[發明專利]一種無人駕駛汽車縱向控制方法

有效

• 申請號: 202011373882.8
• 申請日: 2020-11-30
• 公開（公告）號: CN112477880B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 王一晶;曹世卓;左志強
• 申請（專利權）人: 天津大學
• 主分類號: B60W50/00
• 分類號: B60W50/00;B60W30/02
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 王江選

本發明提供一種無人駕駛汽車縱向控制方法，包括：操作S1：建立車輛縱向控制系統離散運動學模型，將狀態期望加速度作為該縱向控制系統離散運動學模型的輸入控制量；操作S2：創建線性TD并通過線性TD安排參考速度信號和參考加速度信號的過渡過程，將階躍的參考速度信號和參考加速度信號轉換為連續的參考信號序列；操作S3：創建MPC，與所述線性TD相連，基于線性TD輸入的參考序號序列在存在控制量約束與控制量增量約束的情況下通過所述離散運動學模型得到最優控制序列，完成無人駕駛汽車縱向控制，改善了因傳統方法無法處理由于物理因素限制，有調節時間短和穩態誤差小的優勢。

技術領域

本發明屬于無人駕駛控制領域，具體講，涉及一種結合線性跟蹤微分器和模型預測控制算法的無人駕駛車輛縱向控制方法。

背景技術

近年來，電動汽車廣泛應用于各種場景，如無人駕駛汽車、智慧城市等。與傳統的內燃機汽車相比，電動汽車具有高效、節能、環保等優點。從理想的情況來看，電動汽車會逐漸取代傳統汽車，有利于實現車輛尾氣零排放。環境感知、運動規劃、運動控制是無人駕駛技術中的三大核心技術。其中，由于道路狀況復雜、行駛環境多樣、執行器物理約束等因素的影響，運動控制對無人駕駛技術至關重要。目前，可以將運動控制分為橫向控制與縱向控制，橫向控制的目標是實現軌跡跟蹤，縱向控制的目標是實現速度跟蹤。在控制過程中，橫向控制效果往往會受到縱向控制效果的影響，而縱向控制并不會受到橫向控制因素的制約，這也是在很多縱向控制研究工作中，并沒有考慮橫向車輛系統的運動情況。

對于縱向控制，在能量優化、安全性和乘坐舒適性等多種指標要求下，經濟速度控制和最優速度控制是兩個重點研究內容。但是，一般來說，由于參考信號在大多數情況下是不連續的導致縱向控制性能很難得到穩定的保障。尤其是在缺少合理的速度規劃功能的情況下，參考信號的加速度需要滿足電動汽車的物理特性，但是在很多研究中，并沒有給予考慮，導致參考信號并不恰當。此外，由于執行器物理約束所帶來的控制輸入約束以及輸入增量約束導致最優速度控制變得較為困難。控制輸入約束主要針對在縱向控制中執行環節受到的物理限制以及人為設定的限制。而為了避免由于控制輸入的頻繁變化和大幅度變化而導致執行器損壞，通常通過增加輸入增量約束進行處理。然而，基于PID控制器或LQR等傳統控制算法無法解決這兩種約束。因此，在電動汽車的縱向控制中，考慮控制量約束和控制量增量約束并研究如何得到合理可靠的參考信號是具有重要意義的。

模型預測控制(Model Predictive Control，MPC)算法是可以主動處理多約束的代表算法之一，在無人駕駛規劃和控制模塊中已經得到廣泛應用。尤其在大多數的縱向控制方案中，MPC除了用來處理基本物理約束以外，往往還用來實現低油耗、乘坐舒適性、平滑軌跡等人為指定性能。MPC在當前時刻根據被控對象的數學模型預測在未來一段時域內的誤差狀態，然后按照指定性能要求構造目標函數，最后通過優化算法求解出使目標函數值最小的控制量序列，并把控制序列的第一個分量作用在實際被控系統上。雖然近年關于MPC的研究具有大量的實驗驗證，但是在這些工作中并沒有體現對MPC的迭代可行性和穩定性進行分析，導致這些結果缺乏理論支撐。除此以外，在實際控制中，不可靠的參考信號可能會導致MPC在終端約束較為保守的情況下丟失初始時刻的可行解，這種情況并不能通過整定MPC參數進行解決。跟蹤微分器(Tracking Differentiator，TD)常常用來處理不合理的參考信號，安排較為合理的過渡過程，從而改善跟蹤效果。線性TD主要基于一階慣性環節對階躍參考信號安排無超調的過渡過程，還可以獲取參考信號的合理微分信號，基于TD對階躍參考信號進行過渡過程的安排是一種可行的處理方法。

發明內容

(一)要解決的技術問題

有鑒于此，本發明提供了一種結合線性跟蹤微分器和模型預測控制算法的無人駕駛車輛縱向控制器，以期解決上述提及的技術問題中的至少之一。

(二)技術方案

本公開提供了一種無人駕駛汽車縱向控制方法，包括：