CN113126623B - 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法 - Google Patents
一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法 Download PDFInfo
- Publication number
- CN113126623B CN113126623B CN202110395671.2A CN202110395671A CN113126623B CN 113126623 B CN113126623 B CN 113126623B CN 202110395671 A CN202110395671 A CN 202110395671A CN 113126623 B CN113126623 B CN 113126623B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sliding mode
- control
- path tracking
- sigma
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 21
- 238000013461 design Methods 0.000 claims description 11
- 238000009795 derivation Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
Description
技术领域
本发明涉及一种自动驾驶车辆路径跟踪控制方法,特别涉及一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法。
背景技术
近年来,交通拥堵、意外伤害和环境污染等社会问题日益严重。自动驾驶车辆由于其无需驾驶员操作的优势并被认为是提高道路利用率、提高车辆安全性、降低移动成本的有效而系统的方法。路径跟踪模块在决定自动驾驶车辆的自主驾驶表现方面发挥着极其重要的作用,它致力于以尽可能高的精度,连续且平滑地跟踪由路径规划模块决策出的期望路径。但是自动驾驶电动车辆具有的参数不确定性和不可避免的外部干扰等问题给设计路径跟踪控制器带来了挑战。
路径跟踪算法通常以期望路径坐标点为控制器输入,首先确定车辆当前位置与期望路径的横向位置偏差和航向角偏差,然后以此计算合理的前轮转角以保证车辆保持在期望路径上。常见的路径跟踪控制算法包括包括预瞄控制,滑模控制,模型预测控制等。如中国专利公布号CN109318905A,公布日2018-09-25,根据车速的不同,在低速下使用预瞄控制进行跟踪,高速下使用模型预测控制进行跟踪,同时设计模糊规则对二者进行加权,但是模型预测控制的求解速度相对较慢,在车辆高速行驶过程中并不可靠,并且预瞄控制由于本身精度不高,不利于对高速下的跟踪误差进行补偿。中国专利公布号CN108973769A,公布日2018.12.11,采用多级控制架构进行路径跟踪算法的研究,通过模型预测控制计算期望车体运动,然后利用一阶滑模控制计算期望轮胎力,最后通过底层执行器进行分配,算法整体计算量较大,需要求解两个最优控制问题,数学处理复杂。与上一专利相同,CN109606379A同样使用一阶滑模控制进行期望方向盘转角和附加横摆力矩的计算,为避免一阶滑模控制的抖振缺陷,使用了饱和函数代替切换函数,但是会因此降低控制精度。中国专利公布号CN111897344A,公布日2020.11.06,采用鲁棒最优控制分别设计稳态和非稳态下的路径跟踪控制器,并通过横向状态检测器进行两种控制器的分情况触发,但是设计过程中没有考虑执行器的饱和约束。
由于车辆本身存在时变非线性特性,并且在车辆与环境的实际交互过程中,存在若干未知干扰,因此需要控制算法具有较高的鲁棒性和自适应能力。上述算法中预瞄控制鲁棒性较差;常规的滑模控制抵抗干扰能力强但是存在输出抖振问题;模型预测控制对模型精度和处理器实时计算能力要求高,在实际应用中有较多限制;鲁棒控制的设计过程复杂。因此设计出一种能够处理参数不确定性,不可避免的外部干扰等因素的实用型路径跟踪控制算法至关重要。
发明内容
本发明的目的是为了解决自动驾驶车辆路径跟踪过程中的参数不确定和外部未知干扰等问题,而提供的一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法。
本发明提供的考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法,其方法包括如下步骤:
步骤一、建立一种同时考虑运动学与二自由度车辆动力学的综合路径跟踪模型;
基于车辆运动学的路径跟踪误差模型如下所示:
综合路径跟踪模型中涉及的动力学模型如下所示:
其中:
式中Cf、Cr分别为前后轮的侧偏角刚度;m为车辆的总质量;Lf、Lr分别为前后轴距离车辆质心的距离;Iz为车辆的横摆转动惯量,δf为车辆前轮转角;
将运动学跟踪误差模型求导并将动力学模型带入可得到如下所示的综合路径跟踪模型:
其中:
式中D22是由参数不确定以及外界未知干扰共同组成的干扰项并假设该干扰项有上界;
步骤二、基于反步法的思想,利用动态滑模控制理论设计车辆前轮转角控制率;
首先基于步骤一得到的综合路径跟踪模型,设计滑模函数σ1=C(x2+Kx1),其中:
上式中的c1、c2、k1、k2皆为正常数,根据滑模函数σ1的设计形式,能够较容易地发现当系统进入理想滑动模态σ1=0时,跟踪误差x1和x2将会指数收敛到0,达成路径跟踪的控制目标;
根据上式定义x3的期望值x3d=-φ1σ1,其中φ1为正常数,则上式写为据此σ1可在有限时间内收敛到0,然后定义误差项e1=x3-x3d=x3+φ1σ1,根据定义的滑模函数σ1和误差项e1,构建滑模函数σ2=φ2σ1+e1,其中φ2为正常数,将误差项e1的具体形式带入滑模函数σ2,得到因此当系统进入理想滑动模态σ2=0时,滑模函数σ1和滑模函数σ1的导数将会指数收敛到0,达成路径跟踪控制目标;
稳定性证明:
定义Lyapunov函数V2,对其求导并将滑模函数σ2、σ1及误差项e1以及步骤二重构的状态空间方程的具体形式带入得:
其中:
其中:γ为大于零的常数。
稳定性证明:
定义Lyapunov函数V3,对其求导并将滑模函数σ2、σ1及误差项e1以及步骤二重构的状态空间方程的具体形式带入得:
其中:
步骤四、考虑控制输入饱和问题,采用饱和误差动态补偿方法对自适应控制率进行修正;
本步骤考虑的控制输入饱和问题首先被详细定义为:由于车辆行驶环境复杂多变,在不同路面环境和车辆状态下,车辆能利用的最大轮胎侧向力有限,相对应的车辆前轮转动角速度大小应被限制在一定范围之内,为保证车辆在路径跟踪过程中的稳定可靠,将本步骤考虑的控制输入饱和问题集成到控制率设计中,转换为考虑控制输入饱和情况下的控制率设计问题,通过构建以控制输入饱和误差为输入量的动态补偿辅助系统,修正步骤三中的自适应前轮转交控制率,实现对控制输入饱和约束的考量;
结合路径跟踪问题,将上述考虑控制输入饱和情况下的控制率设计问题定义如下,其中是车速、路面附着系数和车辆侧向动力学参数的函数,它表示车辆前轮转动角速度绝对值的最大值,车辆的实际前轮转角速度应控制在内以保证车辆路径跟踪的稳定性:
定义用于控制饱和补偿的辅助补偿系统状态方程如下,其中β1>0,β2>0:
根据上式定义x3的期望值其中φ1为正常数,则上式写为据此e2可在有限时间内收敛到0,然后定义误差项根据定义的控制误差e2和e3,构建滑模函数σ3=φ2e2+e3,其中φ2为正常数,将误差项e3的具体形式带入滑模函数σ3,得到因此当系统进入理想滑动模态σ3=0时,控制误差e2和控制误差e2的导数将会指数收敛到0,达成路径跟踪控制目标;
稳定性证明:
定义Lyapunov函数V5,对其求导并将滑模函数σ3、两个跟踪误差e2、e3,辅助补偿系统状态方程和步骤四修改后的路径跟踪状态方程带入得:
其中:
本发明的有益效果:
本发明提供的考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法所采用的路径跟踪模型,结合了运动学跟踪误差方程和二自由度车辆动力学方程,能够充分考虑路径跟踪时车辆的运动学和动力学特性。本发明基于反步法的思想,重新设计了路径跟踪滑模函数,保证跟踪目标及其导数能以指数速度收敛于0。本发明利用动态滑模控制原理,将实际控制输入纳入到滑模函数中,通过设计实际控制输入微分项的控制率,将常规滑模函数的抖振缺陷转移到微分项中,最终通过积分器进行抖振抑制,很大程度上缓解了常规滑模控制的实际应用难题。本发明利用自适应原理,利用确定性原则自适应解决了横向路径跟踪不确定干扰上界不宜获取的问题,既保证了控制器的稳定性又能够在一定程度上进一步缓解了滑模控制的抖振问题。本发明通过构建控制饱和补偿的辅助补偿系统,改进了本发明在步骤三设计的自适应控制器,通过解决带有输入饱和约束控制问题,保证车辆路径跟踪过程中的行驶稳定性。
附图说明
图1为本发明所述的自动驾驶车辆运动学跟踪误差模型示意图。
图2为本发明所述的自动驾驶车辆自适应路径跟踪控制架构示意图。
图3为本发明所述的自动驾驶车辆控制输入受限自适应路径跟踪控制架构示意图。
具体实施方式
请参阅图1至图3所示:
本发明提供的考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法,其方法包括如下步骤:
步骤一、建立一种同时考虑运动学与二自由度车辆动力学的综合路径跟踪模型。
如图1所示的基于车辆运动学的路径跟踪误差模型如下所示:
综合路径跟踪模型中涉及的动力学模型如下所示:
其中:
式中Cf、Cr分别为前后轮的侧偏角刚度;m为车辆的总质量;Lf、Lr分别为前后轴距离车辆质心的距离;Iz为车辆的横摆转动惯量,δf为车辆前轮转角;
将运动学跟踪误差模型求导并将动力学模型带入可得到如下所示的综合路径跟踪模型:
其中:
式中D22是由参数不确定以及外界未知干扰共同组成的干扰项并假设该干扰项有上界;
步骤二、基于反步法的思想,利用动态滑模控制理论设计车辆前轮转角控制率。
首先基于步骤一得到的综合路径跟踪模型,设计滑模函数σ1=C(x2+Kx1),其中:
上式中的c1、c2、k1、k2皆为正常数,根据滑模函数σ1的设计形式,能够较容易地发现当系统进入理想滑动模态σ1=0时,跟踪误差x1和x2将会指数收敛到0,达成路径跟踪的控制目标;
根据上式定义x3的期望值x3d=-φ1σ1,其中φ1为正常数,则上式写为据此σ1可在有限时间内收敛到0,然后定义误差项e1=x3-x3d=x3+φ1σ1,根据定义的滑模函数σ1和误差项e1,构建滑模函数σ2=φ2σ1+e1,其中φ2为正常数,将误差项e1的具体形式带入滑模函数σ2,得到因此当系统进入理想滑动模态σ2=0时,滑模函数σ1和滑模函数σ1的导数将会指数收敛到0,达成路径跟踪控制目标;
稳定性证明:
定义Lyapunov函数V2,对其求导并将滑模函数σ2、σ1及误差项e1以及步骤二重构的状态空间方程的具体形式带入得:
其中:
定义Lyapunov函数V3,对其求导并将滑模函数σ2、σ1及误差项e1以及步骤二重构的状态空间方程的具体形式带入得:
其中:γ为大于零的常数。
步骤四、考虑控制输入饱和问题,采用饱和误差动态补偿方法对自适应控制率进行修正。
本步骤考虑的控制输入饱和问题首先被详细定义为:由于车辆行驶环境复杂多变,在不同路面环境和车辆状态下,车辆能利用的最大轮胎侧向力有限,相对应的车辆前轮转动角速度大小应被限制在一定范围之内。为保证车辆在路径跟踪过程中的稳定可靠,将本步骤考虑的控制输入饱和问题集成到控制率设计中,转换为考虑控制输入饱和情况下的控制率设计问题,通过构建以控制输入饱和误差为输入量的动态补偿辅助系统,修正步骤三中的自适应前轮转交控制率,实现对控制输入饱和约束的考量,加入辅助系统后的整体控制架构如图3所示。
结合路径跟踪问题,将上述考虑控制输入饱和情况下的控制率设计问题定义如下,其中是车速、路面附着系数和车辆侧向动力学参数的函数,它表示车辆前轮转动角速度绝对值的最大值,车辆的实际前轮转角速度应控制在内以保证车辆路径跟踪的稳定性:
定义用于控制饱和补偿的辅助补偿系统状态方程如下,其中β1>0,β2>0:
根据上式定义x3的期望值其中φ1为正常数,则上式写为据此e2可在有限时间内收敛到0,然后定义误差项根据定义的控制误差e2和e3,构建滑模函数σ3=φ2e2+e3,其中φ2为正常数,将误差项e3的具体形式带入滑模函数σ3,得到因此当系统进入理想滑动模态σ3=0时,控制误差e2和控制误差e2的导数将会指数收敛到0,达成路径跟踪控制目标;
定义Lyapunov函数V5,对其求导并将滑模函数σ3、两个跟踪误差e2、e3,辅助补偿系统状态方程和步骤四修改后的路径跟踪状态方程带入得:
Claims (1)
1.一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法,其特征在于:其方法包括如下步骤:
步骤一、建立一种同时考虑运动学与二自由度车辆动力学的综合路径跟踪模型;
基于车辆运动学的路径跟踪误差模型如下所示:
综合路径跟踪模型中涉及的动力学模型如下所示:
其中:
式中Cf、Cr分别为前后轮的侧偏角刚度;m为车辆的总质量;Lf、Lr分别为前后轴距离车辆质心的距离;Iz为车辆的横摆转动惯量,δf为车辆前轮转角;
将运动学跟踪误差模型求导并将动力学模型带入可得到如下所示的综合路径跟踪模型:
其中:
式中D22是由参数不确定以及外界未知干扰共同组成的干扰项并假设该干扰项有上界;
步骤二、基于反步法的思想,利用动态滑模控制理论设计车辆前轮转角控制率;
首先基于步骤一得到的综合路径跟踪模型,设计滑模函数σ1=C(x2+Kx1),其中:
上式中的c1、c2、k1、k2皆为正常数,根据滑模函数σ1的设计形式,能够较容易地发现当系统进入理想滑动模态σ1=0时,跟踪误差x1和x2将会指数收敛到0,达成路径跟踪的控制目标;
根据上式定义x3的期望值x3d=-φ1σ1,其中φ1为正常数,则上式写为据此σ1可在有限时间内收敛到0,然后定义误差项e1=x3-x3d=x3+φ1σ1,根据定义的滑模函数σ1和误差项e1,构建滑模函数σ2=φ2σ1+e1,其中φ2为正常数,将误差项e1的具体形式带入滑模函数σ2,得到因此当系统进入理想滑动模态σ2=0时,滑模函数σ1和滑模函数σ1的导数将会指数收敛到0,达成路径跟踪控制目标;
稳定性证明:
定义Lyapunov函数V2,对其求导并将滑模函数σ2、σ1及误差项e1以及步骤二重构的状态空间方程的具体形式带入得:
其中:
其中:γ为大于零的常数;
稳定性证明:
定义Lyapunov函数V3,对其求导并将滑模函数σ2、σ1及误差项e1以及步骤二重构的状态空间方程的具体形式带入得:
其中:
步骤四、考虑控制输入饱和问题,采用饱和误差动态补偿方法对自适应控制率进行修正;
本步骤考虑的控制输入饱和问题首先被详细定义为:由于车辆行驶环境复杂多变,在不同路面环境和车辆状态下,车辆能利用的最大轮胎侧向力有限,相对应的车辆前轮转动角速度大小应被限制在一定范围之内;为保证车辆在路径跟踪过程中的稳定可靠,将本步骤考虑的控制输入饱和问题集成到控制率设计中,转换为考虑控制输入饱和情况下的控制率设计问题,通过构建以控制输入饱和误差为输入量的动态补偿辅助系统,修正步骤三中的自适应前轮转交控制率,实现对控制输入饱和约束的考量;
结合路径跟踪问题,将上述考虑控制输入饱和情况下的控制率设计问题定义如下,其中是车速、路面附着系数和车辆侧向动力学参数的函数,它表示车辆前轮转动角速度绝对值的最大值,车辆的实际前轮转角速度应控制在内以保证车辆路径跟踪的稳定性:
定义用于控制饱和补偿的辅助补偿系统状态方程如下,其中β1>0,β2>0:
根据上式定义x3的期望值其中φ1为正常数,则上式写为据此e2可在有限时间内收敛到0,然后定义误差项根据定义的控制误差e2和e3,构建滑模函数σ3=φ2e2+e3,其中φ2为正常数,将误差项e3的具体形式带入滑模函数σ3,得到因此当系统进入理想滑动模态σ3=0时,控制误差e2和控制误差e2的导数将会指数收敛到0,达成路径跟踪控制目标;
稳定性证明:
定义Lyapunov函数V5,对其求导并将滑模函数σ3、两个跟踪误差e2、e3,辅助补偿系统状态方程和步骤四修改后的路径跟踪状态方程带入得:
其中:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110395671.2A CN113126623B (zh) | 2021-04-13 | 2021-04-13 | 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110395671.2A CN113126623B (zh) | 2021-04-13 | 2021-04-13 | 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113126623A CN113126623A (zh) | 2021-07-16 |
CN113126623B true CN113126623B (zh) | 2022-04-12 |
Family
ID=76776161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110395671.2A Active CN113126623B (zh) | 2021-04-13 | 2021-04-13 | 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126623B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021208814A1 (de) * | 2021-08-12 | 2023-02-16 | Continental Autonomous Mobility Germany GmbH | Verfahren und System zur Steuerung eines Fahrzeugs |
CN114200841B (zh) * | 2021-12-13 | 2023-05-23 | 电子科技大学 | 一种基于模糊反步的网联汽车系统安全控制方法 |
CN114047706B (zh) * | 2022-01-11 | 2022-04-12 | 北京航空航天大学 | 面向可重入工业制造系统的模糊动态积分滑模控制方法 |
CN115447603B (zh) * | 2022-04-26 | 2024-05-24 | 重庆大学 | 一种应用于自动驾驶车辆的有限时间路径跟踪控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104238357A (zh) * | 2014-08-21 | 2014-12-24 | 南京航空航天大学 | 一种近空间飞行器的容错滑模控制方法 |
CN107831761A (zh) * | 2017-10-16 | 2018-03-23 | 中国科学院电工研究所 | 一种智能车的路径跟踪控制方法 |
CN109795502A (zh) * | 2018-09-27 | 2019-05-24 | 吉林大学 | 智能电动汽车路径跟踪模型预测控制方法 |
CN110134012A (zh) * | 2019-04-30 | 2019-08-16 | 上海海事大学 | 一种用于不确定系统的船舶路径跟踪控制方法 |
CN111812981A (zh) * | 2020-07-02 | 2020-10-23 | 哈尔滨工业大学 | 一种有限时间稳定的航天器姿态跟踪滑模控制方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10534900B2 (en) * | 2014-02-21 | 2020-01-14 | Samsung Electronics Co., Ltd. | Electronic device |
US10671070B2 (en) * | 2018-05-23 | 2020-06-02 | Baidu Usa Llc | PID embedded LQR for autonomous driving vehicles (ADVS) |
CN108973769B (zh) * | 2018-06-15 | 2020-01-17 | 吉林大学 | 一种全线控电动汽车路径跟踪控制方法 |
CN109606379B (zh) * | 2018-11-22 | 2020-07-31 | 江苏大学 | 一种分布式驱动无人驾驶车辆路径跟踪容错控制方法 |
CN110647031B (zh) * | 2019-09-19 | 2020-10-02 | 北京科技大学 | 用于高速列车的抗饱和自适应伪pid滑模故障容错控制方法 |
CN111152225B (zh) * | 2020-01-15 | 2021-04-06 | 北京科技大学 | 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法 |
CN111176302B (zh) * | 2020-03-04 | 2021-04-20 | 山东省计算中心(国家超级计算济南中心) | 输入饱和的自动驾驶汽车路径跟踪控制方法 |
CN111736598B (zh) * | 2020-06-03 | 2022-06-28 | 东南大学 | 基于自适应神经网络的收获机路径跟踪控制方法和系统 |
CN111897344B (zh) * | 2020-08-14 | 2021-11-16 | 清华大学 | 一种兼顾稳定性的自动驾驶汽车路径跟踪控制方法 |
CN112486209B (zh) * | 2020-11-26 | 2022-12-30 | 江苏科技大学 | 一种自主水下机器人三维路径跟踪方法、装置及存储介质 |
-
2021
- 2021-04-13 CN CN202110395671.2A patent/CN113126623B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104238357A (zh) * | 2014-08-21 | 2014-12-24 | 南京航空航天大学 | 一种近空间飞行器的容错滑模控制方法 |
CN107831761A (zh) * | 2017-10-16 | 2018-03-23 | 中国科学院电工研究所 | 一种智能车的路径跟踪控制方法 |
CN109795502A (zh) * | 2018-09-27 | 2019-05-24 | 吉林大学 | 智能电动汽车路径跟踪模型预测控制方法 |
CN110134012A (zh) * | 2019-04-30 | 2019-08-16 | 上海海事大学 | 一种用于不确定系统的船舶路径跟踪控制方法 |
CN111812981A (zh) * | 2020-07-02 | 2020-10-23 | 哈尔滨工业大学 | 一种有限时间稳定的航天器姿态跟踪滑模控制方法 |
Non-Patent Citations (4)
Title |
---|
Constrained path-following control for an airship with uncertainties;Zewei Zheng;《ELSVIER》;20190621;全文 * |
Trajectory planning and tracking control for autonomous parallel parking of a non-holonomic vehicle;Jiaxu Zhang;《MEASUREMENT AND CONTROL》;20201130;全文 * |
非完整轮式移动机器人的运动控制;马海涛;《中国优秀博士硕士论文 信息科技辑》;20100415;全文 * |
面向狭小平行泊车位的路径规划与跟踪控制;张家旭;《吉林大学学报(工学版)》;20201113;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113126623A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113126623B (zh) | 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法 | |
CN107415939B (zh) | 一种分布式驱动电动汽车转向稳定性控制方法 | |
CN113320542B (zh) | 一种自动驾驶车辆的跟踪控制方法 | |
CN107992681B (zh) | 一种电动汽车主动前轮转向系统的复合控制方法 | |
CN110262229B (zh) | 基于mpc的车辆自适应路径追踪方法 | |
CN113753080B (zh) | 一种自动驾驶汽车横向运动自适应参数控制方法 | |
CN111123701B (zh) | 基于管道预测模型的自动驾驶路径跟踪抗干扰控制方法 | |
CN111258218B (zh) | 基于最大相关熵准则的智能车辆路径跟踪方法 | |
CN111679575B (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 | |
CN114967475A (zh) | 一种无人驾驶车辆轨迹跟踪与稳定性鲁棒控制方法及系统 | |
CN112622895B (zh) | 一种应用于自动驾驶的轨迹控制的预估控制方法 | |
Li et al. | Robust adaptive learning-based path tracking control of autonomous vehicles under uncertain driving environments | |
CN112606843A (zh) | 一种基于Lyapunov-MPC技术的智能车辆路径跟踪控制方法 | |
CN112937571A (zh) | 一种智能汽车轨迹跟踪控制方法及系统 | |
CN111736598B (zh) | 基于自适应神经网络的收获机路径跟踪控制方法和系统 | |
CN116360275A (zh) | 基于递归滑模的自动驾驶车辆轨迹跟踪控制方法及系统 | |
CN115071736A (zh) | 基于故障估计的自动驾驶车辆容错控制方法及系统 | |
CN110471277B (zh) | 基于输出反馈增益规划的智能商用车自动循迹控制方法 | |
CN112764347A (zh) | 一种基于最大相关熵准则的智能车辆路径跟踪方法 | |
CN115129046B (zh) | 一种基于滑模神经网络控制的自动驾驶车辆路径跟踪方法 | |
CN117911414B (zh) | 一种基于强化学习的自动驾驶汽车运动控制方法 | |
CN117360486B (zh) | 一种用于多轴线控底盘的抗干扰直接横摆力矩控制方法 | |
CN118605251A (zh) | 一种带有前馈控制的自适应lqr无人车辆横向控制方法 | |
CN117048639B (zh) | 一种车辆自适应路径控制方法、存储介质及计算机 | |
CN114442601B (zh) | 一种无人驾驶车辆跟踪控制方法及装置 |
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 |