐标值的y值，
Figure BDA0002852425020000047
为预瞄点
Figure BDA0002852425020000048
坐标值的x值。
优选地，所述可导路径的预瞄点
Figure BDA0002852425020000051
和所述不可导路径的预瞄点
Figure BDA0002852425020000052
的计算，需要满足：
Figure BDA0002852425020000053
优选地，所述步骤S34具体为：
S341：基于所述S1中的横向偏差和所述S32中的速度自适应预瞄距离函数，得到不可导路径的预瞄点
Figure BDA0002852425020000054
S342：根据所述不可导路径的预瞄点
Figure BDA0002852425020000055
得到不可导路径情况下的预瞄跟踪路径
Figure BDA0002852425020000056
其表达式为：
Figure BDA0002852425020000057
其中，
Figure BDA0002852425020000058
优选地，所述不可导路径的预瞄点
Figure BDA0002852425020000059
的计算，需要满足：
Figure BDA00028524250200000510
Figure BDA00028524250200000511
与现有技术相比，本发明的有益效果在于：
(1)本发明基于无模型横向控制器，用于控制无人车的方向盘转角，该无模型的横向控制器避免了对无人车进行运动学和动力学建模，只依据与跟踪路径的实时偏差反馈作为输入并输出方向盘的转动量，在应对复杂的无人车模型时可以大量简化工作；
(2)本发明基于的无模型横向控制器，依据初始状态下期望的方向盘转动量和无人车转向时的平衡状态，设计了无人车与跟踪路径的实时偏差反馈量的增益参数，使得无人车进行路径跟踪时更为迅速和稳定；
(3)本发明基于的速度耦合器，保证无人车在全速域进行转向时其方向盘转动量都保持在合理的论域范围内，使得无人车在任何合理速度下都能对跟踪路径进行快速稳定的跟踪；
(4)本发明基于速度自适应预瞄控制器，使无人车在全速域进行路径跟踪时获得与速度对应的前馈量，尤其在对大曲率跟踪路径和不可导路径进行跟踪时，无人车可以消除转向的滞后性，保持对各种路径的稳定跟踪。
综上，本发明提出的基于速度自适应预瞄的无模型无人车路径跟踪方法，能够适用于大部分无人车模型，包括：二自由度动力学无人车模型、三自由度动力学无人车模型、高度复杂的超高自由度的无人车模型。并且使无人车在全速域应对复杂多变的跟踪路径时依然可以保持精准、稳定的跟踪效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1方法流程示意图；
图2为本发明实施例1无模型横向控制器的反馈量示意图；
图3为本发明实施例1速度自适应预瞄控制器原理图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
参照图1所示，本发明提出的基于速度自适应预瞄的无模型无人车路径跟踪方法，可以通过无模型的横向控制器实现实时对可导路径的稳定跟踪，可在存在大偏差的情况下使车辆轨迹快速收敛至跟踪路径，为提高车辆在全速域跟踪和收敛的稳定性，设计了速度耦合器将方向盘转角控制在许可的论域范围内，以避免轮胎打滑而失效，使车辆转向更稳定、合理。在应对不可导路径时，本发明设计了速度自适应的预瞄控制器，自动调整跟踪轨迹保证车辆稳定运行，并可一定程度解决控制迟滞问题。
具体包括如下步骤：
S1、搭建无模型的横向控制器，并依据无人车与跟踪路径的实时偏差作为反馈输入无模型的横向控制器，并输出无人车方向盘的转动量；
S11：搭建无模型的横向控制器；
S12：计算无人车
Figure BDA0002852425020000081
与跟踪路径
Figure BDA0002852425020000082
的横向偏差d和角度偏差
Figure BDA0002852425020000083
其中，
Figure BDA0002852425020000084
指由无人车
Figure BDA0002852425020000085
指向跟踪路径
Figure BDA0002852425020000086
上的任意点
Figure BDA0002852425020000087
的向量，
Figure BDA0002852425020000088
指在跟踪路径
Figure BDA0002852425020000089
上的点，即
Figure BDA00028524250200000810
d满足
Figure BDA00028524250200000811
即无人车
Figure BDA00028524250200000812
指向距离跟踪路径
Figure BDA00028524250200000813
的最小向量，
Figure BDA00028524250200000814
指无人车的速度，为d的法向量，且
Figure BDA00028524250200000815
参照图2所示，本实施例选用XOY为地面坐标系，X vehicle O vehicle Y vehicle为车辆坐标系，车辆坐标系的横轴为车辆前轴，AB为一段可导跟踪路径，横向偏差为前轴中心指向跟踪路径的向量，其指向的点为跟踪点，v为车辆的纵向速度，p为跟踪点与v同向的切向量，角度偏差θ为v与p的夹角。
参照图3所示，F′为跟踪路径AB到O vehicle的最近点，R(v)为速度自适应预瞄距离函数，以F′为圆心，R(v)为半径做一段圆弧ρ，与AB在v正方向的交点即为预瞄点F，再以F为跟踪点得到横向偏差d和角度偏差θ。
S13：计算横向偏差d的增益参数k1和度偏差θ的增益参数k2；
S14：计算横向偏差d的激活函数fd和度偏差θ的激活函数fθ，其表达式为：
Figure BDA00028524250200000816
在本实施例中使用sigmoid函数作为激活函数，以保证无模型的横向控制器在小偏差的场景下保持敏感性；
最后根据步骤S13和S14，得到基于无模型的横向控制器函数ω(d，θ)，并输出方向盘的转动量ω，其表达式为：
ω(d，θ)＝k1fd(d)+k2fθ(θ)。
S2、依据初始条件下期望的方向盘转动量和无人车转向的平衡状态对无模型的横向控制器的增益参数进行整定；
S21：设定初始条件下的参数和期望方向盘转角ωe，得到初始状态下的方程，其表达式为：
k1fd(d0)+d2fθ(θ0)＝ωe
其中，初始条件下的状态包括初始横向偏差d0、初始角度偏差θ0和期望方向盘转角ωe；
S22：设定平衡状态时的横向偏差db和平衡角度偏差θb，平衡状态指无人车在转向时方向盘转角ωe为0的时刻，得到平衡状态下的方程，其表达式为：
k1fd(db)+k2fθ(θb)＝0
S23：根据步骤S21和步骤S22得到的方程，解得横向偏差d的增益参数k1和角度偏差θb的增益参数k2，并将其代入无模型的横向控制器，得到基于无模型的横向控制器的无人车方向盘转动量输出函数：
Figure BDA0002852425020000091
S3、将速度耦合器引入无人车方向盘转动量输出函数中，使输出无人车方向盘的转动量能够适应不同的速度；
S31：构建速度耦合器函数g(v)，并设置标定速度vm，速度v大于标定速度vm则允许的方向盘转角越小，反之则越大，得到
Figure BDA0002852425020000101
S32：将速度耦合器函数引入方向盘转动量输出函数中，得到：
ωe(d，θ，v)＝g(v)ω(d，θ)
S4、将速度自适应预瞄控制器引入方向盘转动量输出函数中，以调整无人车的跟踪路径；
S41：构建速度自适应预瞄距离函数r(v)，v为无人车的速度并设置向前预瞄的距离，得到
r(v)＝sigmoid(v)
在本实施例中使用sigmoid函数作为速度自适应预瞄距离函数，使速度自适应预瞄控制器在低速和过高速论域的场景下保证速度自适应预瞄控制器的稳定性，同时保证常用速度论域中的敏感性；
S42：计算在可导路径下无人车与预瞄路径的横向偏差dp和角度偏差θp：
利用步骤S1得到的d和步骤S41得到的r(v)得到预瞄点
Figure BDA0002852425020000102
使得
Figure BDA0002852425020000103
满足：
Figure BDA0002852425020000104
其中，
Figure BDA0002852425020000105
为无人车
Figure BDA0002852425020000106
指向预瞄点
Figure BDA0002852425020000107
的向量；
并通过预瞄点
Figure BDA0002852425020000108
计算预瞄跟踪路径
Figure BDA0002852425020000109
其表达式为：
Figure BDA0002852425020000111
其中，
Figure BDA0002852425020000112
指预瞄点
Figure BDA0002852425020000113
坐标值的y值，
Figure BDA0002852425020000114
为预瞄点
Figure BDA0002852425020000115
坐标值的x值；
S43：计算在不可导路径下无人车与预瞄路径的横向偏差dp和角度偏差θp，为了方便讨论，将不可导路径归纳为
Figure BDA0002852425020000116
其中Pn为路径中的不可导点，n∈[0，e]。
使用步骤S1得到的d和步骤S41得到的r(v)得到预瞄点
Figure BDA0002852425020000117
使得
Figure BDA0002852425020000118
满足：
Figure BDA0002852425020000119
根据预瞄点
Figure BDA00028524250200001110
得到预瞄跟踪路径
Figure BDA00028524250200001111
并使
Figure BDA00028524250200001112
满足以下关系式：
Figure BDA00028524250200001113
其中，
Figure BDA00028524250200001114
S44：在可导路径情况下使用预瞄跟踪路径
Figure BDA00028524250200001115
的表达式，在不可导路径情况下使用步骤S43得到的预瞄跟踪路径
Figure BDA00028524250200001116
的表达式，并计算无人车
Figure BDA00028524250200001117
与预瞄路径
Figure BDA00028524250200001118
的横向偏差dp和角度偏差θp
Figure BDA00028524250200001119
其中，
Figure BDA00028524250200001120
指由无人车
Figure BDA00028524250200001121
指向跟踪路径
Figure BDA00028524250200001122
上的任意点
Figure BDA00028524250200001123
的向量，满足
Figure BDA00028524250200001124
即无人车
Figure BDA00028524250200001125
指向距离跟踪路径
Figure BDA00028524250200001126
的最小向量，
Figure BDA00028524250200001127
为dp的法向量，且
Figure BDA00028524250200001128
S45：最终得到改进的无人车方向盘转动量输出函数，其表达式为：
ωe(d，θ，v)＝g(v)ω(dp，θp)
综上，本发明首先通过设置的初始和平衡条件得到整定后的无人车方向盘转动量函数，并计算得到无人车与速度自适应预瞄函数得到的预瞄路径的横向偏差和角度偏差，输入到整定后的无人车方向盘转动量函数得到方向盘转动量，并且通过速度耦合器函数控制得到的方向盘转动量的合理论域，从而得到期望的方向盘转动量，实现对无人车行驶路径的跟踪。
本发明提出的基于速度自适应预瞄的无模型无人车路径跟踪方法，能够适用于大部分无人车模型，包括：二自由度动力学无人车模型、三自由度动力学无人车模型、高度复杂的超高自由度的无人车模型。并且使无人车在全速域应对复杂多变的跟踪路径时依然可以保持精准、稳定的跟踪效果。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (10)

1.一种基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于，具体包括以下步骤：
S1：搭建无模型的横向控制器，并输出无人车方向盘的转动量函数；
S2：通过设置初始和平衡条件下的参数，对所述无人车方向盘的转动量函数中的增益参数进行整定，得到整定后的无人车方向盘的转动量函数；
S3：在所述整定后的无人车方向盘转动量输出函数中引入速度耦合器函数和速度自适应预瞄距离函数，得到改进后的无人车方向盘转动量输出函数，并对无人车行驶路径进行跟踪。
2.根据权利要求1所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：所述步骤S1具体为：
S11：搭建无模型的横向控制器；
S12：计算无人车与跟踪路径的横向偏差和角度偏差；
S13：分别计算所述横向偏差和所述角度偏差的增益参数；
S14：分别计算所述横向偏差和所述角度偏差的的激活函数；
S15：基于所述步骤S13～S14，得到无人车方向盘的转动量函数。
3.根据权利要求2所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：所述激活函数采用的是sigmoid函数。
4.根据权利要求1所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：所述步骤S2具体为：
S21：基于无人车方向盘的转动量函数，设置初始条件下的参数，得到初始状态下的状态方程；
S22：基于无人车方向盘的转动量函数，设置平衡条件下的参数，得到平衡状态下的状态方程；
S23：联立所述步骤S21～S22中的两个状态方程，得到所述无人车方向盘的转动量函数中的增益参数；
S24：将所述增益参数代入所述无人车方向盘的转动量函数中，得到整定后的无人车方向盘的转动量函数。
5.根据权利要求4所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：
所述初始条件下的参数包括初始横向偏差、初始角度偏差和期望方向转角；
所述平衡条件下的参数包括平衡状态下的横向偏差和期望方向转角、平衡角度偏差；所述平衡状态下的期望方向转角为0°。
6.根据权利要求2所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：所述步骤3具体为：
S31：构建速度耦合器函数，并设置标定速度；
S32：将设置完成后的速度耦合器函数引入所述整定后的无人车方向盘转动量输出函数中；
S32：构建速度自适应预瞄距离函数，并设置向前预瞄的距离；
S33：通过计算在可导路径下无人车与预瞄路径的横向偏差和角度偏差；
S34：通过计算在不可导路径下无人车与预瞄路径的横向偏差和角度偏差；
S35：基于可导路径下和不可导路径下无人车与预瞄路径的横向偏差和角度偏差，得到改进后的无人车方向盘转动量输出函数。
7.根据权利要求6所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：所述步骤S33具体为：
S331：基于所述S1中的横向偏差和所述S32中的速度自适应预瞄距离函数，得到可导路径的预瞄点
Figure FDA0002852425010000031
S332：根据所述可导路径的预瞄点
Figure FDA0002852425010000032
得到可导路径情况下的预瞄跟踪路径
Figure FDA0002852425010000033
其表达式为：
Figure FDA0002852425010000034
其中，
Figure FDA0002852425010000035
指预瞄点
Figure FDA0002852425010000036
坐标值的y值，
Figure FDA0002852425010000037
为预瞄点
Figure FDA0002852425010000038
坐标值的x值。
8.根据权利要求7所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：所述可导路径的预瞄点
Figure FDA00028524250100000314
和所述不可导路径的预瞄点
Figure FDA00028524250100000310
的计算，需要满足：
Figure FDA00028524250100000311
9.根据权利要求6所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：所述步骤S34具体为：
S341：基于所述S1中的横向偏差和所述S32中的速度自适应预瞄距离函数，得到不可导路径的预瞄点
Figure FDA00028524250100000312
S342：根据所述不可导路径的预瞄点
Figure FDA00028524250100000313
得到不可导路径情况下的预瞄跟踪路径
Figure FDA0002852425010000041
其表达式为：
Figure FDA0002852425010000042
其中，
Figure FDA0002852425010000043
10.根据权利要求9所述的基于速度自适应预瞄的无模型无人车路径跟踪方法，其特征在于：所述不可导路径的预瞄点
Figure FDA0002852425010000044
的计算，需要满足：
Figure FDA0002852425010000045
CN202011532383.9A 2020-12-23 2020-12-23 一种基于速度自适应预瞄的无模型无人车路径跟踪方法 Active CN112486018B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011532383.9A CN112486018B (zh) 2020-12-23 2020-12-23 一种基于速度自适应预瞄的无模型无人车路径跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011532383.9A CN112486018B (zh) 2020-12-23 2020-12-23 一种基于速度自适应预瞄的无模型无人车路径跟踪方法

Publications (2)

Publication Number Publication Date
CN112486018A true CN112486018A (zh) 2021-03-12
CN112486018B CN112486018B (zh) 2021-08-17

Family

ID=74915347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011532383.9A Active CN112486018B (zh) 2020-12-23 2020-12-23 一种基于速度自适应预瞄的无模型无人车路径跟踪方法

Country Status (1)

Country Link
CN (1) CN112486018B (zh)

Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0297811A2 (en) * 1987-06-27 1989-01-04 Shinko Electric Co. Ltd. Control systems for self-contained unmanned vehicles
EP2136275A1 (en) * 2008-06-18 2009-12-23 C.R.F. Società Consortile per Azioni Automatic driving system for automatically driving a motor vehicle along predefined paths
CN102495631A (zh) * 2011-12-09 2012-06-13 中国科学院合肥物质科学研究院 一种无人驾驶车辆跟踪预定轨迹的智能控制方法
WO2014009631A1 (fr) * 2012-07-12 2014-01-16 Renault S.A.S Procede de controle de trajectoire d'un vehicule autonome a roues directrices
CN107097785A (zh) * 2017-05-25 2017-08-29 江苏大学 一种预瞄距离自适应的智能车辆横向控制方法
CN107153420A (zh) * 2017-05-25 2017-09-12 广州汽车集团股份有限公司 路径跟踪控制方法、装置及智能汽车
US20180196444A1 (en) * 2017-01-06 2018-07-12 Hyundai Motor Company Autonomous driving system and autonomous driving method
CN108609014A (zh) * 2018-05-04 2018-10-02 奇瑞汽车股份有限公司 智能车辆的横向控制方法及装置
CN109214127A (zh) * 2018-10-24 2019-01-15 合肥工业大学智能制造技术研究院 一种多点预瞄方法及其多点预瞄装置与目标路径跟踪方法
CN109991974A (zh) * 2018-01-02 2019-07-09 中国移动通信有限公司研究院 自动驾驶路径跟随方法、装置及控制设备
CN110001637A (zh) * 2019-04-10 2019-07-12 吉林大学 一种基于多点跟踪的无人驾驶汽车路径跟踪控制装置及控制方法
CN110136464A (zh) * 2019-04-18 2019-08-16 深圳市宏电技术股份有限公司 一种辅助驾驶的方法、装置及设备
US20190276016A1 (en) * 2016-10-31 2019-09-12 MAGNETI MARELLI S.p.A. Adaptive control method and system in a terrestrial vehicle for tracking a route, particularly in an autonomous driving scenario
CN110471428A (zh) * 2019-09-18 2019-11-19 吉林大学 一种基于模型的变预瞄距离和速度约束的路径跟踪方法
JP2019199205A (ja) * 2018-05-17 2019-11-21 トヨタ自動車株式会社 自動運転システム
JP2019220070A (ja) * 2018-06-22 2019-12-26 株式会社Ｓｏｋｅｎ 車両制御装置
CN110780594A (zh) * 2019-11-22 2020-02-11 中国科学院电工研究所 一种智能车的路径跟踪方法及系统
US20200108769A1 (en) * 2015-11-12 2020-04-09 Norman Boyle Unmanned roadside signage vehicle system
US20200166928A1 (en) * 2018-11-27 2020-05-28 SparkCognition, Inc. Unmanned vehicles and associated hub devices
CN111284478A (zh) * 2020-03-13 2020-06-16 联创汽车电子有限公司 预瞄路径跟踪计算方法及跟踪计算模块
CN111610780A (zh) * 2019-02-25 2020-09-01 广州汽车集团股份有限公司 一种自动驾驶车路径跟踪控制方法及其装置
US10775798B2 (en) * 2017-06-02 2020-09-15 Honda Motor Co., Ltd. Running track determining device and automatic driving apparatus
CN111674406A (zh) * 2020-05-26 2020-09-18 坤泰车辆系统（常州）有限公司 自动驾驶系统车辆横向控制的方法
CN111929068A (zh) * 2020-07-10 2020-11-13 中国矿业大学 一种封闭场景下车辆道路能力测试方法

Patent Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0297811A2 (en) * 1987-06-27 1989-01-04 Shinko Electric Co. Ltd. Control systems for self-contained unmanned vehicles
EP2136275A1 (en) * 2008-06-18 2009-12-23 C.R.F. Società Consortile per Azioni Automatic driving system for automatically driving a motor vehicle along predefined paths
CN102495631A (zh) * 2011-12-09 2012-06-13 中国科学院合肥物质科学研究院 一种无人驾驶车辆跟踪预定轨迹的智能控制方法
WO2014009631A1 (fr) * 2012-07-12 2014-01-16 Renault S.A.S Procede de controle de trajectoire d'un vehicule autonome a roues directrices
US20200108769A1 (en) * 2015-11-12 2020-04-09 Norman Boyle Unmanned roadside signage vehicle system
US20190276016A1 (en) * 2016-10-31 2019-09-12 MAGNETI MARELLI S.p.A. Adaptive control method and system in a terrestrial vehicle for tracking a route, particularly in an autonomous driving scenario
US20180196444A1 (en) * 2017-01-06 2018-07-12 Hyundai Motor Company Autonomous driving system and autonomous driving method
CN107153420A (zh) * 2017-05-25 2017-09-12 广州汽车集团股份有限公司 路径跟踪控制方法、装置及智能汽车
CN107097785A (zh) * 2017-05-25 2017-08-29 江苏大学 一种预瞄距离自适应的智能车辆横向控制方法
US10775798B2 (en) * 2017-06-02 2020-09-15 Honda Motor Co., Ltd. Running track determining device and automatic driving apparatus
CN109991974A (zh) * 2018-01-02 2019-07-09 中国移动通信有限公司研究院 自动驾驶路径跟随方法、装置及控制设备
CN108609014A (zh) * 2018-05-04 2018-10-02 奇瑞汽车股份有限公司 智能车辆的横向控制方法及装置
JP2019199205A (ja) * 2018-05-17 2019-11-21 トヨタ自動車株式会社 自動運転システム
JP2019220070A (ja) * 2018-06-22 2019-12-26 株式会社Ｓｏｋｅｎ 車両制御装置
CN109214127A (zh) * 2018-10-24 2019-01-15 合肥工业大学智能制造技术研究院 一种多点预瞄方法及其多点预瞄装置与目标路径跟踪方法
US20200166928A1 (en) * 2018-11-27 2020-05-28 SparkCognition, Inc. Unmanned vehicles and associated hub devices
CN111610780A (zh) * 2019-02-25 2020-09-01 广州汽车集团股份有限公司 一种自动驾驶车路径跟踪控制方法及其装置
CN110001637A (zh) * 2019-04-10 2019-07-12 吉林大学 一种基于多点跟踪的无人驾驶汽车路径跟踪控制装置及控制方法
CN110136464A (zh) * 2019-04-18 2019-08-16 深圳市宏电技术股份有限公司 一种辅助驾驶的方法、装置及设备
CN110471428A (zh) * 2019-09-18 2019-11-19 吉林大学 一种基于模型的变预瞄距离和速度约束的路径跟踪方法
CN110780594A (zh) * 2019-11-22 2020-02-11 中国科学院电工研究所 一种智能车的路径跟踪方法及系统
CN111284478A (zh) * 2020-03-13 2020-06-16 联创汽车电子有限公司 预瞄路径跟踪计算方法及跟踪计算模块
CN111674406A (zh) * 2020-05-26 2020-09-18 坤泰车辆系统（常州）有限公司 自动驾驶系统车辆横向控制的方法
CN111929068A (zh) * 2020-07-10 2020-11-13 中国矿业大学 一种封闭场景下车辆道路能力测试方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
JUN YANG 等: "An Algorithm of Curved Path Tracking with Prediction Model for Autonomous Vehicle", 《2017 13TH INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND SECURITY》 *
PENG WANG 等: "A Fractional Derivative-Based Lateral Preview Driver Model for Autonomous Automobile Path Tracking", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 *
SHAOBING XU 等: "Design, Analysis, and Experiments of Preview Path Tracking Control for Autonomous Vehicles", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORATION SYSTEMS》 *
乔良 等: "无人驾驶汽车决策控制技术研究：基于驾驶态势图", 《计算机科学》 *
刁勤晴 等: "双预瞄点智能车大曲率路径的横纵向模糊控制", 《中国机械工程》 *
段建民 等: "基于MFAPC的无人驾驶汽车路径跟踪方法", 《计算机工程》 *
田涛涛 等: "基于无模型自适应控制的无人驾驶汽车横向控制方法", 《自动化学报》 *

Also Published As

Publication number Publication date
CN112486018B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
Belleter et al. Observer based path following for underactuated marine vessels in the presence of ocean currents: A global approach
Tang et al. An improved kinematic model predictive control for high-speed path tracking of autonomous vehicles
CN111638712B (zh) 自动驾驶车辆横向运动控制方法、装置和自动驾驶车辆
CN111610780B (zh) 一种自动驾驶车路径跟踪控制方法及其装置
CN110780594B (zh) 一种智能车的路径跟踪方法及系统
CN109283842B (zh) 一种无人艇航迹跟踪智能学习控制方法
Cibooglu et al. Hybrid controller approach for an autonomous ground vehicle path tracking problem
Liu et al. Simulation performance evaluation of pure pursuit, stanley, lqr, mpc controller for autonomous vehicles
CN113126644B (zh) 基于自适应视线法的无人机三维航迹跟踪方法
CN108519736A (zh) 一种usv轨迹跟踪反步滑模控制方法
Oliveira et al. Trajectory generation using sharpness continuous dubins-like paths with applications in control of heavy-duty vehicles
CN112109732A (zh) 一种智能驾驶自适应曲线预瞄方法
Xia et al. Robust adaptive super-twisting sliding mode formation controller for homing of multi-underactuated AUV recovery system with uncertainties
CN113671962A (zh) 一种无人驾驶铰接式清扫车的横向控制方法
Xie et al. Asynchronous H∞ continuous stabilization of mode-dependent switched mobile robot
CN114148320B (zh) 一种路径跟踪控制方法及设备
CN115877841A (zh) 无人矿车的轨迹跟踪控制方法、装置、设备及存储介质
Liu et al. An improved hybrid error control path tracking intelligent algorithm for omnidirectional AGV on ROS
Wang et al. Path tracking control for autonomous harvesting robots based on improved double arc path planning algorithm
CN113110527B (zh) 一种自主水下航行器有限时间路径跟踪的级联控制方法
Jin et al. Physical-Informed Neural Network for MPC-based Trajectory Tracking of Vehicles with Noise Considered
CN113093804B (zh) 基于反演滑模控制的无人艇编队控制方法和控制系统
CN113525366A (zh) 一种针对钢轮压路机液压横向控制器的横向控制方法
CN113428218A (zh) 一种车辆转向控制方法、装置、设备及存储介质
CN112486018B (zh) 一种基于速度自适应预瞄的无模型无人车路径跟踪方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220317

Address after: 100053 B, 315 guanganmennei street, Xicheng District, Beijing

Patentee after: Guofa Huaxia International Technology Development (Beijing) Co.,Ltd.

Address before: 808 Yifu Building, College of mechanical and electrical engineering, 11 Xueyuan Road Ding, Haidian District, Beijing 100083

Patentee before: CHINA University OF MINING AND TECHNOLOGY BEIJING

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230105

Address after: 100000 Room C-0995, Floor 2, Building 3, Yard 30, Shixing Street, Shijingshan District, Beijing (cluster registration)

Patentee after: China Development Guoyan Information Technology Research Institute (Beijing) Co.,Ltd.

Address before: 100053 B, 315 guanganmennei street, Xicheng District, Beijing

Patentee before: Guofa Huaxia International Technology Development (Beijing) Co.,Ltd.

TR01 Transfer of patent right