[发明专利]一种智能车的路径跟踪方法及系统

说明书

本发明涉及一种智能车的路径跟踪方法及系统。该方法包括：根据车辆动力学特性，获取智能车的车辆横摆角、车辆质心处的横摆角速度、系统总扰动和车辆前轮转角之间的线性模型；将车辆横摆角、车辆质心处的横摆角速度和系统总扰动作为状态观测量，车辆前轮转角作为控制量，对线性模型进行扩张，得到扩张模型；采用扩张状态观测器对系统总扰动进行估计；以目标函数值最小，前轮转角为决策量，前轮转角、前轮转角的增量和车辆横摆角为约束条件，构建车辆跟踪模型；采用模型预测控制方法，求解得到当前时刻车辆跟踪的最优输入序列；将最优输入序列中当前时刻的车辆前轮转角确定为下一时刻的输入，实现智能车的路径跟踪。本发明可以提高路径跟踪效率。

技术领域

本发明涉及智能驾驶领域，特别是涉及一种智能车的路径跟踪方法及系统。

背景技术

智能车作为汽车技术重要的发展方向，利用自身搭载的各种传感器系统实现对外部驾驶环境的全面感知，并通过先进的规划决策控制、多等级的辅助驾驶及自动驾驶技术来实现车辆的智能驾驶甚至是无人驾驶。作为智能车的关键技术之一，智能车的路径跟踪控制的目的是研究如何控制车辆的转向系统，在确保驾驶安全性和乘坐舒适性的前提下，使车辆按照给定的路径行驶。由于复杂多变的驾驶工况，车辆本身高度动态的非线性特性和外部干扰的影响，使得精确的路径跟踪控制充满了挑战性。

目前，用于智能车路径跟踪的方法主要包括传统的PID控制、以线性二次型最优控制(LQR)为代表的基于线性理论的控制方法，以及基于非线性理论的控制方法。其中，典型的非线性理论控制方法有：模型预测控制(Model Predictive Control，MPC)、滑模控制(Sliding Mode Control，SMC)、自抗扰控制(Active Disturbance Rejection Control，ADRC)、智能控制等。其中，MPC作为目前最为有效的处理系统多约束的方法，能够处理智能车在运动过程中的运动学约束、动力学约束、执行机构控制约束等多种形式的约束，成为了研究的热点。

MPC的原理是运用滚动优化并结合反馈校正实现系统最优控制的；由于其需要实时地在线求解序列二次规划问题，因此当系统模型较复杂或者约束条件较多时，其计算速度就很难满足实时控制的需求；然而，系统模型的精确度直接影响了MPC的控制效果，系统模型越精确，势必需要增加了系统模型的复杂度和MPC计算复杂度，进而降低控制系统效率和实效性，同时受限于有限的嵌入式计算资源，使得其工程应用更加困难。

发明内容

本发明的目的是提供一种智能车的路径跟踪方法及系统，以实现对系统的多约束处理和优化控制，从而在确保路径跟踪精度的同时，降低路径跟踪过程的复杂度，提高路径跟踪效率。

为实现上述目的，本发明提供了如下方案：

一种智能车的路径跟踪方法，包括：

根据车辆动力学特性，获取智能车的车辆横摆角、车辆质心处的横摆角速度、系统总扰动和车辆前轮转角之间的线性模型；

将所述车辆横摆角、所述车辆质心处的横摆角速度和系统总扰动作为状态观测量，车辆前轮转角作为控制量，对所述线性模型进行扩张，得到扩张模型；

根据所述扩张模型，采用扩张状态观测器对所述扩张模型中的系统总扰动进行估计，得到当前时刻所述系统总扰动的估计值；

根据所述系统总扰动的估计值，以目标函数值最小，以车辆前轮转角为决策量，以车辆前轮转角、车辆前轮转角的增量和车辆横摆角为约束条件，构建车辆跟踪模型；所述目标函数值为车辆横摆角的跟踪误差和车辆前轮转角变化量之和；

采用模型预测控制方法，对所述车辆跟踪模型求解，得到当前时刻车辆跟踪的最优输入序列；所述最优输入序列为车辆在控制时域内每一时刻的车辆前轮转角；

将所述最优输入序列中当前时刻的车辆前轮转角确定为下一时刻的输入，实现所述智能车的路径跟踪。