新能源汽車與智能網(wǎng)聯(lián)技術(shù) 課件 第6章 智能線控底盤(pán)

新能源汽車與智能網(wǎng)聯(lián)技術(shù)第6章

智能線控底盤(pán)“十四五”時(shí)期國(guó)家重點(diǎn)出版物出版專項(xiàng)規(guī)劃項(xiàng)目新能源與智能網(wǎng)聯(lián)汽車新技術(shù)系列叢書(shū)中國(guó)機(jī)械工業(yè)教育協(xié)會(huì)“十四五”普通高等教育規(guī)劃教材課程負(fù)責(zé)人：靳文瑞譚理剛黃晉wrjin@本章內(nèi)容6.1智能車輛控制6.2PID控制6.3MPC6.4OPC本章內(nèi)容6.1智能車輛控制6.2PID控制6.3MPC6.4OPC6.1車輛智能控制橫向控制智能車輛的分層系統(tǒng)包括感知、決策和控制3個(gè)模塊?？刂颇K將感知到的道路信息和決策層面做出的行為判斷落到實(shí)處,使車輛的行為模式盡量符合預(yù)期,其性能直接影響智能車輛智能行為的執(zhí)行能力。如何使車輛的控制能減少來(lái)自外界環(huán)境和自身動(dòng)力學(xué)參數(shù)變化帶來(lái)的影響,并保持控制系統(tǒng)的快速響應(yīng)能力,是需要重點(diǎn)研究的內(nèi)容。智能車輛的運(yùn)動(dòng)控制主要分為橫向控制和縱向控制。智能車輛路徑跟蹤橫向控制系統(tǒng)是指智能車輛的自動(dòng)轉(zhuǎn)向控制,主要表現(xiàn)為車輛的路徑跟隨。根據(jù)期望路徑和當(dāng)前位置或航向角之間的偏差,通過(guò)直接或間接的方法得到該偏差與轉(zhuǎn)向盤(pán)轉(zhuǎn)角之間的函數(shù)關(guān)系,進(jìn)而控制車輛轉(zhuǎn)向盤(pán)轉(zhuǎn)角來(lái)調(diào)整車輛航向。橫向控制的主要目的是跟蹤道路,使車輛始終沿著期望路徑行駛,同時(shí)保證車輛的行駛安全性和乘坐舒適性。6.1車輛智能控制根據(jù)使用的傳感器不同,道路跟蹤系統(tǒng)分為預(yù)瞄式和非預(yù)瞄式參考系統(tǒng)。道路跟蹤參考系統(tǒng)的控制方法歸納為兩種:①基于車輛當(dāng)前位置與期望路徑之間的橫向偏差(或航向偏差)的反饋控制系統(tǒng);②首先通過(guò)期望路徑產(chǎn)生描述車輛運(yùn)動(dòng)的動(dòng)力學(xué)物理量,然后通過(guò)反饋系統(tǒng)進(jìn)行跟蹤。第1種是以車輛前方或當(dāng)前位置的道路曲率作為輸入,根據(jù)車輛與期望路徑之間的橫向偏差或航向偏差為控制目標(biāo),通過(guò)各種反饋控制方法如參數(shù)空間法、增益調(diào)度法、滑?？刂品椒ǖ?設(shè)計(jì)對(duì)車輛動(dòng)力學(xué)參數(shù)魯棒的反饋控制系統(tǒng)。該方法理論上能得到較高精度的道路跟蹤效果,但必須提前得到前方道路的曲率信息,因此對(duì)于非標(biāo)準(zhǔn)化的道路(如鄉(xiāng)村道路或自然災(zāi)害下的應(yīng)急物流)上的預(yù)瞄參考系來(lái)說(shuō)難以實(shí)現(xiàn)。6.1車輛智能控制第2種是根據(jù)期望路徑通過(guò)車輛運(yùn)動(dòng)學(xué)模型計(jì)算出車輛運(yùn)動(dòng)的物理控制量,如車輛橫擺角速度,然后利用反饋控制對(duì)輸出結(jié)果進(jìn)行跟蹤。該方法的控制器參數(shù)需要在實(shí)際場(chǎng)景下的實(shí)車試驗(yàn)中進(jìn)行調(diào)整。由于智能車輛行駛速度變化較大,控制參數(shù)的調(diào)整較為困難?？v向控制智能車輛速度跟蹤控制系統(tǒng)主要是將期望車速和實(shí)際車速之間的誤差經(jīng)過(guò)計(jì)算得到期望加速度并轉(zhuǎn)化成車輛執(zhí)行系統(tǒng)的控制量。典型的汽車縱向動(dòng)力學(xué)控制系統(tǒng)如圖1所示。圖1典型的汽車縱向動(dòng)力學(xué)控制系統(tǒng)本章內(nèi)容6.1智能車輛控制6.2PID控制6.3MPC6.4OPC6.2PID控制基本原理PID調(diào)節(jié)器及其改進(jìn)型是在工業(yè)過(guò)程控制中最常見(jiàn)的控制器(至今在全球過(guò)程控制中84%仍采用純PID調(diào)節(jié)器,若改進(jìn)型包含在內(nèi)則超過(guò)95%)。它具有結(jié)構(gòu)簡(jiǎn)單、對(duì)模型誤差具有魯棒性及易于操作等優(yōu)點(diǎn)。盡管自1940年以來(lái)許多先進(jìn)控制方法不斷推出,但PID控制器仍被廣泛應(yīng)用于冶金、化工、電力、輕工和機(jī)械等工業(yè)過(guò)程控制中。PID控制的基本方程是：（6-1）式中,e(t)為系統(tǒng)的跟蹤誤差;r(t)為期望輸出值;y(t)為實(shí)際輸出值;KP為比例系數(shù);TI為積分時(shí)間常數(shù);TD為微分時(shí)間常數(shù)。6.2PID控制縱向控制中的PID縱向控制主要表現(xiàn)為車輛的速度跟隨?？刂破魍ㄟ^(guò)將期望車速和實(shí)際車速之間的誤差進(jìn)行計(jì)算輸出期望加速度,并利用建立的車輛縱向動(dòng)力學(xué)逆模型將加速度轉(zhuǎn)化成執(zhí)行機(jī)構(gòu)的控制期望值,使得車輛實(shí)際車速準(zhǔn)確、快速地跟隨期望車速,同時(shí)保證駕駛操作過(guò)程的平順性和乘員的舒適性?？v向控制PID的應(yīng)用形式為位置式PID和增量式PID,相較于PID控制的標(biāo)準(zhǔn)型,實(shí)際車輛控制中需要將包含連續(xù)函數(shù)微分的控制方程轉(zhuǎn)化為離散系統(tǒng)差分方程,并考慮積分項(xiàng)的實(shí)現(xiàn)。位置式PID的數(shù)學(xué)模型為（6-2）6.2PID控制在位置式PID中,各調(diào)節(jié)器結(jié)構(gòu)清晰、作用分明,參數(shù)調(diào)整簡(jiǎn)單明了。因此控制器的設(shè)計(jì)和輸出值的測(cè)試都較為方便。但是為計(jì)算第k拍的輸出值a(k),需要儲(chǔ)存e(0)~e(k)的每一份偏差值,當(dāng)k較大時(shí)會(huì)占用很大的內(nèi)存空間,并且增加計(jì)算所需的時(shí)間。為了解決位置式PID的內(nèi)存占用問(wèn)題,可用增量式數(shù)字PID代替。增量式PID的基本數(shù)學(xué)模型為（6-3）增量式PID的特點(diǎn)是其計(jì)算得到的結(jié)果并不是直接的輸出值,而是對(duì)應(yīng)第k拍時(shí)位置式PID調(diào)節(jié)器在這次的實(shí)際值與上一次的實(shí)際值的差量,輸出結(jié)果a(k)需通過(guò)與上一拍的輸出結(jié)果相加得到對(duì)控制系統(tǒng)的實(shí)際輸出量。6.2PID控制橫向控制中的PID智能汽車的橫向控制主要表現(xiàn)在車輛的路徑跟隨,需要根據(jù)車輛的期望路徑與實(shí)際位置或航向角的偏差值之間的函數(shù)關(guān)系,計(jì)算得到車輛轉(zhuǎn)向盤(pán)偏角,使車輛能夠準(zhǔn)確跟隨期望路徑,同時(shí)考慮過(guò)程的舒適性和穩(wěn)定性。橫向控制PID的應(yīng)用形式與縱向控制類似。

以位置式為例,由比例環(huán)節(jié)、

積分環(huán)節(jié)和微分環(huán)節(jié)共同構(gòu)成的基本方程為：（6-4）σ為車輛轉(zhuǎn)向角;比例環(huán)節(jié)中eP為航距偏離誤差,;微分環(huán)節(jié)中eD為航距偏差率,反映汽車相對(duì)于期望軌跡運(yùn)動(dòng)的垂向速率;積分環(huán)節(jié)中eI為航距偏差和,是過(guò)去航距偏離誤差的累計(jì)。6.2PID控制PID控制中各環(huán)節(jié)的控制增益選擇是決定控制效果的關(guān)鍵。比例增益KP用于調(diào)節(jié)系統(tǒng)控制的強(qiáng)度,其增益值的提高通常能改善控制性能,但在增益值較高且開(kāi)始調(diào)節(jié)位置偏移量較大時(shí)易造成系統(tǒng)失去控制,并且使控制器反復(fù)超調(diào)實(shí)際軌跡而跟隨效果不佳。如果微分增益KD太低,則為欠阻尼,會(huì)導(dǎo)致不斷振蕩;如果微分增益KD過(guò)高,則為過(guò)阻尼,需要很長(zhǎng)的時(shí)間來(lái)校正偏移。如果積分增益KI過(guò)低,則對(duì)于動(dòng)態(tài)變化的響應(yīng)速度需要時(shí)間過(guò)長(zhǎng);如果積分增益KI過(guò)高,則控制器會(huì)不穩(wěn)定,這是因?yàn)檎５目刂破鞑▌?dòng)會(huì)被放大。工業(yè)PID控制車輛速度算法一般會(huì)選擇P+I的形式,即僅采用比例項(xiàng)和積分項(xiàng)而不加入微分項(xiàng)。從頻域響應(yīng)角度來(lái)看,微分環(huán)節(jié)隨著頻率的增加,增益會(huì)變大。因此微分環(huán)節(jié)對(duì)量測(cè)噪聲非常敏感,即微分環(huán)節(jié)會(huì)放大噪聲,而實(shí)際應(yīng)用過(guò)程中噪聲通常較大且難以避免,容易對(duì)輸出結(jié)果產(chǎn)生較大影響。實(shí)際車輛測(cè)試也說(shuō)明比例項(xiàng)和積分項(xiàng)的組合形式已經(jīng)可以很好地控制系統(tǒng)。6.2PID控制PID控制的改進(jìn)設(shè)計(jì)前饋控制前饋控制能夠給轉(zhuǎn)向盤(pán)提供一個(gè)可快速響應(yīng)的控制輸入,通常在控制系統(tǒng)中加入前饋補(bǔ)償用于抑制系統(tǒng)靜差。對(duì)于一般的時(shí)滯系統(tǒng)來(lái)說(shuō),設(shè)定值的變動(dòng)會(huì)產(chǎn)生較大的滯后才能反映在被控變量上,從而產(chǎn)生合理的調(diào)節(jié)。而前饋控制系統(tǒng)是根據(jù)擾動(dòng)或給定值的變化按補(bǔ)償原理來(lái)工作的控制系統(tǒng),其特點(diǎn)是當(dāng)擾動(dòng)產(chǎn)生后,被控變量還未變化以前,根據(jù)擾動(dòng)作用的大小進(jìn)行控制,以補(bǔ)償擾動(dòng)作用對(duì)被控變量的影響,使被控變量不會(huì)因擾動(dòng)作用或給定值變化而產(chǎn)生偏差,它相對(duì)反饋控制能更加及時(shí)地進(jìn)行控制,并且不受系統(tǒng)滯后的影響。前饋控制在PID中較為典型的例子就是車輛遇到有坡度的道路,在PID計(jì)算輸出的扭矩中再加入一個(gè)前饋補(bǔ)償值來(lái)補(bǔ)償斜坡路上車輛的重力分量值。6.2PID控制抗飽和積分一般需要在PID后加上飽和極限和一旦監(jiān)測(cè)到達(dá)到積分上限就使積分項(xiàng)的值自動(dòng)減少的抗飽和積分措施。當(dāng)汽車由于外界因素較長(zhǎng)時(shí)間位于偏差較大的位置時(shí),隨著時(shí)間的增加,每次累積較大的誤差,很容易造成積分飽和并產(chǎn)生較大的過(guò)沖,而且當(dāng)誤差變?yōu)樨?fù)時(shí),其過(guò)沖仍維持一段時(shí)間后才恢復(fù)正常的情形,此時(shí)車輛控制處于較長(zhǎng)時(shí)間的超調(diào)狀態(tài),進(jìn)而造成較長(zhǎng)時(shí)間內(nèi)對(duì)于反向調(diào)節(jié)的反應(yīng)遲緩。（6-5）以定速巡航功能為例,對(duì)司機(jī)設(shè)定的巡航速度值進(jìn)行PI控制,如式(6-5)所示,根據(jù)汽車動(dòng)力學(xué)模型計(jì)算合適的轉(zhuǎn)矩值提供給發(fā)動(dòng)機(jī)。本章內(nèi)容6.1智能車輛控制6.2PID控制6.3MPC6.4OPC6.3MPCMPC概述模型預(yù)測(cè)控制(ModelPredictiveControl,MPC)理論作為一種有較強(qiáng)工業(yè)應(yīng)用背景的優(yōu)化控制算法,具有控制性能好、魯棒性強(qiáng)、有效處理約束等特點(diǎn),因而在石油、化工、電力等領(lǐng)域均有較為廣泛的應(yīng)用。在智能汽車控制中,MPC在處理約束和求解最優(yōu)控制序列方面都有較為明顯的應(yīng)用。模型預(yù)測(cè)控制器也稱作滾動(dòng)時(shí)域控制器,其基本原理是根據(jù)控制系統(tǒng)的動(dòng)力學(xué)模型,考慮系統(tǒng)中各執(zhí)行器的動(dòng)態(tài)特性約束和狀態(tài)特性約束,預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)系統(tǒng)的輸出行為,進(jìn)而求解帶約束的最優(yōu)控制問(wèn)題,從而得到最優(yōu)的控制輸入,使未來(lái)一段時(shí)間內(nèi)的跟蹤誤差最小。MPC的控制流程可以概括為3個(gè)環(huán)節(jié):模型預(yù)測(cè)、滾動(dòng)優(yōu)化和反饋調(diào)節(jié)。模型預(yù)測(cè)環(huán)節(jié)是指根據(jù)系統(tǒng)狀態(tài)方程預(yù)測(cè)系統(tǒng)未來(lái)動(dòng)態(tài)。6.3MPC在MPC算法中,需要一個(gè)描述對(duì)象動(dòng)態(tài)行為的模型,這個(gè)模型的作用是預(yù)測(cè)系統(tǒng)未來(lái)的動(dòng)態(tài),即能夠根據(jù)系統(tǒng)k時(shí)刻的狀態(tài)和控制輸入,預(yù)測(cè)到k+1時(shí)刻的輸出。在這里k時(shí)刻的輸入正是用來(lái)控制系統(tǒng)k+1時(shí)刻的輸出,使其最大限度地接近k+1時(shí)刻的期望值。所以此環(huán)節(jié)強(qiáng)調(diào)的是該模型的預(yù)測(cè)作用,而不是模型的形式圖2MPC的控制系統(tǒng)6.3MPC滾動(dòng)優(yōu)化環(huán)節(jié)中,系統(tǒng)通過(guò)當(dāng)前的測(cè)量信息在線求解一個(gè)有限時(shí)域的開(kāi)環(huán)優(yōu)化問(wèn)題。因?yàn)橥獠扛蓴_和模型失配的影響,系統(tǒng)的預(yù)測(cè)輸出和實(shí)際輸出存在著偏差,如果能測(cè)到這個(gè)偏差,那么能根據(jù)這個(gè)測(cè)量到的偏差值在線求解下一時(shí)刻的控制輸入,即優(yōu)化掉這個(gè)偏差值。若將求解的控制輸出的全部序列作用于系統(tǒng),那么k+1時(shí)刻的測(cè)量值不能影響控制動(dòng)作,也就是說(shuō)測(cè)量值所包括的外部干擾或模型誤差信息得不到有效利用。所以將每個(gè)采樣時(shí)刻的優(yōu)化解的第一個(gè)分量作用于系統(tǒng),在下一個(gè)采樣時(shí)刻,將新個(gè)時(shí)刻的優(yōu)化解的第一個(gè)分量作用于系統(tǒng),這樣重復(fù)至無(wú)窮。因此,預(yù)測(cè)控制不是采用一個(gè)不變的全局優(yōu)化目標(biāo),而是采用時(shí)間向前滾動(dòng)式的有限時(shí)域優(yōu)化策略,這意味著優(yōu)化過(guò)程不是一次離線進(jìn)行的,而是反復(fù)在線進(jìn)行的。6.3MPC反饋調(diào)節(jié)環(huán)節(jié)中,系統(tǒng)將最優(yōu)解序列的第一個(gè)分量,即下一時(shí)刻的最優(yōu)輸入量作用于被控系統(tǒng)。雖然在求解優(yōu)化問(wèn)題中MPC采用的是開(kāi)環(huán)優(yōu)化的方法,但其k+1時(shí)刻的輸出值始終來(lái)源于k時(shí)刻的控制輸出量和狀態(tài)量,并作用于修正系統(tǒng)偏差,因此MPC整體為閉環(huán)控制。MPC在車輛控制中的應(yīng)用智能車輛的軌跡跟隨包括橫向和縱向控制,都可以通過(guò)MPC實(shí)現(xiàn)。以圖3為例,假定汽車從坐標(biāo)原點(diǎn)駛出,期望軌跡和實(shí)際軌跡如圖所示,實(shí)際軌跡為離散取樣點(diǎn)擬合的曲線。針對(duì)每個(gè)取樣點(diǎn),模型預(yù)測(cè)控制器都規(guī)劃了未來(lái)N步的最佳輸入量,預(yù)測(cè)最優(yōu)軌跡如圖3所示。由于車輛本身和路面條件的約束,預(yù)測(cè)的最優(yōu)路徑與實(shí)際路徑始終有差異。圖3MPC縱向控制的應(yīng)用6.3MPCMPC理論模型建立模型預(yù)測(cè)控制器,首先需要建立車輛縱橫向耦合的車輛運(yùn)動(dòng)模型,如圖4所示,包括車輛的動(dòng)力學(xué)模型、轉(zhuǎn)向盤(pán)轉(zhuǎn)角模型和汽車加速度控制模型。根據(jù)建立的物理學(xué)公式,對(duì)車輛的模型和傳感器輸入的參量進(jìn)行離散化后可得到離散化系統(tǒng)模型為：圖4車輛運(yùn)動(dòng)模型（6-6）式中,x(t)為t時(shí)刻的系統(tǒng)預(yù)測(cè)輸出量;y(t)為t時(shí)刻的理論輸出量;u(t)為系統(tǒng)的控制輸入;C為用于最優(yōu)化求解的Hessian矩陣。6.3MPC為了使智能汽車路徑和速度的跟隨過(guò)程中路徑誤差和速度誤差最小,建立如下目標(biāo)函數(shù),即：（6-7）式中,在標(biāo)準(zhǔn)MPC描述里,Δut=[Δut,t,…,Δut+Hc-1,t]表示t時(shí)刻下的優(yōu)化控制輸入,yt+i,t表示t時(shí)刻時(shí)t+i時(shí)刻的預(yù)測(cè)輸出。Hp和Hc分別代表了預(yù)測(cè)步長(zhǎng)和控制步長(zhǎng)。當(dāng)步長(zhǎng)i滿足Hp<i<Hc時(shí),控制輸入為定值,即Δu=0,?i>Hc。Q和R分別代表各部分的權(quán)重系數(shù)矩陣。每一個(gè)步長(zhǎng)之內(nèi),控制器在約束條件下求解式(6-9)所示的優(yōu)化問(wèn)題,根據(jù)前一時(shí)刻的控制輸入ut-1求解得到Δut=[Δut,t,…,Δut+Hc-1,t],并將預(yù)測(cè)的第一個(gè)時(shí)刻的最優(yōu)控制增量Δut,t計(jì)算出最優(yōu)控制輸入u(t)=u(t-1)+Δut,t。（6-8）6.3MPC二次規(guī)劃問(wèn)題模型預(yù)測(cè)控制器的最優(yōu)化求解與最終建立的目標(biāo)函數(shù)有很大關(guān)系,由于上述優(yōu)化問(wèn)題的優(yōu)化目標(biāo)是一個(gè)二次函數(shù),因此可以看成是一個(gè)二次規(guī)劃(QuadraticProgramming,QP)問(wèn)題進(jìn)行求解。（6-9）式(6-9)為二次規(guī)劃的基本型,目標(biāo)是求解函數(shù)q(x)在限制條件下的最小值。設(shè)變量個(gè)數(shù)為n,限制條件數(shù)量m,則c是一個(gè)n維向量,b為一個(gè)m維向量,A為一個(gè)m×n矩陣。G是n×n的Hessian矩陣,G是否正定決定二次規(guī)劃是否為凸二次規(guī)劃。二次規(guī)劃的求解方法有拉格朗日(Lagrange)法、Lemke方法、內(nèi)點(diǎn)法等。具有線性約束的二次規(guī)劃可以在MATLAB中調(diào)用函數(shù)x=quadprog(G,c,A,b,Aeq,Beq)求解。6.3MPC模型預(yù)測(cè)控制器實(shí)現(xiàn)車輛縱向控制自適應(yīng)巡航控制(AdaptiveCruiseControl,ACC)又稱主動(dòng)巡航控制,其在傳統(tǒng)定速巡航控制基礎(chǔ)上結(jié)合了車距保持功能,利用車載雷達(dá)探測(cè)前方行駛環(huán)境,通過(guò)控制節(jié)氣門(mén)和制動(dòng)系統(tǒng)自動(dòng)調(diào)整車速,提高駕駛舒適性和安全性。ACC的基本功能示意圖如圖5所示。圖5ACC的基本功能示意圖6.3MPCACC的基本功能包括速度控制(定速巡航)和距離控制(車距保持)。為了保證行車的安全性,設(shè)定引導(dǎo)車輛和跟隨車輛之間的安全距離Dsafe=Ddef+TgapVego。其中,Ddef和Tgap為設(shè)定的最小距離和時(shí)間間隔,Vego為跟隨車輛的行車速度。當(dāng)跟隨車輛與引導(dǎo)車輛的相對(duì)距離大于該車速時(shí)的安全距離時(shí),跟隨車輛進(jìn)入定速巡航模式,車速保持在巡航速度Vset;當(dāng)跟隨車輛與引導(dǎo)車輛的相對(duì)距離小于該車速時(shí)的安全距離時(shí),車輛進(jìn)入距離控制模式,跟隨車輛依據(jù)兩車的相對(duì)速度和距離制定合適的減速策略,使車輛在保證舒適性和控制性的情況下盡快使相對(duì)距離Drel滿足關(guān)系Drel≥Dsafe。

距離控制根據(jù)行車工況的不同,分為穩(wěn)態(tài)跟車、前車急減速、前車急加速、

旁車切人、

前車切出、

遠(yuǎn)處接近前車、主動(dòng)避撞7種模式。

本章內(nèi)容6.1智能車輛控制6.2PID控制6.3MPC6.4OPC6.4OPC穩(wěn)態(tài)預(yù)瞄動(dòng)態(tài)校正假說(shuō)“預(yù)瞄-跟隨”理論描述了系統(tǒng)中參考未來(lái)輸入信息而進(jìn)行的控制方法,從系統(tǒng)角度來(lái)看此系統(tǒng)可理解為是由預(yù)瞄器和跟隨器兩者串聯(lián)組成的系統(tǒng)。最優(yōu)預(yù)瞄控制(OptimalPreviewControl,OPC)的理論依據(jù)是駕駛?cè)笋{駛車輛過(guò)程中,通過(guò)對(duì)道路前方信息進(jìn)行預(yù)估,使得車輛實(shí)際軌跡與理論軌跡的偏差最小,從而得到一個(gè)最優(yōu)的轉(zhuǎn)向盤(pán)轉(zhuǎn)角輸入。駕駛?cè)朔€(wěn)態(tài)預(yù)瞄動(dòng)態(tài)校正假說(shuō)是在“預(yù)瞄-跟隨”理論的基礎(chǔ)上,針對(duì)汽車動(dòng)力學(xué)控制強(qiáng)非線性的特點(diǎn),同時(shí)借鑒廣義預(yù)測(cè)控制理論的思想而提出的應(yīng)用于駕駛?cè)瞬倏v行為建模的理論。其基本內(nèi)容為:駕駛?cè)送耆闷噭?dòng)力學(xué)穩(wěn)態(tài)響應(yīng)特性進(jìn)行可行預(yù)期軌跡點(diǎn)的預(yù)測(cè),并由此進(jìn)行理想預(yù)期軌跡的決策;而在接下來(lái)的操作校正環(huán)節(jié)中,根據(jù)汽車動(dòng)力學(xué)動(dòng)態(tài)響應(yīng)特性和駕駛?cè)俗陨頊筇匦詫?duì)得到的理想控制量進(jìn)行操作校正控制,從而得到對(duì)汽車的實(shí)際控制輸入量。6.4OPC提出該假說(shuō)主要是為了簡(jiǎn)單、有效且合理地描述駕駛?cè)说能壽E決策行為,即忽略復(fù)雜的汽車動(dòng)力特性的影響,僅根據(jù)汽車運(yùn)動(dòng)學(xué)特性(即汽車當(dāng)前的運(yùn)動(dòng)狀態(tài)和可能的加速度數(shù)據(jù))進(jìn)行軌跡預(yù)測(cè),從而將研究的重點(diǎn)放在理想預(yù)期軌跡點(diǎn)的決策行為上。穩(wěn)態(tài)預(yù)瞄動(dòng)態(tài)校正假說(shuō)實(shí)際就是將汽車運(yùn)動(dòng)學(xué)特性和異常復(fù)雜的動(dòng)力學(xué)特性相互隔離,假想地認(rèn)為基于汽車運(yùn)動(dòng)學(xué)特性進(jìn)行軌跡決策和操作校正。橫向預(yù)瞄誤差模型實(shí)際車輛在行駛過(guò)程中通常以當(dāng)前車輛的運(yùn)動(dòng)狀態(tài)為基礎(chǔ),預(yù)測(cè)汽車行駛至前方某位置時(shí)車輛質(zhì)心與期望路徑道路中心線之間的橫向偏差,該偏差即為橫向預(yù)瞄誤差。在路徑跟蹤時(shí),駕駛?cè)四Ｐ涂刂频哪康臑楦鶕?jù)橫向預(yù)瞄誤差和車輛的運(yùn)動(dòng)狀態(tài)得到汽車的轉(zhuǎn)向盤(pán)轉(zhuǎn)角,進(jìn)而實(shí)現(xiàn)對(duì)目標(biāo)路徑的跟蹤。6.4OPC基于預(yù)瞄的線性二次型調(diào)節(jié)器(Linear

QuadraticRegulator,LQR)控制方法,既能夠綜合考慮前方路徑特征,又不需要在線優(yōu)化求解占用大量計(jì)算資源,具有較強(qiáng)的嵌入式環(huán)境實(shí)車應(yīng)用價(jià)值。LQR的基本原理是,在每一個(gè)控制周期內(nèi),通過(guò)對(duì)采用跟蹤誤差描述的系統(tǒng)進(jìn)行線性化得到線性化模型,并給予該模型優(yōu)化求解一個(gè)線性二次優(yōu)化目標(biāo),獲得最優(yōu)狀態(tài)反饋控制率來(lái)實(shí)現(xiàn)最優(yōu)的軌跡跟隨控制輸入。單點(diǎn)預(yù)瞄追蹤基于最優(yōu)預(yù)瞄理論的路徑跟隨控制問(wèn)題一般包括兩個(gè)部分:一是根據(jù)當(dāng)前的車輛狀態(tài),選擇一個(gè)合理的預(yù)瞄距離,并計(jì)算出預(yù)瞄距離和期望路徑的誤差與轉(zhuǎn)向盤(pán)轉(zhuǎn)角之間的傳遞函數(shù),這部分叫作最優(yōu)預(yù)瞄理論的前饋控制;二是在路徑跟隨的過(guò)程中,計(jì)算車輛的航向角和期望航向角的誤差,并基于車輛航向角的誤差進(jìn)行反饋控制,這部分叫作基于最優(yōu)預(yù)瞄理論的反饋控制。6.4OPC前饋控制中,駕駛?cè)搜刂?dāng)前車輛行駛方向進(jìn)行預(yù)瞄,根據(jù)當(dāng)前車輛狀態(tài),選擇一個(gè)合適的預(yù)瞄距離,然后計(jì)算參考軌跡中離預(yù)瞄點(diǎn)最近的點(diǎn)的距離,該距離稱為預(yù)瞄誤差。為了使車輛實(shí)際行駛的軌跡