[发明专利]一种基于深度高斯车辆动力学模型、训练方法、智能汽车轨迹跟踪控制方法及终端设备

权利要求书

1.一种深度高斯车辆动力学模型，其特征在于，包括：具有延迟输入的多层前馈神经网络、非线性物理模型以及深度高斯模型；所述前馈神经网络接收当前时刻与历史时刻的车辆控制与状态信息，获取下一时刻状态量协方差矩阵，所述非线性物理模型接收当前时刻的车辆控制与状态信息输出下一时刻状态量均值，所述深度高斯模型结合了神经网络模型与车辆动力学物理模型，该模型预测下一时刻车辆动力学状态；

所述前馈神经网络的结构为：第一层为输入层，输入层有10个特征输入，分别是当前时刻的横摆角速度r_t，侧向速度v_y,t，纵向速度v_x,t，前轮转角δ_f,t，前轮纵向力F_x,f,t以及上一个时刻的横摆角速度r_t-1，侧向速度v_y,t-1，纵向速度v_x,t-1，前轮转角δ_f,t-1,前轮纵向力F_x,f,t-1，第二层为FC1全连接网络层，隐藏层设计具有64隐藏单元，第三层为激活层，激活函数选择为Softplus函数，第四层为FC2全连接网络层，隐藏层设计具有64个隐藏单元，第五层为激活层，激活函数选择为Softplus函数，第六层为输出层，设计具有2个神经元，输出为下一时刻横摆速度的方差σ_r,t+1、侧向速度的方差非线性物理模型接收当前时刻的横摆角速度r_t，侧向速度v_y,t，纵向速度v_x,t，前轮转角δ_f，t，前轮纵向力F_x,f,t，输出为下一时刻横摆速度的均值μ_r,t+1、侧向速度的均值

所述非线性物理模型包括单轨模型和轮胎刷子模型；所述单轨模型采用如下微分方程表示：

其中m为车辆质量，v_x和v_y分别为车体坐标系下质心的纵向速度和侧向速度，I_z为车辆绕z轴的转动惯量，l_f和l_r分别为车辆质心到前轴、后轴的距离，F_xf和F_xr分别为作用在前轴和后轴上的轮胎纵向力的合力，F_yf和F_yr分别为作用在车辆前轴和后轴上的轮胎侧向力的合力，r为车辆的横摆角速度，为车辆的横摆速度的一阶导数，为车辆侧向速度的一阶导数，δ_f为前轮转角；

使用刷子轮胎模型对侧向力进行计算，则轮胎模型可由如下公式表示：

其中α为轮胎的侧偏角，C_α为轮胎的侧偏刚度，mμ为轮胎与地面之间的摩擦系数，F_z为轮胎纵向力；

前轮胎侧偏角α_f和后轮胎侧偏角的α_r计算公式为：

前轮垂向力F_zf和后轮垂向力F_zr的计算公式为：

其中h为车辆质心的高度，L为车辆的轴距长度。

2.根据权利要求1所述的的一种深度高斯车辆动力学模型，其特征在于，所述深度高斯模型：通过前馈神经网获得深度高斯模型所需的方差，通过车辆动力学物理模型获取深度高斯模型所需的均值，将车辆动力学状态转移过程建模为深度高斯过程，从而建立深度高斯模型N。