【技术实现步骤摘要】
本专利技术涉及自动驾驶,尤其是一种快速灵活全纯嵌入式自动驾驶横向运动控制方法。
技术介绍
1、随着人工智能领域的不断发展,自动驾驶
逐渐形成了以感知定位、决策规划和运动控制为三大功能模块的架构。作为自动驾驶技术的关键组成部分,自动驾驶横向控制通过自动转向系统控制车辆转向角按照给定的参考轨迹行驶,使得轨迹跟踪过程横向偏差尽可能小,有助于提高道路通行效率、降低交通事故风险。
2、模型预测控制(model predictive control,mpc)也被称为滚动时域控制,能够根据控制系统的动态模型及当前状态,预测系统将来的输出行为,并通过求解带约束的最优控制问题,获得最优系统控制输入;同时具备处理多约束优化问题的能力,能够在优化控制目标的同时考虑安全约束、执行器约束等,广泛应用于自动驾驶横向控制领域。
3、但是,自动驾驶
对实时性的要求较高。实时性直接关系到行车安全、车辆控制、环境感知和决策规划,是实现和优化自动驾驶技术的关键因素。对于mpc控制器,需要在每个控制周期内求解一个复杂的约束优化问题,可将其转化为线性互补问题(linearcomplementarity problem,lcp)求解,该问题的计算效率直接影响系统的实时性能。但现有求解lcp的迭代法(如内点法)对初始点的要求较严格、对迭代步长的依赖较高,需要多次计算和调整才能找到最优解,因而计算效率低下,难以满足自动驾驶横向控制的实时性需求。
4、因此,亟需要一种快速有效的提高lcp的计算效率,从而改善mpc控制器的实时性能,
技术实现思路
1、针对现有技术的不足,本专利技术提供一种快速灵活全纯嵌入式自动驾驶横向运动控制方法。
2、本专利技术的技术方案为:一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,包括以下步骤:
3、s1)、建立车辆系统动力模型;
4、s2)、对车辆系统动力模型进行连续时间系统离散化处理,得到用于模型预测控制器的离散时间系统;
5、s3)、构建模型预测控制器的成本函数和约束条件;
6、s4)、根据步骤s3)的成本函数和约束条件计算模型预测控制器的最优控制决策。
7、作为优选的,步骤s1)中,所述的车辆系统动力模型包括车辆转向系统动力模型和路径跟踪的车辆轮胎动力模型。
8、作为优选的,步骤s1)中,所述的车辆转向系统动力模型的表达式为:
9、
10、式中,中ns、nm分别为电机减速器和转向系统的运动比;τm为转向电机转矩;τf为摩擦转矩;τdis为转向阻力转矩;jeq和beq分别为转向系统相对于主销的等效惯性和等效阻尼;sgn(·)为符号函数;δ为方向盘转向角,为方向盘转向角速度,为方向盘转向角加速度。
11、作为优选的,步骤s1)中,根据式(1)并以作为状态向量,因此,得到车辆转向系统动力模型的状态方程的表达式为:
12、
13、其中:
14、c1=[1 0];
15、y1=δ;
16、上式给出了转向电机转矩τm与方向盘转角δ的动力学关系,其中转向阻力转矩τdis和摩擦转矩τf为转向系统的外部干扰。
17、作为优选的,步骤s1)中,采用2-dof车辆模型对路径跟随过程中的横向动力学进分析,本实施例假设δ角较小,则cosδ≈1,sinδ≈δ,可认为纵向速度vx恒定;因此,所述的车辆的横向加速度和偏航加速度表示为:
18、
19、式中,m为车辆质量,iz为车辆转动惯量,vx,vy分别为车辆纵向速度和横向速度,fyf,fyr为前后轮胎的侧向力,αf,αr为前后轮胎的侧滑角,a,b为主轴到前后轮胎中心的距离;为偏航角,为偏航角速度;
20、为了简化轮胎的非线性特性,降低计算复杂度,将非线性轮胎侧向力近似为fiala轮胎模型曲线αf和αr工作点附近的线性化函数,具体表示为:
21、
22、其中fyf0为前轮在起点处的侧向力,fyr0为后轮在起点处的侧向力,cf0,cr0分别为αf0,αr0处fiala轮胎模型的斜率。
23、作为优选的,步骤s1)中,将车辆的横向位置y和在固定地轴上测量的车辆偏航角组合为状态向量因此,所述的路径跟踪的车辆轮胎动力模型的表达式为:
24、
25、其中:
26、
27、
28、式中,vx,vy分别为车辆纵向速度和横向速度;为车辆的横向加速度;为偏航加速度;fyf0为前轮在起点处的侧向力,fyr0为后轮在起点处的侧向力,cf0,cr0分别为αf0,αr0处fiala轮胎模型的斜率;αf0,αr0分别为前后轮胎在起点处的侧滑角;a,b为主轴到前后轮胎中心的距离;m为车辆质量;iz为车辆转动惯量。
29、作为优选的,步骤s1)中,通过将式(2)的车辆转向系统动力模型的状态方程和式(5)的路径跟踪的车辆轮胎动力模型的状态方程统一表示为:
30、
31、其中:
32、
33、c=[02×2c2]t。
34、作为优选的,步骤s2)中,通过将式(6)连续时间系统离散化,采样间隔为ts,得到用于模型预测控制器的离散时间系统的表达式为:
35、x(k+1)=adx(k)+bdτm(k)+ndζ(k) , (7)
36、其中;ad=tsa+i6,bd=tsb,nd=tsn;
37、x(k+1)、x(k)分别表示第k+1时间步和第k时间步的变量值;τm为转向电机转矩;i6为6阶单位矩阵;k为时间步;
38、通过调节电机的转矩来跟踪车辆所需路径,方向盘转向角δ为状态变量,变量ζ(k)根据车辆的运动状态计算。
39、作为优选的,步骤s3)中,所述的模型预测控制器的成本函数j(k)和约束条件为:
40、
41、式中,k为时间步;np为预测时域,nc为控制时域,q为状态权重矩阵,r为输入权重矩阵;‖·‖q,‖·‖r表示加权范数,ε为松弛因子,κ为权重系数,为横纵速度比;x(k+i|k)表示在预测时域内,k对k+i时刻的输出预测值;xref(k+i|k)表示在预测时域内,k对k+i时刻的输出参考值;
42、τm(k+i|k)表示在控制时域内,k对k+i时刻转向电机转矩的预测值;δmin,βmin,τmmin为约束δ,β,τm(k)的最小值;δmax,βmax,
43、τmmax分别为约束δ,β,τm(k)的最大值。
44、作为优选的,步骤s4)中,计算模型预测控制器的最优控制决策,具体包括如下步骤:
45、s41)、令:
46、
47、其中:
48、xref(k)=[xref(k+1)xref(k+2)…xref(k+np)本文档来自技高网...
【技术保护点】
1.一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤S1)中,所述的车辆系统动力模型包括车辆转向系统动力模型和路径跟踪的车辆轮胎动力模型。
3.根据权利要求2所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:所述的车辆转向系统动力模型的状态方程的表达式为:
4.根据权利要求3所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤S1)中,采用2-DOF车辆模型对路径跟随过程中的横向动力学进分析,将车辆的横向位置Y和在固定地轴上测量的车辆偏航角组合为状态向量因此,所述的路径跟踪的车辆轮胎动力模型的表达式为:
5.根据权利要求4所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤S1)中,通过将式(2)的车辆转向系统动力模型的状态方程和式(5)的路径跟踪的车辆轮胎动力模型的状态方程统一表示为:
6.根据权利要求5所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方
7.根据权利要求6所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤S3)中,所述的模型预测控制器的成本函数J(k)和约束条件分别为:
8.根据权利要求7所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤S4)中,计算模型预测控制器的最优控制决策,具体包括如下步骤:
9.根据权利要求8所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤S44)中,采用快速灵活全纯嵌入法计算线性互补问题,即:
10.根据权利要求9所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤S45)中,将线性互补问题的解w*回代得到当前时刻的最优控制决策U*(k),即:
...【技术特征摘要】
1.一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤s1)中,所述的车辆系统动力模型包括车辆转向系统动力模型和路径跟踪的车辆轮胎动力模型。
3.根据权利要求2所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:所述的车辆转向系统动力模型的状态方程的表达式为:
4.根据权利要求3所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤s1)中,采用2-dof车辆模型对路径跟随过程中的横向动力学进分析,将车辆的横向位置y和在固定地轴上测量的车辆偏航角组合为状态向量因此,所述的路径跟踪的车辆轮胎动力模型的表达式为:
5.根据权利要求4所述的一种快速灵活全纯嵌入式自动驾驶横向运动控制方法,其特征在于:步骤s1)中,通过将式(2)的车辆转向系统动力模型的状态方程和式(5)的路径跟踪的车辆轮胎动力模型的状态方...
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。