CN110687797A - 一种基于位置和姿态的自适应mpc泊车横向控制方法 - Google Patents

一种基于位置和姿态的自适应mpc泊车横向控制方法 Download PDF

Info

Publication number
CN110687797A
CN110687797A CN201911094383.2A CN201911094383A CN110687797A CN 110687797 A CN110687797 A CN 110687797A CN 201911094383 A CN201911094383 A CN 201911094383A CN 110687797 A CN110687797 A CN 110687797A
Authority
CN
China
Prior art keywords
vehicle
parking
weight coefficient
speed
yaw 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
Application number
CN201911094383.2A
Other languages
English (en)
Other versions
CN110687797B (zh
Inventor
秦兆博
陈亮
王晓伟
秦晓辉
谢国涛
徐彪
边有钢
胡满江
陈鑫
丁荣军
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.)
Hunan University
Original Assignee
Hunan 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 Hunan University filed Critical Hunan University
Priority to CN201911094383.2A priority Critical patent/CN110687797B/zh
Publication of CN110687797A publication Critical patent/CN110687797A/zh
Application granted granted Critical
Publication of CN110687797B publication Critical patent/CN110687797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B13/042—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 in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种基于位置和姿态的自适应MPC泊车横向控制方法，属于智能车辆横向控制技术领域。该方法包括：步骤1，设置泊车车速的范围并根据车速选择预测步长和采样时间；步骤2，基于非线性车辆运动学模型设计模型预测控制算法并计算横向距离偏差和横摆角偏差；步骤3，根据步骤2得到的横向距离偏差和横摆角偏差设计性能指标函数；步骤4，设计自适应调整权重系数的模糊控制器，该模糊控制器根据车速和横向距离偏差实时调整性能指标函数的权重系数。本发明不仅能够有效的控制车辆姿态，解决了车辆进入停车位后车身不正的问题，而且只需要较少的预测步长就可以实现高精度控制，降低了计算负担。

Description

一种基于位置和姿态的自适应MPC泊车横向控制方法
技术领域
本发明涉及智能车辆横向控制技术领域，特别是涉及一种基于位置和姿态的自适应MPC泊车横向控制方法。
背景技术
近年来，汽车的保有量不断上升，交通技术能力不断提高，对汽车的辅助驾驶技术的需求也在增加，基于现实的需求，开展了对自动泊车控制相关技术的研究及探索。由于泊车的控制限制及车身结构的限制，要求车辆按照车位的规范进行停车。基于这些限制，避免主车与其他车辆发生碰撞，实现车辆安全入库，正是自动泊车技术开发的难点。泊车的路径规划方法一般使用曲线，螺旋线等进行轨迹规划，但也只考虑的车辆自身的约束条件，如车辆的最小转弯半径等。车辆泊车的过程是基于实际的路况环境，在有限的空间资源内完成泊车过程，需要对有限空间进行充分的利用,想要达到这一目的就必须实现高精度控制。既要保证较高的误差精度，还要保证较好的车身姿态。
在自动泊车场景下，一些常见的车辆横向控制方法虽然能实现较高的误差精度，但是对车辆的期望姿态跟踪效果不佳，在泊车过程中容易发生碰撞导致泊车失败或是需要重新规划路径进行泊车，特别是在平行泊车的场景下，路径规划使用曲线，如果车身姿态调整不及时，就会导致车辆进入停车位后摆放不正，难以再次调整。
发明内容
本发明的目的在于提供一种基于位置和姿态的自适应MPC泊车横向控制方法来克服现有技术的上述缺陷，使自动泊车路径跟踪控制器既具有较高的误差精度还具有优秀的期望姿态跟踪能力。在泊车路径已经规划好的前提下，使泊车过程一次完成，无需再次调整。
为实现上述目的，本发明提供一种基于位置和姿态的自适应MPC泊车横向控制方法，所述一种基于位置和姿态的自适应MPC泊车横向控制方法包括：
步骤1，设置泊车车速的范围并根据车速选择预测步长和采样时间；
步骤2，基于非线性车辆运动学模型设计模型预测控制算法并计算横向距离偏差和横摆角偏差；
步骤3，根据步骤2得到的横向距离偏差和横摆角偏差设计性能指标函数；
步骤4，设计自适应调整权重系数的模糊控制器，该模糊控制器根据车速和横向距离偏差实时调整性能指标函数的权重系数。
进一步地，所述步骤1中，所述设置泊车车速的范围并根据车速选择预测步长和采样时间具体为：
步骤11，在纵向控制器中设置泊车状态下的车速范围：0<|v|≤6km/h,并规定车辆前进时车速v为正，车辆后退时车速v为负；
步骤12，根据当前的速度值选择最优的预测步长Np和采样时间Δt，选取采样时间Δt＝0.1s，当0<|v|≤3.6km/h时,选取预测步长Np＝a，当3.6<|v|≤6km/h时，选取预测步长Np＝b,其中5≤a<b≤15；
进一步地，所述步骤2中，所述基于非线性车辆运动学模型设计模型预测控制算法并计算横向距离偏差和横摆角偏差具体为：
步骤21，选择车辆横向控制非线性运动学模型为：
Figure BDA0002267846360000021
式中，(x,y)为车辆后轴中心坐标，
Figure BDA0002267846360000022
为车体的横摆角，v为车辆后轴中心车速，δ为车辆的前轮转角，l为轴距。
步骤22，横向距离偏差e的计算公式如下式：
Figure BDA0002267846360000023
式中x、y为车辆后轴中心坐标，kl为对应的路点切线的斜率，b为对应的路点切线的截距；
步骤24，横摆角偏差eyaw的计算公式如下式：
车辆倒退时：
车辆前进时：
式中，
Figure BDA0002267846360000033
为车身横摆角，θ为对应路点的航向角，即期望横摆角。
进一步地，所述步骤3中，所述根据步骤2得到的横向距离偏差和横摆角偏差设计性能指标函数具体为：
步骤31，由横向距离偏差、横摆角偏差和控制量增量确定性能指标函数：
Figure BDA0002267846360000034
式中，E为预测时域内横向距离偏差的序列；Δu为控制量增量；Eyaw为预测时域内横摆角偏差的序列；Q、R、W分别为权重系数。表达式第一项反映车辆对期望路径的跟随能力，第二项反应车辆对控制量平稳变化的要求，第三项反应车辆对期望姿态的跟随能力。
进一步地，所述步骤4中，所述设计自适应调整权重系数的模糊控制器，该模糊控制器根据车速和横向距离偏差实时调整性能指标函数的权重系数，具体为：
步骤41，将车速的绝对值|v|转化为[0,1.5]的模糊集并分为两个论域分别是{S,L}，其中S、L分别称为正小、正大；将横向距离偏差e转化为[0,0.5]的模糊集并分为8个论域，分别是{Z，B1，B2,B3,B4,B5,B6,B7}；将权重系数Q转化为[500,2000]的模糊集并分为8个论域，分别是{B1，B2,B3,B4,B5,B6,B7，B8}，将权重系数W转化为[0,350]并分为8个论域，分别是{Z,B1，B2,B3,B4,B5,B6,B7}，其中Z，B1，B2,B3,B4,B5,B6,B7，B8分别称为零、非常小、较小、偏小、小、大、偏大、较大、非常大；R为控制量增量的权重系数，表征对控制量平稳变化的要求，因为车速较低，将R设置为常数1。
步骤42，采用专家经验法确定模糊规则，权重系数Q表征对期望路径的跟随能力，权重系数W反应车辆对期望姿态的跟随能力。当车辆离期望路径较远时，应该将权重系数Q设置大一些，将权重系数W设置小一些，以便使横向距离偏差快速收敛；当车辆的横向误差收敛至一定范围内之内时，适当减小权重系数Q并增大权重系数W，目的是使控制器在车辆跟踪路径的同时还能保证对车身姿态的控制；
步骤43，权重系数Q的模糊规则推理表为：
Figure BDA0002267846360000041
步骤44，权重系数Q的模糊规则推理表为：
Figure BDA0002267846360000042
本发明的有益效果：本发明不仅能够有效的控制车辆姿态，解决了车辆进入停车位后车身不正的问题，而且只需要较少的预测步长就可以实现高精度控制，降低了计算负担。本发明适用性广，可以适用于平行、垂直、斜向等各种泊车工况下车辆泊入和泊出的横向控制。
附图说明
图1为本发明实现泊车路径跟踪的总体框架图；
图2为平行泊车工况下的路径跟踪仿真结果图；
图3为车辆完全进入停车位时的仿真结果图。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
一种基于位置和姿态的自适应MPC泊车横向控制方法，如图1所示，δ为前轮转角最优数值解，x、y、
Figure BDA0002267846360000043
为通过***辨识得到的最新车辆状态并会作为下一个预测时域车辆的初始状态作用于***，所述一种基于位置和姿态的自适应MPC泊车横向控制方法包括以下步骤：
步骤1，设置泊车车速的范围并根据车速选择预测步长和采样时间；
步骤2，基于非线性车辆运动学模型设计模型预测控制算法并计算横向距离偏差和横摆角偏差；
步骤3，根据步骤2得到的横向距离偏差和横摆角偏差设计性能指标函数；
步骤4，设计自适应调整权重系数的模糊控制器，该模糊控制器根据车速和横向距离偏差实时调整性能指标函数的权重系数。
所述步骤1中，所述设置泊车车速的范围并根据车速选择预测步长和采样时间具体为：
步骤11，在纵向控制器中设置泊车状态下的车速范围：0<|v|≤6km/h，并规定车辆前进时车速v为正，车辆后退时车速v为负；
步骤12，根据当前的速度值选择最优的预测步长Np和采样时间Δt，选取采样时间Δt＝0.1s，当0<|v|≤3.6km/h时,选取预测步长Np＝a，当3.6<|v|≤6km/h时，选取预测步长Np＝b,其中5≤a<b≤15。
所述步骤2中，所述基于非线性车辆运动学模型设计模型预测控制算法并计算横向距离偏差和横摆角偏差具体为：
步骤21，选择车辆横向控制非线性运动学模型为：
Figure BDA0002267846360000051
式中，v为车辆后轴中心车速，δ为车辆的前轮转角，l为轴距。
控制器中的预测模型为：
Figure BDA0002267846360000052
Figure BDA0002267846360000054
式中，x(k)、y(k)、
Figure BDA0002267846360000055
δ(k)别为在第k次采样时刻时惯性坐标系下车辆的横纵坐标、横摆角和前轮转角，v为实际车速，Δt为采样时间，l为轴距。
步骤22，横向距离偏差e的计算公式如下式：
Figure BDA0002267846360000056
式中x、y为车辆后轴中心坐标，kl为对应的路点切线的斜率，b为对应的路点切线的截距；
步骤24，横摆角偏差eyaw的计算公式如下式：
车辆倒退时：
车辆前进时：
式中，
Figure BDA0002267846360000063
为倒车时的车身横摆角，θ为对应路点的航向角，即期望横摆角。
进一步地，所述步骤3中，所述根据步骤2得到的横向距离偏差和横摆角偏差设计性能指标函数具体为：
步骤31，由横向距离偏差、横摆角偏差和控制量增量确定性能指标函数：
Figure BDA0002267846360000064
式中，E为预测时域内横向距离偏差的序列；Δu为控制量增量；Eyaw为预测时域内横摆角偏差的序列；Q、R、W分别为权重系数。表达式第一项反映车辆对期望路径的跟随能力，第二项反应车辆对控制量平稳变化的要求，第三项反应车辆对期望姿态的跟随能力。
确定优化问题的约束条件：
Figure BDA0002267846360000065
根据步骤51确定的性能指标函数，控制器需要在每个周期内进行带约束优化问题的求解
进一步地，所述步骤4中，所述设计自适应调整权重系数的模糊控制器，该模糊控制器根据车速和横向距离偏差实时调整性能指标函数的权重系数，具体为：
步骤41，将车速的绝对值|v|转化为[0,1.5]的模糊集并分为两个论域分别是{S,L}，其中S、L分别称为正小、正大；将横向距离偏差e转化为[0,0.5]的模糊集并分为8个论域，分别是{Z，B1，B2,B3,B4,B5,B6,B7}；将权重系数Q转化为[500,2000]的模糊集并分为8个论域，分别是{B1，B2,B3,B4,B5,B6,B7，B8}，将权重系数W转化为[0,350]并分为8个论域，分别是{Z,B1，B2,B3,B4,B5,B6,B7}，其中Z，B1，B2,B3,B4,B5,B6,B7，B8分别称为零、非常小、较小、偏小、小、大、偏大、较大、非常大；R为控制量增量的权重系数，表征对控制量平稳变化的要求，因为车速较低，将R设置为常数1。
步骤42，采用专家经验法确定模糊规则，权重系数Q表征对期望路径的跟随能力，权重系数W反应车辆对期望姿态的跟随能力。当车辆离期望路径较远时，应该将权重系数Q设置大一些，将权重系数W设置小一些，以便使横向距离偏差快速收敛；当车辆的横向距离偏差收敛至一定范围内之内时，适当减小权重系数Q并增大权重系数W，目的是使控制器在车辆跟踪路径的同时还能保证对车身姿态的控制；
步骤43，权重系数Q的模糊规则推理表为：
Figure BDA0002267846360000071
步骤44，权重系数Q的模糊规则推理表为：
Figure BDA0002267846360000072
如此便可实现对于车辆姿态的控制，解决了车辆进入停车位后车身不正的问题，而且只需要较少的预测步长就可以实现高精度控制，降低了计算负担，通过对于权重系数Q和权重系数W的调整，在起到了对于停车路径跟踪的前提下，还实现了对于车身姿态的调整，使得最终车辆停放到车位内的时候，车辆会被完全容纳在车位内。
下面介绍一个仿真实例：
具体实施中，为验证本方法的性能效果，以自动泊车倒车路径跟踪为例进行仿真实验；
取轴距L＝2.8m，
控制器设计参数如下：
车速v＝-1m/s
轴距l＝2.6m
采样时间Δt＝0.1s
预测步长Np＝8
每个采样周期前轮转角的初值δ0＝0
控制量约束-0.44≤u≤0.44(rad)
控制量增量约束-0.08≤Δu≤0.08(rad)
利用Matlab进行仿真，图2为参考路径和跟踪路径对比图，图3为当车辆完全进入停车位后的轨迹，几乎和期望路径平行说明车身已经摆正，而误差只有3cm。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种基于位置和姿态的自适应MPC泊车横向控制方法，其特征在于，包括：
步骤1，设置泊车车速的范围并根据车速选择预测步长和采样时间；
步骤2，基于非线性车辆运动学模型设计模型预测控制算法，并利用控制算法计算横向距离偏差和横摆角偏差；
步骤3，根据步骤2得到的横向距离偏差和横摆角偏差设计性能指标函数；
步骤4，设计自适应调整权重系数的模糊控制器，根据车速和横向距离偏差利用模糊控制器实现调整性能指标函数的权重系数。
2.根据权利要求1所述的基于位置和姿态的自适应MPC泊车横向控制方法，其特征在于：所述步骤1中，所述设置泊车车速的范围并根据车速选择预测步长和采样时间具体为：
步骤11，在纵向控制器中设置泊车状态下的车速范围：0<|v|≤6km/h,并规定车辆前进时车速v为正，车辆后退时车速v为负；
步骤12，根据当前的速度值选择最优的预测步长Np和采样时间Δt，选取采样时间Δt＝0.1s，当0<|v|≤3.6km/h时,选取预测步长Np＝a，当3.6<|v|≤6km/h时，选取预测步长Np＝b,其中5≤a<b≤15。
3.根据权利要求1或2所述的基于位置和姿态的自适应MPC泊车横向控制方法，其特征在于：所述步骤2中的基于非线性车辆运动学模型设计模型具体为：
Figure FDA0002267846350000011
式中，(x,y)为车辆后轴中心坐标，
Figure FDA0002267846350000012
为车体的横摆角，v为车辆后轴中心车速，δ为车辆的前轮转角，l为轴距。
4.根据权利要求1或2所述的基于位置和姿态的自适应MPC泊车横向控制方法，其特征在于：所述步骤2中的横向距离偏差由以下公式计算得出：
Figure FDA0002267846350000013
式中x、y为车辆后轴中心坐标，kl为对应的路点切线的斜率，b为对应的路点切线的截距。
5.根据权利要求1或2所述的基于位置和姿态的自适应MPC泊车横向控制方法，其特征在于：所述步骤2中的横摆角偏差由以下公式计算得出：
车辆倒退时：
Figure FDA0002267846350000021
车辆前进时：
Figure FDA0002267846350000022
式中，
Figure FDA0002267846350000023
为车身横摆角，θ为对应路点的航向角，即期望横摆角。
6.根据权利要求1或2所述的基于位置和姿态的自适应MPC泊车横向控制方法，其特征在于：所述步骤3中根据步骤2得到的横向距离偏差和横摆角偏差设计性能指标函数具体为：
Figure FDA0002267846350000024
式中，E为预测时域内横向距离偏差的序列；Δu为控制量增量；Eyaw为预测时域内横摆角偏差的序列；Q、R、W分别为权重系数。
7.根据权利要求1或2所述的基于位置和姿态的自适应MPC泊车横向控制方法，其特征在于：所述步骤4中的模糊控制器的设计步骤如下：
步骤41，将车速的绝对值|v|转化为[0,1.5]的模糊集并分为两个论域分别是{S,L}，其中S、L分别称为正小、正大；将横向距离偏差e转化为[0,0.5]的模糊集并分为8个论域，分别是{Z，B1，B2,B3,B4,B5,B6,B7}；将权重系数Q转化为[500,2000]的模糊集并分为8个论域，分别是{B1，B2,B3,B4,B5,B6,B7，B8}，将权重系数W转化为[0,350]并分为8个论域，分别是{Z,B1，B2,B3,B4,B5,B6,B7}，其中Z，B1，B2,B3,B4,B5,B6,B7，B8分别称为零、非常小、较小、偏小、小、大、偏大、较大、非常大；R为控制量增量的权重系数，表征对控制量平稳变化的要求，因为车速较低，将R设置为常数1，以此构成模糊控制器。
8.根据权利要求7所述的基于位置和姿态的自适应MPC泊车横向控制方法，其特征在于：所述步骤4中模糊控制器调整性能指标函数的权重系数的具体步骤如下：
步骤42，采用专家经验法确定模糊规则，设置权重系数Q表征对期望路径的跟随能力，设置权重系数W反应车辆对期望姿态的跟随能力；
步骤43，根据车速和横向距离偏差来调整权重系数Q和权重系数W的值。
CN201911094383.2A 2019-11-11 2019-11-11 一种基于位置和姿态的自适应mpc泊车横向控制方法 Active CN110687797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911094383.2A CN110687797B (zh) 2019-11-11 2019-11-11 一种基于位置和姿态的自适应mpc泊车横向控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911094383.2A CN110687797B (zh) 2019-11-11 2019-11-11 一种基于位置和姿态的自适应mpc泊车横向控制方法

Publications (2)

Publication Number Publication Date
CN110687797A true CN110687797A (zh) 2020-01-14
CN110687797B CN110687797B (zh) 2022-04-19

Family

ID=69116064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911094383.2A Active CN110687797B (zh) 2019-11-11 2019-11-11 一种基于位置和姿态的自适应mpc泊车横向控制方法

Country Status (1)

Country Link
CN (1) CN110687797B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111830826A (zh) * 2020-05-29 2020-10-27 中国科学技术大学 一种网络化双模自适应时域模型控制方法及***
CN112148001A (zh) * 2020-08-31 2020-12-29 江苏大学 一种基于模糊模型预测控制的智能车队纵向跟随控制方法
CN114255594A (zh) * 2021-12-28 2022-03-29 吉林大学 一种自主代客泊车运动规划与运动控制方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106004870A (zh) * 2016-06-23 2016-10-12 吉林大学 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
CN108944866A (zh) * 2018-07-06 2018-12-07 长春工业大学 一种改善转向与制动协同控制的自适应模型预测控制算法
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
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
CN109733398A (zh) * 2018-12-05 2019-05-10 南京航空航天大学 具有稳定性主动控制的自适应巡航***及控制方法
CN109969183A (zh) * 2019-04-09 2019-07-05 台州学院 基于安全可控域的弯道跟车控制方法
US20190243371A1 (en) * 2018-02-02 2019-08-08 Nvidia Corporation Safety procedure analysis for obstacle avoidance in autonomous vehicles
CN110217229A (zh) * 2019-06-25 2019-09-10 长春工业大学 一种适用于高速极限工况的路径跟踪控制方法
CN110228462A (zh) * 2019-05-17 2019-09-13 吉林大学 四轮轮毂电机驱动电动汽车横摆稳定性控制方法
CN110262229A (zh) * 2019-05-27 2019-09-20 东南大学 基于mpc的车辆自适应路径追踪方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106004870A (zh) * 2016-06-23 2016-10-12 吉林大学 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
US20190243371A1 (en) * 2018-02-02 2019-08-08 Nvidia Corporation Safety procedure analysis for obstacle avoidance in autonomous vehicles
CN108944866A (zh) * 2018-07-06 2018-12-07 长春工业大学 一种改善转向与制动协同控制的自适应模型预测控制算法
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
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
CN109733398A (zh) * 2018-12-05 2019-05-10 南京航空航天大学 具有稳定性主动控制的自适应巡航***及控制方法
CN109969183A (zh) * 2019-04-09 2019-07-05 台州学院 基于安全可控域的弯道跟车控制方法
CN110228462A (zh) * 2019-05-17 2019-09-13 吉林大学 四轮轮毂电机驱动电动汽车横摆稳定性控制方法
CN110262229A (zh) * 2019-05-27 2019-09-20 东南大学 基于mpc的车辆自适应路径追踪方法
CN110217229A (zh) * 2019-06-25 2019-09-10 长春工业大学 一种适用于高速极限工况的路径跟踪控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
任殿波等: "4WS汽车车道保持控制及稳态性能分析", 《公路交通科技》 *
刘正铎等: "基于非线性模型的农用车路径跟踪控制器设计与试验", 《农业机械学报》 *
杨大磊，等: "基于模型预测控制的自动驾驶车辆横纵向协调控制", 《汽车实用技术》 *
杨述斌等: "基于MPC的自动泊车控制方法", 《控制***与智能制造》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111830826A (zh) * 2020-05-29 2020-10-27 中国科学技术大学 一种网络化双模自适应时域模型控制方法及***
CN111830826B (zh) * 2020-05-29 2022-09-06 中国科学技术大学 一种网络化双模自适应时域模型控制方法及***
CN112148001A (zh) * 2020-08-31 2020-12-29 江苏大学 一种基于模糊模型预测控制的智能车队纵向跟随控制方法
CN114255594A (zh) * 2021-12-28 2022-03-29 吉林大学 一种自主代客泊车运动规划与运动控制方法
CN114255594B (zh) * 2021-12-28 2024-03-15 吉林大学 一种自主代客泊车运动规划与运动控制方法

Also Published As

Publication number Publication date
CN110687797B (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
CN110687797B (zh) 一种基于位置和姿态的自适应mpc泊车横向控制方法
EP3932761A1 (en) Vehicle abnormal lane change control method, device and system
CN107831761B (zh) 一种智能车的路径跟踪控制方法
CN111845774A (zh) 一种基于横纵向协调的自动驾驶汽车动态轨迹规划及跟踪方法
CN107015477A (zh) 基于状态反馈的车辆路径跟踪h∞控制方法
CN112519882B (zh) 一种车辆参考轨迹跟踪方法及***
CN108732921B (zh) 一种自动驾驶汽车横向可拓预瞄切换控制方法
CN110109451B (zh) 一种考虑路径曲率的新型几何学路径跟踪算法
CN103121451A (zh) 一种弯路换道轨迹的跟踪控制方法
WO2023024914A1 (zh) 车辆避让方法、装置、计算机设备和存储介质
Qinpeng et al. Path tracking control of wheeled mobile robot based on improved pure pursuit algorithm
CN115257724A (zh) 一种插电式混动汽车安全节能决策控制方法和***
CN112109732A (zh) 一种智能驾驶自适应曲线预瞄方法
CN113126623A (zh) 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
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
CN113961001B (zh) 一种基于rvo策略和最优控制算法的混合型多智能体协同路径规划方法
Dong et al. Autonomous vehicle lateral control based on fractional-order PID
CN114906128A (zh) 一种基于mcts算法的自动泊车运动规划方法
CN110654386B (zh) 弯道下多智能电动汽车协作式巡航纵横向综合控制方法
CN113311698B (zh) 车道保持控制方法、控制装置和车辆
CN111221338B (zh) 一种路径跟踪的方法、装置、设备及存储介质
Xiao et al. Smooth trajectory tracking using longitudinal distance constraint for a 4WS4WD unmanned ground vehicle
You et al. Active steering for intelligent vehicles using advanced control synthesis
Shen et al. Stability Analysis and Control Validation of DDEV in Handling Limit via SOSP: A Strategy Based on Stability Region
Liu et al. Optimization Design of Vehicle Path Tracking Controller Based on High Accuracy Positioning

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