CN114253275A - 一种高速公路无人清扫车的路径跟踪控制调整方法 - Google Patents

一种高速公路无人清扫车的路径跟踪控制调整方法 Download PDF

Info

Publication number
CN114253275A
CN114253275A CN202111615595.8A CN202111615595A CN114253275A CN 114253275 A CN114253275 A CN 114253275A CN 202111615595 A CN202111615595 A CN 202111615595A CN 114253275 A CN114253275 A CN 114253275A
Authority
CN
China
Prior art keywords
control
interface
deviation
vehicle
unmanned
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.)
Pending
Application number
CN202111615595.8A
Other languages
English (en)
Inventor
李悦
曹恺
骆嫚
梁子湘
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.)
Dongfeng Yuexiang Technology Co Ltd
Original Assignee
Dongfeng Yuexiang 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 Dongfeng Yuexiang Technology Co Ltd filed Critical Dongfeng Yuexiang Technology Co Ltd
Priority to CN202111615595.8A priority Critical patent/CN114253275A/zh
Publication of CN114253275A publication Critical patent/CN114253275A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
    • E01H1/00—Removing undesirable matter from roads or like surfaces, with or without moistening of the surface
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • 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
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • 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
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Structural Engineering (AREA)
  • Electromagnetism (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及运动学研究技术领域，尤其是涉及一种高速公路无人清扫车的路径控制调整方法。本发明提出一种高速无人清扫车路径控制调整方法，该方法通过建立无人清扫车路径跟踪分层运动学模型，并将上层运动学模型作为模型预测控制算法的预测模型，通过设定最优目标函数和约束条件将未来控制增量的求解问题转换为二次规划的最优解问题，计算出最优转角和速度控制量；下层控制中，通过下层运动学模型，将上层控制得到的控制量映射到四轮的转角和速度控制量，应用模糊PID算法，实现无人清扫车的路径跟踪控制；本发明能够对高速公路无人清扫车轨迹实现准确跟踪，并且能进行控制量的跟踪，对于提高高速公路无人清扫车的路径跟踪准确度具有巨大意义。

Description

一种高速公路无人清扫车的路径跟踪控制调整方法
技术领域
本领域涉及运动学研究技术领域，尤其是涉及一种高速公路无人清扫车的路径跟踪控制调整方法。
背景技术
路径跟踪控制是无人车在道路行驶过程中一种常见的控制方案，是无人驾驶汽车运动控制的最基本问题之一，其通常是根据车轮转角、驱动力、制动力等控制量的输入，使无人车能够达到期望的行驶路径。路径跟踪的基本要求是无人车能够有效的跟踪期望路径，并且保证车辆的稳定行驶。国内外学者对无人车的路径跟踪控制展开了大量研究，目前应用较多的控制算法有PID控制算法和模型预测控制算法(即MPC算法)等。
近年来，随着计算机技术和传感器技术的进步，自动驾驶汽车的研究取得了巨大的成就。路径跟踪是自动驾驶车辆的重要组成部分之一，其目的是通过控制车辆的横向和纵向运动来跟随所需要的路径或轨迹。众所周知,现有的车辆运动学模型不适合高速路径跟踪，因为它们是不准确的，各种不断扰动和参数变化的综合影响会影响路径规划的安全性能，并且单一的依靠某种算法在高速情况下并不适用。
发明内容
本发明针对现有技术问题存在的问题，设计一个混合激光、图像、MPC和PID串级控制回路，对无人清扫车时刻进行状态调整，确保了无人清扫车行驶路径精确、稳定、高效。
本发明采用以下技术方案：一种高速公路无人清扫车的路径控制调整方法，无人清扫车采用电机驱动，主控计算机结合北斗导航模块执行地图路径规划，并控制指令传输给车载ECU,车载ECU控制驱动轮速度和转向角，，并控制无人清扫车相对路径规划的横向偏差ed、航向偏差eθ，其特征在于，包括以下步骤：
步骤一：采用激光雷达高频拾取无人清扫车与高速高速公路右护栏的距离D1,分别记为D1、D2、D3ΛDn，D1取其平均值：
Figure BDA0003435981730000021
采用摄像头高频辅助拾取无人清扫车与高速公路右护栏的距离M1,分别记为M1、M2、M3、ΛMn，M1取其平均值：
Figure BDA0003435981730000022
步骤二：若激光雷达、摄像头探索到车右方没有车辆并行时，主控计算机计算横向偏差ed≦|D1-M1|/N,D1≦4.375米，M1≦4.375米，N为精度控制参数，取值为：2-6，则主控计算机让无人清扫车保持此刻航向；
若D1≧4.375米，M1≧4.375米或者激光雷达、摄像头探索到车右方有车辆并行时，则主控计算机结合地图信息，执行MPC纠偏模式，按照此时刻的驱动轮速度差及变化率、横向偏差ed(t)、航向偏差eθ(t)对车辆进行自主纠偏。
若D1≦4.375米，M1≦4.375米并且当无人清扫车探寻在后方有超车车辆，右方没有车辆并行时，则主控计算机中断执行ed≦|D1-M1|/N,D1≦4.375米,M1≦4.375米,N为精度控制参数，取值为：2-6算式，转向右车道行驶，以便让后方超车车辆行驶，并执行MPC纠偏模式。
作为优选，所述MPC纠偏模式进行纠偏应包括以下调整步骤：步骤A1:驱动轮速度差及变化率、横向偏差和航向偏差均应满足以下算法：
Figure BDA0003435981730000031
式中：Δvmax、Δamax、
Figure BDA0003435981730000032
分别为最大允许驱动轮差速、最大允许驱动轮差数变化率、最大横向偏差、最大允许航向偏差；建立横向偏差和航向偏差的运动学方程：
Figure BDA0003435981730000033
式中：ed(t)、eθ(t)分别t时刻的横向偏差和航向偏差；步骤A2：将以上运动学模型作为模型预测控制算法的预测模型，搭建MPC路径跟踪控制器，将得到ΔU(t)输出到带有侧滑补偿的运动模型的MPC控制器，通过对车辆当前时刻车辆位置信息及速度信息进Y一步处理，带入如下优化目标方程，
Figure BDA0003435981730000034
s.t.z0＝z(t),u-1＝u(t-ts)；
zi+1＝f(zi,ui)；i＝0,Λ,Hp-1；
Figure BDA0003435981730000035
Figure BDA0003435981730000036
建立预测方程：得到期望偏航率Y(t)；
Y(t)＝ψtζ(t|t)+ΘtΔU(t)式中，ξ(t|t)为当前时刻的状态量，ΔU(t)为预测时域的控制增量；
步骤A3：将MPC得到的期望偏航率Y(t)和偏航率r,车辆速度v输出到自适应模糊PID控制器，得到δ(f):
Figure BDA0003435981730000041
其中a0为动态控制中引入的附加控制，Kp1为比例控制参数，Ki1为积分控制参数值，来自偏航率r的反馈通过改变转向动力学的特征值位移来改善瞬态。
作为优选，所述无人清扫车基于Carsim/Simulink的全电驱无人清扫车仿真平台建立；所述仿真平台包括由Simulink创建的独立驱动系统模型、独立转向系统模型、独立制动系统模型。
作为优选，所述步骤A2中，将控制增量序列ΔU(t)中的第一个元素作为实际控制输入增量作用于线性化状态空间系统，系统执行这一控制量直到下一时刻；在新的时刻，系统根据状态信息重新预测下一段时域的输出，通过优化过程得到一个新的控制增量序列，由此建立反馈机制，形成最优的滚动优化。
作为优选，所述自适应模糊PID控制器包括模糊化、模糊推理、清晰化三个工作流程；所述模糊化工作流程对应的工作内容为输入隶属度函数；所述模糊推理工作流程对应的工作内容为制定控制规则；所述清晰化工作流程对应的工作内容为逻辑判断。
作为优选，所述自动驾驶系统包括若干个激光雷达、若干个摄像头、RTL8367S千兆交换机板、VA608A接口板一、VA608A接口板二、NXP S32V234接口板、两块MAX9286数据板；
RTL8367S千兆交换机板的以太网接口与若干个激光雷达的以太网接口分别通过以太网进行连接，其通过以太网与VA608A接口板一的以太网接口连接；
MAX9286数据板的LVDS接口与若干个摄像头的LVDS接口分别连接，其CSI-2接口与NXP S32V234接口板的CSI-2接口连接；
NXP S32V234接口板的MINI-PCIE接口与VA608A接口板一的PCIE x4接口连接；
两个VA608A接口板之间的HDBASE-T接口通过HDBASE-T总线进行数据交换；
VA608A接口板二的PCIE x4接口与自动驾驶域控制器的上一级控制器的PCIE x4接口连接、RJ45接口与自动驾驶域控制器的上一级控制器的TE2013595-1接口连接。
多路激光雷达数据通过以太网链路将UDP数据发送给数据处理中央网关；数据处理中央网关在内部将多路激光类数据通过以太网打包发送给数据传输模组；
同时，多路摄像头数据采用GSML数据传输至解串器解码后，通过CS1-2的数据格式发送至协议转换芯片，转换为PCIe接口数据格式，并通过协议转换芯片的PCIe端口发送至数据处理中央网关内部的数据传输芯片；
数据处理中央网关将收集的激光雷达及摄像头数据进行打包后，通过HDBASE-T总线进行数据交换。
本发明结合激光、图像、算法对电动无人清扫车行驶状态进行导引纠偏，若D1≥5米，M1≥5米时，则认为无人清扫车正处于没有护栏的区域，主控计算机依靠上层算法进行纠偏，同时应用模糊PID算法，实现无人清扫车的路径跟踪控制，本发明对于提高无人清扫车的路径跟踪准确度具有巨大意义。
附图说明
图1是双摄像头模型立体视图；
图2是无人清扫车路径跟踪控制的框架图；
图3是MPC控制试验反馈图；
图4是模糊PID控制器工作原理图；
图5是本发明的车端超级数据传输系统架构图；
图6是本发明的车端超级数据传输硬件架构图；
图7是本发明的S32V234的Mini-PCIE接口电路图；
图8是本发明的VA608A的PCIEx4接口电路图。
具体实施方式
下面结合附图对本发明做进一步说明。
如图1、2、3、4所示，一种高速公路无人清扫车的路径控制调整方法，无人清扫车采用电机驱动，主控计算机结合北斗导航模块执行地图路径规划，并控制指令传输给车载ECU,车载ECU控制驱动轮速度和转向角，，并控制无人清扫车相对路径规划的横向偏差ed、航向偏差eθ，其特征在于，包括以下步骤：
步骤一：采用激光雷达高频拾取无人清扫车与高速高速公路右护栏的距离D1,分别记为D1、D2、D3ΛDn，D1取其平均值：
Figure BDA0003435981730000071
采用摄像头高频辅助拾取无人清扫车与高速公路右护栏的距离M1,分别记为M1、M2、M3、ΛMn，M1取其平均值：
Figure BDA0003435981730000072
本发明采用双高速摄像头测距：其中摄像头测距原理如图1所示，车辆原点到护栏的的大致距离M通过以下算式获得：
Figure BDA0003435981730000073
Figure BDA0003435981730000074
其中f,Tx,cx和cy可以通过立体标定获得初始值，采用Block Matching算法可以就得车辆原点到护栏的的大致距离M，虽然精度有所限制，但测距基本能达到能让人接受的安全程度，而激光头测距较为精准，但应用条件具有一定局限，因此本发明结合两者优点，设计了以下算式步骤二：若激光雷达、摄像头探索到车右方没有车辆并行时，主控计算机计算横向偏差ed≦|D1-M1|/N,D1≦4.375米，M1≦4.375米，N为精度控制参数，取值为2～6取值越大精度越高，但为了减少调整频率又不影响行驶，N取值2～3为好，则主控计算机让无人清扫车保持此刻航向；
若D1≥4.375米，M1≥4.375米，或者激光雷达、摄像头探索到车右方有车辆并行时，则主控计算机结合地图信息，执行MPC纠偏模式，按照此时刻的驱动轮速度差及变化率、横向偏差ed(t)、航向偏差eθ(t)对车辆进行自主纠偏。
若D1≦4.375米，M1≦4.375米并且当无人清扫车探寻在后方有超车车辆，右方没有车辆并行时，则主控计算机中断执行ed≦|D1-M1|/N,D1≦4.375米，M1≦4.375米，N为精度控制参数，取值为2-6，算式，转向右车道行驶，以便让后方超车车辆行驶，并执行MPC纠偏模式。
所述MPC纠偏模式进行纠偏应包括以下调整步骤：
步骤A1:驱动轮速度差及变化率、横向偏差和航向偏差均应满足以下算法：
Figure BDA0003435981730000081
式中：Δvmax、Δamax、Δedmax、Δeθmax分别为最大允许驱动轮差速、最大允许驱动轮差数变化率、最大横向偏差、最大允许航向偏差；建立横向偏差和航向偏差的运动学方程：
Figure BDA0003435981730000082
式中：ed(t)、eθ(t)分别t时刻的横向偏差和航向偏差；
步骤A2：将以上运动学模型作为模型预测控制算法的预测模型，搭建MPC路径跟踪控制器，将得到的横向偏差和航向偏差输出到带有侧滑补偿的运动模型的MPC控制器，通过对车辆当前时刻车辆位置信息及速度信息进一步处理，带入如下优化目标方程，
Figure BDA0003435981730000091
s.t.z0＝z(t),u-1＝u(t-ts)；
zi+1＝f(zi,ui)；i＝0,Λ,Hp-1；
Figure BDA0003435981730000092
Figure BDA0003435981730000093
建立预测方程：得到期望偏航率Y(t)；
Y(t)＝ψtξ(t|t)+ΘtΔU(t)，式中，ξ(t|t)为当前时刻的状态量，ΔU(t)为预测时域的控制增量；
步骤A3：将MPC得到的期望偏航率Y(t)和偏航率r,车辆速度v输出到自适应模糊PID控制器，得到δ(f):
Figure BDA0003435981730000094
其中a0为动态控制中引入的附加控制，Kp1为比例控制参数，Ki1为积分控制参数值，来自偏航率r的反馈通过改变转向动力学的特征值位移来改善瞬态。
所述步骤A2中，将控制增量序列ΔU(t)中的第一个元素作为实际控制输入增量作用于线性化状态空间系统，系统执行这一控制量直到下一时刻；在新的时刻，系统根据状态信息重新预测下一段时域的输出，通过优化过程得到一个新的控制增量序列，由此建立反馈机制，形成最优的滚动优化。
所述无人清扫车基于Carsim/Simulink的全电驱无人清扫车仿真平台建立；所述仿真平台包括由Simulink创建的独立驱动系统模型、独立转向系统模型、独立制动系统模型。
所述自适应模糊PID控制器包括模糊化、模糊推理、清晰化三个工作流程；所述模糊化工作流程对应的工作内容为输入隶属度函数；所述模糊推理工作流程对应的工作内容为制定控制规则；所述清晰化工作流程对应的工作内容为逻辑判断。
由于高速每秒大致为22米/秒(80公里时速)，因此为了数据的精准，本发明自动驾驶系统激光雷达、摄像头的连接采用以下架构，可以高频拾取为每秒钟50次(帧)左右距离或图像。系统包括若干个激光雷达、若干个摄像头、RTL8367S千兆交换机板、VA608A接口板一、VA608A接口板二、NXP S32V234接口板、两块MAX9286数据板；
RTL8367S千兆交换机板的以太网接口与若干个激光雷达的以太网接口分别通过以太网进行连接，其通过以太网与VA608A接口板一的以太网接口连接；
MAX9286数据板的LVDS接口与若干个摄像头的LVDS接口分别连接，其CSI-2接口与NXP S32V234接口板的CSI-2接口连接；
NXP S32V234接口板的MINI-PCIE接口与VA608A接口板一的PCIE x4接口连接；
两个VA608A接口板之间的HDBASE-T接口通过HDBASE-T总线进行数据交换；
VA608A接口板二的PCIE x4接口与自动驾驶域控制器的上一级控制器的PCIE x4接口连接、RJ45接口与自动驾驶域控制器的上一级控制器的TE2013595-1接口连接。
多路激光雷达数据通过以太网链路将UDP数据发送给数据处理中央网关；数据处理中央网关在内部将多路激光类数据通过以太网打包发送给数据传输模组；
同时，多路摄像头数据采用GSML数据传输至解串器解码后，通过CS1-2的数据格式发送至协议转换芯片，转换为PCIe接口数据格式，并通过协议转换芯片的PCIe端口发送至数据处理中央网关内部的数据传输芯片；
数据处理中央网关将收集的激光雷达及摄像头数据进行打包后，通过HDBASE-T总线进行数据交换。
通过PCIe接口实现与自动驾驶域控制器端到端传输，提高系统的传输效率，实现激光雷达、摄像头高频拾取每秒钟50次(帧)左右距离或图像。同时，减少了车内传感器线束部署带来的工作量。
进一步的，在高速路中，标准车道一般宽3.75米，紧急停车带宽2.5米，若D1＝4.375米，M1＝4.375米时，则主控计算机会判断出无人清扫车正按照路径规划位于高速公路应急车道的第一行驶道内Z中间区域，这个车道应该是无人清扫车执行任务主要车道和安全车道，当然，D1、M1取值可以更大，如扩展到第二行驶道，但还是可以基于本发明进行扩展，实现导引纠偏。
车辆在速度为60km/小时下的弯道试验，得到的信息如图3所示，其中蓝色为提出方案的实际效果，黑色是修改动力学模型MPC,绿色为动力学模型MPC；通过对比，可以得出本发明MPC纠偏模式下，附加偏航率反馈显著降低了无人清扫车高速路径下的跟踪误差。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (6)

1.一种高速公路无人清扫车的路径跟踪控制调整方法，无人清扫车采用电机驱动，主控计算机结合北斗导航模块执行地图路径规划，并控制指令传输给车载ECU,车载ECU控制驱动轮速度和转向角，，并控制无人清扫车相对路径规划的横向偏差ed、航向偏差eθ，其特征在于，包括以下步骤：
步骤一：采用激光雷达高频拾取无人清扫车与高速高速公路右护栏的距离D1,分别记为D1、D2、D3ΛDn，D1取其平均值：
Figure FDA0003435981720000011
采用摄像头高频辅助拾取无人清扫车与高速公路右护栏的距离M1,分别记为M1、M2、M3、ΛMn，M1取其平均值：
Figure FDA0003435981720000012
步骤二：若激光雷达、摄像头探索到车右方没有车辆并行时，主控计算机计算横向偏差ed≦|D1-M1|/N,D1≦4.375米，M1≦4.375米，N为精度控制参数，取值为：2-6，则主控计算机让无人清扫车保持此刻航向；
若D1≧4.375米，M1≧4.375米或者激光雷达、摄像头探索到车右方有车辆并行时，则主控计算机结合地图信息，执行MPC纠偏模式，按照此时刻的驱动轮速度差及变化率、横向偏差ed(t)、航向偏差eθ(t)对车辆进行自主纠偏；
若D1≦4.375米，M1≦4.375米，并且当无人清扫车探寻在后方有超车车辆，右方没有车辆并行时，则主控计算机中断执行ed≦|D1-M1|/N算式，转向右车道行驶，以便让后方超车车辆行驶，并执行MPC纠偏模式。
2.根据权利要求1所述的一种高速公路无人清扫车的路径跟踪控制调整方法，其特征是所述MPC纠偏模式进行纠偏应包括以下调整步骤：
步骤A1:驱动轮速度差及变化率、横向偏差和航向偏差均应满足以下算法：
Figure FDA0003435981720000021
式中：Δvmax、Δamax、Δedmax、Δeθmax分别为最大允许驱动轮差速、最大允许驱动轮差数变化率、最大横向偏差、最大允许航向偏差；建立横向偏差和航向偏差的运动学方程：
Figure FDA0003435981720000022
式中：ed(t)、eθ(t)分别t时刻的横向偏差和航向偏差；
步骤A2：将以上运动学模型作为模型预测控制算法的预测模型，搭建MPC路径跟踪控制器，将得到的横向偏差和航向偏差输出到带有侧滑补偿的运动模型的MPC控制器，通过对车辆当前时刻车辆位置信息及速度信息进一步处理，带入如下优化目标方程，
Figure FDA0003435981720000023
s.t.z0＝z(t),u-1＝u(t-ts)；
zi+1＝f(zi,ui)；i＝0,Λ,Hp-1；
Figure FDA0003435981720000024
Figure FDA0003435981720000025
建立预测方程：得到期望偏航率Y(t)；
Y(t)＝ψtζ(t|t)+ΘtΔU(t)式中，ξ(t|t)为当前时刻的状态量，ΔU(t)为预测时域的控制增量；
步骤A3：将MPC得到的期望偏航率Y(t)和偏航率r,车辆速度v输出到自适应模糊PID控制器，得到δ(f):
Figure FDA0003435981720000031
其中a0为动态控制中引入的附加控制，Kp1为比例控制参数，Ki1为积分控制参数值，来自偏航率r的反馈通过改变转向动力学的特征值位移来改善瞬态。
3.根据权利要求1所述的一种高速公路无人清扫车的路径跟踪控制调整方法，其特征在于，所述无人清扫车基于Carsim/Simulink的全电驱无人清扫车仿真平台建立；所述仿真平台包括由Simulink创建的独立驱动系统模型、独立转向系统模型、独立制动系统模型。
4.根据权利要求2所述的一种高速公路无人清扫车的路径跟踪控制调整方法，其特征在于，在步骤A2中，将控制增量序列ΔU(t)中的第一个元素作为实际控制输入增量作用于线性化状态空间系统，系统执行这一控制量直到下一时刻；在新的时刻，系统根据状态信息重新预测下一段时域的输出，通过优化过程得到一个新的控制增量序列，由此建立反馈机制，形成最优的滚动优化。
5.根据权利要求2所述的一种高速公路无人清扫车的路径跟踪控制调整方法，其特征在于，所述自适应模糊PID控制器包括模糊化、模糊推理、清晰化三个工作流程；所述模糊化工作流程对应的工作内容为输入隶属度函数；所述模糊推理工作流程对应的工作内容为制定控制规则；所述清晰化工作流程对应的工作内容为逻辑判断。
6.根据权利要求2所述的一种高速公路无人清扫车的路径跟踪控制调整方法，其特征在于，所述自动驾驶系统包括若干个激光雷达、若干个摄像头、RTL8367S千兆交换机板、VA608A接口板一、VA608A接口板二、NXP S32V234接口板、两块MAX9286数据板；
RTL8367S千兆交换机板的以太网接口与若干个激光雷达的以太网接口分别通过以太网进行连接，其通过以太网与VA608A接口板一的以太网接口连接；
MAX9286数据板的LVDS接口与若干个摄像头的LVDS接口分别连接，其CSI-2接口与NXPS32V234接口板的CSI-2接口连接；
NXP S32V234接口板的MINI-PCIE接口与VA608A接口板一的PCIE x4接口连接；
两个VA608A接口板之间的HDBASE-T接口通过HDBASE-T总线进行数据交换；
VA608A接口板二的PCIE x4接口与自动驾驶域控制器的上一级控制器的PCIE x4接口连接、RJ45接口与自动驾驶域控制器的上一级控制器的TE2013595-1接口连接。
CN202111615595.8A 2021-12-27 2021-12-27 一种高速公路无人清扫车的路径跟踪控制调整方法 Pending CN114253275A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111615595.8A CN114253275A (zh) 2021-12-27 2021-12-27 一种高速公路无人清扫车的路径跟踪控制调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111615595.8A CN114253275A (zh) 2021-12-27 2021-12-27 一种高速公路无人清扫车的路径跟踪控制调整方法

Publications (1)

Publication Number Publication Date
CN114253275A true CN114253275A (zh) 2022-03-29

Family

ID=80795201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111615595.8A Pending CN114253275A (zh) 2021-12-27 2021-12-27 一种高速公路无人清扫车的路径跟踪控制调整方法

Country Status (1)

Country Link
CN (1) CN114253275A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115525054A (zh) * 2022-09-20 2022-12-27 武汉理工大学 大型工业园区无人清扫车沿边路径跟踪控制方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105759820A (zh) * 2016-04-08 2016-07-13 济宁中科先进技术研究院有限公司 基于激光和视觉的道路自主清扫控制系统及控制方法
CN110673606A (zh) * 2019-09-24 2020-01-10 芜湖酷哇机器人产业技术研究院有限公司 清扫车的沿边清扫方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105759820A (zh) * 2016-04-08 2016-07-13 济宁中科先进技术研究院有限公司 基于激光和视觉的道路自主清扫控制系统及控制方法
CN110673606A (zh) * 2019-09-24 2020-01-10 芜湖酷哇机器人产业技术研究院有限公司 清扫车的沿边清扫方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LUQI TANG， FUWU YAN，BIN ZOU等: "An Improved Kinematic Model Predictive Control for High-Speed Path Tracking of Autonomous Vehicles", 《IEEE ACCESS》, pages 51400 - 51413 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115525054A (zh) * 2022-09-20 2022-12-27 武汉理工大学 大型工业园区无人清扫车沿边路径跟踪控制方法及系统

Similar Documents

Publication Publication Date Title
EP3932761A1 (en) Vehicle abnormal lane change control method, device and system
CN110568758B (zh) 一种自动驾驶汽车的参数自适应横向运动lqr控制方法
CN109606363B (zh) 一种多状态反馈的智能汽车可拓车道保持控制方法
Hatipoglu et al. Automated lane change controller design
CN109131325B (zh) 智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法
Zha et al. A survey of intelligent driving vehicle trajectory tracking based on vehicle dynamics
CN113721606B (zh) 跟随式自动驾驶物流车辆控制系统及方法
CN111016893B (zh) 一种拥堵环境下智能车辆可拓博弈车道保持自适应巡航控制系统与控制方法
CN109144076A (zh) 一种多车辆横纵向耦合协同控制系统及控制方法
CN113276848A (zh) 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统
CN112462760B (zh) 一种双舵轮agv路径跟踪方法
CN111538328A (zh) 一种用于自主驾驶车辆避障轨迹规划与跟踪控制的优先级分层预测控制方法
CN114312848B (zh) 基于双层mpc的智能驾驶汽车轨迹规划与跟踪控制方法
CN116080754B (zh) 一种车辆自主驾驶横向控制方法
CN114684199A (zh) 一种机理分析-数据驱动的车辆动力学串联混合模型、智能汽车轨迹跟踪控制方法及控制器
CN115042770B (zh) 一种基于分布式鲁棒模型预测的车辆队列横向控制方法
CN114253275A (zh) 一种高速公路无人清扫车的路径跟踪控制调整方法
CN114510032A (zh) 一种保障车辆快速编队稳定的多车协同控制方法及装置
CN114323698A (zh) 一种面向人机共驾智能汽车的实车实验平台测试方法
CN109606362B (zh) 一种基于道路曲率的可拓前馈车道保持控制方法
CN115525054B (zh) 大型工业园区无人清扫车沿边路径跟踪控制方法及系统
Xiao et al. Smooth trajectory tracking using longitudinal distance constraint for a 4WS4WD unmanned ground vehicle
CN115447615A (zh) 基于车辆运动学模型预测控制的轨迹优化方法
CN107885931B (zh) 一种转向盘突变力矩人性化调节的汽车紧急避撞控制方法
Jian et al. An Optimal Controller for Trajectory Tracking of Automated Guided Vehicle

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