[发明专利]一种用于无人驾驶的车辆路径追踪自适应控制方法和系统

说明书

本发明公开了一种用于无人驾驶的车辆路径追踪自适应控制方法和系统，其中控制方法包括：1、建立车辆的Stanley模型：2、根据车辆当前的运行状态，采用改进的蚁群算法计算当前时刻的最优增益参数k^opt；3、将当前时刻的最优增益参数k^opt代入车辆的Stanley模型中，得到下一时刻车辆的最优期望转向角，控制车辆运行；判断是否要切换参考点，跳转至步骤2继续下一时刻的控制，直到车辆到达参考路径的终点。该方法能够根据车辆运行状态自适应调整Stanley模型参数，得到最优的轮胎转向角，从而控制车辆精确跟踪参考路径。

技术领域

本发明属于无人驾驶路径追踪控制领域，具体涉及一种在智能车辆自动追踪预设路径时，根据车辆实时运行状态自适应调整控制器模型参数，得到最优的轮胎转向角，从而控制车辆运行的方法和系统。

背景技术

路径追踪是车辆无人驾驶的一项关键技术，目前路径追踪主要有以下几种方法：采用PID控制器，跟踪能力较好，对复杂工况的适应性较差；采用纯追踪算法，跟踪性能和实时性较好，但是需要建立精确的数学模型，而且前视距离不易选取，使其在应用方面受到很大的限制；采用模型预测控制的方法，该方法通过求解带约束的目标函数，预测系统未来时刻的状态，在线滚动优化，使跟踪误差最小，但是其计算较为复杂，对硬件要求较高；采用Stanley算法，该算法的核心是一个非线性反馈横向偏差函数，数学模型比较简单，硬件要求低，实时性好。

然而，目前多数Stanley算法中存在一个问题，当车辆行驶速度发生变化时，需要人为改变增益参数k，否则跟踪误差增大。人为调整参数，增加了操作的不便性，而且所调整的参数不一定是最优参数。针对这一问题，有学者采用马尔可夫决策方法(MDP)在线寻找最优增益参数k，该方法能够实现在线优化Stanley算法，但是较为繁琐。开展在不同行驶速度下，Stanley控制算法自适应优化的研究，对提升车辆路径追踪能力具有重要意义。

发明内容

发明目的：本发明旨在提供一种能够根据车辆运行状态自适应调整Stanley模型参数，得到最优的轮胎转向角，从而控制车辆精确跟踪参考路径的方法。

技术方案：本发明一方面公开了一种用于无人驾驶的车辆路径追踪自适应控制方法，包括：

(1)建立车辆的Stanley模型：

其中△u为期望前轮转向角，θ_h为车辆的当前航向角，θ_r为参考路径的角度，d_XTE为当前时刻的横向误差，v为当前时刻的速度，k为当前时刻的增益参数；

(2)根据车辆当前的运行状态，采用改进的蚁群算法计算当前时刻的最优增益参数k^opt；

(3)将当前时刻的最优增益参数k^opt代入车辆的Stanley模型中，得到下一时刻车辆的最优期望转向角，控制车辆运行；判断是否要切换参考点，跳转至步骤2继续下一时刻的控制，直到车辆到达参考路径的终点。

另一方面，本发明公开了实现上述车辆路径追踪自适应控制方法的控制系统，包括：

车辆Stanley模型建立模块，用于建立车辆的Stanley模型；

车辆最优增益参数计算模块，用于根据车辆当前的运行状态，采用改进的蚁群算法计算当前时刻的最优增益参数k^opt；

车辆期望前轮转向角计算模块，用于根据车辆的Stanley模型和最优增益参数k^opt计算车辆的最优期望转向角；

主控模块，用于根据车辆的最优期望转向角，控制车辆运行，并判断是否要切换参考点，控制车辆最优增益参数计算模块和车辆期望前轮转向角计算模块的启停，直到车辆到达参考路径的终点。