[发明专利]一种无人车辆极限工况下横纵向耦合控制方法

说明书

本发明公开了一种无人车辆极限工况下横纵向耦合控制方法，该控制方法包括：构建NMPC横纵向耦合控制预测模型、横向NMPC控制模型和纵向PID控制模型；将所述NMPC横纵向耦合控制预测模型及其相应的车辆模型和性能评价指标函数组成第一控制器；将所述横向NMPC控制模型及其相应的车辆模型和性能评价指标函数、结合所述纵向PID控制模型组成第二控制器；在每个控制周期内，根据当前车速和道路曲率判断当前行驶工况，选择所述第一控制器或所述第二控制器对车辆速度及前轮转角进行控制。本发明适用于无人车辆极限工况下的横纵向运动控制。

技术领域

本发明涉及智能车辆横纵向耦合控制技术领域，特别是关于一种无人车辆极限工况下横纵向耦合控制方法。

背景技术

无人驾驶车辆运动控制技术包括纵向和横向控制。现有研究策略大多将纵、横向运动解耦进行独立控制，如基于目标速度的纵向控制，以及仅考虑在恒定车速下的车辆横向控制。这类方法只能保证在简单的道路工况如高速公路或小曲率道路等的轨迹跟踪，而当车辆进行高速过弯时，仅依靠前轮转向容易导致车辆不稳定，甚至导致高速侧翻等危险情况的发生。因此，当面对高速大曲率工况时，要求无人驾驶车辆在入弯后能够自适应地降低车速，通过牺牲一定的纵向控制精度来提高横向控制性能及车辆稳定性，出弯后应能够根据当前期望车速主动提高速度，完成快速稳定的轨迹跟踪。

目前，无人驾驶车辆轨迹跟踪纵横向控制主要分为基于车辆运动学模型和基于车辆动力学模型的控制方法两大类。基于运动学设计的轨迹跟踪纵横向控制算法在低速小曲率道路工况下能保证一定的控制性能，模型简单且参数易调节，但在高速大曲率工况，由于未考虑车辆自身动力学特性的改变，导致控制性能下降而无法满足要求。采用基于复杂车辆动力学模型进行车辆纵横向控制，模型较为精确，充分考虑高速行驶下动力学特性的影响，适用于极限工况下的控制算法设计，但其复杂度较高，实际应用中往往计算耗时大，实时性差。此外由于车辆的实际轨迹跟踪过程是由具有复杂耦合关系的垂直运动系统和水平运动系统协调完成的，单向运动控制不能实现车辆的精确路径跟踪，而上述两类方法均未考虑车辆横、纵向运动的耦合特性对控制性能的影响，在高速过弯等极限工况下可能无法平稳且精确地实现无人驾驶轨迹跟踪控制。

现有技术大多采用模型预测控制等基于优化的方法进行横纵向协调控制，针对横纵向偏差建立代价函数，进而优化求解最优控制量。但是，预测模型及代价函数项中未着重考虑如质心侧偏角、侧向加速度等车辆稳定性因素。尽管也有部分技术通过增加稳定性控制能够满足要求，但所得到的补偿控制量非最优，且在非极限工况下当车辆稳定性影响较小时，未考虑行驶机动性。因此，现有横纵向协调控制缺少同时考虑跟踪误差、车辆稳定性以及行驶机动性的方法。

发明内容

本发明的目的在于提供一种无人车辆极限工况下横纵向耦合控制方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种无人车辆极限工况下横纵向耦合控制方法，该控制方法包括：

构建NMPC横纵向耦合控制预测模型、横向NMPC控制模型和纵向PID控制模型；

将所述NMPC横纵向耦合控制预测模型及其相应的车辆模型和性能评价指标函数组成第一控制器；

将所述横向NMPC控制模型及其相应的车辆模型和性能评价指标函数、结合所述纵向PID控制模型组成第二控制器；

在每个控制周期内，根据当前车速和道路曲率判断当前行驶工况，选择所述第一控制器或所述第二控制器对车辆速度及前轮转角进行控制；

其中，所述横纵向耦合控制预测模型描述为式(3)：

所述横向NMPC控制模型描述为式(4)：

所述纵向PID控制模型描述为式(5)：