CN117302266A - 基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质 - Google Patents
基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117302266A CN117302266A CN202311401655.5A CN202311401655A CN117302266A CN 117302266 A CN117302266 A CN 117302266A CN 202311401655 A CN202311401655 A CN 202311401655A CN 117302266 A CN117302266 A CN 117302266A
- Authority
- CN
- China
- Prior art keywords
- front wheel
- steering angle
- determining
- wheel steering
- lateral displacement
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000006073 displacement reaction Methods 0.000 claims abstract description 133
- 238000005457 optimization Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 230000009123 feedback regulation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
-
- 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
- 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
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明实施例公开了一种基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质。该方法包括:获取车辆在当前时刻的行驶数据及参考轨迹相关数据;根据所述行驶数据及参考轨迹相关数据确定初始前轮转角;根据所述期望横向位移及所述实际横向位移确定前轮转角补偿量;根据所述初始前轮转角和所述前轮转角补偿量确定目标前轮转角,并根据所述目标前轮转角控制车辆沿所述参考轨迹行驶。基于初始前轮转角和前轮转角补偿量获得目标前轮转角,根据目标前轮转角控制车辆沿参考轨迹行驶,能够改善轨迹跟踪精度,解决传统模型预测控制轨迹跟踪精度不高、鲁棒性不强的问题。
Description
技术领域
本发明实施例涉及车辆控制技术领域,尤其涉及一种基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质。
背景技术
目前,自动驾驶技术已经成为当下汽车行业的研究热点,而轨迹跟踪控制是自动驾驶技术中极其重要的一环,因此,轨迹跟踪控制算法引起了人们的广泛关注。较为主流的轨迹跟踪控制算法包括PID控制、滑模控制、智能控制、模型预测控制等等。
然而,采用传统模型预测控制算法进行轨迹跟踪控制时,存在两点局限性。第一,传统模型预测控制大多采用单轨车辆动力学模型作为预测模型,因其进行了大量简化和假设导致预测模型精度有限,进而导致轨迹跟踪精度不高;第二,传统模型预测控制的预测时域、控制时域、误差权重均为固定值,在不同工况下的轨迹跟踪效果差异较大,且对纵向车速变化的鲁棒性较差。
发明内容
本发明提供一种基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质,以实现车辆沿参考轨迹行驶,解决传统模型预测控制轨迹跟踪精度不高、鲁棒性不强的问题。
第一方面,本发明实施例提供了一种基于轨迹跟踪的车辆控制方法,包括:
获取车辆在当前时刻的行驶数据及参考轨迹相关数据;其中,所述行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;所述参考轨迹相关数据包括期望横向位移、期望航向角;
根据所述行驶数据及参考轨迹相关数据确定初始前轮转角;
根据所述期望横向位移及所述实际横向位移确定前轮转角补偿量;
根据所述初始前轮转角和所述前轮转角补偿量确定目标前轮转角,并根据所述目标前轮转角控制车辆沿所述参考轨迹行驶。
第二方面,本发明实施例还提供了一种基于轨迹跟踪的车辆控制系统,该系统包括:模型预测控制器、反馈调节控制器、目标前轮转角确定模块及控制模块;
所述模型预测控制器用于根据行驶数据及参考轨迹相关数据确定初始前轮转角;其中,所述行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;所述参考轨迹相关数据包括期望横向位移、期望航向角;
所述反馈调节控制器用于根据所述期望横向位移及所述实际横向位移确定前轮转角补偿量;
所述目标前轮转角确定模块用于根据所述初始前轮转角和所述前轮转角补偿量确定目标前轮转角;
所述控制模块用于根据所述目标前轮转角控制车辆沿所述参考轨迹行驶。
第三方面,本发明实施例还提供了一种基于轨迹跟踪的车辆控制装置,该装置包括:
数据获取模块,用于获取车辆在当前时刻的行驶数据及参考轨迹相关数据;其中,所述行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;所述参考轨迹相关数据包括期望横向位移、期望航向角;
初始前轮转角确定模块,用于根据所述行驶数据及参考轨迹相关数据确定初始前轮转角;
前轮转角补偿量确定模块,用于根据所述期望横向位移及所述实际横向位移确定前轮转角补偿量;
目标前轮转角确定模块,用于根据所述初始前轮转角和所述前轮转角补偿量确定目标前轮转角,并根据所述目标前轮转角控制车辆沿所述参考轨迹行驶。
第四方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明实施例所述的基于轨迹跟踪的车辆控制方法。
第五方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明实施例所述的基于轨迹跟踪的车辆控制方法。
本发明实施例公开了一种基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质,包括:获取车辆在当前时刻的行驶数据及参考轨迹相关数据;其中,行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;参考轨迹相关数据包括期望横向位移、期望航向角;根据行驶数据及参考轨迹相关数据确定初始前轮转角;根据期望横向位移及实际横向位移确定前轮转角补偿量;根据初始前轮转角和前轮转角补偿量确定目标前轮转角,并根据目标前轮转角控制车辆沿参考轨迹行驶。本发明实施例提供的基于轨迹跟踪的车辆控制方法,根据车辆在当前时刻的行驶数据及参考轨迹相关数据获得初始前轮转角,基于期望横向位移和实际横向位移获得前轮转角补偿量,基于初始前轮转角和前轮转角补偿量获得目标前轮转角,最后基于目标前轮转角控制车辆沿参考轨迹行驶,可以提高车辆的轨迹跟踪精度,解决传统模型轨迹跟踪精度不高、鲁棒性较差的问题。
附图说明
图1是本发明实施例一中的一种基于轨迹跟踪的车辆控制方法的流程图;
图2是本发明实施例二中的一种基于轨迹跟踪的车辆控制方法的流程图;
图3是本发明实施例三中的一种基于轨迹跟踪的车辆控制方法的流程图;
图4是本发明实施例四中的一种基于轨迹跟踪的车辆控制系统的结构示意图;
图5是本发明实施例所提供的一种基于轨迹跟踪的车辆控制系统的示例图;
图6是本发明实施例五中的一种基于轨迹跟踪的车辆控制装置的结构示意图;
图7是本发明实施例六中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于轨迹跟踪的车辆控制方法的流程图,本实施例可适用于对车辆进行轨迹跟踪控制的情况,该方法可以由基于轨迹跟踪的车辆控制装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过电子设备来实现,该电子设备可以是移动终端、PC端或服务器等。具体包括如下步骤:
S110、获取车辆在当前时刻的行驶数据及参考轨迹相关数据。
其中,行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;参考轨迹相关数据包括期望横向位移、期望航向角。行驶数据可以从车辆中获取,参考轨迹相关数据中的期望横向位移和期望航向角是事先标定好的。
S120、根据行驶数据及参考轨迹相关数据确定初始前轮转角。
本实施例中,根据行驶数据及参考轨迹相关数据确定初始前轮转角的方式可以是:根据行驶数据确定预测输出量;根据预测输出量确定前轮转角增量;根据车辆在上一个时刻的目标前轮转角和前轮转角增量确定当前时刻的初始前轮转角。
其中,预测输出量包括预测横向位移和预测航向角。前轮转角可以理解为当车辆的前轮进行转向时,前轮旋转的角度,前轮转角增量可以理解为当前时刻的前轮转角与上一时刻的前轮转角间的差值。上一个时刻的目标前轮转角可以从车辆中获取。
本实施例中,根据行驶数据确定预测横向位移和预测航向角的方式可以是:基于行驶数据进行车辆动力学模型的解算,获得预测横向位移和预测航向角。根据预测输出量确定前轮转角增量的方式可以是:确定预测输出量与期望输出量间的偏差;根据偏差和前轮转角增量构建优化函数;对优化函数进行优化处理,获得前轮转角增量。根据车辆在上一个时刻的目标前轮转角和前轮转角增量确定当前时刻的初始前轮转角的方式可以是:将上一个时刻的目标前轮转角和前轮转角增量进行求和运算,获得当前时刻的初始前轮转角。
其中,期望输出量包括期望横向位移、期望航向角,预测输出量与期望输出量间的偏差可以理解为预测输出量与期望输出量间的差值。
具体的,根据行驶数据及参考轨迹相关数据确定初始前轮转角的方式可以是:基于行驶数据对车辆动力学模型进行解算,获得预测横向位移和预测航向角;计算预测输出量与期望输出量间的差值;根据预测输出量与期望输出量间的差值和前轮转角增量构建优化函数;对优化函数进行优化处理,获得前轮转角增量;将上一个时刻的目标前轮转角和前轮转角增量进行求和,获得当前时刻的初始前轮转角。
S130、根据期望横向位移及实际横向位移确定前轮转角补偿量。
本实施例中,在对车辆进行轨迹跟踪控制的过程中,为了保证车辆的轨迹跟踪精度,解决传统模型预测控制轨迹跟踪精度不高、鲁棒性不强的问题,需要根据期望横向位移及实际横向位移确定前轮转角补偿量,实现对轨迹跟踪误差的补偿,进而改善车辆的轨迹跟踪精度。
本实施例中,根据期望横向位移及实际横向位移确定前轮转角补偿量的方式可以是:确定期望横向位移与实际横向位移间的第一偏差;获取历史时刻的前轮转角补偿量及历史时刻中期望横向位移与实际横向位移间的第二偏差;根据历史时刻的前轮转角补偿量、第一偏差及第二偏差确定当前时刻的前轮转角补偿量。
其中,期望横向位移与实际横向位移间的第一偏差可以理解为期望横向位移与实际横向位移间的第一差值,期望横向位移与实际横向位移间的第二偏差可以理解为期望横向位移与实际横向位移间的第二差值。历史时刻的前轮转角补偿量及历史时刻中期望横向位移与实际横向位移间的第二偏差可以从车辆中获取。
S140、根据初始前轮转角和前轮转角补偿量确定目标前轮转角,并根据目标前轮转角控制车辆沿参考轨迹行驶。
本实施例中,根据初始前轮转角和前轮转角补偿量确定目标前轮转角的方式可以是:将初始前轮转角和前轮转角补偿量进行累加,获得目标前轮转角。
具体的,将上述获得初始前轮转角和前轮转角补偿量进行相加,得到所期望的目标前轮转角,车辆的执行器根据目标前轮转角控制车辆沿参考轨迹行驶,实现轨迹跟踪。
本实施例的技术方案,获取车辆在当前时刻的行驶数据及参考轨迹相关数据;根据行驶数据及参考轨迹相关数据确定初始前轮转角;根据期望横向位移及实际横向位移确定前轮转角补偿量;根据初始前轮转角和前轮转角补偿量确定目标前轮转角,并根据目标前轮转角控制车辆沿参考轨迹行驶。本发明实施例提供的基于轨迹跟踪的车辆控制方法,基于车辆的初始前轮转角和前轮转角补偿量,获得目标前轮转角,车辆执行器控制车辆按照目标前轮转角沿参考轨迹行驶,解决了传统模型轨迹跟踪精度不高、鲁棒性较差的问题,改善了车辆的轨迹跟踪精度。
实施例二
图2是为本发明实施例二提供的一种基于轨迹跟踪的车辆控制方法的流程图,在上述实施例的基础上,该方法包括如下步骤:
S210、获取车辆在当前时刻的行驶数据及参考轨迹相关数据。
S220、根据行驶数据确定预测输出量。
其中,预测输出量包括预测横向位移和预测航向角。
本实施例中,根据行驶数据确定预测横向位移和预测航向角的方式可以是:基于行驶数据进行车辆动力学模型的解算,获得预测横向位移和预测航向角。
具体的,将行驶数据中的横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移分别记作Y和X,将车辆前轮转角记作δf,选取车辆动力学模型的状态量/>控制量u=[δf],则控制系统的状态空间表达式可表示为:
其中,η表示预测输出量。
本实施例中,由于公式(1)为非线性的车辆动力学模型,因此采用泰勒级数展开的方法对非线性模型进行近似线性化处理,其具体过程如下:
设控制系统的某个工作点为[χ0,u0],由公式(1)可知:
在[χ0,u0]处进行泰勒级数展开,保留一阶项,忽略高阶项,可得如下关系式:
令 则公式(3)可改写为:
式中,Jf(χ)、Jf(u)为映射关系f分别对状态量χ和控制量u的雅可比矩阵。
再令 A(t)=Jf(χ),B(t)=Jf(u),将公式(4)与公式(2)相减可得如下关系:
公式(5)即对非线性车辆动力学模型进行近似线性化处理后的形式,但该形式所表示的车辆动力学模型是连续的,不能直接用于控制器的设计。因此,需要对该连续模型进行离散化处理。
采用前向欧拉法对以上所述的连续模型进行离散化处理,其具体过程如下。由前向欧拉法及公式(5)可知在k点处的一阶导数为:
式中,T表示采样时间。
移项后可得如下关系:
式中,I表示维度与A(t)相同的单位矩阵。
令A(k)=I+TA(t),B(k)=TB(t),则公式(7)可改写为:
将公式(8)展开可得:
χ(k+1)-χ0(k+1)=A(k)[χ(k)-χ0(k)]+B(k)[u(k)-u0(k)] (9)
整理得:
式中,d(k)=χ0(k+1)-A(k)χ0(k)-B(k)u0(k)=χ(k+1)-A(k)χ(k)-B(k)u(k)。
公式(10)即对连续模型进行离散化处理后的形式。
下面对χ(k+1)的计算方法进行推导。由前向欧拉法可知:
移项后可得如下关系:
将公式(12)扩展为列向量形式如下:
令 其中,m,n分别为控制量及状态量维度,即m=1,n=6。
再令Δu(k)=u(k)-u(k-1),可将公式(1)改写为一个新的状态空间表达式如下:
由公式(14)可得到如下递推关系:
若控制系统的控制时域为Nc,预测时域为Np,则可将上述递推关系改写为矩阵相乘的形式如下:
Y=Ψξ(k)+ΘΔU+ΓΦ (15)
其中, 并且
其中,公式(15)为车辆动力学预测模型的最终形式,能够根据当前时刻系统状态量及控制量增量获得系统未来Np步的预测输出量η。
S230、根据预测输出量确定前轮转角增量。
本实施例中,根据预测输出量确定前轮转角增量的方式可以是:确定预测输出量与期望输出量间的偏差;根据偏差和前轮转角增量构建优化函数;对优化函数进行优化处理,获得前轮转角增量。
具体的,将期望输出量记作ηref,则预测输出量与期望输出量间的偏差为η-ηref。接着根据偏差η-ηref和前轮转角增量Δu构建优化函数,
式中,J(ΔU,ε)表示优化函数,用于表征控制器的控制效果;
η(k+i)表示预测输出量;
ηref(k+i)表示期望输出量;
Δu(k+i)表示前轮转角增量;
ε表示松弛因子;
ρ表示松弛因子ε的权重系数;
R表示前轮转角增量的一维权重矩阵,为待标定常量;
Q表示输出量偏差的二维权重矩阵,其中,/>QY为待标定常量。
公式(16)右侧为三项加和的形式,其中第一项反映的是控制器能否实现车辆对参考轨迹的精准跟踪;第二项反映的是控制器能否使车辆平稳地进行轨迹跟踪;第三项是为了防止控制器计算过程中出现无法得到最优解的现象,同时加快计算速度,提高控制器的实时性。
将公式(16)转化为矩阵相乘的形式如下:
J(ΔU,ε)=(Y-Yref)TQ(Y-Yref)+ΔUTRΔU+ρε2 (17)
为了便于控制器的设计,定义预测时域内的输出量偏差矩阵E如下:
E=Ψξ(k)+ΓΦ-Yref (18)
将公式(18)与公式(15)联立得:
Y-Yref=E+ΘΔU (19)
将公式(19)代入公式(17)得:
由于优化函数J(ΔU,ε)是关于ΔU和ε的函数,所以公式(20)中的ETQE项对控制器的控制效果无影响,可将该项舍掉。舍掉ETQE项后,将公式(20)进行整理如下:
J(ΔU,ε)=ΔUT(ΘTQΘ+R)ΔU+2ETQΘΔU+ρε2 (21)
将公式(21)改写成二次规划问题的标准形式如下:
以上已经完成对优化函数的设计,并化为二次规划问题的标准形式。下面将对优化函数的约束条件进行阐述,所考虑的约束条件包括控制器的控制量约束、控制量增量约束及预测输出量约束。
控制量约束的表达形式如下:
umin≤u(k+i)≤umax,i=0,1,2,...,Nc (23)
式中,umin、umax表示控制量的最小值及最大值。
考虑到车辆转向执行机构自身物理特性的限制,需要对前轮转角增量即控制量增量进行约束。控制量增量约束的表达形式如下:
Δumin≤Δu(k+i)≤Δumax,i=0,1,2,...,Nc (24)
式中,Δumin、Δumax表示控制量增量的最小值及最大值。
为了提高车辆轨迹跟踪过程中的稳定性,需要对车身姿态进行约束,故对车身航向角及横向位移即预测输出量进行约束。预测输出量约束的表达形式如下:
ηmin(k+i)≤η(k+i)≤ηmax(k+i),i=1,2,...,Np (25)
式中,ηmin(k+i)、ηmax(k+i)表示预测输出量的最小值及最大值。
为了方便求解,需将公式(23)、公式(24)、公式(25)改写为二次规划问题的标准约束形式,其表达式如下:
令
式中,为克罗内克积。
结合公式:Δu(k)=u(k)-u(k-1),可将公式(23)转化为矩阵形式如下:
Umin≤AIΔU+Ut≤Umax (27)
式中,
结合公式(15),可将公式(25)转化为矩阵形式如下:
Ymin≤ΘΔU+Ψξ(k)+ΓΦ≤Ymax (28)
式中,
将公式(27)、公式(28)相结合并整理为不等式约束的标准形式如下:
Ax≤b (29)
式中,
将公式(24)转化为上下界约束的标准形式如下:
lb≤x≤ub (30)
式中,
M表示松弛因子ε的上界。
以上已经完成对约束条件的设计,并化为二次规划问题的标准形式。
设当前时刻为k时刻,在公式(29)及公式(30)所述的约束条件下,对公式(22)所述的二次规划问题进行求解,即可得到当前时刻系统控制序列如下:
ΔU=[Δu(k) Δu(k+1) … Δu(k+Nc)]T (30)
其中,将公式(30)的第一个元素取出,即可获得前轮转角增量Δu(k)。
S240、根据车辆在上一个时刻的目标前轮转角和前轮转角增量确定当前时刻的初始前轮转角。
本实施例中,根据车辆在上一个时刻的目标前轮转角和前轮转角增量确定当前时刻的初始前轮转角的方式可以是:将上一个时刻的目标前轮转角和前轮转角增量进行求和运算,获得当前时刻的初始前轮转角。
具体的,根据公式:δ(k)=u(k-1)+Δu(k),将获得的前轮转角增量Δu(k)与上一个时刻的目标前轮转角u(k-1)相加,获得当前时刻的初始前轮转角δ(k)。
S250、根据期望横向位移及实际横向位移确定前轮转角补偿量。
本实施例中,计算期望横向位移与实际横向位移间的第一差值;从车辆中获取历史时刻的前轮转角补偿量和历史时刻中期望横向位移与实际横向位移间的第二差值;根据历史时刻的前轮转角补偿量、第一差值及第二差值获得当前时刻的前轮转角补偿量。
S260、根据初始前轮转角和前轮转角补偿量确定目标前轮转角,并根据目标前轮转角控制车辆沿参考轨迹行驶。
本实施例的技术方案,获取车辆在当前时刻的行驶数据及参考轨迹相关数据;根据行驶数据确定预测输出量;根据预测输出量确定前轮转角增量;根据车辆在上一个时刻的目标前轮转角和前轮转角增量确定当前时刻的初始前轮转角;根据期望横向位移及实际横向位移确定前轮转角补偿量;根据初始前轮转角和前轮转角补偿量确定目标前轮转角,并根据目标前轮转角控制车辆沿参考轨迹行驶。本发明实施例提供的基于轨迹跟踪的车辆控制方法,将前轮转角增量和上一个时刻的目标前轮转角相加,获得初始前轮转角,将初始前轮转角和前轮转角补偿量相加,获得目标前轮转角,控制车辆按照目标前轮转角行驶,可以提高车辆的轨迹跟踪精度,增强了模型预测控制轨迹跟踪的鲁棒性。
实施例三
图3是为本发明实施例三提供的一种基于轨迹跟踪的车辆控制方法的流程图,在上述实施例的基础上,该方法包括如下步骤:
S310、获取车辆在当前时刻的行驶数据及参考轨迹相关数据。
S320、根据行驶数据及参考轨迹相关数据确定初始前轮转角。
本实施例中,基于行驶数据对车辆动力学模型进行求解,首先,采用泰勒级数展开的方法对非线性车辆动力学模型进行近似线性化处理,获得线性车辆动力学模型;接着,采用前向欧拉法对线性车辆动力学模型进行离散化处理,获得离散化的线性车辆动力学模型;最后,基于离散化的线性车辆动力学模型获得模型的预测输出量η。
本实施例中,根据预测输出量与期望输出量间的偏差η-ηref以及前轮转角增量Δu构建优化函数J(ΔU,ε);然后对优化函数进行求解,获得前轮转角增量Δu(k);将获得的前轮转角增量Δu(k)与上一个时刻的目标前轮转角u(k-1)进行求和,获得当前时刻的初始前轮转角δ(k)。
S330、确定期望横向位移与实际横向位移间的第一偏差。
本实施例中,在初始前轮转角δ(k)计算完成后,为了校正和补偿轨迹跟踪误差,需要对反馈调节控制器进行设计。本发明实施例采用PID控制器作为反馈调节控制器,其设计方法如下:
将k时刻的期望横向位移记作Yref(k),将k时刻的实际横向位移记作Yreal(k),则k时刻的期望横向位移与实际横向位移间的第一偏差为eY(k)=Yref(k)-Yreal(k)。
S340、获取历史时刻的前轮转角补偿量及历史时刻中期望横向位移与实际横向位移间的第二偏差。
本实施例中,从车辆中获取历史时刻的前轮转角补偿量及历史时刻中期望横向位移与实际横向位移间的第二偏差。其中,将历史时刻的前轮转角补偿量记作δPID(k-1),历史时刻中期望横向位移与实际横向位移间的第二偏差包括k-1时刻的期望横向位移与实际横向位移间的差值eY(k-1)和k-2时刻的期望横向位移与实际横向位移间的差值eY(k-2)。
S350、根据历史时刻的前轮转角补偿量、第一偏差及第二偏差确定当前时刻的前轮转角补偿量。
本实施例中,基于历史时刻的前轮转角补偿量δPID(k-1)、第一偏差eY(k)及第二偏差eY(k-1)、eY(k-2),根据如下公式:
δPID(k)=Kp(eY(k)-eY(k-1))+KieY(k)+Kd(eY(k)-2eY(k-1)+eY(k-2))+δPID(k-1)
获得当前时刻PID控制器输出的前轮转角补偿量δPID(k)。
式中,Kp、Ki、Kd表示PID控制器的比例系数、积分系数和微分系数,它们是事先标定好的。
S360、根据初始前轮转角和前轮转角补偿量确定目标前轮转角,并根据目标前轮转角控制车辆沿参考轨迹行驶。
本实施例中,根据公式:δref(k)=δ(k)+δPID(k),将k时刻的初始前轮转角δ(k)和k时刻的前轮转角补偿量δPID(k)相加,获得k时刻的目标前轮转角δref(k),基于目标前轮转角δref(k),车辆的执行器控制车辆沿参考轨迹行驶。
本实施例的技术方案,获取车辆在当前时刻的行驶数据及参考轨迹相关数据;根据行驶数据及参考轨迹相关数据确定初始前轮转角;确定期望横向位移与实际横向位移间的第一偏差;获取历史时刻的前轮转角补偿量及历史时刻中期望横向位移与实际横向位移间的第二偏差;根据历史时刻的前轮转角补偿量、第一偏差及第二偏差确定当前时刻的前轮转角补偿量;根据初始前轮转角和前轮转角补偿量确定目标前轮转角,并根据目标前轮转角控制车辆沿参考轨迹行驶。本发明实施例提供的基于轨迹跟踪的车辆控制方法,基于历史时刻的前轮转角补偿量、第一偏差及第二偏差确定当前时刻的前轮转角补偿量,将初始前轮转角和前轮转角补偿量求和获得目标前轮转角,控制车辆沿参考轨迹行驶,能够改善车辆的轨迹跟踪精度,解决传统模型预测控制轨迹跟踪鲁棒性不强的问题。
实施例四
图4为本发明实施例四提供的一种基于轨迹跟踪的车辆控制系统的结构示意图,如图4所示,基于轨迹跟踪的车辆控制系统包括:模型预测控制器、反馈调节控制器、目标前轮转角确定模块及控制模块;其中,模型预测控制器用于根据行驶数据及参考轨迹相关数据确定初始前轮转角;反馈调节控制器用于根据期望横向位移及实际横向位移确定前轮转角补偿量;目标前轮转角确定模块用于根据初始前轮转角和前轮转角补偿量确定目标前轮转角;控制模块用于根据目标前轮转角控制车辆沿参考轨迹行驶。
示例性的,图5是本发明实施例所提供的一种基于轨迹跟踪的车辆控制系统的示例图,如图5所示,从车辆中获取行驶数据:横向速度纵向速度/>航向角/>横摆角速度实际横向位移Y及实际纵向位移X,将行驶数据和参考轨迹相关数据中的期望横向位移Yref和期望航向角/>输入到模型预测控制器中,然后输出初始前轮转角δ。具体的,在模型预测控制器中,首先,基于车辆动力学模型获得预测输出量;然后,根据预测输出量与期望输出量间的偏差以及前轮转角增量构建优化函数;接着,对优化函数进行求解,获得前轮转角增量;最后,将获得的前轮转角增量与上一个时刻的目标前轮转角进行求和,获得当前时刻的初始前轮转角δ。将车辆的实际横向位移Y与参考轨迹的期望横向位移Yref输入到反馈调节控制器中,获得前轮转角补偿量δPID;将初始前轮转角δ和前轮转角补偿量δPID相加,获得目标前轮转角δref;将目标前轮转角作用于车辆,实现车辆的轨迹跟踪。
本实施例的技术方案,采用模型预测控制器获得初始前轮转角δ;采用反馈调节控制器获得前轮转角补偿量δPID;基于获得的初始前轮转角和前轮转角补偿量,采用目标前轮转角确定模块获得目标前轮转角δref;基于目标前轮转角,采用控制模块控制车辆沿参考轨迹行驶,能够提高车辆的轨迹跟踪精度,解决传统模型预测控制轨迹跟踪精度不高、鲁棒性不强的问题。
实施例五
图6为本发明实施例五提供的一种基于轨迹跟踪的车辆控制装置的结构示意图,如图6所示,该装置包括:
数据获取模块410,用于获取车辆在当前时刻的行驶数据及参考轨迹相关数据;其中,行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;参考轨迹相关数据包括期望横向位移、期望航向角;
初始前轮转角确定模块420,用于根据行驶数据及参考轨迹相关数据确定初始前轮转角;
前轮转角补偿量确定模块430,用于根据期望横向位移及实际横向位移确定前轮转角补偿量;
目标前轮转角确定模块440,用于根据初始前轮转角和前轮转角补偿量确定目标前轮转角,并根据目标前轮转角控制车辆沿参考轨迹行驶。
可选的,初始前轮转角确定模块420,还用于:
根据行驶数据确定预测输出量;其中,预测输出量包括预测横向位移和预测航向角;根据预测输出量确定前轮转角增量;根据车辆在上一个时刻的目标前轮转角和前轮转角增量确定当前时刻的初始前轮转角。
其中,根据行驶数据确定预测输出量,包括:
基于行驶数据进行车辆动力学模型的解算,获得预测横向位移和预测航向角。
其中,根据预测输出量确定前轮转角增量,包括:
确定预测输出量与期望输出量间的偏差;其中,期望输出量包括期望横向位移、期望航向角;根据偏差和前轮转角增量构建优化函数;对优化函数进行优化处理,获得前轮转角增量。
可选的,前轮转角补偿量确定模块430,还用于:
确定期望横向位移与实际横向位移间的第一偏差;获取历史时刻的前轮转角补偿量及历史时刻中期望横向位移与实际横向位移间的第二偏差;根据历史时刻的前轮转角补偿量、第一偏差及第二偏差确定当前时刻的前轮转角补偿量。
可选的,目标前轮转角确定模块440,还用于:
将初始前轮转角和前轮转角补偿量进行累加,获得目标前轮转角。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例六
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如基于轨迹跟踪的车辆控制方法。
在一些实施例中,基于轨迹跟踪的车辆控制方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的基于轨迹跟踪的车辆控制方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于轨迹跟踪的车辆控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种基于轨迹跟踪的车辆控制方法,其特征在于,包括:
获取车辆在当前时刻的行驶数据及参考轨迹相关数据;其中,所述行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;所述参考轨迹相关数据包括期望横向位移、期望航向角;
根据所述行驶数据及参考轨迹相关数据确定初始前轮转角;
根据所述期望横向位移及所述实际横向位移确定前轮转角补偿量;
根据所述初始前轮转角和所述前轮转角补偿量确定目标前轮转角,并根据所述目标前轮转角控制车辆沿所述参考轨迹行驶。
2.根据权利要求1所述的方法,其特征在于,根据所述行驶数据及参考轨迹相关数据确定初始前轮转角,包括:
根据所述行驶数据确定预测输出量;其中,所述预测输出量包括预测横向位移和预测航向角;
根据所述预测输出量确定前轮转角增量;
根据车辆在上一个时刻的目标前轮转角和所述前轮转角增量确定当前时刻的初始前轮转角。
3.根据权利要求2所述的方法,其特征在于,根据所述行驶数据确定预测横向位移和预测航向角,包括:
基于所述行驶数据进行车辆动力学模型的解算,获得预测横向位移和预测航向角。
4.根据权利要求2所述的方法,其特征在于,根据所述预测输出量确定前轮转角增量,包括:
确定所述预测输出量与期望输出量间的偏差;其中,所述期望输出量包括所述期望横向位移、所述期望航向角;
根据所述偏差和所述前轮转角增量构建优化函数;
对所述优化函数进行优化处理,获得前轮转角增量。
5.根据权利要求1所述的方法,其特征在于,根据所述期望横向位移及所述实际横向位移确定前轮转角补偿量,包括:
确定期望横向位移与所述实际横向位移间的第一偏差;
获取历史时刻的前轮转角补偿量及历史时刻中期望横向位移与所述实际横向位移间的第二偏差;
根据所述历史时刻的前轮转角补偿量、所述第一偏差及所述第二偏差确定当前时刻的前轮转角补偿量。
6.根据权利要求1所述的方法,其特征在于,根据所述初始前轮转角和所述前轮转角补偿量确定目标前轮转角,包括:
将所述初始前轮转角和所述前轮转角补偿量进行累加,获得目标前轮转角。
7.一种基于轨迹跟踪的车辆控制系统,其特征在于,包括:模型预测控制器、反馈调节控制器、目标前轮转角确定模块及控制模块;
所述模型预测控制器用于根据行驶数据及参考轨迹相关数据确定初始前轮转角;其中,所述行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;所述参考轨迹相关数据包括期望横向位移、期望航向角;
所述反馈调节控制器用于根据所述期望横向位移及所述实际横向位移确定前轮转角补偿量;
所述目标前轮转角确定模块用于根据所述初始前轮转角和所述前轮转角补偿量确定目标前轮转角;
所述控制模块用于根据所述目标前轮转角控制车辆沿所述参考轨迹行驶。
8.一种基于轨迹跟踪的车辆控制装置,其特征在于,包括:
数据获取模块,用于获取车辆在当前时刻的行驶数据及参考轨迹相关数据;其中,所述行驶数据包括:横向速度、纵向速度、航向角、横摆角速度、实际横向位移及实际纵向位移;所述参考轨迹相关数据包括期望横向位移、期望航向角;
初始前轮转角确定模块,用于根据所述行驶数据及参考轨迹相关数据确定初始前轮转角;
前轮转角补偿量确定模块,用于根据所述期望横向位移及所述实际横向位移确定前轮转角补偿量;
目标前轮转角确定模块,用于根据所述初始前轮转角和所述前轮转角补偿量确定目标前轮转角,并根据所述目标前轮转角控制车辆沿所述参考轨迹行驶。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的基于轨迹跟踪的车辆控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的基于轨迹跟踪的车辆控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311401655.5A CN117302266A (zh) | 2023-10-26 | 2023-10-26 | 基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311401655.5A CN117302266A (zh) | 2023-10-26 | 2023-10-26 | 基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117302266A true CN117302266A (zh) | 2023-12-29 |
Family
ID=89246294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311401655.5A Pending CN117302266A (zh) | 2023-10-26 | 2023-10-26 | 基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117302266A (zh) |
-
2023
- 2023-10-26 CN CN202311401655.5A patent/CN117302266A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Robust tracking control for wheeled mobile robot based on extended state observer | |
CN105314094A (zh) | 飞机操纵面的闭环控制 | |
WO2022257310A1 (zh) | 估计车辆重量的方法和装置 | |
CN104463381A (zh) | 基于kpca与wlssvm的建筑能耗预测方法 | |
Koubaa et al. | Adaptive sliding mode control for trajectory tracking of nonholonomic mobile robot with uncertain kinematics and dynamics | |
CN114715196A (zh) | 一种跟随误差确定方法、装置、设备及存储介质 | |
CN114312843B (zh) | 用于确定信息的方法和装置 | |
CN109765907B (zh) | 一种舰船用pid无模型自适应航向控制算法 | |
CN117302266A (zh) | 基于轨迹跟踪的车辆控制方法、系统、装置、设备及存储介质 | |
CN106033189A (zh) | 飞行机器人位姿神经网络预测控制器 | |
Kharlamenko et al. | Adaptive control of dynamic load in blooming mill with online estimation of process parameters based on the modified Kaczmarz algorithm | |
CN114852089A (zh) | 一种车辆行驶控制方法、装置、电子设备及存储介质 | |
CN116880184A (zh) | 无人船轨迹追踪预测控制方法、系统及存储介质 | |
CN115562299A (zh) | 一种移动机器人的导航方法、装置、移动机器人及介质 | |
CN113741183B (zh) | 基于阻尼比模型的工业机器人自适应导纳控制方法 | |
CN114620074A (zh) | 车辆控制方法、装置、电子设备及存储介质 | |
CN114834529A (zh) | 一种车辆控制方法、装置、设备和介质 | |
CN112734125A (zh) | 一种光伏出力预测方法、装置和电子设备 | |
CN117452938A (zh) | 一种轨迹跟踪控制方法、装置、设备及介质 | |
JP7351012B2 (ja) | 車両重量の推定方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN114274148B (zh) | 一种轨迹规划方法、装置、电子设备以及存储介质 | |
CN117289686B (zh) | 一种参数标定方法、装置、电子设备及存储介质 | |
CN117340899B (zh) | 转矩补偿方法、装置、电子设备及存储介质 | |
CN115600875B (zh) | 一种环境参数的标定方法、装置、电子设备及存储介质 | |
CN117950306A (zh) | 一种pid控制参数确定方法、装置、设备及介质 |
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 |