[发明专利]一种智能汽车在变附着系数重复性轨迹下的控制方法

说明书

一种智能汽车在变附着系数重复性轨迹下的控制方法，通过在传统MPC单预测范围的基础上，根据附着系数变化概率改变预测范围，从而提高智能汽车的应急能力。本发明采用迭代学习控制的方法跟踪路径，提高路径的跟踪精度，结合横摆稳定控制器来提高智能汽车的行驶稳定性。本发明的MPC控制器根据环境感知模块提供的信息，预先调用可能出现情况的对应控制策略，其包括相应的预测时域与约束集；在此之后，利用迭代学习控制作为一种确定瞬态驾驶正确转向输入的方法，通过多次迭代来提高跟踪性能，结合横摆稳定控制器来提高智能汽车的行驶稳定性。

技术领域

本发明属于智能汽车控制领域，特别涉及了一种智能汽车在变附着系数重复性轨迹下的控制方法。

背景技术

随着计算机信息处理技术进的快速发展，行驶智能化作为汽车行业发展方向。传统MPC多致力于路径跟踪的精度的提升上，但是在变附着系数路面行驶时往往精度会有所降低，在附着系数变化发生的时候才做出相应反应使得无人驾驶车辆无法准确的跟踪期望路径，这是因为从高附着系数到低附着系数情况下车轮力趋近于饱和，在突发事件发生的情况下转向但轮胎无法提供更多的侧向力，所以车辆在应对突发事件下容易出现失稳现象。所以传统单一预测范围的算法不能解决车辆不同突发事件下的控制需求和控制功能，且传统的控制器只基于一般的物理模型并利用当前误差来控制行驶轨迹，并未充分利用历史信息来提高行驶速度与轨迹跟踪精度。

发明内容

一种智能汽车在变附着系数重复性轨迹下的控制方法，通过在传统MPC单预测范围的基础上，根据附着系数变化概率改变预测范围，从而提高智能汽车的应急能力。本发明采用迭代学习控制的方法跟踪路径，提高路径的跟踪精度，结合横摆稳定控制器来提高智能汽车的行驶稳定性。

一种智能汽车在变附着系数重复性轨迹下的控制方法，包括如下步骤：

步骤1，通过环境感知模块实时采集智能汽车的前方道路信息，并结合感知技术将交通道路信息中的路况突发事件进行实时收集并传递至控制模块供控制器预先调用；

步骤2，以三自由度车辆运动模型为基础，得到车辆平衡方程，通过车身状态量和道路状态量得到动力学模型，然后运用变预测范围模型以及预测控制方法进行控制，将其转换成状态空间形式，得到状态空间方程；同时，对于不同的路面附着系数计算对应的权重和约束，建立性能指标及系统约束；

步骤3，设置迭代学习控制器，在步骤2的动力学模型预测控制完成对应的突发事件的反应后，在给定已完成一圈误差响应的情况下，确定下一圈的学习转向输入，通过迭代学习算法考虑由于车辆速度变化而引起的转向动力学变化；

步骤4，设置稳定性控制器，将稳定性控制与动力学模型预测和迭代学习算法结合，并通过对横纵向及稳定性控制器的输出量进行优化调整，对车辆横摆角速度进行控制以提高车辆的稳定性。

进一步地，所述路况突发事件包括但不限于恶劣天气，路边行人横穿和前车骤停。

进一步地，步骤2中，本发明采用三自由度车辆动力学模型，包括X轴方向的纵向运动、Y轴方向的横向运动和围绕Z轴的转动方向的横摆运动，得到沿X轴、Y轴和绕Z轴的平衡方程：