[发明专利]一种基于LSSVM的无人驾驶车辆路径跟踪方法

权利要求书

1.一种基于LSSVM的无人驾驶车辆路径跟踪方法，其特征在于，包括以下步骤：

Step1：利用采集的数据进行训练，获得车辆的LSSVM路径跟踪模型；

Step1-1：对无人驾驶车辆输入方向盘转角命令信号o_k，利用无人驾驶车辆的车辆感知模块识别路径与车辆之间的侧向偏差l_k；

采集k时刻的方向盘转角命令信号o_k，采集k时刻与之前M-1个时刻的侧向偏差l_k, l_k-1,…,l_k–M+1，共采集K组数据；

Step1-2：建立车辆的LSSVM路径跟踪模型；车辆的LSSVM路径跟踪模型为：

y_k=w^Tφ(x_k)+bx_k=[o_k, l_k, l_k-1,…,l_k–M+1]（1）

其中，y_k为模型的输出，x_k为模型的输入向量，φ为从输入向量x_k到特征向量的映射函数，w，b为待求参数，求解：

（2）

其中，e=[e₁,e₂,…,e_K]是一个K维误差向量，γ为调节参数，e_k=l_k+1-y_k为模型输出与实测数据之间的误差，k=1,2,…,K，J代表目标函数；

满足约束条件：

l_k=w^Tφ(x_k)+b+e_k（3）

转化为拉格朗日函数：

（4）

其中，α=[α₁,α₂,…, α_K]为一个K维向量，α_k为第k个约束条件的拉格朗日乘子，根据最优性条件得到：

(5)

最终得到LSSVM路径跟踪模型：y_i+1=α_k^*H(x_i,x_k)+ b^*，其中，y_i+1为i+1时刻LSSVM路径跟踪模型的输出结果，x_i为i时刻的测试输入向量，α_k^*和b^*为求解公式（5）得到的解，H为核函数；

令H(x_i,x_k)=x_i^Tx_k，k时刻的状态变量为ε_k=[p_k, p_k-1, p_k-2,…, p_k-M+1]，则以ε_k为状态变量的状态空间形式的LSSVM路径跟踪模型表示为：

ε_k+1=Aε_k+Bu_k+Gδ_k（6）

其中，

（7）

（8）

其中，p_k, p_k-1, p_k-2,…, p_k-M+1为k时刻到k-M+1时刻模型运行得到的车路之间的偏差，ε_k+1为k+1时刻的状态变量，u_k为以ε_k为状态变量的状态空间形式的LSSVM路径跟踪模型在k时刻的输入，δ_k为k时刻扰动项，a1,a2,…,aM为根据公式（7）求得的参数，b1为根据公式（8）求得的参数；

Step1-3：将采集到的K组o_k及_,l_k, l_k-1,…,l_k–M+1输入LSSVM路径跟踪模型进行训练，并利用训练好的LSSVM路径跟踪模型根据输入向量x_k得到预测的输出；

Step2：基于步骤Step1获得的车辆的LSSVM路径跟踪模型，设计最优状态反馈控制器，控制器对信号时延稳定满足执行器的约束。