【技术实现步骤摘要】
本申请涉及车辆控制，尤其涉及一种车辆轨迹跟踪控制方法、系统、电子设备及存储介质。
技术介绍
1、目前，随着无人驾驶技术的高速发展，其中轨迹跟踪技术作为自动驾驶中的核心组成部分，也得到了快速的发展。轨迹跟踪控制的宗旨是在满足动力学约束的条件下使车辆以期望车速稳定的跟踪上次规划层决策的参考轨迹。但相关技术中，车辆轨迹跟踪的精度较低，且操纵性能较差。
2、综上，相关技术中存在的技术问题有待得到改善。
技术实现思路
1、本申请实施例的主要目的在于提出一种车辆轨迹跟踪控制方法、系统、电子设备及存储介质，能够有效提高车辆轨迹跟踪精度，并兼顾横摆稳定裕度，有效提高了车辆的操纵性能。
2、为实现上述目的，本申请实施例的一方面提出了一种车辆轨迹跟踪控制方法，所述方法包括以下步骤：
3、构建质心侧偏角与横摆角速度相平面；
4、通过预设神经网络模型对所述质心侧偏角与横摆角速度相平面进行区域辨识，得到稳定性区域划分信息；
5、根据所述稳定性区域划分信息进行稳定裕度评估得到车辆稳定裕度数据，以通过所述车辆稳定裕度数据确定相应的稳定性控制权重；
6、根据车辆横向运动信息和车辆横摆运动信息构建车辆动力学模型，以通过所述车辆动力学模型构建轨迹跟踪多目标协同控制模型；
7、构建优化目标函数，以根据所述稳定性控制权重结合所述轨迹跟踪多目标协同控制模型和所述优化目标函数进行控制序列求解，得到目标控制量数据。
8、在一些实施例
9、通过粒子群优化反向传播神经网络模型对所述质心侧偏角与横摆角速度相平面进行稳定域边界辨识，得到稳定域边界数值；
10、根据所述稳定域边界数值对所述质心侧偏角与横摆角速度相平面进行区域划分，得到所述稳定性区域划分信息；其中，所述稳定性区域划分信息包括预设稳定区域、临界稳定区域以及非稳定区域。
11、在一些实施例中，在执行所述通过粒子群优化反向传播神经网络模型对所述质心侧偏角与横摆角速度相平面进行稳定域边界辨识，得到稳定域边界数值之前，所述方法还包括：
12、构建预设反向传播神经网络模型；
13、初始化粒子群参数，并根据训练误差总和数据计算粒子适应度值；
14、将所述粒子适应度值分别与历史最佳适应度值以及全局最佳适应度值进行比较分析，以更新全局最优粒子信息；其中，所述全局最优粒子信息包括全局最优粒子位置；
15、将所述全局最优粒子位置映射为所述预设反向传播神经网络模型的预设参数，构建得到所述粒子群优化反向传播神经网络模型；其中，所述预设参数包括预设权重系数和预设阈值。
16、在一些实施例中，所述根据所述稳定性区域划分信息进行稳定裕度评估得到车辆稳定裕度数据，以通过所述车辆稳定裕度数据确定相应的稳定性控制权重，包括：
17、根据所述稳定性区域划分信息和车辆状态点确定失稳因子，以根据所述失稳因子通过预设失稳函数计算得到失稳系数；
18、根据所述稳定性区域划分信息和所述车辆状态点确定趋势因子，以根据所述趋势因子通过预设趋势函数计算得到趋势系数；
19、根据所述失稳系数和趋势系数通过稳定性控制自适应权重函数计算得到所述稳定性控制权重。
20、在一些实施例中，所述根据车辆横向运动信息和车辆横摆运动信息构建车辆动力学模型，以通过所述车辆动力学模型构建轨迹跟踪多目标协同控制模型，包括：
21、根据横向位置跟踪误差和航向角跟踪误差构建车辆跟踪误差函数；
22、根据所述车辆横向运动信息和所述车辆横摆运动信息构建车辆线性二自由度动力学模型；
23、根据所述车辆线性二自由度动力学模型和所述车辆跟踪误差函数构建跟踪误差状态方程；
24、根据所述车辆线性二自由度动力学模型进行稳态分析，构建横摆稳定性参数跟踪状态方程；
25、根据所述跟踪误差状态方程和所述横摆稳定性参数跟踪状态方程构建控制系统状态空间方程；
26、根据预设系统函数对所述控制系统状态空间方程进行优化，构建得到所述轨迹跟踪多目标协同控制模型；其中，所述预设系统函数包括转向系统函数和轮毂电机一阶线性离散系统函数。
27、在一些实施例中，在执行所述根据预设系统函数对所述控制系统状态空间方程进行优化，构建得到所述轨迹跟踪多目标协同控制模型之后，所述方法还包括：
28、通过前向欧拉法对所述轨迹跟踪多目标协同控制模型进行离散化，得到离散控制模型；
29、通过控制增量参数对所述离散控制模型进行优化，得到轨迹跟踪多目标协同控制状态空间方程。
30、在一些实施例中，所述构建优化目标函数，以根据所述稳定性控制权重结合所述轨迹跟踪多目标协同控制模型和所述优化目标函数进行控制序列求解，得到目标控制量数据，包括：
31、构建预设预测时域函数；其中，所述预设预测时域函数包括状态量函数和观测量函数；
32、根据所述状态量函数、所述观测量函数以及所述轨迹跟踪多目标协同控制状态空间方程构建系统预测模型；
33、将所述控制增量参数作为状态量并结合松弛因子和所述稳定性控制权重，构建所述优化目标函数；
34、将所述系统预测模型代入所述优化目标函数进行二次规划求解，得到所述目标控制量数据。
35、为实现上述目的，本申请实施例的另一方面提出了一种车辆轨迹跟踪控制系统，所述系统包括：
36、第一模块，用于构建质心侧偏角与横摆角速度相平面；
37、第二模块，用于通过预设神经网络模型对所述质心侧偏角与横摆角速度相平面进行区域辨识，得到稳定性区域划分信息；
38、第三模块，用于根据所述稳定性区域划分信息进行稳定裕度评估得到车辆稳定裕度数据，以通过所述车辆稳定裕度数据确定相应的稳定性控制权重；
39、第四模块，用于根据车辆横向运动信息和车辆横摆运动信息构建车辆动力学模型，以通过所述车辆动力学模型构建轨迹跟踪多目标协同控制模型；
40、第五模块，用于构建优化目标函数，以根据所述稳定性控制权重结合所述轨迹跟踪多目标协同控制模型和所述优化目标函数进行控制序列求解，得到目标控制量数据。
41、为实现上述目的，本申请实施例的另一方面提出了一种电子设备，所述电子设备包括：
42、至少一个处理器；
43、至少一个存储器，用于存储至少一个程序；
44、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述的方法。
45、为实现上述目的，本申请实施例的另一方面提出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程序，所述计算机程序被处理器执行时实现上述的方法。
46、本申请实施例至少本文档来自技高网...
【技术保护点】
1.一种车辆轨迹跟踪控制方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述通过预设神经网络模型对所述质心侧偏角与横摆角速度相平面进行区域辨识，得到稳定性区域划分信息，包括：
3.根据权利要求2所述的方法，其特征在于，在执行所述通过粒子群优化反向传播神经网络模型对所述质心侧偏角与横摆角速度相平面进行稳定域边界辨识，得到稳定域边界数值之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述稳定性区域划分信息进行稳定裕度评估得到车辆稳定裕度数据，以通过所述车辆稳定裕度数据确定相应的稳定性控制权重，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据车辆横向运动信息和车辆横摆运动信息构建车辆动力学模型，以通过所述车辆动力学模型构建轨迹跟踪多目标协同控制模型，包括：
6.根据权利要求5所述的方法，其特征在于，在执行所述根据预设系统函数对所述控制系统状态空间方程进行优化，构建得到所述轨迹跟踪多目标协同控制模型之后，所述方法还包括：
7.根据权利要求6所述的
8.一种车辆轨迹跟踪控制系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，包括：
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种车辆轨迹跟踪控制方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述通过预设神经网络模型对所述质心侧偏角与横摆角速度相平面进行区域辨识，得到稳定性区域划分信息，包括：
3.根据权利要求2所述的方法，其特征在于，在执行所述通过粒子群优化反向传播神经网络模型对所述质心侧偏角与横摆角速度相平面进行稳定域边界辨识，得到稳定域边界数值之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述稳定性区域划分信息进行稳定裕度评估得到车辆稳定裕度数据，以通过所述车辆稳定裕度数据确定相应的稳定性控制权重，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据车辆横向运动信息和车辆横摆运动信息构建车辆动力学模型，以...
【专利技术属性】
技术研发人员：付翔，殷一鹏，王玉新，万佳琦，周俊宇，裴超，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。