CN115042818A - 基于反馈纯跟踪的智能车辆路径跟随控制方法 - Google Patents

Abstract

本发明涉及一种基于反馈纯跟踪的智能车辆路径跟随控制方法，具体步骤如下：根据车辆状态和期望路径确定最近路径点，并计算反馈横向偏差；根据车速和最近路径点的曲率确定前视距离；根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差；根据上述前视距离和前馈横向偏差计算前馈控制量；根据上述车速和最近路径点的曲率确定系数，并根据上述前视距离和反馈横向偏差计算反馈控制量；上述前馈控制量和反馈控制量相加，得到前轮转角控制量。有益效果：本发明考虑到智能车辆与期望路径的实时横向偏差，在不同工况下保持良好的路径跟随精度，具有较强的鲁棒性，能够提高路径跟随精度和行驶稳定性。

Description

基于反馈纯跟踪的智能车辆路径跟随控制方法

技术领域

本发明属于智能车辆领域，尤其涉及一种基于反馈纯跟踪的智能车辆路径跟随控制方法。

背景技术

近年来，智能无人驾驶车辆迅速发展，逐步在矿区、港口、园区等相对封闭场景中进行商业化应用，并以辅助驾驶的方式参与人们的日常交通，具有广阔的前景。智能车辆系统涉及定位导航、环境感知、决策规划、运动控制等关键技术，其中路径跟随技术是通过控制转向系统改变横向运动状态，使车辆按照预设路线行驶，是运动控制的重要组成部分。

根据是否需要建立车辆模型，可将现有研究分为无模型方法和有模型方法两大类。无模型的控制方法是不建立车辆模型直接计算控制量，这类方法主要依靠人类经验或大量训练样本，能够实现路径跟随功能，但参数选定过程复杂，或需要采集大量的高质量训练样本，训练耗时长，泛化能力较弱。有模型的控制方法通过建立车辆运动学或动力学模型，考虑车辆的系统特性从而进行控制量的计算，这类方法具备参数选定简单、跟随精度高的特点，但随着模型复杂度的提高，求解难度和运算成本升高，甚至无法满足实时性要求；另外，复杂车辆模型参数较多，无法对其进行充分的测量或辨识，也是导致复杂车辆模型在实际车辆控制应用中难于部署和控制精度达不到预期要求的重要原因。

发明内容

本发明的目的在于克服上述技术的不足，提出一种基于反馈纯跟踪的智能车辆路径跟随控制方法，在不同工况下保持良好的路径跟随精度，具有较强的鲁棒性，可以提高路径跟随精度和行驶稳定性。

本发明为实现上述目的，采用以下技术方案：一种基于反馈纯跟踪的智能车辆路径跟随控制方法，具体步骤如下：

步骤1)：根据车辆状态和期望路径确定最近路径点，并计算反馈横向偏差；

步骤2)：根据车速和最近路径点的曲率确定前视距离；

步骤3)：根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差；

步骤4)：根据所述的前视距离和前馈横向偏差计算前馈控制量；

步骤5)：根据所述的车速和最近路径点的曲率确定系数，并根据所述前视距离和反馈横向偏差计算反馈控制量；

步骤6)：所述前馈控制量和反馈控制量相加，得到前轮转角控制量。

进一步地，步骤1)所述根据车辆位置和期望路径确定最近路径点，并计算反馈横向偏差，具体为：

S21：期望路径以序列形式存储，编号从1开始，数量为m，所述期望路径由如下：

T＝[p₁ p₂ ... p_j ... p_m]

其中，p_j表示第j个路径点；

S22：所述单个路径点如下：

p_j＝[x_j y_j c_j]

其中，x_j表示横坐标、y_j表示纵坐标，c_j表示曲率；

S23：车辆与各路径点的距离计算如下：

其中，公式中参数代表含义与S22公式中所代表含义一致，X表示车辆的横坐标，Y表示车辆的纵坐标；

S24：车辆与期望路径的最小距离计算如下：

l_min＝min{l₁ l₂ ... l_j ... l_m}

其中，公式中参数代表含义与S23公式中所代表含义一致，min表示最近路径点的序号；

S25：反馈横向偏差的计算如下：

e_l＝(Y-y_min)cosθ-(X-x_min)sinθ

其中，公式中参数代表含义与S22、S23公式中所代表含义一致，θ表示车辆的航向角。

进一步地，步骤2)中，所述根据车速和最近路径点的曲率确定前视距离，具体为：

S31：前视距离的计算如下：

L_d＝L₀+k₁v+k₂|c_min|

其中，公式中参数代表含义与S22公式中所代表含义一致，L₀表示前视距离基值，v表示车速，k₁和k₂表示控制参数。

进一步地，步骤3)中，所述根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差，具体为：

S41：前视位置计算如下：

其中，公式中参数代表含义与S23、S25、S31公式中所代表含义一致；

S42：前视位置与各路径点的距离计算如下：

其中，公式中参数代表含义与S22、S41公式中所代表含义一致；

S43：前视位置与期望路径的最小距离计算如下：

L_{min_d}＝min{L₁ L₂ ... L_j ... L_m}

其中，公式中参数代表含义与S42公式中所代表含义一致，min_d表示目标路径点的序号；

S44：前馈横向偏差的计算如下：

e_d＝(Y_d-y_{min_d})cosθ-(X_d-x_{min_d})sinθ

其中，公式中参数代表含义与S22、S25、S41、S43公式中所代表含义一致。

进一步地，步骤4)中，所述根据上述前视距离和前馈横向偏差计算前馈控制量，具体为：

S51：前馈控制量计算如下：

其中，公式中参数代表含义与S44、S31公式中所代表含义一致，l表示车辆的轴距。

进一步地，步骤5)中，所述根据上述车速和最近路径点的曲率确定系数，具体为：

S61：系数的计算如下：

其中，公式中参数代表含义与S22、S24、S31公式中所代表含义一致，r表示转弯半径阈值，k_3max表示系数阈值，n表示控制参数；

S62：反馈控制量的计算如下：

其中，公式中参数代表含义与S44、S31、S51、S61公式中所代表含义一致。

进一步地，步骤6)所述上述前馈控制量和反馈控制量相加，得到前轮转角控制量，具体为：

S71：前轮转角控制的计算如下：

δ_r＝δ_d+δ_c

其中，公式中参数代表含义与S51、S62公式中所代表含义一致。

有益效果：本发明考虑到智能车辆与期望路径的实时横向偏差，在不同工况下保持良好的路径跟随精度，具有较强的鲁棒性，能够提高路径跟随精度和行驶稳定性。

附图说明

图1是路径跟随控制方法实施流程图；(摘要附图)

图2(a)是“走捷径”现象示意图；

图2(b)是曲率影响前视距离的选定视图；

图3是纯跟踪方法示意图；

图4是反馈控制量计算方法示意图；

图5是行驶路线曲率变化曲线；

图6是不同速度下的跟踪精度对比图；

图7是115kg载荷的实验结果图；

图8是192kg载荷的实验结果图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。

详见附图1，本实施例提供了一种反馈纯跟踪的控制方法，具体实施步骤如下：

步骤1)：根据车辆状态和期望路径确定最近路径点，并计算反馈横向偏差；遍历期望路径的所有路径点，计算每个路径点与车辆的距离，通过对比得到最小距离，用min表示最小距离路径点的序号，计算车辆与最近路径点的横向距离，作为反馈横向偏差，具体为：

S21：期望路径以序列形式存储，编号从1开始，数量为m，所述期望路径由如下：

T＝[p₁ p₂ ... p_j ... p_m]

其中，p_j表示第j个路径点；

S22：所述单个路径点的属性由横坐标、纵坐标和曲率构成，如下：

p_j＝[x_j y_j c_j]

其中，x_j表示横坐标、y_j表示纵坐标，c_j表示曲率；

S23：车辆与各路径点的距离计算如下：

其中，公式中参数代表含义与S22公式中所代表含义一致，X表示车辆的横坐标，Y表示车辆的纵坐标；

S24：车辆与期望路径的最小距离计算如下：

l_min＝min{l₁ l₂ ... l_j ... l_m}

其中，公式中参数代表含义与S23公式中所代表含义一致，min表示最近路径点的序号；

S25：反馈横向偏差的计算如下：

e_l＝(Y-y_min)cosθ-(X-x_min)sinθ

其中，公式中参数代表含义与S22、S23公式中所代表含义一致，θ表示车辆的航向角；

步骤2)：根据车速和最近路径点的曲率确定前视距离；所述前视距离的选定原则与驾驶员操控车辆时向前观测道路情况的行为规律。驾驶员的行为规律为：在平直道路上，驾驶员可观测的距离较远，能够对远处道路的情况提前做出反应，通过缓慢调整控制量以消除偏差，可适当提高行驶速度；在转弯半径较小的道路上，驾驶员可观测的距离较近，无法对远处道路的情况做出提前反应，需要保持较低的偏差水平，需要降速行驶。由此可得，车速对前视距离的影响：车速较快时，增大前视距离；车速较慢时，减小前视距离。此外，路径弯曲度影响前视距离的选择。如图2所示，采用图2(a)中的前视距离跟随曲率绝对值更大的期望路径时，“走捷径”现象加剧，阴影部分增大；为保持阴影部分大小与图2(a)中相同，应采用较短的前视距离。由此可得，详见附图2(b)，曲率对前视距离的影响：曲率绝对值越大，前视距离越小；曲率绝对值越小，前视距离越大。具体为：

S31：前视距离的计算如下：

L_d＝L₀+k₁v+k₂|c_min|

其中，公式中参数代表含义与S22公式中所代表含义一致，L₀表示前视距离基值，v表示车速，k₁和k₂表示控制参数；

步骤3)：根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差；根据车辆的位置、航向、速度和前视距离，确定车辆的前视位置，然后确定前视位置与期望路径最近的路径点，并计算前视位置与该最近路径点的横向距离，作为前馈横向偏差，具体为：

S41：前视位置计算如下：

其中，公式中参数代表含义与S23、S25、S31公式中所代表含义一致；

S42：前视位置与各路径点的距离计算如下：

其中，公式中参数代表含义与S22、S41公式中所代表含义一致；

S43：前视位置与期望路径的最小距离计算如下：

L_{min_d}＝min{L₁ L₂ ... L_j ... L_m}

其中，公式中参数代表含义与S42公式中所代表含义一致，min_d表示目标路径点的序号；

S44：前馈横向偏差的计算如下：

e_d＝(Y_d-y_{min_d})cosθ-(X_d-x_{min_d})sinθ

其中，公式中参数代表含义与S22、S25、S41、S43公式中所代表含义一致；

步骤4)：根据上述前视距离和前馈横向偏差计算前馈控制量；采用纯跟踪方法计算前馈控制量，纯跟踪方法如图3所示，具体为：

S51：前馈控制量计算如下：

其中，公式中参数代表含义与S44、S31公式中所代表含义一致，l表示车辆的轴距；

步骤5)：根据上述车速和最近路径点的曲率确定系数，并根据上述前视距离和反馈横向偏差计算反馈控制量；所述反馈横向偏差是路径跟随精度的重要衡量指标，纯跟踪方法在计算前轮转角控制量时未考虑横向偏差，导致在控制过程中的路径跟随精度较低。为提高路径跟随精度，克服传统纯跟踪方法横向偏差较大的不足，提出以横向偏差为反馈变量的补偿转角计算方法，如图4所示。图中反馈横向偏差与系数相乘，同时将前视距离以车速方向为中轴进行镜像，参照纯跟踪模型中转角的计算公式可以得到反馈补偿转角控制量，具体为：

S61：系数的计算如下：

其中，公式中参数代表含义与S22、S24、S31公式中所代表含义一致，r表示转弯半径阈值，k_3max表示系数阈值，n表示控制参数；

S62：反馈控制量计算如下：

其中，公式中参数代表含义与S44、S31、S51、S61公式中所代表含义一致；

步骤6)：所述前馈控制量和反馈控制量相加，得到前轮转角控制量，具体为：

S81：前轮转角控制的计算如下：

δ_r＝δ_d+δ_c

其中，公式中参数代表含义与S51、S62公式中所代表含义一致。

实施例

本发明提出一种反馈纯跟踪的控制方法，提高路径跟随精度和行驶稳定性。首先分析纯跟踪方法中影响控制效果的因素；然后根据车辆速度和路径曲率动态调节前视距离，并在转弯半径较小时，以横向偏差为反馈变量，对前轮转角控制量进行动态补偿。本发明基于“军交木牛Ⅱ”实车平台进行路径跟随试验。

一、实车平台和期望路径

所用试验平台为“军交木牛Ⅱ”，该平台为课题组自行设计研制的无人载货运输智能车，轴距1.2m，行驶路线长度为250m，曲率变化如图5所示，包含左转、右转、S弯、直线等工况。

二、试验结果

本发明参数设置如下：L₀设定为3m，k₁＝0.1，k₂＝-10，r设定为300m，k_3max设定为10，n设定为2。

(1)车速分别设定为0.8m/s、2.0m/s和3.0m/s，以前视距离为3m的纯跟踪方法作为对照组进行试验，结果如图6所示。纯跟踪方法的最大横向偏差绝对值分别为0.42m、0.18m、0.17m，本发明所提方法的最大横向偏差绝对值分别为0.15m、0.12m、0.09m，路径跟随精度更高。

(2)载荷分别附加115kg、192kg，车速分别设定为0.8m/s、2.0m/s进行试验，试验结果如图7和图8所示。在0.8m/s和2.0m/s车速工况下，115kg载荷时，纯跟踪方法最大横向偏差绝对值分别为0.33m、0.31m，反馈纯跟踪方法为0.16m、0.11m；192kg载荷时，纯跟踪方法最大横向偏差绝对值分别为0.47m、0.32m，反馈纯跟踪为0.18m、0.16m。本发明所提方法对载荷变化的适应性较好。

上述参照实施例对一种基于反馈纯跟踪的智能车辆路径跟随控制方法的详细描述，是说明性的而不是限定性的，可按照所限定范围列举出若干个实施例，因此在不脱离本发明总体构思下的变化和修改，应属本发明的保护范围之内。

Claims (7)

1.一种基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：具体步骤如下：

步骤1)：根据车辆状态和期望路径确定最近路径点，并计算反馈横向偏差；

步骤2)：根据车速和最近路径点的曲率确定前视距离；

步骤3)：根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差；

步骤4)：根据所述的前视距离和前馈横向偏差计算前馈控制量；

步骤5)：根据所述的车速和最近路径点的曲率确定系数，并根据所述前视距离和反馈横向偏差计算反馈控制量；

步骤6)：所述前馈控制量和反馈控制量相加，得到前轮转角控制量。

2.根据权利要求1所述的基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：步骤1)所述根据车辆位置和期望路径确定最近路径点，并计算反馈横向偏差，具体为：

S21：期望路径以序列形式存储，编号从1开始，数量为m，所述期望路径由如下：

T＝[p₁ p₂…p_j…p_m]

其中，p_j表示第j个路径点；

S22：所述单个路径点如下：

p_j＝[x_j y_j c_j]

其中，x_j表示横坐标、y_j表示纵坐标，c_j表示曲率；

S23：车辆与各路径点的距离计算如下：

其中，公式中参数代表含义与S22公式中所代表含义一致，X表示车辆的横坐标，Y表示车辆的纵坐标；

S24：车辆与期望路径的最小距离计算如下：

l_min＝min{l₁ l₂...l_j...l_m}

其中，公式中参数代表含义与S23公式中所代表含义一致，min表示最近路径点的序号；

S25：反馈横向偏差的计算如下：

e_l＝(Y-y_min)cosθ-(X-x_min)sinθ

其中，公式中参数代表含义与S22、S23公式中所代表含义一致，θ表示车辆的航向角。

3.根据权利要求1所述的基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：步骤2)中，所述根据车速和最近路径点的曲率确定前视距离，具体为：

S31：前视距离的计算如下：

L_d＝L₀+k₁v+k₂|c_min|

其中，公式中参数代表含义与S22公式中所代表含义一致，L₀表示前视距离基值，v表示车速，k₁和k₂表示控制参数。

4.根据权利要求1所述的基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：步骤3)中，所述根据车辆状态、前视距离和期望路径确定目标点，并计算前馈横向偏差，具体为：

S41：前视位置计算如下：

其中，公式中参数代表含义与S23、S25、S31公式中所代表含义一致；

S42：前视位置与各路径点的距离计算如下：

其中，公式中参数代表含义与S22、S41公式中所代表含义一致；

S43：前视位置与期望路径的最小距离计算如下：

L_{min_d}＝min{L₁ L₂...L_j...L_m}

其中，公式中参数代表含义与S42公式中所代表含义一致，min_d表示目标路径点的序号；

S44：前馈横向偏差的计算如下：

e_d＝(Y_d-y_{min_d})cosθ-(X_d-x_{min_d})sinθ

其中，公式中参数代表含义与S22、S25、S41、S43公式中所代表含义一致。

5.根据权利要求1所述的基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：步骤4)中，所述根据上述前视距离和前馈横向偏差计算前馈控制量，具体为：

S51：前馈控制量计算如下：

其中，公式中参数代表含义与S44、S31公式中所代表含义一致，l表示车辆的轴距。

6.根据权利要求1所述的基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：步骤5)中，所述根据上述车速和最近路径点的曲率确定系数，具体为：

S61：系数的计算如下：

其中，公式中参数代表含义与S22、S24、S31公式中所代表含义一致，r表示转弯半径阈值，k_3max表示系数阈值，n表示控制参数；

S62：反馈控制量的计算如下：

其中，公式中参数代表含义与S44、S31、S51、S61公式中所代表含义一致。

7.根据权利要求1所述的基于反馈纯跟踪的智能车辆路径跟随控制方法，其特征是：步骤6)所述上述前馈控制量和反馈控制量相加，得到前轮转角控制量，具体为：

S71：前轮转角控制的计算如下：

δ_r＝δ_d+δ_c

其中，公式中参数代表含义与S51、S62公式中所代表含义一致。

Images