[发明专利]基于车辆故障信号隔离的路径跟踪控制方法

说明书

本发明涉及无人驾驶汽车路径跟踪的技术领域，尤其涉及一种基于车辆故障信号隔离的路径跟踪控制方法。具体包括以下步骤：S1.建立车辆的动力学模型并将其线性化；S2.构建目标函数，并确定前轮偏角约束、前轮偏角增量约束和轮胎侧向角动态约束，并以此建立模型预测控制器；S3.使用一种将卡尔曼滤波与卡方检验相结合的方法进行故障信号的检测并将其隔离；S4.使用隔离故障信号后的传感器数据进行车辆的路径跟踪控制。本发明优点在于算法结构简单、计算高效，可以较好的使用在无人驾驶车辆的多传感器数据融合中，对车辆的路径跟踪控制有很大的帮助，有较好的应用前景。

技术领域

本发明涉及无人驾驶汽车路径跟踪的技术领域，尤其涉及一种基于车辆故障信号隔离的路径跟踪控制方法。

技术背景

车辆数据的获取与信息处理是实现无人驾驶汽车自主行驶的关键技术之一。其中，获得车辆行驶数据的方法有很多种，为了保证信息的可靠性，往往使用多种传感器相结合的方式，那么如何在多传感器同时获得数据信息的情况下，让所得的信息更加可靠，是实现自动驾驶车辆的必备环节。故障信号的检测和隔离，即根据不同传感器获得的信号信息，再使用各种方法进行故障信号的判断，进而隔离故障信号，使车辆可以获得正确的信息。

目前，国内外许多研究者针对无人驾驶汽车的传感器数据的获取使用了不同的方法，一种常用的方法使基于模型信息的故障识别方法，该方法的性能取决于所使用系统模型的准确性，但由于车辆时高度耦合且复杂的线性系统，因此建立的模型始终具有不确定性。为了更好的检测并隔离故障信号，研究者提出了一些非基于模型的方法与策略来估计非线性系统中的不确定参数，如：模糊逻辑、神经网络、卡尔曼滤波等。虽然将他们用于时变非线性系统时，无法获得令人满意的结果，但是该方法需要较少的计算，并且实时性能也更好，因此仍然广泛用于解决实际的工程问题。

目前的国内外学者已经广泛研究了用于车辆系统的基于模型的故障检测和隔离算法，Chamseddine使用基于四分之一汽车模型的滑模观察器来检测车辆系统中的传感器故障。Bornor和Varrier使用奇偶校验空间方法来检测车辆系统中的传感器故障。在这些基于模型的故障诊断方案中，故障检测算法的稳定性和适用性通常很差，因为没有考虑模型的不确定性，干扰和传感器噪声。此外，很少有学者研究用于自动车辆路径跟踪控制的故障信号检测和隔离算法。

发明内容

本发明提出一种基于车辆故障信号隔离的路径跟踪控制方法，目的在于提高车辆路径的跟踪精度以及跟踪稳定性。

为达到上述技术目的，本发明采用以下技术方案：

一种基于车辆故障信号隔离的路径跟踪控制方法，包括以下步骤：

S1.建立车辆的动力学模型并将其线性化；

S2.构建目标函数，确定车辆的前轮偏角约束、前轮偏角增量约束和轮胎侧向角动态约束，建立模型预测控制器；

S3.将卡尔曼滤波与卡方检验相结合对车辆进行故障信号检测并将检测到的故障信号隔离；

S4.使用隔离故障信号后的传感器数据对车辆的路径进行跟踪控制。

优选的，所述的步骤S1中，建立三自由度的车辆动力学模型，包括车辆的纵向运动，横向运动和偏航角度，表示为：

使用泰勒展开式对该模型进行线性化；