[发明专利]一种基于模型预测控制的无人车避障方法

权利要求书

1.一种基于模型预测控制的无人车避障方法，其特征在于，包括以下步骤：

1)建立无人驾驶车辆的动力学模型，描述无人驾驶车辆动力学特征，无人驾驶车辆的动力学模型为：

u＝δ_f

其中，x为状态向量，u为输入向量，为车身坐标系下的横向速度，为车身坐标系下的纵向速度，为横摆角，为横摆角速度，为全局坐标系下的横向速度，为全局坐标系下的纵向速度，δ_f为前轮转角，a为质心到前轴的距离，b为质心到后轴的距离，C_cf为轮胎前轮侧偏刚度、C_cr为轮胎后轮侧偏刚度，m为车辆总质量，I_z为车辆的转动惯量，为横向加速度，为横摆加速度，X_P与Y_P分别为车辆在全局坐标系下的纵向位置与横向位置；

2)构建模型预测控制最优化问题的代价函数和约束条件：将障碍物威胁函数和关于目标位置的代价函数之和作为模型预测控制最优化问题的代价函数，并将无碰撞条件的合取约束作为约束条件之一，障碍物威胁函数h_o(u(t-1|t),x(t|t),ΔU(t))为：

c_ij＝υξ_jη_jφ(Y_p(t|t),Y_o,j)Y_p(t+i|t)

其中，X_p(t|t)与Y_p(t|t)分别为t时刻全局坐标系下的车辆纵向位置与横向位置，τ、κ、X_ellipsoid、Y_ellipsoid与υ均为常数，Y_p(t+i|t)为第i个预测时域的车辆横向坐标，X_o,j与Y_o,j分别为第j个障碍物的纵向与横向坐标，N_p为预测时域的长度，N_o为障碍物的个数，u(t-1|t)为上一时刻的系统输入，x(t|t)为当前时刻的系统状态，ΔU(t)为当前时刻的控制增量，ε为一大于零且与障碍物大小相关的常数；

所述的无碰撞条件为：

其中，Z_v为包含定义车身约束的编序的集合，Z_p为包含预测时域序列的集合；Z_o为包含障碍物序列的集合，i、j和k分别为集合Z_p、Z_o和Z_v的元素，s、f_k、b_k均为中间变量，x_j为第j个障碍物的位置，x(t+i|t)为在t时刻第i个预测时域的车辆状态，w为车辆宽度，lh与lt分别表示车头与车尾到质心的纵向距离，X_o,j与Y_o,j分别为障碍物在全局坐标系下的横向位置与纵向位置；

模型预测控制的代价函数为：

minJ((ΔU,x(t|t),u(t-1|t))＝h(ΔU,x(t|t),u(t-1|t))+h_o(ΔU,x(t|t),u(t-1|t)))

其中，h(ΔU,x(t|t),u(t-1|t))为关于目标位置的代价函数，h_o(ΔU,x(t|t),u(t-1|t)为障碍物威胁函数，x_goal为目标位置，Q和R均为权重矩阵，Nc为控制时域的长度；

约束条件为：

x(t+i+1|t)＝Ax(t+i|t)+Bu(t+i|t)+d(t+i|t),i＝0,1,...N_p-1

u(t+i|t)＝u(t+i-1|t)+Δu(t+i|t),i＝0,1,...N_c-1

ΔU(t)＝[Δu(t|t),Δu(t+1|t),…Δu(t+N_c-1|t)]^T

ρ_i,j,k∈{0,1},i∈Z_p,j∈Z_o,k∈Z_v

其中，t为时间，x(t+i|t)为在t时刻第i个预测时域的车辆状态，为在t时刻第i个预测时域的控制输入，为在t时刻第i个预测时域的控制增量，A、B和d表示状态空间矩阵，M为一足够大的常数，ρ_i,j,k为0-1变量；

3)求解模型预测控制最优化问题，获取无人车避障的最优路径。