CN112918490B - 一种分布式驱动车辆的轨迹跟踪控制策略 - Google Patents

Abstract

本发明公开了一种分布式驱动车辆的轨迹跟踪控制策略，包括如下步骤：步骤一、设立参考轨迹，建立地面坐标系，得到车辆单轨动力学模型，建立控制导向的状态空间模型；步骤二、通过基于理想状态的前馈控制方法调节所述状态空间模型，获得前馈控制变量；步骤三、将所述前馈控制方法的输入代入反演滑模变结构控制方法调节所述状态空间模型，获得反演滑模控制量；步骤四、调节控制变量使得车辆的实际轨迹与参考轨迹误差趋近于0，实现车辆的轨迹跟踪。本发明以四轮独立驱动车辆为平台，以期望值为目标计算控制器对应的前馈输出，以反演控制克服各种干扰，并针对部分参数难以测量的特性，设计了成熟可靠的龙伯格状态观测器，实现了良好的轨迹跟踪性能。

Description

一种分布式驱动车辆的轨迹跟踪控制策略

技术领域

本发明涉及救援设备技术领域，更具体的是，本发明涉及一种分布式驱动车辆的轨迹跟踪控制策略。

背景技术

面对日益紧张的能源和环保压力，各国政府先后出台大量政策措施，鼓励新能源车辆的发展。同时，伴随着第四次工业革命计算机技术的兴起，车辆的智能化、网联化、电动化和共享化逐渐成为了新的潮流，尤其是无人驾驶技术，更是成为了各大企业、高校和研究机构追逐的热点。而实现高精度的轨迹跟踪是实现无人驾驶技术的关键，同时也对车辆的舒适性、操纵稳定性具有巨大影响。综合上述研究热点，以新能源车辆为载体，通过传统控制或底盘线控实现高精度的轨迹跟踪，成为广大科研人员竞相追逐的目标。

在现有技术中，主要以纯电动车辆为载体，现有纯电动车辆与传统车辆除了动力源不同外，转向、制动、驱动等执行机构并无明显不同，无法充分发挥新能源车辆控制灵活的特性。同时在控制策略上，传统的PID控制及其改进型依然占据统治地位，新的模型预测控制、深度强化学习等方法在实时性、可靠性上依然有所欠缺。

发明内容

本发明的目的是设计开发了一种分布式驱动车辆的轨迹跟踪控制策略，克服现有技术存在的问题，以前馈控制方法减小车辆模型的调节时间，以反演滑模变结构控制方法减小车辆模型的误差，实现高精度的轨迹跟踪。

本发明提供的技术方案为：

一种分布式驱动车辆的轨迹跟踪控制策略，包括如下步骤：

步骤一、设立参考轨迹，建立地面坐标系，得到车辆单轨动力学模型，建立控制导向的状态空间模型：

式中，状态变量[x₁,x₂,x₃,x₄]^T为

控制变量[u₁,u₂]^T为[δ_f,δ_r]^T，y为车辆横向位移，v_y为车辆横向速度，φ为车辆横摆角度，

为车辆横摆角速度，δ_f为前轮转角，δ_r为后轮转角，k_f为前轮胎侧偏刚度，k_r为后轮胎侧偏刚度，m为整车质量，v_x为车辆纵向速度，a为质心到前轴的距离，b为质心到后轴距离，I_z为整车转动惯量；

步骤二、通过基于理想状态的前馈控制方法调节所述状态空间模型，获得前馈控制变量为：

式中，u_1f为第一前馈控制变量，u_2f为第二前馈控制变量，y_d为期望横向位移，

为期望横摆角；

步骤三、将所述前馈控制方法的输入代入反演滑模变结构控制方法调节所述状态空间模型，获得反演滑模控制量为：

式中，u_1b为第一反演滑模控制量，u_2b为第二反演滑模控制量，f为第一中间变量，g为第二中间变量，e₁为第一辅助控制量，e₂为第二辅助控制量，e₃为第三辅助控制量，e₄为第四辅助控制量，c₁为第一常数，c₂为第二常数，c₃为第三常数，c₄为第四常数；

步骤四、调节所述控制变量使得车辆的实际轨迹与参考轨迹误差趋近于0，实现车辆的轨迹跟踪；其中，所述控制变量满足：

u₁＝u_1f+u_1b；

u₂＝u_2f+u_2b。

优选的是，通过车辆侧向动力学方程和横摆动力学方程获得所述状态空间模型；

所述车辆侧向动力学方程为：

式中，v_y为车辆横向速度，

为车辆横摆角度，v_x为车辆纵向速度，F_yf为前轴横向力，F_yr为后轴横向力；

所述车辆横摆动力学方程为：

优选的是，所述前轴横向力满足：

F_yf＝F_flo·sin(δ_f)+F_fla·cos(δ_f)；

式中，F_flo为前轮胎纵向力，F_fla为前轮胎横向力；

所述后轴横向力满足：

F_yr＝F_rlo·sin(δ_r)+F_rla·cos(δ_r)；

式中，F_rlo为后轮胎纵向力，F_rla为后轮胎横向力。

优选的是，所述前轮胎横向力满足：

F_fla＝k_f·α_f；

式中，k_f为前轮胎侧偏刚度，α_f为前轮侧偏角；

所述后轮胎横向力满足：

F_rla＝k_r·α_r；

式中，k_r为后轮胎侧偏刚度，α_r为后轮侧偏角。

优选的是，所述前轮侧偏角满足：

所述后轮侧偏角满足：

优选的是，所述车辆横向位移和车辆横摆角度通过传感器采集；

所述车辆横向速度和车辆横摆角速度通过龙伯格观测器观测，所述龙伯格观测器模型为：

式中，

为x₁的观测值，

为x₂的观测值，

为x₃的观测值，

为x₄的观测值。

优选的是，所述理想状态为：

代入所述状态空间模型转换为：

优选的是，所述步骤三具体包括如下过程：

设定所述第一辅助控制量、第二辅助控制量、第三辅助控制量和第四辅助控制量满足：

e₁＝y-y_d＝x₁-y_d；

e₃＝φ-φ_d＝x₃-φ_d；

将所述前馈控制方法的输入代入所述状态空间模型中并将其转换为：

进而获得所述第一反演滑模控制量和第二反演滑模控制量；

式中，

为横向速度观测值，

为横摆角速度观测值。

优选的是，所述第一中间变量和第二中间变量满足：

本发明所述的有益效果：

本发明设计开发的一种分布式驱动车辆的轨迹跟踪控制策略，克服现有技术存在的问题，包括新能源车辆结构局限性，控制策略的局限性，基于四轮独立驱动车辆平台，为解决其轨迹跟踪问题，提出了一种前馈控制和反演的滑模变结构控制方法相结合，以实现对轨迹的高精度跟踪，并保持操纵稳定性；并设计了龙伯格观测器对横摆角速度和侧向速度进行观测，前馈控制直接将参考值作为初始状态值，直接缩短了调节时间；反演控制以被控系统反馈值为基础，对误差进行调节，对前馈控制输出值进行修正，从而使误差趋于0，而针对横摆角速度和侧向速度较难测量，以较为成熟的龙伯格观测器对二者进行观测，在保证控制器性能的同时降低了测量成本。

本发明充分发挥四轮独立驱动车辆操纵灵活、自由度多的特性，并在保证实时性、可靠性的前提下实现高精度的轨迹跟踪，形成了新能源车与智能驾驶巧妙结合的新架构。

附图说明

图1为本发明所述以控制为导向的单轨车辆模型的示意图。

图2为本发明所述龙伯格观测器的总体控制框图。

图3为本发明所述观测器观测的横向位移与实际横向位移的贴近程度图。

图4为本发明所述观测器观测的横摆角与实际横摆角的贴近程度图。

图5为本发明所述双移线工况下本发明所述轨迹跟踪控制策略跟踪期望横摆角和PID方法跟踪期望横摆角的对比图。

具体实施方式

下面结合对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供的一种分布式驱动车辆的轨迹跟踪控制策略，以四轮独立驱动车辆为平台，四轮独立驱动车辆4个车轮各自独立，自由度多，结构简单，操纵灵活，容易发挥新能源车辆易于控制的特性，同时，这种车辆又是一种强非线性、过耦合的冗余控制系统，实际模型极其复杂，本发明主要以轨迹跟踪为主要目标，在数学模型与实际模型的贴近程度达到一定水平后，不会再对控制效果有显著影响，因此，不是数学模型与实际模型越贴近，控制效果就越好，所以本发明对实际模型进行简化，如图1所示，建立以控制为导向的四轮独立驱动车辆的数学模型，而在轨迹跟踪过程中，重点涉及纵向、横向与横摆3个自由度，在假设纵向速度为不变常数之后，进一步可简化为横向和横摆两个自由度，最终演化成适于控制的车辆单轨动力学模型，具体车辆模型的数据如表一所示。

表一 车辆模型的数据

参数	符号	值
			质心到前轴距离	a(m)	1.464
质心到后轴距离	b(m)	1.672
			前轮侧偏刚度	kf(N/rad)	15000
后轮侧偏刚度	kr(N/rad)	18000
			整车转动惯量	Iz(kg·m<sup>2</sup>)	4178
整车质量	m(kg)	1528
			车辆宽度	w(m)	1.672
前后轴之间距离	l(m)	3.136

在平面直角坐标系中，车辆横轴方向上，可以得到车辆侧向动力学方程为：

式中，m为整车质量，v_y为车辆横向速度，

为车辆横摆角度，v_x为车辆纵向速度，F_yf为前轴横向力，F_yr为后轴横向力；

考虑横摆动力学特性，可以得到横摆动力学方程为：

式中，a为质心到前轴的距离，b为质心到后轴距离，I_z为整车转动惯量；

而根据图1，前轴横向力、后轴横向力与轮胎力的关系为：

F_yf＝F_flo·sin(δ_f)+F_fla·cos(δ_f)；

F_yr＝F_rlo·sin(δ_r)+F_rla·cos(δ_r)；

式中，F_flo为前轮胎纵向力，F_fla为前轮胎横向力，F_rlo为后轮胎纵向力，F_rla为后轮胎横向力，δ_f为前轮转角，δ_r为后轮转角。

进而引入小角度理论，即在侧偏角、车轮转角都很小时，可以假设轮胎侧向力与侧偏角成线性关系：

F_fla＝k_f·α_f；

F_rla＝k_r·α_r；

式中，k_f为前轮胎侧偏刚度，α_f为前轮侧偏角，k_r为后轮胎侧偏刚度，α_r为后轮侧偏角。

其中，所述前轮侧偏角满足：

所述后轮侧偏角满足：

在纵向速度为常数和小角度理论的假设下，可以得到：

进而选取

为状态变量[x₁,x₂,x₃,x₄]^T，[δ_f,δ_r]^T为控制变量[u₁,u₂]^T，可以得到控制导向的状态空间模型(以控制为导向的车辆模型)为：

其中，y为车辆横向位移，v_y为车辆横向速度，φ为车辆横摆角度，

为车辆横摆角速度，且车辆横向位移和车辆横摆角度为传感器测得。

设立参考轨迹，以参考轨迹为目标，运用所设计的前馈+反演的滑模控制方法进行控制跟踪。

本发明针对部分参数难以测量的特性，具体而言，针对在控制器所需要的反馈量中，侧向速度和车辆横摆角速度难以测量，设计了成熟可靠的龙伯格状态观测器，如图2所示，为所述龙伯格观测器的总体控制框图，如图3、图4所示，图中实线为所述龙伯格观测器的观测值，虚线为实际值，由图能够看出所述龙伯格观测器性能优异，实现了良好的轨迹跟踪性能。

所述龙伯格观测器模型为：

式中，

为x₁的观测值，

为x₂的观测值，

为x₃的观测值，

为x₄的观测值。

而为了减小控制系统的调节时间，首先引入基于理想状态的前馈控制，即令状态变量值等于理想状态值：

式中，y_d为期望横向位移，φ_d为期望横摆角；

在此情形下，状态空间方程变为：

式中，u_1f为第一前馈控制变量，u_2f为第二前馈控制变量；

进而由上式可得：

前馈控制可以大幅缩小调节时间，为应对外界干扰、参数摄动，以反演误差反馈的方式进行进一步调节，首先定义：

e₁＝y-y_d＝x₁-y_d；

式中，e₁为第一辅助控制量，e₂为第二辅助控制量，e₃为第三辅助控制量，e₄为第四辅助控制量，

为横向速度观测值，

为横摆角速度观测值；

将前馈控制的输入带入，这时状态空间模型为：

式中，u_1b为第一反演滑模控制量，u_2b为第二反演滑模控制量；

令：

式中，f为第一中间变量，g为第二中间变量；

可以解得：

式中，c₁为第一常数，c₂为第二常数，c₃为第三常数，c₄为第四常数，c₁＝0.78，c₂＝0.96，c₃＝1.23，c₄＝1.03；

则最后总的控制变量是：

u₁＝u_1f+u_1b；

u₂＝u_2f+u_2b。

调节控制变量使得车辆模型输出的状态变量与期望值间的误差趋近于0时，所述车辆模型输出的状态变量为车辆的轨迹。

如图5所示，图中直线是期望值，虚线是本发明所述的前馈控制和反演滑模变结构控制相结合的方法得到的轨迹跟踪结果，点线是滑模变结构控制与PID相结合的方法得到的轨迹跟踪结果，前馈控制和反演滑模变结构控制相结合的方法相较于滑模变结构控制与PID相结合的方法，误差峰值更小。

本发明以四轮独立驱动车辆为平台，提出了一种前馈+反演滑模变结构控制策略，充分发挥四轮独立驱动车辆操纵灵活、自由度多的特性，并在保证实时性、可靠性的前提下实现高精度的轨迹跟踪。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (9)

1.一种分布式驱动车辆的轨迹跟踪控制策略，其特征在于，包括如下步骤：

步骤一、设立参考轨迹，建立地面坐标系，得到车辆单轨动力学模型，建立控制导向的状态空间模型：

式中，状态变量[x₁,x₂,x₃,x₄]^T为

控制变量[u₁,u₂]^T为[δ_f,δ_r]^T，y为车辆横向位移，v_y为车辆横向速度，φ为车辆横摆角度，

为车辆横摆角速度，δ_f为前轮转角，δ_r为后轮转角，k_f为前轮胎侧偏刚度，k_r为后轮胎侧偏刚度，m为整车质量，v_x为车辆纵向速度，a为质心到前轴的距离，b为质心到后轴距离，I_z为整车转动惯量；

步骤二、通过基于理想状态的前馈控制方法调节所述状态空间模型，获得前馈控制变量为：

式中，u_1f为第一前馈控制变量，u_2f为第二前馈控制变量，y_d为期望横向位移，

为期望横摆角；

步骤三、将所述前馈控制方法的输入代入反演滑模变结构控制方法调节所述状态空间模型，获得反演滑模控制量为：

式中，u_1b为第一反演滑模控制量，u_2b为第二反演滑模控制量，f为第一中间变量，g为第二中间变量，e₁为第一辅助控制量，e₂为第二辅助控制量，e₃为第三辅助控制量，e₄为第四辅助控制量，c₁为第一常数，c₂为第二常数，c₃为第三常数，c₄为第四常数；

步骤四、调节所述控制变量使得车辆的实际轨迹与参考轨迹误差趋近于0，实现车辆的轨迹跟踪；其中，所述控制变量满足：

u₁＝u_1f+u_1b；

u₂＝u_2f+u_2b。

2.如权利要求1所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，通过车辆侧向动力学方程和横摆动力学方程获得所述状态空间模型；

所述车辆侧向动力学方程为：

式中，v_y为车辆横向速度，

为车辆横摆角度，v_x为车辆纵向速度，F_yf为前轴横向力，F_yr为后轴横向力；

所述车辆横摆动力学方程为：

3.如权利要求2所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，所述前轴横向力满足：

F_yf＝F_flo·sin(δ_f)+F_fla·cos(δ_f)；

式中，F_flo为前轮胎纵向力，F_fla为前轮胎横向力；

所述后轴横向力满足：

F_yr＝F_rlo·sin(δ_r)+F_rla·cos(δ_r)；

式中，F_rlo为后轮胎纵向力，F_rla为后轮胎横向力。

4.如权利要求3所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，所述前轮胎横向力满足：

F_fla＝k_f·α_f；

式中，k_f为前轮胎侧偏刚度，α_f为前轮侧偏角；

所述后轮胎横向力满足：

F_rla＝k_r·α_r；

式中，k_r为后轮胎侧偏刚度，α_r为后轮侧偏角。

5.如权利要求4所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，所述前轮侧偏角满足：

所述后轮侧偏角满足：

6.如权利要求1所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，所述车辆横向位移和车辆横摆角度通过传感器采集；

所述车辆横向速度和车辆横摆角速度通过龙伯格观测器观测，所述龙伯格观测器模型为：

式中，

为x₁的观测值，

为x₂的观测值，

为x₃的观测值，

为x₄的观测值。

7.如权利要求6所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，所述理想状态为：

代入所述状态空间模型转换为：

8.如权利要求7所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，所述步骤三具体包括如下过程：

设定所述第一辅助控制量、第二辅助控制量、第三辅助控制量和第四辅助控制量满足：

e₁＝y-y_d＝x₁-y_d；

e₃＝φ-φ_d＝x₃-φ_d；

将所述前馈控制方法的输入代入所述状态空间模型中并将其转换为：

进而获得所述第一反演滑模控制量和第二反演滑模控制量；

式中，

为横向速度观测值，

为横摆角速度观测值。

9.如权利要求1所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，所述第一中间变量和第二中间变量满足：

Images