[发明专利]车辆路径跟踪预测控制器及FPGA异构加速实现方法

摘要

一种车辆路径跟踪预测控制器及FPGA异构加速实现方法，属于控制技术领域。本发明的目的是采用支持向量机学习车辆系统特性，进而建立车辆支持向量机模型，基于模型预测控制实现车辆路径跟踪的控制，最后对控制器进行FPGA异构加速的方法。本发明对选择的三个车辆状态量分别进行支持向量机模型训练，每一个模型训练样本包含六个输入和一个输出，设计车辆路径跟踪预测控制器。本发明能够有效的得到结构简单、包含车辆系统全部信息的面向控制器设计的车辆模型，使控制器满足系统全部工况需求，同时提高车辆路径跟踪预测控制器的计算速度，满足系统实时性要求和低成本的计算、存储需求，同时控制算法在软硬件之间移植方便，大大降低了系统开发难度。

主权项

1.一种车辆路径跟踪预测控制器，其特征在于：其步骤是：一、对选择的三个车辆状态量分别进行支持向量机模型训练，每一个模型训练样本包含六个输入和一个输出，①对三个支持向量机模型分别建立如下训练样本：车辆纵向速度v_x训练样本：车辆侧向速度v_y训练样本：车辆横摆角速度训练样本：②训练完成后得到三个支持向量机模型，分别为：车辆纵向速度v_x支持向量机模型车辆侧向速度v_y支持向量机模型车辆横摆角速度支持向量机模型以车辆纵向速度v_x支持向量机模型进行参数说明，其中n_sv1是支持向量的个数，α_i和为学习得到的权值，b为阈值，K₁(u(i)，u(k))为选择的径向基核函数，表达式为：K₁(u(i),u(k))＝exp(‑γ₁|u(i)‑u(k)|²)γ₁＞0     (7)；二、车辆路径跟踪预测控制器①以车辆纵向速度v_x支持向量机模型为例，在系统的稳态点处对式(4)进行泰勒级数展开，得到v_x支持向量机模型的线性表达式：其中，各个系数的求解公式如下②对模型进一步推导得到增量模型表达式：其中，各个增量表达式如下：同理可以推导得到侧向速度v_y和横摆角速度的增量模型表达式：③车辆的横摆角比较小，假设：假设状态下的侧向控制器使用的状态空间模型为：其中状态变量为车辆侧向速度v_y、横摆角速度和车辆横摆角ψ，控制输入为车辆前轮转角δ，系统输出为车辆在大地坐标系下的侧向速度V_y，在这里将驱动力矩T_t、制动力矩T_b和车辆纵向速度v_x作为扰动项处理，即ω₁；公式(14)中的系数矩阵为：④纵向控制器使用的状态空间模型为：其中状态变量为车辆的纵向速度v_x、侧向速度v_y和横摆角速度控制输入是驱动力矩T_t和制动力矩T_b，系统输出为车辆的纵向速度v_x，在这里将车辆前轮转角δ作为扰动项处理，即ω₂；公式(17)中的系数矩阵为：⑤系统侧向运动特性的p步预测方程：当p＞1时，系数矩阵计算公式如下：⑥系统未来预测模型：其中公式(22)中，ΔU₁(k)，ΔT₁(k)分别为p步的被控预测输出、控制输入和系统扰动，S_x1，S_u1，S_T1，I是相应维数的系统系数矩阵。纵向控制器需要的系统未来预测模型公式(24)中的矩阵结构与侧向控制器的预测模型中的矩阵相同；⑦车辆路径跟踪侧向控制器的目标函数为Γ_u和Γ_y分别是输入项和输出项的加权矩阵；满足系统约束‑0.18rad≤u₁(k+i)≤0.18rad,i＝0,1,…,p‑1,‑0.015rad≤Δu₁(k+i)≤0.015rad,i＝0,1,…,p‑1.             (26)；给定的大地坐标系下车辆的侧向速度Y_r1⑧同理得到车辆路径跟踪控制问题中的纵向控制器的目标函数为其中控制器的给定期望为车辆的纵向速度并且需要满足系统约束纵向控制器的预测时域和控制时域均为10。