CN115675459A - 一种智能车辆及其路径跟踪的控制方法、装置和存储介质 - Google Patents

Abstract

本发明提供了一种智能车辆及其路径跟踪的控制方法、装置和存储介质。控制方法包括：搭建基于三自由度车辆动力学模型；搭建魔术公式轮胎模型；选取MPC作为基准，设计车辆横向控制算法；以双PID控制作为基准，设计车辆纵向控制算法；耦合车辆横向控制算法和车辆纵向控制算法，确定横纵向控制算法，并根据横纵向控制算法控制车辆。本发明解决的问题是：相关技术中的模型预测控制器的性能和横纵向解耦无法准确描述车辆行驶状态。

Description

一种智能车辆及其路径跟踪的控制方法、装置和存储介质

技术领域

本发明涉及车辆技术领域，具体而言，涉及一种智能车辆及其路径跟踪的控制方法、装置和存储介质。

背景技术

目前，智能车辆的控制分为横向控制和纵向控制，工程上横向控制多以建立车辆运动学模型，以LQR作为横向控制算法，PID作为纵向控制算法为主。针对车辆这一复杂的系统，以LQR作为横向控制的主要算法可以保证车辆在平稳驾驶的工况下可以实现车辆较好的控制效果，但由于LQR算法无法对车辆状态量进行约束，在高速或大曲率等情况下容易出现控制误差较大的问题。模型预测控制(Model Predictive Control,MPC)在每一个采用时刻，根据获得的当前测量信息，在线求解一个有限时间开环优化问题，并将得到的控制序列的第一个元素作用于被控对象。在下一个采样时刻，重复上述过程：用新的测量值作为此时预测系统未来动态的初始条件，刷新优化问题并重新求解。并且能够对车辆状态量及控制量添加约束，相比于LQR更具优势，故现在对基于MPC的智能车辆控制方法研究也逐渐增多。

现有技术的缺陷和不足：

1.运动学模型无法准确描述车辆行驶状态，高速下车辆状态变化较大时，无法适应车辆高度非线性系统的使用；

2.以LQR作为横向控制算法无法对车辆的运动状态进行约束，在复杂工况或较极端工况下控制效果不理想；

3.传统的MPC算法参数固定，无法适应变化的车辆行驶工况，鲁棒性较差，不能根据车辆行驶工作进行自适应调整；

智能车辆路径跟踪控制算法是车辆实现智能驾驶功能的最后一环，是连接车辆执行机构的控制器，随着智能驾驶领域的不断发展，高级别的自动驾驶对车辆路径跟踪控制的性能也有了更高的要求，例如跟踪精度，稳定性，安全性等。同时，控制算法应有较强的鲁棒性，能适应自车状态及环境的变化。

由此可见，相关技术中存在的问题是：相关技术中的模型预测控制器的性能和横纵向解耦无法准确描述车辆行驶状态。

发明内容

本发明解决的问题是：相关技术中的模型预测控制器的性能和横纵向解耦无法准确描述车辆行驶状态。

为解决上述问题，本发明的第一目的在于提供一种智能车辆路径跟踪的控制方法。

本发明的第二目的在于提供一种智能车辆路径跟踪的控制装置。

本发明的第三目的在于提供一种智能车辆。

本发明的第四目的在于提供一种可读存储介质。

为实现本发明的第一目的，本发明的实施例提供了一种智能车辆路径跟踪的控制方法，控制方法包括：搭建基于三自由度车辆动力学模型；搭建魔术公式轮胎模型；选取MPC作为基准，设计车辆横向控制算法；以双PID控制作为基准，设计车辆纵向控制算法；耦合车辆横向控制算法和车辆纵向控制算法，确定横纵向控制算法，并根据横纵向控制算法控制车辆。

与现有技术相比，采用该技术方案所达到的技术效果：本发明以提升智能车辆路径跟踪控制算法性能及多工况适用性为目标，搭建三自由度车辆动力学模型及魔术公式轮胎模型，对传统的MPC横向控制算法进行改进，设计了自适应权重变化的模型预测控制器，并在纵向采用双PID控制对纵向位置及纵向速度进行跟踪控制，由于采用了三自由度动力学模型，算法可以实现横纵耦合的方式对车辆进行控制，控制效果更好。上述过程中，由于采用了更精确的车辆模型，能够减小模型与实际车辆行驶状态的误差，并设计自适应的MPC控制器，保证车辆对行驶工况变化的适应性。

在本发明的一个实施例中，搭建基于三自由度车辆动力学模型，包括：以大地为参考建立坐标系XOY，以车辆为参考建立坐标系oxyz，对车辆进行动力学分析，确定车辆沿x轴、y轴和z轴的动力学方程：

将质心从车辆坐标系下的坐标转换到大地坐标系下的坐标：

根据轮胎侧向力、纵向力与侧偏角和滑移率的关系，并作简化考虑，确定基于三自由度车辆动力学模型：

其中，坐标原点o在车辆质心处，x轴正方向为车辆前进方向，y轴与x轴在同一平面且垂直，遵循右手法则，z轴垂直于xoy平面；m为整车整备质量；a、b分别为车辆质心到后轴的距离；

为车辆横摆角；

表示横摆角速度；

表示横摆角速度的导数；I_Z为车辆绕轴的转动惯量；

和

分别表示车辆在x轴、y轴方向上的速度和加速度；F_xf、F_yf分别为车辆前轮受到的沿x轴方向的力和沿y轴方向的力；F_xr、F_yr分别为车辆后轮受到的沿x轴方向的力和沿y轴方向的力；

是将车辆坐标系下的车辆质心坐标转换到大地坐标系下的坐标的表现形式；C_lf为前轮左侧轮胎的侧偏刚度；s_f为前轮轮胎滑移率；C_cf为前轮右侧轮胎的侧偏刚度；δ为车辆横摆角；s_r为后轮轮胎滑移率；C_cr为后轮右侧轮胎的侧偏刚度。

与现有技术相比，采用该技术方案所达到的技术效果：本发明的方法建立的三自由度车辆动力学模型能够保证横纵向控制通过速度进行耦合，相比于横纵向解耦更贴合车辆实际形式情况。

在本发明的一个实施例中，搭建魔术公式轮胎模型，包括：

建立魔术公式轮胎模型：

Y(x)＝D sin{C arctan[Bx-E(Bx-arctan(Bx))]}

其中，Y(x)为输出量，表示侧向力、纵向力或回正力矩；x为输入量，表示轮胎的滑移率或侧偏角；D、C、B、E为魔术公式轮胎模型的计算系数。

与现有技术相比，采用该技术方案所达到的技术效果：本发明的方法建立魔术公式轮胎模型，考虑轮胎附着圆，通过轮胎模型对MPC目标函数添加侧偏角约束，从而保证车辆行驶在安全阈值内，避免发生侧滑等危险情况。

在本发明的一个实施例中，选取MPC作为基准，设计车辆横向控制算法，包括：构建MPC线性误差模型；构建初始MPC目标函数；对初始MPC目标函数添加约束，确定MPC目标函数；根据MPC线性误差模型和MPC目标函数，确定车辆横向控制算法。

与现有技术相比，采用该技术方案所达到的技术效果：本发明的方法能够更加准确地描述车辆的行驶状态。

在本发明的一个实施例中，构建MPC线性误差模型，包括：

对三自由度车辆动力学模型进行简化，获得公式一：

其中，u(t)＝[δ]，表示控制量，即前轮转角；

表示状态量；T为一个控制周期的大小；t为时刻；

公式一在某点处进行泰勒展开，只保留二阶以下的项，获得公式二：

将公式一和公式二相减并化简可以得到线性化方程，获得公式三：

其中，

将公式三离散化成计算机可以处理的数据，获得公式四：

其中，A_k,t＝I+TA(t)；B_k,t＝TB(t)；T为采样时间；k＝t,t+1,…,t+N_p-1；N_p为预测时域；

令

可以得出状态空间表达式：

其中，

x(k+1|t)表示系统状态变量；

为系统状态量矩阵；

为系统控制增量输入矩阵；△u(k|t)为系统输入控制增量；

为系统输出矩阵；

将车辆的横向位置Y和横摆角速度

作为输出量，计算模型在一个预测周期时长内的状态量和输出量，MPC线性误差模型的输出可用下式表示：

Y(t)＝ψ_tx(t|t)+Θ_tΔU(t)

其中，

与现有技术相比，采用该技术方案所达到的技术效果：本实施例的方法在构建出的MPC线性误差模型更加准确。

在本发明的一个实施例中，构建初始MPC目标函数，包括：

构建初始MPC目标函数：

其中，定义权重矩阵Q和R形式如下：

MPC目标函数分解为：

其中，N_p为预测时域；N_c为控制时域。

与现有技术相比，采用该技术方案所达到的技术效果：通过上述控制策略，路径跟踪控制器可根据车辆行驶情况自适应调节权重的变化方式，改变车辆对不同区域的注意力机制，以适应工况的变化。

在本发明的一个实施例中，对初始MPC目标函数添加约束，确定MPC目标函数，包括：

对控制量作以下约束：

u_min≤u(t+i|t)≤u_max i＝0,1,…,N_c-1

对控制增量作以下约束：

△u_min≤△u(t+i|t)≤△u_max i＝0,1,…,N_c-1

对输出量作以下约束：

对侧偏角作以下约束：

α(t+i|t)＜α_max i＝0，1，...，N_c-1

对横摆角速度作以下约束：

其中，u_min和u_max为控制量上下限；△u_min和△u_min为控制增量上下限；η_h,min和η_h,max为输出量的上下边界；λ为松弛因子，表示添加的输出量软约束；α_max表示侧偏角在轮胎线性范围内的最大值；

表示横摆角速度的最大值。

与现有技术相比，采用该技术方案所达到的技术效果：对MPC预测时域和控制时域对控制效果的影响进行仿真分析，根据时域对跟踪效果的影响情况，设计变化函数，来对MPC在同一时刻、不同步长的权重参数进行调整。并依据车辆行驶速度和道路曲率，选取相应的权重参数变化方式，以使得车辆在不同情况下均有较好的控制效果。

为实现本发明的第二目的，本发明的实施例提供了一种智能车辆路径跟踪的控制装置，控制装置包括：第一建模模块，第一建模模块用于搭建基于三自由度车辆动力学模型；第二建模模块，第二建模模块用于搭建魔术公式轮胎模型；第一算法模块，第一算法模块用于选取MPC作为基准，设计车辆横向控制算法；第二算法模块，第二算法模块用于以双PID控制作为基准，设计车辆纵向控制算法；控制模块，控制模块用于耦合车辆横向控制算法和车辆纵向控制算法，确定横纵向控制算法，并根据横纵向控制算法控制车辆。

本发明实施例的智能车辆路径跟踪的控制装置实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤，因而具有如本发明任一实施例的智能车辆路径跟踪的控制方法的全部有益效果，在此不再赘述。

为实现本发明的第三目的，本发明的实施例提供了一种智能车辆，其包括：处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤。

本发明实施例的智能车辆实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤，因而具有如本发明任一实施例的智能车辆路径跟踪的控制方法的全部有益效果，在此不再赘述。

为实现本发明的第四目的，本发明的实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤。

本发明实施例的可读存储介质实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤，因而具有如本发明任一实施例的智能车辆路径跟踪的控制方法的全部有益效果，在此不再赘述。

附图说明

图1为本发明一些实施例的智能车辆路径跟踪的控制方法的步骤流程图；

图2为本发明一些实施例的车辆运动学模型示意图；

图3为本发明一些实施例的三自由度车辆动力学模型示意图；

图4为本发明一些实施例的魔术公式轮胎模型示意图；

图5为本发明一些实施例的MPC算法横向控制结构示意图；

图6为本发明一些实施例的自适应权重变化MPC原理示意图；

图7为本发明一些实施例的双PID纵向控制结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

【第一实施例】

参见图1至图7，本实施例提供一种智能车辆路径跟踪的控制方法，控制方法包括：

S100：搭建基于三自由度车辆动力学模型；

S200：搭建魔术公式轮胎模型；

S300：选取MPC作为基准，设计车辆横向控制算法；

S400：以双PID控制作为基准，设计车辆纵向控制算法；

S500：耦合车辆横向控制算法和车辆纵向控制算法，确定横纵向控制算法，并根据横纵向控制算法控制车辆。

现有技术中，在面向城区及高速情况下的智能驾驶车辆上的应用时，一般控制算法会建立车辆运动学模型或二自由度动力学模型，运动学模型如图2所示，在上述模型的基础上对车辆运动过程进行分析。运动学模型没有考虑车辆的动力学状态，在中低车速下可以用于描述车辆状态，但当车辆车速升高时，车辆呈现高度非线性，简单的运动学模型便无法适应高速下车辆行驶状态的变化；二自由度动力学模型考虑了车辆的在高速下的动力学状态，但其模型由于自由横向、横摆两个自由度，车辆纵向运动学状态需单独考虑，使得横纵向解耦。在另一方面，高阶的自动驾驶功能及今后复杂的车辆行驶环境对智能车辆路径跟踪控制性能也提出了要求。现今典型的智能车辆路径跟踪控制方法大部分基于横向LQR、纵向PID的模式，难以满足今后愈发复杂的车辆行驶工况。

在本实施例中，为对车辆的状态描述更加精准，提升车辆模型的准确度，搭建三自由度车辆动力学模型和轮胎模型，如图3和图4所示。车辆三自由度动力学模型包括车辆横向、纵向、横摆三个自由度，基于三自由度模型可将车辆横向控制与纵向控制耦合，避免了横纵向解耦可能带来的横纵向控制干扰问题。基于上述动力学模型，进行控制算法的搭建。横向采用MPC控制算法，针对车辆多变的行驶工况，对传统的MPC方法进行改进，使其能够适应车辆车速及道路曲率的变化；纵向算法设计分层双PID控制方法，分别对纵向期望位置及期望车速进行跟踪，并根据逆动力学模型计算出车辆所需的电机转矩或制动缸压力，从而实现对车辆的纵向控制。通过三自由度模型使得车辆横纵向控制耦合，提升控制的准确性。

需要说明的是，车辆模型模块包含描述车辆状态的车辆模型及轮胎模型搭建，搭建车辆三自由度动力学模型作为车辆模型，能够保证对车辆状态描述更精确，同时，加入魔术公式轮胎模型，以进一步添加对车辆的约束。横向控制算法模块以MPC为基础，对横向控制算法进行改进，设计自适应车辆行驶工况的控制策略，保证智能车辆路径跟踪控制算法在多工况下适用性。纵向以双PID控制作为纵向位置及速度控制算法，依据经验及仿真进行调参，选取较优参数。横向控制与纵向控制通过三自由度车辆动力学模型实现耦合。只有搭建了动力学模型和轮胎模型才能依据上述模型进行控制算法的设计，控制算法会将计算得到得期望转角和期望速度、加速度等信息输出给车辆的执行机构，即方向盘、油门、踏板等，通过发出的信号控制转向盘转角、油门踏板开度、制动缸压力等，从而实现对车辆的控制。

可以理解地，本发明以提升智能车辆路径跟踪控制算法性能及多工况适用性为目标，搭建三自由度车辆动力学模型及魔术公式轮胎模型，对传统的MPC横向控制算法进行改进，设计了自适应权重变化的模型预测控制器，并在纵向采用双PID控制对纵向位置及纵向速度进行跟踪控制，由于采用了三自由度动力学模型，算法可以实现横纵耦合的方式对车辆进行控制，控制效果更好。上述过程中，由于采用了更精确的车辆模型，能够减小模型与实际车辆行驶状态的误差，并设计自适应的MPC控制器，保证车辆对行驶工况变化的适应性。

【第二实施例】

在一个具体的实施例中，搭建基于三自由度车辆动力学模型，包括：

以大地为参考建立坐标系XOY，以车辆为参考建立坐标系oxyz，对车辆进行动力学分析，确定车辆沿x轴、y轴和z轴的动力学方程：

将质心从车辆坐标系下的坐标转换到大地坐标系下的坐标：

根据轮胎侧向力、纵向力与侧偏角和滑移率的关系，并作简化考虑，确定基于三自由度车辆动力学模型：

其中，坐标原点o在车辆质心处，x轴正方向为车辆前进方向，y轴与x轴在同一平面且垂直，遵循右手法则，z轴垂直于xoy平面；m为整车整备质量；a、b分别为车辆质心到后轴的距离；

为车辆横摆角；

表示横摆角速度；

表示横摆角速度的导数；I_Z为车辆绕轴的转动惯量；

和

分别表示车辆在x轴、y轴方向上的速度和加速度；F_xf、F_yf分别为车辆前轮受到的沿x轴方向的力和沿y轴方向的力；F_xr、F_yr分别为车辆后轮受到的沿x轴方向的力和沿y轴方向的力；

是将车辆坐标系下的车辆质心坐标转换到大地坐标系下的坐标的表现形式；C_lf为前轮左侧轮胎的侧偏刚度；s_f为前轮轮胎滑移率；C_cf为前轮右侧轮胎的侧偏刚度；δ为车辆横摆角；s_r为后轮轮胎滑移率；C_cr为后轮右侧轮胎的侧偏刚度。

需要说明的是，为保证车辆模型能尽可能接近实际车辆状态，搭建三自由度车辆动力学模型作为车辆模型，并对其做以下假设：

(1)假设车辆行驶的道路平坦，不存在坡度；

(2)车辆和悬架系统作为一个刚体，车辆只存在水平方向的运动；

(3)车辆仅为前轮转向；

(4)不考虑车辆行驶过程中左右轮的载荷变化；

(5)以前轮转角作为直接输入，不考虑左右转向轮差异；

(6)不考虑空气阻力的影响。

在本实施例中，建立的模型如图3所示。

需要说明的是，XOY为以大地为参考建立的坐标系，oxyz为以车辆为参考建立的坐标系，坐标原点o在车辆质心处，x轴正方向为车辆前进方向，y轴与x轴在同一平面且垂直，遵循右手法则，z轴垂直于xoy平面。

需要说明的是，滑移率又称为滑动率，当轮胎发出牵引力或制动力时,在轮胎与地面之间都会发生相对运动。滑移率是在车轮运动中滑动成分所占的比例。

可以理解地，本发明的方法建立的三自由度车辆动力学模型能够保证横纵向控制通过速度进行耦合，相比于横纵向解耦更贴合车辆实际形式情况。

【第三实施例】

在一个具体的实施例中，搭建魔术公式轮胎模型，包括：

建立魔术公式轮胎模型：

Y(x)＝D sin{C arctan[Bx-E(Bx-arctan(Bx))]}

其中，Y(x)为输出量，表示侧向力、纵向力或回正力矩；x为输入量，表示轮胎的滑移率或侧偏角；D、C、B、E为魔术公式轮胎模型的计算系数。

在本实施例中，轮胎是车辆前进力的直接作用点，其力学特性对车辆运动有很大的影响。轮胎受到地面侧向力和纵向力的综合作用，通过悬架将力传导至车身，推动车辆前进，所以分析轮胎受到的作用力对车辆模型的准确性以及车辆稳定性具有重要意义。建立轮胎模型有助于分析运动过程中轮胎的力学特性，使车辆模型更接近实际驾驶情况。

需要说明的是，SAE轮胎坐标系可用来描述轮胎六分力，其规定：侧偏角向右转弯为正、向左转弯为负，侧向力向右转弯为正、向左转弯为负，如图4所示。魔术公式轮胎模型建立在SAE坐标系的基础上。确定车辆轮胎型号参数后，可查表计算得相应的模型参数D、C、B、E。并根据车辆垂直载荷及道路附着系数可获得轮胎在不同侧偏角和滑移率下对应的侧向力和纵向力大小。依据轮胎线性区内的侧偏角最大值可对MPC的目标函数添加侧偏角约束。D、C、B、E分别是魔术公式轮胎模型的计算系数，在确定轮胎型号后，即可查找出相应的参数然后计算得到。

可以理解地，本发明的方法建立魔术公式轮胎模型，考虑轮胎附着圆，通过轮胎模型对MPC目标函数添加侧偏角约束，从而保证车辆行驶在安全阈值内，避免发生侧滑等危险情况。

【第四实施例】

参见图6，在一个具体的实施例中，选取MPC作为基准，设计车辆横向控制算法，包括：

S310：构建MPC线性误差模型；

S320：构建初始MPC目标函数；

S330：对初始MPC目标函数添加约束，确定MPC目标函数；

S340：根据MPC线性误差模型和MPC目标函数，确定车辆横向控制算法。

可以理解地，本发明的方法能够更加准确地描述车辆的行驶状态。

【第五实施例】

在一个具体的实施例中，构建MPC线性误差模型，包括：

对三自由度车辆动力学模型进行简化，获得公式一：

其中，u(t)＝[δ]，表示控制量，即前轮转角；

表示状态量；T为一个控制周期的大小；t为时刻；

公式一在某点处进行泰勒展开，只保留二阶以下的项，获得公式二：

将公式一和公式二相减并化简可以得到线性化方程，获得公式三：

其中，

将公式三离散化成计算机可以处理的数据，获得公式四：

其中，A_k,t＝I+TA(t)；B_k,t＝TB(t)；T为采样时间；k＝t,t+1,…,t+N_p-1；N_p为预测时域；

需要说明的是，为能够在模型中对控制量进行约束，将控制量转换成控制增量，并将控制增量与状态量进行组合，令

可以得出状态空间表达式：

其中，

x(k+1|t)表示系统状态变量；

为系统状态量矩阵；

为系统控制增量输入矩阵；△u(k|t)为系统输入控制增量；

为系统输出矩阵；

将车辆的横向位置Y和横摆角速度

作为输出量，计算模型在一个预测周期时长内的状态量和输出量，MPC线性误差模型的输出可用下式表示：

Y(t)＝ψ_tx(t|t)+Θ_tΔU(t)

其中，

可以理解地，本实施例的方法在构建出的MPC线性误差模型更加准确。

【第六实施例】

在一个具体的实施例中，构建初始MPC目标函数，包括：

构建初始MPC目标函数：

需要说明的是，式中第一项用来优化车辆跟踪精度，第二项用来优化控制增量，可以表征车辆行驶稳定性。本发明在预测时域Np和控制时域Nc内对误差及控制增量进行计算时，时域内任意步计算时给与不同的权重，使其对不同区域具有不同的注意力。

其中，定义权重矩阵Q和R形式如下：

MPC目标函数分解为：

其中，N_p为预测时域；N_c为控制时域。

需要说明的是，上式中权重ω即为本发明添加的权重，其示意如图5所示。进一步将上式转化为二次型后即可进行求解。

本发明设置权重变化函数如下：

y＝x²

根据以上两种权重变化，可以有四种分配方式。分别为：

由于目标函数第一项以提升控制精度为主，第二项以提升形式稳定性为主。故本发明设置权重变化方式的选取策略按如下标准进行：

(1)在道路曲率较小且车速较低路段，车辆稳定性较好，着重提升路径跟踪精度，目标函数预测时域与控制时域均采用逐渐减小的方式。

(2)在道路曲率较大且车速较快时，对车辆稳定性要求较高，采用权重逐渐增大的变化方式。

可以理解地，通过上述控制策略，路径跟踪控制器可根据车辆行驶情况自适应调节权重的变化方式，改变车辆对不同区域的注意力机制，以适应工况的变化。

【第七实施例】

在一个具体的实施例中，对初始MPC目标函数添加约束，确定MPC目标函数，包括：

对控制量作以下约束：

u_min≤u(t+i|t)≤u_max i＝0,1,…,N_c-1

对控制增量作以下约束：

△u_min≤△u(t+i|t)≤△u_max i＝0,1,…,N_c-1

对输出量作以下约束：

对侧偏角作以下约束：

α(t+i|t)＜α_max i＝0，1，...，N_c-1

对横摆角速度作以下约束：

其中，u_min和u_max为控制量上下限；△u_min和△u_min为控制增量上下限；η_h,min和η_h,max为输出量的上下边界；λ为松弛因子，表示添加的输出量软约束；α_max表示侧偏角在轮胎线性范围内的最大值；

表示横摆角速度的最大值，用以保证车辆行驶稳定性。

在本实施例中，所设计约束包含控制增量约束、控制量约束、侧偏角约束、输出量约束、侧偏角约束以及横摆角速度约束，并对输出量添加软约束，以提升约束范围的灵活性。确定目标函数和约束后，带约束的优化问题可以总结为如下所示。每个周期内对其进行求解即可求得路径跟踪控制器的输出量。下一步将带约束的优化问题转换成二次型形式，便于计算机求解。

在本实施例中，选取MPC作为基准，根据车速和道路曲率设计参数自适应变化的MPC横向控制算法。考虑车辆控制的实时性要求，将动力学模型进行线性化、离散化处理，采取线性模型预测控制作为控制方法。依据车辆的跟踪精度和稳定性要求设计目标函数，并对目标函数进行改进，使其能够适应变化的车辆行驶工况，依据轮胎模型及车辆车身自身限制设计约束条件，并通过化简成二次规划形式来求取最优控制序列。

可以理解地，对MPC预测时域和控制时域对控制效果的影响进行仿真分析，根据时域对跟踪效果的影响情况，设计变化函数，来对MPC在同一时刻、不同步长的权重参数进行调整。并依据车辆行驶速度和道路曲率，选取相应的权重参数变化方式，以使得车辆在不同情况下均有较好的控制效果。

PID控制模块如图7所示。以纵向期望车速作为输入，通过PID输出对车辆的纵向控制车速，通过逆动力学模型计算出驱动模式下的期望电动机转矩或制动模式下的期望制动主缸压力，实现纵向车速控制。

PID各参数先依据经验在一定范围内选取合适的值，后续通过仿真对参数进行了调试，选取出较优的PID参数值，并以纵向车速为联合点，建立横纵向耦合控制器，实现对车辆的自动路径跟踪控制。

在本实施例中，纵向位置和车速通过搭建双PID控制模块进行控制，依据经验选取合适的PID参数，后续再对参数进行进一步调优。然后基于车辆逆动力学模型，将PID输出参数转换为车辆电机期望转矩或制动主缸压力。

本发明的方法设计了自适应变化的横向控制算法。发明借鉴了人类驾驶员在实际驾驶车辆的过程中，其注意力会更多地集中于靠近车辆的前方道路，对距离本车较远的目标道路也会关注，但关注度会有多减小，基于此，本发明对MPC目标函数的误差项权重选取方式进行了设计。在同一时刻，MPC需对目标函数预测时域内Np步进行预测计算，通常情况下，其每一步的权重均相同。本发明依据上述思想设计了多个权重变化函数，使得在同一时刻下，目标函数误差项在预测时域Np步内，不同步长的权重可以给与不同的值，同时根据车速和道路曲率的变化，切换权重变化方式。通过上述变化，可以使得基于MPC的横向控制算法能够适应变化的行驶工况，在不同行驶状态下选取对应的权重变化方式。

权重变化形式有逐渐增大和逐渐减小两种，以表示驾驶员对不同区域注意力的变化。逐渐减小的权重变化表示车辆对靠近自车的区域关注度更高，逐渐增大的权重变化表示车辆对远离自车的区域关注度更高。

在高速情况下，由于车速较快，车辆对远处的注意力需有所提升，故选用逐渐增大的权重变化方式；在大区率路况下，车辆转向需对距离自车较远处的情况进行关注，故也采用逐渐增大的权重变化方式。

在低速及平直道路上，车辆行驶工况相对稳定良好，提供权重逐渐减小的变化函数，使车辆对靠近自车区域的注意力更高，以提升控制的精度。

需要说明的是，本发明根据上述算法改进思想，已经在仿真平台上对性能进行了多形式工况的验证。仿真设计了换道、超车、大区率弯道行驶以及高速大曲率道路下的行驶场景，并与传统的控制方法进行了对比。在上述多种场景下，本发明设计的路径跟踪控制方法均能取得更好的控制效果。

【第八实施例】

本实施例提供了一种智能车辆路径跟踪的控制装置，控制装置包括：第一建模模块，第一建模模块用于搭建基于三自由度车辆动力学模型；第二建模模块，第二建模模块用于搭建魔术公式轮胎模型；第一算法模块，第一算法模块用于选取MPC作为基准，设计车辆横向控制算法；第二算法模块，第二算法模块用于以双PID控制作为基准，设计车辆纵向控制算法；控制模块，控制模块用于耦合车辆横向控制算法和车辆纵向控制算法，确定横纵向控制算法，并根据横纵向控制算法控制车辆。

本发明实施例的智能车辆路径跟踪的控制装置实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤，因而具有如本发明任一实施例的智能车辆路径跟踪的控制方法的全部有益效果，在此不再赘述。

【第九实施例】

本实施例提供了一种智能车辆，其包括：处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤。

本发明实施例的智能车辆实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤，因而具有如本发明任一实施例的智能车辆路径跟踪的控制方法的全部有益效果，在此不再赘述。

【第十实施例】

本实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤。

本发明实施例的可读存储介质实现如本发明任一实施例的智能车辆路径跟踪的控制方法的步骤，因而具有如本发明任一实施例的智能车辆路径跟踪的控制方法的全部有益效果，在此不再赘述。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (10)

1.一种智能车辆路径跟踪的控制方法，其特征在于，所述控制方法包括：

搭建基于三自由度车辆动力学模型；

搭建魔术公式轮胎模型；

选取MPC作为基准，设计车辆横向控制算法；

以双PID控制作为基准，设计车辆纵向控制算法；

耦合所述车辆横向控制算法和所述车辆纵向控制算法，确定横纵向控制算法，并根据所述横纵向控制算法控制车辆。

2.根据权利要求1所述的控制方法，其特征在于，所述搭建基于三自由度车辆动力学模型，包括：

以大地为参考建立坐标系XOY，以车辆为参考建立坐标系oxyz，对车辆进行动力学分析，确定车辆沿x轴、y轴和z轴的动力学方程：

将质心从车辆坐标系下的坐标转换到大地坐标系下的坐标：

根据轮胎侧向力、纵向力与侧偏角和滑移率的关系，并作简化考虑，确定基于三自由度车辆动力学模型：

其中，坐标原点o在车辆质心处，x轴正方向为车辆前进方向，y轴与x轴在同一平面且垂直，遵循右手法则，z轴垂直于xoy平面；m为整车整备质量；a、b分别为车辆质心到后轴的距离；

为车辆横摆角；

表示横摆角速度；

表示横摆角速度的导数；I_Z为车辆绕轴的转动惯量；

和

分别表示车辆在x轴、y轴方向上的速度和加速度；F_xf、F_yf分别为车辆前轮受到的沿x轴方向的力和沿y轴方向的力；F_xr、F_yr分别为车辆后轮受到的沿x轴方向的力和沿y轴方向的力；

是将车辆坐标系下的车辆质心坐标转换到大地坐标系下的坐标的表现形式；C_lf为前轮左侧轮胎的侧偏刚度；s_f为前轮轮胎滑移率；C_cf为前轮右侧轮胎的侧偏刚度；δ为车辆横摆角；s_r为后轮轮胎滑移率；C_cr为后轮右侧轮胎的侧偏刚度。

3.根据权利要求2所述的控制方法，其特征在于，所述搭建魔术公式轮胎模型，包括：

建立魔术公式轮胎模型：

Y(x)＝D sin{C arctan[Bx-E(Bx-arctan(Bx))]}

其中，Y(x)为输出量，表示侧向力、纵向力或回正力矩；x为输入量，表示轮胎的滑移率或侧偏角；D、C、B、E为魔术公式轮胎模型的计算系数。

4.根据权利要求3所述的控制方法，其特征在于，所述选取MPC作为基准，设计车辆横向控制算法，包括：

构建MPC线性误差模型；

构建初始MPC目标函数；

对所述初始MPC目标函数添加约束，确定MPC目标函数；

根据所述MPC线性误差模型和所述MPC目标函数，确定所述车辆横向控制算法。

5.根据权利要求4所述的控制方法，其特征在于，构建MPC线性误差模型，包括：

对所述三自由度车辆动力学模型进行简化，获得公式一：

其中，u(t)＝[δ]，表示控制量，即前轮转角；

表示状态量；T为一个控制周期的大小；t为时刻；

所述公式一在某点处进行泰勒展开，只保留二阶以下的项，获得公式二：

将所述公式一和所述公式二相减并化简可以得到线性化方程，获得公式三：

其中，

将所述公式三离散化成计算机可以处理的数据，获得公式四：

其中，A_k,t＝I+TA(t)；B_k,t＝TB(t)；T为采样时间；k＝t,t+1,…,t+N_p-1；N_p为预测时域；

令

可以得出状态空间表达式：

其中，

x(k+1|t)表示系统状态变量；

为系统状态量矩阵；

为系统控制增量输入矩阵；△u(k|t)为系统输入控制增量；

为系统输出矩阵；

将车辆的横向位置Y和横摆角速度

作为输出量，计算模型在一个预测周期时长内的状态量和输出量，所述MPC线性误差模型的输出可用下式表示：

Y(t)＝ψ_tx(t|t)+Θ_tΔU(t)

其中，

6.根据权利要求5所述的控制方法，其特征在于，所述构建初始MPC目标函数，包括：

构建所述初始MPC目标函数：

其中，定义权重矩阵Q和R形式如下：

所述MPC目标函数分解为：

其中，N_p为预测时域；N_c为控制时域。

7.根据权利要求6所述的控制方法，其特征在于，所述对所述初始MPC目标函数添加约束，确定MPC目标函数，包括：

对控制量作以下约束：

u_min≤u(t+i|t)≤u_max i＝0,1,…,N_c-1

对控制增量作以下约束：

△u_min≤△u(t+i|t)≤△u_max i＝0,1,…,N_c-1

对输出量作以下约束：

对侧偏角作以下约束：

α(t+i|t)＜α_max i＝0，1，...，N_c-1

对横摆角速度作以下约束：

其中，u_min和u_max为控制量上下限；△u_min和△u_min为控制增量上下限；η_h,min和η_h,max为输出量的上下边界；λ为松弛因子，表示添加的输出量软约束；α_max表示侧偏角在轮胎线性范围内的最大值；

表示横摆角速度的最大值。

8.一种智能车辆路径跟踪的控制装置，其特征在于，所述控制装置包括：

第一建模模块，所述第一建模模块用于搭建基于三自由度车辆动力学模型；

第二建模模块，所述第二建模模块用于搭建魔术公式轮胎模型；

第一算法模块，所述第一算法模块用于选取MPC作为基准，设计车辆横向控制算法；

第二算法模块，所述第二算法模块用于以双PID控制作为基准，设计车辆纵向控制算法；

控制模块，所述控制模块用于耦合所述车辆横向控制算法和所述车辆纵向控制算法，确定横纵向控制算法，并根据所述横纵向控制算法控制车辆。

9.一种智能车辆，其特征在于，所述智能车辆包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至7中任一项所述的控制方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的控制方法的步骤。

Images