法律状态公告日
法律状态信息
法律状态
2019-07-26
授权
授权
2018-05-08
实质审查的生效 IPC(主分类):B60W50/00 申请日:20171116
实质审查的生效
2018-04-13
公开
公开
技术领域:
本发明涉及无人驾驶车辆技术领域,具体讲是一种基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法。
背景技术:
无人驾驶车辆作为未来车辆发展的重要方向和趋势,受到世界上许多研究机构以及企业的关注开发。在无人驾驶车辆的车辆控制关键技术中,路径跟踪控制是实现无人车辆按照路径规划的路径进行行驶的核心技术方法,其控制精度以及控制的鲁棒性决定着无人车辆是否能够按照期望的路径预期到达指定的目的地。
当前在无人驾驶车辆轨迹跟踪领域,其控制方法是基于理性状态下的车辆运动学模型,即假定无人驾驶车辆车轮在无滑转无滑移的条件下的车辆运动学模型,然而,无人驾驶车辆在实际的路况行驶中,车轮普遍存在着滑转滑移,特别是无人驾驶车辆在砂石路面、冰雪路面行驶时尤为明显,因此基于理想状态的运动学模型,无法时时地计算出滑转滑移量,所以无法实现有效精确地跟踪期望的轨迹。
发明内容:
本发明要解决的技术问题是,提供一种可以时时地计算出滑转滑移量,更加真实、精确地描述和表征无人驾驶车辆实际的运动状态,从而能够有效精确地跟着期望轨迹的基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法。
本发明的技术解决方案是,提供一种基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法,该方法包括以下步骤:
步骤1:接收无人驾驶车辆决策层规划的期望轨迹与期望轨迹跟踪速度信号,设定初始预瞄距离d,选取期望路径中与车辆距离为预瞄距离d的点作为预瞄点qd,读取GPS-INS组合定位系统采集的车辆当前状态数据;
步骤2:建立基于无人驾驶车辆车轮滑转、车体滑移的运动学模型:
定义大地惯性坐标系∑I,车体坐标系∑b,
车体在惯性坐标系下的位姿:qI=[xI>I>I]T
车体在车体坐标系下的位姿:qb=[xb>b>b]T
且θI=θb=θ,为车辆航向角,
惯性坐标系与车体坐标系之间的速度转换关系为:
设
则
在车辆坐标系下,定义车身长度方向为纵向x,车身宽度方向为横向y,左车轮的滑转系数为sl,右车轮的滑转系数为sr,车轮半径为r,车体左侧车轮转速ωl,线速度vl,车体右侧车轮转速ωr,线速度vr,车辆纵向速度为vbx,车辆横摆角速度为ω,车轮中心宽度为2L,
整车滑移的滑移系数为i,车辆横向速度为vby,
建立惯性坐标系下,基于滑转滑移的车辆运动学模型:
步骤3:根据基于滑转滑移的车辆运动学模型,求解左车轮的滑转系数sl,右车轮的滑转
系数sr的表达式:
步骤4:建立车辆坐标下的轨迹跟踪误差模型:
即
其中,
步骤5:对跟踪误差模型进行求导,得出跟踪误差状态方程:
步骤6:根据步骤5的轨迹跟踪误差状态方程,采用基于滑转、滑移系数的轨迹跟踪控制的控制律:
其中,v1为右车轮的速度控制输入,v2为左车轮的速度控制输入,
其中控制增益系数k1、k2、k3大于零且有上界;
步骤7:根据步骤6的控制率的输入,控制车辆行驶,然后根据GPS-INS检测并记录的数据得到车辆在惯性坐标系下的当前位姿
步骤8:根据车体坐标系下的vbx、vby与惯性坐标系下vIx、vIy关系:
步骤9:将步骤8中计算出的sl、sr、期望速度vd、期望横摆角速度ωd代入步骤6中的控制律
步骤10:根据步骤9计算出的车辆两侧车轮转速
步骤11:重复执行步骤4至步骤10的动作,最终实现期望速度精确跟踪期望路径。
优选地,根据本发明所述的一种基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法,其中,期望轨迹的位姿qd、期望速度vd以及期望横摆角速度ωd均是由决策层输出的数据。
优选地,根据本发明所述的一种基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法,其中,无人驾驶车辆为两轮或者四轮或者六轮车辆。
优选地,根据本发明所述的一种基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法,其中,无人驾驶车辆为发动机驱动或者电机驱动。
优选地,根据本发明所述的一种基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法,其中,编码器为绝对编码器。
本发明的有益效果是:
1、将无人驾驶车辆的滑转系数、滑移率模型引入无人驾驶车辆的运动学模型,更能够真实、精确地描述和表征无人驾驶车辆实际的运动状态;
2、基于滑转滑移耦合估计建立的无人驾驶车辆运动学模型,由该模型可以求解出滑转系数、滑移率的数学关系表达式,因此,为滑转系数、滑移率的计算提供了模型;
3、提出的基于滑转滑移耦合估计的轨迹跟踪控制方法,根据滑转系数、滑移率的数学表达式和GPS-INS检测得到的数据,再依据无人驾驶车辆决策层给出的期望路径、期望速度和期望横摆角速度信息,可以计算出滑转系数、滑移率的数值,然后反代入到无人驾驶车辆的运动学模型中,补偿和计算出实现轨迹跟踪的车轮转速,达到精确跟踪期望轨迹的目的。
4、本发明提出的基于滑转滑移耦合估计的轨迹跟踪控制方法,时时计算出车辆滑移、车轮滑转的真实情况,提高了无人驾驶车辆路径跟踪的环境适应性,如冰雪、滑湿、松软打滑路面,依然可以精确地跟踪期望路径,因此,该轨迹跟踪控制方法极大地提高无人驾驶车辆在复杂的道路环境下的轨迹跟踪精度。
附图说明:
图1为本发明中的坐标表示示意图;
图2为本发明中的跟踪误差模型示意图;
图3为本发明中的滑移模型示意图;
图4为本发明的控制方框原理图。
具体实施例:
下面结合附图和具体实施例对本发明一种基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法作进一步说明:
本发明中涉及的无人驾驶车辆为独立全驱动,车轮无主动转向自由度,且车体同侧的车轮转速相同的无人驾驶车辆,这种无人驾驶车辆包括GPS-INS组合定位系统、用于采集车轮转速数据的编码器以及向整车控制器发出驱动电机转速的整车控制器。
如图1、图2、图3和图4所示,本发明一种基于滑转滑移耦合估计的无人驾驶车辆路径跟踪控制方法,该方法包括以下步骤:
步骤1:接收无人驾驶车辆决策层规划的期望轨迹与期望轨迹跟踪速度信号,设定初始预瞄距离d,选取期望路径中与车辆距离为预瞄距离d的点作为预瞄点qd,,读取GPS-INS组合定位系统采集的车辆当前状态数据;
步骤2:建立基于无人驾驶车辆车轮滑转、车体滑移的运动学模型:
定义大地惯性坐标系∑I,车体坐标系∑b,
车体在惯性坐标系下的位姿:qI=[xI>I>I]T
车体在车体坐标系下的位姿:qb=[xb>b>b]T
且θI=θb=θ,为车辆航向角,
惯性坐标系与车体坐标系之间的速度转换关系为:
设
则
在车辆坐标系下,定义车身长度方向为纵向x,车身宽度方向为横向y,左车轮的滑转系数为sl,右车轮的滑转系数为sr,车轮半径为r,车体左侧车轮转速ωl,线速度vl,车体右侧车轮转速ωr,线速度vr,车辆纵向速度为vbx,车辆横摆角速度为ω,车轮中心宽度为2L,
整车滑移的滑移系数为i,车辆横向速度为vby,
建立惯性坐标系下,基于滑转滑移的车辆运动学模型:
步骤3:根据基于滑转滑移的车辆运动学模型,求解左车轮的滑转系数sl,右车轮的滑转
系数sr的表达式:
步骤4:建立车辆坐标下的轨迹跟踪误差模型:
即
其中,
步骤5:对跟踪误差模型进行求导,得出跟踪误差状态方程:
步骤6:根据步骤5的轨迹跟踪误差状态方程,采用基于滑转、滑移系数的轨迹跟踪控制的控制律:
其中,v1为右车轮的速度控制输入,v2为左车轮的速度控制输入,
其中控制增益系数k1、k2、k3大于零且有上界;
步骤7:根据步骤6的控制率的输入,控制车辆行驶,然后根据GPS-INS检测并记录的数据得到车辆在惯性坐标系下的当前位姿
步骤8:根据车体坐标系下的vbx、vby与惯性坐标系下vIx、vIy关系:
步骤9:将步骤8中计算出的sl、sr、期望速度vd、期望横摆角速度ωd代入步骤6中的控制律
步骤10:根据步骤9计算出的车辆两侧车轮转速整车控制器将计算到的得到的车轮转速信号发送驱动车轮的执行器并控制车轮以此速度运动;
步骤11:重复执行步骤4至步骤10的动作,最终实现期望速度精确跟踪期望路径。
优选地,在本发明中,期望轨迹的位姿qd、期望速度vd以及期望横摆角速度ωd均是由决策层输出的数据。
优选地,在本发明中,无人驾驶车辆为两轮或者四轮或者六轮车辆。
优选地,在本发明中,无人驾驶车辆为发动机驱动或者电机驱动。
优选地,在本发明中,编码器为绝对编码器。
以上所述的实施例仅仅是对本发明的优选实施例进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
机译: 提升耦合器具有安装支架,该支架具有锁定装置,该锁定装置用于在枢转支架的最大枢转状态下锁定滑架元件,并且滑架元件可通过锁定装置锁定在两个不同的位置
机译: 耦合单元,即干式离合器,一种用于机动车辆的控制方法,涉及通过根据车辆的老化状况和单元的使用行为来估计的置信度来平衡扭矩,以基于其磨损来适应单元的控制。
机译: 污染物例如烟灰,一种用于机动车辆的排放控制方法,包括:基于喷射设定点来估计喷射燃料的量;以及根据喷射燃料量的估计来估计烟灰质量。