[发明专利]自动驾驶纵向控制方法、装置、设备及存储介质

权利要求书

1.一种公交车自动驾驶纵向控制方法，其特征在于，所述方法包括以下步骤：

获取车辆当前时刻的纵向速度以及期望速度，根据当前时刻的纵向速度与期望速度计算当前时刻的纵向速度误差；

设计AFF-ILC控制器，所述AFF-ILC控制器的控制表达式为：

u(i,k)＝u(i-1,k)+α_dΔe(i,k-1)+(α_p+β(i,k))e(i-1,k)

β(i,k)＝β(i-1,k)+qe(i-1,k)²

其中，u(i,k)为本次迭代中车辆当前时刻的牵引/制动力输入量，u(i-1,k)为上一次迭代中车辆当前时刻的牵引/制动力输入量，α_d为微分环节的增益系数，Δe(i,k-1)为本次迭代中车辆上一时刻的纵向速度误差的差分，α_p为比例环节的增益系数，β(i,k)为本次迭代中当前时刻的自适应学习增益，β(i-1,k)为上一次迭代中当前时刻的自适应学习增益，e(i-1,k)＝y_d(k)-y(i-1,k)，e(i-1,k)为上一次迭代中车辆当前时刻的纵向速度误差，y_d(k)为车辆当前时刻的期望速度，y(i-1,k)为上一次迭代中车辆当前时刻的纵向速度，q为误差自适应学习增益；

以上一次迭代中当前时刻的纵向速度误差作为所述AFF-ILC控制器的输入量，利用所述AFF-ILC控制器输出的上一次迭代中当前时刻的牵引/制动力输入量对车辆本次迭代中当前时刻的纵向速度进行控制。

2.根据权利要求1所述的公交车自动驾驶纵向控制方法，其特征在于，所述当前时刻的期望速度y_d(k)的具体表达式为：

其中，T_s为采样时长，k为采样时刻，L为延迟因子。

3.根据权利要求1所述的公交车自动驾驶纵向控制方法，其特征在于，所述AFF-ILC控制器的具体设计过程为：

引入迭代轴i，并定义车辆纵向运动的非线性离散时间动力学方程为：

y(i+1,k)＝f(y(i,k),...,y(i-n_y,k),u(i,k),...,u(i-n_u,k))

其中，y(i,k)为本次迭代中车辆当前时刻的纵向速度，y(i+1,k)为下一次迭代中车辆当前时刻的纵向速度，f(·)为未知的非线性函数，k表示采样时间，n_y和n_u为两个未知的正整数。

构造PD型迭代学习控制器，具体表达式为：

u(i,k)＝u(i-1,k)+α_dΔe(i,k-1)+α_pe(i-1,k)

基于所述PD型迭代学习控制器，引入时域误差反馈项与迭代域误差积分项，在本次迭代中构造所述AFF-ILC控制器。

4.根据权利要求1～3中任一项所述的公交车自动驾驶纵向控制方法，其特征在于，在所述AFF-ILC控制器中增加饱和约束条件，其控制表达式为：

其中，为本次迭代中车辆当前时刻饱和的牵引/制动力输入量，u^*表示牵引力/制动力的最大约束值，u_t^*为车辆最大牵引力，为车辆最大制动力，为β(i,k)的估计值，为的初始值，β^*为的上限，K为控制器运行时间的上限值，q为误差自适应学习增益。

5.根据权利要求1～3中任一项所述的公交车自动驾驶纵向控制方法，其特征在于，所述误差自适应学习增益q的取值数量级取决于车辆的最大总质量；

当车辆最大总质量为1.8×10⁴kg，所述误差自适应学习增益q的取值范围为：1×10^-5～1×10^-9。