[发明专利]一种路径跟随控制系统及控制方法

权利要求书

1.一种路径跟随控制系统，其特征在于，包括：

车载传感器，用以获取行驶环境信息，结合环境模型对传感器信息进行融合，理解和识别行驶环境；

通信网络，用以提供前方道路拥堵情况和周围车辆行驶趋势，路基交通设施发送的路口交通信号灯情况和变化趋势的外部环境信息；

控制器，所述控制器结合预测模型、目标函数和约束条件进行最优化求解，得到当前时刻的最优控制序列，输入到被控平台，被控平台按照当前的控制量进行控制，然后将当前的状态量观测值输入给状态估计器；

状态估计器，用以对无法通过所述车载传感器观测到的状态量进行估计；

路径规划系统，用以在具有障碍物的环境中，按照路径长度最短或者能耗最少的原则，规划一条从起点到目标点的无碰撞路径。

2.根据权利要求1所述的一种路径跟随控制系统的控制方法，其特征在于，包括以下步骤：

利用所述车载传感器，获取无人驾驶车辆的横向位移、纵向位移、横向加速度、纵向加速度、横摆角和横摆角速度，将其作为无人驾驶车辆的状态量，并将无人驾驶车辆的前轮转角作为其控制量；

设置所述控制器；

所述通信网络获取的前方道路拥堵情况、周围车辆行驶趋势和路基交通设施发送的路口交通信号灯情况和变化趋势的外部环境信息，规划出一条可行使的路径；

通过所述车载传感器检测出无人驾驶车辆的瞬时状态信息，将检测到的状态信息输入到所述控制器中，所述控制器通过控制无人驾驶车辆的前轮转角来控制无人驾驶车辆直行还是转弯，控制跟随所规划的路径。

3.根据权利要求2所述的一种路径跟随控制方法，其特征在于，设置所述控制器的步骤包括：

无人驾驶车辆在任意时刻的状态量与其在某一时刻的状态量及控制量有关，将其表示为：

ζ_r＝f(ζ_r,u_r) (1)

其中，ζ_r为系统在r时刻的状态量，u_r为系统在r时刻的控制量；

利用泰勒公式得到：

其中，ζ为系统在当前时刻的状态量，u为系统在当前时刻的控制量；

利用(2)式减去(1)式，得到：

将(3)式变形为x(k+1)＝Ax(k)+Bu(k)的形式，假设可以得到：

ξ(k+1|t)＝[A B]ξ(k|t)+BΔu(k|t) (4)

假设系统的预测时域为N_p，控制时域为N_c，则预测时域内的状态量和系统输出量可以利用下式计算：

设置目标函数保证无人驾驶车辆快速且平稳地跟随期望轨迹，加入对系统状态量的偏差和控制量的优化，并通过此性能指标的最优来确定控制作用，反复在线优化：

其中，Q为状态量误差的权重矩阵，R为控制量误差的权重矩阵，ρ为权重系数，ε为松弛因子；

将优化目标调整为：

J(ξ(t),u(t-1),Δu(t))＝[Δu(t),ε]^TH_t[Δu(t)^T,ε]+G_t[Δu(t)^T,ε]+P_t (7)

其中：

G_t＝[2E(t)^TQΘ_t 0]，P_t＝E(t)^TQE(t)；

其中，E(t)为预测时域内的跟踪误差；

将每一步的带约束优化求解问题转化为求解如下的二次规划问题：

min[Δu(t)^T,ε]H_t[Δu(t)^T,ε]+G_t[Δu(t)^T,ε] (8)

Δu_min≤u(k)≤Δu_max (10)

Y_min-ε≤ψ_tξ(t|t)+Θ_tΔu(t)≤Y_max+ε (11)

其中，Y_min和Y_max为软约束输出极限值；

求解上述的二次规划问题便可以得到控制时域内的控制增量；

在每个控制周期内完成求解后，得到了控制时域内的一系列控制输入增量和松弛因子

将该控制序列中第一个元素作为实际的控制输入增量作用于系统，即:

进入下一个控制周期后，重复上述过程，如此循环实现对期望轨迹的跟随控制。