CN114415522A - 一种履带车辆平台路径跟踪控制方法及系统 - Google Patents

一种履带车辆平台路径跟踪控制方法及系统 Download PDF

Info

Publication number
CN114415522A
CN114415522A CN202210314386.8A CN202210314386A CN114415522A CN 114415522 A CN114415522 A CN 114415522A CN 202210314386 A CN202210314386 A CN 202210314386A CN 114415522 A CN114415522 A CN 114415522A
Authority
CN
China
Prior art keywords
tracked vehicle
control
vehicle platform
objective function
state quantity
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
CN202210314386.8A
Other languages
English (en)
Other versions
CN114415522B (zh
Inventor
刘海鸥
唐泽月
陈慧岩
刘庆霄
陶俊峰
臧政
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202210314386.8A priority Critical patent/CN114415522B/zh
Publication of CN114415522A publication Critical patent/CN114415522A/zh
Application granted granted Critical
Publication of CN114415522B publication Critical patent/CN114415522B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种履带车辆平台路径跟踪控制方法及系统。该方法包括建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量；根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数；根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数；根据更新后的权重参数更新第一优化目标函数，直至再次更新后的状态量和控制量收敛或者达到迭代次数；若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量控制履带车辆平台。本发明能够实现对履带车辆平台的灵活、准确控制。

Description

一种履带车辆平台路径跟踪控制方法及系统
技术领域
本发明涉及路径跟踪控制领域，特别是涉及一种履带车辆平台路径跟踪控制方法及系统。
背景技术
履带车辆由于其通过性能良好、安全性高以及强火力等众多优点，一直是地面机动平台的重要组成部分，在各种军事演习以及实战中扮演着重要角色，比如边境越野巡逻、恶劣环境中的区域侦察、打击等等。并且在现代军事领域中，信息化、无人化程度以及军事应用需求水平的不断提高，对履带车辆平台的智能化控制技术也提出了更高的要求，尤其是考虑多地域行军的路径跟踪控制技术。这种技术的关键有两点：一是解决高精度需求，二是提高方法的通用性能。然而，目前国内外对路径跟踪控制技术的研究集中在前者，对后者的研究不够充分。
路径跟踪控制技术发展至今，已有多种控制方法在这一领域得到广泛使用，这些方法可以分为两大类：非优化的方法和基于最优化的方法。非优化的路径跟踪控制方法主要包括PID控制、纯跟踪控制、模糊控制等。基于最优化的路径跟踪控制方法主要包括线性二次调节器方法、模型预测控制等。这种基于最优化的方法主要包含一个预测模型，一个可以量化要求指标的目标函数，同时还可添加约束保证最优解满足条件。随着计算机设备的迭代更新，硬件算力的不断提高，优化问题的求解不再制约其应用，并且由于能考虑多种约束，控制精度较高，目前已经是路径跟踪控制模块使用的主流方法。但是这种现有的方法目前在应用设计时过分依赖经验，需要基于规划轨迹特征，行驶工况以及所部署的平台设计权重参数值，这要求前期大量的实验数据支撑。一旦权重参数设置不佳，就会导致履带车辆平台跟踪误差较大，稳定性较差。
发明内容
本发明的目的是提供一种履带车辆平台路径跟踪控制方法及系统，能够实现对履带车辆平台的灵活、准确控制。
为实现上述目的，本发明提供了如下方案：
一种履带车辆平台路径跟踪控制方法，包括：
建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量；所述状态量包括：履带车辆平台的位姿；所述控制量包括：履带车辆平台的履带的卷绕速度；
根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数；所述第一优化目标函数中权重参数不变；所述第一优化目标函数用于确定更新后的状态量和控制量；
根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数；所述第二优化目标函数中更新后的状态量和控制量不变；所述第二优化目标函数用于确定更新后的权重参数；
根据更新后的权重参数更新第一优化目标函数，并进行状态量和控制量的更新，并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数；
若再次更新后的状态量和控制量没有收敛且没有达到迭代次数，则根据第一优化目标函数更新状态量和控制量，并返回所述根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数的步骤，直至再次更新后的状态量和控制量收敛或者达到迭代次数；
若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量控制履带车辆平台。
可选地，所述建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量，具体包括：
根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型；
对世界坐标系下的履带车辆平台的运动学模型进行简化，确定连续非线性模型；
对连续非线性模型进行离散化处理。
可选地，所述根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数，具体包括：
Figure 424778DEST_PATH_IMAGE001
其中，
Figure 284150DEST_PATH_IMAGE002
为第一优化目标函数，
Figure 4237DEST_PATH_IMAGE003
为状态量沿梯度方向的变化量，
Figure 240047DEST_PATH_IMAGE004
为控制量沿梯度方向的变化量，
Figure 798198DEST_PATH_IMAGE005
为状态量的变化量，
Figure 94050DEST_PATH_IMAGE006
为控制量的变化量，
Figure 236187DEST_PATH_IMAGE007
为预测区间，
Figure 10108DEST_PATH_IMAGE008
为学习率，
Figure 485083DEST_PATH_IMAGE009
为履带车辆平台在k时刻第i个预测时域的预测状态，
Figure 463754DEST_PATH_IMAGE010
为k时刻第i个预测时域的参考状态，
Figure 843919DEST_PATH_IMAGE011
为k时刻第i个预测时域求解的控制量，
Figure 703422DEST_PATH_IMAGE012
为k时刻第i个预测时域的参考控制量，
Figure 280DEST_PATH_IMAGE013
为状态量的权重参数，
Figure 372356DEST_PATH_IMAGE014
为控制量的权重参数，N c为控制区间。
可选地，所述根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数，具体包括：
Figure 990550DEST_PATH_IMAGE015
；
其中，
Figure 903011DEST_PATH_IMAGE016
为第二优化目标函数，
Figure 791726DEST_PATH_IMAGE017
为拉格朗日乘子，
Figure 882173DEST_PATH_IMAGE018
为部分或全部预测区间，用于影响权重参数的更新，
Figure 971352DEST_PATH_IMAGE018
小于或等于
Figure 140034DEST_PATH_IMAGE007
，
Figure 693375DEST_PATH_IMAGE019
为两向量逐元素相乘，相乘后向量维度不变，
Figure 892406DEST_PATH_IMAGE020
。
可选地，所述若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量控制履带车辆平台，具体包括：
采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制；
利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
一种履带车辆平台路径跟踪控制系统，包括：
运动学模型建立模块，用于建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量；所述状态量包括：履带车辆平台的位姿；所述控制量包括：履带车辆平台的履带的卷绕速度；
第一优化目标函数建立模块，用于根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数；所述第一优化目标函数中权重参数不变；所述第一优化目标函数用于确定更新后的状态量和控制量；
第二优化目标函数建立模块，用于根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数；所述第二优化目标函数中更新后的状态量和控制量不变；所述第二优化目标函数用于确定更新后的权重参数；
判断模块，用于根据更新后的权重参数更新第一优化目标函数，并进行状态量和控制量的更新，并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数；
迭代模块，用于若再次更新后的状态量和控制量没有收敛且没有达到迭代次数，则返回所述第二优化目标函数建立模块的步骤，直至再次更新后的状态量和控制量收敛或者达到迭代次数；
迭代完成模块，用于若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量控制履带车辆平台。
可选地，所述运动学模型建立模块具体包括：
运动学模型建立单元，用于根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型；
运动学模型简化单元，用于对世界坐标系下的履带车辆平台的运动学模型进行简化，确定连续非线性模型；
运动学模型离散化单元，用于对连续非线性模型进行离散化处理。
可选地，所述第一优化目标函数建立模块具体包括：
Figure 43115DEST_PATH_IMAGE001
其中，
Figure 235062DEST_PATH_IMAGE002
为第一优化目标函数，
Figure 128063DEST_PATH_IMAGE003
为状态量沿梯度方向的变化量，
Figure 324427DEST_PATH_IMAGE004
为控制量沿梯度方向的变化量，
Figure 388197DEST_PATH_IMAGE005
为状态量的变化量，
Figure 196885DEST_PATH_IMAGE006
为控制量的变化量，
Figure 865763DEST_PATH_IMAGE007
为预测区间，
Figure 235958DEST_PATH_IMAGE008
为学习率，
Figure 52604DEST_PATH_IMAGE009
为履带车辆平台在k时刻第i个预测时域的预测状态，
Figure 602666DEST_PATH_IMAGE010
为k时刻第i个预测时域的参考状态，
Figure 922789DEST_PATH_IMAGE011
为k时刻第i个预测时域求解的控制量，
Figure 664217DEST_PATH_IMAGE012
为k时刻第i个预测时域的参考控制量，
Figure 250051DEST_PATH_IMAGE013
为状态量的权重参数，
Figure 853070DEST_PATH_IMAGE014
为控制量的权重参数，N c为控制区间。
可选地，所述第二优化目标函数建立模块具体包括：
Figure 805196DEST_PATH_IMAGE015
；
其中，
Figure 202679DEST_PATH_IMAGE016
为第二优化目标函数，
Figure 479071DEST_PATH_IMAGE017
为拉格朗日乘子，
Figure 620202DEST_PATH_IMAGE018
为部分或全部预测区间，用于影响权重参数的更新，
Figure 695343DEST_PATH_IMAGE018
小于或等于
Figure 263728DEST_PATH_IMAGE007
，
Figure 292995DEST_PATH_IMAGE019
为两向量逐元素相乘，相乘后向量维度不变，
Figure 441080DEST_PATH_IMAGE020
。
可选地，所述迭代完成模块具体包括：
电机转速确定单元，用于采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制；
电机控制单元，用于利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供的一种履带车辆平台路径跟踪控制方法及系统，将权重更新也引入优化问题，通过实时更新优化目标函数中的控制变量和状态量的权重参数值，保证履带车辆平台行驶过程中具有一定的控制目标自适应修正能力，一方面能够提高路径跟踪控制精度，另一方面能够减小控制方法中权重参数设置对经验值的高度依赖，提高路径跟踪控制方法的泛化能力。最终实现对履带车辆平台的灵活、准确控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种履带车辆平台路径跟踪控制方法流程示意图；
图2为履带车辆平台的运动学模型示意图；
图3为仿真结果对比示意图；
图4为本发明所提供的一种履带车辆平台路径跟踪控制系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种履带车辆平台路径跟踪控制方法及系统，能够实现对履带车辆平台的灵活、准确控制。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种履带车辆平台路径跟踪控制方法流程示意图，如图1所示，本发明所提供的一种履带车辆平台路径跟踪控制方法，包括：
S101，建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量；履带车辆平台的运动学模型如图2所示，所述状态量包括：履带车辆平台的位姿；所述控制量包括：履带车辆平台的履带的卷绕速度；
S101具体包括：
根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型；
Figure 121460DEST_PATH_IMAGE021
；
其中，履带车辆平台的状态量为
Figure 378522DEST_PATH_IMAGE022
，表示在世界坐标系下的位姿，
Figure 82036DEST_PATH_IMAGE023
为履带车辆平台在自车坐标系下的纵向速度，
Figure 315702DEST_PATH_IMAGE024
为履带车辆平台在自车坐标系下的横向速度，
Figure 116168DEST_PATH_IMAGE025
为履带车辆平台在自车坐标系下的旋转角速度，
Figure 229617DEST_PATH_IMAGE026
为履带车辆平台的航向角，
Figure 466433DEST_PATH_IMAGE027
为履带车辆平台的横滚角，
Figure 18637DEST_PATH_IMAGE028
为履带车辆平台的俯仰角。
对世界坐标系下的履带车辆平台的运动学模型进行简化，确定连续非线性模型；
简化的过程具体为：
右侧的履带车辆平台的纵向速度
Figure 362024DEST_PATH_IMAGE029
，横向速度
Figure 708692DEST_PATH_IMAGE030
和旋转角速度
Figure 453311DEST_PATH_IMAGE031
用控制量
Figure 278048DEST_PATH_IMAGE032
和滑动参数
Figure 272680DEST_PATH_IMAGE033
进一步表示：
Figure 790249DEST_PATH_IMAGE034
；
Figure 1656DEST_PATH_IMAGE035
；
Figure 630084DEST_PATH_IMAGE036
；
其中，
Figure 479222DEST_PATH_IMAGE037
、
Figure 167692DEST_PATH_IMAGE038
为左右两侧履带的卷绕速度；
Figure 134905DEST_PATH_IMAGE039
为一侧接地段履带的瞬时转向中心坐标值，
Figure 504706DEST_PATH_IMAGE040
为车体的瞬时转向中心坐标值，
Figure 270668DEST_PATH_IMAGE041
定义为与运动有关的滑动参数值，可以用加速度和路径曲率估计表示，加速度和路径曲率又可以用控制量和履带车辆平台固有参数表示。
Figure 130040DEST_PATH_IMAGE042
；
Figure 50460DEST_PATH_IMAGE043
；
其中，
Figure 286269DEST_PATH_IMAGE044
是两侧履带中心距；
所以
Figure 110000DEST_PATH_IMAGE045
可以进一步简化成一下表达式，与控制量
Figure 140273DEST_PATH_IMAGE046
有关：
Figure 545060DEST_PATH_IMAGE047
；
Figure 787822DEST_PATH_IMAGE048
；
Figure 731638DEST_PATH_IMAGE049
；
其中，
Figure 729550DEST_PATH_IMAGE050
为与履带车辆平台有关的固有系数向量。
进而，运动学模型为：
Figure 624563DEST_PATH_IMAGE051
连续非线性模型为：
Figure 936595DEST_PATH_IMAGE052
；
其中，状态量
Figure 734918DEST_PATH_IMAGE053
，控制量
Figure 310256DEST_PATH_IMAGE054
；
对连续非线性模型进行离散化处理。用离散时刻k表示；
S102，根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数；所述第一优化目标函数中权重参数不变；所述第一优化目标函数用于确定更新后的状态量
Figure 695494DEST_PATH_IMAGE055
和控制量
Figure 76797DEST_PATH_IMAGE056
；其中，n表示在得到收敛结果前的第n步迭代；
S102具体包括：
Figure 729627DEST_PATH_IMAGE001
其中，
Figure 475866DEST_PATH_IMAGE002
为第一优化目标函数，
Figure 830624DEST_PATH_IMAGE003
为状态量沿梯度方向的变化量，
Figure 999306DEST_PATH_IMAGE004
为控制量沿梯度方向的变化量，
Figure 755909DEST_PATH_IMAGE005
为状态量的变化量，
Figure 220520DEST_PATH_IMAGE006
为控制量的变化量，
Figure 328153DEST_PATH_IMAGE007
为预测区间，
Figure 32017DEST_PATH_IMAGE008
为学习率，
Figure 643127DEST_PATH_IMAGE009
为履带车辆平台在k时刻第i个预测时域的预测状态，
Figure 544218DEST_PATH_IMAGE010
为k时刻第i个预测时域的参考状态，
Figure 873568DEST_PATH_IMAGE011
为k时刻第i个预测时域求解的控制量，
Figure 384053DEST_PATH_IMAGE012
为k时刻第i个预测时域的参考控制量，
Figure 115248DEST_PATH_IMAGE013
为状态量的权重参数，
Figure 187241DEST_PATH_IMAGE014
为控制量的权重参数，N c为控制区间。
等式约束为：
Figure 941570DEST_PATH_IMAGE057
不等式约束为：
Figure 258675DEST_PATH_IMAGE058
；
Figure 109957DEST_PATH_IMAGE059
；
S103，根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数；所述第二优化目标函数中更新后的状态量和控制量不变；所述第二优化目标函数用于确定更新后的权重参数；
S103具体包括：
Figure 87271DEST_PATH_IMAGE015
；
其中，
Figure 391213DEST_PATH_IMAGE016
为第二优化目标函数，
Figure 243501DEST_PATH_IMAGE017
为拉格朗日乘子，
Figure 886972DEST_PATH_IMAGE018
为部分或全部预测区间，用于影响权重参数的更新，
Figure 550034DEST_PATH_IMAGE018
小于或等于
Figure 826426DEST_PATH_IMAGE007
，
Figure 233136DEST_PATH_IMAGE019
为两向量逐元素相乘，相乘后向量维度不变，
Figure 305348DEST_PATH_IMAGE060
。
S104，根据更新后的权重参数更新第一优化目标函数，并进行状态量和控制量的更新，并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数；
S105，若再次更新后的状态量和控制量没有收敛且没有达到迭代次数，则根据第一优化目标函数更新状态量和控制量，并返回所述根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数的步骤，直至再次更新后的状态量和控制量收敛或者达到迭代次数；
次更新后的状态量和控制量收敛的依据是相邻两次迭代结果之差小于设置的阈值：
Figure 76995DEST_PATH_IMAGE061
；
其中，
Figure 371841DEST_PATH_IMAGE062
和
Figure 316663DEST_PATH_IMAGE063
均为根据历史数据经验设置的阈值；
S106，若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量
Figure 980732DEST_PATH_IMAGE064
控制履带车辆平台。
从当前时刻到未来N c个控制区间，每个控制区间内求解的一组控制量
Figure 923280DEST_PATH_IMAGE065
按时间排列组成的序列。
S106具体包括：
采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制；
利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
Figure 423531DEST_PATH_IMAGE066
；
其中，
Figure 188356DEST_PATH_IMAGE067
、
Figure 457663DEST_PATH_IMAGE068
为左右电机的转速控制指令；
Figure 620048DEST_PATH_IMAGE069
为总传动比；
Figure 607596DEST_PATH_IMAGE070
为主动轮半径。
通过图3可知，通过实时更新优化目标函数中的控制变量和状态量的权重参数值，保证履带车辆平台行驶过程中具有一定的控制目标自适应修正能力，一方面能够提高路径跟踪控制精度，另一方面能够减小控制方法中权重参数设置对经验值的高度依赖，提高路径跟踪控制方法的泛化能力。最终实现对履带车辆平台的灵活、准确控制。
图4为本发明所提供的一种履带车辆平台路径跟踪控制系统结构示意图，如图4所示，本发明所提供的一种履带车辆平台路径跟踪控制系统，包括：
运动学模型建立模块401，用于建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量；所述状态量包括：履带车辆平台的位姿；所述控制量包括：履带车辆平台的履带的卷绕速度；
第一优化目标函数建立模块402，用于根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数；所述第一优化目标函数中权重参数不变；所述第一优化目标函数用于确定更新后的状态量和控制量；
第二优化目标函数建立模块403，用于根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数；所述第二优化目标函数中更新后的状态量和控制量不变；所述第二优化目标函数用于确定更新后的权重参数；
判断模块404，用于根据更新后的权重参数更新第一优化目标函数，并进行状态量和控制量的更新，并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数；
迭代模块405，用于若再次更新后的状态量和控制量没有收敛且没有达到迭代次数，则返回所述第二优化目标函数建立模块的步骤，直至再次更新后的状态量和控制量收敛或者达到迭代次数；
迭代完成模块406，用于若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量控制履带车辆平台。
所述运动学模型建立模块401具体包括：
运动学模型建立单元，用于根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型；
运动学模型简化单元，用于对世界坐标系下的履带车辆平台的运动学模型进行简化，确定连续非线性模型；
运动学模型离散化单元，用于对连续非线性模型进行离散化处理。
所述第一优化目标函数建立模块402具体包括：
Figure 644953DEST_PATH_IMAGE001
其中，
Figure 34346DEST_PATH_IMAGE002
为第一优化目标函数，
Figure 630281DEST_PATH_IMAGE003
为状态量沿梯度方向的变化量，
Figure 839546DEST_PATH_IMAGE004
为控制量沿梯度方向的变化量，
Figure 477331DEST_PATH_IMAGE005
为状态量的变化量，
Figure 991006DEST_PATH_IMAGE006
为控制量的变化量，
Figure 508575DEST_PATH_IMAGE007
为预测区间，
Figure 221448DEST_PATH_IMAGE008
为学习率，
Figure 584296DEST_PATH_IMAGE009
为履带车辆平台在k时刻第i个预测时域的预测状态，
Figure 197549DEST_PATH_IMAGE010
为k时刻第i个预测时域的参考状态，
Figure 886019DEST_PATH_IMAGE011
为k时刻第i个预测时域求解的控制量，
Figure 555029DEST_PATH_IMAGE012
为k时刻第i个预测时域的参考控制量，
Figure 252726DEST_PATH_IMAGE013
为状态量的权重参数，
Figure 723415DEST_PATH_IMAGE014
为控制量的权重参数，N c为控制区间。
所述第二优化目标函数建立模块403具体包括：
Figure 786049DEST_PATH_IMAGE015
；
其中，
Figure 457202DEST_PATH_IMAGE016
为第二优化目标函数，
Figure 443744DEST_PATH_IMAGE017
为拉格朗日乘子，
Figure 516742DEST_PATH_IMAGE018
为部分或全部预测区间，用于影响权重参数的更新，
Figure 999545DEST_PATH_IMAGE018
小于或等于
Figure 423573DEST_PATH_IMAGE007
，
Figure 948226DEST_PATH_IMAGE019
为两向量逐元素相乘，相乘后向量维度不变，
Figure 344572DEST_PATH_IMAGE020
。
所述迭代完成模块406具体包括：
电机转速确定单元，用于采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制；
电机控制单元，用于利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种履带车辆平台路径跟踪控制方法，其特征在于，包括：
建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量；所述状态量包括：履带车辆平台的位姿；所述控制量包括：履带车辆平台的履带的卷绕速度；
根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数；所述第一优化目标函数中权重参数不变；所述第一优化目标函数用于确定更新后的状态量和控制量；
根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数；所述第二优化目标函数中更新后的状态量和控制量不变；所述第二优化目标函数用于确定更新后的权重参数；
根据更新后的权重参数更新第一优化目标函数，并进行状态量和控制量的更新，并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数；
若再次更新后的状态量和控制量没有收敛且没有达到迭代次数，则根据第一优化目标函数更新状态量和控制量，并返回所述根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数的步骤，直至再次更新后的状态量和控制量收敛或者达到迭代次数；
若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量控制履带车辆平台。
2.根据权利要求1所述的一种履带车辆平台路径跟踪控制方法，其特征在于，所述建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量，具体包括：
根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型；
对世界坐标系下的履带车辆平台的运动学模型进行简化，确定连续非线性模型；
对连续非线性模型进行离散化处理。
3.根据权利要求1所述的一种履带车辆平台路径跟踪控制方法，其特征在于，所述根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数，具体包括：
Figure 555569DEST_PATH_IMAGE001
其中，
Figure 787223DEST_PATH_IMAGE002
为第一优化目标函数，
Figure 629278DEST_PATH_IMAGE003
为状态量沿梯度方向的变化量，
Figure 837536DEST_PATH_IMAGE004
为控制量沿梯度方向的变化量，
Figure 917488DEST_PATH_IMAGE005
为状态量的变化量，
Figure 317114DEST_PATH_IMAGE006
为控制量的变化量，
Figure 849726DEST_PATH_IMAGE007
为预测区间，
Figure 376523DEST_PATH_IMAGE008
为学习率，
Figure 61713DEST_PATH_IMAGE009
为履带车辆平台在k时刻第i个预测时域的预测状态，
Figure 382973DEST_PATH_IMAGE010
为k时刻第i个预测时域的参考状态，
Figure 402881DEST_PATH_IMAGE011
为k时刻第i个预测时域求解的控制量，
Figure 448548DEST_PATH_IMAGE012
为k时刻第i个预测时域的参考控制量，
Figure 299829DEST_PATH_IMAGE013
为状态量的权重参数，
Figure 745985DEST_PATH_IMAGE014
为控制量的权重参数，N c为控制区间。
4.根据权利要求3所述的一种履带车辆平台路径跟踪控制方法，其特征在于，所述根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数，具体包括：
Figure 315507DEST_PATH_IMAGE015
；
其中，
Figure 902215DEST_PATH_IMAGE016
为第二优化目标函数，
Figure 811265DEST_PATH_IMAGE017
为拉格朗日乘子，
Figure 474328DEST_PATH_IMAGE018
为部分或全部预测区间，用于影响权重参数的更新，
Figure 219561DEST_PATH_IMAGE018
小于或等于
Figure 626271DEST_PATH_IMAGE007
，
Figure 389828DEST_PATH_IMAGE019
为两向量逐元素相乘，相乘后向量维度不变，
Figure 475989DEST_PATH_IMAGE020
。
5.根据权利要求1所述的一种履带车辆平台路径跟踪控制方法，其特征在于，所述若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量控制履带车辆平台，具体包括：
采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制；
利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
6.一种履带车辆平台路径跟踪控制系统，其特征在于，包括：
运动学模型建立模块，用于建立履带车辆平台的运动学模型，并根据所述运动学模型确定履带车辆平台的状态量和控制量；所述状态量包括：履带车辆平台的位姿；所述控制量包括：履带车辆平台的履带的卷绕速度；
第一优化目标函数建立模块，用于根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数；所述第一优化目标函数中权重参数不变；所述第一优化目标函数用于确定更新后的状态量和控制量；
第二优化目标函数建立模块，用于根据第一优化目标函数更新状态量和控制量，并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数；所述第二优化目标函数中更新后的状态量和控制量不变；所述第二优化目标函数用于确定更新后的权重参数；
判断模块，用于根据更新后的权重参数更新第一优化目标函数，并进行状态量和控制量的更新，并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数；
迭代模块，用于若再次更新后的状态量和控制量没有收敛且没有达到迭代次数，则返回所述第二优化目标函数建立模块的步骤，直至再次更新后的状态量和控制量收敛或者达到迭代次数；
迭代完成模块，用于若再次更新后的状态量和控制量收敛或者达到迭代次数，则根据迭代完成的控制量控制履带车辆平台。
7.根据权利要求6所述的一种履带车辆平台路径跟踪控制系统，其特征在于，所述运动学模型建立模块具体包括：
运动学模型建立单元，用于根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型；
运动学模型简化单元，用于对世界坐标系下的履带车辆平台的运动学模型进行简化，确定连续非线性模型；
运动学模型离散化单元，用于对连续非线性模型进行离散化处理。
8.根据权利要求6所述的一种履带车辆平台路径跟踪控制系统，其特征在于，所述第一优化目标函数建立模块具体包括：
Figure 754524DEST_PATH_IMAGE021
其中，
Figure 653341DEST_PATH_IMAGE002
为第一优化目标函数，
Figure 333721DEST_PATH_IMAGE003
为状态量沿梯度方向的变化量，
Figure 587854DEST_PATH_IMAGE004
为控制量沿梯度方向的变化量，
Figure 291367DEST_PATH_IMAGE005
为状态量的变化量，
Figure 39881DEST_PATH_IMAGE006
为控制量的变化量，
Figure 528762DEST_PATH_IMAGE007
为预测区间，
Figure 970107DEST_PATH_IMAGE008
为学习率，
Figure 203993DEST_PATH_IMAGE009
为履带车辆平台在k时刻第i个预测时域的预测状态，
Figure 693880DEST_PATH_IMAGE010
为k时刻第i个预测时域的参考状态，
Figure 83273DEST_PATH_IMAGE011
为k时刻第i个预测时域求解的控制量，
Figure 383936DEST_PATH_IMAGE012
为k时刻第i个预测时域的参考控制量，
Figure 858779DEST_PATH_IMAGE013
为状态量的权重参数，
Figure 463942DEST_PATH_IMAGE014
为控制量的权重参数，N c为控制区间。
9.根据权利要求8所述的一种履带车辆平台路径跟踪控制系统，其特征在于，所述第二优化目标函数建立模块具体包括：
Figure 911104DEST_PATH_IMAGE015
；
其中，
Figure 428673DEST_PATH_IMAGE016
为第二优化目标函数，
Figure 344807DEST_PATH_IMAGE017
为拉格朗日乘子，
Figure 238814DEST_PATH_IMAGE018
为部分或全部预测区间，用于影响权重参数的更新，
Figure 806061DEST_PATH_IMAGE018
小于或等于
Figure 481150DEST_PATH_IMAGE007
，
Figure 196165DEST_PATH_IMAGE019
为两向量逐元素相乘，相乘后向量维度不变，
Figure 582278DEST_PATH_IMAGE020
。
10.根据权利要求6所述的一种履带车辆平台路径跟踪控制系统，其特征在于，所述迭代完成模块具体包括：
电机转速确定单元，用于采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制；
电机控制单元，用于利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
CN202210314386.8A 2022-03-29 2022-03-29 一种履带车辆平台路径跟踪控制方法及系统 Active CN114415522B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210314386.8A CN114415522B (zh) 2022-03-29 2022-03-29 一种履带车辆平台路径跟踪控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210314386.8A CN114415522B (zh) 2022-03-29 2022-03-29 一种履带车辆平台路径跟踪控制方法及系统

Publications (2)

Publication Number Publication Date
CN114415522A true CN114415522A (zh) 2022-04-29
CN114415522B CN114415522B (zh) 2022-07-05

Family

ID=81263932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210314386.8A Active CN114415522B (zh) 2022-03-29 2022-03-29 一种履带车辆平台路径跟踪控制方法及系统

Country Status (1)

Country Link
CN (1) CN114415522B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286683A (zh) * 2019-07-15 2019-09-27 北京科技大学 一种履带式移动机器人的自主行驶路径跟踪控制方法
US20190351944A1 (en) * 2018-05-15 2019-11-21 Cnh Industrial America Llc System and method for executing straight tracking control of a work vehicle
CN110780674A (zh) * 2019-12-04 2020-02-11 哈尔滨理工大学 一种提高自动驾驶轨迹跟踪控制的方法
CN111703432A (zh) * 2020-06-28 2020-09-25 湖南大学 一种智能履带车辆滑动参数实时估计方法
CN112434407A (zh) * 2020-11-11 2021-03-02 湖南科技大学 一种履带式车辆多悬挂动力学参数分配优化设计方法
CN113608530A (zh) * 2021-07-22 2021-11-05 武汉理工大学 一种带有pid转角补偿的参数自整定lqr路径跟踪方法
CN114103926A (zh) * 2021-12-08 2022-03-01 北京理工大学 混合动力履带车辆速度与能量协同优化方法、介质、设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190351944A1 (en) * 2018-05-15 2019-11-21 Cnh Industrial America Llc System and method for executing straight tracking control of a work vehicle
CN110286683A (zh) * 2019-07-15 2019-09-27 北京科技大学 一种履带式移动机器人的自主行驶路径跟踪控制方法
CN110780674A (zh) * 2019-12-04 2020-02-11 哈尔滨理工大学 一种提高自动驾驶轨迹跟踪控制的方法
CN111703432A (zh) * 2020-06-28 2020-09-25 湖南大学 一种智能履带车辆滑动参数实时估计方法
CN112434407A (zh) * 2020-11-11 2021-03-02 湖南科技大学 一种履带式车辆多悬挂动力学参数分配优化设计方法
CN113608530A (zh) * 2021-07-22 2021-11-05 武汉理工大学 一种带有pid转角补偿的参数自整定lqr路径跟踪方法
CN114103926A (zh) * 2021-12-08 2022-03-01 北京理工大学 混合动力履带车辆速度与能量协同优化方法、介质、设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
魏领军 等: "某履带装甲车辆传动轴动态转矩数据采集及分析", 《汽车工程学报》, vol. 11, no. 2, 31 March 2021 (2021-03-31), pages 86 - 92 *

Also Published As

Publication number Publication date
CN114415522B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN111413966B (zh) 一种递进式模型预测无人驾驶规划跟踪协同控制方法
CN110989576B (zh) 速差滑移转向车辆的目标跟随及动态障碍物避障控制方法
CN110244735B (zh) 移动机器人跟踪预定轨迹的启发式动态规划控制方法
CN109969181B (zh) 一种车道偏离辅助系统及其车道偏离辅助方法
CN108594639B (zh) 一种基于强化学习的全垫升气垫船航迹跟踪控制方法
CN111538328B (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
CN113110504B (zh) 一种基于强化学习和视线法的无人艇路径跟踪方法
CN114967676A (zh) 基于强化学习的模型预测控制轨迹跟踪控制系统及方法方法
CN114510063B (zh) 一种无人履带车辆及其轨迹跟踪控制方法和系统
CN112857385B (zh) 一种基于非均匀栅格模型的快速无人车局部路径规划方法
CN113467470B (zh) 一种无人自主小车的轨迹跟踪控制方法
CN113433942B (zh) 一种基于最优航向角的长轴车辆路径跟踪控制方法
Zhu et al. An adaptive path tracking method for autonomous land vehicle based on neural dynamic programming
CN113848927A (zh) 一种自主规划路径的自动驾驶系统
CN115236973A (zh) 基于pso李雅普诺夫函数的agv轨迹跟踪控制方法
CN110262513B (zh) 一种海洋机器人轨迹跟踪控制结构的设计方法
CN114906128A (zh) 一种基于mcts算法的自动泊车运动规划方法
CN113911103A (zh) 一种混合动力履带车辆速度与能量协同优化方法及系统
CN114415522B (zh) 一种履带车辆平台路径跟踪控制方法及系统
CN115202341B (zh) 一种自动驾驶车辆横向运动控制方法及系统
CN116653930A (zh) 一种面向多种泊车场景的路径规划方法
CN113325694B (zh) 一种基于机器学习的模型预测控制参数的整定方法
CN114997048A (zh) 基于探索策略改进的td3算法的自动驾驶车辆车道保持方法
CN115857483A (zh) 一种基于控制障碍函数模型预测控制算法的无人船避障控制方法
CN115373287B (zh) 一种折腰转向拖拉机的自适应参数模型预测路径跟踪控制方法

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