CN118226758A - 考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法 - Google Patents
考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法 Download PDFInfo
- Publication number
- CN118226758A CN118226758A CN202410637535.3A CN202410637535A CN118226758A CN 118226758 A CN118226758 A CN 118226758A CN 202410637535 A CN202410637535 A CN 202410637535A CN 118226758 A CN118226758 A CN 118226758A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- control
- moment
- constraint
- matrix
- 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 48
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 6
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000036544 posture Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Classifications
-
- 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
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明适用于智能驾驶技术领域,提供了考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,包括以下步骤:提出整车控制约束量,保证全局力/力矩可行性;基于考虑车辆姿态的三自由度动力学模型,建立变步长自适应线性参考点的预测模型;综合考虑路径跟踪误差、车辆姿态误差等建立代价函数;建立控制器的多约束条件。根据本发明中控制器计算出的全局力和力矩,通过二次规划方法求解出四轮纵向力和侧向力,通过轮胎参数在线更新模块计算出前后轴转角以及四轮驱动力。该方法能够保证在传统车辆稳定域外的分布式车辆的稳定性,充分发挥底盘的性能。
Description
技术领域
本发明属于智能驾驶技术领域,尤其涉及考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法。
背景技术
随着交通问题的日益严重,自主驾驶技术由于其提高交通通行能力、增强车辆安全性和减少驾驶员工作量的优势而越来越受到业界和学术界的关注。通过线控技术控制的分布式车辆比传统的分布式车辆具有更广泛的可控性和灵活性,并能有效地提高低速机动性和高速机动性。分布式汽车具有前后桥转向和四轮独立驱动/制动(4WS4WID) ,在短时间内有望批量生产,目前已有4WS4WID 底盘配置原型车。将分布式车辆的优势与自主驾驶技术相结合,为自主驾驶提供一个更加理想的平台,是一个亟待解决的问题。
目前分布式车辆的运动控制策略可分为解耦运动控制和耦合运动控制。解耦运动控制方法在纵向和横向运动控制中不考虑运动学和轮胎力的耦合。它只是简单地限制弯道下的速度,以防止车辆失稳,这使得它往往是保守的,不能充分利用底盘的性能。为此我们提出考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法。
发明内容
本发明的目的在于提供考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,旨在解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,包括以下步骤:
步骤S1、提出整车控制约束量;
步骤S2、建立预测模型;
步骤S3、建立代价函数;
步骤S4、建立控制器的多约束条件;
步骤S5、基于约束条件,根据代价函数进行滚动优化,求解出全局力/力矩。
进一步的,所述步骤S1中,整车控制约束量的计算公式如下:
式中,为整车约束量;/>是平衡全局力和力矩的恒定权重,为0.62;统称为全局力/力矩;/>为道路摩擦系数;m为整车质量;g为重力加速度。
进一步的,所述步骤S2包括以下具体步骤:
步骤S21、基于考虑车辆姿态的三自由度动力学模型,并考虑全局力/力矩的约束,将得到的微分方程转换为状态空间方程如下:
式中,为车辆重心与参考点之间位置偏差;/>为车辆的航向与参考点的航向之间的偏差;/>为车辆纵向速度;/>为车辆横向速度;/>为车辆横摆角速度;/>为干扰项矩阵;C c 为状态矩阵;D u 为输入矩阵;/>表示全局力/力矩约束的线性化误差补偿;
步骤S22、采用MPC控制器将最后一刻输出的预测状态和控制序列作为自适应线性参考点;
步骤S23、对预测模型进行变步长离散;变步长法的初始离散步长与控制周期一致,使控制增量直接应用于计算下一个时刻的控制输入。
进一步的,所述步骤S3的具体操作为:以整个预测时域内的全局力/矩增量、车辆位姿与参考位姿之间误差、车辆横向误差、车辆速度与设定速度之间误差为代价,构建代价函数;
代价函数的计算公式如下:
式中,为代价函数;N P 为预测时域的长度;/>表示在时间k处将来第j步输出的参考输出值;/>表示在时间k处将来第/>步输出值;Q为输出权重矩阵;R为输入权重矩阵;/>表示/>步的输入值;T代表对矩阵进行转置运算。
进一步的,所述步骤S4中,控制器的约束条件包括执行器约束条件、动态约束条件和控制性能约束条件。
进一步的,所述控制性能约束条件如下:
式中,表示在时间k处将来第1步输出的输出值;/>为车辆重心与参考点之间距离限值,/>为式中相应下标矩阵;/>为式中相应下标矩阵;N P 为预测时域的长度。
与现有技术相比,本发明的有益效果是:
该考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法能够保证在传统车辆稳定域外的分布式车辆的稳定性,充分发挥底盘的性能。
附图说明
图1为本发明的流程图。
图2为本发明中控制器的框架图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
本发明一个实施例提供的考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,包括以下步骤:
步骤S1、提出整车控制约束量:
根据所有离散可行的四轮驱动/制动力和前/后轴横向力的组合,计算整体力/力矩,形成一个可达到的集合。根据全局力/力矩可达范围的形状,利用形状相似的椭球体来拟合全局力/力矩的可达范围,形成整车控制约束量;
所述步骤S1中,整车控制约束量的计算公式如下:
式中,为整车约束量;/>是平衡全局力和力矩的恒定权重,在拟合椭圆相关参数的基础上,相应地设置为0.62;/>统称为全局力/力矩;/>为道路摩擦系数;m为整车质量;g为重力加速度。整车控制量约束不涉及整个车辆摩擦圆。
步骤S2、建立预测模型:
所述步骤S2包括以下具体步骤:
步骤S21、基于考虑车辆姿态的三自由度动力学模型,并考虑全局力/力矩的约束,将得到的微分方程转换为状态空间方程如下:
式中,为车辆重心与参考点之间位置偏差;/>为车辆的航向与参考点的航向之间的偏差;/>为车辆纵向速度;/>为车辆横向速度;/>为车辆横摆角速度;/>为干扰项矩阵;C c 为状态矩阵;D u 为输入矩阵;/>表示全局力/力矩约束的线性化误差补偿;
步骤S22、采用MPC控制器将最后一刻输出的预测状态和控制序列作为自适应线性参考点,以减少线性化误差。通过自适应地改变线性参考点,可以很好地缩小真实状态和线性参考点之间的差距,从而减少状态导数的线性化误差。
步骤S23、对预测模型进行变步长离散;基于变步长法的初始离散步长必须与控制周期一致,确保控制增量可以直接应用于计算下一个时刻的控制输入。变时间步长法的第二部分与控制器预测时域的期望时间长度有关。
步骤S3、建立代价函数;
以整个预测时域内的全局力/矩增量、车辆位姿与参考位姿之间误差、车辆横向误差、车辆速度与设定速度之间误差为代价,构建代价函数;
代价函数的计算公式如下:
式中,为代价函数;N P 为预测时域的长度;/>表示在时间k处将来第j步输出的参考输出值;/>表示在时间k处将来第/>步输出值;Q为输出权重矩阵;R为输入权重矩阵;/>表示/>步的输入值;T代表对矩阵进行转置运算。
步骤S4、建立控制器的多约束条件;控制器的约束条件包括:
执行器约束:执行器约束主要包括全局力/力矩增量的限制。
动态约束:为了确保由运动跟踪层计算的全局力/力矩可以由控制分配层实现,全局力/力矩必须满足整车控制量约束。
控制性能约束:为了防止车辆与道路边界或相邻车道上的车辆发生碰撞,有必要对横向偏差加以约束,使其在车道线内安全行驶。
所述控制性能约束条件如下:
式中,表示在时间k处将来第1步输出的输出值;/>为车辆重心与参考点之间距离限值,/>为式中相应下标矩阵;/>为式中相应下标矩阵;N P 为预测时域的长度。
步骤S5、基于约束条件,根据代价函数进行滚动优化,求解出全局力/力矩。
根据本发明中控制器计算出的全局力和力矩,通过二次规划方法求解出四轮纵向力和侧向力。最后,通过轮胎参数在线更新模块计算出前后轴转角以及四轮驱动力。该方法能够保证在传统车辆稳定域外的分布式车辆的稳定性,充分发挥底盘的性能。
以上仅是本发明的优选实施方式,应当指出,对于本领域的技术人员来说,在不脱离本发明构思的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些均不会影响本发明实施的效果和专利的实用性。
Claims (6)
1.考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,其特征在于,包括以下步骤:
步骤S1、提出整车控制约束量;
步骤S2、建立预测模型;
步骤S3、建立代价函数;
步骤S4、建立控制器的多约束条件;
步骤S5、基于约束条件,根据代价函数进行滚动优化,求解出全局力/力矩。
2.根据权利要求1所述的考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,其特征在于,所述步骤S1中,整车控制约束量的计算公式如下:
;
式中,为整车约束量;/>是平衡全局力和力矩的恒定权重,为0.62;统称为全局力/力矩;/>为道路摩擦系数;m为整车质量;g为重力加速度。
3.根据权利要求1所述的考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,其特征在于,所述步骤S2包括以下具体步骤:
步骤S21、基于考虑车辆姿态的三自由度动力学模型,并考虑全局力/力矩的约束,将得到的微分方程转换为状态空间方程;
步骤S22、采用MPC控制器将最后一刻输出的预测状态和控制序列作为自适应线性参考点;
步骤S23、对预测模型进行变步长离散;变步长法的初始离散步长与控制周期一致,使控制增量直接应用于计算下一个时刻的控制输入;
所述步骤S21中,状态空间方程如下:
;
式中,为车辆重心与参考点之间位置偏差;/>为车辆的航向与参考点的航向之间的偏差;/>为车辆纵向速度;/>为车辆横向速度;/>为车辆横摆角速度;/>为干扰项矩阵;C c 为状态矩阵;D u 为输入矩阵;/>表示全局力/力矩约束的线性化误差补偿。
4.根据权利要求1所述的考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,其特征在于,所述步骤S3的具体操作为:以整个预测时域内的全局力/矩增量、车辆位姿与参考位姿之间误差、车辆横向误差、车辆速度与设定速度之间误差为代价,构建代价函数;
代价函数的计算公式如下:
;
式中,为代价函数;N P 为预测时域的长度;/>表示在时间k处将来第j步输出的参考输出值;/>表示在时间k处将来第/>步输出值;Q为输出权重矩阵;R为输入权重矩阵;/>表示/>步的输入值;T代表对矩阵进行转置运算。
5.根据权利要求1所述的考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,其特征在于,所述步骤S4中,控制器的多约束条件包括执行器约束条件、动态约束条件和控制性能约束条件。
6.根据权利要求5所述的考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法,其特征在于,所述控制性能约束条件如下:
;
式中,表示在时间k处将来第1步输出的输出值;/>为车辆重心与参考点之间距离限值,/>为式中相应下标矩阵;/>为式中相应下标矩阵;N P 为预测时域的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410637535.3A CN118226758A (zh) | 2024-05-22 | 2024-05-22 | 考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410637535.3A CN118226758A (zh) | 2024-05-22 | 2024-05-22 | 考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118226758A true CN118226758A (zh) | 2024-06-21 |
Family
ID=91506305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410637535.3A Pending CN118226758A (zh) | 2024-05-22 | 2024-05-22 | 考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118226758A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107357168A (zh) * | 2017-06-01 | 2017-11-17 | 同济大学 | 一种基于机会约束模型预测控制的无人车避障方法 |
CN109976159A (zh) * | 2019-04-09 | 2019-07-05 | 台州学院 | 基于安全可控域的智能车辆横向控制方法 |
CN111546850A (zh) * | 2020-03-31 | 2020-08-18 | 重庆交通大学 | 基于混合逻辑动态模型的车身高度与车辆姿态协调控制方法 |
CN111959500A (zh) * | 2020-08-07 | 2020-11-20 | 长春工业大学 | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 |
CN116534121A (zh) * | 2023-05-12 | 2023-08-04 | 吉林大学 | 一种基于模型预测的四轮转向车辆稳定性控制方法 |
CN117826799A (zh) * | 2023-12-12 | 2024-04-05 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种无人驾驶车队横纵方向耦合协同控制方法及装置 |
-
2024
- 2024-05-22 CN CN202410637535.3A patent/CN118226758A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107357168A (zh) * | 2017-06-01 | 2017-11-17 | 同济大学 | 一种基于机会约束模型预测控制的无人车避障方法 |
CN109976159A (zh) * | 2019-04-09 | 2019-07-05 | 台州学院 | 基于安全可控域的智能车辆横向控制方法 |
CN111546850A (zh) * | 2020-03-31 | 2020-08-18 | 重庆交通大学 | 基于混合逻辑动态模型的车身高度与车辆姿态协调控制方法 |
CN111959500A (zh) * | 2020-08-07 | 2020-11-20 | 长春工业大学 | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 |
CN116534121A (zh) * | 2023-05-12 | 2023-08-04 | 吉林大学 | 一种基于模型预测的四轮转向车辆稳定性控制方法 |
CN117826799A (zh) * | 2023-12-12 | 2024-04-05 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种无人驾驶车队横纵方向耦合协同控制方法及装置 |
Non-Patent Citations (6)
Title |
---|
GUOYING CHEN, 等: "Design and experimental evaluation of an efficient MPC-based lateral motion controller considering path preview for autonomous vehicles", CONTROL ENGINEERING PRACTICE, vol. 123, 31 December 2022 (2022-12-31), pages 1 - 17 * |
SHAOSONG LI,等: "Tire State Stiffness Prediction for Improving Path Tracking Control During Emergency Collision Avoidance", DIGITAL OBJECT IDENTIFIER, vol. 7, 31 December 2019 (2019-12-31), pages 179658 - 179669, XP011761671, DOI: 10.1109/ACCESS.2019.2959043 * |
吕颖,等: "考虑转向延迟特性的自动驾驶车辆路径跟踪控制方法", 汽车工程, vol. 45, no. 12, 31 December 2023 (2023-12-31), pages 2234 - 2241 * |
孙浩,等: "考虑轮胎力耦合约束的智能汽车轨迹跟踪控制算法", 中国惯性技术学报, vol. 27, no. 6, 31 December 2019 (2019-12-31), pages 804 - 810 * |
张钰,等: "考虑稳定性约束的智能车辆切换控制方法", 汽车工程, vol. 45, no. 5, 31 December 2023 (2023-12-31), pages 709 - 718 * |
陈国迎,郑宏宇: "分布式全线控电动汽车的底盘集成控制", 华南理工大学学报(自然科学版), vol. 43, no. 11, 30 November 2015 (2015-11-30), pages 87 - 95 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111890951B (zh) | 智能电动汽车轨迹跟踪与运动控制方法 | |
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 | |
CN111959500B (zh) | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 | |
CN111055921B (zh) | 一种基于数据驱动的四轮转向模型预测控制方法 | |
CN111959527B (zh) | 一种基于转角优化序列的汽车路径跟踪控制方法 | |
CN111679575B (zh) | 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法 | |
CN112677992B (zh) | 用于分布式驱动无人驾驶车辆的路径跟踪优化控制方法 | |
CN113911106B (zh) | 基于博弈论的商用车横向轨迹跟随与稳定性协同控制方法 | |
CN112829766B (zh) | 一种基于分布式驱动电动车辆的自适应路径跟踪方法 | |
US20230140485A1 (en) | Architecture and model predictive control-based methodology to manage chassis and driveline actuators | |
CN113009829A (zh) | 一种智能网联车队纵横向耦合控制方法 | |
CN112606843A (zh) | 一种基于Lyapunov-MPC技术的智能车辆路径跟踪控制方法 | |
CN111444577A (zh) | 一种电动大客车自动避让方法 | |
Li et al. | Adaptive sliding mode control of lateral stability of four wheel hub electric vehicles | |
CN116279525A (zh) | 基于模型预测控制的分布式电动汽车集中式姿态控制方法 | |
CN118226758A (zh) | 考虑操纵极限下车辆姿态的分布式车辆模型预测控制方法 | |
JP4796480B2 (ja) | 車両運動制御装置及び制御方法 | |
CN115723590A (zh) | 一种轮毂电机驱动汽车的节能转矩矢量控制方法 | |
CN115703363A (zh) | 用于确定道路车辆的驱动车轮的优化的扭矩分配的方法和相关的道路车辆 | |
CN114834263A (zh) | 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置 | |
Kobayashi et al. | Efficient direct yaw moment control during acceleration and deceleration while turning (first report) | |
WO2022106005A1 (en) | Methods for reducing high-speed off-tracking in multi-trailer heavy duty vehicles | |
Cáspár et al. | Design of an integrated control for driver assistance systems based on LPV methods | |
CN113954821B (zh) | 一种转向和扭矩矢量一体化车辆稳定性控制方法 | |
Ma et al. | Longitudinal-vertical integrated sliding mode controller for distributed electric vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |