[发明专利]一种基于机会约束模型预测控制的无人车避障方法

权利要求书

1.一种基于机会约束模型预测控制的无人车避障方法，其特征在于，包括以下步骤：

1)建立无人驾驶车辆的动力学模型，描述无人驾驶车辆动力学特征，无人驾驶车辆的动力学模型为：

u＝δ_f

其中，x为状态向量，u为输入向量，为车身坐标系下的横向速度，为车身坐标系下的纵向速度，为横摆角，为横摆角速度，为全局坐标系下的横向速度，为全局坐标系下的纵向速度，δ_f为前轮转角，a为质心到前轴的距离，b为质心到后轴的距离，C_cf为轮胎前轮侧偏刚度、C_cr为轮胎后轮侧偏刚度，m为车辆总质量，I_z为车辆的转动惯量，为横向加速度，为横摆加速度；

2)构建模型预测控制最优化问题的代价函数和约束条件，关于目标位置的代价函数为：

minE(h(ΔU,x(t|t),u(t-1|t)))

其中，E(·)表示期望，h(ΔU,x(t|t),u(t-1|t))为关于目标位置的代价函数，x_goal为目标位置，Q和R均为权重矩阵，Nc为控制时域的长度，Np为预测时域的长度，ΔU为控制输入的增量向量，x(t|t)为当前时刻的系统状态，u(t-1|t)为上一时刻系统输入，x(t+i|t)为在t时刻第i个预测时域的车辆状态，Δu(t+i|t)为在t时刻第i个预测时域的控制增量；

模型预测控制最优化问题的代价函数为：

其中，J(ΔU,x(t|t),u(t-1|t))为优化指标，μ_i为在第i个预测时域车辆状态信息所服从高斯分布的期望，

约束条件为：

x(t+i+1|t)＝Ax(t+i|t)+Bu(t+i|t)+d(t+i|t),i＝0,1,...N_p-1

x(t|t)～N(μ_t0,Σ_t0)

x_j～N(μ_j,Σ_j)

u(t+i|t)＝u(t+i-1|t)+Δu(t+i|t),i＝0,1,...N_c-1

ΔU(t)＝[Δu(t|t),Δu(t+1|t),…Δu(t+N_c-1|t)]^T

ρ_i,j,k∈{0,1},i∈Z_p,j∈Z_o,k∈Z_v

其中，t为时间，x(t+i|t)为在t时刻第i个预测时域的车辆状态，为在t时刻第i个预测时域的控制输入，为在t时刻第i个预测时域的控制增量，A、B和d为状态空间矩阵，ρ_i,j,k为0-1变量，M为一足够大的正数，Z_v为包含定义车身约束的编序的集合，Z_p为包含预测时域序列的集合，Z_o为包含障碍物序列的集合，i、j和k分别为集合Z_p、Z_o和Z_v的元素，s、f_k、b_k均为中间变量，F^-1(α)表示标准正态分布累积函数的逆函数，α为给定的置信水平，障碍物位置信息x_j的不确定性描述为高斯分布N(μ_j,Σ_j)，Σ_i为在第i个预测时域车辆状态信息所服从高斯分布的协方差，lh与lt分别表示车头与车尾到质心的纵向距离，w表示车辆宽度，μ_t0,Σ_t0为高斯分布N(μ_t0,Σ_t0)的均值和方差，μ_j、Σ_j为高斯分布N(μ_j,Σ_j)的均值和方差，n_Δu为控制输入增量的数目，n_u为控制输入的数目；

3)求解模型预测控制最优化问题，获取无人车避障的最优路径。

2.根据权利要求1所述的一种基于机会约束模型预测控制的无人车避障方法，其特征在于，所述的步骤2)中，将关于目标位置的代价函数作为模型预测控制的代价函数，并将无碰撞机会约束作为约束条件。