[發明專利]基于動力學模型的無人駕駛汽車模型預測控制器設計方法

在審

• 申請號: 201910034419.1
• 申請日: 2019-01-15
• 公開（公告）號: CN109597308A
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 左志強;楊孟佳;王一晶
• 申請（專利權）人: 天津大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G05D1/02
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 吳學穎

本發明公開了一種基于動力學模型的無人駕駛汽車模型預測控制器設計方法：建立新型車輛動力學模型；設計基于新型車輛動力學模型的無人駕駛汽車模型預測控制器；①利用在當前工作點線性化得到的新型車輛動力學模型對系統在預測時域內的輸出狀態進行預測；②利用得到的系統預測輸出和給定的參考輸出構建優化問題；③求解優化問題，將U(k)的第一個分量作為當前時刻的最優控制量作用到系統上。本發明增加車輛速度作為控制量，同時引入誤差補償項以彌補模型精度、線性化和離散化在預測過程中帶來的累積誤差，從而使無人駕駛車輛具有更好的軌跡追蹤效果。

技術領域

本發明屬于無人駕駛汽車控制器設計領域，更具體的說，是涉及一種基于動力學模型的無人駕駛汽車模型預測控制器設計方法。

背景技術

在過去的幾年里，作為人工智能最重要的一部分，同時受益于全球定位系統(GPS)、雷達系統和機器視覺的發展，無人駕駛獲得了社會各界的廣泛關注。無人駕駛可以分為圖1所示的四部分：全局路徑規劃、環境感知、局部路徑規劃和軌跡追蹤。由橫向控制器和縱向控制器組成的軌跡追蹤控制器是無人駕駛的重要組成部分。

起初，學者們采用比例-積分-微分(PID)控制器來完成軌跡追蹤任務。但是，由于汽車是多輸入多輸出系統，并且周圍環境和車輛本身物理結構的限制會帶來多種約束，PID控制器的控制效果不能令人滿意。隨后，模型預測控制器(MPC)依靠其突出的優點被用于無人駕駛車輛的軌跡追蹤。

MPC是一種處理多約束和多變量問題的有效方法。它在當前采樣時刻使用控制對象的模型來預測系統在預測時域內每個采樣時刻的狀態。在預測狀態的基礎上，計算使預測狀態和參考狀態之間誤差最小的控制序列，并且該控制序列需要滿足所有的約束條件。最后將序列的第一個分量作為當前時刻的最優輸入施加到系統上。在預測過程中使用的預測模型對于控制效果的好壞至關重要。目前，尚未出現一種十分有效的車輛模型來描述車輛的特性，且現有的動力學模型僅以前輪偏角作為控制量，使縱向控制和橫向控制不能有機地結合起來。本發明提出的新型動力學模型與現有動力學模型相比，增加了車輛速度作為控制量，可以使車輛根據橫向控制的需求改變速度。車輛模型的特性與車輛的實際特性之間的誤差不可避免，此外模型的線性化和離散化也會帶來狀態誤差。因此，本發明增加了誤差補償項來補償預測過程中的累積誤差。上述方法不僅具有明確的理論意義，而且具有很強的實際應用價值與現實意義。

發明內容

本發明的目的是為了克服現有技術中的不足，提供一種基于動力學模型的無人駕駛汽車模型預測控制器設計方法，增加車輛速度作為控制量，同時引入誤差補償項以彌補模型精度、線性化和離散化在預測過程中帶來的累積誤差，從而使無人駕駛車輛具有更好的軌跡追蹤效果。

本發明的目的是通過以下技術方案實現的。

本發明的基于動力學模型的無人駕駛汽車模型預測控制器設計方法，包括以下步驟：

第一步：建立新型車輛動力學模型

使用由Pacejka提出的輪胎側向力和牽引力模型，描述縱向力、翻轉力矩、回正力矩、阻力矩、側偏角和滑移率之間的數值關系；輪胎力表示為如下形式：

其中，F_l為輪胎縱向力，C_l為輪胎的縱向剛度，s表示滑移率，F_c為輪胎側向力，C_c為輪胎的側向剛度，α表示側偏角；

忽略汽車在豎直方向的運動，汽車的結構和受力用單軌模型描述，根據牛頓第二定律，得到以下三個方向上的受力平衡方程：