[发明专利]一种基于有限时域鲁棒增益调度的横向运动控制方法

说明书

一种基于有限时域鲁棒增益调度的横向运动控制方法，通过建立带有8个多胞体顶点的LPV模型，相比传统的4顶点和16顶点方法，能够在保证模型精度的同时大幅减小模型计算量，为控制器的计算效率提供了保障。该方法可根据每个滚动有限时域内合理的纵向车速和预瞄距离范围，实时更新得到8个新的多胞体顶点，然后利用线性矩阵不等式的方法求解基于8个新的多胞体顶点的最大最小化优化问题。为进一步减小在线计算量，可以离线求解线性矩阵不等式，获取有限时域内控制增益的数据集，再通过在线综合方法确定最终的实时鲁棒最优控制率。

技术领域

本发明属于智能车辆运动控制技术领域，具体涉及一种基于有限时域鲁棒增益调度的横向运动控制方法。

背景技术

对于自动驾驶车辆的控制策略来说，能否建立能全面反映车辆动力学特性且解算能力适中的模型是实现车辆横向运动控制的前提。然而，作为一种非常复杂的动力学系统，自动驾驶车辆具有强非线性、参数时变性、参数不确定性和易受外界干扰等特点，这些特点使得控制过程中所使用的系统模型与实际被控对象之间，无法规避地存在系统模型失配问题与控制系统弱鲁棒性的缺点。现有的多数控制方法主要依靠反馈校正环节逆向地隐式地补偿模型失配问题，但在建立时变参数模型和设计控制方法环节中，没有考虑模型参数时变性和不确定性的影响，因此大多不能取得良好的控制效果。在某些基于非线性鲁棒控制器的控制策略中，其设计极具挑战性且计算强度大，也不能充分利用车辆在正常驾驶条件下接近线性化的事实。线性参数变化(LPV)理论的思想可根据调度变量的变化自动调整控制器的增益，将强大的线性组合的概念应用到非线性系统中去，在各种实际应用中具有广泛的前景。然而，传统无限时域内鲁棒增益调度控制方法的控制率具有极强的保守性，在某些极限条件下可能不能获得较好的控制精度。因此，如何充分发挥鲁棒增益调度控制方法的优点，减小传统鲁棒控制方法不足对控制精度的影响，是横向运动控制中急需解决的技术问题。

发明内容

针对上述本领域中存在的技术问题，本发明提供了一种基于有限时域鲁棒增益调度的横向运动控制方法，包括以下步骤：

步骤1、针对自动驾驶车辆，考虑纵向车速v_x和预瞄距离D_L作为时变参数、轮胎侧偏刚度作为不确定参数以及轨迹曲率K_L和空气阻力f_w作为外部扰动参数，构建横向二自由度动力学模型；

步骤2、基于轨迹跟踪驾驶员预瞄模型，搭建车辆横向运动学模型，用于计算车辆预瞄点与期望轨迹之间的横向偏差y_L和航向角偏差ε_L；

步骤3、以纵向车速v_x、横摆角速度r、横向偏差y_L以及航向角偏差ε_L作为系统状态变量，前轮转角δ_f作为系统控制输入，横摆角速度r、横向偏差y_L以及航向角偏差ε_L作为控制输出，同时考虑轨迹曲率K_L和空气阻力f_w的外部扰动构建状态空间方程，选定[v_x,1/v_x,D_L]为多胞体变参数，将所述车辆横向动力学模型转换构建为多胞体不确定性LPV模型，以状态空间方程在控制过程中变参数最大和最小边界工作点的排列组合作为多胞体顶点；

步骤4、根据主动安全控制中避免发生侧滑、侧翻并且符合道路相关行车规范的需求，对多胞体顶点进行滚动更新；

步骤5、基于有限时域鲁棒增益调度控制方法，根据实时更新的多胞体顶点，求解使所述多胞体LPV模型稳定的LMI不等式，得到最优方向盘转角；将所述最优方向盘转角的相应指令提供给转向执行机构，利用传感器实时采集的车辆位姿信息传递给控制器，对所述方法闭环动态更新。

进一步地，所述步骤1中构建的横向二自由度动力学模型，具体为以下形式：