[發明專利]基于最大相關熵準則的智能車輛路徑跟蹤方法

有效

• 申請號: 202010050982.0
• 申請日: 2020-01-17
• 公開（公告）號: CN111258218B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 周楠;杜元花;秦豪;郭超;蔣濤;李平;蒲紅平;付克昌;劉甲甲;袁建英
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 代維凡

本發明公開了一種基于最大相關熵準則的智能車輛路徑跟蹤方法，屬于軌跡跟蹤領域，其包括構建車輛動力學模型；將所述車輛動力學模型轉換為系統狀態模型；對系統狀態模型進行離散線性化處理，構建形成預測時域的輸出模型；基于最大相關熵準則和半方方法，構建求解控制增量Δu_k的路徑跟蹤模型；求解路徑跟蹤模型得到基于車輛質心速度v和前輪轉向角σ_f的控制增量。本方案采用最大相關熵準則的度量來建立路徑跟蹤模型，該模型能夠有效的抑制或消除來自噪聲或局外點的影響，來實現車輛的穩定路徑跟蹤。

技術領域

本發明涉及車輛路徑跟蹤控制方法，具體涉及一種基于最大相關熵準則的智能車輛路徑跟蹤方法。

背景技術

目前主要流行的路徑跟蹤控制算法為：PID控制、線性二次型調節器LQR跟蹤控制器和純跟蹤控制等。

PID控制是在工業控制領域應用非常廣泛的一種控制算法，這種方法具有不需要搭建模型的優勢，但其控制參數需要一次次不斷的試驗試湊出來，這是一項枯燥繁瑣耗時的工作，當車速發生變化時，當前的控制參數就不適合控制車速，需要再一次試湊控制參數。所以PID雖然簡單但對車速的適應性極差，其他車輛參數或道路環境參數對PID控制的影響也很大。

線性二次型調節器LQR跟蹤控制器，它的原理是在控制時域內，會對整個系統中的跟蹤誤差模型做線性化處理，得到一個便于計算的線性二次化模型。并針對整個系統的要求，設置一個最優的線性二次函數，在全局內對這個函數進行最優求解，得到最優的軌跡控制輸入。LQR本質上是一種線性最優化算法，它沒有考慮到車輛動力學約束的影響和車輛環境的外部因素。在行駛在惡劣工況時可能會出現車輛側偏失失穩現象。并且LQR方法對控制模型的精度要求很高而汽車在實際行駛中參數和環境具有很大的不確定性所以最優控制往往無法保持最優。

純跟蹤控制實質是一種將自身位置與預瞄處期望位置的橫向偏差轉化為橫向控制量的比例控制器。該方法魯棒性較好,即使在存在較大的橫向偏差和參考路徑曲率不連續的情況下也能達到很好的跟蹤效果。其缺點是預瞄距離易受較多參數(參考路徑曲率、車速橫向偏差等)的影響，很難在保證較強的跟蹤能力的情況下同時保證車輛穩定性。

發明內容

針對現有技術中的上述不足，本發明提供的基于最大相關熵準則的智能車輛路徑跟蹤方法解決了車輛的定位存在GPS飄逸和傳感器誤差擾動的問題。

為了達到上述發明目的，本發明采用的技術方案為：

提供一種基于最大相關熵準則的智能車輛路徑跟蹤方法，其包括：

S1、構建車輛動力學模型：

其中，為x方向的速度；為y方向的速度；為航向角速度；ψ為航向角；v為車輛質心速度；δ為前輪偏角；L為車輛軸距長度；

S2、將所述車輛動力學模型轉換為系統狀態模型：

其中，為所有狀態變量對于時間求導；χ為系統狀態；u為基于車輛質心速度v和前輪轉向角σ_f的控制變量；[.]^T為轉置符號；

S3、對系統狀態模型進行離散線性化處理，構建形成預測時域的輸出模型：

y＝ψ_kξ(k|k)+Θ_kΔu