[發明專利]一種基于模型預測控制的無人車避障方法

有效

• 申請號: 201710403248.6
• 申請日: 2017-06-01
• 公開（公告）號: CN107168319B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 王祝萍;江厚杰;張皓;陳啟軍
• 申請（專利權）人: 同濟大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙志遠

1.一種基于模型預測控制的無人車避障方法，其特征在于，包括以下步驟：

1)建立無人駕駛車輛的動力學模型，描述無人駕駛車輛動力學特征，無人駕駛車輛的動力學模型為：

u＝δ_f

其中，x為狀態向量，u為輸入向量，為車身坐標系下的橫向速度，為車身坐標系下的縱向速度，為橫擺角，為橫擺角速度，為全局坐標系下的橫向速度，為全局坐標系下的縱向速度，δ_f為前輪轉角，a為質心到前軸的距離，b為質心到后軸的距離，C_cf為輪胎前輪側偏剛度、C_cr為輪胎后輪側偏剛度，m為車輛總質量，I_z為車輛的轉動慣量，為橫向加速度，為橫擺加速度，X_P與Y_P分別為車輛在全局坐標系下的縱向位置與橫向位置；

2)構建模型預測控制最優化問題的代價函數和約束條件：將障礙物威脅函數和關于目標位置的代價函數之和作為模型預測控制最優化問題的代價函數，并將無碰撞條件的合取約束作為約束條件之一，障礙物威脅函數h_o(u(t-1|t),x(t|t),ΔU(t))為：

c_ij＝υξ_jη_jφ(Y_p(t|t),Y_o,j)Y_p(t+i|t)

其中，X_p(t|t)與Y_p(t|t)分別為t時刻全局坐標系下的車輛縱向位置與橫向位置，τ、κ、X_ellipsoid、Y_ellipsoid與υ均為常數，Y_p(t+i|t)為第i個預測時域的車輛橫向坐標，X_o,j與Y_o,j分別為第j個障礙物的縱向與橫向坐標，N_p為預測時域的長度，N_o為障礙物的個數，u(t-1|t)為上一時刻的系統輸入，x(t|t)為當前時刻的系統狀態，ΔU(t)為當前時刻的控制增量，ε為一大于零且與障礙物大小相關的常數；

所述的無碰撞條件為：

其中，Z_v為包含定義車身約束的編序的集合，Z_p為包含預測時域序列的集合；Z_o為包含障礙物序列的集合，i、j和k分別為集合Z_p、Z_o和Z_v的元素，s、f_k、b_k均為中間變量，x_j為第j個障礙物的位置，x(t+i|t)為在t時刻第i個預測時域的車輛狀態，w為車輛寬度，lh與lt分別表示車頭與車尾到質心的縱向距離，X_o,j與Y_o,j分別為障礙物在全局坐標系下的橫向位置與縱向位置；

模型預測控制的代價函數為：

minJ((ΔU,x(t|t),u(t-1|t))＝h(ΔU,x(t|t),u(t-1|t))+h_o(ΔU,x(t|t),u(t-1|t)))

其中，h(ΔU,x(t|t),u(t-1|t))為關于目標位置的代價函數，h_o(ΔU,x(t|t),u(t-1|t)為障礙物威脅函數，x_goal為目標位置，Q和R均為權重矩陣，Nc為控制時域的長度；

約束條件為：

x(t+i+1|t)＝Ax(t+i|t)+Bu(t+i|t)+d(t+i|t),i＝0,1,...N_p-1

u(t+i|t)＝u(t+i-1|t)+Δu(t+i|t),i＝0,1,...N_c-1

ΔU(t)＝[Δu(t|t),Δu(t+1|t),…Δu(t+N_c-1|t)]^T

ρ_i,j,k∈{0,1},i∈Z_p,j∈Z_o,k∈Z_v

其中，t為時間，x(t+i|t)為在t時刻第i個預測時域的車輛狀態，為在t時刻第i個預測時域的控制輸入，為在t時刻第i個預測時域的控制增量，A、B和d表示狀態空間矩陣，M為一足夠大的常數，ρ_i,j,k為0-1變量；

3)求解模型預測控制最優化問題，獲取無人車避障的最優路徑。