[发明专利]一种车辆横向自适应控制方法

说明书

本发明提供了一种车辆横向自适应控制方法，其利用有限状态机根据车速及状态转移时间间隔，实现了在不同控制算法之间的轮换，由于不同算法能够工作和取得最佳控制效果的速度区间不同，因此这种轮换控制方式足以保证车辆在全速度区间上控制器的稳定；上述LQR‑MPC联合控制算法对应的速度控制区间，一方面利用了MPC的预测作用，一方面利用LQR在各点的线性化避免滚动优化的过长计算耗时，可以取得较好的控制效果，同时减少计算资源的占用。

技术领域

本发明涉及车辆自动驾驶和轨迹追踪领域，尤其是涉及结合多种控制算法混合实现车辆横向自适应控制的方法。

背景技术

车辆的横向控制一般是指在固定的纵向车速下，使车辆稳定追踪所设定的轨迹。当前主流的控制方法有Purepursuit、LQR、MPC、模糊控制以及神经网络控制算法等。一般而言，车辆的纵向控制主要使用自适应巡航控制保持恒定车速，而在车速增大时，往往会导致控制算法失效的情况发生。上述算法中，如Purepursuit算法利用车辆的三自由度线性运动学模型，通过寻找追踪轨迹上的预瞄点，选择前轮转角，从而令未来弧线轨迹经过预瞄点，实现追踪。由于算法的输入量是前轮偏转量而不是偏转变化量，在实际使用中的输入变化非常陡峭时，必须对输入变化速率和输入最大值进行约束。因此Purepursuit算法在高速情况下，控制效果与实际车辆动力学会严重不符，且输入过于陡峭还会使转向轮无法追踪，也容易发生失效。LQR算法利用车辆二自由度线性动力学模型，在每一个状态点计算出反馈矩阵和前馈量，从而生成控制量，但由于LQR算法没有预测功能，当待追踪轨迹曲率过大或者车速过高时，也会偏离轨迹并发生失效。MPC算法利用车辆二自由度线性动力学模型或者非线性动力学模型，能够预测未来一段时间内的轨迹变化，同时对输入控制量和输出量的变化值进行约束，因此控制曲线非常光滑，具有最好的控制效果，但是由于滚动窗口优化对计算机资源消耗大，因此计算时间长。

发明内容

针对上述本领域中所存在的技术问题，本发明提供了一种车辆横向自适应控制方法，结合不同控制算法的优点来克服部分方法容易失效、效率较低的问题，该方法包括以下步骤：

步骤一、测量获取目标车辆的前后悬长度、整车长度、整车质量、质心位置、轮胎参数、轴距以及轮距数据，并在侧向加速度a_y≤0.4g下，利用魔术公式求得车辆前后轮的侧偏刚度C_cf与C_cr和前后轮纵向刚度C_lf，C_lr，其中下标f和r分别表示前后轮；

步骤二、利用步骤一所获取的车辆数据，针对目标车辆分别设置Purepursuit算法的前视距离和前视系数等参数，以及LQR与MPC控制器算法相应的状态转移矩阵，使各算法在各自对应的车速范围内保持稳定；

步骤三、通过车速传感器获取每一控制周期内的车身坐标系下的纵向车速V_x，并记录相邻两次发生从一种算法转换到另一种算法的状态转移触发时间间隔delta_t，以这两个参数的以下阈值条件作为准则切换不同算法来执行横向控制：

若V_x≤10m/s，且delta_t＞2s，则执行Purepursuit算法；

若10m/s＜V_x＜＝16m/s，且delta_t＞2s，则执行LQR算法；

若16m/s＜V_x＜＝20m/s，且delta_t＞2s，则执行LQR-MPC联合算法；

若20m/s＜V_x，且delta_t＞2s，则执行MPC算法。

进一步地，执行Purepursuit算法具体包括以下步骤：

首先根据测得的当前纵向车速与位姿，在行车轨迹上寻找距离当前位置最近的一点作为预瞄点，并确定当前位置至预瞄点之间的预瞄长度：