CN115071732A

CN115071732A - 一种基于lqr的smc商用车智能驾驶横向控制方法

Info

Publication number: CN115071732A
Application number: CN202210832940.1A
Authority: CN
Inventors: 万四禧; 李洋; 管杰; 李阳; 喻锐; 毕雅梦
Original assignee: Dongfeng Trucks Co ltd
Current assignee: Dongfeng Trucks Co ltd
Priority date: 2022-07-14
Filing date: 2022-07-14
Publication date: 2022-09-20

Abstract

本发明公开了一种基于LQR的SMC商用车智能驾驶横向控制方法，根据车辆横向动力学模型确定LQR状态方程并离散化，基于离散化的状态方程构造反馈控制器及代价函数，计算LQR目标控制量，对LQR目标控制量进行线性化处理，根据处理后的目标控制量确定SMC滑膜控制器的滑膜面；根据车辆实施行驶数据和滑膜状态确定SMC滑膜控制器的趋近率；基于车辆动力学模型和滑膜面计算滑膜面倒数，根据滑膜面倒数和趋近率确定最终前轮转矩，根据最终前轮转矩对车辆进行横向控制。本发明基于最优控制理论，计算LQR反馈控制率，基于车辆动力学模型设计滑模面，计算最终前轮转角，不仅满足车辆控制精度要求，而且鲁棒性更强，能满足商用车各个场景的控制需求。

Description

一种基于LQR的SMC商用车智能驾驶横向控制方法

技术领域

本发明属于汽车控制技术领域，具体涉及一种基于LQR的SMC商用车智能驾驶横向控制方法。

背景技术

现有方案1：CN110568758A提供了一种自动驾驶汽车的参数自适应横向运动LQR控制方法,具体包括如下步骤:实时采集横向运动控制***所需的目标路径信息,车辆位置信息,车辆状态信息；对采集的数据进行处理转换；根据采集的数据信息,按制定的基于路径跟踪误差和车路位置关系的LQR控制参数调整策略确定当前状态下的控制器参数；根据确定的控制器参数,计算自动驾驶汽车的转向控制量,将其传递给转向执行器执行.本发明在自动驾驶横向LQR控制器为基础，添加一种基于路径跟踪误差和车路位置关系的LQR控制器参数计算调整策略。

现有方案2：CN114179818A公开了一种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，采用滑模控制方法SMC，在SMC中考虑建立单点自适应预瞄模型，设计出一种基于横向偏差、道路边界和整车运动响应特性的优化函数来确定自适应预瞄时间。根据稳态横摆角速度假设，利用此预瞄时间采用期望式方法来求得理想横摆角速度，将其作为滑模控制器的输入，建立一种基于实际横摆角速度和理想横摆角速度之差的滑模控制器，并选择合适的切换函数，来对理想方向盘转角进行优化。

现有方案1存在以下风险：

对于商用车而言，负载变化大，车辆动力学线性度低，单纯的LQR控制误差较大，不能满足复杂工况下的控制精度。

该自适应控制方法针对横向偏差和航向偏差调整控制参数，控制响应慢，且控制输出不连续，容易造成震荡。

现有方案2存在以下风险：

根据运动学预瞄模型设计滑模面，难以覆盖高速场景，不能满足商用车控制性能指标。

发明内容

本发明的目的就是为了解决上述背景技术存在的不足，提供一种基于LQR的SMC商用车智能驾驶横向控制方法。

本发明采用的技术方案是：一种基于LQR的SMC商用车智能驾驶横向控制方法，根据车辆横向动力学模型确定LQR状态方程并离散化，基于离散化的状态方程构造反馈控制器及代价函数，根据反馈控制器及代价函数计算LQR目标控制量；

基于车辆运动学方程对LQR目标控制量进行线性化处理，根据处理后的目标控制量确定SMC滑膜控制器的滑膜面；

根据车辆实施行驶数据和滑膜状态确定SMC滑膜控制器的趋近率；

基于车辆动力学模型和滑膜面计算滑膜面倒数，根据滑膜面倒数和趋近率确定最终前轮转矩，根据最终前轮转矩对车辆进行横向控制。

进一步地，所述车辆横向动力学模型为

其中，e_y为横向位移偏差，

为横向速度偏差，e_ψ为横摆角偏差，

为横摆角速度偏差，C_αf为前轴侧偏刚度，Cαr为后轴侧偏刚度，m为车辆载荷，V_x为车辆纵向车速，l_f为前轴距，l_r为后轴距，I_z为车辆绕Z轴转动惯量，δ为前轮转角。

进一步地，令t时刻状态量x(t)等于

控制量u(t)等于前轮转角δ，则：

离散线性状态空间方程为：x(t+1)＝(TA(t)+I)x(t)+TB(t)u(t)

其中：T为运行周期，x(t+1)为t+1时刻状态量，I为单位矩阵。

进一步地，所述反馈控制器和代价函数分别为

u(t)＝-Kx(t)，

其中，J为代价函数，Q为状态权重矩阵，R为控制权重矩阵，K为反馈矩阵。

进一步地，所述LQR目标控制量为：

其中，K1、K2、K3、K4分别为LQR求解器计算的e_y,

e_ψ和

对应的反馈控制率，δ_LQR为LQR控制过程中的前轮转角。

进一步地，处理后的目标控制量为

进一步地，所述滑膜面为

其中，s为滑膜面，kψ为e_ψ对应的横摆角总反馈率，kψ＝k2*V_x+k3。

进一步地，所述趋近率为

其中，

为趋近率，ε(s)为s的正相关函数，k(s)为s的负相关函数，g为趋近率的状态量，n为状态常数。

进一步地，所述滑膜面倒数为

其中，e_y为横向位移偏差，e_ψ为横摆角偏差，

为横摆角速度偏差，C_αf为前轴侧偏刚度，C_αr为后轴侧偏刚度，m为车辆载荷，V_x为车辆纵向车速，l_f为前轴距，l_r为后轴距，I_z为车辆绕Z轴转动惯量，k1,k2,，k3和k4分别为LQR求解器计算的e_y,

e_ψ和

对应的反馈控制率，kψ为e_ψ对应的横摆角总反馈率，kψ＝k2*V_x+k3，u_Tgt为最终前轮转角。

更进一步地，所述最终前轮转角u_Tgt为

本发明的有益效果是：

1)采用最优二次型控制结合滑模控制理论：基于最优控制理论，计算LQR反馈控制率，基于车辆动力学模型设计滑模面，计算最终前轮转角，不仅满足车辆控制精度要求，而且鲁棒性更强，能满足商用车各个场景的控制需求。

2)采用动态滑模趋近率率设计：根据滑模面s的大小，动态调整趋近率，不仅可有效消除抖振，而且控制器收敛速度更快，控制效果更好。

附图说明

图1为本发明的控制流程图。

图2为横向位移偏差和横摆角偏差示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以互相结合。

如图1、图2所示，本发明提供一种基于LQR的SMC商用车智能驾驶横向控制方法，包括以下步骤：

步骤1：设计LQR(线性二次型最优控制)反馈控制器：根据车辆横向动力学模型，确定LQR状态方程并离散化处理，构造代价函数，设计反馈控制器，计算LQR目标控制量。

步骤2：基于车辆运动学方程，对LQR目标控制量进行线性化处理，并确定SMC滑模控制器的滑模面。

步骤3：根据车辆实时行驶数据和滑模状态确定SMC(滑膜控制)滑模控制器趋近率。

步骤4：基于车辆动力学模型和步骤2设计的滑模面计算滑模面导数，根据滑模面导数和趋近率计算智能驾驶控制器输出的最终前轮转矩，根据最终前轮转矩对车辆进行横向控制。

上述步骤1中，所述的LQR控制器设计过程为：

(a)建立车辆横向动力学状态方程如下：

其中，e_y为横向位移偏差，

为横向速度偏差，e_ψ为横摆角偏差，

为横摆角速度偏差，C_αf为前轴侧偏刚度，C_αr为后轴侧偏刚度，m为车辆载荷，V_x为车辆纵向车速，l_f为前轴距，l_r为后轴距，I_z为车辆绕Z轴转动惯量，δ为前轮转角。

(b)状态方程离散化：

令状态量x(t)等于

控制量u(t)等于前轮转角δ，则：

离散线性状态空间方程为：x(t+1)＝(TA(t)+I)x(t)+TB(t)u(t)

式中：T为运行周期，x(t+1)为t+1时刻状态量，I为单位矩阵。

(c)构造代价函数

代价函数目的是使***达到稳定状态，及偏差最小，另一方面使控制量较小，即付出较小的代价目的，因此代价函数设计如下:

式中，J为代价函数，Q为状态权重矩阵，R为控制权重矩阵，K为反馈矩阵。

(d)计算LQR目标控制量：

设计反馈控制器：u＝-Kx，带入代价函数得：

根据反馈控制器，和代价函数构造并求解黎卡提方程，计算LQR目标控制量如下：

其中，K1、K2、K3、K4分别为LQR求解器计算的e_y,

e_ψ和

对应的反馈控制率，δ_LQR为为LGR控制过程中的前轮转角。

上述步骤2中所述LQR状态线性化方法基于如下假设：

基于商用车运动学模型，假设车辆行驶横向距离误差的导数为车速和横摆角的乘积，即：

线性化后的LQR反馈控制的输出为：

整理可得横向偏差二阶导数为：

结合上述线性化步骤和车辆动力学状态方程，步骤2中滑模面设计方法如下：

其中，s为滑膜面，k_ψ为e_ψ对应的横摆角总反馈率，kψ＝k2*V_x+k3。

上述步骤3确定变指数趋近率，设计方案如下：

基于车辆控制舒适性原则，需降低滑模抖振，因此步骤3采用动态指数趋近率，式中，

为趋近率，g为趋近率的状态量，n为状态常数，ε(s)为s的函数，与s正相关，k(s)为s的函数，与s负相关，当s逐渐降低，达到一定阈值时，ε(s)＝k(s)s，保证滑模面的连续性。

基于车辆动力学状态方程和步骤2设计的滑模面，步骤4所述滑模面导数计算方法如下：

式中，e_y为横向位移偏差，e_ψ为横摆角偏差，

为横摆角速度偏差，C_αf为前轴侧偏刚度，C_αr为后轴侧偏刚度，m为车辆载荷，V_x为车辆纵向车速，l_f为前轴距，l_r为后轴距，I_z为车辆绕Z轴转动惯量，k1,k2,k3和k4分别为LQR求解器计算的e_y,

e_ψ和

对应的反馈控制率，kψ＝k2*V_x+k3表示e_ψ对应的横摆角总反馈率，u_Tgt表示最终的目标控制量。

步骤4中所述控制器输出的最终前轮转矩，即为整理趋近率和滑模面导数公式后计算的滑模控制目标转角。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

为了使本揭示内容的叙述更加详尽与完备，上文针对本发明的实施方式与具体实施例提出了说明性的描述；但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而，亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

以上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。