CN115871641A - 一种车辆轨迹跟踪和稳定性协同控制方法及装置 - Google Patents

Abstract

本申请提供了一种车辆轨迹跟踪和稳定性协同控制方法及装置，包括：获取车身参数和行驶状态参数；根据车身参数和行驶状态参数，确定自适应协同系数；根据自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度和目标主动横摆力矩；根据目标期望横摆角速度，调整轨迹跟踪控制模型，根据目标主动横摆力矩，调整稳定性控制模型；根据调整后的轨迹跟踪控制模型和稳定性控制模型，确定车辆的前轮转角和各个车轮的纵向力，对车辆进行控制。该方法通过自适应协同系数对轨迹跟踪控制模型和稳定性控制模型进行调整，兼顾车辆的轨迹跟踪控制和稳定性控制，在极限工况下，可以保障车辆的稳定性和轨迹跟踪精度，同时降低能量消耗。

Description

一种车辆轨迹跟踪和稳定性协同控制方法及装置

技术领域

本申请涉及车辆技术领域，尤其涉及一种车辆轨迹跟踪和稳定性协同控制方法、装置、系统以及车辆。

背景技术

针对车辆的运动控制是指控制系统通过执行加减速、转向等指令，控制车辆的运动轨迹，从而使得车辆跟踪参考轨迹(也可称为轨迹跟踪)行驶。其中，运动控制包括纵向运动控制和横向运动控制。相较于保持参考车速、保持车辆间距的纵向运动控制，横向运动控制涉及转向、变道等操作，控制系统不仅需要进行轨迹跟踪控制，还需要进行稳定性控制。

然而，轨迹跟踪控制和稳定性控制之间存在相互干扰，尤其在极限工况(例如紧急避障、路面附着情况突然恶化)的情况下，难以在保障车辆稳定性控制的同时实现较好的轨迹跟踪控制。针对上述问题，业界将主动横摆力矩作为控制变量引入轨迹跟踪控制，在极限工况下，可以在一定程度上改变车辆转向过度或不足的情况，从而提升车辆轨迹跟踪的精度。

然而，采用上述方法进行轨迹跟踪控制确定出的横摆角速度，与稳定性控制确定出的横摆角速度并不相同，无法同时保障车辆的稳定性和轨迹跟踪精度。同时，在非极限工况下采用上述方法对车辆进行轨迹跟踪控制，会对车辆产生不必要的纵向力，从而增加能量消耗。

发明内容

本申请提供了一种车辆轨迹跟踪和稳定性协同控制方法，该方法可以兼顾车辆的轨迹跟踪控制和稳定性控制，保障车辆行驶的稳定性和轨迹跟踪的精度，并且降低车辆控制的能量消耗。本申请还提供了上述方法对应的装置、系统以及车辆。

第一方面，本申请提供了一种车辆轨迹跟踪和稳定性协同控制方法。所述方法包括：

获取车辆的车身参数和行驶状态参数；

根据所述车身参数和所述行驶状态参数，确定自适应协同系数；

根据所述自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度，以及根据所述自适应协同系数，基于所述稳定性控制模型，确定目标主动横摆力矩；

根据所述目标期望横摆角速度，调整所述轨迹跟踪控制模型，以及根据所述目标主动横摆力矩，调整所述稳定性控制模型；

根据所述调整后的轨迹跟踪控制模型和稳定性控制模型，确定所述车辆的前轮转角和各个车轮的纵向力，以对所述车辆进行控制。

在一些可能的实现方式中，所述根据所述自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度，包括：

基于所述轨迹跟踪控制模型和所述稳定性控制模型，确定所述轨迹跟踪控制模型的第一期望横摆角速度和所述稳定性控制模型的第二期望横摆角速度；

根据所述第一期望横摆角速度、所述第二期望横摆角速度和所述自适应协同系数，确定所述目标期望横摆角速度。

在一些可能的实现方式中，所述根据所述自适应协同系数，基于所述稳定性控制模型，确定目标主动横摆力矩，包括：

基于所述稳定性控制模型，确定初始主动横摆力矩；

根据所述初始主动横摆力矩和所述自适应协同系数，确定所述目标主动横摆力矩。

在一些可能的实现方式中，所述根据所述调整后的轨迹跟踪控制模型和稳定性控制模型，确定所述车辆的前轮转角和各个车轮的纵向力，包括：

根据所述调整后的轨迹跟踪控制模型，确定所述车辆的前轮转角；

基于所述调整后的轨迹跟踪控制模型，确定所述车辆的纵向力；

根据所述车身参数，基于所述调整后的稳定性控制模型，确定所述车辆各个车轮的负载程度；

根据所述车辆各个车轮的负载程度和所述车辆的纵向力，确定所述车辆各个车轮的纵向力。

在一些可能的实现方式中，所述车辆的车身参数包括轮胎侧偏刚度，所述行驶状态参数包括实际横摆角速度、轮胎侧向力，所述方法还包括：

根据所述实际横摆角速度和所述轮胎侧向力，确定修正系数；

根据所述修正系数和所述轮胎侧偏刚度，确定目标轮胎侧偏刚度；

将所述轨迹跟踪控制模型的轮胎侧偏刚度修正为目标轮胎侧偏刚度，以获得优化后的轨迹跟踪控制模型。

在一些可能的实现方式中，所述根据所述车身参数和所述行驶状态参数，确定自适应协同系数，包括：

根据所述车身参数和所述行驶状态参数，确定所述车辆的稳定性指数；

当所述车辆的稳定性指数小于或等于稳定性指数阈值，根据第一关系式确定所述自适应协同系数，所述第一关系式表示所述自适应协同系数与所述稳定性指数、所述稳定性指数阈值的对应关系；

当所述车辆的稳定性指数大于稳定性指数阈值，所述自适应协同系数为1。

在一些可能的实现方式中，所述车身参数包括：车辆质量、转动惯量、车轴到质心的距离、轮胎侧偏刚度中的一种或多种；

所述行驶状态参数包括：纵向速度、横向速度、实际横摆角速度、实际质心侧偏角、轮胎侧向力、轮胎侧偏角中的一种或多种。

第二方面，本申请提供了一种车辆轨迹跟踪和稳定性协同控制装置。所述装置包括：

获取模块，用于获取车辆的车身参数和行驶状态参数；

第一确定模块，用于根据所述车身参数和所述行驶状态参数，确定自适应协同系数；

第二确定模块，用于根据所述自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度，以及根据所述自适应协同系数，基于所述稳定性控制模型，确定目标主动横摆力矩；

调整模块，用于根据所述目标期望横摆角速度，调整所述轨迹跟踪控制模型，以及根据所述目标主动横摆力矩，调整所述稳定性控制模型；

第三确定模块，用于根据所述调整后的轨迹跟踪控制模型和稳定性控制模型，确定所述车辆的前轮转角和各个车轮的纵向力，以对所述车辆进行控制。

在一些可能的实现方式中，所述第二确定模块，具体用于：

基于所述轨迹跟踪控制模型和所述稳定性控制模型，确定所述轨迹跟踪控制模型的第一期望横摆角速度和所述稳定性控制模型的第二期望横摆角速度；

根据所述第一期望横摆角速度、所述第二期望横摆角速度和所述自适应协同系数，确定所述目标期望横摆角速度。

在一些可能的实现方式中，所述第二确定模块，具体用于：

基于所述稳定性控制模型，确定初始主动横摆力矩；

根据所述初始主动横摆力矩和所述自适应协同系数，确定所述目标主动横摆力矩。

在一些可能的实现方式中，所述第三确定模块，具体用于：

根据所述调整后的轨迹跟踪控制模型，确定所述车辆的前轮转角；

基于所述调整后的轨迹跟踪控制模型，确定所述车辆的纵向力；

根据所述车身参数，基于所述调整后的稳定性控制模型，确定所述车辆各个车轮的负载程度；

根据所述车辆各个车轮的负载程度和所述车辆的纵向力，确定所述车辆各个车轮的纵向力。

在一些可能的实现方式中，所述车辆的车身参数包括轮胎侧偏刚度，所述行驶状态参数包括实际横摆角速度、轮胎侧向力，所述装置还包括：

优化模块，用于根据所述实际横摆角速度和所述轮胎侧向力，确定修正系数；根据所述修正系数和所述轮胎侧偏刚度，确定目标轮胎侧偏刚度；将所述轨迹跟踪控制模型的轮胎侧偏刚度修正为目标轮胎侧偏刚度，以获得优化后的轨迹跟踪控制模型。

在一些可能的实现方式中，所述第一确定模块，具体用于：

根据所述车身参数和所述行驶状态参数，确定所述车辆的稳定性指数；

当所述车辆的稳定性指数小于或等于稳定性指数阈值，根据第一关系式确定所述自适应协同系数，所述第一关系式表示所述自适应协同系数与所述稳定性指数、所述稳定性指数阈值的对应关系；

当所述车辆的稳定性指数大于稳定性指数阈值，所述自适应协同系数为1。

在一些可能的实现方式中，所述车身参数包括：车辆质量、转动惯量、车轴到质心的距离、轮胎侧偏刚度中的一种或多种；

所述行驶状态参数包括：纵向速度、横向速度、实际横摆角速度、实际质心侧偏角、轮胎侧向力、轮胎侧偏角中的一种或多种。

第三方面，本申请提供了一种车辆轨迹跟踪和稳定性协同控制系统，所述车辆控制系统包括控制器和执行器，所述控制器中存储有指令，所述执行器执行所述指令，使得所述车辆轨迹跟踪和稳定性协同控制系统执行上述第一方面或第一方面的任一种实现方式所述的方法。

第四方面，本申请提供了一种车辆。所述车辆包括如本申请第三方面所述的车辆轨迹跟踪和稳定性协同控制系统。

本申请在上述各方面提供的实现方式的基础上，还可以进行进一步组合以提供更多实现方式。

基于上述内容描述，可知本申请的技术方案具有如下有益效果：

该方法首先获取车辆的车身参数和行驶状态参数，根据车身参数和行驶状态参数确定自适应协同系数，接着根据自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型确定目标期望横摆角速度，基于稳定性控制模型确定目标主动横摆力矩，从而调整轨迹跟踪控制模型和稳定性控制模型，并根据调整后轨迹跟踪控制模型和稳定性控制模型，确定前轮转角和各个车轮的纵向力，以实现车辆控制。该方法通过自适应协同系数对轨迹跟踪控制模型和稳定性控制模型进行调整，从而兼顾车辆的轨迹跟踪控制和稳定性控制，在极限工况下，可以保障车辆的稳定性和轨迹跟踪精度，同时降低能量消耗。

附图说明

结合附图并参考以下具体实施方式，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本申请实施例提供的一种车辆轨迹跟踪和稳定性协同控制方法的流程示意图；

图2为本申请实施例提供的一种车辆动力学模型的示意图；

图3为本申请实施例提供的一种车辆轨迹跟踪控制的示意图；

图4为本申请实施例提供的一种自适应协同系数随稳定性指数的变化趋势示意图；

图5为本申请实施例提供的一种车辆行驶的场景示意图；

图6为本申请实施例提供的一种轨迹跟踪控制模型的仿真结果图；

图7为本申请实施例提供的一种车辆行驶的场景示意图；

图8为本申请实施例提供的一种实现车辆控制的仿真结果图；

图9为本申请实施例提供的一种实现车辆控制的控制器输出结果图；

图10为本申请实施例提供的一种车辆行驶的场景示意图；

图11为本申请实施例提供的一种实现车辆控制的仿真结果图；

图12为本申请实施例提供的一种实现车辆控制的控制器输出结果图；

图13为本申请实施例提供的一种车辆轨迹跟踪和稳定性协同控制装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

为了便于理解本申请的技术方案，下面对本申请具体的应用场景进行说明。

作为智能汽车领域中的一项关键技术，车辆运动控制指车辆执行器通过加减速、转向等操作控制车辆按照规划的轨迹行驶，车辆运动控制的性能直接影响着车辆行驶的安全性、稳定性以及驾乘人员对车辆整体的满意程度。其中，车辆运动控制可以分为纵向运动控制和横向运动控制。纵向运动控制一般指在车辆行驶方向上跟踪期望的速度、车间距，通过驱动和制动协调控制，以满足车辆的速度需求。横向运动控制包括轨迹跟踪控制和稳定性控制，既要能够使得车辆跟踪规划的轨迹行驶，又要保证车辆不会失去动力学稳定性。

在车辆的横向运动控制中，轨迹跟踪控制和稳定性控制之间存在着相互干扰，尤其在例如紧急避障、路面附着情况突然恶化等极端情况下，车辆轮胎力非线性特性的增强，会影响轨迹跟踪控制的准确度，无法保障车辆稳定性的同时获得较好的跟踪精度。针对上述问题，业界通常将主动横摆力矩作为控制变量引入轨迹跟踪控制，从而在一定程度上提升了极端情况下的轨迹跟踪性能。然而，在上述方法中，满足轨迹跟踪控制的期望横摆角速度与满足稳定性控制的期望横摆角速度并不相同，从而可能会增加车辆的不稳定程度。此外，当上述方法应用在良好的行驶条件下时，由于只要存在横向偏差或者航向角偏差，控制器就会输出主动横摆力矩，因此会产生不必要的纵向分布力，增加能量消耗和执行器磨损，无法充分发挥轨迹跟踪控制的作用。

基于此，本申请实施例提供了一种车辆轨迹跟踪和稳定性协同控制方法。该方法首先获取车辆的车身参数和行驶状态参数，根据车身参数和行驶状态参数确定自适应协同系数，接着根据自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型确定目标期望横摆角速度，基于稳定性控制模型确定目标主动横摆力矩，从而调整轨迹跟踪控制模型和稳定性控制模型，并根据调整后轨迹跟踪控制模型和稳定性控制模型，确定前轮转角和各个车轮的纵向力，以实现车辆控制。该方法通过自适应协同系数对轨迹跟踪控制模型和稳定性控制模型进行调整，从而兼顾车辆的轨迹跟踪控制和稳定性控制，在极限工况下，可以保障车辆的稳定性和轨迹跟踪精度，同时降低能量消耗。

接下来，结合附图对本申请实施例提供的车辆轨迹跟踪和稳定性协同控制方法进行详细说明。

参见图1所示的一种车辆轨迹跟踪和稳定性协同控制方法的流程示意图，该方法可以由车辆控制系统执行，具体包括如下步骤：

S101：车辆控制系统获取车辆的车身参数和行驶状态参数。

具体地，车身参数可以是表征车辆物理属性的参数，例如，车身参数可以包括车辆质量、转动惯量、车轴到质心的距离、轮胎侧偏刚度中的一种或多种；行驶状态参数可以是表征车辆当前行驶状况的参数，例如，行驶状态参数可以包括纵向速度、横向速度、实际横摆角速度、实际质心侧偏角、轮胎侧向力、轮胎侧偏角中的一种或多种。

在一些可能的实现方式中，车身参数可以预先保存在车辆的控制器中，行驶状态参数可以由传感器在车辆行驶过程中实时采集。

基于车辆的车身参数和行驶状态参数，车辆控制系统可以构建轨迹跟踪控制模型和稳定性控制模型。接下来，结合图2和图3，对轨迹跟踪控制模型的构建过程进行介绍。

根据牛顿第二运动定律，可以建立车辆的动力学方程：

其中，m为车辆质量，I_z为车身绕z轴的转动惯量，l_f和l_r分别为前、后车轴到质心的距离，v_x为纵向速度，γ为实际横摆角速度，β为实际质心侧偏角，F_yf和F_yr分别为前、后轮胎的侧向力。

由于F_yf和F_yr与轮胎侧偏角呈近似的线性关系，因此，车辆的动力学方程可以进一步表示为：

其中，C_f和C_r分别为前、后轮胎的侧偏刚度，是单个轮胎侧偏刚度的两倍，δ_f为前轮转角。

当车辆配有车道线检测的视觉感知功能时，根据车辆与参考轨迹之间的相对位置关系，可以建立基于单点预瞄的横向轨迹跟踪控制模型：

其中，v_y为横向速度，e_y为横向速度偏差，e_ψ为横摆角偏差，L为预瞄距离，ψ为实际横摆角，有

ψ_d为期望横摆角，/>

为期望横摆角速度，κ_d为参考轨迹的道路曲率。

对应地，建立基于单点预瞄的纵向轨迹跟踪控制模型：

其中，e_x为纵向速度偏差，F_x为车辆的纵向力，该纵向力可以用于速度跟踪，v_xd为纵向参考速度，a_d为参考加速度。

结合式(2)至式(4)，将状态变量确定为x＝[e_x,e_y,β,e_ψ,γ]^T，控制变量确定为u＝[F_x,δ_f]^T，扰动变量确定为w＝[―a_d,0,0,―κ_dv_x,0]^T，并选取输出变量为y＝[e_x,e_y,e_ψ]^T，此时，轨迹跟踪控制模型的状态空间方程可以表示为：

其中，

对式(5)中的轨迹跟踪控制模型的状态空间方程进行离散化，并将离散状态变量x(k)与控制变量u(k)结合，可以获得扩维后的状态空间方程：

其中，

Δu(k)＝u(k+1)―u(k)，/>

A_d＝I+AT，B_d＝BT，C_d＝C。

当轨迹跟踪控制模型在预测时域为N_p，控制时域为N_c中执行时，预测时域内的输出变量可以表示为：

其中，

Y(k)＝[y(k+1),y(k+2),…,y(k+N_p)]^T，/>

ΔU(k)＝[Δu(k),Δu(k+1),…,Δu(k+N_c―1)]^T，

在轨迹跟踪控制模型中，目标函数的选取可以综合考虑控制变量和输出变量，以实现控制变量和输出变量的整体优化，在一些可能的实现方式中，可以将轨迹跟踪控制模型的求解转化为二次规划问题：

minJ＝[ΔU^T,ε]^TH[ΔU^T,ε]+G[ΔU^T,ε]+P (8)

其中，J为轨迹跟踪控制模型的目标函数，ε为松弛因子，

Q为输出变量的权重矩阵。

基于上述步骤，可以构建出车辆的轨迹跟踪控制模型，通过对轨迹跟踪控制模型的求解，可以确定不同时刻下车辆对应的前轮转角和纵向力，车辆控制系统根据前轮转角和纵向力控制车辆的行驶轨迹。

接下来，对稳定性控制模型的构建过程进行介绍。

针对式(2)所示的车辆动力学方程进行拉普拉斯变换，可以得到传递函数：

其中，G_β＝(a₁₂b₂―a₂₂b₁)/D_A，G_γ＝(a₂₁b₁―a₁₁b₂)/D_A，T_β＝b₁/(a₁₂b₂―a₂₂b₁)，T_γ＝b₂/(a₂₁b₁―a₁₁b₂)，T_A＝a₁₁+a₂₂，D_A＝a₁₁a₂₂―a₁₂a₂₁，

a₂₁＝(l_rC_r―l_fC_f)/I_z，

b₁＝C_f/mv_x，b₂＝l_fC_f/I_z。

根据式(9)和式(10)，当车辆的行驶条件良好时，稳态下的期望质心侧偏角β_s和期望横摆角速度γ_s可以表示为：

β_s＝G_βδ_f (11)

γ_s＝G_γδ_f (12)

由于路面附着极限可能引起车辆轮胎力饱和，因此，稳态下的横摆角速度存在约束条件：γ_sc＝sign(γ_s)min{|γ_s|,γ₀}，其中，γ₀＝μg/v_x，表示横摆角速度的极限值，μ为路面附着系数，g为重力加速度。

当车辆运动状态处于稳态时，车辆的后轴轮胎产生的最大侧向力的侧偏角可以表示为：α_r,peak＝tan_―1(3mgμl_f/C_αrl)，其中，C_αr为轮胎的侧向刚度，l为车辆轴距。同时，车辆的质心侧偏角的极限值可以表示为：β₀＝l_rγ/v_x―α_r,peak，因此，稳态下的质心侧偏角存在约束条件：β_sc＝sign(β_s)min{|β_s|,γ₀}。

根据稳态下的横摆角速度的约束条件和质心侧偏角的约束条件，可以获得瞬态下的期望质心侧偏角β_d和期望横摆角速度γ_d：

在一些可能的实现方式中，可以基于滑模控制算法设计稳定性控制模型，将期望质心侧偏角和期望横摆角速度定为状态变量时，滑模面可以定义为：s＝γ―γ_d+ξ(β―β_d)，其中，ξ为归一化权重，例如，ξ可以为横摆角速度极限值与质心侧偏角极限值的比值。

在此基础上，将主动横摆力矩M_z引入表示横摆运动的车辆动力学方程：

通过对式(15)进行求解，可以通过如下公式获得车辆的稳定性控制模型的主动横摆力矩M_z：

基于上述步骤，可以构建出车辆的稳定性控制模型，通过对稳定性控制模型的求解，可以确定不同时刻下车辆对应的主动横摆力矩，从而对车辆行驶的稳定性进行控制。

需要说明的是，上述构建轨迹跟踪控制模型和稳定性控制模型的方式仅为一种可能的实现方式，在其他实施例中，可以采用不同的方式构建轨迹跟踪模型和稳定性控制模型，本申请对此不作限制。

S102：车辆控制系统根据车身参数和行驶状态参数，确定自适应协同系数。

需要说明的是，自适应协同系数可以用于调整轨迹跟踪控制模型中的期望横摆角速度和稳定性控制模型中的主动横摆力矩。可以理解的，由于轨迹跟踪控制模型中的期望横摆角速度(即本申请实施例中的

)和稳定性控制模型中的期望横摆角速度(即本申请实施例中的γ_d)并不相同，无法在保障车辆稳定性的同时获得较好的轨迹跟踪精度，因此，在本申请实施例中，可以使用自适应协同系数调整轨迹跟踪控制模型中的期望横摆角速度，同时调整稳定性控制模型中主动横摆力矩的介入程度，从而在一定程度上兼顾轨迹跟踪控制和稳定性控制。

具体地，车辆控制系统可以根据车身参数和行驶状态参数和行驶状态参数，确定车辆的稳定性指数，从而根据稳定性指数确定自适应协同系数。其中，当稳定性指数小于或等于稳定性指数阈值时，可以根据第一关系式确定自适应协同系数，第一关系式表示自适应协同系数与稳定性指数、稳定性指数阈值之间的对应关系；当稳定性指数大于稳定性指数阈值时，可以将自适应协同系数确定为1。

在一些可能的实现方式中，根据前文中构建的轨迹跟踪控制模型和稳定性控制模型，可以利用如下公式确定稳定性指数，该稳定性指数可以用于评价车辆的失稳程度：

其中，p为相对重要性系数，可以根据实际情况进行选取，考虑到车辆的操纵性要求，横摆角速度的权重应大于质心侧偏角的权重，例如，p＝1.5。可以发现，稳定性指数越大，表明车辆失稳越严重。

为了保证在车辆行驶状况良好时，主动横摆力矩不会过多介入，从而避免过多的能量消耗，可以利用如下公式确定自适应协同系数：

其中，λ₀为稳定性指数阈值，例如，λ₀＝1.5，c为反映调整速度的参数，可以根据实际情况进行选取，例如，c＝5。

结合图4所示的自适应协同系数随稳定性指数的变化趋势的示意图，可以发现，随着稳定性指数的增大，自适应协同系数逐渐增大，当稳定性指数大于稳定性指数阈值时，自适应协同系数为1。

上述根据车辆稳定性指数确定自适应协同系数的方法，可以根据车辆的行驶状况确定调整程度，从而能够在不同的行驶状况下兼顾轨迹跟踪控制和稳定性控制，避免过多或过少的介入导致的能量消耗或控制效果不佳的问题。

S103：车辆控制系统根据自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度，以及根据自适应协同系数，基于稳定性控制模型，确定目标主动横摆力矩。

具体地，车辆控制系统可以根据车辆的轨迹跟踪控制模型确定第一期望横摆角速度，根据车辆的稳定性控制模型确定第二期望横摆角速度和初始主动横摆力矩，接着根据第一期望横摆角速度、第二期望横摆角速度和自适应协同系数，确定轨迹跟踪控制模型的目标期望横摆角速度，根据初始主动横摆力矩和自适应协同系数，确定稳定性控制的目标主动横摆力矩。

在本申请实施例构建的轨迹跟踪控制模型和稳定性控制模型中，第一期望横摆角速度为

也就是说，车辆控制系统可以通过求解式(8)确定不同时刻下对应的/>

从而确定第一期望横摆角速度；第二期望横摆角速度为γ_d，初始主动横摆力矩为M_z，也就是说，车辆控制系统可以通过求解式(14)和式(16)确定不同时刻下对应的γ_d和M_z，从而确定第二期望横摆角速度和初始主动横摆力矩。

进一步地，车辆控制系统可以利用如下公式确定轨迹跟踪控制模型的目标期望横摆角速度γ_c和稳定性控制模型的目标主动横摆力矩M_c：

M_c＝qM_z (20)

可以发现，目标期望横摆角速度γ_c与表征轨迹跟踪控制的第一期望横摆角速度和表征稳定性控制的第二期望横摆角速度有关，目标主动横摆力矩M_c在不同的自适应协同系数下的介入程度不同，从而实现轨迹跟踪控制与稳定性控制的协同。

S104：车辆控制系统根据目标期望横摆角速度，调整轨迹跟踪控制模型，以及根据目标主动横摆力矩，调整稳定性控制模型。

具体地，车辆控制系统可以通过将轨迹跟踪控制模型中的期望横摆角速度确定为目标期望横摆角速度γ_c，将稳定性控制与轨迹跟踪控制结合，从而在保证稳定性控制的基础上提升轨迹跟踪控制的精度。

同时，当车辆的行驶状况不佳(即稳定性指数较高)时，自适应协同系数较大，目标期望横摆角速度中表征稳定性控制的第二期望横摆角速度的比例较大，从而提升稳定性控制在车辆运动控制中的重要程度，以此保证车辆在行驶状况不佳时的稳定性。

进一步地，车辆控制系统可以将稳定性控制模型中的初始主动横摆力矩调整为目标主动横摆力矩，当车辆的行驶状况不佳时，目标主动横摆力矩较大，从而使得主动横摆力矩的介入程度较高，以满足车辆的稳定性控制。而当车辆的行驶状况较好时，目标主动横摆力矩较小，从而使得主动横摆力矩的介入程度较低，避免能量消耗。

S105：车辆控制系统根据调整后的轨迹跟踪控制模型和稳定性控制模型，确定车辆的前轮转角和各个车轮的纵向力，以对车辆进行控制。

具体地，车辆控制系统可以根据调整后的轨迹跟踪控制模型，确定车辆的前轮转角。

进一步地，车辆控制系统可以根据调整后的轨迹跟踪控制模型，确定车辆的纵向力，根据车身参数和调整后的稳定性控制模型，确定车辆各个车轮的负载程度，根据车辆各个车轮的负载程度和车辆的纵向力，确定车辆各个车轮的纵向力。

在本申请实施例构建的轨迹跟踪控制模型和稳定性控制模型中，车辆控制系统可以通过将轨迹跟踪控制模型中的

调整为γ_c，兼顾轨迹跟踪控制和稳定性控制，并基于调整后的轨迹跟踪控制模型，通过计算式(8)，确定前轮转角δ_f，控制车辆以调整后的前轮转角行驶。

进一步地，车辆控制系统可以通过如下公式确定车辆各个车轮的负载程度：

其中，F_xm,i为产生主动横摆力矩的纵向力，i＝1,2,3,4分别表示左前轮、右前轮、左后轮和右后轮，B_s为车辆的轮距，w_i为各个车轮的负载系数。具体地，各个车轮的负载系数可以通过w_i＝F_zi/F_z确定，其中，F_z＝mg为车辆的载荷，F_zi为各个轮胎的垂向载荷，例如，各个轮胎的垂向载荷可以通过如下公式确定：

接着，车辆控制系统通过计算式(8)，确定车辆的纵向力F_x，再根据车辆的纵向力F_x和各个车轮的负载程度，调整各个车轮的纵向力。在一些可能的实现方式中，各个车轮的纵向力可以为F_xi＝F_xv,i+F_xm,i，其中，F_xv,i为用于速度跟踪的各个车轮的纵向力，有F_xv,i＝Fx/4。

在一些可能的实现方式中，车辆控制系统可以根据车辆的实际横摆角速度和轮胎侧向力，确定修正系数，并根据修正系数和轮胎侧偏刚度，确定目标轮胎侧偏刚度，将轨迹跟踪控制模型的轮胎侧偏刚度修正为目标轮胎侧偏刚度，从而获得优化后的轨迹跟踪控制模型。

具体地，在本申请实施例构建的轨迹跟踪控制模型中，可以使用二阶随机游走模型描述车辆行驶过程中轮胎侧向力的变化：

其中，F₀为要估计的轮胎侧向力，F₁为F₀的一阶导数，w_F为随机噪声。

当状态变量为

测量变量为z＝[α_y,γ]^T时，结合式(1)和式(5)，利用采样时间为T的一阶欧拉公式对系统进行近似离散，可以获得车辆的轮胎侧偏刚度的修正系数：

根据修正系数，对轮胎侧偏刚度进行调整，目标轮胎侧偏刚度为：

可以发现，车辆控制系统通过轮胎侧向力计算值与轮胎侧向力估计值的差值确定出修正系数，从而对轮胎侧偏刚度进行调整，提升了轨迹跟踪控制模型的精度，以便实现更精确的车辆轨迹控制。

该方法首先获取车辆的车身参数和行驶状态参数，根据车身参数和行驶状态参数确定自适应协同系数，接着根据自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型确定目标期望横摆角速度，基于稳定性控制模型确定目标主动横摆力矩，从而调整轨迹跟踪控制模型和稳定性控制模型，并根据调整后轨迹跟踪控制模型和稳定性控制模型，确定前轮转角和各个车轮的纵向力，以实现车辆控制。该方法通过自适应协同系数对轨迹跟踪控制模型和稳定性控制模型进行调整，从而兼顾车辆的轨迹跟踪控制和稳定性控制，在极限工况下，可以保障车辆的稳定性和轨迹跟踪精度，同时降低能量消耗。

为了直观地呈现本申请实施例提供的车辆轨迹跟踪和稳定性协同控制方法的控制效果，下面将结合三个具体的应用实例进行详细说明。

针对本申请实施例中构建的轨迹跟踪控制模型，应用实例1比较了原始轨迹跟踪控制模型(即根据式(2)构建的轨迹跟踪控制模型，下面简称为MPC模型)和优化后的轨迹跟踪控制模型(即根据式(25)优化后的轨迹跟踪控制模型，下面简称为AMPC模型)的性能。图5给出了应用实例1的场景示意图，在本应用实例中，路面附着系数为0.6，主车(即部署了本申请实施例提供的车辆控制系统的车辆)的速度为70km/h，前方的1号车突然停在主车所在车道的较近距离处，同时，左后方有一辆与主车速度相近的2号车。针对上述场景，车辆控制系统需要控制主车向左侧单移线换道，而后直线行驶。

图6给出了应用实例1的场景下MPC模型和AMPC模型的仿真结果图。其中，图6中的(a)为车辆轨迹的变化图，图6中的(b)为车辆纵向速度的变化图，图6中的(c)为轮胎侧向力的变化图，图6中的(d)为轮胎侧偏刚度的变化图。

根据图6中的(a)和图6中的(b)的仿真结果可以发现，与期望轨迹和期望速度相比，基于AMPC模型可以更快速、更平稳地对车辆进行轨迹跟踪，轨迹跟踪效果优于MPC模型，这是因为AMPC模型调整了轮胎侧偏刚度，从而提高了轨迹跟踪控制的精度。根据图6中的(c)所示的轮胎侧向力的变化图可以发现，即使在轮胎侧向力达到饱和时，AMPC模型依然可以对轮胎侧向力实现精度较高的估计。同时，根据图6中的(d)所示的轮胎偏侧刚度的变化图可以发现，当轮胎侧向力达到饱和时，对轮胎侧偏刚度的调整十分明显，从而通过对轮胎侧偏刚度的调整，提升了轨迹跟踪控制的精度。

应用实例2针对不同控制器控制车辆进行单移线换道的场景进行分析，其中，控制器A为仅部署轨迹跟踪控制模型(MPC模型)的控制器，控制器B为部署了轨迹跟踪控制模型和稳定性控制模型，且稳定性控制模型一直作用(即主动横摆力矩一直介入车辆控制)的控制器，控制器C为本申请实施例中的实现轨迹跟踪控制和稳定性控制协同(即根据自适应协同系数实时调整轨迹跟踪控制模型和稳定性控制模型)的控制器。图7给出了应用实例2的场景示意图，在本应用实例中，路面附着系数为0.95，主车的速度为120km/h，前方的1号车突然停在主车所在车道的较近距离处，同时，左后方有一辆与主车速度相近的2号车。针对上述场景，车辆控制系统需要控制主车向左侧单移线换道，而后直线行驶。

图8给出了应用实例2的场景下不同控制器实现车辆控制的仿真结果图。其中，图8中的(a)为车辆轨迹的变化图，图8中的(b)为车辆纵向速度的变化图，图8中的(c)为横向偏差的变化图，图8中的(d)为横摆角偏差的变化图，图8中的(e)为横摆角速度的变化图，图8中的(f)为质心侧偏角的变化图。

根据图8所示的仿真结果图可以发现，部署控制器A的车辆在应用实例2的单移线换道场景下严重失稳，难以实现轨迹跟踪和速度跟踪，这是因为控制器A仅部署轨迹跟踪控制模型，无法对车辆进行稳定性控制，从而导致输出的前轮转角超过了稳定性极限值，导致车辆失稳。部署控制器B和控制器C的车辆可以在保证车辆稳定性的基础上，实现轨迹跟踪和速度跟踪，这是因为控制器B和控制器C部署了轨迹跟踪控制模型和稳定性控制模型，然而，根据图8中的(c)和图8中的(d)可以看出，部署控制器C的车辆的横向偏差和横摆角偏差均小于部署控制器B的车辆，同时，根据图8中的(e)和图8中的(f)可以看出，部署控制器C的车辆的横摆角速度和质心侧偏角更小，收敛更快。因此，本申请实施例提供的车辆轨迹跟踪和稳定性协同控制方法可以兼顾车辆的轨迹跟踪控制和稳定性控制，在保证车辆稳定的基础上，提升车辆的轨迹跟踪精度。

图9给出了应用实例2的场景下不同控制器实现车辆控制的输出结果图。其中，图9中的(a)为前轮转角的变化图，图9中的(b)为控制器B输出的各个车轮的纵向力(即车轮转矩)的变化图，图9中的(c)为控制器C输出的各个车轮的纵向力(即车轮转矩)的变化图，图9中的(d)为控制器C中自适应协同系数的变化图。

根据图9所示的输出结果图可以发现，在提升车辆整体性能的前提下，控制器C输出的前轮转角最小，收敛最快。同时，控制器B输出的各个车轮的纵向力在一定时间段内达到了轮毂电机的驱动极限值，并且在车辆开始变道后一直进行干预，即主动横摆力矩一直介入车辆控制的过程，而控制器C输出的各个车轮的纵向力只出现在很短的一段时间内，表明本申请实施例提供的车辆轨迹跟踪和稳定性协同控制方法可以根据车辆的稳定性状况调整主动横摆力矩的介入程度，从而避免能量的过度消耗。

应用实例3针对不同控制器控制车辆进行双移线换道的避撞场景进行分析，其中，控制器A、控制器B和控制器C与应用实例2中相同。图10给出了应用实例3的场景示意图，在本应用实例中，路面附着系数为0.8，主车的速度为110km/h，前方的1号车突然停在主车所在车道的较近距离处，同时，左后方和左前方分别有2号车和3号车，且车速低于主车车速。针对上述场景，车辆控制系统需要控制主车减速后向左变道避免碰撞，接着再次换道返回至右侧车道。

图11给出了应用实例3的场景下不同控制器实现车辆控制的仿真结果图。其中，图11中的(a)为车辆轨迹的变化图，图11中的(b)为车辆纵向速度的变化图，图11中的(c)为横向偏差的变化图，图11中的(d)为横摆角偏差的变化图，图11中的(e)为横摆角速度的变化图，图11中的(f)为质心侧偏角的变化图。

根据图11所示的仿真结果图可以发现，部署控制器A的车辆在第二次换道时失去了动力学稳定性，严重偏离了期望轨迹，且速度控制失败。部署控制器B和控制器C的车辆都平稳地完成了两次车道的变换，然而，部署控制器C的车辆的横向偏差、横摆角偏差、横摆角速度和质心侧偏角都小于部署控制器B的车辆。因此，本申请实施例提供的车辆轨迹跟踪和稳定性协同控制方法在极限工况下可以兼顾车辆的轨迹跟踪控制和稳定性控制，在保证车辆稳定的基础上，提升车辆的轨迹跟踪精度，具有良好的控制性能。

图12给出了应用实例3的场景下不同控制器实现车辆控制的输出结果图。其中，图12中的(a)为前轮转角的变化图，图12中的(b)为控制器B输出的各个车轮的纵向力(即车轮转矩)的变化图，图12中的(c)为控制器C输出的各个车轮的纵向力(即车轮转矩)的变化图，图12中的(d)为控制器C中自适应协同系数的变化图。

根据图12所示的输出结果图可以发现，控制器C实现车辆控制所消耗的能量远小于控制器B实现车辆控制所消耗的能量，这是因为本申请实施例提供的车辆轨迹跟踪和稳定性协同控制方法可以根据车辆的行驶状况实时调整主动横摆力矩的介入程度，从而避免能量的过度消耗。

基于本申请实施例提供的车辆轨迹跟踪和稳定性协同控制方法，本申请实施例还提供了与上述方法对应的车辆轨迹跟踪和稳定性协同控制装置。描述于本申请实施例中所涉及到的单元/模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元/模块的名称在某种情况下并不构成对该单元/模块本身的限定。

参见图13所示的车辆轨迹跟踪和稳定性协同控制装置的结构示意图，该装置1300包括：

获取模块1301，用于获取车辆的车身参数和行驶状态参数；

第一确定模块1302，用于根据车身参数和行驶状态参数，确定自适应协同系数；

第二确定模块1303，用于根据自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度，以及根据自适应协同系数，基于稳定性控制模型，确定目标主动横摆力矩；

调整模块1304，用于根据目标期望横摆角速度，调整轨迹跟踪控制模型，以及根据目标主动横摆力矩，调整稳定性控制模型；

第三确定模块1305，用于根据调整后的轨迹跟踪控制模型和稳定性控制模型，确定车辆的前轮转角和各个车轮的纵向力，以对车辆进行控制。

在一些可能的实现方式中，第二确定模块1303，具体用于：

基于轨迹跟踪控制模型和稳定性控制模型，确定轨迹跟踪控制模型的第一期望横摆角速度和稳定性控制模型的第二期望横摆角速度；

根据第一期望横摆角速度、第二期望横摆角速度和自适应协同系数，确定目标期望横摆角速度。

在一些可能的实现方式中，第二确定模块1303，具体用于：

基于稳定性控制模型，确定初始主动横摆力矩；

根据初始主动横摆力矩和自适应协同系数，确定目标主动横摆力矩。

在一些可能的实现方式中，第三确定模块1305，具体用于：

根据调整后的轨迹跟踪控制模型，确定车辆的前轮转角；

基于调整后的轨迹跟踪控制模型，确定车辆的纵向力；

根据车身参数，基于调整后的稳定性控制模型，确定车辆各个车轮的负载程度；

根据车辆各个车轮的负载程度和车辆的纵向力，确定车辆各个车轮的纵向力。

在一些可能的实现方式中，车辆的车身参数包括轮胎侧偏刚度，行驶状态参数包括实际横摆角速度、轮胎侧向力，该装置还包括：

优化模块，用于根据实际横摆角速度和轮胎侧向力，确定修正系数；根据修正系数和轮胎侧偏刚度，确定目标轮胎侧偏刚度；将轨迹跟踪控制模型的轮胎侧偏刚度修正为目标轮胎侧偏刚度，以获得优化后的轨迹跟踪控制模型。

在一些可能的实现方式中，第一确定模块1302，具体用于：

根据车身参数和行驶状态参数，确定车辆的稳定性指数；

当车辆的稳定性指数小于或等于稳定性指数阈值，根据第一关系式确定自适应协同系数，第一关系式表示自适应协同系数与稳定性指数、稳定性指数阈值的对应关系；

当车辆的稳定性指数大于稳定性指数阈值，自适应协同系数为1。

在一些可能的实现方式中，车身参数包括：车辆质量、转动惯量、车轴到质心的距离、轮胎侧偏刚度中的一种或多种；

行驶状态参数包括：纵向速度、横向速度、实际横摆角速度、实际质心侧偏角、轮胎侧向力、轮胎侧偏角中的一种或多种。

根据本申请实施例的车辆轨迹跟踪和稳定性协同控制装置1300可对应于执行本申请实施例中描述的方法，并且车辆轨迹跟踪和稳定性协同控制装置1300的各个模块/单元的上述和其它操作和/或功能分别为了实现图1所示实施例中的各个方法的相应流程，为了简洁，在此不再赘述。

本申请还提供一种车辆控制系统，该系统包括控制器和执行器。其中，控制器中存储有指令，执行器执行该指令，使得车辆控制系统执行车辆轨迹跟踪和稳定性协同控制方法。

本申请实施例还提供一种车辆。所述车辆包括上述的车辆控制系统。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种车辆轨迹跟踪和稳定性协同控制方法，其特征在于，所述方法包括：

获取车辆的车身参数和行驶状态参数；

根据所述车身参数和所述行驶状态参数，确定自适应协同系数；

根据所述自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度，以及根据所述自适应协同系数，基于所述稳定性控制模型，确定目标主动横摆力矩；

根据所述目标期望横摆角速度，调整所述轨迹跟踪控制模型，以及根据所述目标主动横摆力矩，调整所述稳定性控制模型；

根据所述调整后的轨迹跟踪控制模型和稳定性控制模型，确定所述车辆的前轮转角和各个车轮的纵向力，以对所述车辆进行控制。

2.根据权利要求1所述的方法，其特征在于，所述根据所述自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度，包括：

基于所述轨迹跟踪控制模型和所述稳定性控制模型，确定所述轨迹跟踪控制模型的第一期望横摆角速度和所述稳定性控制模型的第二期望横摆角速度；

根据所述第一期望横摆角速度、所述第二期望横摆角速度和所述自适应协同系数，确定所述目标期望横摆角速度。

3.根据权利要求1所述的方法，其特征在于，所述根据所述自适应协同系数，基于所述稳定性控制模型，确定目标主动横摆力矩，包括：

基于所述稳定性控制模型，确定初始主动横摆力矩；

根据所述初始主动横摆力矩和所述自适应协同系数，确定所述目标主动横摆力矩。

4.根据权利要求1所述的方法，其特征在于，所述根据所述调整后的轨迹跟踪控制模型和稳定性控制模型，确定所述车辆的前轮转角和各个车轮的纵向力，包括：

根据所述调整后的轨迹跟踪控制模型，确定所述车辆的前轮转角；

基于所述调整后的轨迹跟踪控制模型，确定所述车辆的纵向力；

根据所述车身参数，基于所述调整后的稳定性控制模型，确定所述车辆各个车轮的负载程度；

根据所述车辆各个车轮的负载程度和所述车辆的纵向力，确定所述车辆各个车轮的纵向力。

5.根据权利要求1所述的方法，其特征在于，所述车辆的车身参数包括轮胎侧偏刚度，所述行驶状态参数包括实际横摆角速度、轮胎侧向力，所述方法还包括：

根据所述实际横摆角速度和所述轮胎侧向力，确定修正系数；

根据所述修正系数和所述轮胎侧偏刚度，确定目标轮胎侧偏刚度；

将所述轨迹跟踪控制模型的轮胎侧偏刚度修正为目标轮胎侧偏刚度，以获得优化后的轨迹跟踪控制模型。

6.根据权利要求1所述的方法，其特征在于，所述根据所述车身参数和所述行驶状态参数，确定自适应协同系数，包括：

根据所述车身参数和所述行驶状态参数，确定所述车辆的稳定性指数；

当所述车辆的稳定性指数小于或等于稳定性指数阈值，根据第一关系式确定所述自适应协同系数，所述第一关系式表示所述自适应协同系数与所述稳定性指数、所述稳定性指数阈值的对应关系；

当所述车辆的稳定性指数大于稳定性指数阈值，所述自适应协同系数为1。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述车身参数包括：车辆质量、转动惯量、车轴到质心的距离、轮胎侧偏刚度中的一种或多种；

所述行驶状态参数包括：纵向速度、横向速度、实际横摆角速度、实际质心侧偏角、轮胎侧向力、轮胎侧偏角中的一种或多种。

8.一种车辆轨迹跟踪和稳定性协同控制装置，其特征在于，所述装置包括：

获取模块，用于获取车辆的车身参数和行驶状态参数；

第一确定模块，用于根据所述车身参数和所述行驶状态参数，确定自适应协同系数；

第二确定模块，用于根据所述自适应协同系数，基于轨迹跟踪控制模型和稳定性控制模型，确定目标期望横摆角速度，以及根据所述自适应协同系数，基于所述稳定性控制模型，确定目标主动横摆力矩；

调整模块，用于根据所述目标期望横摆角速度，调整所述轨迹跟踪控制模型，以及根据所述目标主动横摆力矩，调整所述稳定性控制模型；

第三确定模块，用于根据所述调整后的轨迹跟踪控制模型和稳定性控制模型，确定所述车辆的前轮转角和各个车轮的纵向力，以对所述车辆进行控制。

9.一种车辆轨迹跟踪和稳定性协同控制系统，其特征在于，所述系统包括控制器和执行器，所述控制器中存储有指令，所述执行器执行所述指令，使得所述系统执行如权利要求1至7任一项所述的方法。

10.一种车辆，其特征在于，所述车辆包括如权利要求9所述的车辆轨迹跟踪和稳定性协同控制系统。

Images