[发明专利]一种用于无人驾驶的车辆路径追踪自适应控制方法和系统

权利要求书

1.一种用于无人驾驶的车辆路径追踪自适应控制方法，其特征在于，包括步骤：

(1)建立车辆的Stanley模型：

其中Δu为期望前轮转向角，θ_h为车辆的当前航向角，θ_r为参考路径的角度，d_XTE为当前时刻的横向误差，v为当前时刻的速度，k为当前时刻的增益参数；

(2)根据车辆当前的运行状态，采用改进的蚁群算法计算当前时刻的最优增益参数k^opt；

(3)将当前时刻的最优增益参数k^opt代入车辆的Stanley模型中，得到下一时刻车辆的最优期望转向角，控制车辆运行；判断是否要切换参考点，跳转至步骤2继续下一时刻的控制，直到车辆到达参考路径的终点；

所述步骤(2)包括：

(2.1)根据k的取值范围和精度确定小数位数和整数位数，设整数位数为I，小数位数为J；确定蚂蚁的活动区域为0≤x≤I+J，0≤y≤9约束的矩形区域Area，x,y均为整数；蚂蚁从坐标原点出发爬向x＝I+J的节点为一次迭代，一次迭代包括I+J步，所经过的路径节点依次为Path＝A(1,y₁),A(2,y₂),…,A(I+J,y_I+J)，y_n∈{0,1,…,9}，n＝1,2,…,I+J；

(2.2)初始化蚁群参数：设置蚁群规模M，最大迭代次数I_max，信息素挥发系数ρ，蚂蚁迭代一次释放的信息素总量Q，遗留信息素的重要程度α，启发信息的重要程度β，初始化Area中各节点的信息素τ_x,y(0)＝C；ρ、Q、α、β、C均为常数；当前最优路径节点的纵坐标均为0，即当前迭代次数i＝0，当前爬行步数j＝0；

(2.3)第i次迭代的第j步中，每一只蚂蚁从x＝j的节点爬向x＝j+1的节点；计算x＝j+1的每个节点的信息素能见度

计算第m只蚂蚁从当前节点A(j,y_j)爬向的节点A(j+1,y_n)的转移概率

其中为第i次迭代中节点(j,y_n)处的信息素，m＝1,…,M；

选择转移概率最大的节点为第m只蚂蚁第j步的目的节点A(j+1,y_j+1)；

令j加一，重复步骤2.3，直到j＝I+J，完成一次迭代，记录本次迭代每只蚂蚁的路径节点

(2.4)计算当前迭代的最优增益参数

根据第i次迭代中每只蚂蚁的路径节点计算M个增益参数k的候选值：

其中为当前迭代中第m只蚂蚁所经过的路径上的第j个节点的纵坐标；

根据计算期望前轮转向角的第m个候选值并预测下一时刻车辆的位姿(x',y',θ_h')：

x'＝x+v·T·cosθ_h

y'＝y+v·T·sinθ_h

其中T为采样周期，d_carwidth为车辆轴距；

计算下一时刻的横向误差为车辆位置(x',y')到当前参考点与下一参考点所构成的直线的最短距离；如果当前参考点为参考路径上的最后一个轨迹点，则为车辆位置到当前参考点的距离；

选择的最小值所对应的为当前迭代的最优增益参数对应的蚂蚁路径节点为当前迭代的最优路径节点如果i＝0或更新最优路径各节点的纵坐标为中各节点的纵坐标，并令

(2.5)更新矩形区域Area每个节点的信息素：

τ_xy(i+1)＝(1-ρ)·τ_xy(i)+Δτ_xy

其中，(1-ρ)·τ_xy(i)为挥发之后剩余的信息素，Δτ_xy为本次迭代中，所有经过节点(x,y)的蚂蚁留下的信息素，由下式表示：

(2.6)令i加一，判断是否达到迭代终止条件，如不满足，令j＝0，跳转至步骤2.3进行下一次迭代；

如满足迭代终止条件，将最优路径所对应的增益参数作为当前时刻的最优增益参数k^opt。