[发明专利]一种智能汽车轨迹跟踪控制方法及系统

说明书

本发明涉及一种智能汽车轨迹跟踪控制方法及系统。该方法包括获取待控制智能汽车的汽车基本参数、在全局坐标下的运动参数以及线性二自由度车辆模型；根据所述汽车基本参数、在全局坐标下的运动参数以及线性二自由度车辆模型构造非线性四自由度车辆模型；根据预测时域内上一时刻的控制量，利用所述非线性四自由度车辆模型确定预测轨迹和预测预测时域内的车辆状态；根据所述预测轨迹以及预测时域内的期望轨迹构建目标函数；根据所述目标函数优化控制时域内的所述控制量；利用优化后的控制量控制待控制智能汽车。本发明提高了智能汽车轨迹跟踪控制的准确性和稳定性，进而提升智能汽车在工作过程中的整体性能。

技术领域

本发明涉及智能汽车控制领域，特别是涉及一种智能汽车轨迹跟踪控制方法及系统。

背景技术

伴随着传感器技术、控制器硬件和5G信息传递等技术的发展，汽车领域的智能化、无人驾驶、智能交通系统等成为了研究发展的趋势和前沿问题。智能汽车能够根据环境自主决策，选择合理的路径和动作，从而整体提升了道路交通效率和交通安全。而对于智能汽车与无人驾驶汽车而言，规划路径跟踪是技术环节中的一大重点问题。其中涉及的技术要点包括：(1)根据当前车辆所处位置与规划所得的期望轨迹进行跟踪控制，实现智能车上层的决策和规划；(2)针对紧急情况即某些较激烈的轨迹规划结果，在严苛工况下整车的合理控制以实现较好的跟踪效果和整车动态。

当下使用的方法中，多采用模型预测控制，利用线性二自由度车辆模型构造线性模型预测控制问题，将前轮转角作为控制量，根据当前车辆全局坐标和航向角、转向角等状态量，预测车辆未来，计算与期望轨迹的偏差值，进行最优控制序列的计算即当前最优前轮转向角变化量，从而实现对车辆侧向和横摆运动的控制；或是采用结合非线性轮胎模型的二自由度车辆模型，构造非线性模型预测控制问题。以上方法在稳定工况和低速工况下能够实现较好的跟踪效果，并且计算模型简单。但当前广泛采用的，针对跟踪控制的车辆动力学模型中，多为将速度视为恒定值，或将速度状态量纳入模型作为中间变量，以获取相关的输出量，但速度变化所引起的各状态量耦合变化并未体现或于模型中进行计算，从而使预测模型精度受到影响，进而影响了模型预测控制的求解，使最优控制序列的获取出现偏差。除此之外，其控制仅针对二维路径的跟踪效果进行了控制，并未考虑整车运动过程中的侧倾和乘员的舒适性。

而在实际道路行驶过程中，智能车辆在遇到突发状况时，往往需要做出紧急避让或其他紧急动作，在这种工况下，车辆纵向速度变化较大且加速度也较大，由于车辆系统本身的非线性会引起状态量之间的耦合作用，因而需要考虑由该作用情况所要求的模型的改变；而对于整车跟踪过程中，该工况下由于会产生较大的侧倾角，使整车载荷分布和轮胎特性等产生较大变化，严重时可能产生侧翻现象，从而对车辆动力学稳定性也造成了较大的影响，同时车辆在较稳定工况下应将乘员舒适性作为控制目标之一进行智能车辆的跟踪控制。

发明内容

本发明的目的是提供一种智能汽车轨迹跟踪控制方法及系统，提高智能汽车轨迹跟踪控制的准确性和稳定性，进而提升智能汽车在工作过程中的整体性能。

为实现上述目的，本发明提供了如下方案：

一种智能汽车轨迹跟踪控制方法，包括：

获取待控制智能汽车的汽车基本参数、在全局坐标下的运动参数以及线性二自由度车辆模型；所述汽车基本参数包括：整车质量、簧上质量以及质心距前后轴的距离；所述全局坐标下的运动参数包括：侧倾轴线、前后轴总侧偏刚度、整车绕x、z轴转动惯量、整车侧倾刚度、整车侧倾阻尼、侧向加速度以及横摆角速度；

根据所述汽车基本参数、在全局坐标下的运动参数以及线性二自由度车辆模型构造非线性四自由度车辆模型；

根据预测时域内上一时刻的控制量，利用所述非线性四自由度车辆模型确定预测轨迹和预测预测时域内的车辆状态；所述控制量包括：前轮转角、纵向加速度以及附加横摆力矩；

根据所述预测轨迹以及预测时域内的期望轨迹构建目标函数；