[发明专利]一种基于蚁群算法的车辆路径追踪控制方法

摘要

本发明公开了一种基于蚁群算法的车辆路径追踪控制方法，包括步骤：1、建立车辆的运动学模型；2、设计车辆模型预测控制器；3、获取当前时刻车辆的状态，利用蚁群算法求解使目标函数取最小值的控制量增量序列，其第一个元素为当前时刻的最优控制增量；4、根据当前时刻的最优控制增量控制轮胎转向角和车辆行驶速度，控制车辆运行，判断是否需要切换参考点后进入步骤2继续下一个时刻的控制。该方法计算速度快，能够提高车辆路径追踪的实时性。

主权项

1.一种基于蚁群算法的车辆路径追踪控制方法，其特征在于，包括步骤：步骤1、建立车辆的运动学模型，包括如下步骤：(1.1)车辆的坐标与航向角和轮胎转向角之间具有如下的关系：其中x、y分别为车辆在X轴和Y轴的坐标，为车辆航向角，l为车辆的前后轴的轴距，v为车辆的速度，δ为轮胎转向角；分别为车辆在X轴和Y轴的速度，为车辆的转向角速度；(1.2)以为状态量，u＝[δ v]^T为控制量，构建车辆的一般运动学模型：其中，参考轨迹上当前参考点r处运动学模型的一般形式为：(1.3)建立离散化跟踪误差模型，如下：其中，为k时刻的跟踪误差，A_k,t和B_k,t分别为根据当前时刻t预测k时刻状态的状态系数矩阵和控制系数矩阵；T为采样周期，k为离散变量，t为当前采样时刻；步骤2：设计车辆模型预测控制器，包括如下步骤：(2.1)计算系统的预测输出表达式；系统的预测输出表达式为：Y(t)＝Ψ_tX(t|t)+Θ_tΔU(t)   (5)其中，Y(t)为系统预测输出矩阵，Ψ_t为系统状态量预测参数，Θ_t为控制增量序列预测参数，ΔU(t)为控制增量序列，X(t|t)为当前时刻t的状态量；设当前时刻t的状态系数矩阵当前时刻t的控制系数矩阵其中I₂表示2行2列的单位矩阵，I₃表示3行3列的单位矩阵，0_3×2表示3行2列的全0矩阵；则N_c为控制时域，N_p为预测时域；(2.2)根据式(5)的预测模型，目标函数的表达式如下所示：其中，R、Q为权重矩阵，ρ为权重系数，ε为松弛因子，N_c为控制时域，N_p为预测时域，η(t+i|t)为当前时刻t预测t+i时刻的系统输出量，控制增量序列ΔU(t)为待求解的未知量；约束条件为：ΔU_min≤ΔU(t)≤ΔU_max   (7)其中，ΔU_min、ΔU_max分别为控制时域内控制量变化量最小值、最大值的集合；步骤3、获取当前时刻车辆的状态，利用蚁群算法求解使目标函数取最小值的ΔU(t)^*:ΔU(t)^*＝[Δu(t|t)^* Δu(t+1|t)^* … Δu(t+N_c‑1|t)^*]^T， (8)则当前时刻的最优控制增量为Δu(t|t)^*；步骤4、根据当前时刻的最优控制增量Δu(t|t)^*控制轮胎转向角和车辆行驶速度，控制车辆运行，判断是否需要切换参考点r后进入步骤2继续下一个时刻的控制。