[发明专利]自动汽车引导与轨迹跟踪

说明书

本发明公开了用于自动的类似汽车的地面车辆引导和轨迹跟踪控制的系统、方法和计算机程序产品。多环3DOF轨迹线性化控制器(300)利用非线性轮胎牵引力、非线性拖曳力和致动器动力学向具有非线性刚体动力学(332)的车辆提供引导。控制器(300)可以基于闭环PD‑特征值分配和用于指数稳定性的奇异扰动(时间尺度分离)理论，并且同时控制纵向速度(V_x,sen)和转向角(δ)，以遵循可行的引导轨迹。基于视线的纯追踪引导控制器(502)可以生成3DOF空间轨迹，其被提供给3DOF控制器(300)，以实现目标追踪和路径跟随/轨迹跟踪。所得到的组合可以提供3DOF运动控制系统(500)，其具有用于机动车和类似汽车的移动机器人目标追踪和轨迹跟踪的集成式同时转向和速度控制。

相关申请的交叉引用

本专利申请要求于2016年11月10日递交的申请号为No.62/420，314的美国悬而未决申请的权益和优先权。该专利申请的全部内容通过引用并入本文中。

背景技术

本发明通常涉及类似汽车的地面车辆的自动引导和控制，更具体地说，涉及用于向类似汽车的地面车辆提供转向和电动机控制信号的系统、方法和计算机程序产品。

根据美国国家公路交通安全管理局(NHTSA)，2014年有600万警察报告了高速公路碰撞事故，导致200多万人受伤和32,675人死亡。在这些交通事故中，94％归因于司机错误。据信，自动驾驶或“无人驾驶”汽车将显著减少此类事故。目前，几乎所有的汽车制造商都已经开始研发自动驾驶汽车，并且许多自动驾驶车辆已经过道路测试，甚至许可驾驶人员进行驾驶监督。

运输车辆运动控制可以被分类为路径跟随和轨迹跟踪。路径跟随是指在没有时间限制的情况下穿越规定路径，而轨迹跟踪允许车辆以规定时间穿过路径(中立追踪)，具有以下这样的形式(诸如一排)：以增加公路容量或用于自适应巡航控制(合作追踪)，或者追踪逃避车辆，如追捕逃犯车辆的警车(对抗性追踪)。传统的无人驾驶汽车设计用于路径跟随，并且具有有限的可操作性或实际应用。路径跟随引导通常采用所谓的arc-pure-pursuit算法，该算法不包含速度约束。该设计涉及控制器参数的经验确定，这也可能限制车辆的性能潜力。由于对车辆施加的运动速度的要求，轨迹跟踪已经证明，对于汽车而言比路径跟随更难以控制和引导的问题。

用于汽车的传统自动运动控制器使用用于转向和节气门的单独控制器，这倾向于进一步限制车辆的性能潜力。为了有效地应对类似汽车的地面车辆运动控制的非线性和时变性质，传统系统可以使用所谓的模型预测控制(MPC)技术。MPC使用当前计算的控制器增益、运行在有限的未来时间间隔内车辆运动的模拟。MPC然后根据模拟结果修改车辆模型，执行在线最优控制设计，以获得一组新的增益，使用这些增益来控制车辆到下一个决策时间步骤，并在每个控制决策步骤时重复该过程，通常每秒50至100次。这种控制器的计算量相当密集，但性能有限且缺乏稳定性。

因此，需要用于控制自动驾驶汽车的改进的方法、系统和计算机程序产品。

发明内容

本发明的实施例提供了一种集成的三自由度(3DOF)轨迹线性化轨迹跟踪控制器和用于中立、合作和对抗跟踪操作的纯追踪引导控制器。与顶级认知任务规划器一起，本发明的实施例可以便于完全自动的类似汽车的地面车辆操作。本发明的实施例还可以用作更先进的汽车失控防止和恢复控制器的基线控制器，并且可以适用于任何类似汽车的轮式机器人。

多环3DOF轨迹线性化控制器被配置为利用非线性轮胎牵引力、非线性拖曳力和致动器动力学/动力学特性引导具有非线性刚体动力学/动力学特性的车辆。轨迹线性化控制器可以基于用于指数稳定性的奇异扰动(时间尺度分离)理论，并且同时控制纵向速度和转向角以遵循可行的引导轨迹。这种建模和设计方法通过缩小模型车上的计算机模拟和硬件测试结果得到支持。