[发明专利]一种预测控制的高速自动驾驶汽车轨迹跟踪方法

权利要求书

1.一种基于快速鲁棒模型预测控制的高速自动驾驶汽车轨迹跟踪方法，其特征在于，其包括以下步骤：

步骤一、建立车辆模型

其中，ξ(t)表示t时刻的状态向量，u₁(t)表示t时刻的前轮转角输入向量，u₂(t)表示t时刻的干扰输入向量；A(t)、B(t)、C(t)都为雅可比矩阵，分别为：

C(t)＝[0 0 0 0 0 -v_x]^T，

式中，C_αf表示前轮的轮胎侧偏刚度，C_αr表示后轮的轮胎侧偏刚度，l_f为车辆质心到前轴距离，l_r为车辆质心到后轴的距离，v_x为车辆质心处的纵向速度，m为车辆质量，I_z为车辆绕Z轴的转动惯量；

步骤二、基于车辆模型建立离散的车辆凸多胞体模型ξ：

ξ(t+1)＝A'(t)ξ(t)+B'(t)u₁(t)+C'(t)u₂(t)

其中，u₁(t)为随时间t变化的前轮转向角δ_f，即，u₁＝δ_f，u₂(t)随时间t变化的道路曲率k2，即u₂＝κ2，A₁(t)、B₁(t)、C₁(t)都为随时间t变化的雅可比矩阵，分别为：I为单位矩阵；

步骤三、计算道路曲率k2：

其中，x′＝x_c-x_a，y′＝y_c-y_a，x″＝x_c+x_a-2x_b，y″＝y_c+y_a-2y_b，η＝(x′)²+(y′)²，(x_a,y_a),(x_b,y_b),(x_c,y_c)为道路中每个拟合路段的其中三个插值点；

步骤四、基于车辆凸多胞体模型构建表达轨迹跟踪误差_Δu1(_t)和稳定性约束min的鲁棒性目标函数

|u₁(k+i|k)|≤u_1,max,

|Δu₁(k+i|k)|≤Δu_1,max,

|β(k)|≤β_ss(k),

e_y,min(k)-d_s≤e_y(k)≤e_y,max(k)-d_s,

k＝1,2,…,N_c

其中，χ_p(k+i|k)为控制输出预测值，χ_ref(k+i|k)为控制输出参考值，(k+i|k)表示根据k采样时刻的信息预测k+i时刻的值，Q和R为权重矩阵，N_p为预测时域，N_c为控制时域，ρ为权重系数，ε为权重因子，Δu₁(k)＝u₁(k)-u₁(k-1)；

步骤五、构建离散神经网络模型求解所述目标函数，获得最优控制量，并输入车辆执行；

其中，构建离散神经网络模型求解所述目标函数，包括：

目标函数转化为二次规划问题：

s.t.l⁰≤x_op≤h⁰

l¹≤Wx_op≤h¹，

式中，x_op表示最优求解量，H＝Θ^TQΘ+R，f＝Θ^TQ(Ψξ(k)+ΥU₂-χ_ref)，l和h为稳定性约束条件；W表示状态提取矩阵；

离散神经网络投影方程可表示为：

y(k+1)＝y(k)+μΛ{G_Z[Ny(k)-(Dy(k)+K)]-My(k)}，

x(k)＝[I_n 0_n×n 0_n×m]y(k)，

式中，y(k)是k时的投影方程的平衡点，x(k)是k时的目标函数最优控制量，μ为缩放因子；

I_n和I_m为单位矩阵。