一种基于横向稳定性的在线变时域模型预测控制方法

本发明属于自动驾驶控制，尤其涉及一种基于横向稳定性的在线变时域模型预测控制方法。

背景技术：

1、随着科技的发展，自动驾驶技术得到了迅速发展。自动驾驶汽车有以下优点：能够实时监测路况、天气和其他交通状况，避免潜在的交通事故；能够自主调整行驶速度，有效缓解交通拥挤，从而提升整体的交通流动性；无需人类驾驶员，可以减少对人力的依赖，进而降低人工成本。

2、自动驾驶汽车轨迹跟踪控制方法主要有纯跟踪控制算法、pid控制方法、滑膜控制方法、自抗扰控制方法以及模型预测控制方法等。其中，模型预测控制算法具有更好的跟踪稳定性、鲁棒性与实时性等优点，被广泛应用。如何提高轨迹跟踪精度和减少计算时间是研究的重点。显式模型预测跟踪控制方法，改善了模型预测控制的跟踪精度和实时性；基于有限时间范围的鲁棒模型预测控制方法，实现了自动驾驶四轮电机独立驱动电动汽车的协调路径跟踪和直接偏航力矩控制，增强了控制系统的鲁棒性，有更好的路径跟踪精度和操纵能力；基于前馈控制器的模型预测控制方法，以最小化主动前转向机动中横向位置和偏航角的跟踪误差，改善了车辆的稳定性和沿期望路径的轨迹。

3、公布号为cn117842008a的中国发明专利公开了一种变预测时间的车辆路径跟踪控制方法、系统、设备及介质，该方法根据当前时刻的参考路径曲率、车辆纵向速度和路面附着系数确定当前的最优预测时间；根据当前的最优预测时间确定当前离散时间步长和预测时域；将当前时刻的车辆状态输入车辆状态预测模型输出车辆状态预测时间序列；构建路径跟踪的目标函数并目标函数进行优化，得到优化后的控制时间序列。提高了路径跟踪的准确性，但是其变预测时域过程计算复杂，实时性低。公布号为cn113467251a的中国发明专利公开了一种基于模糊控制的变预测时域mpc路径跟踪方法，通过依据参考路径的曲率变化，重新整定跟踪运动的期望速度，再基于期望速度的大小和变化率，设计模糊控制器实现对mpc跟踪算法预测时域的时变调节，最后设计mpc路径跟踪器输出控制量实现对参考路径的跟踪，从而结合模糊控制器输出的预测时域变化量，实现在曲率较大的情况下选择较低的速度、较小的预测时域进行路径跟踪，在曲率较小的情况下，选择较高的速度、较大的预测时域进行路径跟踪，提高了mpc路径跟踪对不同参考路径的算法适应性和稳定性，但模糊控制方法在实际应用中计算时间长，无法保证实时性。

4、综上所述，目前虽然针对变预测时域模型预测控制器做了大量研究，但提高跟踪精度和实时性只能依赖离线查表的方式，离线表格的制定需要很大的工作量，属于离线变预测时域，无法保证轨迹跟踪过程中实时性。在自动驾驶汽车变预测时域模型预测控制轨迹跟踪方面，当预测时域偏小时，模型预测控制器在较短的时间内完成优化求解，这往往会导致车辆剧烈运动，而在预测时域偏大时，运算量会随之增大，会产生较大的跟踪误差，降低轨迹跟踪精度。

技术实现思路

1、本发明的目的是提供一种基于横向稳定性的在线变时域模型预测控制方法，克服现有技术的不足，针对现有变预测时域模型预测控制方法中普遍存在的实时性差的技术难题，给出一种精度更高，实时性更好的在线变预测时域模型预测控制轨迹跟踪方法。

2、为实现上述目的，本发明通过以下技术方案实现：

3、一种基于横向稳定性的在线变时域模型预测控制方法，采用随车辆危险等级变化的预测时域，实现在线变预测时域模型进行自动驾驶汽车轨迹跟踪，具体控制过程包括：步骤1：获取规划层输出的参考轨迹，作为模型预测控制器的输入信息；步骤2：模型预测控制器对被控车辆进行轨迹跟踪并根据被控车辆状态量反馈进行滚动优化，被控车辆在全局坐标系中的速度和位置采用三自由度车辆动力学模型计算；步骤3：获取被控车辆输出的车辆侧倾角横向速度(vlat)、质心侧偏角(β)和横摆角速度信息(ω)；步骤4：将步骤3获取的数据输入危险等级划分系统，危险等级划分系统根据专家打分法和倍数环比法提供的各数据指标权重，基于物元可拓分析法对车辆横向稳定性进行分级，将车辆横向稳定性分为10个等级，等级越高则车辆危险等级越高；步骤5：基于步骤4获取的车辆危险等级，输入到pi调节器中实现在线变预测时域(np)；步骤6：将基于步骤5获取的在线可变预测时域(np)、控制时域(nc)及采样时间(t)作为控制器参数输入到模型预测控制器中得到最佳方向盘转角变化量，将步骤2所得的被控车辆在全局坐标系中的速度和位置输入到模型预测控制器中，对车辆轨迹进行滚动优化，以达到快速跟踪参考轨迹的目的。

4、与现有技术相比，本发明的有益效果是：

5、1)跟踪精度高：可以针对横向稳定性的变化进行实时调整预测时域，改变车轮转角进而改善跟踪精度，与现有技术相比，轨迹跟踪精度更高，横向轨迹误差平均减少了37.97％，航向角误差平均减少了33.75％；

6、2)实时性好：物元可拓分析方法与pi调节器配合使用，可以实现快速在线变预测时域，当预测时域值小时，计算时间就会变少。与现有的方法相比，不依赖离线查表的方式，实时性更好，计算时间平均提高了14.74％。

7、3)本发明显著提高了跟踪精度和实时性，通过采用随车辆危险等级变化的预测时域，可以实现在线变预测时域模型预测控制进行自动驾驶汽车轨迹跟踪。

技术特征：

1.一种基于横向稳定性的在线变时域模型预测控制方法，其特征在于，采用随车辆危险等级变化的预测时域，实现在线变预测时域模型预测控制器进行自动驾驶汽车轨迹跟踪，具体控制过程包括：

2.根据权利要求1所述的一种基于横向稳定性的在线变时域模型预测控制方法，其特征在于：所述输入信息还包括：汽车质量(m)、转动惯量(iz)、汽车前轴距质心距离(lf)、汽车后轴距质心距离(lr)和轮胎侧偏刚度(b)。

3.根据权利要求1所述的一种基于横向稳定性的在线变时域模型预测控制方法，其特征在于：所述三自由度车辆动力学模型具体为：

4.根据权利要求1所述的一种基于横向稳定性的在线变时域模型预测控制方法，其特征在于：所述模型预测控制器的控制目标函数为：

5.根据权利要求1所述的一种基于横向稳定性的在线变时域模型预测控制方法，其特征在于：所述步骤4中物元可拓分析法的具体计算过程为：

6.根据权利要求5所述的一种基于横向稳定性的在线变时域模型预测控制方法，其特征在于：所述pi调节器的算法控制律计算公式为：

7.根据权利要求5所述的一种基于横向稳定性的在线变时域模型预测控制方法，其特征在于：所述可变时域公式为：

技术总结
本发明属于自动驾驶控制技术领域，尤其涉及一种基于横向稳定性的在线变时域模型预测控制方法，包括：获取规划层输出的参考轨迹，作为模型预测控制器的输入；基于模型预测控制器对被控车辆进行轨迹跟踪并根据被控车辆状态量反馈进行滚动优化，被控车辆采用三自由度车辆动力学模型；获取被控车辆输出的车辆侧倾角，横向速度，质心侧偏角和横摆角速度信息；对车辆横向稳定性进行分级，用来表征车辆危险等级；在PI调节器中实现在线变预测时域；在线可变预测时域、控制时域及采样时间作为控制器参数输入到模型预测控制器中。本发明的横向轨迹误差平均减少了37.97％，航向角误差平均减少了33.75％，计算时间平均提高了14.74％。

技术研发人员：常天根,田国富,姜娇
受保护的技术使用者：沈阳工业大学
技术研发日：
技术公布日：2024/9/23