一种分布式驱动车辆的轨迹跟踪控制策略制造技术

本发明专利技术公开了一种分布式驱动车辆的轨迹跟踪控制策略，包括如下步骤：步骤一、设立参考轨迹，建立地面坐标系，得到车辆单轨动力学模型，建立控制导向的状态空间模型；步骤二、通过基于理想状态的前馈控制方法调节所述状态空间模型，获得前馈控制变量；步骤三、将所述前馈控制方法的输入代入反演滑模变结构控制方法调节所述状态空间模型，获得反演滑模控制量；步骤四、调节控制变量使得车辆的实际轨迹与参考轨迹误差趋近于0，实现车辆的轨迹跟踪。本发明专利技术以四轮独立驱动车辆为平台，以期望值为目标计算控制器对应的前馈输出，以反演控制克服各种干扰，并针对部分参数难以测量的特性，设计了成熟可靠的龙伯格状态观测器，实现了良好的轨迹跟踪性能。轨迹跟踪性能。轨迹跟踪性能。

【技术实现步骤摘要】
一种分布式驱动车辆的轨迹跟踪控制策略


[0001]本专利技术涉及救援设备
，更具体的是，本专利技术涉及一种分布式驱动车辆的轨迹跟踪控制策略。

技术介绍

[0002]面对日益紧张的能源和环保压力，各国政府先后出台大量政策措施，鼓励新能源车辆的发展。同时，伴随着第四次工业革命计算机技术的兴起，车辆的智能化、网联化、电动化和共享化逐渐成为了新的潮流，尤其是无人驾驶技术，更是成为了各大企业、高校和研究机构追逐的热点。而实现高精度的轨迹跟踪是实现无人驾驶技术的关键，同时也对车辆的舒适性、操纵稳定性具有巨大影响。综合上述研究热点，以新能源车辆为载体，通过传统控制或底盘线控实现高精度的轨迹跟踪，成为广大科研人员竞相追逐的目标。
[0003]在现有技术中，主要以纯电动车辆为载体，现有纯电动车辆与传统车辆除了动力源不同外，转向、制动、驱动等执行机构并无明显不同，无法充分发挥新能源车辆控制灵活的特性。同时在控制策略上，传统的PID控制及其改进型依然占据统治地位，新的模型预测控制、深度强化学习等方法在实时性、可靠性上依然有所欠缺。

技术实现思路

[0004]本专利技术的目的是设计开发了一种分布式驱动车辆的轨迹跟踪控制策略，克服现有技术存在的问题，以前馈控制方法减小车辆模型的调节时间，以反演滑模变结构控制方法减小车辆模型的误差，实现高精度的轨迹跟踪。
[0005]本专利技术提供的技术方案为：
[0006]一种分布式驱动车辆的轨迹跟踪控制策略，包括如下步骤：
[0007]步骤一、设立参考轨迹，建立地面坐标系，得到车辆单轨动力学模型，建立控制导向的状态空间模型：
[0008][0009][0010][0011][0012]式中，状态变量[x1,x2,x3,x4]T
为控制变量[u1,u2]T
为[δ
f
,δ
r
]T
，y为车辆横向位移，v
y
为车辆横向速度，φ为车辆横摆角度，为车辆横摆角速度，δ
f
为前轮转角，
δ
r
为后轮转角，k
f
为前轮胎侧偏刚度，k
r
为后轮胎侧偏刚度，m为整车质量，v
x
为车辆纵向速度，a为质心到前轴的距离，b为质心到后轴距离，I
z
为整车转动惯量；
[0013]步骤二、通过基于理想状态的前馈控制方法调节所述状态空间模型，获得前馈控制变量为：
[0014][0015][0016]式中，u
1f
为第一前馈控制变量，u
2f
为第二前馈控制变量，y
d
为期望横向位移，为期望横摆角；
[0017]步骤三、将所述前馈控制方法的输入代入反演滑模变结构控制方法调节所述状态空间模型，获得反演滑模控制量为：
[0018][0019][0020]式中，u
1b
为第一反演滑模控制量，u
2b
为第二反演滑模控制量，f为第一中间变量，g为第二中间变量，e1为第一辅助控制量，e2为第二辅助控制量，e3为第三辅助控制量，e4为第四辅助控制量，c1为第一常数，c2为第二常数，c3为第三常数，c4为第四常数；
[0021]步骤四、调节所述控制变量使得车辆的实际轨迹与参考轨迹误差趋近于0，实现车辆的轨迹跟踪；其中，所述控制变量满足：
[0022]u1＝u
1f
+u
1b
；
[0023]u2＝u
2f
+u
2b
。
[0024]优选的是，通过车辆侧向动力学方程和横摆动力学方程获得所述状态空间模型；
[0025]所述车辆侧向动力学方程为：
[0026][0027]式中，v
y
为车辆横向速度，为车辆横摆角度，v
x
为车辆纵向速度，F
yf
为前轴横向力，F
yr
为后轴横向力；
[0028]所述车辆横摆动力学方程为：
[0029][0030]优选的是，所述前轴横向力满足：
[0031]F
yf
＝F
flo
·
sin(δ
f
)+F
fla
·
cos(δ
f
)；
[0032]式中，F
flo
为前轮胎纵向力，F
fla
为前轮胎横向力；
[0033]所述后轴横向力满足：
[0034]F
yr
＝F
rlo
·
sin(δ
r
)+F
rla
·
cos(δ
r
)；
[0035]式中，F
rlo
为后轮胎纵向力，F
rla
为后轮胎横向力。
[0036]优选的是，所述前轮胎横向力满足：
[0037]F
fla
＝k
f
·
α
f
；
[0038]式中，k
f
为前轮胎侧偏刚度，α
f
为前轮侧偏角；
[0039]所述后轮胎横向力满足：
[0040]F
rla
＝k
r
·
α
r
；
[0041]式中，k
r
为后轮胎侧偏刚度，α
r
为后轮侧偏角。
[0042]优选的是，所述前轮侧偏角满足：
[0043][0044]所述后轮侧偏角满足：
[0045][0046]优选的是，所述车辆横向位移和车辆横摆角度通过传感器采集；
[0047]所述车辆横向速度和车辆横摆角速度通过龙伯格观测器观测，所述龙伯格观测器模型为：
[0048][0049][0050][0051][0052]式中，为x1的观测值，为x2的观测值，为x3的观测值，为x4的观测值。
[0053]优选的是，所述理想状态为：
[0054][0055][0056][0057][0058]代入所述状态空间模型转换为：
[0059][0060][0061][0062][0063]优选的是，所述步骤三具体包括如下过程：
[0064]设定所述第一辅助控制量、第二辅助控制量、第三辅助控制量和第四辅助控制量满足：
[0065]e1＝y
‑
y
d
＝x1‑
y
d
；
[0066][0067]e3＝φ
‑
φ
d
＝x3‑
φ
d
；
[0068][0069]将所述前馈控制方法的输入代入所述状态空间模型中并将其转换为：
[0070][0071][0072][0073][本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式驱动车辆的轨迹跟踪控制策略，其特征在于，包括如下步骤：步骤一、设立参考轨迹，建立地面坐标系，得到车辆单轨动力学模型，建立控制导向的状态空间模型：状态空间模型：状态空间模型：状态空间模型：式中，状态变量[x1,x2,x3,x4]
T
为控制变量[u1,u2]
T
为[δ
f
,δ
r
]
T
，y为车辆横向位移，v
y
为车辆横向速度，φ为车辆横摆角度，为车辆横摆角速度，δ
f
为前轮转角，δ
r
为后轮转角，k
f
为前轮胎侧偏刚度，k
r
为后轮胎侧偏刚度，m为整车质量，v
x
为车辆纵向速度，a为质心到前轴的距离，b为质心到后轴距离，I
z
为整车转动惯量；步骤二、通过基于理想状态的前馈控制方法调节所述状态空间模型，获得前馈控制变量为：量为：式中，u
1f
为第一前馈控制变量，u
2f
为第二前馈控制变量，y
d
为期望横向位移，为期望横摆角；步骤三、将所述前馈控制方法的输入代入反演滑模变结构控制方法调节所述状态空间模型，获得反演滑模控制量为：模型，获得反演滑模控制量为：
式中，u
1b
为第一反演滑模控制量，u
2b
为第二反演滑模控制量，f为第一中间变量，g为第二中间变量，e1为第一辅助控制量，e2为第二辅助控制量，e3为第三辅助控制量，e4为第四辅助控制量，c1为第一常数，c2为第二常数，c3为第三常数，c4为第四常数；步骤四、调节所述控制变量使得车辆的实际轨迹与参考轨迹误差趋近于0，实现车辆的轨迹跟踪；其中，所述控制变量满足：u1＝u
1f
+u
1b
；u2＝u
2f
+u
2b
。2.如权利要求1所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，通过车辆侧向动力学方程和横摆动力学方程获得所述状态空间模型；所述车辆侧向动力学方程为：式中，v
y
为车辆横向速度，为车辆横摆角度，v
x
为车辆纵向速度，F
yf
为前轴横向力，F
yr
为后轴横向力；所述车辆横摆动力学方程为：3.如权利要求1所述的分布式驱动车辆的轨迹跟踪控制策略，其特征在于，所述前轴横向力满足：F
yf
＝F
flo
·
sin(δ
f
)+F
fla
·
cos(δ
f
)...

【专利技术属性】
技术研发人员：雷雨龙，温官正，龚平，付尧，李兴忠，
申请(专利权)人：吉林大学，
类型：发明
国别省市：