CN107097785A - 一种预瞄距离自适应的智能车辆横向控制方法 - Google Patents

一种预瞄距离自适应的智能车辆横向控制方法 Download PDF

Info

Publication number
CN107097785A
CN107097785A CN201710378710.1A CN201710378710A CN107097785A CN 107097785 A CN107097785 A CN 107097785A CN 201710378710 A CN201710378710 A CN 201710378710A CN 107097785 A CN107097785 A CN 107097785A
Authority
CN
China
Prior art keywords
msub
mrow
controller
vehicle
fuzzy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710378710.1A
Other languages
English (en)
Other versions
CN107097785B (zh
Inventor
汪若尘
谢辰阳
孙泽宇
孟祥鹏
陈龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201710378710.1A priority Critical patent/CN107097785B/zh
Publication of CN107097785A publication Critical patent/CN107097785A/zh
Application granted granted Critical
Publication of CN107097785B publication Critical patent/CN107097785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Vehicle Body Suspensions (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种预瞄距离自适应的智能车辆横向控制方法。属于智能车辆横向控制技术领域。本发明涉及的横向控制方法包含以下步骤：步骤一，建立整车十四自由度动力学参考模型。步骤二，设计分层式横向控制器结构。分层式横向控制器分为上层控制器和下层控制器，其中上层控制器由模糊控制器和迭代学习控制器并联组成。下层控制器基于准滑动模态理论设计。本发明提出的预瞄距离自适应的横向控制器，在道路曲率连续变化工况下，相较于传统固定预瞄距离的横向控制器，在保证路径跟踪精度满足要求的同时，兼顾了车辆的操纵稳定性和乘坐舒适性。

Description

一种预瞄距离自适应的智能车辆横向控制方法
技术领域
本发明属于智能车辆运动控制领域，涉及一种智能车辆横向控制方法，特别涉及一种基于模糊理论和迭代学习理论的预瞄距离计算方法。
背景技术
智能车辆运动控制技术根据控制目标的不同分为纵向控制和横向控制两类。其中，横向控制技术是实现智能车辆自主行驶的关键技术之一。预瞄式横向控制以车辆前方预瞄点处的位姿误差为控制器输入，对参考路径变化有良好的适应性。
仿真和试验结果显示，在参考路径曲率连续变化工况下，预瞄距离的选择对路径跟踪精度、车辆操纵稳定性和乘坐舒适性有显著影响。目前，预瞄式横向控制器设计中，通常将预瞄距离表示为纵向车速的一次或二次函数。专利CN103439884A以固定预瞄距离设计了智能车辆横向控制器。该方法仅能保证横向控制精度满足需求，随着纵向车速的增加，车辆质心侧向加速度逼近或超过0.4g，导致线性化动力学模型描述不准确，不仅使横向控制精度下降，车辆操纵稳定性和乘坐舒适性均有所恶化。
发明内容
为了克服现有技术存在的上述问题，本发明需要提出一种预瞄距离自适应的智能车辆横向控制方法，既要使智能车辆在参数变化和外界干扰情况下实现对路径的精确跟踪，又要兼顾跟踪过程中车辆操纵稳定性和乘坐舒适性。
为实现上述目标，本发明的技术方案是：一种预瞄距离自适应的横向控制方法，包括以下步骤：
步骤1，首先建立整车14自由度非线性车辆动力学模型作为参考模型；
步骤2，构建分层式横向控制器，分层式横向控制器分为上层控制器和下层控制器两部分；上层控制器由模糊控制器和迭代控制器并联组成，下层控制器为滑模控制器；
步骤3，根据车辆与参考路径的几何关系建立的预瞄运动学模型接收步骤1的车辆动力学模型产生的纵向速度vx、侧向速度vy和横摆角速度ω数据，结合参考路径曲率ρ计算预瞄点处车辆的横向、方向误差ε，并作为滑模控制器输入；
步骤4，以消除预瞄点处综合误差EL为控制目标，设计切换函数S，使用饱和函数替代符号函数设计趋近率，联立切换函数的导数和趋近率，并代入车辆横向动力学模型得到所需滑模控制器；
步骤5，基于实时的车辆状态信息：车辆质心侧偏角β、横摆角速度ω、预瞄点处横向误差y、方向误差ε设计模糊控制器；
步骤6，设计迭代控制器：首先设计开环学习律，被控对象包含滑模控制器和车辆动力学模型；将车辆实际行驶方向和参考路径预瞄点处切线方向的方向误差为开环学习律的输入，开环学习律当前时刻得出的结果与上一时刻得出的结果相加发送至存储器储存，同时传送至被控对象；
步骤7，自适应预瞄距离计算。
进一步，所述步骤1的车辆动力学模型为：
式中：a、b分别为车辆质心距前、后轴的距离，m；ω为横摆角速度，rad/s；vx、vy分别为纵向速度、侧向速度，m/s；Iz为整车绕z轴的转动惯量，kg.m2；Fi为悬架与车身链接点的悬架力；FiC为轮胎侧向力，由Dugoff轮胎模型获得。
进一步，所述步骤3的预瞄运动学模型为：
根据车辆与参考路径的几何关系计算预瞄点处的横向误差及方向误差，表达式为：
式中：y为预瞄点处横向误差，m；ε为预瞄点处方向误差，rad；R、L分别道路曲率半径和预瞄距离，m；vx、vy分别为纵向速度、侧向速度。
进一步，所述步骤4的滑模控制器为：
定义综合偏差EL：
式中：γ为权重系数；ymax、ymin、εmax、εmin分别为横向误差与方向误差的最大、最小值；
γ的取值由试测法确定；
定义切换函数S：
式中：c为常数；
设计指数趋近率slaw，以饱和函数sat(S)代替符号函数sgn(S):
slaw＝-ηsat(S)-kS
式中：η，k为控制器常数；
对切换函数S求导，令代入车辆横向动力学模型，得滑模控制器输出前轮转向角δ。
进一步，所述步骤5的模糊控制器设计如下：
S3.1，定义预瞄点处综合偏差向左为正，向右为负，定义车辆质心侧向加速度向左为负，向右为正，定义综合偏差和负质心侧偏加速度为模糊控制器输入，控制器输出为预瞄距离补偿量ΔL1；
S3.2，综合误差和质心侧向加速度均转化为[-6,6]的模糊集，模糊子集的语言变量为{NB，NM，NS，ZE，PS，PM，PB}，输出变量转化为[0,1]的模糊集，语言变量为{NB，NM，NS，ZE，PS，PM，PB}，其中NB，NM，NS，ZE，PS，PM，PB分别称为负大，负中，负小，零，正小，正中，正大；选择三角函数作为输入、输出变量的隶属度函数，模糊逻辑推理采用Mamdani法，重心法作为解模糊判决；
S3.3，采用专家经验法定义模糊规则表，模糊控制规则由IF-THEN模糊语句构成：
其中为输入变量模糊子集语言变量，Bi为输出变量模糊子集语言变量，i＝1,2,…,49代表模糊规则的数目。
进一步，所述步骤6中，迭代控制器的具体设计过程为：以滑模控制器和车辆动力学模型为被控对象，以消除方向误差为控制目标，迭代控制器输出为下一时刻的预瞄距离，设计PID型开环迭代学习律，则预瞄距离补偿量为：
式中：kp、kd、ki分别为比例、微分、积分系数，εk(t)为当前时刻方向误差。
进一步，所述步骤7的自适应预瞄距离计算为：将初始预瞄距离L′＝0.5vx与预瞄距离补偿量ΔL1、ΔL2累加得：L＝0.5vx+ΔL1+ΔL2；其中vx为纵向速度。
本发明的有益效果为：本发明提出了一种预瞄距离自适应的横向分层控制器。不同于常规横向控制器当纵向车速恒定时，预瞄距离为定值。本发明将预瞄点处的横向误差、方向误差、质心侧向加速度作为预瞄距离修正的参考因素。上层控制器结合实时的车辆状态信息计算出合理的预瞄距离，下层控制器接收上层控制器计算得出的预瞄距离，实现对参考路径的精确跟踪。这种横向控制器不仅保证了智能车辆路径跟踪精度满足需求，同时兼顾了路径跟踪过程中，车辆的操纵稳定性和乘坐舒适性。
附图说明
图1是横向控制***控制流程示意图；
图2是整车14自由度车辆动力学模型示意图；
图3是智能车辆与参考路径几何关系示意图；
图4是输入变量的隶属度函数示意图；
图5是输出变量的隶属度函数示意图；
图6是迭代学习控制器结构示意图；
具体实施方式
以下结合技术方案和附图详细叙述本发明的实施过程：
如图1所示，本发明提及的横向控制***包括预瞄运动学模型、分层式横向控制器、车辆动力学模型三部分。其中，分层式横向控制器分为上层控制器和下层控制器两部分。上层控制器由模糊控制器和迭代控制器并联组成。下层控制器为滑模控制器。
控制***的具体工作流程为预瞄运动学模型根据当前车辆纵向车速vx、横向车速vy、横摆角速度ω和参考路径曲率ρ计算得出预瞄点处横向误差y、方向误差ε。
上层控制器首先发送初始预瞄距离L至下层控制器。下层控制器以初始预瞄点处位姿误差为输入，对参考路径进行跟踪。行驶过程中，模糊控制器接收实时的车辆质心侧偏角β、横摆角速度ω、预瞄点横向误差y、方向误差ε，计算得到实时车辆质心侧向加速度ay和综合误差EL，并作为控制器输入，以预瞄距离补偿量ΔL1为控制器输出。迭代控制器以消除方向误差ε为目标，输出为预瞄距离补偿量ΔL2。以上述预瞄距离补偿量对当前预瞄距离进行修正，再发送至下层滑模控制器，如此循环上述过程。
图1中提及的车辆动力学模型如图2所示，整车14自由度简化模型由四部分组成，分别为簧上质量块、悬架***、横向稳定杆和车轮。簧上质量块是车身的简化模型。悬架***的简化模型包括螺旋弹簧和阻尼器。车轮的简化模型由等效螺旋弹簧和簧下质量块表示。左右两侧簧下质量块通过横向稳定杆连接。
本发明具体实施步骤如下：
步骤1：
建立整车14自由度动力学模型作为参考模型。当质心侧向加速度ay小于0.4g，前轮转向角δ较小时，参考模型的简化动力学方程具体如下：
式中：
a、b、d分别为车辆质心距前、后轴的距离、1/2车辆轮距，m。ω为横摆角速度，rad/s。vx、vy分别为纵向速度、侧向速度，m/s。θ、β、分别为俯仰角、质心侧偏角、车身侧倾角，rad。Ix、Iy、Iz分别为整车绕x轴的转动惯量、整车绕y轴的转动惯量、整车绕z轴的转动惯量，kg.m2。Fi为悬架与车身连接点处的悬架力，N。zbi、zwi分别为悬架与车身连接点位移、轮胎与悬架连接点位移，m、kaf、kar分别为前后横向稳定杆侧偏角刚度KN·m/rad。FiC为轮胎侧向力，由Dugoff轮胎模型获得。
步骤2：
预瞄运动学模型接收车辆动力学模型产生的纵向速度vx、侧向速度vy和横摆角速度ω数据，结合参考路径曲率ρ计算预瞄点处车辆的横向、方向误差y，ε，并作为下层控制器输入。
由图3所示的车辆与参考路径的几何关系图，建立预瞄运动学模型，则预瞄点处横向误差和方向误差y，ε的计算方法如下：
式中：y为预瞄点处横向误差，m。ε为预瞄点处方向误差，rad。R、L分别道路曲率半径和预瞄距离，m。
将预瞄点处横向误差和方向误差归一化后，按一定权重组合成为综合误差。综合误差EL的计算方法如下：
式中γ为权重系数，γ＝0.65。ymax、ymin、εmax、εmin分别为横向误差与方向误差的最大、最小值。
步骤3：
以消除预瞄点处综合误差EL为控制目标，设计下层滑模控制器。
定义切换函数：
式中：c为常数；
对切换函数S求导得：
设计指数趋近率，以饱和函数sat(S)代替符号函数sgn(S)：
式中：η，k为控制器常数；
联立切换函数的导数和指数趋近率slaw，并将上述车辆动力学微分方程代入，计算等到控制器输出，即前轮转向角δ。
步骤4：
基于实时的车辆状态信息：车辆质心侧偏角β、横摆角速度ω、预瞄点处横向误差y、方向误差ε设计上层控制器。
步骤4.1：
实际行驶过程中驾驶员通常以前方某一点作为目标，通过驾驶操作使车辆在有限时间内到达前方目标点。为了能够使驾驶过程安全、舒适，有经验的驾驶员通常根据车辆的状态和道路环境不断调整前方目标点位置。
参考上述过程，将驾驶经验转化为控制规则，再利用模糊理论转化为数学函数，设计预瞄距离优化模糊控制器。
已知，步骤2提及的综合误差EL能够代表车辆的路径跟踪精度。车身侧倾角质心侧偏角β等评价指标能够衡量车辆的安全性和舒适性。又已知车身侧倾角和质心侧偏角β与车辆质心侧向加速度ay正相关。因此选择综合误差EL和质心侧向加速度ay为模糊控制器输入，预瞄距离补偿量ΔL1为控制器输出。定义质心侧向加速度向右为正，向左为负。将综合误差和负质心侧向加速度转化为论域[-6,6]的模糊集。模糊子集语言变量为{NB，NM，NS，ZE，PS，PM，PB}，其中NB，NM，NS，ZE，PS，PM，PB分别称为负大，负中，负小，零，正小，正中，正大。将预瞄距离补偿量ΔL1转化为论域为[0,1]的模糊集。模糊子集语言变量与输入变量相同。预瞄距离变化过于灵敏，不利于***的稳定性。因此输入、输出变量的隶属度函数均为三角函数和梯形函数组成，如图4、图5所示。
步骤4.2采用专家经验法确定模糊控制规则。模糊规则如表1所示。每一条模糊控制规则由下面的“IF-THEN”模糊语句构成：
其中为输入变量模糊子集语言变量，Bi为输出变量模糊子集语言变量。i＝1,2,…,49代表模糊规则的数目。模糊逻辑推理采用Mamdani法，采用重心法作为解模糊判决。
任选上述模糊规则表中一例：
R(12)：IF EL is PS AND -ay is NM THEN ΔL1 is PM；
该模糊规则的具体意义是当综合误差正小，质心侧向加速度负中时，预瞄距离补偿量正中。
表一 模糊规则表
步骤五：基于图6迭代控制器结构示意图，设计开环学习律。步骤如下：
图中所示被控对象包含下层滑模控制器和车辆动力学模型。车辆实际行驶方向和参考路径预瞄点处切线方向的方向误差为开环学习律的输入。开环学习律当前时刻得出的结果与上一时刻得出的结果相加发送至存储器储存。同时传送至被控对象。
以消除方向误差为控制目标。设计开环PID迭代学习律，预瞄距离补偿量可表示为：
式中：kp、kd、ki分别为比例、微分、积分系数，εk(t)为当前时刻方向误差。
步骤六：自适应预瞄距离计算方法为：将初始预瞄距离L′＝0.5vx与预瞄距离补偿量ΔL1、ΔL2累加得：
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.一种预瞄距离自适应的智能车辆横向控制方法，其特征在于，包括以下步骤：
步骤1，首先建立整车14自由度非线性车辆动力学模型作为参考模型；
步骤2，构建分层式横向控制器，分层式横向控制器分为上层控制器和下层控制器两部分；上层控制器由模糊控制器和迭代控制器并联组成，下层控制器为滑模控制器；
步骤3，根据车辆与参考路径的几何关系建立的预瞄运动学模型接收步骤1的车辆动力学模型产生的纵向速度vx、侧向速度vy和横摆角速度ω数据，结合参考路径曲率ρ计算预瞄点处车辆的横向、方向误差ε，并作为滑模控制器输入；
步骤4，以消除预瞄点处综合误差EL为控制目标，设计切换函数S，使用饱和函数替代符号函数设计趋近率，联立切换函数的导数和趋近率，并代入车辆横向动力学模型得到所需滑模控制器；
步骤5，基于实时的车辆状态信息：车辆质心侧偏角β、横摆角速度ω、预瞄点处横向误差y、方向误差ε设计模糊控制器；
步骤6，设计迭代控制器：首先设计开环学习律，被控对象包含滑模控制器和车辆动力学模型；将车辆实际行驶方向和参考路径预瞄点处切线方向的方向误差为开环学习律的输入，开环学习律当前时刻得出的结果与上一时刻得出的结果相加发送至存储器储存，同时传送至被控对象；
步骤7，自适应预瞄距离计算。
2.根据权利要求1所述的一种预瞄距离自适应的智能车辆横向控制方法，其特征在于，所述步骤1的车辆动力学模型为：
<mrow> <msub> <mi>I</mi> <mi>z</mi> </msub> <mover> <mi>&amp;omega;</mi> <mo>&amp;CenterDot;</mo> </mover> <mo>=</mo> <mi>a</mi> <mrow> <mo>(</mo> <msub> <mi>F</mi> <mrow> <mn>1</mn> <mi>c</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>F</mi> <mrow> <mn>2</mn> <mi>c</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mi>b</mi> <mrow> <mo>(</mo> <msub> <mi>F</mi> <mrow> <mn>3</mn> <mi>c</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>F</mi> <mrow> <mn>4</mn> <mi>c</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>
<mrow> <mi>m</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>v</mi> <mo>&amp;CenterDot;</mo> </mover> <mi>y</mi> </msub> <mo>+</mo> <msub> <mi>v</mi> <mi>x</mi> </msub> <mi>&amp;omega;</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>F</mi> <mrow> <mn>1</mn> <mi>c</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>F</mi> <mrow> <mn>2</mn> <mi>c</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>F</mi> <mrow> <mn>3</mn> <mi>c</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>F</mi> <mrow> <mn>4</mn> <mi>c</mi> </mrow> </msub> </mrow>
式中：a、b分别为车辆质心距前、后轴的距离，m；ω为横摆角速度，rad/s；vx、vy分别为纵向速度、侧向速度，m/s；Iz为整车绕z轴的转动惯量，kg.m2；Fi为悬架与车身链接点的悬架力；FiC为轮胎侧向力，由Dugoff轮胎模型获得。
3.根据权利要求1所述的一种预瞄距离自适应的智能车辆横向控制方法，其特征在于，所述步骤3的预瞄运动学模型为：
根据车辆与参考路径的几何关系计算预瞄点处的横向误差及方向误差，表达式为：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mover> <mi>y</mi> <mo>&amp;CenterDot;</mo> </mover> <mo>=</mo> <msub> <mi>v</mi> <mi>x</mi> </msub> <mi>&amp;epsiv;</mi> <mo>-</mo> <msub> <mi>v</mi> <mi>y</mi> </msub> <mo>-</mo> <mi>&amp;omega;</mi> <mi>L</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mover> <mi>&amp;epsiv;</mi> <mo>&amp;CenterDot;</mo> </mover> <mo>=</mo> <mfrac> <msub> <mi>v</mi> <mi>x</mi> </msub> <mi>R</mi> </mfrac> <mo>-</mo> <mi>&amp;omega;</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
式中：y为预瞄点处横向误差，m；ε为预瞄点处方向误差，rad；R、L分别道路曲率半径和预瞄距离，m；vx、vy分别为纵向速度、侧向速度。
4.根据权利要求1所述的一种预瞄距离自适应的智能车辆横向控制方法，其特征在于，所述步骤4的滑模控制器为：
定义综合偏差EL：
<mrow> <msub> <mi>E</mi> <mi>L</mi> </msub> <mo>=</mo> <mi>&amp;gamma;</mi> <mfrac> <mrow> <msub> <mi>y</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>-</mo> <mi>y</mi> </mrow> <mrow> <msub> <mi>y</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>y</mi> <mi>min</mi> </msub> </mrow> </mfrac> <mo>+</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;gamma;</mi> <mo>)</mo> </mrow> <mfrac> <mrow> <msub> <mi>&amp;epsiv;</mi> <mi>max</mi> </msub> <mo>-</mo> <mi>&amp;epsiv;</mi> </mrow> <mrow> <msub> <mi>&amp;epsiv;</mi> <mi>max</mi> </msub> <mo>-</mo> <msub> <mi>&amp;epsiv;</mi> <mi>min</mi> </msub> </mrow> </mfrac> </mrow>
式中：γ为权重系数；ymax、ymin、εmax、εmin分别为横向误差与方向误差的最大、最小值；γ的取值由试测法确定；
定义切换函数S：
<mrow> <mi>S</mi> <mo>=</mo> <msub> <mover> <mi>E</mi> <mo>&amp;CenterDot;</mo> </mover> <mi>L</mi> </msub> <mo>+</mo> <msub> <mi>cE</mi> <mi>L</mi> </msub> </mrow>
式中：c为常数；
设计指数趋近率slaw：
slaw＝-ηsat(S)-kS
式中：η，k为控制器常数；
对切换函数S求导，令代入车辆横向动力学模型，得滑模控制器输出前轮转向角δ。
5.根据权利要求1所述的一种预瞄距离自适应的智能车辆横向控制方法，其特征在于，所述步骤5的模糊控制器设计如下：
S3.1，定义预瞄点处综合偏差向左为正，向右为负，定义车辆质心侧向加速度向左为负，向右为正，定义综合偏差和负质心侧偏加速度为模糊控制器输入，控制器输出为预瞄距离补偿量ΔL1；
S3.2，综合误差和质心侧向加速度均转化为[-6,6]的模糊集，模糊子集的语言变量为{NB，NM，NS，ZE，PS，PM，PB}，输出变量转化为[0,1]的模糊集，语言变量为{NB，NM，NS，ZE，PS，PM，PB}，其中NB，NM，NS，ZE，PS，PM，PB分别称为负大，负中，负小，零，正小，正中，正大；选择三角函数作为输入、输出变量的隶属度函数，模糊逻辑推理采用Mamdani法，重心法作为解模糊判决；
S3.3，采用专家经验法定义模糊规则表，模糊控制规则由IF-THEN模糊语句构成：
<mrow> <msup> <mi>R</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msup> <mo>:</mo> <mi>I</mi> <mi>F</mi> <mi> </mi> <mi>y</mi> <mi> </mi> <mi>i</mi> <mi>s</mi> <mi> </mi> <msubsup> <mi>A</mi> <mn>1</mn> <mi>i</mi> </msubsup> <mi>A</mi> <mi>N</mi> <mi>D</mi> <mo>-</mo> <msub> <mi>a</mi> <mi>y</mi> </msub> <mi>i</mi> <mi>s</mi> <mi> </mi> <msubsup> <mi>A</mi> <mn>2</mn> <mi>i</mi> </msubsup> <msub> <mi>THEN&amp;Delta;L</mi> <mn>1</mn> </msub> <mi>i</mi> <mi>s</mi> <mi> </mi> <msup> <mi>B</mi> <mi>i</mi> </msup> <mo>;</mo> </mrow>
其中为输入变量模糊子集语言变量，Bi为输出变量模糊子集语言变量，i＝1,2,…,49代表模糊规则的数目。
6.根据权利要求1所述的一种预瞄距离自适应的智能车辆横向控制方法，其特征在于，所述步骤6中，迭代控制器的具体设计过程为：以滑模控制器和车辆动力学模型为被控对象，以消除方向误差为控制目标，迭代控制器输出为下一时刻的预瞄距离，设计PID型开环迭代学习律，则预瞄距离补偿量为：
<mrow> <msub> <mi>&amp;Delta;L</mi> <mn>2</mn> </msub> <mo>=</mo> <msub> <mi>k</mi> <mi>p</mi> </msub> <mo>|</mo> <msub> <mi>&amp;epsiv;</mi> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>+</mo> <msub> <mi>k</mi> <mi>d</mi> </msub> <mo>|</mo> <mfrac> <mrow> <msub> <mi>d&amp;epsiv;</mi> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>|</mo> <mo>+</mo> <msub> <mi>k</mi> <mi>i</mi> </msub> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mi>t</mi> </msubsup> <mo>|</mo> <msub> <mi>&amp;epsiv;</mi> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>|</mo> <mi>d</mi> <mi>t</mi> </mrow>
式中：kp、kd、ki分别为比例、微分、积分系数，εk(t)为当前时刻方向误差。
7.根据权利要求1所述的一种预瞄距离自适应的智能车辆横向控制方法，其特征在于，所述步骤7的自适应预瞄距离计算为：将初始预瞄距离L′＝0.5vx与预瞄距离补偿量ΔL1、ΔL2累加得：L＝0.5vx+ΔL1+ΔL2；其中vx为纵向速度。
CN201710378710.1A 2017-05-25 2017-05-25 一种预瞄距离自适应的智能车辆横向控制方法 Active CN107097785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710378710.1A CN107097785B (zh) 2017-05-25 2017-05-25 一种预瞄距离自适应的智能车辆横向控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710378710.1A CN107097785B (zh) 2017-05-25 2017-05-25 一种预瞄距离自适应的智能车辆横向控制方法

Publications (2)

Publication Number Publication Date
CN107097785A true CN107097785A (zh) 2017-08-29
CN107097785B CN107097785B (zh) 2019-08-27

Family

ID=59669441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710378710.1A Active CN107097785B (zh) 2017-05-25 2017-05-25 一种预瞄距离自适应的智能车辆横向控制方法

Country Status (1)

Country Link
CN (1) CN107097785B (zh)

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108001447A (zh) * 2017-11-23 2018-05-08 江苏大学 一种智能车辆路径跟踪前轮转角补偿控制方法
CN108045435A (zh) * 2017-11-29 2018-05-18 江苏大学 一种路面自适应的智能车辆横向混合控制方法
CN108303982A (zh) * 2018-01-31 2018-07-20 深圳力子机器人有限公司 自动引导运输车、其控制方法及控制***
CN108569336A (zh) * 2018-04-26 2018-09-25 武汉理工大学 在动力学约束下基于车辆运动学模型转向控制方法
CN108646763A (zh) * 2018-07-18 2018-10-12 扬州大学 一种自主行驶轨迹跟踪控制方法
CN108646756A (zh) * 2018-07-05 2018-10-12 合肥工业大学 基于分段仿射模糊滑模的智能汽车横向控制方法及***
CN108791289A (zh) * 2018-04-28 2018-11-13 华为技术有限公司 一种车辆控制方法和装置
CN109131351A (zh) * 2018-09-04 2019-01-04 吉林大学 基于随机时滞的车辆稳定性评价方法
CN109318905A (zh) * 2018-08-22 2019-02-12 江苏大学 一种智能汽车路径跟踪混合控制方法
CN109334380A (zh) * 2018-11-16 2019-02-15 燕山大学 基于参数不确定性和外部扰动的非线性油气悬架主动控制方法
CN109515437A (zh) * 2018-09-10 2019-03-26 江苏大学 一种考虑前后车辆的acc车辆控制方法
CN109515097A (zh) * 2018-10-18 2019-03-26 江苏科技大学 一种半主动车辆悬架控制***
CN109606352A (zh) * 2018-11-22 2019-04-12 江苏大学 一种车辆路径跟踪与稳定性协调控制方法
CN109895578A (zh) * 2019-03-29 2019-06-18 燕山大学 基于非线性执行器悬架***的滑模自适应控制方法
CN109969180A (zh) * 2018-01-12 2019-07-05 合肥工业大学 一种车道偏离辅助***的人机协调控制***
CN110147041A (zh) * 2019-05-20 2019-08-20 重庆大学 一种基于梯度校正估计预瞄时间的车辆横向控制方法
CN110316193A (zh) * 2019-07-02 2019-10-11 华人运通(上海)自动驾驶科技有限公司 预瞄距离的设置方法、装置、设备及计算机可读存储介质
CN110471428A (zh) * 2019-09-18 2019-11-19 吉林大学 一种基于模型的变预瞄距离和速度约束的路径跟踪方法
CN110667563A (zh) * 2019-09-20 2020-01-10 北京汽车集团有限公司 自动驾驶车辆横向控制方法、装置及车辆
CN110789517A (zh) * 2019-11-26 2020-02-14 安徽江淮汽车集团股份有限公司 自动驾驶横向控制方法、装置、设备及存储介质
CN110893849A (zh) * 2018-08-22 2020-03-20 郑州宇通客车股份有限公司 一种自动驾驶车辆避障换道控制方法及装置
CN111123904A (zh) * 2018-10-31 2020-05-08 深圳市优必选科技有限公司 路径跟踪方法及终端设备
CN111158377A (zh) * 2020-01-15 2020-05-15 浙江吉利汽车研究院有限公司 一种用于车辆的横向控制方法、***及车辆
CN111204332A (zh) * 2020-02-10 2020-05-29 哈尔滨工业大学 一种全工况下优化车辆横摆动态性能的滑模控制方法
CN111717189A (zh) * 2019-03-18 2020-09-29 长城汽车股份有限公司 车道保持控制方法、装置及***
CN111796521A (zh) * 2020-07-08 2020-10-20 中国第一汽车股份有限公司 一种前视距离确定方法、装置、设备及存储介质
CN112486018A (zh) * 2020-12-23 2021-03-12 中国矿业大学(北京) 一种基于速度自适应预瞄的无模型无人车路径跟踪方法
CN112622895A (zh) * 2020-12-30 2021-04-09 威伯科汽车控制***（中国）有限公司 一种应用于自动驾驶的轨迹控制的预估控制方法
CN113204236A (zh) * 2021-04-14 2021-08-03 华中科技大学 一种智能体路径跟踪控制方法
CN113211438A (zh) * 2021-05-08 2021-08-06 东方红卫星移动通信有限公司 基于预瞄距离自适应的轮式机器人控制方法及控制***
CN113741462A (zh) * 2021-09-06 2021-12-03 吉林大学 一种大型智能电铲的无人控制自适应行走***和方法
CN114179818A (zh) * 2021-12-31 2022-03-15 江苏理工学院 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法
CN114435380A (zh) * 2022-02-21 2022-05-06 浙江蓝盒子航空科技有限公司 一种适用于模块化车辆的模糊逻辑控制优化方法
CN114510047A (zh) * 2022-01-27 2022-05-17 中国第一汽车股份有限公司 一种路径跟踪的原路径返回方法、装置、车辆及介质
CN115476881A (zh) * 2022-10-20 2022-12-16 重庆长安汽车股份有限公司 车辆轨迹跟踪控制方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090157263A1 (en) * 2007-12-13 2009-06-18 Hyundai Motor Company System and method for keeping a vehicle in a lane
CN102358287A (zh) * 2011-09-05 2012-02-22 北京航空航天大学 一种用于车辆自动驾驶机器人的轨迹跟踪控制方法
CN103439884A (zh) * 2013-07-19 2013-12-11 大连理工大学 一种基于模糊滑模的智能汽车横向控制方法
CN104670233A (zh) * 2013-11-28 2015-06-03 现代摩比斯株式会社 车辆转弯控制方法及其装置
CN104960520A (zh) * 2015-07-16 2015-10-07 北京工业大学 基于Pure Pursuit算法的预瞄点确定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090157263A1 (en) * 2007-12-13 2009-06-18 Hyundai Motor Company System and method for keeping a vehicle in a lane
CN102358287A (zh) * 2011-09-05 2012-02-22 北京航空航天大学 一种用于车辆自动驾驶机器人的轨迹跟踪控制方法
CN103439884A (zh) * 2013-07-19 2013-12-11 大连理工大学 一种基于模糊滑模的智能汽车横向控制方法
CN104670233A (zh) * 2013-11-28 2015-06-03 现代摩比斯株式会社 车辆转弯控制方法及其装置
CN104960520A (zh) * 2015-07-16 2015-10-07 北京工业大学 基于Pure Pursuit算法的预瞄点确定方法

Cited By (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108001447A (zh) * 2017-11-23 2018-05-08 江苏大学 一种智能车辆路径跟踪前轮转角补偿控制方法
CN108045435A (zh) * 2017-11-29 2018-05-18 江苏大学 一种路面自适应的智能车辆横向混合控制方法
CN109969180A (zh) * 2018-01-12 2019-07-05 合肥工业大学 一种车道偏离辅助***的人机协调控制***
CN108303982A (zh) * 2018-01-31 2018-07-20 深圳力子机器人有限公司 自动引导运输车、其控制方法及控制***
CN108303982B (zh) * 2018-01-31 2021-11-30 深圳力子机器人有限公司 自动引导运输车、其控制方法及控制***
CN108569336A (zh) * 2018-04-26 2018-09-25 武汉理工大学 在动力学约束下基于车辆运动学模型转向控制方法
CN108791289A (zh) * 2018-04-28 2018-11-13 华为技术有限公司 一种车辆控制方法和装置
CN108646756A (zh) * 2018-07-05 2018-10-12 合肥工业大学 基于分段仿射模糊滑模的智能汽车横向控制方法及***
CN108646756B (zh) * 2018-07-05 2021-01-19 合肥工业大学 基于分段仿射模糊滑模的智能汽车横向控制方法及***
CN108646763A (zh) * 2018-07-18 2018-10-12 扬州大学 一种自主行驶轨迹跟踪控制方法
CN109318905A (zh) * 2018-08-22 2019-02-12 江苏大学 一种智能汽车路径跟踪混合控制方法
CN110893849A (zh) * 2018-08-22 2020-03-20 郑州宇通客车股份有限公司 一种自动驾驶车辆避障换道控制方法及装置
CN109318905B (zh) * 2018-08-22 2020-06-09 江苏大学 一种智能汽车路径跟踪混合控制方法
CN109131351A (zh) * 2018-09-04 2019-01-04 吉林大学 基于随机时滞的车辆稳定性评价方法
CN109515437A (zh) * 2018-09-10 2019-03-26 江苏大学 一种考虑前后车辆的acc车辆控制方法
CN109515097A (zh) * 2018-10-18 2019-03-26 江苏科技大学 一种半主动车辆悬架控制***
CN111123904A (zh) * 2018-10-31 2020-05-08 深圳市优必选科技有限公司 路径跟踪方法及终端设备
CN109334380A (zh) * 2018-11-16 2019-02-15 燕山大学 基于参数不确定性和外部扰动的非线性油气悬架主动控制方法
CN109334380B (zh) * 2018-11-16 2020-04-21 燕山大学 基于参数不确定性和外部扰动的主动油气悬架控制方法
CN109606352B (zh) * 2018-11-22 2020-06-26 江苏大学 一种车辆路径跟踪与稳定性协调控制方法
CN109606352A (zh) * 2018-11-22 2019-04-12 江苏大学 一种车辆路径跟踪与稳定性协调控制方法
CN111717189B (zh) * 2019-03-18 2022-03-29 毫末智行科技有限公司 车道保持控制方法、装置及***
CN111717189A (zh) * 2019-03-18 2020-09-29 长城汽车股份有限公司 车道保持控制方法、装置及***
CN109895578A (zh) * 2019-03-29 2019-06-18 燕山大学 基于非线性执行器悬架***的滑模自适应控制方法
CN110147041A (zh) * 2019-05-20 2019-08-20 重庆大学 一种基于梯度校正估计预瞄时间的车辆横向控制方法
CN110147041B (zh) * 2019-05-20 2022-07-29 重庆大学 一种基于梯度校正估计预瞄时间的车辆横向控制方法
CN110316193A (zh) * 2019-07-02 2019-10-11 华人运通(上海)自动驾驶科技有限公司 预瞄距离的设置方法、装置、设备及计算机可读存储介质
CN110471428B (zh) * 2019-09-18 2021-05-07 吉林大学 一种基于模型的变预瞄距离和速度约束的路径跟踪方法
CN110471428A (zh) * 2019-09-18 2019-11-19 吉林大学 一种基于模型的变预瞄距离和速度约束的路径跟踪方法
CN110667563B (zh) * 2019-09-20 2021-01-01 北京汽车集团有限公司 自动驾驶车辆横向控制方法、装置及车辆
CN110667563A (zh) * 2019-09-20 2020-01-10 北京汽车集团有限公司 自动驾驶车辆横向控制方法、装置及车辆
CN110789517A (zh) * 2019-11-26 2020-02-14 安徽江淮汽车集团股份有限公司 自动驾驶横向控制方法、装置、设备及存储介质
CN111158377A (zh) * 2020-01-15 2020-05-15 浙江吉利汽车研究院有限公司 一种用于车辆的横向控制方法、***及车辆
CN111158377B (zh) * 2020-01-15 2021-04-27 浙江吉利汽车研究院有限公司 一种用于车辆的横向控制方法、***及车辆
CN111204332A (zh) * 2020-02-10 2020-05-29 哈尔滨工业大学 一种全工况下优化车辆横摆动态性能的滑模控制方法
CN111204332B (zh) * 2020-02-10 2022-07-15 哈尔滨工业大学 一种全工况下优化车辆横摆动态性能的滑模控制方法
CN111796521B (zh) * 2020-07-08 2022-06-10 中国第一汽车股份有限公司 一种前视距离确定方法、装置、设备及存储介质
CN111796521A (zh) * 2020-07-08 2020-10-20 中国第一汽车股份有限公司 一种前视距离确定方法、装置、设备及存储介质
CN112486018A (zh) * 2020-12-23 2021-03-12 中国矿业大学(北京) 一种基于速度自适应预瞄的无模型无人车路径跟踪方法
CN112622895A (zh) * 2020-12-30 2021-04-09 威伯科汽车控制***（中国）有限公司 一种应用于自动驾驶的轨迹控制的预估控制方法
CN113204236A (zh) * 2021-04-14 2021-08-03 华中科技大学 一种智能体路径跟踪控制方法
CN113211438A (zh) * 2021-05-08 2021-08-06 东方红卫星移动通信有限公司 基于预瞄距离自适应的轮式机器人控制方法及控制***
CN113741462A (zh) * 2021-09-06 2021-12-03 吉林大学 一种大型智能电铲的无人控制自适应行走***和方法
CN114179818A (zh) * 2021-12-31 2022-03-15 江苏理工学院 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法
CN114510047A (zh) * 2022-01-27 2022-05-17 中国第一汽车股份有限公司 一种路径跟踪的原路径返回方法、装置、车辆及介质
CN114435380A (zh) * 2022-02-21 2022-05-06 浙江蓝盒子航空科技有限公司 一种适用于模块化车辆的模糊逻辑控制优化方法
CN115476881A (zh) * 2022-10-20 2022-12-16 重庆长安汽车股份有限公司 车辆轨迹跟踪控制方法、装置、设备及介质
CN115476881B (zh) * 2022-10-20 2024-06-04 重庆长安汽车股份有限公司 车辆轨迹跟踪控制方法、装置、设备及介质

Also Published As

Publication number Publication date
CN107097785B (zh) 2019-08-27

Similar Documents

Publication Publication Date Title
CN107097785B (zh) 一种预瞄距离自适应的智能车辆横向控制方法
CN107561942B (zh) 基于模型补偿的智能车辆轨迹跟踪模型预测控制方法
Awad et al. Model predictive control with fuzzy logic switching for path tracking of autonomous vehicles
Novi et al. Real-time control for at-limit handling driving on a predefined path
CN114379583B (zh) 一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪***及方法
Cuadrado et al. A multibody model to assess the effect of automotive motor in-wheel configuration on vehicle stability and comfort
CN106970524A (zh) 用于主动悬架的车辆侧倾运动安全线性二次型最优lqg控制器设计方法
Németh et al. Nonlinear analysis and control of a variable-geometry suspension system
Chen et al. Implementation of MPC-based trajectory tracking considering different fidelity vehicle models
CN115285145A (zh) 一种无人驾驶弯道避撞轨迹规划与跟踪控制方法
Fang et al. Enhancing robust driver assistance control in distributed drive electric vehicles through integrated AFS and DYC technology
Liu et al. Vehicle state estimation based on unscented Kalman filtering and a genetic-particle swarm algorithm
Fu et al. Nmpc-based path tracking control strategy for autonomous vehicles with stable limit handling
Wang et al. Path tracking of eight in-wheel-driving autonomous vehicle: controller design and experimental results
Chang et al. An adaptive MPC trajectory tracking algorithm for autonomous vehicles
Li et al. Trajectory tracking of four-wheel driving and steering autonomous vehicle under extreme obstacle avoidance condition
CN109606364A (zh) 一种智能汽车可变车速下分层式自学习可拓神经网络车道保持控制方法
Tan et al. Driver directional control using two-point preview and fuzzy decision
CN116560371A (zh) 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法
He et al. Coordinated stability control strategy for intelligent electric vehicles using vague set theory
Lin et al. Cross-line-turn path tracking of intelligent agricultural vehicle based on MPC in standard orchard
Wang et al. Multi-model fuzzy controller for vehicle lane tracking
Wu et al. Coordination Control of Path Tracking and Stability for 4WS Autonomous Vehicle
Belven Implementation of Model PredictiveControl for Path Following with the KTH Research Concept Vehicle
Hu et al. Optimal Tracking Control for Autonomous Vehicle With Prescribed Performance via Adaptive Dynamic Programming

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant