[发明专利]基于模型动态重构的智能汽车解耦预测控制器及其控制方法

说明书

本发明公开了基于模型动态重构的智能汽车解耦预测控制器及其控制方法，在智能感知车辆外部环境和自身参数的基础上，首先建立智能汽车三自由度耦合非线性原模型，再构造智能汽车的两个右逆模型，两个右逆模型交替学习进化，将其中一个不执行学习进化功能的右逆模型放置于原模型的左侧，对智能汽车模型进行动态重构，实现模型动态解耦和简化控制，然后根据重新构造得到的新模型中各个子模型及控制要求特征，分别设计模型预测控制器，实现基于模型动态重构的智能汽车解耦预测控制，提高智能汽车的控制性能和智能化水平。本发明结合使用动态逆模型和模型预测控制方法，使用重构的规范化新模型合理设计模型预测控制器，提高智能汽车的控制性能。

技术领域

本发明涉及一种智能汽车控制领域，尤其涉及一种基于模型动态重构的智能汽车解耦预测控制器及其控制方法。

背景技术

智能汽车是基于环境感知技术、智能驾驶技术、无线通信技术和计算机技术的高新科技产品，汽车产业转型升级的过程，将是汽车逐步实现智能化的过程。智能运行状态下的汽车将以安全、环保、节能、舒适等作为综合控制目标，协同构建高效有序的交通运输网络。

现代社会对生活质量的要求越来越高，希望智能汽车能够具有优异的综合控制性能。汽车的动态模型是一个强耦合的非线性时变系统，智能汽车控制是一个存在多变量、强耦合、多干扰的时滞型非线性控制问题。传统的控制算法暂时还没有很好地协调解决控制过程中的参数变化、变量耦合、控制时滞和非线性问题，仿真或试验时多采用简化的线性模型，规避或忽略实际过程中的参数变化、控制时滞和变量耦合特性，导致中低车速时效果很好的控制参数往往在较高车速时控制效果不够理想，适合蛇形路径的控制参数可能并不适合双移线路，控制过程中很难兼顾快速响应特性和乘员的安全性和舒适性等指标。在对车辆内外部环境参数进行有效感知的基础之上，如何对智能汽车模型进行合理的动态重构，解决状态变量之间的强耦合和非线性问题，选用何种控制方法以达到有效抑制多干扰因素，克服参数变化和控制时滞，提高智能汽车的控制性能，是一个急待解决的问题。

发明内容

为解决上述技术问题，本发明提供一种基于模型动态重构的智能汽车解耦预测控制器及其控制方法，在智能感知车辆外部环境和自身参数的基础上，首先建立智能汽车三自由度耦合非线性原模型，再构造智能汽车的两个右逆模型，两个右逆模型交替学习进化，将其中一个不执行学习进化功能的右逆模型以串联方式放置于原模型的左侧，对智能汽车模型进行动态重构，实现模型动态解耦和简化控制，然后根据重新构造得到的新模型中各个子模型及控制要求特征，分别设计模型预测控制器，实现基于模型动态重构的智能汽车解耦预测控制，提高智能汽车的控制性能和智能化水平。

本发明基于模型动态重构的智能汽车解耦预测控制器的技术方案是：包括外部环境感知模块，内部参数测量模块，智能汽车原模型，智能汽车右逆模型一，智能汽车右逆模型二，右逆模型进化监督切换模块，模型预测控制模块。

所述外部环境感知模块用于获取汽车行驶的车道信息、交通标志、附近车辆、行人信息，并将信息传送给模型预测转向控制模块；

所述内部参数测量模块用于获取汽车行驶的横向速度v、纵向速度u、前轮转角δ、轮胎纵向滑移率λ信息，并将信息传送给模型预测控制模块；

所述智能汽车原模型是一个三自由度耦合非线性模型：

所述智能汽车原模型包括的参数有：汽车前轮到质心距离a、后轮到质心距离b、前轮侧偏刚度k₁、后轮侧偏刚度k₂、前轮纵向刚度c₁、后轮纵向刚度c₂、汽车质量m、转动惯量I_z、纵向速度u、横向速度v、横摆角速度ω_r、前轮转角δ、轮胎纵向滑移率λ；

所述智能汽车原模型的输入变量为前轮转角δ、轮胎纵向滑移率λ，控制变量为横向速度v、纵向速度u、横摆角速度ω_r，输出变量为横向速度v、纵向速度u；