一种车辆的横纵向综合控制方法及横纵向综合控制器技术

本发明专利技术提供了一种车辆的横纵向综合控制方法及横纵向综合控制器。该方法包括获取路径信息，并规划出期望路径；将期望路径输入速度规划器；速度规划器生成与期望路径相对应的关于车辆的期望速度曲线，得到并输出期望速度；横向控制器和纵向控制器分别接收速度规划器输出的期望速度；获取车辆状态信息并反馈给横向控制器和纵向控制器；横向控制器和纵向控制器对接收的信息进行处理并输出；车辆按照横向控制器和纵向控制器输出的控制信号进行相应操作。横纵向综合控制器通过期望速度将横向控制器和纵向控制器耦合起来，综合控制车辆按照期望速度运行同时跟踪期望路径。采用本发明专利技术能够提升车辆的跟踪效率和跟踪效果，同时降低能耗，提高跟踪舒适性。提高跟踪舒适性。提高跟踪舒适性。

【技术实现步骤摘要】
一种车辆的横纵向综合控制方法及横纵向综合控制器


[0001]本专利技术涉及无人驾驶领域，特别是一种无人驾驶车辆(自动驾驶车辆)的横纵向综合控制方法及横纵向综合控制器。

技术介绍

[0002]自动驾驶已经成为学术界和汽车行业的热门研究领域。无人驾驶汽车的关键技术包括环境感知、决策、运动规划和路径跟踪。路径跟踪可以确保自动驾驶车辆采取适当的控制决策，沿着规划的路径行驶。在高速行驶时，这个问题更具有挑战性，因为车辆的稳定性和安全性是主要问题。
[0003]现有的自动驾驶车辆路径跟踪方法大多只考虑恒速下的车辆路径跟踪，路径曲率较小，且跟踪速度较慢。贺伊琳等人提出了一种优化型的滑模控制策略，并且将所提出的算法与传统的滑模控制进行对比，但是该方法完全忽略纵向的速度变化。基于自适应纯跟踪算法，Myung
‑
Wook Park等人提出了一种横向控制系统，该系统由路径跟踪器和原始驱动器组成，所提算法对纯跟踪算法进行了改进，原来的纯跟踪算法受到预瞄距离的影响较大，其会根据速度一直进行动态调整，为了解决该问题，作者应用了比例积分控制理论，结果显示所提出的算法在曲率较小路径上表现良好，但在曲率较大路径上结果与未改进的纯跟踪方法相似。
[0004]现有的自动驾驶车辆的控制决策主要包括横向控制、纵向控制。纵向控制是对车辆前进方向的速度控制，是指油门和刹车的协调，实现对变速的精确跟踪。横向控制是指转向控制，通常根据路径和曲率来减小跟踪误差。单独的横向控制或者纵向控制由于忽略了横纵向之间的强耦合关系，会导致跟踪的效果差。相比于解耦的横纵向跟踪控制，耦合后的横纵向跟踪控制不仅能够很大程度提升跟踪效果，并且车辆能够表现出良好的动力学性能，提升跟踪过程的舒适性同时减少车辆的能耗。
[0005]因此，本专利技术提出一种应用于无人驾驶领域且基于模型预测控制(MPC)理论设计的耦合后的横纵向跟踪控制方法及控制器是非常有必要的。

技术实现思路

[0006]本专利技术的第一专利技术目的是：基于模型预测控制理论设计一种集成横向控制和纵向控制的综合控制方法，解决车辆在曲率较大的路径上跟踪效果不好的问题，并且提升车辆跟踪过程的舒适性同时减少车辆的能耗。
[0007]本专利技术实现其第一专利技术目所采取的技术方案是：
[0008]一种车辆的横纵向综合控制方法，包括以下步骤：
[0009]S1、获取当前场景中的路径信息，并规划出期望路径；所述路径信息包括路径上的每一点在惯性坐标系XOY(即大地坐标系)中X轴、Y轴方向的坐标信息，路径的曲率信息，路面摩擦系数；
[0010]S2、将期望路径输入速度规划器和横向控制器；所述速度规划器是基于模型预测
控制理论及车辆运动学模型建立的；所述横向控制器是基于模型预测控制理论及车辆动力学模型建立的；
[0011]S3、速度规划器生成与期望路径相对应的关于车辆的期望速度曲线，得到并输出期望速度；
[0012]S4、横向控制器和纵向控制器分别接收速度规划器输出的期望速度；所述纵向控制器是基于模型预测控制理论设计的双层控制器，包括上层控制器和下层控制器；
[0013]S5、获取车辆状态信息并反馈给横向控制器和纵向控制器；所述车辆状态信息包括车辆在惯性坐标系XOY中的坐标、速度、航向角、航向角变化率；
[0014]S6、横向控制器和纵向控制器对接收的信息进行处理并输出，其中横向控制器的控制输出是车辆的前轮偏角，纵向控制器的控制输出是车辆的制动/油门(即加速度)；横向控制器和纵向控制器的控制输出同时给到车辆；(横向控制器接收速度规划器输出的期望速度，并结合期望路径和车辆状态信息计算出车辆的前轮偏角的增量(车轮转角)，并将所计算的车辆的前轮偏角的增量信号传递给车辆；纵向控制器接收速度规划器输出的期望速度，并结合车辆状态信息将接收的信息转换为期望制动压力/期望节气门开度信号传递给车辆。)
[0015]S7、车辆按照横向控制器和纵向控制器输出的控制信号进行相应操作；
[0016]S8、重复S3至S7，通过期望速度将横向控制器和纵向控制器耦合起来，综合控制车辆按照期望速度运行同时跟踪期望路径。
[0017]进一步地，所述速度规划器是基于模型预测控制理论及车辆运动学模型建立的，包括步骤：
[0018]Sa
‑
1、建立车辆运动学模型，并表示出车辆运动学模型的状态空间方程；
[0019]Sa
‑
2、运用前向欧拉方法对车辆运动学模型的状态空间进行离散化；
[0020]Sa
‑
3、基于离散化后的车辆运动学模型的状态空间，建立速度规划器的预测控制模型；
[0021]Sa
‑
4、由速度规划器的预测控制模型得到车辆的预测状态；
[0022]Sa
‑
5、基于车辆的预测状态，确定速度规划器的输出状态空间方程；
[0023]Sa
‑
6、基于车辆跟踪效果的考虑，建立关于期望路径的速度规划目标函数及预设约束条件，并建立速度规划器的输出约束条件；所述速度规划器的输出约束条件包括车辆的最大横向运动(所述车辆的最大横向运动包括车辆的最大横向加速度和最大横向偏移量，这里的“横向”是指垂直于车身的方向)和车辆的最大行驶速度。
[0024]进一步地，所述速度规划器是基于模型预测控制理论及车辆运动学模型建立的，具体包括步骤：
[0025]Sa
‑
1、建立车辆运动学模型(车辆运动学模型是基于简化的自行车模型建立的)：
[0026][0027]由车辆运动学模型表示的状态空间方程如下：
[0028][0029]上述中，X是车辆在惯性坐标系XOY中X轴方向的坐标，Y是车辆在惯性坐标系XOY中
Y轴方向的坐标，V是车辆的纵向速度(即：车辆沿车身方向的速度)，是车辆航向角(在速度规划中，把车辆看作一个质点，此时速度的方向跟航向角是相同的)，是车辆在惯性坐标系XOY下沿X轴方向的速度；是车辆在惯性坐标系XOY下沿Y轴方向的速度，是车辆的纵向加速度(即：车辆沿车身方向的加速度)；是状态空间；s是状态量；u是控制量，这里是指加速度；A和B均是系数；
[0030]Sa
‑
2、运用前向欧拉方法对车辆运动学模型的状态空间进行离散化，即：
[0031][0032][0033]由此得到，离散化后的车辆运动学模型的状态空间：
[0034][0035]上述中，s(k+1)是k+1时刻速度规划器的状态量；s(k)是k时刻速度规划器的状态量；T是离散的时间间隔；I是和A同阶的单位矩阵；是k时刻速度规划器的输出矩阵；u(k)是k时刻速度规划器的控制量，这里是指加速度；A(k)、B(k)和C(k)均是系数矩阵；
[0036]Sa
‑
3、基于离散化后的车辆运动学模型的状态空间，建立速度规划器的预测控制模型，即：
[0037]速度规划器的预测控制模型的状态空本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆的横纵向综合控制方法，其特征在于，包括以下步骤：S1、获取当前场景中的路径信息，并规划出期望路径；所述路径信息包括路径上的每一点在惯性坐标系XOY中X轴、Y轴方向的坐标信息，路径的曲率信息，路面摩擦系数；S2、将期望路径输入速度规划器和横向控制器；所述速度规划器是基于模型预测控制理论及车辆运动学模型建立的；所述横向控制器是基于模型预测控制理论及车辆动力学模型建立的；S3、速度规划器生成与期望路径相对应的关于车辆的期望速度曲线，得到并输出期望速度；S4、横向控制器和纵向控制器分别接收速度规划器输出的期望速度；所述纵向控制器是基于模型预测控制理论设计的双层控制器，包括上层控制器和下层控制器；S5、获取车辆状态信息并反馈给横向控制器和纵向控制器；所述车辆状态信息包括车辆在惯性坐标系XOY中的坐标、速度、航向角、航向角变化率；S6、横向控制器和纵向控制器对接收的信息进行处理并输出，其中横向控制器的控制输出是车辆的前轮偏角，纵向控制器的控制输出是车辆的制动/油门；横向控制器和纵向控制器的控制输出同时给到车辆；S7、车辆按照横向控制器和纵向控制器输出的控制信号进行相应操作；S8、重复S3至S7，通过期望速度将横向控制器和纵向控制器耦合起来，综合控制车辆按照期望速度运行同时跟踪期望路径。2.根据权利要求1所述的一种车辆的横纵向综合控制方法，其特征在于，所述速度规划器是基于模型预测控制理论及车辆运动学模型建立的，包括步骤：Sa
‑
1、建立车辆运动学模型，并表示出车辆运动学模型的状态空间方程；Sa
‑
2、运用前向欧拉方法对车辆运动学模型的状态空间进行离散化；Sa
‑
3、基于离散化后的车辆运动学模型的状态空间，建立速度规划器的预测控制模型；Sa
‑
4、由速度规划器的预测控制模型得到车辆的预测状态；Sa
‑
5、基于车辆的预测状态，确定速度规划器的输出状态空间方程；Sa
‑
6、基于车辆跟踪效果的考虑，建立关于期望路径的速度规划目标函数及预设约束条件，并建立速度规划器的输出约束条件；所述速度规划器的输出约束条件包括车辆的最大横向运动和车辆的最大行驶速度。3.根据权利要求1或2所述的一种车辆的横纵向综合控制方法，其特征在于，所述速度规划器是基于模型预测控制理论及车辆运动学模型建立的，具体包括步骤：Sa
‑
1、建立车辆运动学模型：由车辆运动学模型表示的状态空间方程如下：上述中，X是车辆在惯性坐标系XOY中X轴方向的坐标，Y是车辆在惯性坐标系XOY中Y轴方向的坐标，V是车辆的纵向速度，是车辆航向角，是车辆在惯性坐标系XOY下沿X轴方向的速度；是车辆在惯性坐标系XOY下沿Y轴方向的速度，是车辆的纵向加速度；是状态空
间；s是状态量；u是控制量，这里是指加速度；A和B均是系数；Sa
‑
2、运用前向欧拉方法对车辆运动学模型的状态空间进行离散化，即：2、运用前向欧拉方法对车辆运动学模型的状态空间进行离散化，即：由此得到，离散化后的车辆运动学模型的状态空间：上述中，s(k+1)是k+1时刻速度规划器的状态量；s(k)是k时刻速度规划器的状态量；T是离散的时间间隔；I是和A同阶的单位矩阵；是k时刻速度规划器的输出矩阵；u(k)是k时刻速度规划器的控制量，这里是指加速度；A(k)、B(k)和C(k)均是系数矩阵；Sa
‑
3、基于离散化后的车辆运动学模型的状态空间，建立速度规划器的预测控制模型，即：速度规划器的预测控制模型的状态空间方程中包含两个向量，一个是k时刻速度规划器的状态量s(k)，另一个是k
‑
1时刻速度规划器的控制量u(k
‑
1)；速度规划器的预测控制模型的状态空间方程为：由离散化后的车辆运动学模型的状态空间，知：由此建立速度规划器的预测控制模型为：上述中，N
x
、N
u
分别是速度规划器的预测控制模型的状态向量和控制向量；I
Nu
是N
u
*N
u
的单位矩阵；Sa
‑
4、基于速度规划器的预测控制模型进行车辆的预测状态推导，结果如下：其中，N
c
是速度规划器控制时域，N
p
是速度规划器预测时域，且N
p
＞N
c
；Sa
‑
5、基于推导出的车辆的预测状态，确定速度规划器的输出状态空间方程：
所述速度规划器的输出状态空间方程可以简化为如下矩阵：其中，ΔU(k)＝[Δu(k) Δu(k+1)
ꢀ…ꢀ
Δu(k+N
c
)]
T
；Sa
‑
6、基于车辆跟踪效果的考虑，建立关于期望路径的速度规划目标函数及预设约束条件，并建立速度规划器的输出约束条件；所述速度规划器的输出约束条件包括车辆的最大横向运动和车辆的最大行驶速度；具体包括：Sa
‑6‑
1、建立关于期望路径的速度规划目标函数如下：式(12)中，用于衡量车辆行驶的平稳性，用于衡量车辆跟踪的舒适性，用于衡量车辆的跟踪效率，用于衡量车辆的跟踪误差；其中，a(k+i)是从k时刻开始到速度规划器控制时域内每一个时刻的加速度；j(k+i)是从k时刻开始到速度规划器控制时域内每一个时刻的加加速度；v(k+i)是从k时刻开始到速度规划器预测时域内每一个时刻车辆的实际速度；v
ref
(k+i)是从k时刻开始到速度规划器预测时域内每一个时刻的参考速度；是从k时刻开始到速度规划器预测时域内每一个时刻车辆的实际输出量；是从k时刻开始到速度规划器预测时域内每一个时刻的输出量参考值；N
c
是速度规划器控制时域，N
p
是速度规划器预测时域，且N
p
＞N
c
；R1是车辆加速度的惩罚矩阵，R2是车辆加加速度的惩罚矩阵，Q1是车辆速度的惩罚矩阵，Q2是车辆跟踪效果的惩罚矩阵，并且R1、R2、Q1和Q2这四个惩罚矩阵均是正定矩阵；
Sa
‑6‑
2、建立关于期望路径的预设约束条件如下：u
min
≤u(k+i)≤u
max
，i＝0,1,2,
…
,N
c
‑
1；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)Δu
min
≤Δu(k+i)≤Δu
max
，i＝0,1,2,
…
,N
c
‑
1；
ꢀꢀꢀꢀꢀꢀꢀꢀ
(14)式(13)是对速度规划器控制量的约束，u
min
是速度规划器控制量的最小约束值，u
max
是速度规划器控制量的最大约束值；式(14)是对速度规划器控制量增量的约束，Δu
min
是速度规划器控制量增量的最小约束值，Δu
max
是速度规划器控制量增量的最大约束值；Sa
‑6‑
3、建立速度规划器的输出约束条件如下：η
min
≤η(k+i)≤η
max
，i＝0,1,2,
…
,N
p
‑
1；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)式(15)中，η
min
是速度规划器的输出最小约束值，η
max
是速度规划器的输出最大约束值；Sa
‑6‑
4、确定车辆的约束速度最大值如下：v
ref
＝v
m
＝min(V
r
,V
c
)；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)式(16)中，V
r
是路径的最高限速，V
c
是根据路径信息及车身信息计算路径几何参数给车辆的限速；v
ref
是参考速度；v
m
是最大速度。4.根据权利要求3所述的一种车辆的横纵向综合控制方法，其特征在于，所述根据路径信息及车身信息计算路径几何参数给车辆的限速V
c
，具体为：式(17)中，D是车辆后轮的轴距；H是车辆重心距离地面的高度；g是重力加速度；R是车辆的转弯半径，其中ρ是路径曲率，满足其中ρ是路径曲率，满足是在惯性坐标系XOY下沿X轴方向的路径表达式对时间的一阶导数，是在惯性坐标系XOY下沿Y轴方向的路径表达式对时间的一阶导数，是在惯性坐标系XOY下沿X轴方向的路径表达式对时间的二阶导数，是在惯性坐标系XOY下沿Y轴方向的路径表达式对时间的二阶导数。5.根据权利要求1所述的一种车辆的横纵向综合控制方法，其特征在于，所述横向控制器是基于模型预测控制理论及车辆动力学模型建立的，包括步骤：Sb
‑
1、建立车辆动力学模型，包括：在车身坐标系xoy下，车辆质心沿x轴方向的动力学方程为：车辆质心沿y轴方向的动力学方程为：车辆质心沿z轴方向的动力学方程为：上述中，m是整车质量，是车辆的横向速度，是车辆的纵向速度，是车辆的横向加速度，是车辆的纵向加速度，是车辆航向角，是车辆航向角对时间的一阶导数，是车辆航向角对时间的二阶导数，F
xf
是车辆前轮受到在车身坐标系xoy下沿x轴方向的力，F
xr
是车辆后轮受到在车身坐标系xoy下沿x轴方向的力，F
yf
是车辆前轮受到在车身坐标系xoy下沿y轴方向的力，F
yr
是车辆后轮受到在车身坐标系xoy下沿y轴方向的力，Z是车辆的转动惯量，b1是车辆质心到其前轴的距离，b2是车辆质心到其后轴的距离；考虑车身坐标系xoy与惯性坐标系XOY之间的关系，可得：
...

【专利技术属性】
技术研发人员：孙湛博，陈莹，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：