CN116653988A - 一种自动驾驶车辆纵向控制方法、系统及车辆 - Google Patents

一种自动驾驶车辆纵向控制方法、系统及车辆 Download PDF

Info

Publication number
CN116653988A
CN116653988A CN202310203340.3A CN202310203340A CN116653988A CN 116653988 A CN116653988 A CN 116653988A CN 202310203340 A CN202310203340 A CN 202310203340A CN 116653988 A CN116653988 A CN 116653988A
Authority
CN
China
Prior art keywords
acceleration
distance
vehicle
speed
control
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
CN202310203340.3A
Other languages
English (en)
Inventor
严亮
董海涛
杨向东
王一波
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.)
Yutong Bus Co Ltd
Original Assignee
Yutong Bus 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 Yutong Bus Co Ltd filed Critical Yutong Bus Co Ltd
Priority to CN202310203340.3A priority Critical patent/CN116653988A/zh
Publication of CN116653988A publication Critical patent/CN116653988A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/11—Pitch movement
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/107—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0012—Feedforward or open loop systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • 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)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明属于自动驾驶控制技术领域，具体涉及一种自动驾驶车辆纵向控制方法、系统及车辆，该方法包括以下步骤：建立MPC反馈控制，利用MPC反馈控制计算得到反馈加速度；2)建立前馈控制，利用前馈控制计算得到前馈加速度；建立距离和/或速度积分补偿，得到距离速度补偿加速度；依据反馈加速度、前馈加速度和距离速度补偿加速度设定车辆目标加速度，按照所述车辆目标加速度控制车辆。由此，本发明解决了现有技术中自动驾驶车辆纵向控制在动力学模型为非线性时存在控制效果差、精度低的问题。

Description

一种自动驾驶车辆纵向控制方法、系统及车辆
技术领域
本发明属于自动驾驶控制技术领域，具体涉及一种自动驾驶车辆纵向控制方法、系统及车辆。
背景技术
目前，关于自动驾驶车辆纵向控制中一种主流纵向控制方法有位置-速度双闭环PID(Proportion-Integral-Differential，控制器)和MPC(Model Predictive Control，模型预测控制)控制。其中位置-速度双闭环PID控制由于没有考虑车辆动力学模型，实际控制中依据经验进行标定控制参数，比较繁琐，另外标定的参数很难适应整个行驶工况，且当车辆参数(比如质量)发生变化时，对于同一个KP参数，导致调节时间会发生改变，不能自适应快速响应。对于不要求快速精确响应以及运行工况较单一场景的自动驾驶常采用位置-速度双闭环PID纵向控制方法。
但是由于位置-速度双闭环PID标定参数繁琐且标定参数很难适应所有工况，MPC控制采用的动力学误差模型是线性化且时不变的。
另一个主流的纵向控制方法是MPC控制，如图1所示，目标加速度等于目标轨迹的参考加速度加上根据坡度计算的补偿加速度以及MPC计算的反馈加速度。MPC计算的反馈加速度主要是根据车辆的动力学误差模型以及当前的状态量可以预测一段时间内(即预测时域和控制时)的系统输出，通过求解满足目标函数以及各种约束的优化问题得到控制时域内的控制序列，然后将控制时域的第一个值作为当前输出值作用于控制对象，下一个周期重复上述过程，滚动完成一个个带约束的优化问题，从而实现对车辆纵向的持续控制。但是MPC控制使用线性时不变LTI(Linear Time Invariant，线性时不变)动态模型预测未来行为，如果对象是强非线性的，或者其特性随时间变化，LTI预测精度可能会严重降低，以至于MPC性能变得不可接受。若自动驾驶车辆的动力学模型是非线性，传统MPC控制方法在实际控制时会进行线性化导致模型误差，另外当自动驾驶车辆参数(如质量)随时间发生变化时，会导致预测精度不准从而影响控制效果，且该稳态误差不能随着时间进行累计。
总之，由于动力学误差模型线性化以及整车参数不准，导致现有自动驾驶车辆纵向控制在动力学模型为强非线性的或者其特性随时间变化时存在控制效果差、预测精度低的问题。
发明内容
本发明的目的在于提供一种自动驾驶车辆纵向控制方法、系统及车辆，用以解决现有技术中自动驾驶车辆纵向控制在动力学模型为非线性时存在控制效果差、精度低的问题。
为解决上述技术问题，本发明所提供的技术方案以及技术方案对应的有益效果如下：
本发明的一种自动驾驶车辆纵向控制方法，包括以下步骤：
1)建立MPC反馈控制，利用MPC反馈控制计算得到反馈加速度；
2)建立前馈控制，利用前馈控制计算得到前馈加速度；
3)建立距离和/或速度的积分补偿，得到距离速度补偿加速度；
4)依据反馈加速度、前馈加速度和距离速度补偿加速度设定车辆目标加速度，按照车辆目标加速度控制车辆。
上述技术方案的有益效果为：本发明中引入了距离积分补偿和速度积分补偿，得到距离速度补偿加速度；将前馈加速度、反馈加速度和距离速度补偿加速度设定车辆目标加速度，由此按照所述车辆目标加速度控制车辆。本发明由于设定距离积分补偿和速度积分补偿，得到距离速度补偿加速度，能够解决因为动力学误差模型线性化以及整车参数不准导致的动力学误差模型不准、控制精度低的问题，从而达到自适应效果，增强控制系统的鲁棒性。
进一步地，步骤3)中包括：
将速度偏差进行积分处理，得到速度积分补偿加速度，速度偏差为目标轨迹的参考速度减去车辆实际车速的差值；
将距离偏差进行积分处理，得到距离积分补偿加速度，距离偏差为目标轨迹的参考位置减去车辆实际位置的差值；
依据速度积分补偿加速度和距离积分补偿加速度确定距离速度补偿加速度。
进一步地，为了提高道路行驶时的速度跟随精度，以及到达目标点的精准度，步骤3)中通过以下方式确定距离速度补偿加速度：
若距离偏差大于设定阈值，距离速度补偿加速度的值等于速度积分补偿加速度的值；
若距离偏差小于等于设定阈值，距离速度补偿加速度的值等于距离积分补偿加速度的值。
进一步地，为了提高精度，在对速度偏差进行积分处理时和在对距离偏差进行积分处理时均包括积分限幅，以对应的限制积分补偿加速度和距离积分补偿加速度的最大值和最小值；所述最大值和最小值通过标定确定。
进一步地，在对速度偏差进行积分处理时采用的速度积分参数KIspd依据速度偏差而确定，在对距离偏差进行积分处理时采用的距离积分参数KIdis依据距离偏差而确定。
进一步地，步骤2)中依据轨迹规划目标加速度和坡度补偿加速度得到前馈加速度。
进一步地，步骤1)中MPC反馈控制中包括车辆的动力学误差模型，动力学误差模型公式如下：
x(k+1)＝Adx(k)+Bdu(k)+Cd
Ad＝(I-0.5A*Ts)-1（I+0.5A*s)
Bd＝B*Ts
Cd＝C*Ts
其中，Ts为控制周期，x(k)为k时刻状态量，该状态量包括横向偏差、横向偏差变化率、朝向角偏差、朝向角偏差变化率、距离误差和速度误差，δf为预测的方向盘转角，a为预测的加速度，I表示单位矩阵，cf、cr分别为车辆前、后轴单侧轮的侧偏刚度，m为整车质量，lf为车辆前轴到质心的距离，lr为车辆后轴到质心的距离，vx为车辆质心的车速，Iz表示车辆的转动惯量，/>为车辆转角速度。
进一步地，步骤1)中MPC反馈控制模型中包括优化目标函数J和约束函数，优化目标函数J和约束函数公式分别如下：
x(k+1)＝Adx(k)+Bdu(k)
xmin≤x(k)≤xmax
umin≤u(k)≤umax
x(0)＝x0
其中，N表示预测和控制时域，Q表示状态加权矩阵，R表示控制加权矩阵，xr表示参考状态，xmin、xmax分别表示状态矩阵的最小、最大约束；umin、umax分别表示控制的最小、最大约束，x0表示初始时刻的状态，xk表示k时刻状态矩阵，xr表示参考状态矩阵，uk表示方向盘转角矩阵，T表示矩阵的转置。
为了解决上述问题，本发明又提供了一种自动驾驶车辆纵向控制系统，该系统包括处理器，所述处理器用于执行计算机指令以实现本发明的一种自动驾驶车辆纵向控制方法，并达到与该方法相同的有益效果。
为了解决上述问题，本发明又提供了一种自动驾驶车辆，包括车辆本体，还包括本发明的一种自动驾驶车辆纵向控制系统，并达到与该系统相同的有益效果。
附图说明
图1是现有技术中自动驾驶纵向控制原理图；
图2是本发明的一种自动驾驶车辆纵向控制系统原理图。
具体实施方式
本发明在MPC反馈控制基础上增加距离和速度KI控制，通过切换开关来选择距离积分和速度积分控制，当距离误差小于设定阈值时选择距离积分控制实现精确进站控制，当距离误差大于设定阈值时选择速度积分控制实现自适应补偿模型误差，从而改善控制精度以及增强控制的鲁棒性。本发明适用于支持纵向线控控制的任何车辆。
为了使本发明的目的、技术方案及优点更加清楚明了，以下结合附图及实施例，对本发明进行进一步详细说明。
方法实施例：
本发明的一种自动驾驶车辆纵向控制方法实施例，如图2所示，本发明纵向控制方法包括前馈控制计算、MPC反馈控制计算和距离速度KI补偿计算等三部分。车辆的目标加速度等于前馈计算的坡度补偿加速度和目标轨迹的参考加速度加上MPC计算的反馈加速度以及距离速度KI(比例积分，K为系数，I为积分)补偿加速度。其中距离速度KI补偿加速度通过一个切换开关来切换。
下面对纵向控制方法中三部分计算分别进行说明：
第一步：纵向前馈计算，得到前馈加速度。
前馈补偿的加速度等于目标轨迹的参考加速度加上坡度补偿的加速度(前馈补偿的加速度也称前馈加速度，目标轨迹的参考加速度也称为轨迹规划目标加速度)，其中坡度补偿的加速度apitch计算公式如下：
apitch＝g*sin(θ) (1)
其中，g为重力加速度，9.8m/s；θ为坡度，单位弧度。
第二步：MPC反馈控制计算，得到反馈加速度。
车辆的动力学误差模型公式如下：
其中，ecg表示横向偏差，横向偏差单位m；表示横向偏差变化率；θe表示朝向角偏差，朝向角单位弧度；/>表示朝向角偏差变化率；ex表示距离误差，距离误差单位m；/>表示速度误差，速度误差m/s；Iz表示车辆的转动惯量，单位Kg.m2；lf为车辆前轴到质心的距离，lr为车辆后轴到质心的距离，cf、cr分别为车辆前、后轴单侧轮的侧偏刚度，vx为车辆质心的车速，lz为车辆转动惯量，δf为预测的方向盘转角，a为预测的加速度，m为整车质量。/>为车辆转角速度。
将上式(2)写成状态方程如：
其中，式中 A与B为系数矩阵，X为车辆状态量，u为预测的方向盘转角/加速度。
双线性离散化如下：
Ad＝(I-0.5A*Ts)-1(I+0.5A*Ts)
Bd＝B*Ts(4)
Cd＝C*Ts
其中，Ts表示控制周期，单位s，I表示单位矩阵。
所以，动力学误差模型方程可以写成：
x(k+1)＝Adx(k)+Bdu(k)+Cd(5)
其中，x(k)为k时刻状态量，该状态量包括横向偏差、横向偏差变化率、朝向角偏差、朝向角偏差变化率、距离误差和速度误差，δf为预测的方向盘转角，a为预测的加速度。
设置优化目标函数J和约束函数分别如下：
其中，N表示预测和控制时域，单位s；Q表示状态加权矩阵；R表示控制加权矩阵；xr表示参考状态，默认为0；xmin、xmax分别表示状态矩阵的最小、最大约束；umin、umax分别表示控制的最小、最大约束；x0表示初始时刻的状态；xk表示k时刻状态矩阵；xr表示参考状态矩阵；δf表示预测的方向盘转角，a表示预测的加速度，T表示矩阵的转置。
MPC反馈控制包括如下步骤：
①在k时刻，结合历史信息和当前状态X(k|k)以及预测模型x(k+1)＝Adx(k)+Bdu(k)+Cd，预测N步的系统输出；
②结合公式(7)约束条件，设计目标函数公式(6)，计算最优控制解u*(t)即目标加速度，输入到被控车辆，使其在当前控制量下运动；
③然后在k+1时刻重复上述步骤，如此，滚动地实现带约束的优化问题，从而实现对被控对象的连续控制。
第三步：距离速度KI补偿控制，进行积分控制计算，得到距离速度补偿加速度。
当距离误差ex大于一定阈值exf(如1.5m，阈值exf是通过标定得到)时，激活速度积分控制，距离误差为目标轨迹的参考位置减去实际位置得到的距离偏差，距离误差又称为距离偏差。将目标轨迹的参考速度减去实际车速得到的速度偏差通过速度积分控制，得到速度积分补偿加速度，其中速度积分参数KIsps参数是根据速度误差制定的一维表(速度积分和距离积分表为经验表，采集人类驾驶员数据，分析在相近情况下的数据，得到速度和位置补偿表)。当误差距离ex小于等于阈值exf(如1.5m，可标定)时，激活距离积分控制，将目标轨迹的参考位置减去实际位置得到的距离偏差通过积分控制，得到距离积分补偿加速度，其中距离积分参数KIdis参数是根据距离误差制定的一维表。本发明中速度积分补偿加速度和距离积分补偿加速度还分别通过了积分限幅，限制速度积分补偿加速度和距离积分补偿加速度的最大值和最小值，如限制在[-0.5,1.0]m/s2，最大值和最小值可标定，最后得到最终的距离速度补偿加速度。
第四步：将前馈加速度、反馈加速度和距离速度补偿加速度三者之和作为车辆目标加速度，按照车辆目标加速度控制车辆。
本发明引入积分模型来消除MPC动力学误差模型不准导致的控制精度差问题，解决了因动力学误差模型线性化以及整车参数不准导致的动力学误差模型不准产生的控制精度差问题，能达到自适应效果，增强控制系统的鲁棒性。
本发明根据距离误差与阈值的值大小来切换距离积分补偿和速度积分补偿，能解决道路行驶时的速度跟随精度以及到达目标点的精准到站距离控制。
系统实施例：
本发明的一种自动驾驶车辆纵向控制系统实施例，包括存储器、处理器和内部总线，处理器、存储器之间通过内部总线完成相互间的通信和数据交互。存储器包括至少一个存储于存储器中的软件功能模块，处理器通过运行存储在存储器中的软件程序以及模块，执行各种功能应用以及数据处理，实现本发明的方法实施例中介绍的一种自动驾驶车辆纵向控制方法。
其中，处理器可以为微处理器MCU、可编程逻辑器件FPGA等处理装置。存储器可为利用电能方式存储信息的各式存储器，例如RAM、ROM等。在其他实施例中本发明一种自动驾驶车辆纵向控制系统也可以如图2所示，包括前馈控制、MPC反馈控制和距离速度KI补偿，前馈控制依据轨迹规划目标加速度与坡度补偿加速度之和作为前馈加速度；MPC反馈控制得到反馈加速度；距离速度KI补偿得到距离速度补偿加速度；然后将前馈加速度、反馈加速度和距离速度补偿加速度三者之和作为目标加速度。本系统控制精度高，能达到自适应效果，增强控制系统的鲁棒性。
车辆实施例：
本发明的一种自动驾驶车辆实施例，包括车辆本体、坡度检测传感器，还包括系统实施例中介绍的一种自动驾驶车辆纵向控制系统，能够精确实现车辆的纵向控制，提高车辆的自适应效果，并且能够精准控制车辆到站停车距离。

Claims (10)

1.一种自动驾驶车辆纵向控制方法，其特征在于：包括以下步骤：
1)建立MPC反馈控制，利用MPC反馈控制计算得到反馈加速度；
2)建立前馈控制，利用前馈控制计算得到前馈加速度；
3)建立距离和/或速度的积分补偿，得到距离速度补偿加速度；
4)依据反馈加速度、前馈加速度和距离速度补偿加速度设定车辆目标加速度，按照车辆目标加速度控制车辆。
2.根据权利要求1所述的自动驾驶车辆纵向控制方法，其特征在于：步骤3)中包括：
将速度偏差进行积分处理，得到速度积分补偿加速度，速度偏差为目标轨迹的参考速度减去车辆实际车速的差值；
将距离偏差进行积分处理，得到距离积分补偿加速度，距离偏差为目标轨迹的参考位置减去车辆实际位置的差值；
依据速度积分补偿加速度和距离积分补偿加速度确定距离速度补偿加速度。
3.根据权利要求2所述的自动驾驶车辆纵向控制方法，其特征在于：步骤3)中通过以下方式确定距离速度补偿加速度：
若距离偏差大于设定阈值，距离速度补偿加速度的值等于速度积分补偿加速度的值；
若距离偏差小于等于设定阈值，距离速度补偿加速度的值等于距离积分补偿加速度的值。
4.根据权利要求2所述的自动驾驶车辆纵向控制方法，其特征在于：在对速度偏差进行积分处理时和在对距离偏差进行积分处理时均包括积分限幅，以对应的限制积分补偿加速度和距离积分补偿加速度的最大值和最小值；所述最大值和最小值通过标定确定。
5.根据权利要求2所述的自动驾驶车辆纵向控制方法，其特征在于：在对速度偏差进行积分处理时采用的速度积分参数KIspd依据速度偏差而确定，在对距离偏差进行积分处理时采用的距离积分参数KIdis依据距离偏差而确定。
6.根据权利要求1所述的自动驾驶车辆纵向控制方法，其特征在于：步骤2)中依据轨迹规划目标加速度和坡度补偿加速度得到前馈加速度。
7.根据权利要求1所述的自动驾驶车辆纵向控制方法，其特征在于：步骤1)中MPC反馈控制中包括车辆的动力学误差模型，动力学误差模型公式如下：
x(k+1)＝Adx(k)+Bdu(k)+Cd
Ad＝(I-0.5A*Ts)-1(I+0.5A*s)
Bd＝B*Ts
Cd＝C*Ts
其中，Ts为控制周期，x(k)为k时刻状态量，该状态量包括横向偏差、横向偏差变化率、朝向角偏差、朝向角偏差变化率、距离误差和速度误差，δf为预测的方向盘转角，a为预测的加速度，I表示单位矩阵，cf、cr分别为车辆前、后轴单侧轮的侧偏刚度，m为整车质量，lf为车辆前轴到质心的距离，lr为车辆后轴到质心的距离，vx为车辆质心的车速，IZ表示车辆的转动惯量，/>为车辆转角速度。
8.根据权利要求1至7任一项所述的自动驾驶车辆纵向控制方法，其特征在于：步骤1)中MPC反馈控制模型中包括优化目标函数J和约束函数，优化目标函数J和约束函数公式分别如下：
x(k+1)＝Adx(k)+Bdu(k)
xmin≤x(k)≤xmax
umin≤u(k)≤umax
x(0)＝x0
其中，N表示预测和控制时域，Q表示状态加权矩阵，R表示控制加权矩阵，xr表示参考状态，xmin、xmax分别表示状态矩阵的最小、最大约束；umin、umax分别表示控制的最小、最大约束，x0表示初始时刻的状态，xk表示k时刻状态矩阵，xr表示参考状态矩阵，uk表示方向盘转角矩阵，T表示矩阵的转置。
9.一种自动驾驶车辆纵向控制系统，其特征在于：该系统包括处理器，所述处理器用于执行计算机指令以实现如权利要求1至8任一项所述的自动驾驶车辆纵向控制方法。
10.一种自动驾驶车辆，包括车辆本体，其特征在于：还包括如权利要求9所述的自动驾驶车辆纵向控制系统。
CN202310203340.3A 2023-03-03 2023-03-03 一种自动驾驶车辆纵向控制方法、系统及车辆 Pending CN116653988A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310203340.3A CN116653988A (zh) 2023-03-03 2023-03-03 一种自动驾驶车辆纵向控制方法、系统及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310203340.3A CN116653988A (zh) 2023-03-03 2023-03-03 一种自动驾驶车辆纵向控制方法、系统及车辆

Publications (1)

Publication Number Publication Date
CN116653988A true CN116653988A (zh) 2023-08-29

Family

ID=87726727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310203340.3A Pending CN116653988A (zh) 2023-03-03 2023-03-03 一种自动驾驶车辆纵向控制方法、系统及车辆

Country Status (1)

Country Link
CN (1) CN116653988A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117234215A (zh) * 2023-11-09 2023-12-15 新石器中研(上海)科技有限公司 无人车纵向控制方法、装置、电子设备及无人车

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117234215A (zh) * 2023-11-09 2023-12-15 新石器中研(上海)科技有限公司 无人车纵向控制方法、装置、电子设备及无人车
CN117234215B (zh) * 2023-11-09 2024-03-05 新石器中研(上海)科技有限公司 无人车纵向控制方法、装置、电子设备及无人车

Similar Documents

Publication Publication Date Title
CN107415939B (zh) 一种分布式驱动电动汽车转向稳定性控制方法
CN109885883B (zh) 一种基于gk聚类算法模型预测的无人车横向运动的控制方法
CN112622903B (zh) 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法
CN108227491B (zh) 一种基于滑模神经网络的智能车轨迹跟踪控制方法
Chen et al. Design and experimental evaluation of an efficient MPC-based lateral motion controller considering path preview for autonomous vehicles
CN110386189A (zh) 在级联调节时将干扰信号接入至基准量
CN108791290A (zh) 基于在线增量式dhp的双车协同自适应巡航控制方法
CN116653988A (zh) 一种自动驾驶车辆纵向控制方法、系统及车辆
Lee et al. Multirate active steering control for autonomous vehicle lateral maneuvering
CN112622895B (zh) 一种应用于自动驾驶的轨迹控制的预估控制方法
CN112180714A (zh) 基于双反馈控制器的车辆全速域横向控制方法
CN109849898B (zh) 基于遗传算法混合优化gpc的车辆横摆稳定性控制方法
CN111240327A (zh) 一种基于变速率模型的智能车辆迭代轨迹跟踪控制方法
Rasib et al. Are self-driving vehicles ready to launch? An insight into steering control in autonomous self-driving vehicles
Ge et al. Robust adaptive sliding mode control for path tracking of unmanned agricultural vehicles
CN112849152B (zh) 一种车辆后轮的控制方法、控制系统及车辆
KR20220070467A (ko) 자동차의 폭방향 및 길이방향 안내 동안 데드타임 보상 기술
CN116560371A (zh) 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法
CN114987607A (zh) 一种车辆的转向控制方法、装置、设备及存储介质
CN114779641A (zh) 基于新航向误差定义的环境自适应mpc路径追踪控制方法
CN110471277B (zh) 基于输出反馈增益规划的智能商用车自动循迹控制方法
CN113064412B (zh) 路径跟踪方法、装置、车辆及可读存储介质
CN114003030B (zh) 考虑质心变化的两轮差动移动机器人路径跟踪控制方法
CN114253241B (zh) 用于工业智能小车的路径跟踪方法
CN114475590B (zh) 一种电动汽车力矩控制方法和系统以及可读存储介质

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