[发明专利]基于双层MPC的智能驾驶汽车轨迹规划与跟踪控制方法

说明书

一种基于双层MPC的智能驾驶汽车轨迹规划与跟踪控制方法，属于自动化控制技术领域。本发明的目的是针对智能驾驶汽车驾驶在可能存在局部积雪的偶发性混合路况，设计不仅考虑乘车的舒适性和安全性，又能够处理局部积雪的偶发性问题，扩大规划方法对驾驶场景覆盖的MPC轨迹规划层的基于双层MPC的智能驾驶汽车轨迹规划与跟踪控制方法。本发明首先根据对轨迹规划的需求，建立全局坐标系下的车辆运动学模型；然后，引入轨迹规划问题的代价函数和约束，包括了构建具有防止碰撞功能代价函数、状态偏差跟踪代价函数以及保证驾驶舒适性、安全性约束的避撞换道轨迹规划层。本发明控制性能、安全性和稳定性都得到了提升，更加适合混合路况场景的避撞换道研究。

技术领域

本发明属于自动驾驶轨迹规划与运动控制技术领域。

背景技术

智能驾驶汽车在减少交通事故以及提高出行效率方面有着具有巨大优势，也一直是学术界和产业界的研究热点。当智能驾驶汽车在道路上行驶时，我们期望它们能处理人类日常驾驶挑战，比如智能驾驶汽车在驾驶过程中必须避开可能跑到街上的儿童，或避开动态/静态的障碍，或在遇到结冰表面时安全驾驶。在控制工程中，这个概念被称为自适应性—即当系统或环境参数发生意外变化时，控制器安全运行的能力。目前，国内外有关智能驾驶汽车避撞的研究普遍将轨迹规划与跟踪控制分开单独进行研究，将控制器设计为分层式架构。上层设计轨迹规划算法，是环境感知任务决策与跟踪运动控制模块之间的重要桥梁，用于规划出能够避开障碍物的可行驶的轨迹；下层设计跟踪控制算法，实现对上层规划轨迹的跟踪控制。

针对这种分层式智能驾驶汽车的避障换道轨迹规划与跟踪控制方案，目前存在以下几个方面的问题：

1.目前关于智能驾驶汽车的避撞换道控制技术的研究，通常先是根据当前驾驶环境进行轨迹规划，再对规划的轨迹做跟踪控制的分层式技术框架。传统的方案，先采用多项式等方法对轨迹进行规划，再利用LQR、PID等控制方法实现对轨迹的跟踪，智能驾驶车辆中高速驾驶时，尤其在低附路面容易发生打滑，传统的方案仅利用反馈的补偿控制来调整偏差，这样控制会比较被动，会存在一定的滞后，对偶发性紧急情况的鲁棒性较差。

2.对于自动控制系统来说，偶发性仍然是一个根本性的问题，目前换道轨迹规划方法研究中，较少关注到其功能对驾驶场景的覆盖能力。当车辆在我国北方地区驾驶时，路面可能会存在局部积雪情况，这种偶发性混合路况很容易发生交通事故。

3.对于混合路况中的偶发性紧急路况，不只规划层需要相应的调整动态规划策略，跟踪控制层若不能够充分考虑车辆的动力学特性、车辆轨迹跟踪性能和跟踪平滑性，则当系统或环境参数发生意外变化时，跟踪控制的自适应调整能力就会较差。

发明内容

本发明的目的是针对智能驾驶汽车驾驶在可能存在局部积雪的偶发性混合路况，设计不仅考虑乘车的舒适性和安全性，又能够处理局部积雪的偶发性问题，扩大规划方法对驾驶场景覆盖的MPC轨迹规划层；设计能够对系统或环境参数发生意外变化有很好的自适应能力，实现对上层规划轨迹实时、在线的稳定跟踪的MPC跟踪控制层，综合以上提出的基于双层MPC的智能驾驶汽车轨迹规划与跟踪控制方法。

本发明的步骤是：

首先根据对轨迹规划的需求，建立全局坐标系下的车辆运动学模型；然后，引入轨迹规划问题的代价函数和约束，包括了构建具有防止碰撞功能代价函数、状态偏差跟踪代价函数以及保证驾驶舒适性、安全性约束的避撞换道轨迹规划层：

S1.建立全局坐标系下的车辆的运动学模型

简化汽车运动，建立全局坐标系下的车辆的运动学模型，忽略掉了车辆在垂直方向的运动，给出其二维平面上的运动学方程如下：

其中，a_y代表车辆的侧向加速度，a_x代表车辆纵向加速度，代表车辆的航向角，v_y代表车辆的侧向速度，v_x代表车辆的纵向速度，X、Y代表车辆在全局坐标系下的位置坐标；系统模型可以简化为：