一种基于增益调度的智能汽车路径跟踪控制方法技术

本发明专利技术公开了一种基于增益调度的智能汽车路径跟踪控制方法，包括车辆路径跟踪动力学名义模型，车辆路径跟踪动力学多胞体模型，约束模块，性能调节函数，求解模块，增益调度模块，状态反馈模块等部分。其中车辆路径跟踪动力学多胞体模型用于描述由于动力学系统中关键变量变化对名义模型带来的变动，构建出多组子模型。再通过求解模块求解所设计的线性矩阵不等式组，得到对应子系统的控制增益。结合增益调度模块，基于关键变量的实时情况，调配子模型控制器增益，得到最终控制增益。上述各部分模块之间相互联系，可以降低在智能汽车路径跟踪过程中由关键参数变动对控制器带来的影响，提高控制器的鲁棒性。提高控制器的鲁棒性。提高控制器的鲁棒性。

【技术实现步骤摘要】
一种基于增益调度的智能汽车路径跟踪控制方法


[0001]本专利技术涉及智能汽车控制领域，特别涉及一种基于增益调度的智能汽车路径跟踪控制方法。

技术介绍

[0002]随着人工智能、自动化以及新能源技术的广泛应用，极大促进了智能汽车产业的快速发展，具有路径跟踪控制系统的车辆可以显著降低驾驶员疲劳程度以及提高车辆行驶安全性，进一步满足人民群众对美好生活的向往。但智能汽车行驶环境复杂多变，导致车辆路径跟踪过程中车辆状态参数会发生较大的变动，并且时刻发生变化，例如车辆行驶的纵向速度变化范围包括从0km/h到120km/h等。变化的车辆状态对控制系统的稳定性和鲁棒性提出了更高的要求，而现有的PID控制器、模型预测控制器等并未针对此情况做特殊考虑。

技术实现思路

[0003]为解决上述问题，本专利技术提供一种基于增益调度的智能汽车路径跟踪控制方法，以提升车辆路径跟踪控制的鲁棒性和精确性，同时保障车辆行驶安全性。所设计的一种基于增益调度的智能汽车路径跟踪控制方法，包括：车辆路径跟踪动力学名义模型，车辆路径跟踪动力学多胞体模型，约束模块，性能调节函数，求解模块，增益调度模块，状态反馈模块；
[0004]所述的车辆路径跟踪动力学名义模型用于描述车
‑
路运动关系和车辆状态变化，并为车辆路径跟踪动力学多胞体模型提供名义参考。
[0005]所述的车辆路径跟踪动力学多胞体模型用于描述由于动力学系统中关键变量变化对名义模型带来的变动，车辆路径跟踪动力学多胞体模型中的每一个顶点表示关键变量变化到某一组极值时所形成的子模型，关键变量极值的组数与多胞体模型中的子模型数相同。在本专利技术实施例中以车辆纵向速度作为关键变量。
[0006]所述的约束模块用于生成满足执行器控制量程的约束，防止控制器输出输出量过大，在本专利技术实施例中用于限制控制器输出的方向盘转角。
[0007]所述的性能调节函数用于调节控制器路径跟踪性能和稳定性性能，在控制器控制增益求解过程中作为目标函数。
[0008]所述的求解模块用于求解控制器增益。基于Lyapunov稳定性定理，设计系统状态的Lyapunov函数、优化指标γ，保证在满足约束条件前提下，利用线性矩阵不等式求解技术，求解出所推导出的矩阵不等式。
[0009]所述增益调度模块用于调配车辆路径跟踪多胞体模型中由各个子模型求解出的控制器增益，最终组合为总控制器增益，输出到状态反馈模块。
[0010]所述状态反馈模块用于接收车辆动力学系统状态信息，并与增益调度模块输出的控制增益结合，最终转化为前轮转角信号和稳定性控制信号，发送到被控车辆的执行器。
[0011]与现有技术相比，本专利技术的有益效果包括：
[0012]1.本专利技术建立的车辆路径跟踪动力学多胞体模型，可以表征车辆行驶过程中关键参数的变动范围，而综合各个子模型求解出的控制器增益提高了控制器的保守型，增强了控制系统的鲁棒性。
[0013]2.本专利技术建立的增益调度模块，在车辆实时运行过程中可提高车辆路径跟踪控制精度。
附图说明
[0014]图1为智能汽车运动等效示意图。
[0015]图2为本专利技术一种基于增益调度的智能汽车路径跟踪控制方法流程图。
具体实施方式
[0016]根据图1智能汽车运动等效示意图，建立车辆路径跟踪动力学名义模型：
[0017][0018]其中是状态变量。u＝[δΔM
z
]T
是控制器输入。
[0019][0020]其中m为整车质量，C
f
，C
r
分别为前轮和后轮的侧偏角刚度，l
f
，l
r
分别为车辆质心到车辆前轴和车辆后轴的距离，I
z
为整车绕Z轴的转动惯量，如为整车质心到预瞄点的距离，e
y
为预瞄点处与参考路径的横向误差，为预瞄点处与参考路径的航向角误差，δ为前轮转向角，ΔM
z
为用于稳定性控制的直接横摆力矩，V
x
为车辆行驶的纵向速度，V
y
为车辆行驶的侧向速度，r为车辆的横摆角速度。
[0021]建立车辆路径跟踪动力学多胞体模型。在本实施例中，假设V
x
为关键变量，其中车辆行驶的纵向速度变化极值范围为V
x
∈[V
xmin
，V
xmax
]，则根据名义模型中描述的状态空间方程，存在四组关键变量极值组，分别为将四组关键变量极值组分别带入车辆路径跟踪动力学名义模型，得到四组子模型，分别编号为[A1，B，D1]；[A2，B，D2]；[A3，B，D3]；[A4，B，D4]。以上四组子模型构成车辆路径跟踪动力学多胞体模型。
[0022]构建约束模块，假设控制器输出量u＜u
max
。
[0023]构建性能调节函数，其中x(t+i|t)表示在t时刻对t+i时刻的状态估计，L为4x4的性能调节矩阵，用于调节控制器路径跟踪性能和稳定性性能。
[0024]设计求解模块。构造系统状态的Lyapunov函数V(x)＝x
T
Px，P是维度为4x4的待求解对称正定矩阵。根据Lyapunov稳定性定理，为了使得系统渐近稳定，需要Lyapunov函数的导数负定，即V(x(t+1))
‑
V(x(t))＜0。假设Lyapunov函数存在上界γ，即V(x)＜γ，γ为待
定的正数。为保证控制器具有期望性能，要求在车辆路径跟踪动力学多胞体模型下，满足不等式J≤V(x)≤γ。构造状态反馈控制器u＝Kx，其中K
i
＝Y
i
Q
‑1。综上，假设存在对称正定矩阵Q，正数γ，四组矩阵Y
i
，上述优化问题可转化为最小化γ，并满足如下线性矩阵不等式
[0025][0026][0027][0028][0029]i＝1，2，3，4
[0030]构造增益调度模块。由四组关键变量极值组得到四组函数，分别为：
[0031][0032]其中，V
x
为增益调度模块实时获取的车辆纵向行驶速度。设计四组控制器增益调度函数，分别为基于求解模块得到的四组控制器增益，分别于增益调度函数乘积求和，得到最终的控制器增益保证控制器增益可以满足不同行驶速度下的最佳效果。
[0033]构造状态反馈模块。状态反馈模块用于接收车辆动力学系统状态信息，并与增益调度模块输出的控制增益相乘，即u＝Kx，最终转化为前轮转角信号和稳定性控制信号，发送到被控车辆的执行器。
[0034]以上为一种基于增益调度的智能汽车路径跟踪控制方法的具体流程，控制方法流程示意图如图2所示。
[0035]上文所列出的一系列的详细说明仅仅是针对本专利技术的可行性实施方式的具体说明，它们并非用以限制本专利技术的保护范围，凡未脱离本专利技术技术所创的等效方式或变更均应包含在本专利技术的保护范围之内。
...

【技术保护点】

【技术特征摘要】
1.一种基于增益调度的智能汽车路径跟踪控制器，其特征在于，包括：车辆路径跟踪动力学名义模型，车辆路径跟踪动力学多胞体模型，约束模块，性能调节函数，求解模块，增益调度模块，状态反馈模块；所述的车辆路径跟踪动力学名义模型用于描述车
‑
路运动关系和车辆状态变化，并为车辆路径跟踪动力学多胞体模型提供名义参考；所述的车辆路径跟踪动力学多胞体模型用于描述由于动力学系统中关键变量变化对名义模型带来的变动，车辆路径跟踪动力学多胞体模型中的每一个顶点表示关键变量变化到某一组极值时所形成的子模型，关键变量极值的组数与多胞体模型中的子模型数相同；以车辆纵向速度作为关键变量；所述的约束模块用于生成满足执行器控制量程的约束，防止控制器输出输出量过大；所述的性能调节函数用于调节控制器路径跟踪性能和稳定性性能，在控制器控制增益求解过程中作为目标函数；所述的求解模块用于求解控制器增益；基于Lyapunov稳定性定理，设计系统状态的Lyapunov函数、优化指标γ，保证在满足约束条件前提下，利用线性矩阵不等式求解技术，求解出所推导出的矩阵不等式；所述增益调度模块用于调配车辆路径跟踪多胞体模型中由各个子模型求解出的控制器增益，最终组合为总控制器增益，输出到状态反馈模块；所述状态反馈模块用于接收车辆动力学系统状态信息，并与增益调度模块输出的控制增益结合，最终转化为前轮转角信号和稳定性控制信号，发送到被控车辆的执行器。2.根据权利要求1所述的一种基于增益调度的智能汽车路径跟踪控制器，其特征在于，所述的车辆路径跟踪动力学名义模型为其中是状态变量；u＝[δ ΔM
z
]
T
是控制器输入；是控制器输入；其中m为整车质量，C
f
，C
r
分别为前轮和后轮的侧偏角刚度，l
f
，l
r
分别为车辆质心到车辆前轴和车辆后轴的距离，I
z
为整车绕Z轴的转动惯量，L
d
为整车质心到预瞄点的距离，e
y
为预瞄点处与参考路径的横向误差，为预瞄点处与参考路径的航向角误差，δ为前轮转向角，ΔM
z
为用于稳定性控制的直接横摆力矩，V
x
为车辆行驶的纵向速度，V
y
为车辆行驶的侧向速度，r为车辆的横摆角速度。3.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：谢正超，李双，吕颂明，高传宝，
申请(专利权)人：苏州智行远见科技有限公司，
类型：发明
国别省市：