CN108674414A - 一种极限工况的智能汽车轨迹跟踪控制方法 - Google Patents
一种极限工况的智能汽车轨迹跟踪控制方法 Download PDFInfo
- Publication number
- CN108674414A CN108674414A CN201810704580.0A CN201810704580A CN108674414A CN 108674414 A CN108674414 A CN 108674414A CN 201810704580 A CN201810704580 A CN 201810704580A CN 108674414 A CN108674414 A CN 108674414A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- model
- lateral deviation
- tire
- angle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 206010039203 Road traffic accident Diseases 0.000 description 6
- 238000005312 nonlinear dynamic Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000013632 homeostatic process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0037—Mathematical models of vehicle sub-units
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开一种极限工况的智能汽车轨迹跟踪控制方法,属于智能汽车控制技术领域。该方法首先建立非线性的车辆动力学模型,利用此动力学模型进行车辆稳态转向下的相轨迹分析,确定车辆转向稳定性区域,并计算车辆转向的稳定性边界,将得到的车辆转向稳定性区域作为轨迹跟踪问题的安全约束;对非线性的车辆动力学模型线性化,以前轮侧偏力作为输入,后轮侧偏力在当前工作点处进行一阶泰勒展开,得到线性化的车辆动力学方程;以线性化的动力学模型作为预测模型,以转向稳定性区域作为安全约束,构建基于模型预测控制方法的轨迹跟踪问题,通过求解该问题可以得到前轮侧偏力。利用轮胎逆模型逆向求解得到前轮转角作为最终的控制输入。本发明在保证车辆稳定性的前提下,实现智能汽车的轨迹跟踪,且实时性较好。
Description
技术领域
本发明涉及一种极限工况的智能汽车轨迹跟踪控制方法,属于智能汽车控制技术领域。
背景技术
随着社会经济的不断发展,汽车得到了极大地普及,世界各地汽车保有量逐渐增加,交通堵塞严重,交通事故的发生呈现不断上升的趋势。道路交通安全问题已经成为全球性的难题,恶性的交通事故是造成人口伤亡的重要原因之一。
汽车在紧急避障、超车换道和驾驶员的误转向等操作中,其操纵稳定性急剧恶化,在这些工况下,普通驾驶员难以操纵车辆,汽车将很快出现侧向失稳而引发交通事故,尤其在雨雪等恶劣天气的情况下,路面附着系数较小,当轮胎工作点进入非线性区,轮胎侧偏力饱和时,车辆将发生侧滑,而且一旦侧滑开始,汽车与路面的横向作用力将迅速减小,汽车将失去控制,产生碰撞和侧翻,造成交通事故。在极限工况下,普通驾驶员很难去操纵车辆,人的操作失误造成的交通事故所占比例较大。因此,为了提高汽车的行车安全性,最直接有效的方法就是将人为导致的交通事故降到最低,一方面可以加强驾驶员的道路安全教育,规范驾驶员的操作行为;另一方面,就是将“人”从“人—车—路”这个闭环交通***中最大程度地解放出来,使得人为主观不确定性因素降到最低,这样就可以极大地提高道路交通安全性,降低事故发生率,所以需要研究无需驾驶员操控的智能汽车来解决道路安全问题。
在智能汽车***中,最基本也是最重要的一个模块就是轨迹跟踪,其功能是通过控制车辆的转向***以及制动驱动***使得车辆能够以期望的速度沿着期望的路线行驶,从而实现车辆的无人驾驶操作。与人类驾驶员一样,智能汽车会在低附着路面行驶,会面临其他各种极限工况。在这些情况下,轮胎侧偏力易饱和,发生失稳危险。
目前关于轨迹跟踪控制的研究方法主要有模型预测控制(Model PredictiveControl,以下简称MPC),线性二次调节器(Linear Quadratic Regulator,LQR)及PID控制等,其中MPC是是根据***当前状态,利用模型迭代预测未来一段时域内的***输出,并与期望轨迹相比,构建含有约束的优化问题,将求解出的控制序列的第一个元素作用于***,得到下一采样时刻***状态值,并不断向前滚动优化。由于MPC的滚动优化特点可以减小跟踪误差,优化跟踪性能,同时可以显示地处理约束,因此被广泛应用解决此类问题。
在轮胎-路面附着极限下,线性的车辆动力学模型难以补偿轮胎的非线性特性,因此需要使用精确度更高的非线性动力学模型作为控制器设计的基础。以前轮转角为输入的非线性动力学模型作为MPC的预测模型,其优点是模型精确度相对较高,缺点是非线性动力学模型增加了控制器的计算量,使控制器设计更加复杂,求解难度增大,实时性难以保证。
发明内容
本发明的目的是提出一种极限工况的智能汽车轨迹跟踪控制方法,以克服已有技术的缺陷,使得当智能汽车处于轮胎-路面附着极限时,可以稳定安全行驶,实现其轨迹跟踪控制。
本发明提出的极限工况的智能汽车轨迹跟踪控制方法,包括以下步骤:
(1)建立二自由度的车体动力学模型如下:
其中,m是车辆质量,v是车辆速度,β是车辆的质心侧偏角,r是车辆的橫摆角速度,Fyf是前轮侧偏力,Fyr是后轮侧偏力,Izz是绕z轴的横摆惯性力矩,a是质心距前轴的距离,b是质心距后轴的距离,求解该模型,得到车辆质心侧偏角β和橫摆角速度r的导数和
建立非线性的车辆刷子轮胎模型如下:
其中,下标#代表前轮和后轮,#∈{f,r},C#是轮胎的侧偏刚度,α#是轮胎侧偏角,Fz#是车辆前轴或后轴所受的载荷,μ#是轮胎横向附着系数,前轮轮胎侧偏角αf和后轮轮胎侧偏角αr的计算公式如下:
其中,δ是前轮转角,前轴的载荷Fzf和后轴的载荷Fzr通过下式计算:
其中,g是重力加速度;
(2)确定车辆转向时的稳定性区域,包括以下步骤:
(2-1)利用上述非线性车辆动力学模型,绘制一个车辆质心侧偏角β和橫摆角速度r的β-r相轨迹图,β-r相轨迹图中,横坐标为车辆质心侧偏角β,纵坐标为橫摆角速度r,定义当上述步骤(1)的模型中和同时为0时,β-r相轨迹图中的与和同时为0相对应的β和r的坐标为鞍点,;
(2-2)根据相轨迹图中轨迹发散区域,得到车辆转向时的稳定性区域如下:
车辆转向的稳定性区域的边界分别为L1、L2、L3和L4:
L1:r=rmax
L2:rr=v/b(β+αmax)
L3:r=-rmax
L4:r=v/b(β-αmax)
(3)根据上述步骤(2)的车辆转向时的稳定性区域,采用模型预测控制,实现智能汽车轨迹的跟踪控制,包括以下步骤:
(3-1)以前轮侧偏力Fyf作为上述步骤(1)的二自由度的车体动力学模型的输入;
(3-2)在上述二自由度的车体动力学模型中,对当前车辆轮胎运行状态下对后轮侧偏力Fyr进行一阶泰勒展开,使后轮侧偏力Fyr实现局部线性化:
其中,是当前后轮胎的侧偏角,是车辆当前的后轮侧偏力, 是当前车辆轮胎运行状态下在处的局部侧偏刚度,
(3-3)根据上述步骤(3-2)局部线性化的轮侧偏力Fyr,得到线性车辆动力学模型如下:
将上述线性车辆动力学模型改写为以下形式:
z(t)=Cx(t)
其中:
x(t)为车辆的状态变量,x(t)=[y(t),ψ(t),β(t),r(t)]T
z(t)为车辆的输出变量,z(t)=[y(t),ψ(t)]T
(3-4)以上述改写后的线性车辆动力学模型为预测模型,以上述步骤(2)的车辆转向稳定性区域为车辆行驶安全约束,构建极限工况的轨迹跟踪控制问题:
上述轨迹跟踪控制问题的约束条件为:
-Fyf,max≤u(τ)≤Fyf,max
∈r≥0
∈α≥0
其中,τ为当前时刻,T为预测时域,z(τ)为当前时刻的车辆输出,zref(τ)为当前时刻的参考轨迹序列,为轨迹跟踪性能惩罚权矩阵,u(τ)为车辆的控制输入量,为车辆控制输入量的惩罚权矩阵,∈r为橫摆角速度的松弛变量,ρr为橫摆角速度的松弛因子,∈α为后轮侧偏角的松弛变量,ρα为后轮侧偏角的松弛因子;Fyf,max为前轮的附着极限,b为质心距后轴的距离,v为车辆速度,x(τ)为车辆当前时刻的状态,rmax为车辆转向时允许的最大橫摆角速度,αmax,r为车辆转向时允许的最大侧偏角;
(3-5)利用二次规划方法,求解极限工况的轨迹跟踪控制问题,得到前轮侧偏力Fyf;
(3-6)利用下式,逆向求解车辆前轮转角,实现极限工况的智能汽车轨迹的跟踪控制:
其中,Fyf,des为上述步骤(3-5)中求解得到的期望的前轮侧偏力,β为质心侧偏角,a为质心距前轴的距离,r为橫摆角速度,ν为车辆速度,Tire-1表示上述步骤(1)中的非线性的车辆刷子轮胎模型Tire的逆模型,δdes为最终得到的前轮转角控制量。
本发明提出的极限工况的智能汽车轨迹跟踪控制方法,其优点是:
本发明控制方法通过控制输入转化,将非线性动力学模型线性化,通过以车辆前轮侧偏力直接作为控制输入的转化,车辆后轮侧偏力局部线性化,构建了线性的模型预测轨迹跟踪控制问题,同时保留了轮胎的非线性特性,并以车辆转向时的稳定性区域作为安全约束,构建了线性的MPC问题,并通过轮胎逆模型逆向求解得到前轮转角作为最终的输入。同时利用质心侧偏角-橫摆角速度(β-r)相轨迹图,得到了车辆转向的稳定性区域,并计算确定了其稳定性边界,作为轨迹跟踪问题的安全约束。最后设计的包含稳定性约束的轨迹跟踪控制器可以使智能汽车处于轮胎-路面附着极限时仍然能稳定安全地跟踪轨迹。
本发明方法能适用于极限工况的智能汽车轨迹跟踪控制方法。在应用到实际中,本发明方法可以作为一种实时控制算法为智能汽车提供一种处于极限工况的轨迹跟踪控制方法。
附图说明
图1为本发明方法的总体流程框图。
图2为本发明方法涉及的车辆动力学模型示意图。
图3为本发明中设计的车辆转向稳定性区域图。
图4为本发明中的车辆转向不稳定性区域分析图。
图5为本发明中车辆稳态转向时的β-r相轨迹图。
图6为本发明中鞍点处车辆各状态计算图。
图2中,1是车辆前轮,2是车辆后轮,3为车辆转向时的期望行驶方向,4为车辆前轮发生侧偏后的实际行驶方向,5为车辆后轮发生侧偏后的实际行驶方向。
具体实施方式
本发明提出的极限工况的智能汽车轨迹跟踪控制方法,兼顾控制器设计要求,建立非线性的车辆动力学模型,基于此模型利用β-r相轨迹图,分析车辆稳态转向时的稳定性,得到了车辆转向的稳定性边界;对非线性模型线性化,得到了线性的车辆动力学模型;以线性化的车辆动力学模型为预测模型,以转向稳定性区域作为安全约束,设计了轮胎-路面附着极限时的智能汽车轨迹跟踪控制器,实现智能汽车的稳定安全行驶。
本发明的极限工况的智能汽车轨迹跟踪控制方法,其流程框图如图1所示,包括以下步骤:
(1)建立二自由度的车体动力学模型如下:
其中,m是车辆质量,v是车辆速度,β是车辆的质心侧偏角,r是车辆的橫摆角速度,Fyf是前轮侧偏力,Fyr是后轮侧偏力,Izz是绕z轴的横摆惯性力矩,a是质心距前轴的距离,b是质心距后轴的距离,求解该模型,得到车辆质心侧偏角β和橫摆角速度r的导数和如图2中所示。
由于车辆的行驶工况是处于轮胎-路面的附着极限状态,选用非线性的刷子模型作为轮胎模型。建立非线性的车辆刷子轮胎模型如下:
其中,下标#代表前轮和后轮,#∈{f,r},C#是轮胎的侧偏刚度,α#是轮胎侧偏角,Fz#是车辆前轴或后轴所受的载荷,μ#是轮胎横向附着系数,前轮轮胎侧偏角αf和后轮轮胎侧偏角αr的计算公式如下:
其中,δ是前轮转角,在转向过程中左右轮胎的载荷可能发生转移,因而改变了车辆侧向的载荷分布。在这里,忽略了左右轮的载荷分布,前轴的载荷Fzf和后轴的载荷Fzr通过下式计算:
其中,g是重力加速度;
(2)确定车辆转向时的稳定性区域,包括以下步骤:
(2-1)利用上述非线性车辆动力学模型,绘制一个车辆质心侧偏角β和橫摆角速度r的β-r相轨迹图,如图5所示,在图5(a)中原点为稳定平衡点,在其周围存在一个吸引域,初始状态在稳定平衡点附近内的所有轨迹都将收敛到该平衡点。三角形标记的两个平衡点是鞍点(不稳定平衡点)。β-r相轨迹图中,横坐标为车辆质心侧偏角β,纵坐标为橫摆角速度r,定义当上述步骤(1)的模型中和同时为0时,β-r相轨迹图中的与和同时为0相对应的β和r的坐标为鞍点;
(2-2)根据相轨迹图中轨迹发散区域,得到车辆转向时的稳定性区域如下,
车辆转向的稳定性区域的边界分别为L1、L2、L3和L4,如图3所示:
L1:r=rmax
L2:r=v/b(β+αmax)
L3:r=-rmax
L4:r=v/b(β-αmax)
在鞍点周围形成的4个不稳定区中,①区位于上半平面中的鞍点之上,④区位于下半平面中的鞍点下面,①区和④区的不稳定性可以看作是由较大的橫摆角速度引起的;在②区和③区中,车辆的橫摆角速度位于鞍点所在的虚线之下,但是这两个区域中的质心侧偏角仍然相对较大,②和③的不稳定可以看作是在较大的质心侧偏角和橫摆角速度的共同作用下形成的。为了防止车辆进入②区和③区,需要找到第二类边界来形成一个闭合的稳定性区域。对于第二类边界最好的选择就是限制后轮侧偏角,因为后轮侧偏角是质心侧偏角和橫摆角速度的线性组合,即αr=β-br/v,在橫摆角速度保持较大值时可以通过限制后轮侧偏角来抑制质心侧偏角。
当前轮转角增加到-3°,稳定平衡点朝着较大的质心侧偏角和橫摆角速度方向(负方向)移动,鞍点也随之向同一方向移动,但是始终在同一水平直线上运动,同时整个不稳定性区域随之移动(如图5(b)所示);当前轮转角增加到-8°,稳定平衡点越来越靠近鞍点(如图5(c)所示),此时车辆受扰动将会出现不稳定的情况;当前轮转角达到-12°,稳态平衡点消失,相平面上只剩下一个鞍点,不稳定区域扩展到整个相平面(如图5(d)所示)。在相平面上任意状态点的初始条件下转向,将会使车辆的橫摆角速度迅速变大,橫摆运动增强,之后车辆的质心侧偏角也增大,最终使车辆失稳。
在鞍点周围出现了4个不稳定区域,并将整个相平面分为稳定区域和不稳定区域,不稳定性区域内轨迹发散。
通过前面的分析就可以初步确定车辆转向的稳定性区域与鞍点位置及后轮侧偏角阈值在β-r相平面上的位置有关,如图4所示。对于①区和④区,鞍点位置处对应的橫摆角速度为轮胎力饱和时对应的最大橫摆角速度,可以通过计算在相平面中鞍点的横摆角速度作为能够允许的最大横摆角速度,即虚线所在位置,将①区和④区剔除出去;②区和③区可以通过限制后轮侧偏角将其剔除出去。
计算相轨迹图中鞍点处的横摆角速度,将其作为能够允许的最大横摆角速度,作为稳定性区域的上下边界,如图4所示。利用上述的非线性动力学模型,在鞍点处,车辆的状态变化率和为0,可以得到下式:
利用上面的4个方程,对应4个未知量质心侧偏角βeq,橫摆角速度req,前轮侧偏力后轮侧偏力可以求解出这4个未知量,进一步可以画出这4个状态变量随前轮转角的变化图,如图6所示。从图6(a)中可以看出,存在两种类型的平衡点,圆点为稳定平衡点,三角点为鞍点;从图6(d)中可以看出,后轮侧偏力在鞍点处饱和,即从图6(c)中可以看出,前轮侧偏力在鞍点处未饱和,但是与后轮侧偏力存在平衡关系,即从图6(b)中可以看出,车辆的横摆角速度在鞍点处达到饱和,鞍点处的橫摆角速度req对应轮胎力达到饱和时的橫摆角速度,以此作为车辆转向时的能够允许的最大横摆角速度。令则有:
这样得到了稳定性区域的上下边界。
将后轮侧偏角约束在其阈值之内得到稳定性区域的左右边界,如图4所示,此阈值为轮胎将要发生侧滑时对应的轮胎侧偏角αmax,r,因此有:
控制目标是将车辆的β-r状态轨迹限制在该稳定性区域内,车辆转向的稳定性区域的边界分别为L1,L2,L3,L4,具体的边界表达式如下式所示:
L1:r=rmax
L2:r=v/b(β+αmax)
L3:r=-rmax
L4:r=v/b(β-αmax)
(3)根据上述步骤(2)的车辆转向时的稳定性区域,采用模型预测控制,实现智能汽车轨迹的跟踪控制,包括以下步骤:
(3-1)以前轮侧偏力Fyf作为上述步骤(1)的二自由度的车体动力学模型的输入;
(3-2)在上述二自由度的车体动力学模型中,对当前车辆轮胎运行状态下对后轮侧偏力Fyr进行一阶泰勒展开,使后轮侧偏力Fyr实现局部线性化:
其中,是当前后轮胎的侧偏角,是车辆当前的后轮侧偏力, 是当前车辆轮胎运行状态下在处的局部侧偏刚度,
(3-3)根据上述步骤(3-2)局部线性化的轮侧偏力Fyr,得到线性车辆动力学模型如下:
将上述线性车辆动力学模型改写为以下形式:
z(t)=Cx(t)
其中:
x(t)为车辆的状态变量,x(t)=[y(t),ψ(t),β(t),r(t)]T
z(t)为车辆的输出变量,z(t)=[y(t),ψ(t)]T
(3-4)以上述改写后的线性车辆动力学模型为预测模型,以上述步骤(2)的车辆转向稳定性区域为车辆行驶安全约束,构建极限工况的轨迹跟踪控制问题:
上述轨迹跟踪控制问题的约束条件为:
-Fyf,max≤u(τ)≤Fyf,max
∈r≥0
∈α≥0
其中,τ为当前时刻,T为预测时域,z(τ)为当前时刻的车辆输出,zref(τ)为当前时刻的参考轨迹序列,为轨迹跟踪性能惩罚权矩阵,u(τ)为车辆的控制输入量,为车辆控制输入量的惩罚权矩阵,∈r为橫摆角速度的松弛变量,ρr为橫摆角速度的松弛因子,∈α为后轮侧偏角的松弛变量,ρα为后轮侧偏角的松弛因子;Fyf,max为前轮的附着极限,b为质心距后轴的距离,v为车辆速度,x(τ)为车辆当前时刻的状态,rmax为车辆转向时允许的最大橫摆角速度,αmax,r为车辆转向时允许的最大侧偏角;
(3-5)利用二次规划方法,求解极限工况的轨迹跟踪控制问题,得到前轮侧偏力Fyf;
(3-6)利用下式,逆向求解车辆前轮转角,实现极限工况的智能汽车轨迹的跟踪控制:
其中,Fyf,des为上述步骤(3-5)中求解得到的期望的前轮侧偏力,β为质心侧偏角,a为质心距前轴的距离,r为橫摆角速度,ν为车辆速度,Tire-1表示上述步骤(1)中的非线性的车辆刷子轮胎模型Tire的逆模型,δdes为最终得到的前轮转角控制量。
Claims (1)
1.一种极限工况的智能汽车轨迹跟踪控制方法,其特征在于该方法包括以下步骤:
(1)建立二自由度的车体动力学模型如下:
其中,m是车辆质量,v是车辆速度,β是车辆的质心侧偏角,r是车辆的橫摆角速度,Fyf是前轮侧偏力,Fyr是后轮侧偏力,Izz是绕z轴的横摆惯性力矩,a是质心距前轴的距离,b是质心距后轴的距离,求解该模型,得到车辆质心侧偏角β和橫摆角速度r的导数和
建立非线性的车辆刷子轮胎模型如下:
其中,下标#代表前轮和后轮,#∈{f,r},C#是轮胎的侧偏刚度,α#是轮胎侧偏角,Fz#是车辆前轴或后轴所受的载荷,μ#是轮胎横向附着系数,前轮轮胎侧偏角αf和后轮轮胎侧偏角αr的计算公式如下:
其中,δ是前轮转角,前轴的载荷Fzf和后轴的载荷Fzr通过下式计算:
其中,g是重力加速度;
(2)确定车辆转向时的稳定性区域,包括以下步骤:
(2-1)利用上述非线性车辆动力学模型,绘制一个车辆质心侧偏角β和橫摆角速度r的β-r相轨迹图,β-r相轨迹图中,横坐标为车辆质心侧偏角β,纵坐标为橫摆角速度r,定义当上述步骤(1)的模型中和同时为0时,β-r相轨迹图中的与和同时为0相对应的β和r的坐标为鞍点;
(2-2)根据相轨迹图中轨迹发散区域,得到车辆转向时的稳定性区域如下:
车辆转向的稳定性区域的边界分别为L1、L2、L3和L4:
L1:r=rmax
L2:r=v/b(β+αmax)
L3:r=-rmax
L4:r=v/b(β-αmax)
(3)根据上述步骤(2)的车辆转向时的稳定性区域,采用模型预测控制,实现智能汽车轨迹的跟踪控制,包括以下步骤:
(3-1)以前轮侧偏力Fyf作为上述步骤(1)的二自由度的车体动力学模型的输入;
(3-2)在上述二自由度的车体动力学模型中,对当前车辆轮胎运行状态下对后轮侧偏力Fyr进行一阶泰勒展开,使后轮侧偏力Fyr实现局部线性化:
其中,是当前后轮胎的侧偏角,是车辆当前的后轮侧偏力, 是当前车辆轮胎运行状态下在处的局部侧偏刚度,
(3-3)根据上述步骤(3-2)局部线性化的轮侧偏力Fyr,得到线性车辆动力学模型如下:
将上述线性车辆动力学模型改写为以下形式:
z(t)=Cx(t)
其中:
x(t)为车辆的状态变量,x(t)=[y(t),ψ(t),β(t),r(t)]T
z(t)为车辆的输出变量,z(t)=[y(t),ψ(t)]T
(3-4)以上述改写后的线性车辆动力学模型为预测模型,以上述步骤(2)的车辆转向稳定性区域为车辆行驶安全约束,构建极限工况的轨迹跟踪控制问题:
上述轨迹跟踪控制问题的约束条件为:
-Fyf,max≤u(τ)≤Fyf,max
∈r≥0
∈α≥0
其中,τ为当前时刻,T为预测时域,z(τ)为当前时刻的车辆输出,zref(τ)为当前时刻的参考轨迹序列,为轨迹跟踪性能惩罚权矩阵,u(τ)为车辆的控制输入量,为车辆控制输入量的惩罚权矩阵,∈r为橫摆角速度的松弛变量,ρr为橫摆角速度的松弛因子,∈α为后轮侧偏角的松弛变量,ρα为后轮侧偏角的松弛因子;Fyf,max为前轮的附着极限,b为质心距后轴的距离,v为车辆速度,x(τ)为车辆当前时刻的状态,rmax为车辆转向时允许的最大橫摆角速度,αmax,r为车辆转向时允许的最大侧偏角;
(3-5)利用二次规划方法,求解极限工况的轨迹跟踪控制问题,得到前轮侧偏力Fyf;
(3-6)利用下式,逆向求解车辆前轮转角,实现极限工况的智能汽车轨迹的跟踪控制:
其中,Fyf,des为上述步骤(3-5)中求解得到的期望的前轮侧偏力,β为质心侧偏角,a为质心距前轴的距离,r为橫摆角速度,v为车辆速度,Tire-1表示上述步骤(1)中的非线性的车辆刷子轮胎模型Tire的逆模型,δdes为最终得到的前轮转角控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810704580.0A CN108674414B (zh) | 2018-07-02 | 2018-07-02 | 一种极限工况的智能汽车轨迹跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810704580.0A CN108674414B (zh) | 2018-07-02 | 2018-07-02 | 一种极限工况的智能汽车轨迹跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108674414A true CN108674414A (zh) | 2018-10-19 |
CN108674414B CN108674414B (zh) | 2019-11-08 |
Family
ID=63812833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810704580.0A Active CN108674414B (zh) | 2018-07-02 | 2018-07-02 | 一种极限工况的智能汽车轨迹跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108674414B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109597308A (zh) * | 2019-01-15 | 2019-04-09 | 天津大学 | 基于动力学模型的无人驾驶汽车模型预测控制器设计方法 |
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 |
CN110968095A (zh) * | 2019-11-23 | 2020-04-07 | 奇瑞汽车股份有限公司 | 一种自动行车控制方法 |
CN111332277A (zh) * | 2020-03-06 | 2020-06-26 | 吉林大学 | 极限工况下基于稳定区域的车辆侧向稳定性控制方法 |
CN111399380A (zh) * | 2020-03-24 | 2020-07-10 | 湖南大学 | 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法 |
CN111497825A (zh) * | 2020-03-31 | 2020-08-07 | 南京航空航天大学 | 一种相空间车辆稳定性判别方法 |
CN111762158A (zh) * | 2019-03-29 | 2020-10-13 | 中科院微电子研究所昆山分所 | 集成式跟随控制方法、***、装置及计算机可读存储介质 |
CN111959500A (zh) * | 2020-08-07 | 2020-11-20 | 长春工业大学 | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 |
CN112693449A (zh) * | 2021-01-26 | 2021-04-23 | 湖南大学 | 一种无人车辆极限工况下横纵向耦合控制方法 |
CN112706756A (zh) * | 2020-11-25 | 2021-04-27 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆稳定性控制方法 |
CN112918490A (zh) * | 2021-03-19 | 2021-06-08 | 吉林大学 | 一种分布式驱动车辆的轨迹跟踪控制策略 |
CN112937571A (zh) * | 2021-03-12 | 2021-06-11 | 北京理工大学 | 一种智能汽车轨迹跟踪控制方法及*** |
CN113221257A (zh) * | 2021-06-11 | 2021-08-06 | 吉林大学 | 考虑控制区域的极限工况下车辆横纵向稳定控制方法 |
CN113386781A (zh) * | 2021-05-24 | 2021-09-14 | 江苏大学 | 一种基于数据驱动车辆动力学模型的智能车辆轨迹跟踪控制方法 |
CN113428142A (zh) * | 2021-07-15 | 2021-09-24 | 湖南大学无锡智能控制研究院 | 一种路径跟踪前馈控制方法和装置 |
CN113465625A (zh) * | 2021-08-17 | 2021-10-01 | 清华大学 | 局部路径规划方法和装置 |
CN113830074A (zh) * | 2021-09-28 | 2021-12-24 | 中国科学技术大学先进技术研究院 | 基于极限工况的智能驾驶车辆纵横向控制方法和*** |
CN114228683A (zh) * | 2021-12-28 | 2022-03-25 | 江苏恒力制动器制造有限公司 | 一种电子液压制动***及其控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009274507A (ja) * | 2008-05-13 | 2009-11-26 | Mitsubishi Electric Corp | 車両の旋回特性推定装置及び旋回特性推定方法 |
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 |
US20150165850A1 (en) * | 2013-12-13 | 2015-06-18 | Honda Motor Co., Ltd. | Method and system for stability control |
CN105946863A (zh) * | 2016-06-23 | 2016-09-21 | 吉林大学 | 一种车辆行驶稳定性区域的确定方法 |
CN106985813A (zh) * | 2017-02-23 | 2017-07-28 | 南京航空航天大学 | 一种智能轮电驱动汽车的稳定性集成控制方法 |
CN107521496A (zh) * | 2017-09-08 | 2017-12-29 | 吉林大学 | 一种无人车辆的横纵向协调控制轨迹跟随控制方法 |
CN108099901A (zh) * | 2017-12-18 | 2018-06-01 | 长春工业大学 | 一种提高极限工况下主动前轮转向控制精度的方法 |
-
2018
- 2018-07-02 CN CN201810704580.0A patent/CN108674414B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009274507A (ja) * | 2008-05-13 | 2009-11-26 | Mitsubishi Electric Corp | 車両の旋回特性推定装置及び旋回特性推定方法 |
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 |
US20150165850A1 (en) * | 2013-12-13 | 2015-06-18 | Honda Motor Co., Ltd. | Method and system for stability control |
CN105946863A (zh) * | 2016-06-23 | 2016-09-21 | 吉林大学 | 一种车辆行驶稳定性区域的确定方法 |
CN106985813A (zh) * | 2017-02-23 | 2017-07-28 | 南京航空航天大学 | 一种智能轮电驱动汽车的稳定性集成控制方法 |
CN107521496A (zh) * | 2017-09-08 | 2017-12-29 | 吉林大学 | 一种无人车辆的横纵向协调控制轨迹跟随控制方法 |
CN108099901A (zh) * | 2017-12-18 | 2018-06-01 | 长春工业大学 | 一种提高极限工况下主动前轮转向控制精度的方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN109597308A (zh) * | 2019-01-15 | 2019-04-09 | 天津大学 | 基于动力学模型的无人驾驶汽车模型预测控制器设计方法 |
CN111762158A (zh) * | 2019-03-29 | 2020-10-13 | 中科院微电子研究所昆山分所 | 集成式跟随控制方法、***、装置及计算机可读存储介质 |
CN110968095A (zh) * | 2019-11-23 | 2020-04-07 | 奇瑞汽车股份有限公司 | 一种自动行车控制方法 |
CN111332277A (zh) * | 2020-03-06 | 2020-06-26 | 吉林大学 | 极限工况下基于稳定区域的车辆侧向稳定性控制方法 |
CN111332277B (zh) * | 2020-03-06 | 2022-05-31 | 吉林大学 | 极限工况下基于稳定区域的车辆侧向稳定性控制方法 |
CN111399380A (zh) * | 2020-03-24 | 2020-07-10 | 湖南大学 | 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法 |
CN111399380B (zh) * | 2020-03-24 | 2021-10-22 | 湖南大学 | 一种基于Fiala刷子轮胎模型的多点预瞄LQR横向控制方法 |
CN111497825A (zh) * | 2020-03-31 | 2020-08-07 | 南京航空航天大学 | 一种相空间车辆稳定性判别方法 |
CN111959500A (zh) * | 2020-08-07 | 2020-11-20 | 长春工业大学 | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 |
CN111959500B (zh) * | 2020-08-07 | 2022-11-11 | 长春工业大学 | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 |
CN112706756A (zh) * | 2020-11-25 | 2021-04-27 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆稳定性控制方法 |
CN112706756B (zh) * | 2020-11-25 | 2022-03-29 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆稳定性控制方法 |
CN112693449A (zh) * | 2021-01-26 | 2021-04-23 | 湖南大学 | 一种无人车辆极限工况下横纵向耦合控制方法 |
CN112693449B (zh) * | 2021-01-26 | 2022-02-15 | 湖南大学 | 一种无人车辆极限工况下横纵向耦合控制方法 |
CN112937571A (zh) * | 2021-03-12 | 2021-06-11 | 北京理工大学 | 一种智能汽车轨迹跟踪控制方法及*** |
CN112918490A (zh) * | 2021-03-19 | 2021-06-08 | 吉林大学 | 一种分布式驱动车辆的轨迹跟踪控制策略 |
CN113386781A (zh) * | 2021-05-24 | 2021-09-14 | 江苏大学 | 一种基于数据驱动车辆动力学模型的智能车辆轨迹跟踪控制方法 |
CN113386781B (zh) * | 2021-05-24 | 2024-05-24 | 江苏大学 | 一种基于数据驱动车辆动力学模型的智能车辆轨迹跟踪控制方法 |
CN113221257B (zh) * | 2021-06-11 | 2022-05-31 | 吉林大学 | 考虑控制区域的极限工况下车辆横纵向稳定控制方法 |
CN113221257A (zh) * | 2021-06-11 | 2021-08-06 | 吉林大学 | 考虑控制区域的极限工况下车辆横纵向稳定控制方法 |
CN113428142B (zh) * | 2021-07-15 | 2022-03-08 | 湖南大学无锡智能控制研究院 | 一种路径跟踪前馈控制方法和装置 |
CN113428142A (zh) * | 2021-07-15 | 2021-09-24 | 湖南大学无锡智能控制研究院 | 一种路径跟踪前馈控制方法和装置 |
CN113465625A (zh) * | 2021-08-17 | 2021-10-01 | 清华大学 | 局部路径规划方法和装置 |
CN113465625B (zh) * | 2021-08-17 | 2022-06-03 | 清华大学 | 局部路径规划方法和装置 |
CN113830074A (zh) * | 2021-09-28 | 2021-12-24 | 中国科学技术大学先进技术研究院 | 基于极限工况的智能驾驶车辆纵横向控制方法和*** |
CN114228683A (zh) * | 2021-12-28 | 2022-03-25 | 江苏恒力制动器制造有限公司 | 一种电子液压制动***及其控制方法 |
CN114228683B (zh) * | 2021-12-28 | 2022-08-30 | 江苏恒力制动器制造有限公司 | 一种电子液压制动***及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108674414B (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108674414B (zh) | 一种极限工况的智能汽车轨迹跟踪控制方法 | |
CN110356404B (zh) | 一种具有自主换道功能并提高侧向安全性的智能驾驶*** | |
CN107943071B (zh) | 无人车的编队保持控制方法及*** | |
CN110827535B (zh) | 非线性车辆队列协同自适应抗扰纵向控制方法 | |
CN104925054B (zh) | 一种基于微分平坦的车辆稳定转向集成控制方法 | |
Xu et al. | Model predictive control for lane keeping system in autonomous vehicle | |
CN106004870A (zh) | 一种基于变权重模型预测算法的车辆稳定性集成控制方法 | |
CN110116732A (zh) | 一种考虑轮胎侧偏刚度变化的车辆侧向稳定控制方法 | |
CN108773376A (zh) | 一种融合驾驶意图的汽车多目标分层协同控制与优化方法 | |
CN110920616A (zh) | 一种智能车换道轨迹及换道轨迹跟随控制方法 | |
Velenis | FWD vehicle drifting control: The handbrake-cornering technique | |
CN113553726B (zh) | 一种冰雪环境下的主从博弈型人机协同转向控制方法 | |
Velenis et al. | Optimal velocity profile generation for given acceleration limits; the half-car model case | |
Li et al. | Adaptive sliding mode control of lateral stability of four wheel hub electric vehicles | |
Zhong et al. | Optimal lane change control of intelligent vehicle based on MPC | |
Freeman et al. | A comparison of multiple control strategies for vehicle run-off-road and return | |
Pan et al. | An adaptive fuzzy PID control strategy for vehicle yaw stability | |
Li et al. | Trajectory following control for automated drifting of 4WID vehicles | |
Li et al. | Path tracking control based on the prediction of tire state stiffness using the optimized steering sequence | |
CN114834263A (zh) | 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置 | |
Sun et al. | Lap time optimization and path following control for 4WS & 4WID autonomous vehicle | |
Guo et al. | MPC-based steady-state drift control under Extreme condition | |
Sun et al. | Design of Four Wheel Steering and Direct Yaw Moment Control for Unmanned Vehicle with Path Tracking Controller in Extreme Maneuvers | |
Fan et al. | Intelligent vehicle lane-change trajectory planning on slippery road surface using nonlinear programming | |
Ting et al. | A robust fuzzy neural control approach for vehicle lateral dynamics |
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 |