没有合适的资源?快使用搜索试试~ 我知道了~
为在嵌入式控制器开发环境下提高智能车辆的路径跟踪精度,采用车辆动力学模型和多点道路预瞄模型,以 预瞄窗口内的跟踪偏差为目标函数,结合 LQR 最优控制原理,提出了一种基于多点预瞄最优控制路径跟踪控制方法。针对实车应用,通过离线计算最优增益的方法,提高算法实时性。在仿真及红旗 H7 实车环境下进行试验,结果显示,该方法在保证跟踪精度的同时具有良好的算法实时性。
资源推荐
资源详情
资源评论
一种新型基于多点预瞄的最优路径跟踪控制方法一种新型基于多点预瞄的最优路径跟踪控制方法
为在嵌入式控制器开发环境下提高智能车辆的路径跟踪精度,采用车辆动力学模型和多点道路预瞄模型,以 预
瞄窗口内的跟踪偏差为目标函数,结合 LQR 最优控制原理,提出了一种基于多点预瞄最优控制路径跟踪控制方
法。针对实车应用,通过离线计算最优增益的方法,提高算法实时性。在仿真及红旗 H7 实车环境下进行试验,
结果显示,该方法在保证跟踪精度的同时具有良好的算法实时性。
1.前言
路径跟踪作为自动驾驶系统中的关键执行层控制技术,是影响智能车辆安全性与舒适性的关键技术[1-3]。常见的路径跟踪方法
按照使用模型不同可分为基于几 何/运动学模型的方法和基于动力学模型的方法,其中 基于几何/运动学模型的方法,通常将
车辆简化为四轮 机器人刚性结构,由于相对简单计算量小,已有较多实 车应用,如名古屋大学的自动驾驶开源项目Autoware
中使用的纯跟踪方法[4]。
基于动力学模型的方法,考虑车 辆轮胎侧偏等动力学特性,通常结合最优控制理论,如线性二次型调节器(LQR)[5]、模型
预测控制(MPC)[6]等。百度的自动驾驶开源项目Apollo 中横向控制器即提供了LQR 和MPC 两种方法[7]。LQR 方法未考虑
预瞄前方目标路径,易出现跟踪偏差较大问题;MPC方法需要消耗大量计算资源,在车辆嵌入式控制器的计算环境中难以实
现。而基于预瞄的LQR控制方法[8],既能够综合考虑前方路径特征,又不需要在线优化求解占用大量计算 资源,具有较强的
嵌入式环境实车应用价值。
因此,本文在文献[8]LQR预瞄控制方法的基础上, 提出了一种新型基于多点预瞄的最优路径跟踪控制方 法,改进了道路模型
中的预瞄偏差计算方式,以及采用 离线计算最优增益的方法,提高了算法的适应性及实时 性,更加适合实车路径跟踪控制应
用。
2.车辆及道路预瞄模型
2.1车辆动力学模型
本文采用的车辆动力学模型如图1 所示,假设车辆是一个在平面内沿一定速度向前行驶的刚体,可通过前轮转角进行横摆旋转
和侧向平移运动。
图1 车辆动力学模型
通过如图1 所示的几何关系,可推导出前后轴的侧偏角αf、αr关系式:
式中,y为车辆横向位置;a、b分别为车辆质心到前后轴的距离;ψ为车辆航向角;u为车辆纵向速度;δsw为转向盘转角;
isteer为转向传动比。
然后由车辆前后轴的侧偏刚度Cf、Cr ,可知前后轴的侧向力Fvf、Fvr:
最后,根据牛顿第二定律进行侧向力和横摆力矩分析即可得到式(5)所示的动力学状态方程。
资源评论
weixin_38639872
- 粉丝: 9
- 资源: 953
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功