[發明專利]基于模型動態重構的智能汽車解耦預測控制器及其控制方法

有效

• 申請號: 201910897708.4
• 申請日: 2019-09-23
• 公開（公告）號: CN110687907B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 蔡英鳳;滕成龍;陳龍;孫曉強;鄒凱;孫曉東;王海
• 申請（專利權）人: 江蘇大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了基于模型動態重構的智能汽車解耦預測控制器及其控制方法，在智能感知車輛外部環境和自身參數的基礎上，首先建立智能汽車三自由度耦合非線性原模型，再構造智能汽車的兩個右逆模型，兩個右逆模型交替學習進化，將其中一個不執行學習進化功能的右逆模型放置于原模型的左側，對智能汽車模型進行動態重構，實現模型動態解耦和簡化控制，然后根據重新構造得到的新模型中各個子模型及控制要求特征，分別設計模型預測控制器，實現基于模型動態重構的智能汽車解耦預測控制，提高智能汽車的控制性能和智能化水平。本發明結合使用動態逆模型和模型預測控制方法，使用重構的規范化新模型合理設計模型預測控制器，提高智能汽車的控制性能。

技術領域

本發明涉及一種智能汽車控制領域，尤其涉及一種基于模型動態重構的智能汽車解耦預測控制器及其控制方法。

背景技術

智能汽車是基于環境感知技術、智能駕駛技術、無線通信技術和計算機技術的高新科技產品，汽車產業轉型升級的過程，將是汽車逐步實現智能化的過程。智能運行狀態下的汽車將以安全、環保、節能、舒適等作為綜合控制目標，協同構建高效有序的交通運輸網絡。

現代社會對生活質量的要求越來越高，希望智能汽車能夠具有優異的綜合控制性能。汽車的動態模型是一個強耦合的非線性時變系統，智能汽車控制是一個存在多變量、強耦合、多干擾的時滯型非線性控制問題。傳統的控制算法暫時還沒有很好地協調解決控制過程中的參數變化、變量耦合、控制時滯和非線性問題，仿真或試驗時多采用簡化的線性模型，規避或忽略實際過程中的參數變化、控制時滯和變量耦合特性，導致中低車速時效果很好的控制參數往往在較高車速時控制效果不夠理想，適合蛇形路徑的控制參數可能并不適合雙移線路，控制過程中很難兼顧快速響應特性和乘員的安全性和舒適性等指標。在對車輛內外部環境參數進行有效感知的基礎之上，如何對智能汽車模型進行合理的動態重構，解決狀態變量之間的強耦合和非線性問題，選用何種控制方法以達到有效抑制多干擾因素，克服參數變化和控制時滯，提高智能汽車的控制性能，是一個急待解決的問題。

發明內容

為解決上述技術問題，本發明提供一種基于模型動態重構的智能汽車解耦預測控制器及其控制方法，在智能感知車輛外部環境和自身參數的基礎上，首先建立智能汽車三自由度耦合非線性原模型，再構造智能汽車的兩個右逆模型，兩個右逆模型交替學習進化，將其中一個不執行學習進化功能的右逆模型以串聯方式放置于原模型的左側，對智能汽車模型進行動態重構，實現模型動態解耦和簡化控制，然后根據重新構造得到的新模型中各個子模型及控制要求特征，分別設計模型預測控制器，實現基于模型動態重構的智能汽車解耦預測控制，提高智能汽車的控制性能和智能化水平。

本發明基于模型動態重構的智能汽車解耦預測控制器的技術方案是：包括外部環境感知模塊，內部參數測量模塊，智能汽車原模型，智能汽車右逆模型一，智能汽車右逆模型二，右逆模型進化監督切換模塊，模型預測控制模塊。

所述外部環境感知模塊用于獲取汽車行駛的車道信息、交通標志、附近車輛、行人信息，并將信息傳送給模型預測轉向控制模塊；

所述內部參數測量模塊用于獲取汽車行駛的橫向速度v、縱向速度u、前輪轉角δ、輪胎縱向滑移率λ信息，并將信息傳送給模型預測控制模塊；

所述智能汽車原模型是一個三自由度耦合非線性模型：

所述智能汽車原模型包括的參數有：汽車前輪到質心距離a、后輪到質心距離b、前輪側偏剛度k₁、后輪側偏剛度k₂、前輪縱向剛度c₁、后輪縱向剛度c₂、汽車質量m、轉動慣量I_z、縱向速度u、橫向速度v、橫擺角速度ω_r、前輪轉角δ、輪胎縱向滑移率λ；

所述智能汽車原模型的輸入變量為前輪轉角δ、輪胎縱向滑移率λ，控制變量為橫向速度v、縱向速度u、橫擺角速度ω_r，輸出變量為橫向速度v、縱向速度u；