[发明专利]一种智能汽车极限工况下路径跟踪与稳定控制方法

说明书

本发明公开了一种智能汽车极限工况下路径跟踪与稳定控制方法，包括纵向控制、横向控制与稳定性控制。纵向控制采取前馈控制和反馈控制，前馈控制根据车辆加速度得出前馈纵向力；反馈纵向控制通过控制滑移率和侧偏角之间的关系得到反馈纵向力；再由前馈纵向力和反馈纵向力得到总的纵向力，再由总的纵向力得到汽车节气门开度和制动主缸压力，从而达到充分利用轮胎附着力的极限工况；横向控制采用自适应模型预测控制；稳定性控制运用博弈控制方法将纵向力与轨迹跟踪控制和横向稳定性控制进行博弈，获取附加横摆力矩和前轮转角、纵向力均衡解，优化弯道运动过程中车辆运动速度和前轮转角。本发明能够提高轨迹跟踪精度的同时提升车辆横向稳定性。

技术领域

本发明属于智能汽车控制领域，特别涉及了一种智能汽车在极限工况下的控制方法。

背景技术

随着计算机信息处理技术进的快速发展，基于高效环境感知的无人驾驶车辆技术迅速提高，其中一个重要目标就是提高无人驾驶车辆的行驶速度，使之在高速条件下具有良好的稳定性和安全性。而在高速行驶状况下，许多交通事故是由于驾驶员无法控制车辆在其摩擦极限下引起的，面向无人驾驶的终极目标，要求智能汽车控制系统在复杂工况条件下，具有精确、高效、可靠的控制能力，保证车辆转向稳定性、行驶安全。传统的控制器无法满足智能车在极限工况下的轨迹跟踪与稳定性的要求。

发明内容

针对上述问题，本发明提出了一种智能汽车在极限工况下的控制方法，在摩擦极限下跟踪路径，控制方法包括纵向控制、横向控制与稳定性控制。在建立参考路径的基础上，纵向控制方面采取前馈和反馈的控制策略，前馈纵向控制根据车辆加速度得出前馈纵向力；反馈纵向控制通过控制滑移率和侧偏角之间的关系得到反馈纵向输入，由反馈纵向输入得到轮胎饱和和不饱和情况的下的反馈纵向力；再由前馈纵向力和反馈纵向力得到总的纵向力，再由总的纵向力得到汽车的节气门开度和制动主缸压力，从而能够达到充分利用轮胎附着力的极限工况。侧偏角和滑移率的关系采用滑动圆来进行表示。此外，若是轮胎并未在极限工况下运行，反馈纵向控制会发出额外的纵向力命令使得车辆充分利用可用摩擦力。横向控制，即路径跟踪控制采用自适应模型预测控制，车速的急剧变化让传统的模型预测控制产生模型失配，所以采用自适应模型预测控制的办法进行横向控制。此外针对极限工况下跟踪精度与横向稳定性差的问题，稳定性控制运用博弈控制方法将纵向力与轨迹跟踪控制和横向稳定性控制进行博弈，获取附加横摆力矩和前轮转角、纵向力均衡解，优化弯道运动过程中车辆运动速度和前轮转角。提高轨迹跟踪精度同时提升车辆横向稳定性。

本发明的有益效果：

1、本发明提出的纵向前馈反馈控制的思想，将智能汽车极限工况下侧偏角与滑移率包含在其中，提高智能汽车在极限工况下的纵向速度跟踪能力；

2、本发明提出的自适应模型预测控制的思想，实时根据当前车速更新车辆状态模型，提高路径跟踪精度；

3、本发明提出的协调博弈的思想，运用博弈控制方法将纵向力与轨迹跟踪控制和横向稳定性控制进行博弈，获取附加横摆力矩和前轮转角、纵向力均衡解，优化弯道运动过程中车辆运动速度和前轮转角。提高轨迹跟踪精度同时提升车辆横向稳定性。

附图说明

图1是控制系统流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

纵向控制

纵向控制器由前馈控制和反馈控制组成。前馈控制根据加速度来决定加速和制动，而反馈控制则根据滑移率与侧偏角等相关参数来调节车速。

通过下式计算出沿路径的期望纵向加速度a_x，U_x为纵向车速，因此，根据牛顿第二定律，沿路径的前馈纵向力F_x,ff可以计算得出：

F_xff=ma_x