CN113525415A - 基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统 - Google Patents

Abstract

本发明公开了一种基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统，包括：线控转向系统、上层路径跟踪控制器、下层前轮转角跟踪控制器。下层前轮转角跟踪控制器包括非线性扰动观测器和转角跟踪控制器，上层路径跟踪控制器实时确定当下前轮的转角目标值δ_f‑des，非线性扰动观测器用于检测当下转向电机模块的实际转矩T_{m_out}、齿轮齿条模块的实际位移x_r，以获得齿轮齿条模块的广义齿条力Fr。转角跟踪控制器基于转角目标值δ_f‑des、广义齿条力Fr，获得转向电机模块的转矩期望值T_des。下层前轮转角跟踪控制器还用于根据转矩期望值T_des计算得出转向电机模块的电压计算值u_real，转向电机模块的电压调整至电压计算值u_real。由此该路径跟踪系统可减小实际行驶路径与期望路径间的横向偏差。

Description

基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统

技术领域

本发明涉及汽车技术领域，尤其涉及一种基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统。

背景技术

自动驾驶汽车的路径跟踪控制系统作为实现完全无人驾驶的关键环节，对汽车的行驶安全性至关重要。现有路径跟踪系统所采用的控制技术常包括以下几种方法：基于车辆动力学模型的模型预测控制(MPC)技术、线性二次型调节(LQR)控制方法、H∞鲁棒控制、滑模控制(SMC)等方法和不依赖于模型的比例-积分-微分(PID)控制、无模型自适应控制等。

上述多种方法在实际工程应用领域或研究探索中被用于改善自动驾驶汽车的路径跟踪效果。这些方法通常不需要考虑内外干扰项的具体数值及其在车辆系统中的作用方式，仅依靠传感器获得的状态信息对车辆实际位置和预期位置间的横向位移偏差值进行反馈修正，因此可将其视为广义的扰动抑制方法。

然而，在真实场景存在状态、输出约束以及不确定性扰动的条件下，依靠求取开环最优解的方法有时存在无解的可能。故单纯通过反馈控制或模型预测的控制方法，难以从本质上消除系统所受到的内外干扰，并且其控制精度受制于所建立车辆模型的准确、完备性。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明目的在于提出一种基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统，该系统可较好地消除或抑制内外扰动所带来的横向位移偏差，有效完成自动驾驶汽车的路径跟踪和横向控制。

根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统包括线控转向系统、上层路径跟踪控制器、下层前轮转角跟踪控制器，下层前轮转角跟踪控制器包括非线性扰动观测器和转角跟踪控制器，所述线控转向系统的转向执机构包括包括齿轮齿条模块和转向电机模块，所述上层路径跟踪控制器用于根据已规划的行驶轨迹，实时确定当下前轮的转角目标值δ_f-des；非线性扰动观测器用于检测当下所述转向电机模块的实际转矩T_{m_out}，以及所述齿轮齿条模块的实际位移x_r，通过计算获得所述齿轮齿条模块的广义齿条力Fr；转角跟踪控制器基于所述转角目标值δ_f-des、所述广义齿条力Fr，获得所述转向电机模块的转矩期望值T_des：；所述下层前轮转角跟踪控制器还用于根据所述转矩期望值T_des：计算得出所述转向电机模块的电压计算值u_real，所述转向电机模块的电压调整至所述电压计算值u_real。

根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统，通过转矩期望值T_des：计算得出转向电机模块的电压计算值u_real，转向电机模块的电压调整至电压计算值u_real，可以较好地实现对自动驾驶汽车分层抗扰路径跟踪和横向控制，可以较好地消除或者抑制内外扰动所带来的横向位移偏差。

另外，根据本发明的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统，还可以具有如下附加的技术特征：

在一些实施例中，在所述非线性扰动观测器中，选取状态变量x₁＝x_r和

根据所述齿轮齿条模块的动力学方程，构建所述齿轮齿条模块的状态空间表达式，所述齿轮齿条模块的状态空间表达式的输入变量为T_{m_out}，输出变量为Fr。

具体地，在所述齿轮齿条模块的状态空间表达式得到的Fr中，引入高增益系数以得到收敛的Fr值。

可选地，在所述转角跟踪控制器中，所述转向电机模块的转矩期望值T_des等于等效控制率T_eq和辅助控制率T_aux之和，所述等效控制率T_eq根据所述齿轮齿条模块的期望齿条位移和实际齿条位移间的偏差获得，所述辅助控制率T_aux通过依据超螺旋算法的辅助控制律获得。

有利地，在求取所述等效控制率T_eq时，根据所述齿轮齿条模块的期望齿条位移和实际齿条位移间的偏差，构造非奇异快速终端滑模的滑模面公式，通过对所述滑模面求导，且令所述滑模面的导数值为0时计算得到所述等效控制率T_eq。

可选地，所述辅助控制率T_aux与所述滑模面公式相关的函数。

在一些实施例中，所述上层路径跟踪控制器确定当下前轮的转角目标值δ_f-des的模型如下：

其中，Λ＝[ΔU^T,ε]，

G＝[-E^TQΘ 0]。

具体地，所述转角目标值δ_f-des的模型计算时通过e(k)：进行修正，e(k)：满足： e(k)＝X(k)-X(k|k-1)。

在一些具体实施例中，所述上层路径跟踪控制器对车辆建立的是七自由度车辆动力学模型，所述七自由度车辆动力学模型与选取的状态量

控制量u＝δ_f相关，通过七自由度车辆动力学模型得到输出量Y＝[γ,y]，其中v_y为横向车速，v_x为纵向车速，γ为横摆角，y为侧向位移，x为纵向位移，δ_f为前轮转角。

在一些具体实施例中，所述齿轮齿条模块通过以下动力学模型定义所述广义齿条力Fr：

式中，m_r为所述齿轮齿条模块的质量；B_r为所述齿轮齿条模块的阻尼系数；r_p为转向小齿轮半径。

本申请考虑了实际路径跟踪过程中存在路面不平度激励、对开路面及侧向风所导致的多种类型复合干扰对自动驾驶汽车横向控制的影响，将侧向风及对开路面产生的干扰归类为不可建模扰动，并将路面不平度激励导致的转向轮小幅摆动转换至齿条端构造了可建模的广义齿条力，最后基于反馈控制和扰动补偿的思想提出一种复合分层抗扰的自动驾驶汽车路径跟踪控制系统。所设计的新型滑模控制器中，非线性高增益齿条力观测器可用于抑制已建模的齿条端扰动，所提出的新型非奇异终端滑模方法可用于衰减范数有界的齿条端未建模干扰，能够有效的抑制内外扰动带来的横向位移偏差。

本申请至少可以解决如下技术问题：

①采用线控转向系统(Steering by Wire,SBW)作为分层抗扰控制方法的硬件载体。

②基于MPC的上层期望转角计算。

③下层基于齿条力观测的前轮转角跟随。

④底层线控转向系统新型转角跟踪控制策略。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统的整体架构示意图。

图2是根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统的信息传递流程图。

图3是根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统的线控转向系统的架构的示意图。

图4是根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统的七自由度车辆动力学模型。

标记：

自动驾驶汽车分层抗扰路径跟踪系统10、上层路径跟踪控制器1、下层前轮转角跟踪控制器2、非线性扰动观测器21、转角跟踪控制器22、线控转向系统3、

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

需要说明的是，现阶段有关自动驾驶汽车路径跟踪与横向运动控制的相关理论与技术研究通常局限于简单或固定场景下的自主驾驶。真实场景下的自动驾驶汽车在路径跟踪过程中，时刻面临着诸如路面不平度激励、路面附着变化、坡度变化以及随机阵风等外部环境所带来的附加力或力矩的干扰。除此之外，车辆自身还包含有非线性动态、时滞现象以及其他未建模动态导致的建模误差，以及因不同传感器的测量噪声、控制误差和线控转向系统结构振动而导致的测量误差。这些多通道不同类型的复合干扰难以通过单一的控制方法进行补偿或抑制，不可避免地会对自动驾驶汽车路径跟踪和横向控制效果产生不良影响，如何有效地消除或抑制内外扰动所带来的横向位移偏差已成为自动驾驶汽车路径跟踪中的一个关键问题。

现有技术通常仅面向自动驾驶汽车路径跟踪过程中的一点进行考虑，并未将路面不平度激励对自动驾驶汽车横向控制的影响考虑在内。现有技术针对未建模的扰动常通过反馈控制进行扰动抑制，而针对可建模的扰动，则通过构建扰动观测器的方式进行前馈补偿。考虑到实际路径跟踪过程中存在路面不平度激励、对开路面及侧向风所导致的多种类型复合干扰，本申请将侧向风及对开路面产生的干扰归类为不可建模扰动，并将路面不平度激励导致的转向轮小幅摆动转换至齿条端构造了可建模的广义齿条力，最后基于反馈控制和扰动补偿的思想提出了一种复合分层抗扰的自动驾驶汽车路径跟踪控制系统。

下面参考图1-图4描述根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统10。

如图1-图4所示，根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统10包括线控转向系统3、上层路径跟踪控制器1、下层前轮转角跟踪控制器2，下层前轮转角跟踪控制器2包括非线性扰动观测器21和转角跟踪控制器22，线控转向系统3的转向执机构包括齿轮齿条模块31和转向电机模块32。

上层路径跟踪控制器1用于根据已规划的行驶轨迹，实时确定当下前轮的转角目标值δ_f-des，非线性扰动观测器21用于检测当下转向电机模块32的实际转矩T_{m_out}，以及齿轮齿条模块31的实际位移x_r，通过计算获得齿轮齿条模块31的广义齿条力Fr。转角跟踪控制器22基于转角目标值δ_f-des、广义齿条力Fr，获得转向电机模块32的转矩期望值T_des：。下层前轮转角跟踪控制器2还用于根据转矩期望值T_des：计算得出转向电机模块的电压计算值u_real，转向电机模块32的电压调整至电压计算值u_real。

可以理解的是，齿轮齿条模块31产生的实际位移x_r，不仅与当下转向电机模块32的实际转矩T_{m_out}的相关，也与外部环境所带来的附加力或力矩相关，通过跟踪x_r、T_{m_out}，可以得到外部环境所带来的附加力或力矩对齿轮齿条模块31的影响，这种影响需要在后续调角时进行补偿。

基于这一补偿计算出的u_real，转向电机模块32将电压调整至电压计算值u_real后，使得转向电机模块输出的转矩为转矩期望值T_des：，此转矩期望值T_des：能够大体减掉外部环境所带来的附加力或力矩。这样，齿轮齿条模块31活动的幅度恰好是平衡了补偿所需后的目标值，这样可以让前轮在外部环境影响时能达到转角目标值δ_f-des。

由此，根据本发明实施例的基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统10，通过转矩期望值T_des：计算得出转向电机模块32的电压计算值u_real，转向电机模块32的电压调整至电压计算值u_real，可以较好地实现对自动驾驶汽车分层抗扰路径跟踪和横向控制，可以较好地消除或者抑制内外扰动所带来的横向位移偏差。

由图1可以看出，本申请的方案是一种动态自循环的路径跟踪系统，由上层路径跟踪控制器1时时跟踪、测量后，使下层前轮转角跟踪控制器2实时计算出电压计算值u_real，而线控转向系统3能够根据时实输入的u_real调整转向电机模块32，然后让车轮转向能够实时向转角目标值δ_f-des调整，车辆路径实时地朝向预设的行驶路径调整。

整个系统控制循环过程需要对车辆进行建模，基于车辆模型进行计算，可以得到车辆实时的状态参数。如图2所示，上层路径跟踪控制器1与车辆模型之间存在相互影响的关系，车辆模型向上层路径跟踪控制器1的反馈信息中，不仅包括线控转向系统3对车辆模型的影响，也包括侧向风、路面激励对车辆模型的影响，本申请的方案恰恰是将状态反馈这一步将侧向风、路面激励等影响因素考虑在内，从而使上层路径跟踪控制器1能够实时检测到这一影响，从而线控转向系统3的控制能够补偿这一影响。

下面展开对系统控制中各循环环节的结构及控制方法的介绍。

首先介绍本申请中分层抗扰控制的硬件载体—线控转向系统3(Steering byWire,SBW)。

目前绝大多数车辆所采用的转向系统仍是以机械连接为主的助力转向系统，然而自动驾驶车辆对转向控制精确性和快速响应性的需求使得传统机械结构的转向系统难以满足未来路径跟踪控制的要求。由此，线控转向系统3成为未来自动驾驶车辆所必须的硬件配置，由于线控转向系统3取消了传统转向系统中的机械连接部件，也使得整车的底盘空间布置变的更加灵活与多样化。

路面的不平度激励会使得车轮产生绕主销轴线的小幅受迫摆动，此摆动将影响路径跟踪进一步的控制效果，为使线控转向系统33准确跟踪前轮转角目标值，需要对其数学模型进行构建。由于线控转向系统3取消了传统机械转向结构中的机械连接部分，故可将线控转向系统3划分为两个模块，分别是转向电机模块32和齿轮齿条模块31。线控转向系统3的架构如图3所示。

1)转向电机模块32：线控转向系统3的驱动力是由转向电机经行星齿轮减速机构传递至齿条上的横向力，其中转向电机选用永磁同步电机。转向电机的电压平衡方程和力矩平衡方程可分别表示为：

2)齿轮齿条模块31：将转向齿条所受电机驱动力外的其他力之和视为广义齿条力，并规定所有位移和力的方向沿车辆前进方向向左时为正值，得到齿轮齿条模块31的动力学方程如下：

式中，m_r为齿轮齿条模块31的质量；B_r为齿轮齿条模块31的阻尼系数；r_p为转向小齿轮半径；令F_r为所述齿条端的广义齿条力，包含回正力矩与转向系统的摩擦力矩信息，记作：

F_r＝F_a+F_f (0.5)

其中，F_a为转向轮回正力矩作用在齿条上的力，包含了路面与轮胎间的相互作用信息，可以有效反应轮胎在不同路面环境下的运动状态和受力情况，但其难以通过测量得到；F_f为摩擦力矩作用在齿条上的力，一般情况下，取摩擦力矩τ_f＝1.8N·m，则F_f可近似为：

上述广义齿条力F_r考虑了路面不平度激励导致的回正力矩变化情况，因而包含了路面随机扰动对线控转向系统3的干扰信息。

下面将分别介绍所提出的自动驾驶汽车分层抗扰路径跟踪系统10中的上层模型预测控制部分、下层齿条力观测部分，以及以此为基础构建的底层线控转向系统3新型转角跟踪控制策略。

2.1.2.上层期望转角计算部分

上层路径跟踪控制器1用于根据已规划的行驶轨迹确定下层线控转向系统3的转角目标值δ_f-des。模型预测控制能够处理有限时域内多约束条件下的优化控制问题，并采用滚动优化的方法对控制量进行反馈矫正，具有较强的鲁棒性，因而选择其作为分层抗扰系统中的上层控制算法。

依据如图4所示的七自由度车辆动力学模型，选取状态量

控制量u＝δ_f，输出量Y＝[γ,y]，其中v_y为横向车速，v_x为纵向车速，γ为横摆角，y为侧向位移，x为纵向位移，δ_f为前轮转角。构建得到离散系统的状态空间表达式：

其中，

C_d＝C，T_s为控制器的步长。

但行驶状况的不同，会导致车辆不可避免地存在整车质量、轮胎力等内部参数的变动以及侧向风、路面附着等外部因素的干扰。此时，传统MPC中所使用的车辆模型无法反应真实的车辆运动状态和受力情况，所求取的名义开环最优解不一定是真实环境下的最优控制量，这将导致实际行驶路径与期望路径间产生较大的横向偏差。

为弥补所建立的七自由度车辆动力学模型因内外非线性因素导致的与实际车辆动力学响应间的差异，在传统MPC控制器中引入了反馈矫正项，通过上层反馈矫正的方法增强对系统不可建模扰动的鲁棒性。

利用k时刻的状态测量值X(k)和k-1时刻对k时刻状态的预测值X(k|k-1)，构建反馈矫正项：

e(k)＝X(k)-X(k|k-1) (0.8)

将反馈矫正项代入式(0.7)，并将u(k)视为新的状态量，从而建立带有反馈矫正项的增广状态空间表达式如下：

其中，

为反馈矫正系数矩阵，

I表示一维的单位矩阵。

由此，预测时域内系统的输出量：

Z＝Ψχ(k)+ΘΔU+Γφ(k)+Ωe(k) (0.10)

其中

d(k)＝f(X(k))-A_dX(k)-B_du(k)，

根据参考路径，定义参考输出量：

结合系统对预设的行驶轨迹的跟随能力和对前轮转角变化量的需求，设计了横向路径跟踪控制的目标函数为：

J＝(Z-Z_ref)^TQ(Z-Z_ref)+Λ^TRΛ (0.12)

将式(0.10)代入式(0.12)：

令

E＝Z_ref-Ψχ(k)-Γφ(k)-Ωe(k) (0.14)

则

J＝(ΘΔU-E)^TQ(ΘΔU-E)+ΔU^TRΔU (0.15)

展开上式并忽略常数项，可得：

为避免硬约束导致的无解情况，在目标函数中添加松弛因子并将其转化为如下形式：

其中，Λ＝[ΔU^T,ε]，

G＝[-E^TQΘ 0]。

线控转向系统3的机械机构限制了前轮转角的最大值和转动速率，本方法为了保证所输出的前轮转角目标值在允许范围内，同时为了避免车辆实际的行驶轨迹与期望的行驶轨迹偏差过大，做出如下约束条件：

至此，将上层模块求解上述目标函数得到的第一个转向增量值作为下个周期的前轮转角期望增量值，发送至下层前轮转角跟踪控制器2执行。

2.1.3.下层基于齿条力观测的前轮转角跟随部分

线控转向系统3用于接收和准确跟随上层模块计算的前轮转角目标值。然而，轮胎受路面不平度的激励会产生垂向和横向的运动，并受到自身非线性特性的影响，使得线控转向系统3难以在复杂的道路环境下稳定地跟随上层计算的转角目标值δ_f-des。

对于线控转向系统3所受扰动而言，想要准确地建立数学模型或测量出外部干扰量的精确值是非常困难的。为了量化路面扰动和其他非线性因素对线控转向系统3的影响，本部分将针对前文建模部分所述的广义齿条力设计在非线性扰动观测器21，非线性扰动观测器21 相当于一种通过构建带前馈补偿的新型滑模控制器，对路面不平度等因素产生的干扰进行抑制，从而提升下层线控转向系统3在复杂道路环境下的转角跟随能力。

选取状态变量x₁＝x_r和

根据方程构造状态空间表达式如下：

上式中状态方程的输入有两项，分别是转向电机模块的驱动力矩T_{m_out}和广义齿条力F_r。广义齿条力F_r可视为道路对线控转向系统3的加性扰动，因而可以使用非线性扰动观测器 21其进行观测。

基于扩张状态观测器架构设计的非线性干扰观测器因结构简洁、计算效率高，并且对干扰具有良好的抑制性能。依据上述扩张状态观测器思想，将式(0.19)中的广义齿条力输入张成扩张状态

得到高增益齿条力观测器如下：

其中，k₁，k₂，k₃为扰动观测器中的高增益系数，当增益值较大时观测器可迅速收敛至真实值附近。

所构建的非线性高增益齿条力观测器的好处在于其计算量小，不需要安装多余的传感器，仅需要知道转向电机输出转矩与齿条位移，适用于提升线控转向系统3的抗干扰能力。观测器中转向电机的输出转矩大小可由转矩传感器或查表的方式获得，齿条的横向位移可由电机输出轴转角乘以减速机构的传动比获得。

2.1.4.底层线控转向系统3新型转角跟踪控制策略

基于上述广义齿条力的非线性扰动观测器21，本申请结合超螺旋算法，在转角跟踪控制器22中采用新型的快速非奇异终端滑模函数以提高控制器的收敛速度并削弱输出抖振。

假定系统的前轮转角与齿条横向位移成线性关系，即：

δ_f＝x_r·i_r (0.21)

其中，δ_f为车辆前轮转角，i_r为齿条到前轮转角的传动比。

由此，可将期望前轮转角与实际前轮转角的偏差等效为期望齿条位移和实际齿条位移间的偏差，并将其定义为滑模控制器的误差方程：

e₁＝x_{r_d}-x_r (0.22)

误差的导数项：

构造非奇异快速终端滑模的滑模面如下：

其中，β＞0，p和q为奇数且1＜p/q＜2。由于滑模面中e₂的指数大于1，因而避免了对 s求导后由于分母项e₂＝0产生的奇异问题。

对式(0.24)微分可得：

将式(0.23)代入式(0.25)可得：

令

并将式(0.20)代入式(0.26)，求得等效控制率：

转角跟踪控制器22通常会在滑模面附近不停切换，从而导致控制量的高频抖振。为抵消干扰和抑制抖振，并加快滑模面的收敛速度，本申请通过设计一种改进的超螺旋算法得到新型的辅助控制律。

传统超螺旋算法的非线性方程为：

由此，设计新型辅助控制律如下：

其中，

最终线控转向系统3驱动电机的期望转矩T_des由等效控制率T_eq和辅助控制率T_aux共同组成，能够有效抑制传统滑模控制器输出抖振的现象，如下所示：

T_des＝T_eq+T_aux (0.30)

本申请所设计的转角跟踪控制器22中，非线性高增益齿条力观测器用于抑制已建模的齿条端扰动，所提出的新型非奇异终端滑模方法用于衰减范数有界的齿条端未建模干扰。

转向电机控制器将控制电机实际输出转矩跟随期望转矩T_des，至此完成整个路径跟踪过程。

本申请的这种自动驾驶汽车分层抗扰路径跟踪系统10，考虑了实际路径跟踪过程中存在路面不平度激励、对开路面及侧向风所导致的多种类型复合干扰对自动驾驶汽车横向控制的影响，将侧向风及对开路面产生的干扰归类为不可建模扰动，并将路面不平度激励导致的转向轮小幅摆动转换至齿条端构造了可建模的广义齿条力，最后基于反馈控制和扰动补偿的思想提出一种复合分层抗扰的自动驾驶汽车路径跟踪控制系统。所设计的下层前轮转角跟踪控制器2中，非线性扰动观测器21可用于抑制已建模的齿条端扰动，所提出的新型非奇异终端滑模方法可用于衰减范数有界的齿条端未建模干扰，能够有效的抑制内外扰动带来的横向位移偏差。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨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，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，包括：

线控转向系统，所述线控转向系统的转向执机构包括齿轮齿条模块和转向电机模块；

上层路径跟踪控制器，所述上层路径跟踪控制器用于根据已规划的行驶轨迹，实时确定当下前轮的转角目标值δ_f-des；

下层前轮转角跟踪控制器，包括：

非线性扰动观测器，用于检测当下所述转向电机模块的实际转矩T_{m_out}，以及所述齿轮齿条模块的实际位移x_r，通过计算获得所述齿轮齿条模块的广义齿条力Fr；

转角跟踪控制器，基于所述转角目标值δ_f-des、所述广义齿条力Fr，获得所述转向电机模块的转矩期望值T_des；

所述下层前轮转角跟踪控制器还用于根据所述转矩期望值T_des计算得出所述转向电机模块的电压计算值u_real，所述转向电机模块的电压调整至所述电压计算值u_real。

2.根据权利要求1所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，在所述非线性扰动观测器中，选取状态变量x₁＝x_r和

根据所述齿轮齿条模块的动力学方程，构建所述齿轮齿条模块的状态空间表达式，所述齿轮齿条模块的状态空间表达式的输入变量为T_{m_out}，输出变量为Fr。

3.根据权利要求2所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，在所述齿轮齿条模块的状态空间表达式得到的Fr中，引入高增益系数以得到收敛的Fr值。

4.根据权利要求3所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，在所述转角跟踪控制器中，所述转向电机模块的转矩期望值T_des等于等效控制率T_eq和辅助控制率T_aux之和，所述等效控制率T_eq根据所述齿轮齿条模块的期望齿条位移和实际齿条位移间的偏差获得，所述辅助控制率T_aux通过依据超螺旋算法的辅助控制律获得。

5.根据权利要求4所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，在求取所述等效控制率T_eq时，根据所述齿轮齿条模块的期望齿条位移和实际齿条位移间的偏差，构造非奇异快速终端滑模的滑模面公式，通过对所述滑模面求导，且令所述滑模面的导数值为0时计算得到所述等效控制率T_eq。

6.根据权利要求5所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，所述辅助控制率T_aux与所述滑模面公式相关的函数。

7.根据权利要求1所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，所述上层路径跟踪控制器确定当下前轮的转角目标值δ_f-des的模型如下：

其中，

G＝[-E^TQΘ 0]。

8.根据权利要求7所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，所述转角目标值δ_f-des的模型计算时通过e(k)进行修正，e(k)满足：e(k)＝X(k)-X(k|k-1)。

9.根据权利要求7所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，所述上层路径跟踪控制器对车辆建立的是七自由度车辆动力学模型，所述七自由度车辆动力学模型与选取的状态量

控制量u＝δ_f相关，通过七自由度车辆动力学模型得到输出量Y＝[γ,y]，其中v_y为横向车速，v_x为纵向车速，γ为横摆角，y为侧向位移，x为纵向位移，δ_f为前轮转角。

10.根据权利要求1所述的自动驾驶汽车分层抗扰路径跟踪系统，其特征在于，所述齿轮齿条模块通过以下动力学模型定义所述广义齿条力Fr：

式中，m_r为所述齿轮齿条模块的质量；B_r为所述齿轮齿条模块的阻尼系数；r_p为转向小齿轮半径。

Images