CN113753080A - 一种自动驾驶汽车横向运动自适应参数控制方法 - Google Patents

一种自动驾驶汽车横向运动自适应参数控制方法 Download PDF

Info

Publication number
CN113753080A
CN113753080A CN202111010578.1A CN202111010578A CN113753080A CN 113753080 A CN113753080 A CN 113753080A CN 202111010578 A CN202111010578 A CN 202111010578A CN 113753080 A CN113753080 A CN 113753080A
Authority
CN
China
Prior art keywords
vehicle
matrix
speed
lateral
error
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
CN202111010578.1A
Other languages
English (en)
Other versions
CN113753080B (zh
Inventor
孙秋
申剑峰
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.)
Dilu Technology Co Ltd
Original Assignee
Dilu Technology 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 Dilu Technology Co Ltd filed Critical Dilu Technology Co Ltd
Priority to CN202111010578.1A priority Critical patent/CN113753080B/zh
Publication of CN113753080A publication Critical patent/CN113753080A/zh
Application granted granted Critical
Publication of CN113753080B publication Critical patent/CN113753080B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B60W30/162—Speed limiting therefor
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • G05D1/0212—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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0017—Modal analysis, e.g. for determining system stability
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了一种自动驾驶汽车横向运动自适应参数控制方法，包括如下步骤：(1)获取车辆运动参数，建立二自由度车辆动力学模型；(2)将车辆动力学模型的系数矩阵进行离散化处理，建立黎卡提方程，通过LQR算法求解反馈矩阵K；(3)对横向误差矩阵进行均值滤波和限值；(4)根据反馈矩阵和误差矩阵计算车辆的前轮转角，通过前轮转角的大小控制车辆横向运动。本发明通过离散化速度求解反馈矩阵K，避免了LQR算法求解过程中反复迭代造成的时间浪费，预先建立速度与反馈矩阵K值的参数表，提高LQR算法的求解速度。

Description

一种自动驾驶汽车横向运动自适应参数控制方法
技术领域
本发明涉及自动驾驶横向控制技术，特别涉及一种自动驾驶汽车横向运动自适应参数控制方法。
背景技术
近几年车辆自动驾驶技术呈现快速发展趋势，自动驾驶是否安全、稳定、可靠是消费者对自动驾驶技术尤为关心的地方，自动驾驶横向控制关乎车辆的稳定性所以尤为重要。现有横向控制技术包括利用纯跟踪算法、Stanley算法、LQR算法、MPC算法，其中动力学LQR算法对车辆进行动力学建模，在中高速运动中更符合车辆的运动特性，在横向控制效果中表现较好。
现有LQR算法通过不断求解黎卡提方程进而得到反馈矩阵K，这种方法影响矩阵求解速度，对车辆在横向控制循迹中的实时性无法得到保证，从而影响自动驾驶横向控制的可靠性。
专利CN202110510779.1公开了一种自动驾驶车辆的横向控制方法、装置及车辆，根据线性二次型调节器LQR算法确定最优矩阵，控制车辆的转向执行器执行由最优矩阵和状态矩阵相乘得到转向控制量，只提及了求解黎卡提方程得到反馈矩阵，由于求解黎卡提方程是一个不断反复迭代的过程，浪费大量的时间，而车辆自动驾驶对控制的实时性响应要求是非常大的，因此该方法一定程度牺牲自动驾驶控制的响应时间。
发明内容
发明目的：针对以上问题，本发明目的是提供一种自动驾驶汽车横向运动自适应参数控制方法。
技术方案：本发明的一种自动驾驶汽车横向运动自适应参数控制方法，包括如下步骤：
(1)获取车辆运动参数，建立二自由度车辆动力学模型；
(2)将车辆动力学模型的系数矩阵进行离散化处理，建立黎卡提方程，通过LQR算法求解反馈矩阵K；
建立反馈矩阵K与车辆速度的关系对照表，预先计算并存储每一速度对应的反馈矩阵K值，采用离线查表的方式，根据车辆实时速度，找到与之对应的K值；
(3)对横向误差矩阵进行均值滤波和限值；
(4)根据反馈矩阵和误差矩阵计算车辆的前轮转角，通过前轮转角的大小控制车辆横向运动。
进一步，所述步骤(1)建立二自由度车辆动力学模型包括：
车辆的横向加速度为ay，受沿车辆横向方向的加速度
Figure BDA0003238785070000021
和车辆向心加速度af影响，其中
Figure BDA0003238785070000022
vx表示车辆纵向车速，
Figure BDA0003238785070000023
表示车辆横摆动角速度，则横向加速度表达式为：
Figure BDA0003238785070000024
根据牛顿第二定律，则有：
m·ay＝Fyf+Fyr
其中m为车辆质量，Fyf、Fyr分别为车辆前、后轮轮胎的侧向力；
根据绕z轴的转矩平衡得：
ΔMz＝a·Fyf-b·Fyr
其中z轴为垂直路面的坐标轴，
Figure BDA0003238785070000025
为车辆在质点处的转矩，Iz为车辆绕z轴转动惯量，
Figure BDA0003238785070000026
为车辆航向角
Figure BDA0003238785070000027
的二阶导，a，b为车辆质心到前后轴轴心的距离；
车辆轮胎的侧向力为侧偏刚度与侧偏角的乘值，表达式为：
Fyf＝Cαfpαf
Fyr＝Cαr·αr
其中Cαf、Cαr分别为车辆前、后轮侧偏刚度；αf、αr分别为车辆前、后轮侧偏角，表达式为：
Figure BDA0003238785070000028
Figure BDA0003238785070000029
其中，δf为车辆的前轮转角，
Figure BDA00032387850700000210
为车辆坐标系下x、y方向的速度以及横摆角速度，
Figure BDA00032387850700000211
为车辆坐标系下x、y方向的加速度；
所以，车辆动力学模型表达式为：
Figure BDA0003238785070000031
进一步，所述步骤(2)求解反馈矩阵K包括：
(201)求解车辆规划轨迹集中距离车辆当前位置最近的点：
车辆规划轨迹基于Frenet坐标系，车辆的当前位置由一个平面向量
Figure BDA0003238785070000032
表示，当前点的状态信息包括：当前的全局横坐标x，全局纵坐标y，全局的航向角
Figure BDA0003238785070000033
当前的车速v，即：
Figure BDA0003238785070000034
规划轨迹信息包括整段轨迹集plan_tra，i为plan_tra的序列点，每个点信息plan_tra[i]包括轨迹点的全局横坐标xi、全局纵坐标yi、全局的航向角
Figure BDA0003238785070000035
以及轨迹点处的曲率ki，即：
Figure BDA0003238785070000036
计算当前位置与规划轨迹集中每个点的距离，选取距离当前位置最近的点为n点，n点的信息包括全局横坐标xn、全局纵坐标yn、全局的航向角
Figure BDA0003238785070000037
曲率kn，n点由平面向量
Figure BDA0003238785070000038
表示，即：
Figure BDA0003238785070000039
(202)计算当前位置与n点间的横向偏差ed：
假设n点处的切向量为
Figure BDA00032387850700000310
法向量为
Figure BDA00032387850700000311
则有：
Figure BDA00032387850700000312
其中
Figure BDA00032387850700000313
为[xn,yn]T，
Figure BDA00032387850700000314
为[x,y]T，
Figure BDA00032387850700000315
为
Figure BDA00032387850700000316
根据平面几何运算，得
Figure BDA00032387850700000317
(203)对横向偏差进行求导，得到：
Figure BDA00032387850700000318
vy和vx为当前速度v的纵向车速和横向车速；将
Figure BDA00032387850700000319
记为
Figure BDA00032387850700000320
则得到：
Figure BDA00032387850700000321
Figure BDA00032387850700000322
其中，
Figure BDA00032387850700000323
为vy的导数，将
Figure BDA00032387850700000324
和
Figure BDA00032387850700000325
代入车辆动力学模型表达式，得到：
Figure BDA0003238785070000041
则车辆横向运动的状态空间表达式为：
Figure BDA0003238785070000045
其中三个系数矩阵A、B、C分别表示如下：
Figure BDA0003238785070000042
Figure BDA0003238785070000043
Figure BDA0003238785070000044
(204)对状态空间表达式进行离散化：
将矩阵A采用中点欧拉法，矩阵B和C采用向前欧拉法，则离散后的三个矩阵表达式分别为：
Figure BDA0003238785070000051
B(t)＝t·B
C(t)＝t·C
其中t为单位时间，E为单位矩阵；
离散后的车辆横向运动状态空间表达式为：
X(k+t)＝A(t)·X(k)+B(t)·u(k)+C(t)
其中，X(k+t)和X(k)分别为k+t和k时刻的状态变量，u(k)为k时刻的控制量；
令u(k)＝-K·x(k)+e(t)用于消除C(t)项，状态空间的表达式为：
X(k+t)＝[A(t)-B(t)·K]·X(k)
(205)定义评价函数，表达式为：
J(n)＝X(0)T·Q·X(0)+…X(n-1)T·Q·X(n-1)+u(0)T·R·u(0)+…u(n-1)T·R·u(n-1)其中，X(i)为车辆在i处的状态量，u(i)为车辆在i处的控制量；Q和R分别为状态量和控制量的权重矩阵；通过设计反馈矩阵K使得评价函数J(n)最小；
建立Racatti方程，表达式为：
Figure BDA0003238785070000052
求得反馈矩阵K的表达式为：
Figure BDA0003238785070000053
进一步，反馈矩阵K表达式中
Figure BDA0003238785070000054
矩阵、
Figure BDA0003238785070000055
矩阵为已知量，且矩阵内参数只与整车的结构参数和车辆在纵向的车速vx有关，整车的结构参数为常量，
Figure BDA0003238785070000056
两个矩阵只与车辆在纵向的车速vx有关；改变车速vx的值，则
Figure BDA0003238785070000057
两个矩阵发生变化，K矩阵发生变化，建立车速vx和反馈矩阵K对应的关系，计算每一个车速下对应的反馈矩阵K的值，采用离线查表的方式，根据车辆实时车速vx，迅速对照对应关系找到与之对应的反馈矩阵K。
进一步，在每个t时刻车辆状态误差矩阵表达式为：
Figure BDA0003238785070000058
其中ed(t)为车辆横向位置误差，
Figure BDA0003238785070000059
为车辆横向速度误差，
Figure BDA00032387850700000510
为车辆航向角误差，
Figure BDA00032387850700000511
为车辆航向速度误差。
进一步，所述步骤(3)对横向误差矩阵进行均值滤波和限值包括：
(301)将均值滤波的滤波个数记为m，则在t+m时刻车辆状态误差矩阵为：
Figure BDA0003238785070000061
(302)对误差矩阵e(t)中的每一个元素进行限值，表达式为：
ed(t)min<ed(t)<ed(t)max
Figure BDA0003238785070000062
Figure BDA0003238785070000063
Figure BDA0003238785070000064
其中ed(t)min和ed(t)max分别为预先设置横向位置误差的最大值与最小值；
Figure BDA0003238785070000065
和
Figure BDA0003238785070000066
分别为预先设置横向速度误差的最大值与最小值；
Figure BDA0003238785070000067
和
Figure BDA0003238785070000068
分别为预先设置航向角误差的最大值与最小值，
Figure BDA0003238785070000069
和
Figure BDA00032387850700000610
分别为预先设置航向速度误差的最大值与最小值。
进一步，所述步骤(4)反馈矩阵和误差矩阵计算车辆的前轮转角包括：
将4×4反馈矩阵K的第3行记为K(3)，令K3＝K(3)，前馈转角δf的表达式为：
Figure BDA00032387850700000611
根据前馈转角、反馈矩阵K以及误差矩阵计算前轮转角，前轮转角的表达式为：
u(k)＝-K·X(k)+δf
其中X(k)为误差矩阵，X(k)＝e(t+m)。
进一步，所述状态权重矩阵Q的表达式为：
Figure BDA00032387850700000612
Figure BDA00032387850700000613
分别为横向偏差、横向速度偏差、航向偏差和横摆角速度偏差的权重值；
令
Figure BDA0003238785070000071
作为基准参数；
Figure BDA0003238785070000072
kyaw为常量系数，车辆横向控制中，航向角误差与位置误差的权重都比较高，
Figure BDA0003238785070000073
选取基准参数的q倍，q为大于0的常数；
控制权重矩阵R＝[r]，r为控制量转角的权重值，表达式为：
r＝kr·v
其中kr为常量系数，将r表示为与车速v相关数，当车速较快时，r的值较大，车辆控制时控制量的付出代价较大，即车辆前轮转角的角度不会太大，符合高速时车辆转向角度较小的概念；
对r值进行约束，使r值保持在[rmin,rmax]之间，rmin为r允许的最小值且大于0；rmax为r允许的最大值且大于0；当r的值大于rmax，r＝rmax；当r的值小于rmin，r＝rmin。
有益效果：本发明与现有技术相比，其显著优点是：
1、本发明通过离散化速度求解反馈矩阵K，避免了LQR算法求解过程中反复迭代造成的时间浪费，预先建立速度与反馈矩阵K值的参数表，提高LQR算法的求解速度；
2、利用均值滤波使误差项更加平滑，也使得控制输出连续性更强；
3、调整LQR中R矩阵，使车辆自适应不同速度。
附图说明
图1为二自由度车辆模型。
具体实施方式
本实施例所述的本发明的一种自动驾驶汽车横向运动自适应参数控制方法，包括如下步骤：
(1)获取车辆运动参数，建立二自由度车辆动力学模型；
如图1所示，建立二自由度车辆动力学模型包括：
车辆的横向加速度为ay，受沿车辆横向方向的加速度
Figure BDA0003238785070000074
和车辆向心加速度af影响，其中
Figure BDA0003238785070000075
vx表示车辆纵向车速，
Figure BDA0003238785070000076
表示车辆横摆动角速度，则横向加速度表达式为：
Figure BDA0003238785070000077
根据牛顿第二定律，则有：
m·ay＝Fyf+Fyr
其中m为车辆质量，Fyf、Fyr分别为车辆前、后轮轮胎的侧向力；
根据绕z轴的转矩平衡得：
ΔMz＝a·Fyf-b·Fyr
其中z轴为垂直于路面的坐标轴，
Figure BDA0003238785070000081
为车辆在质点处的转矩，Iz为车辆绕z轴转动惯量，
Figure BDA0003238785070000082
为车辆航向角
Figure BDA0003238785070000083
的二阶导，a，b为车辆质心到前后轴轴心的距离；
车辆轮胎的侧向力为侧偏刚度与侧偏角的乘值，表达式为：
Fyf＝Cαfpαf
Fyr＝Cαr·αr
其中Cαf、Cαr分别为车辆前、后轮侧偏刚度；αf、αr分别为车辆前、后轮侧偏角，表达式为：
Figure BDA0003238785070000084
Figure BDA0003238785070000085
其中，δf为车辆的前轮转角，
Figure BDA0003238785070000086
为车辆坐标系下x、y方向的速度以及横摆角速度，
Figure BDA0003238785070000087
为车辆坐标系下x、y方向的加速度；
所以，车辆动力学模型表达式为：
Figure BDA0003238785070000088
(2)将车辆动力学模型的系数矩阵进行离散化处理，建立黎卡提方程，通过LQR算法求解反馈矩阵K；
(201)求解车辆规划轨迹集中距离车辆当前位置最近的点：
车辆规划轨迹基于Frenet坐标系，车辆的当前位置由一个平面向量
Figure BDA0003238785070000089
表示，当前点的状态信息包括：当前的全局横坐标x，全局纵坐标y，全局的航向角
Figure BDA00032387850700000810
当前的车速v，即：
Figure BDA0003238785070000091
规划轨迹信息包括整段轨迹集plan_tra，i为plan_tra的序列点，每个点信息plan_tra[i]包括轨迹点的全局横坐标xi、全局纵坐标yi、全局的航向角
Figure BDA0003238785070000092
以及轨迹点处的曲率ki，即：
Figure BDA0003238785070000093
计算当前位置与规划轨迹集中每个点的距离，选取距离当前位置最近的点为n点，n点的信息包括全局横坐标xn、全局纵坐标yn、全局的航向角
Figure BDA0003238785070000094
曲率kn，n点由平面向量
Figure BDA0003238785070000095
表示，即：
Figure BDA0003238785070000096
(202)计算当前位置与n点间的横向偏差ed：
假设n点处的切向量为
Figure BDA0003238785070000097
法向量为
Figure BDA0003238785070000098
则有：
Figure BDA0003238785070000099
其中
Figure BDA00032387850700000910
为[xn,yn]T，
Figure BDA00032387850700000911
为[x,y]T，
Figure BDA00032387850700000912
为
Figure BDA00032387850700000913
根据平面几何运算，得
Figure BDA00032387850700000914
(203)对横向偏差进行求导，得到：
Figure BDA00032387850700000915
vy和vx为当前速度v的纵向车速和横向车速；将
Figure BDA00032387850700000916
记为
Figure BDA00032387850700000917
则得到：
Figure BDA00032387850700000918
Figure BDA00032387850700000919
其中，
Figure BDA00032387850700000920
为vy的导数，将
Figure BDA00032387850700000921
和
Figure BDA00032387850700000922
代入车辆动力学模型表达式，得到：
Figure BDA00032387850700000923
则车辆横向运动的状态空间表达式为：
Figure BDA0003238785070000101
其中三个系数矩阵A、B、C分别表示如下：
Figure BDA0003238785070000102
Figure BDA0003238785070000103
Figure BDA0003238785070000104
(204)对状态空间表达式进行离散化：
将矩阵A采用中点欧拉法，矩阵B和C采用向前欧拉法，则离散后的三个矩阵表达式分别为：
Figure BDA0003238785070000105
B(t)＝t·B
C(t)＝t·C
其中t为单位时间，E为单位矩阵；
离散后的车辆横向运动状态空间表达式为：
X(k+t)＝A(t)·X(k)+B(t)·u(k)+C(t)
其中，X(k+t)和X(k)分别为k+t和k时刻的状态变量，u(k)为k时刻的控制量；
令u(k)＝-K·x(k)+e(t)用于消除C(t)项，状态空间的表达式为：
X(k+t)＝[A(t)-B(t)·K]·X(k)
(205)定义评价函数，表达式为：
J(n)＝X(0)T·Q·X(0)+…X(n-1)T·Q·X(n-1)+u(0)T·R·u(0)+…u(n-1)T·R·u(n-1)其中，X(i)为车辆在i处的状态量，u(i)为车辆在i处的控制量；Q和R分别为状态量和控制量的权重矩阵；通过设计反馈矩阵K使得评价函数J(n)最小；
状态权重矩阵Q的表达式为：
Figure BDA0003238785070000111
Figure BDA0003238785070000112
分别为横向偏差、横向速度偏差、航向偏差和横摆角速度偏差的权重值；
令
Figure BDA0003238785070000113
作为基准参数；
Figure BDA0003238785070000114
kyaw为常量系数，车辆横向控制中，航向角误差与位置误差的权重都比较高，
Figure BDA0003238785070000115
选取基准参数的q倍，q为大于0的常数；
控制权重矩阵R＝[r]，r为控制量转角的权重值，表达式为：
r＝kr·v
其中kr为常量系数，将r表示为与车速v相关数，当车速较快时，r的值较大，车辆控制时控制量的付出代价较大，即车辆前轮转角的角度不会太大，符合高速时车辆转向角度较小的概念；
对r值进行约束，使r值保持在[rmin,rmax]之间，rmin为r允许的最小值且大于0；rmax为r允许的最大值且大于0；当r的值大于rmax，r＝rmax；当r的值小于rmin，r＝rmin。
建立Racatti方程，表达式为：
Figure BDA0003238785070000116
求得反馈矩阵K的表达式为：
Figure BDA0003238785070000117
反馈矩阵K表达式中
Figure BDA0003238785070000118
矩阵、
Figure BDA0003238785070000119
矩阵为已知量，且矩阵内参数只与整车的结构参数和车辆在纵向的车速vx有关，整车的结构参数为常量，
Figure BDA00032387850700001110
两个矩阵只与车辆在纵向的车速vx有关；改变车速vx的值，则
Figure BDA00032387850700001111
两个矩阵发生变化，K矩阵发生变化，建立车速vx和反馈矩阵K对应的关系，计算每一个车速下对应的反馈矩阵K的值，采用离线查表的方式，根据车辆实时车速vx，迅速对照对应关系找到与之对应的反馈矩阵K。建立的K矩阵与车速vx的对照表1如下，让车速从0.01m/s逐渐增加到50m/s，则对应算出相应的K取值。
表1
车速(单位：m/s) 0.01 0.02 … 50
K矩阵的值 K1 K2 … K3
(3)对横向误差矩阵进行均值滤波和限值；
在每个t时刻车辆状态误差矩阵表达式为：
Figure BDA0003238785070000121
其中ed(t)为车辆横向位置误差，
Figure BDA0003238785070000122
为车辆横向速度误差，
Figure BDA0003238785070000123
为车辆航向角误差，
Figure BDA0003238785070000124
为车辆航向速度误差。
对横向误差矩阵进行均值滤波和限值包括：
(301)将均值滤波的滤波个数记为m，则在t+m时刻车辆状态误差矩阵为：
Figure BDA0003238785070000125
(302)对误差矩阵e(t)中的每一个元素进行限值，表达式为：
ed(t)min<ed(t)<ed(t)max
Figure BDA0003238785070000126
Figure BDA0003238785070000127
Figure BDA0003238785070000128
其中ed(t)min和ed(t)max分别为预先设置横向位置误差的最大值与最小值；
Figure BDA0003238785070000129
和
Figure BDA00032387850700001210
分别为预先设置横向速度误差的最大值与最小值；
Figure BDA00032387850700001211
和
Figure BDA00032387850700001212
分别为预先设置航向角误差的最大值与最小值，
Figure BDA00032387850700001213
和
Figure BDA00032387850700001214
分别为预先设置航向速度误差的最大值与最小值。
(4)根据反馈矩阵和误差矩阵计算车辆的前轮转角，通过前轮转角的大小控制车辆横向运动。
将4×4反馈矩阵K的第3行记为K(3)，令K3＝K(3)，前馈转角δf的表达式为：
Figure BDA0003238785070000131
根据前馈转角、反馈矩阵K以及误差矩阵计算前轮转角，前轮转角的表达式为：
u(k)＝-K·X(k)+δf
其中X(k)为误差矩阵，X(k)＝e(t+m)。

Claims (8)

1.一种自动驾驶汽车横向运动自适应参数控制方法，其特征在于，包括如下步骤：
(1)获取车辆运动参数，建立二自由度车辆动力学模型；
(2)将车辆动力学模型的系数矩阵进行离散化处理，建立黎卡提方程，通过LQR算法求解反馈矩阵K；
建立反馈矩阵K与车辆速度的关系对照表，预先计算并存储每一速度对应的反馈矩阵K值，采用离线查表的方式，根据车辆实时速度，找到与之对应的K值；
(3)对横向误差矩阵进行均值滤波和限值；
(4)根据反馈矩阵和误差矩阵计算车辆的前轮转角，通过前轮转角的大小控制车辆横向运动。
2.根据权利要求1所述的横向运动自适应参数控制方法，其特征在于，所述步骤(1)建立二自由度车辆动力学模型包括：
车辆的横向加速度为ay，受沿车辆横向方向的加速度
Figure FDA0003238785060000011
和车辆向心加速度af影响，其中
Figure FDA0003238785060000012
vx表示车辆纵向车速，
Figure FDA0003238785060000013
表示车辆横摆动角速度，则横向加速度表达式为：
Figure FDA0003238785060000014
根据牛顿第二定律，则有：
m·ay＝Fyf+Fyr
其中m为车辆质量，Fyf、Fyr分别为车辆前、后轮轮胎的侧向力；
根据绕z轴的转矩平衡得：
ΔMz＝a·Fyf-b·Fyr
其中z轴为垂直于路面的坐标轴，
Figure FDA0003238785060000015
为车辆在质点处的转矩，Iz为车辆绕z轴转动惯量，
Figure FDA0003238785060000016
为车辆航向角
Figure FDA0003238785060000017
的二阶导，a，b为车辆质心到前后轴轴心的距离；
车辆轮胎的侧向力为侧偏刚度与侧偏角的乘值，表达式为：
Fyf＝Cαf·αf
Fyr＝Cαr·αr
其中Cαf、Cαr分别为车辆前、后轮侧偏刚度；αf、αr分别为车辆前、后轮侧偏角，表达式为：
Figure FDA0003238785060000021
Figure FDA0003238785060000022
其中，δf为车辆的前轮转角，
Figure FDA0003238785060000023
为车辆坐标系下x、y方向的速度以及横摆角速度，
Figure FDA0003238785060000024
为车辆坐标系下x、y方向的加速度；
所以，车辆动力学模型表达式为：
Figure FDA0003238785060000025
3.根据权利要求2所述的横向运动自适应参数控制方法，其特征在于，所述步骤(2)求解反馈矩阵K包括：
(201)求解车辆规划轨迹集中距离车辆当前位置最近的点：
车辆规划轨迹基于Frenet坐标系，车辆的当前位置由一个平面向量
Figure FDA0003238785060000026
表示，当前点的状态信息包括：当前的全局横坐标x，全局纵坐标y，全局的航向角
Figure FDA0003238785060000027
当前的车速v，即：
Figure FDA0003238785060000028
规划轨迹信息包括整段轨迹集plan_tra，i为plan_tra的序列点，每个点信息plan_tra[i]包括轨迹点的全局横坐标xi、全局纵坐标yi、全局的航向角
Figure FDA0003238785060000029
以及轨迹点处的曲率ki，即：
Figure FDA00032387850600000210
计算当前位置与规划轨迹集中每个点的距离，选取距离当前位置最近的点为n点，n点的信息包括全局横坐标xn、全局纵坐标yn、全局的航向角
Figure FDA00032387850600000211
曲率kn，n点由平面向量
Figure FDA00032387850600000212
表示，即：
Figure FDA00032387850600000213
(202)计算当前位置与n点间的横向偏差ed：
假设n点处的切向量为
Figure FDA00032387850600000214
法向量为
Figure FDA00032387850600000215
则有：
Figure FDA00032387850600000216
其中
Figure FDA0003238785060000031
为[xn,yn]T，
Figure FDA0003238785060000032
为[x,y]T，
Figure FDA0003238785060000033
为
Figure FDA0003238785060000034
根据平面几何运算，得
Figure FDA0003238785060000035
(203)对横向偏差进行求导，得到：
Figure FDA0003238785060000036
vy和vx为当前速度v的纵向车速和横向车速；将
Figure FDA0003238785060000037
记为
Figure FDA0003238785060000038
则得到：
Figure FDA0003238785060000039
Figure FDA00032387850600000310
其中，
Figure FDA00032387850600000311
为vy的导数，将
Figure FDA00032387850600000312
和
Figure FDA00032387850600000313
代入车辆动力学模型表达式，得到：
Figure FDA00032387850600000314
Figure FDA00032387850600000315
则车辆横向运动的状态空间表达式为：
Figure FDA00032387850600000316
其中三个系数矩阵A、B、C分别表示如下：
Figure FDA00032387850600000317
Figure FDA0003238785060000041
Figure FDA0003238785060000042
(204)对状态空间表达式进行离散化：
将矩阵A采用中点欧拉法，矩阵B和C采用向前欧拉法，则离散后的三个矩阵表达式分别为：
Figure FDA0003238785060000043
B(t)＝t·B
C(t)＝t·C
其中t为单位时间，E为单位矩阵；
离散后的车辆横向运动状态空间表达式为：
X(k+t)＝A(t)·X(k)+B(t)·u(k)+C(t)
其中，X(k+t)和X(k)分别为k+t和k时刻的状态变量，u(k)为k时刻的控制量；
令u(k)＝-K·x(k)+e(t)用于消除C(t)项，状态空间的表达式为：
X(k+t)＝[A(t)-B(t)·K]·X(k)
(205)定义评价函数，表达式为：
J(n)＝X(0)T·Q·X(0)+…X(n-1)T·Q·X(n-1)+u(0)T·R·u(0)+…u(n-1)T·R·u(n-1)
其中，X(i)为车辆在i处的状态量，u(i)为车辆在i处的控制量；Q和R分别为状态量和控制量的权重矩阵；通过设计反馈矩阵K使得评价函数J(n)最小；
建立Racatti方程，表达式为：
Figure FDA0003238785060000044
求得反馈矩阵K的表达式为：
Figure FDA0003238785060000045
4.根据权利要求3所述的横向运动自适应参数控制方法，其特征在于，反馈矩阵K表达式中
Figure FDA0003238785060000051
矩阵、
Figure FDA0003238785060000052
矩阵为已知量，且矩阵内参数只与整车的结构参数和车辆在纵向的车速vx有关，整车的结构参数为常量，
Figure FDA0003238785060000053
两个矩阵只与车辆在纵向的车速vx有关；改变车速vx的值，则
Figure FDA0003238785060000054
两个矩阵发生变化，K矩阵发生变化，建立车速vx和反馈矩阵K对应的关系，计算每一个车速下对应的反馈矩阵K的值，采用离线查表的方式，根据车辆实时车速vx，迅速对照对应关系找到与之对应的反馈矩阵K。
5.根据权利要求3所述的横向运动自适应参数控制方法，其特征在于，在每个t时刻车辆状态误差矩阵表达式为：
Figure FDA0003238785060000055
其中ed(t)为车辆横向位置误差，
Figure FDA0003238785060000056
为车辆横向速度误差，
Figure FDA0003238785060000057
为车辆航向角误差，
Figure FDA0003238785060000058
为车辆航向速度误差。
6.根据权利要求5所述的横向运动自适应参数控制方法，其特征在于，所述步骤(3)对横向误差矩阵进行均值滤波和限值包括：
(301)将均值滤波的滤波个数记为m，则在t+m时刻车辆状态误差矩阵为：
Figure FDA0003238785060000059
(302)对误差矩阵e(t)中的每一个元素进行限值，表达式为：
ed(t)min<ed(t)<ed(t)max
Figure FDA00032387850600000510
Figure FDA00032387850600000511
Figure FDA00032387850600000512
其中ed(t)min和ed(t)max分别为预先设置横向位置误差的最大值与最小值；
Figure FDA00032387850600000513
和
Figure FDA00032387850600000514
分别为预先设置横向速度误差的最大值与最小值；
Figure FDA00032387850600000515
和
Figure FDA00032387850600000516
分别为预先设置航向角误差的最大值与最小值，
Figure FDA00032387850600000517
和
Figure FDA00032387850600000518
分别为预先设置航向速度误差的最大值与最小值。
7.根据权利要求6所述的横向运动自适应参数控制方法，其特征在于，所述步骤(4)反馈矩阵和误差矩阵计算车辆的前轮转角包括：
将4×4反馈矩阵K的第3行记为K(3)，令K3＝K(3)，前馈转角δf的表达式为：
Figure FDA0003238785060000061
根据前馈转角、反馈矩阵K以及误差矩阵计算前轮转角，前轮转角的表达式为：
u(k)＝-K·X(k)+δf
其中X(k)为误差矩阵，X(k)＝e(t+m)。
8.根据权利要求3所述的横向运动自适应参数控制方法，其特征在于，所述状态权重矩阵Q的表达式为：
Figure FDA0003238785060000062
Figure FDA0003238785060000063
分别为横向偏差、横向速度偏差、航向偏差和横摆角速度偏差的权重值；
令
Figure FDA0003238785060000064
作为基准参数；
Figure FDA0003238785060000065
kyaw为常量系数，
Figure FDA0003238785060000066
选取基准参数的q倍，q为大于0的常数；
控制权重矩阵R＝[r]，r为控制量转角的权重值，表达式为：
r＝kr·v
其中kr为常量系数，将r表示为与车速v相关数，当车速较快时，r的值较大，车辆前轮转角的角度不会太大；
对r值进行约束，使r值保持在[rmin,rmax]之间，rmin为r允许的最小值且大于0；rmax为r允许的最大值且大于0；当r的值大于rmax，r＝rmax；当r的值小于rmin，r＝rmin。
CN202111010578.1A 2021-08-31 2021-08-31 一种自动驾驶汽车横向运动自适应参数控制方法 Active CN113753080B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111010578.1A CN113753080B (zh) 2021-08-31 2021-08-31 一种自动驾驶汽车横向运动自适应参数控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111010578.1A CN113753080B (zh) 2021-08-31 2021-08-31 一种自动驾驶汽车横向运动自适应参数控制方法

Publications (2)

Publication Number Publication Date
CN113753080A true CN113753080A (zh) 2021-12-07
CN113753080B CN113753080B (zh) 2023-09-26

Family

ID=78792139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111010578.1A Active CN113753080B (zh) 2021-08-31 2021-08-31 一种自动驾驶汽车横向运动自适应参数控制方法

Country Status (1)

Country Link
CN (1) CN113753080B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114368380A (zh) * 2022-01-06 2022-04-19 上海宏景智驾信息科技有限公司 一种适应不同载重的自动驾驶半挂卡车横向控制方法
CN115071732A (zh) * 2022-07-14 2022-09-20 东风商用车有限公司 一种基于lqr的smc商用车智能驾驶横向控制方法
CN115320709A (zh) * 2022-08-29 2022-11-11 东风悦享科技有限公司 一种基于四轮转向的自动驾驶混合控制方法
US20230044869A1 (en) * 2021-07-22 2023-02-09 GM Global Technology Operations LLC Vehicle actuation commands to affect transient handling
CN116578100A (zh) * 2023-07-12 2023-08-11 城市之光(深圳)无人驾驶有限公司 一种基于扫刷误差的二自由度动力模型沿边清扫控制方法
CN117572476A (zh) * 2024-01-15 2024-02-20 智道网联科技(北京)有限公司 一种基于行驶轨迹的自动驾驶车辆定位调整方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197675A (zh) * 2013-03-13 2013-07-10 北京矿冶研究总院 地下铲运机自主行驶和避障运动控制及目标路径规划方法
CN108622104A (zh) * 2018-05-07 2018-10-09 湖北汽车工业学院 一种用于无人驾驶车辆的轨迹跟踪控制方法
CN110502004A (zh) * 2019-07-01 2019-11-26 江苏大学 一种面向智能车辆激光雷达数据处理的行驶区域重要性权值分布建模方法
CN110568758A (zh) * 2019-09-12 2019-12-13 中汽研（天津）汽车工程研究院有限公司 一种自动驾驶汽车的参数自适应横向运动lqr控制方法
CN111267835A (zh) * 2020-03-26 2020-06-12 桂林电子科技大学 基于模型预测算法的四轮独立驱动汽车稳定性控制方法
CN111427260A (zh) * 2019-01-10 2020-07-17 广州汽车集团股份有限公司 车辆路径跟踪的控制方法、装置、控制器、系统及车辆
CN111638712A (zh) * 2020-05-26 2020-09-08 三一专用汽车有限责任公司 自动驾驶车辆横向运动控制方法、装置和自动驾驶车辆
AU2020102015A4 (en) * 2019-11-28 2020-10-01 Guangdong University Of Technology A vehicle lateral stability control method based on the heuristic algorithm
CN111873991A (zh) * 2020-07-22 2020-11-03 中国第一汽车股份有限公司 一种车辆转向的控制方法、装置、终端及存储介质
CN113110500A (zh) * 2021-05-10 2021-07-13 的卢技术有限公司 一种自动驾驶汽车低速自动泊车横向控制方法
CN113120001A (zh) * 2021-05-11 2021-07-16 雄狮汽车科技(南京)有限公司 自动驾驶车辆的横向控制方法、装置及车辆
CN113183957A (zh) * 2021-05-24 2021-07-30 前海七剑科技(深圳)有限公司 车辆控制方法、装置、设备及自动驾驶车辆

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197675A (zh) * 2013-03-13 2013-07-10 北京矿冶研究总院 地下铲运机自主行驶和避障运动控制及目标路径规划方法
CN108622104A (zh) * 2018-05-07 2018-10-09 湖北汽车工业学院 一种用于无人驾驶车辆的轨迹跟踪控制方法
CN111427260A (zh) * 2019-01-10 2020-07-17 广州汽车集团股份有限公司 车辆路径跟踪的控制方法、装置、控制器、系统及车辆
CN110502004A (zh) * 2019-07-01 2019-11-26 江苏大学 一种面向智能车辆激光雷达数据处理的行驶区域重要性权值分布建模方法
CN110568758A (zh) * 2019-09-12 2019-12-13 中汽研（天津）汽车工程研究院有限公司 一种自动驾驶汽车的参数自适应横向运动lqr控制方法
AU2020102015A4 (en) * 2019-11-28 2020-10-01 Guangdong University Of Technology A vehicle lateral stability control method based on the heuristic algorithm
CN111267835A (zh) * 2020-03-26 2020-06-12 桂林电子科技大学 基于模型预测算法的四轮独立驱动汽车稳定性控制方法
CN111638712A (zh) * 2020-05-26 2020-09-08 三一专用汽车有限责任公司 自动驾驶车辆横向运动控制方法、装置和自动驾驶车辆
CN111873991A (zh) * 2020-07-22 2020-11-03 中国第一汽车股份有限公司 一种车辆转向的控制方法、装置、终端及存储介质
CN113110500A (zh) * 2021-05-10 2021-07-13 的卢技术有限公司 一种自动驾驶汽车低速自动泊车横向控制方法
CN113120001A (zh) * 2021-05-11 2021-07-16 雄狮汽车科技(南京)有限公司 自动驾驶车辆的横向控制方法、装置及车辆
CN113183957A (zh) * 2021-05-24 2021-07-30 前海七剑科技(深圳)有限公司 车辆控制方法、装置、设备及自动驾驶车辆

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
倪兰青等: "基于预瞄的智能车辆路径跟踪控制研究", 《重庆理工大学学报(自然科学)》 *
吕红明: "基于状态反馈的四轮转向汽车LQR优化控制", 《盐城工学院学报(自然科学版)》 *
张琨: "智能汽车自主循迹控制策略研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
田彦涛等: "电动汽车侧向换道行驶主动避撞控制算法", 《吉林大学学报(工学版)》 *
谢宪毅等: "基于变权重系数的LQR车辆后轮主动转向控制研究", 《浙江大学学报(工学版)》 *
陶冰冰等: "自动驾驶车辆LQR轨迹跟踪控制器设计", 《湖北汽车工业学院学报》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230044869A1 (en) * 2021-07-22 2023-02-09 GM Global Technology Operations LLC Vehicle actuation commands to affect transient handling
US11724739B2 (en) * 2021-07-22 2023-08-15 GM Global Technology Operations LLC Vehicle actuation commands to affect transient handling
CN114368380A (zh) * 2022-01-06 2022-04-19 上海宏景智驾信息科技有限公司 一种适应不同载重的自动驾驶半挂卡车横向控制方法
CN114368380B (zh) * 2022-01-06 2023-02-17 上海宏景智驾信息科技有限公司 一种适应不同载重的自动驾驶半挂卡车横向控制方法
CN115071732A (zh) * 2022-07-14 2022-09-20 东风商用车有限公司 一种基于lqr的smc商用车智能驾驶横向控制方法
CN115320709A (zh) * 2022-08-29 2022-11-11 东风悦享科技有限公司 一种基于四轮转向的自动驾驶混合控制方法
CN115320709B (zh) * 2022-08-29 2023-04-18 东风悦享科技有限公司 一种基于四轮转向的自动驾驶混合控制方法
CN116578100A (zh) * 2023-07-12 2023-08-11 城市之光(深圳)无人驾驶有限公司 一种基于扫刷误差的二自由度动力模型沿边清扫控制方法
CN116578100B (zh) * 2023-07-12 2023-11-21 城市之光(深圳)无人驾驶有限公司 一种基于扫刷误差的二自由度动力模型沿边清扫控制方法
CN117572476A (zh) * 2024-01-15 2024-02-20 智道网联科技(北京)有限公司 一种基于行驶轨迹的自动驾驶车辆定位调整方法及装置
CN117572476B (zh) * 2024-01-15 2024-04-09 智道网联科技(北京)有限公司 一种基于行驶轨迹的自动驾驶车辆定位调整方法及装置

Also Published As

Publication number Publication date
CN113753080B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN113753080A (zh) 一种自动驾驶汽车横向运动自适应参数控制方法
CN111806427B (zh) 一种四轮毂电机驱动车辆的综合控制方法
CN111890951B (zh) 智能电动汽车轨迹跟踪与运动控制方法
EP1775188B1 (en) Control device for vehicle
CN108839652B (zh) 一种车辆失稳可控域的自动驾驶紧急避让系统
CN109606363B (zh) 一种多状态反馈的智能汽车可拓车道保持控制方法
US20090088918A1 (en) Vehicle control device
CN112829766B (zh) 一种基于分布式驱动电动车辆的自适应路径跟踪方法
WO2023138258A1 (zh) 一种主动转向和横摆力矩自学习协同控制方法
CN110008600A (zh) 车辆稳定性控制器性能保守性的设计方法
CN112578672A (zh) 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法
CN113031443A (zh) 一种带有主动安全和自适应预瞄的车辆横向运动控制方法
Németh et al. Coordination of independent steering and torque vectoring in a variable-geometry suspension system
CN116560371A (zh) 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法
CN116184835A (zh) 考虑输入时延与速度时变的无人驾驶车辆跟踪控制方法
CN109849898B (zh) 基于遗传算法混合优化gpc的车辆横摆稳定性控制方法
CN113741450B (zh) 一种车辆自动驾驶横向自适应控制方法
CN114987537A (zh) 基于神经网络动力学的自动驾驶车辆道路自适应漂移控制系统与方法
KR20230166124A (ko) 장치의 액츄에이터를 자율적으로 구동하기 위한 방법
CN111142534A (zh) 一种智能车横纵向综合轨迹跟踪方法及控制系统
CN114834263A (zh) 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置
CN114044003B (zh) 前后双轴转向车辆的循迹控制方法
US11724739B2 (en) Vehicle actuation commands to affect transient handling
Li et al. Path tracking control based on the prediction of tire state stiffness using the optimized steering sequence
CN113815602A (zh) 一种车辆横向自适应控制方法

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