CN110758378B - 一种无人驾驶汽车抗侧风控制方法 - Google Patents

一种无人驾驶汽车抗侧风控制方法 Download PDF

Info

Publication number
CN110758378B
CN110758378B CN201911000429.XA CN201911000429A CN110758378B CN 110758378 B CN110758378 B CN 110758378B CN 201911000429 A CN201911000429 A CN 201911000429A CN 110758378 B CN110758378 B CN 110758378B
Authority
CN
China
Prior art keywords
crosswind
adaptive
vehicle
control
matrix
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.)
Active
Application number
CN201911000429.XA
Other languages
English (en)
Other versions
CN110758378A (zh
Inventor
姚雪莲
朱燕
杨艺
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 of Technology
Original Assignee
Jiangsu University of Technology
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 of Technology filed Critical Jiangsu University of Technology
Priority to CN201911000429.XA priority Critical patent/CN110758378B/zh
Publication of CN110758378A publication Critical patent/CN110758378A/zh
Application granted granted Critical
Publication of CN110758378B publication Critical patent/CN110758378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B60W30/02—Control of vehicle driving stability
    • B60W30/04—Control of vehicle driving stability related to roll-over prevention
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/18—Roll
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/18—Steering angle

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开一种无人驾驶汽车抗侧风控制方法，获得车辆行驶过程中的实际质心侧偏角和横摆角速度；更新自适应控制器中状态观测器模块的质心侧偏角和横摆角速度；通过自适应律模块调整并获得估计状态参数；通过初步控制律模块及时的调整控制信号；通过低通滤波器过滤掉控制信号中的高频信号，得到最终控制律；转向电机根据车轮转角控制量向转向柱施加转向力矩完成车辆转向，以此来控制轮胎的侧向力；无人驾驶汽车抗侧风控制***包括获得模块、对比模块、自调整模块、控制模块和执行模块；该***和方法可以减小侧风对于无人驾驶汽车的影响，提高无人驾驶汽车对于侧风的抗干扰能力，提高在有侧风环境下无人驾驶汽车的操纵稳定性。

Description

一种无人驾驶汽车抗侧风控制方法
技术领域
本发明无人驾驶汽车控制领域，尤其涉及一种基于L1自适应控制的无人驾驶汽车抗侧风控制***及控制方法。
背景技术
无人驾驶汽车搭载先进的车载传感器、控制器和执行器等装置，并融合现代通信与网络技术，实现车与车、路和人等的智能信息交换和共享，具备复杂环境感知、智能决策和协同控制等功能。它能够根据所获得的道路、车辆状态和障碍物信息控制车辆的转向和速度，使得车辆能够安全可靠地在道路上行驶，而无人驾驶车辆在复杂路面(弯道、坡道、非匀质路面等)行驶时相对于匀质水平直线路面行驶更具有挑战性。在水平道路直线行驶时，如果遇到有侧风的情形，会产生气动侧向力，从而影响汽车操纵稳定性，遇到侧风严重时可能会造成翻车事故。
发明内容
本发明为解决侧风影响无人驾驶汽车操纵稳定性的问题，提出一种无人驾驶汽车抗侧风控制***及控制方法，提高操纵稳定性，使无人驾驶汽车***对侧风有良好的抗干扰能力。
为达到上述目的，本发明的技术方案具体是这样实现的：
本发明公开一种无人驾驶汽车抗侧风控制方法，包括以下步骤：
S1：根据包括侧风扰动的车辆***模型，获得车辆行驶过程中的实际质心侧偏角和横摆角速度；
S2：根据上一时刻前轮转角控制目标值的输出和自适应律估计的参数
Figure GDA0002781370990000011
Figure GDA0002781370990000012
更新L1自适应控制器中状态观测器模块的质心侧偏角和横摆角速度；
S3：根据状态观测器模块得到的质心侧偏角和横摆角速度以及车辆***模块得到的实际质心侧偏角和横摆角速度之间的估计偏差，通过自适应律模块调整并获得估计状态参数
Figure GDA0002781370990000021
的值；
S4：根据自适应律提供的经调整后的参数
Figure GDA0002781370990000022
和给定的参考质心侧偏角、横摆角速度，通过初步控制律模块及时调整控制信号；
S5：根据初步控制律得到的前轮转角控制信号，通过低通滤波器过滤掉控制信号中的高频信号，得到需要的前轮转角低频信号，即最终控制律；
S6：根据低通滤波器得到的前轮转角信号，将前轮转角控制量发送给转向电机，以使转向电机根据车轮转角控制量向转向柱施加转向力矩完成车辆转向。
进一步地，所述步骤S1又包括以下步骤：
建立侧风影响下的无人驾驶汽车二自由度模型；
在所述二自由度模型的基础上，建立包括侧风扰动的车辆***模型。
进一步地，所述侧风影响下的无人驾驶汽车的二自由度模型以前轮转角为输入，无人驾驶汽车只作平行于地面的平面运动，忽略左右车轮由于载荷变化而引起的轮胎特性变化，左右转向角相等，假设无人驾驶汽车在水平路面上的行驶速度为v，侧风作用于无人驾驶汽车的车体右侧，风压中心位于质心前e处，动力学方程为：
Figure GDA0002781370990000023
其中，kf为前轮侧偏刚度；kr为后轮侧偏刚度；β为质心侧偏角；v为汽车行驶速度；a为前轮到质心的距离；b为后轮到质心的距离；ωr为横摆角速度；m为汽车质量；Fyω为侧向干扰风；δ为前轮转角；Iz为汽车绕z轴的转动惯量；Mzω为横摆力矩。
进一步地，所述包括侧风扰动的车辆***模型为：
Figure GDA0002781370990000031
其中，x(t)为可观测的***状态向量即车辆的质心侧偏角及横摆角速度；Am为Huriwitz矩阵；b，C为已知的常数矩阵；ω(t)、θ(t)为未知参数，由状态观测器估计而得；u(t)为控制器的控制律；σ(t)为时变干扰，指侧风扰动；y(t)为***的输出；x0为***状态向量的初始值。
进一步地，所述步骤S2中所述状态观测器模型为
Figure GDA0002781370990000032
其中，
Figure GDA0002781370990000033
分别是x(t)、ω(t)、θ(t)、σ(t)、y(t)的估计值，x0为初始状态，Am为Huriwitz矩阵；b，C为已知的常数矩阵。
进一步地，所述步骤S3在时间趋于无穷时，所述车辆***模型与所述状态观测器具有一致的动力学特性，估计偏差在李雅普诺夫意义下稳定；自适应律环节以所述状态观测器和所述车辆***模型之间的误差
Figure GDA0002781370990000034
为主要输入；
其中，
Figure GDA0002781370990000035
代表的就是状态观测器和所述车辆***模型之间的误差，
Figure GDA0002781370990000036
代表的就是通过状态观测器得到的车辆状态向量的估计值，x代表的就是车辆***模型得到的状态向量。
进一步地，所述估计偏差的状态空间表达式为：
Figure GDA0002781370990000037
其中，
Figure GDA0002781370990000038
为未知参数的误差；Am为Huriwitz矩阵；b为已知的常数矩阵；u(t)为控制器的控制律；
进一步地得到估计偏差的能量函数为：
Figure GDA0002781370990000041
其中，
Figure GDA0002781370990000042
为未知参数的误差；Γ为***的自适应增益；p为使得
Figure GDA0002781370990000043
成立的正定对称矩阵；
进一步地得到能量函数的导数为：
Figure GDA0002781370990000044
其中：
Figure GDA0002781370990000045
为未知参数的估计偏差；Γ为***的自适应增益；p为使得
Figure GDA0002781370990000046
成立的正定对称矩阵；b为已知的常数矩阵。
进一步地，所述自适应律估计的参数为：
Figure GDA0002781370990000047
Figure GDA0002781370990000048
Figure GDA0002781370990000049
其中，
Figure GDA00027813709900000410
为对不确定参数的估计值，Γ为***的自适应增益，P为使得
Figure GDA00027813709900000411
成立的正定对称矩阵，
Figure GDA00027813709900000412
为状态量的估计偏差。
进一步地，所述步骤S4中的初步控制律的表达式为：
Figure GDA00027813709900000413
其中，u|t→∞为在时间趋于无穷时控制量的大小；
Figure GDA00027813709900000414
为对不确定参数的估计值，Am为Huriwitz矩阵，r为输入值，c、b为已知的常数矩阵。
进一步地，所述步骤S5中的所述最终控制律为：
Figure GDA0002781370990000051
其中，k为低通滤波器带宽；Am为Huriwitz矩阵；r为输入值；
Figure GDA0002781370990000052
Figure GDA0002781370990000053
为调整好的对不确定参数的估计值；b、c为已知的常数矩阵，s为时间t在频域中对应的变量。
本发明另一面提供一种无人驾驶汽车抗侧风控制***，包括：
获得模块，用于根据车辆模型，获得车辆行驶过程中的实际质心侧偏角和横摆角速度；
对比模块，用于根据状态观测器得到的质心侧偏角和横摆角速度以及车辆***模块得到的实际质心侧偏角和横摆角速度，获得它们对应状态量之间的误差；
自调整模块，用于根据自适应律调整并获得估计状态参数
Figure GDA0002781370990000054
的值；
控制模块，用于根据初步控制律得到最终控制律；
执行模块，根据最终空置率完成车辆转向。
有益技术效果：
本发明提供一种无人驾驶汽车抗侧风控制方法，解决了无人驾驶汽车在遇到侧风时操纵稳定性差的问题，使无人驾驶汽车对于侧风有良好的抗干扰能力，提高无人驾驶汽车对于侧风影响的操纵稳定性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例的控制方法的***图；
图2为本发明实施例的控制***框图；
图3为本发明实施例的在侧风影响下的汽车二自由度模型；
图4为本发明实施例中的状态预测器模块；
图5为本发明实施例中的控制律模块；
图6为本发明实施例中的自适应律模块；
图7为本发明实施例中自适应模块中的
Figure GDA0002781370990000061
的自适应律；
图8为本发明实施例中自适应模块中的
Figure GDA0002781370990000062
的自适应律；
图9为本发明实施例中自适应模块中的
Figure GDA0002781370990000063
的自适应律。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
下面结合附图对本发明的实施方式进行详细说明。
一种无人驾驶汽车抗侧风控制方法包括以下步骤：
首先为了检测侧风干扰下无人驾驶汽车行驶转向的稳定性，建立侧风影响下的无人驾驶汽车二自由度模型，参见图3，此模型以前轮转角为输入，无人驾驶汽车只作平行于地面的平面运动，忽略左右车轮由于载荷变化而引起的轮胎特性变化，左右转向角相等。假设汽车在水平路面上的行驶速度为v，侧风作用于车体右侧，风压中心位于质心前e处，根据牛顿第二定律，动力学方程如下：
Figure GDA0002781370990000071
其中，kf为前轮侧偏刚度；kr为后轮侧偏刚度；β为质心侧偏角；v为汽车行驶速度；a为前轮到质心的距离；b为后轮到质心的距离；ωr为横摆角速度；m为汽车质量；Fyω为侧向干扰风；δ为前轮转角；Iz为汽车绕z轴的转动惯量；Mzω为横摆力矩。
在汽车二自由度模型建立的基础上，进一步地，可建立包括侧风扰动的车辆模型的状态空间方程为：
Figure GDA0002781370990000072
其中，x(t)为可观测的***状态向量，在本发明中为无人驾驶车辆的质心侧偏角及横摆角速度；Am为Huriwitz矩阵；b，C为已知的常数矩阵；ω(t)、θ(t)为未知参数，由状态观测器估计而得；u(t)为控制器的控制律；σ(t)为时变干扰，本发明中指侧风扰动；y(t)为***的输出；x0为***状态向量的初始值。
其中状态量为：
x(t)＝[βωr]T (3)
其中，β为质心侧偏角，ωr为横摆角速度；
控制量选取为：
u(t)＝[δ] (4)
其中：δ为前轮转角；
扰动量选取为：
σ＝[Fyω Mzω]T (5)
式中：Fyω为侧向干扰风，Mzω横摆力矩；
S2根据上一时刻前轮转角控制目标值的输出和自适应律估计的参数
Figure GDA0002781370990000086
Figure GDA0002781370990000087
更新L1自适应控制器中状态观测器的质心侧偏角和横摆角速度；
状态观测器建模为：
Figure GDA0002781370990000081
式中，
Figure GDA0002781370990000082
分别是x(t)、ω(t)、θ(t)、σ(t)、y(t)的估计值，x0为初始状态；
其中当在时间趋于无穷，车辆模型将与状态观测器具有一致的动力学特性，估计偏差e在李雅普诺夫意义下稳定。
估计偏差的状态空间表达式为：
Figure GDA0002781370990000083
其中，
Figure GDA0002781370990000084
为未知参数的误差；Am为Huriwitz矩阵；b为已知的常数矩阵；u(t)为控制器的控制律；
于是得到误差方程的能量函数为：
Figure GDA0002781370990000085
其中：
Figure GDA0002781370990000091
为未知参数的误差；Γ为***的自适应增益；p为使得
Figure GDA0002781370990000092
成立的正定对称矩阵；
在能量函数的基础上得到能量函数的导数为：
Figure GDA0002781370990000093
其中，
Figure GDA0002781370990000094
为未知参数的误差；Γ为***的自适应增益；p为使得
Figure GDA0002781370990000095
成立的正定对称矩阵；b为已知的常数矩阵；
若能量函数导数为负定，则误差方程在李雅普诺夫意义下稳定。
S3根据状态观测器得到的质心侧偏角和横摆角速度以及车辆***模块得到的实际质心侧偏角和横摆角速度之间的误差，通过自适应律模块调整并获得估计状态参数
Figure GDA0002781370990000096
的值；
自适应律环节以状态观测器和被控对象之间的误差
Figure GDA0002781370990000097
为主要输入，保证其在李雅普诺夫意义下稳定得到对估计参数
Figure GDA0002781370990000098
的数学表达，同时估计参数还在控制律当中有所使用，以保证闭环***的输入输出稳定性。
进一步地，估计参数
Figure GDA0002781370990000099
的自适应律为：
Figure GDA00027813709900000910
Figure GDA00027813709900000911
Figure GDA00027813709900000912
其中，
Figure GDA00027813709900000913
为对不确定参数的估计值，Γ为***的自适应增益，p为使得
Figure GDA00027813709900000914
成立的正定对称矩阵，
Figure GDA00027813709900000915
为状态量的估计偏差；
S4根据自适应律(3)提供的经调整后的参数
Figure GDA00027813709900000916
和给定的期望质心侧偏角、横摆角速度，通过初步控制律模块(4)及时的调整控制信号；
进一步地，初步控制律的表达式为：
Figure GDA0002781370990000101
其中，u|t→∞为在时间趋于无穷时控制量的大小；
Figure GDA0002781370990000102
为对不确定参数的估计值，Am为Huriwitz矩阵，r为输入值，c、b为已知的常数矩阵。
S5根据初步控制律(4)得到的前轮转角控制信号，通过低通滤波器(5)过滤掉控制信号中的高频信号，得到需要的前轮转角低频信号；
设计低通滤波器
Figure GDA0002781370990000103
对低通滤波器带宽k的设计，要保证闭环控制***满足L1小增益定理，其中：
Figure GDA0002781370990000104
其中，M(s)为***的反馈回路传递函数，||M(s)||L1为M(s)的L1范数，Δ(s)为***的前向通路传递函数，b、c为已知的常数矩阵,Am为Huriwitz矩阵,θ为状态量的不确定值，
Figure GDA0002781370990000105
为参数的估计值，D(s)为低通滤波器，k为低通滤波器带宽；
从而得到为k：
Figure GDA0002781370990000106
其中，θ为状态量的不确定值，
Figure GDA0002781370990000107
为参数的估计值，k为低通滤波器带宽，Am为Huriwitz矩阵。
于是最终控制律的为：
Figure GDA0002781370990000111
其中，k为低通滤波器带宽；Am为Huriwitz矩阵；r为输入值；
Figure GDA0002781370990000112
Figure GDA0002781370990000113
为调整好的对不确定参数的估计值；b、c为已知的常数矩阵。
S6根据低通滤波器,得到的前轮转角信号，将前轮转角控制量发送给转向电机，以使转向电机根据车轮转角控制量向转向柱施加转向力矩完成车辆转向，以此来控制轮胎的侧向力。
本发明另一面提供一种无人驾驶汽车抗侧风控制***，参见图2，包括：
获得模块，用于根据车辆模型，获得车辆行驶过程中的实际质心侧偏角和横摆角速度；
对比模块，用于根据状态观测器得到的质心侧偏角和横摆角速度以及车辆***模块得到的实际质心侧偏角和横摆角速度，获得它们对应状态量之间的误差；
自调整模块，用于根据自适应律调整并获得估计状态参数
Figure GDA0002781370990000114
的值；
控制模块，用于根据初步控制律得到最终控制律；
执行模块，根据最终控制律完成车辆转向。
以上的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (10)

1.一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，包括以下步骤：
S1：根据包括侧风扰动的车辆***模型，获得车辆行驶过程中的实际质心侧偏角和横摆角速度；
S2：根据上一时刻前轮转角控制目标值的输出和自适应律估计的参数
Figure FDA0002826358630000011
Figure FDA0002826358630000012
更新L1自适应控制器中状态观测器模块的质心侧偏角和横摆角速度；
S3：根据状态观测器模块得到的质心侧偏角和横摆角速度以及车辆***模型得到的实际质心侧偏角和横摆角速度之间的估计偏差，通过自适应律模块调整并获得估计状态参数
Figure FDA0002826358630000013
的值；
S4：根据自适应律提供的经调整后的参数
Figure FDA0002826358630000014
和给定的参考质心侧偏角、横摆角速度，通过初步控制律模块及时调整控制信号；
S5：根据初步控制律得到的前轮转角控制信号，通过低通滤波器过滤掉控制信号中的高频信号，得到需要的前轮转角低频信号，即最终控制律；
S6：根据低通滤波器得到的前轮转角信号，将前轮转角控制量发送给转向电机，以使转向电机根据车轮转角控制量向转向柱施加转向力矩完成车辆转向。
2.根据权利要求1所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述步骤S1又包括以下步骤：
建立侧风影响下的无人驾驶汽车二自由度模型；
在所述二自由度模型的基础上，建立包括侧风扰动的车辆***模型。
3.根据权利要求2所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述侧风影响下的无人驾驶汽车的二自由度模型以前轮转角为输入，无人驾驶汽车只作平行于地面的平面运动，忽略左右车轮由于载荷变化而引起的轮胎特性变化，左右转向角相等，假设无人驾驶汽车在水平路面上的行驶速度为v，侧风作用于无人驾驶汽车的车体右侧，风压中心位于质心前e处，动力学方程为：
Figure FDA0002826358630000021
其中，kf为前轮侧偏刚度；kr为后轮侧偏刚度；β为质心侧偏角；v为汽车行驶速度；a为前轮到质心的距离；b为后轮到质心的距离；ωr为横摆角速度；m为汽车质量；Fyω为侧向干扰风；δ为前轮转角；Iz为汽车绕z轴的转动惯量；Mzω为横摆力矩。
4.根据权利要求2所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述包括侧风扰动的车辆***模型为：
Figure FDA0002826358630000022
其中，x(t)为可观测的***状态向量即车辆的质心侧偏角及横摆角速度；Am为Huriwitz矩阵；b，C为已知的常数矩阵；ω(t)、θ(t)为未知参数，由状态观测器估计而得；u(t)为控制器的控制律；σ(t)为时变干扰，指侧风扰动；y(t)为***的输出；x0为***状态向量的初始值。
5.根据权利要求1所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述步骤S2中所述状态观测器模型为
Figure FDA0002826358630000023
其中，
Figure FDA0002826358630000024
分别是x(t)、ω(t)、θ(t)、σ(t)、y(t)的估计值，x0为初始状态，Am为Huriwitz矩阵；b，C为已知的常数矩阵。
6.根据权利要求1所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述步骤S3在时间趋于无穷时，所述车辆***模型与所述状态观测器具有一致的动力学特性，估计偏差在李雅普诺夫意义下稳定；自适应律环节以所述状态观测器和所述车辆***模型之间的误差
Figure FDA0002826358630000039
为主要输入；
其中，
Figure FDA00028263586300000311
代表的就是状态观测器和所述车辆***模型之间的误差，
Figure FDA00028263586300000310
代表的就是通过状态观测器得到的车辆状态向量的估计值，x代表的就是车辆***模型得到的状态向量。
7.根据权利要求6所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述估计偏差的状态空间表达式为：
Figure FDA0002826358630000031
其中，
Figure FDA0002826358630000032
为未知参数的误差；Am为Huriwitz矩阵；b为已知的常数矩阵；u(t)为控制器的控制律；
进一步地得到估计偏差的能量函数为：
Figure FDA0002826358630000033
其中，
Figure FDA0002826358630000034
为未知参数的误差；Γ为***的自适应增益；p为使得
Figure FDA0002826358630000035
成立的正定对称矩阵；
进一步地得到能量函数的导数为：
Figure FDA0002826358630000036
其中：
Figure FDA0002826358630000037
为未知参数的估计偏差；Γ为***的自适应增益；p为使得
Figure FDA0002826358630000038
成立的正定对称矩阵；b为已知的常数矩阵，In为n×n的单位矩阵。
8.根据权利要求1所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述自适应律估计的参数为：
Figure FDA0002826358630000041
Figure FDA0002826358630000042
Figure FDA0002826358630000043
其中，
Figure FDA0002826358630000044
为对不确定参数的估计值，Γ为***的自适应增益，P为使得
Figure FDA0002826358630000045
成立的正定对称矩阵，Am为Huriwitz矩阵，In为n×n的单位矩阵，
Figure FDA0002826358630000046
为状态量的估计偏差。
9.根据权利要求1所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述步骤S4中的初步控制律的表达式为：
Figure FDA0002826358630000047
其中，u|t→∞为在时间趋于无穷时控制量的大小；
Figure FDA0002826358630000048
为对不确定参数的估计值，Am为Huriwitz矩阵，r为输入值，c、b为已知的常数矩阵。
10.根据权利要求1所述的一种基于L1自适应的无人驾驶汽车抗侧风控制方法，其特征在于，所述步骤S5中的所述最终控制律为：
Figure FDA0002826358630000049
其中，k为低通滤波器带宽；Am为Huriwitz矩阵；r为输入值；
Figure FDA00028263586300000410
Figure FDA00028263586300000411
为调整好的对不确定参数的估计值；b、c为已知的常数矩阵，s为时间t在频域中对应的变量。
CN201911000429.XA 2019-10-21 2019-10-21 一种无人驾驶汽车抗侧风控制方法 Active CN110758378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911000429.XA CN110758378B (zh) 2019-10-21 2019-10-21 一种无人驾驶汽车抗侧风控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911000429.XA CN110758378B (zh) 2019-10-21 2019-10-21 一种无人驾驶汽车抗侧风控制方法

Publications (2)

Publication Number Publication Date
CN110758378A CN110758378A (zh) 2020-02-07
CN110758378B true CN110758378B (zh) 2021-02-09

Family

ID=69332611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911000429.XA Active CN110758378B (zh) 2019-10-21 2019-10-21 一种无人驾驶汽车抗侧风控制方法

Country Status (1)

Country Link
CN (1) CN110758378B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0529258A1 (de) * 1991-08-22 1993-03-03 Dr.Ing.h.c. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zur Minimierung des Seitenwind-Einflusses auf das Fahrverhalten eines Fahrzeugs
CN101618733A (zh) * 2009-08-06 2010-01-06 上海交通大学 汽车前后轮主动转向控制***
CN104331611A (zh) * 2014-10-24 2015-02-04 武汉理工大学 强侧向风作用下的公路车辆行驶危险态势预警方法及***
CN106043279A (zh) * 2016-07-06 2016-10-26 吉林大学 基于侧风影响的车道偏移控制***及其控制方法
CN106218715A (zh) * 2016-07-20 2016-12-14 广西科技大学 一种四轮独立转向车辆的控制方法
CN109515102A (zh) * 2017-09-19 2019-03-26 比亚迪股份有限公司 车辆侧向风估计方法、装置及车辆

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0529258A1 (de) * 1991-08-22 1993-03-03 Dr.Ing.h.c. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zur Minimierung des Seitenwind-Einflusses auf das Fahrverhalten eines Fahrzeugs
CN101618733A (zh) * 2009-08-06 2010-01-06 上海交通大学 汽车前后轮主动转向控制***
CN104331611A (zh) * 2014-10-24 2015-02-04 武汉理工大学 强侧向风作用下的公路车辆行驶危险态势预警方法及***
CN106043279A (zh) * 2016-07-06 2016-10-26 吉林大学 基于侧风影响的车道偏移控制***及其控制方法
CN106218715A (zh) * 2016-07-20 2016-12-14 广西科技大学 一种四轮独立转向车辆的控制方法
CN109515102A (zh) * 2017-09-19 2019-03-26 比亚迪股份有限公司 车辆侧向风估计方法、装置及车辆

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于自抗技术的汽车侧风稳定性研究;白玉，桑楠;《湖南科技大学学报（自然科学版）》;20141231;第28-33页 *

Also Published As

Publication number Publication date
CN110758378A (zh) 2020-02-07

Similar Documents

Publication Publication Date Title
US11364895B2 (en) Yaw motion control method for four-wheel distributed vehicle
CN107415939B (zh) 一种分布式驱动电动汽车转向稳定性控制方法
CN107831761B (zh) 一种智能车的路径跟踪控制方法
CN107992681B (zh) 一种电动汽车主动前轮转向***的复合控制方法
CN111007722B (zh) 一种四轮转向自动驾驶汽车横向鲁棒容错控制***及方法
Ma et al. Direct yaw-moment control of electric vehicles based on adaptive sliding mode
CN113183950B (zh) 一种电动汽车主动前轮转向的自适应控制方法
CN111002976B (zh) 一种基于模糊自适应pid控制的智能车辆抗侧风控制方法
CN112519873B (zh) 一种四轮独立线控转向电动汽车执行机构主动容错控制算法及***
WO2023138258A1 (zh) 一种主动转向和横摆力矩自学习协同控制方法
CN109177746A (zh) 一种用于轮边电机驱动车辆差动转向的控制***及方法
Ding et al. A comprehensive vehicle stability assessment system based on enabling tire force estimation
CN104590253A (zh) 一种四轮独立驱动电动汽车的横摆角速度控制方法
CN111679575A (zh) 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法
CN107150680B (zh) 一种防四轮独立驱动电动车过度转向的鲁棒不变集控制方法
CN106168758B (zh) 四轮独立驱动电动汽车的航向跟踪控制方法
CN117120323A (zh) 用于自主驱动装置的致动器的方法
CN110758378B (zh) 一种无人驾驶汽车抗侧风控制方法
CN113401113A (zh) 基于车辆稳定包络线的无人驾驶汽车直接横摆力矩控制方法及控制器
CN113741172B (zh) 一种基于带宽参数整定的滑移率自抗扰控制方法及控制器
CN113044047B (zh) 一种基于类pid-stsm的afs/dyc集成控制方法
CN114802202A (zh) 一种基于Lyapunov稳定性理论的车辆稳定性控制方法
Li et al. AFS/DYC control of in-wheel motor drive electric vehicle with adaptive tire cornering stiffness
Kahveci Adaptive steering control for uncertain vehicle dynamics with crosswind effects and steering angle constraints
Kahveci et al. Cruise control with adaptation and wheel torque constraints for improved fuel economy

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