[发明专利]一种智能汽车极限工况下轨迹跟踪和稳定性控制方法

说明书

本发明公开了一种极限工况的智能汽车轨迹稳定跟踪控制方法，包括横向控制和稳定性控制，该方法包括以下步骤：采用模型预测控制的方法求解车辆跟踪控制最优转向角，同时，简化三自由度车辆模型为二自由度模型，采用模型预测控制的方法求解车辆稳定性控制最优附加横摆力矩，最后，采用Pareto最优均衡原理对车辆轨迹跟踪控制和横向稳定性控制进行博弈，求解出附加横摆力矩和前轮转角的均衡解，在保证车辆稳定性的前提下提高车辆的跟踪精度。

技术领域

本发明涉及智能汽车技术领域，具体为一种智能汽车极限工况下轨迹跟踪和稳定性控制方法。

背景技术

随着人们对于汽车舒适性和安全性要求的提高，智能驾驶技术成为近几年的研究热点之一。智能驾驶技术包括感知、决策、规划和控制四大模块，而控制模块作为智能驾驶系统的最后一环，扮演着非常重要的角色。其中轨迹跟踪控制又是控制模块的核心内容之一，直接影响着智能汽车的性能。目前关于轨迹跟踪控制方法主要有模型预测控制(ModelPredictive Control，以下简称MPC)、线性二次调节器(Linear Quadratic Regulator，LQR)、比例-积分-微分控制(PID控制)、模糊控制、滑模控制等。其中模型预测控制包含预测模型、反馈矫正以及滚动优化三个方面，相较于其他控制方法，模型预测控制器可以考虑空间状态变量之间的各种约束、可应用于线性和非线性系统并且鲁棒性较好，因此被广泛应用于车辆轨迹跟踪控制中。

在当前的轨迹跟踪控制器设计中，控制目标通常采用固定的权重，难以适应不同工况。目前运动控制领域的相关算法在低速工况中能获得较好的控制效果，但其在极限工况下的车辆轨迹跟踪控制能力和稳定性控制能力却有待提高。

发明内容

本发明的目的在于提供一种智能汽车极限工况下轨迹跟踪和稳定性控制方法，以兼顾在极限工况下车辆的轨迹跟踪控制能力和稳定性控制能力，防止车辆在极限工况下发生失稳、侧翻等情况。

为实现上述目的，本发明提供如下技术方案：一种极限工况的智能汽车轨迹稳定跟踪控制方法，包括横向控制和稳定性控制；所述横向控制和稳定性控制均采用模型预测控制方法，横向控制采用三自由度车辆模型通过二次型指标计算跟踪控制最优转角解，稳定性控制通过模型预测控制方法得到最优附加横摆力矩；通过博弈论对车辆前轮转角和附加横摆力矩进行博弈，求解其Pareto最优解，兼顾车辆跟踪性能和稳定性。

该方法包括以下步骤：

步骤1：建立三自由度车辆动力学模型：

其中，m是整车整备质量，y为车辆坐标系下的纵向位移，l_f，l_r分别是质心到前后轴的距离，为横摆角，是横摆角速度，是横摆角加速度，υ_x，υ_y分别是车辆纵向速度和侧向速度，分别是纵向加速度和横向加速度，F_xf，F_yf是前轮轮胎分解到车辆坐标系的力，F_xr，F_yr是后轮分解到车辆坐标系的力，I_z是车辆绕z轴的转动惯量；

步骤2：建立轮胎模型，定义轮胎模型为：

F_i＝-C_iα_i (2)；

其中，F_i为轮胎纵向力或侧向力，C_i为轮胎前后轮的侧偏刚度，α_i为前后轮胎侧偏角，定义前后轮侧偏角如下：

简化后可得后轮的侧向力表达如下：

步骤3：设计轨迹跟踪MPC控制器，其过程包括如下子步骤：