基于无偏移模型预测的车辆控制方法、控制器及存储介质

技术领域

本发明涉及控制系统技术领域，尤其涉及一种基于无偏移模型预测的车辆控制方法、控制器及存储介质。

背景技术

近年来，汽车自动驾驶技术发展迅速，这归功于实时优化技术和嵌入式部署技术的快速成熟和广泛应用。 基于优化技术的模型预测控制（MPC）和最优控制在汽车自动驾驶的运动控制中起着举足轻重的作用。

目前的车辆控制方法有些只考虑了横向控制，忽略了纵向控制；有些考虑了横纵向的耦合控制，但是没有考虑到纵向控制的干扰误差。

然而，纵向控制的干扰误差会引起较大的稳态误差，从而降低车辆控制系统的动态性能。

发明内容

本发明提供了一种基于无偏移模型预测的车辆控制方法、控制器及存储介质，可以降低状态反馈误差信号的噪声，消除模型失配和外界干扰引起的稳态误差，提高控制系统的动态性能。

根据本发明的一方面，提供了一种基于无偏移模型预测的车辆控制方法，包括：获取车辆状态信息和目标轨迹信息，根据车辆状态信息获取可测量的干扰量，并基于无迹卡尔曼滤波器算法获取车辆状态量和不可测量的干扰量；根据车辆动力学模型和车辆状态量，引入横向和纵向加速度的松弛因子获取状态参考和控制参考；以车辆的前轮转角和车辆速度为控制量建立控制目标函数，并设置控制量和控制量增量的约束条件，在约束条件下，采用状态参考和控制参考对目标函数进行求解，计算出最优控制量，发送给被控车辆执行量，其中，松弛因子用于增加约束条件的对系统的稳定性。

可选的，获取车辆状态信息和目标轨迹信息，根据车辆状态信息获取可测量的干扰量，并基于无迹卡尔曼滤波器算法获取车辆状态量和不可测量的干扰量，包括：采用增广状态方程来观察扰动，获取车辆状态量和不可测量的干扰量；其中，车辆状态量和不可测量的干扰量作为增广状态方程的增广状态，控制量和可测量的干扰量作为增广状态方程的增广控制变量。

可选的，采用增广状态方程来观察扰动，获取车辆状态量和不可测量的干扰量，包括：

；

其中，

；

其中，

；

为横向速度，/>

；

其中，

；

表示车辆质心到前轴的距离，/>

；

是车辆航向角的一阶导数，/>

，/>

表示不可测量的纵向加速度扰动的一阶导数；/>

可选的，根据车辆动力学模型和车辆状态量，引入横向和纵向加速度的松弛因子获取状态参考和控制参考，包括：引入横向和纵向加速度的松弛因子λ，将纵向加速度扰动乘以松弛因子λ，将横向参考加速度乘以松弛因子λ，基于车辆动力学模型计算出参考轮胎侧向力，其中，λ∈(0,1]；根据参考轮胎侧向力和轮胎横向逆动力学模型得到前轮转角参考。

可选的，将纵向加速度扰动乘以松弛因子λ，将横向参考加速度乘以松弛因子λ，将基于车辆动力学模型计算出参考轮胎侧向力，包括：

；

；

；

其中，

由于车辆处于稳定状态，因此只考虑横向约束，

，/>

是额定摩擦力，/>

，用于判断车辆是向心运动还是离心运动；

其中，

；

；

其中，

引入松弛因子λ计算出参考轮胎侧向力后，利用轮胎横向动力学模型可得到前轮侧偏角和后轮侧偏角，前轮侧偏角和后轮侧偏角满足如下关系，

；

其中

；

；

其中，

车辆航向角误差的参考值为：

可选的，转向系统的动力学模型：

；

，/>

；

其中，

可选的，控制量

可选的，目标函数为

根据本发明的另一方面，提供了一种基于无偏移模型预测的车辆控制器，包括：无迹卡尔曼滤波器，用于获取车辆状态量和不可测量的干扰量；非线性参考值生成器，用于根据车辆动力学模型和车辆状态量，引入横向和纵向加速度的松弛因子获取状态参考和控制参考；无偏非线性MPC求解器，用于在约束条件下，采用状态参考和控制参考对目标函数进行求解，计算出最优控制量。

根据本发明的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的无偏移模型预测的车辆控制方法。

本发明实施例的技术方案，通过获取车辆状态信息和目标轨迹信息，根据车辆状态信息获取可测量的干扰量，基于无迹卡尔曼滤波器算法获取车辆状态量和不可测量的干扰量；根据车辆动力学模型和车辆状态量，引入横向和纵向加速度的松弛因子获取状态参考和控制参考；以车辆的前轮转角和车辆速度为控制量建立控制目标函数，在约束条件下，采用状态参考和控制参考对目标函数进行求解，计算出最优控制量，发送给被控车辆执行量，使用无迹卡尔曼滤波器观测车辆状态量和不可测量的干扰量，降低了状态反馈误差信号的噪声，消除了模型失配和外界干扰引起的稳态误差，提高了系统的动态性能。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于无偏移模型预测的车辆控制方法的流程图；

图2是本发明实施例提供的又一种基于无偏移模型预测的车辆控制方法的流程图；

图3是本发明实施例提供的一种基于无偏移模型预测的车辆控制器的原理示意图；

图4是本发明实施例提供的一种无偏移模型预测的车辆控制系统的原理示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1是本发明实施例提供的一种基于无偏移模型预测的车辆控制方法的流程图，本实施例可适用于自动驾驶的情况，该方法可以由无偏移模型预测车辆控制器来执行，该无偏移模型预测车辆控制器可以采用硬件和/或软件的形式实现，该无偏移模型预测车辆控制器可配置于车辆中。

如图1所示，该方法包括：

S101、获取车辆状态信息和目标轨迹信息，根据车辆状态信息获取可测量的干扰量，并基于无迹卡尔曼滤波器算法获取车辆状态量和不可测量的干扰量。

其中，车辆状态信息包括但不限于制动系统反馈信号、转向系统反馈信号、驱动系统反馈信号和融合定位信号。其中，制动系统反馈信号、转向系统反馈信号和驱动系统反馈信号可以由自动驾驶车辆底盘提供，融合定位信息通常可以由自动驾驶感知定位模块提供。

目标轨迹信息包括但不限于车辆目标轨迹点坐标值、目标航向角、目标轨迹曲率、目标速度和目标加速度。

其中，干扰量包括可测量的干扰量和不可测量的干扰量。无迹卡尔曼滤波器基于扰动在稳态下是恒定的假设，用于观察车辆状态量和不可测量的干扰量。可测量的干扰量和不可测量的干扰量包括参考曲率、参考加速度、纵向加速度扰动、横向加速度扰动和横摆角速度扰动。

车辆状态量包括但不限于纵向速度误差、横向跟随误差、车辆航向角误差、横向速度和横摆角速度。

S102、根据车辆动力学模型和车辆状态量，引入横向和纵向加速度的松弛因子获取状态参考和控制参考。

其中，车辆动力学模型包括但不限于横向动力学模型、纵向动力学模型、转向系统的动力学模型。

在建立车车辆动力学模型时，不能完全的将轮胎的极限条件应用到构建车辆动力学模型上，因此需要乘以松弛因子。换句话说，松弛因子即为安全系数，确保获取状态参考和控制参考的过程中不破坏稳定性的约束条件。

状态参考包括但不限于纵向速度误差参考、横向跟随误差参考、车辆航向角误差参考、横向速度和横摆角速度参考。

控制参考包括但不限于前轮转角参考值和整车加速度参考值。

S103、以车辆的前轮转角和车辆速度为控制量建立控制目标函数，并设置控制量和控制量增量的约束条件，在约束条件下，采用状态参考和控制参考对目标函数进行求解，计算出最优控制量，发送给被控车辆执行量。

控制量包括但不限于车辆的前轮转角和整车加速度，控制增量包括但不限于前轮的转向率。

车辆速度为车辆的纵向速度。以车辆的前轮转角和纵向速度为控制量建立控制目标函数，目标函数的决策量包括但不限于车辆状态量、控制量、可观测的干扰量和不可观测的干扰量，以车辆前轮转向率增量和整车加速度为约束条件，构建车辆跟踪模型；采用模型预测控制方法根据状态参考和控制参考对车辆跟踪模型求解，得到当前时刻车辆跟踪的最优控制量；最优控制量为车辆在控制时域内每一时刻的车辆前轮转角和纵向速度；将最优控制量中当前时刻的车辆前轮转角和纵向速度确定为下一时刻的输入，实现车辆的路径跟踪。

本发明实施例的技术方案，通过获取车辆状态信息和目标轨迹信息，根据车辆状态信息获取可测量的干扰量，基于无迹卡尔曼滤波器算法获取车辆状态量和不可测量的干扰量；根据车辆动力学模型和车辆状态量，引入横向和纵向加速度的松弛因子获取状态参考和控制参考；以车辆的前轮转角和车辆速度为控制量建立控制目标函数，在约束条件下，采用状态参考和控制参考对目标函数进行求解，计算出最优控制量，发送给被控车辆执行量，使用无迹卡尔曼滤波器观测车辆状态量和不可测量的干扰量，降低了状态反馈误差信号的噪声，消除了模型失配和外界干扰引起的稳态误差，提高了系统的动态性能。

图2是本发明实施例提供的又一种基于无偏移模型预测的车辆控制方法的流程图，基于上述实施方式进一步进行优化与扩展，并可以与上述实施方式中各个可选技术方案结合。

如图2所示，该方法包括：

S201、采用增广状态方程来观察扰动，获取车辆状态量和不可测量的干扰量。

其中，车辆状态量和不可测量的干扰量作为增广状态方程的增广状态，控制量和可测量的干扰量作为增广状态方程的增广控制变量。

采用增广状态方程来观察扰动，获取车辆状态量和不可测量的干扰量，包括：

；

车辆的非线性动力学模型微分方程为：

其中，

；

其中，

；

为横向速度，/>

；

其中，

；

表示车辆质心到前轴的距离，/>

；

是车辆航向角的一阶导数，/>

，/>

表示不可测量的纵向加速度扰动的一阶导数；/>

S202、根据车辆动力学模型和车辆状态量，引入横向和纵向加速度的松弛因子获取状态参考和控制参考。

具体的，使用单轨模型描述车辆动力学模型，主要解决了最常见的前轮驱动和前轮转向配置车辆的运动控制问题。

对于纵向运动，满足以下关系，

其中，

；

；

其中，

和/>

对于横向运动，动力学方程如下，

；

；

其中，

对于横摆运动，可以获得以下结果：

；

；

其中，

转向系统的动力学模型：

；

，/>

；

其中，

引入横向和纵向加速度的松弛因子λ，将纵向加速度扰动乘以松弛因子λ，将横向参考加速度乘以松弛因子λ，基于车辆动力学模型计算出参考轮胎侧向力，其中，λ∈(0,1]。假设轮胎侧偏角

，/>

车辆侧向力的平衡方程为：

车辆的力矩平衡方程为：

联立车辆侧向力的平衡方程和车辆的力矩平衡方程，可以推到出前轮的参考侧向力和后轮的参考侧向力。

前轮的参考轮胎侧向力为：

后轮的参考轮胎侧向力为：

参考轮胎侧向力为：

其中，

由于车辆处于稳定状态，因此只考虑横向约束，横向约束条件为：

；

；

其中，

引入松弛因子λ计算出参考轮胎侧向力后，对轮胎横向动力学模型进行逆运算可得到前轮侧偏角和后轮侧偏角，

轮胎横向动力学模型

即，

；

基于TMeasy轮胎模型的结果，引入了负载对轮胎刚度的影响：

即，

表示垂向载荷，/>

而且，前轮侧偏角和后轮侧偏角还满足以下关系：

；

其中，

而且由于是前转的车辆，因此没有后轮转向机构，因此后轮转角

；

其中

；

；

其中，

控制量

干扰量

S203、以车辆的前轮转角和车辆速度为控制量建立控制目标函数，并设置控制量和控制量增量的约束条件，在约束条件下，采用状态参考和控制参考对目标函数进行求解，计算出最优控制量，发送给被控车辆执行量，其中，松弛因子用于增加约束条件的对系统的稳定性。

目标函数为

其中，

一般情况下，可测量的干扰量

。

是状态参考，/>

图3是本发明实施例提供的一种基于无偏移模型预测的车辆控制器的原理示意图。如图3所示，该无偏移模型预测车辆控制器100包括：

无迹卡尔曼滤波器101，用于获取车辆状态量

非线性参考值生成器102，用于根据车辆动力学模型和车辆状态量，引入横向和纵向加速度的松弛因子获取状态参考

无偏非线性MPC求解器103，用于在约束条件下，采用状态参考和控制参考对目标函数进行求解，计算出最优控制量

图4是本发明实施例提供的一种无偏移模型预测的车辆控制系统的原理示意图。如图4所示，无偏移模型预测车辆控制器100包括：无迹卡尔曼滤波器101、非线性参考值生成器102和无偏非线性MPC求解器103。

无偏移模型预测车辆控制器100通过经过故障诊断模块200检测的状态输入

故障诊断处理模块200使用信号看门狗处理轨迹输入，对状态反馈量

本发明实施例所提供的无偏移模型预测的车辆控制器可执行本发明任意实施例所提供的基于无偏移模型预测的车辆控制方法，具备执行方法相应的功能模块和有益效果。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现上述任一实施例的基于无偏移模型预测的车辆控制方法。

计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。