本发明无人驾驶汽车控制领域,尤其涉及一种基于l1自适应控制的无人驾驶汽车抗侧风控制系统及控制方法。
背景技术:
无人驾驶汽车搭载先进的车载传感器、控制器和执行器等装置,并融合现代通信与网络技术,实现车与车、路和人等的智能信息交换和共享,具备复杂环境感知、智能决策和协同控制等功能。它能够根据所获得的道路、车辆状态和障碍物信息控制车辆的转向和速度,使得车辆能够安全可靠地在道路上行驶,而无人驾驶车辆在复杂路面(弯道、坡道、非匀质路面等)行驶时相对于匀质水平直线路面行驶更具有挑战性。在水平道路直线行驶时,如果遇到有侧风的情形,会产生气动侧向力,从而影响汽车操纵稳定性,遇到侧风严重时可能会造成翻车事故。
技术实现要素:
本发明为解决侧风影响无人驾驶汽车操纵稳定性的问题,提出一种基于l1自适应控制的无人驾驶汽车抗侧风控制系统及控制方法,提高操纵稳定性,使无人驾驶汽车系统对侧风有良好的抗干扰能力。
为达到上述目的,本发明的技术方案具体是这样实现的:
一种基于l1自适应的无人驾驶汽车抗侧风控制方法,包括以下步骤:
s1:根据包括侧风扰动的车辆系统模型,获得车辆行驶过程中的实际质心侧偏角和横摆角速度;
s2:根据上一时刻前轮转角控制目标值的输出和自适应律估计的参数
s3:根据状态观测器模块得到的质心侧偏角和横摆角速度以及车辆系统模块得到的实际质心侧偏角和横摆角速度之间的估计偏差,通过自适应律模块调整并获得估计状态参数
s4:根据自适应律提供的经调整后的参数
s5:根据初步控制律得到的前轮转角控制信号,通过低通滤波器过滤掉控制信号中的高频信号,得到需要的前轮转角低频信号,即最终控制律;
s6:根据低通滤波器得到的前轮转角信号,将前轮转角控制量发送给转向电机,以使转向电机根据车轮转角控制量向转向柱施加转向力矩完成车辆转向,以此来控制轮胎的侧向力。
进一步地,所述步骤s1又包括以下步骤:
建立侧风影响下的无人驾驶汽车二自由度模型;
在所述二自由度模型的基础上,建立包括侧风扰动的车辆系统模型。
进一步地,所述侧风影响下的无人驾驶汽车的二自由度模型以前轮转角为输入,无人驾驶汽车只作平行于地面的平面运动,忽略左右车轮由于载荷变化而引起的轮胎特性变化,左右转向角相等,假设无人驾驶汽车在水平路面上的行驶速度为v,侧风作用于无人驾驶汽车的车体右侧,风压中心位于质心前e处,动力学方程为:
其中,kf为前轮侧偏刚度;kr为后轮侧偏刚度;β为质心侧偏角;v为汽车行驶速度;a为前轮到质心的距离;b为后轮到质心的距离;ωr为横摆角速度;m为汽车质量;fyω为侧向干扰风;δ为前轮转角;iz为汽车绕z轴的转动惯量;mzω为横摆力矩。
进一步地,所述包括侧风扰动的车辆系统模型为:
其中,x(t)为可观测的系统状态向量,质心侧偏角及横摆角速度;am为huriwitz矩阵;b,c为已知的常数矩阵;ω(t)、θ(t)为未知参数,由状态观测器估计而得;u(t)为控制器的控制律;σ(t)为时变干扰,本发明中指侧风扰动;y(t)为系统的输出;x0为系统状态向量的初始值。
进一步地,所述步骤s2中所述状态观测器模型为
其中,
进一步地,所述步骤s3在时间趋于无穷时,所述车辆系统模型与所述状态观测器具有一致的动力学特性,估计偏差在李雅普诺夫意义下稳定;自适应律环节以所述状态观测器和所述车辆系统模型之间的误差
进一步地,所述估计偏差的状态空间表达式为:
其中,
进一步地得到估计偏差的能量函数为:
其中,
进一步地得到能量函数的导数为:
其中:
进一步地,所述自适应律估计的参数为:
其中,
进一步地,所述步骤s4中的初步控制律的表达式为:
其中,u|t→∞为在时间趋于无穷时控制量的大小;
进一步地,所述步骤s5中的所述最终控制律为:
其中,k为低通滤波器带宽;am为huriwitz矩阵;r为输入值;
本发明另一面提供一种基于l1自适应控制的无人驾驶汽车抗侧风控制系统,包括:
获得模块,用于根据车辆模型,获得车辆行驶过程中的实际质心侧偏角和横摆角速度;
对比模块,用于根据状态观测器得到的质心侧偏角和横摆角速度以及车辆系统模块得到的实际质心侧偏角和横摆角速度,获得它们对应状态量之间的误差;
自调整模块,用于根据自适应律调整并获得估计状态参数
控制模块,用于根据初步控制律得到最终控制律;
执行模块,根据最终空置率完成车辆转向。
有益技术效果:
本发明提供一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,解决了无人驾驶汽车在遇到侧风时操纵稳定性差的问题,使无人驾驶汽车对于侧风有良好的抗干扰能力,提高无人驾驶汽车对于侧风影响的操纵稳定性。
附图说明
为了更清楚地说明本发明实施例的技术方案,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,对于本领域的普通技术人员来讲,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附图。
图1为本发明实施例的控制方法的系统图;
图2为本发明实施例的控制系统框图;
图3为本发明实施例的在侧风影响下的汽车二自由度模型;
图4为本发明实施例中的状态预测器模块;
图5为本发明实施例中的控制律模块;
图6为本发明实施例中的自适应律模块;
图7为本发明实施例中自适应模块中的
图8为本发明实施例中自适应模块中的
图9为本发明实施例中自适应模块中的
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
下面结合附图对本发明的实施方式进行详细说明。
一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法包括以下步骤:
首先为了检测侧风干扰下无人驾驶汽车行驶转向的稳定性,建立侧风影响下的无人驾驶汽车二自由度模型,参见图3,此模型以前轮转角为输入,无人驾驶汽车只作平行于地面的平面运动,忽略左右车轮由于载荷变化而引起的轮胎特性变化,左右转向角相等。假设汽车在水平路面上的行驶速度为v,侧风作用于车体右侧,风压中心位于质心前e处,根据牛顿第二定律,动力学方程如下:
其中,kf为前轮侧偏刚度;kr为后轮侧偏刚度;β为质心侧偏角;v为汽车行驶速度;a为前轮到质心的距离;b为后轮到质心的距离;ωr为横摆角速度;m为汽车质量;fyω为侧向干扰风;δ为前轮转角;iz为汽车绕z轴的转动惯量;mzω为横摆力矩。
在汽车二自由度模型建立的基础上,进一步地,可建立包括侧风扰动的车辆模型的状态空间方程为:
其中,x(t)为可观测的系统状态向量,在本发明中为无人驾驶车辆的质心侧偏角及横摆角速度;am为huriwitz矩阵;b,c为已知的常数矩阵;ω(t)、θ(t)为未知参数,由状态观测器估计而得;u(t)为控制器的控制律;σ(t)为时变干扰,本发明中指侧风扰动;y(t)为系统的输出;x0为系统状态向量的初始值。
其中状态量为:
x(t)=[βωr]t
其中,β为质心侧偏角,ωr为横摆角速度;
控制量选取为:
u(t)=[δ]
其中:δ为前轮转角;
扰动量选取为:
σ=[fyωmzω]t
式中:fyω为侧向干扰风,mzω横摆力矩;
s2根据上一时刻前轮转角控制目标值的输出和自适应律估计的参数
状态观测器建模为:
式中,
其中当在时间趋于无穷,车辆模型将与状态观测器具有一致的动力学特性,估计偏差e在李雅普诺夫意义下稳定。
估计偏差的状态空间表达式为:
其中,
于是得到误差方程的能量函数为:
其中:
在能量函数的基础上得到能量函数的导数为:
其中,
若能量函数导数为负定,则误差方程在李雅普诺夫意义下稳定。
s3根据状态观测器得到的质心侧偏角和横摆角速度以及车辆系统模块得到的实际质心侧偏角和横摆角速度之间的误差,通过自适应律模块调整并获得估计状态参数
自适应律环节以状态观测器和被控对象之间的误差
进一步地,估计参数
其中,
s4根据自适应律(3)提供的经调整后的参数
进一步地,初步控制律的表达式为:
其中,u|t→∞为在时间趋于无穷时控制量的大小;
s5根据初步控制律(4)得到的前轮转角控制信号,通过低通滤波器(5)过滤掉控制信号中的高频信号,得到需要的前轮转角低频信号;
设计低通滤波器
其中,m(s)为系统的反馈回路传递函数,
从而得到为k:
其中,θ为状态量的不确定值,
于是最终控制律的为:
其中,k为低通滤波器带宽;am为huriwitz矩阵;r为输入值;
s6根据低通滤波器,得到的前轮转角信号,将前轮转角控制量发送给转向电机,以使转向电机根据车轮转角控制量向转向柱施加转向力矩完成车辆转向,以此来控制轮胎的侧向力。
本发明另一面提供一种基于l1自适应控制的无人驾驶汽车抗侧风控制系统,参见图2,包括:
获得模块,用于根据车辆模型,获得车辆行驶过程中的实际质心侧偏角和横摆角速度;
对比模块,用于根据状态观测器得到的质心侧偏角和横摆角速度以及车辆系统模块得到的实际质心侧偏角和横摆角速度,获得它们对应状态量之间的误差;
自调整模块,用于根据自适应律调整并获得估计状态参数
控制模块,用于根据初步控制律得到最终控制律;
执行模块,根据最终控制律完成车辆转向。
以上的实施例仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通工程技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
技术特征:
1.一种基于l1自适应的无人驾驶汽车抗侧风控制方法,其特征在于,包括以下步骤:
s1:根据包括侧风扰动的车辆系统模型,获得车辆行驶过程中的实际质心侧偏角和横摆角速度;
s2:根据上一时刻前轮转角控制目标值的输出和自适应律估计的参数
s3:根据状态观测器模块得到的质心侧偏角和横摆角速度以及车辆系统模块得到的实际质心侧偏角和横摆角速度之间的估计偏差,通过自适应律模块调整并获得估计状态参数
s4:根据自适应律提供的经调整后的参数
s5:根据初步控制律得到的前轮转角控制信号,通过低通滤波器过滤掉控制信号中的高频信号,得到需要的前轮转角低频信号,即最终控制律;
s6:根据低通滤波器得到的前轮转角信号,将前轮转角控制量发送给转向电机,以使转向电机根据车轮转角控制量向转向柱施加转向力矩完成车辆转向。
2.根据权利要求1所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述步骤s1又包括以下步骤:
建立侧风影响下的无人驾驶汽车二自由度模型;
在所述二自由度模型的基础上,建立包括侧风扰动的车辆系统模型。
3.根据权利要求2所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述侧风影响下的无人驾驶汽车的二自由度模型以前轮转角为输入,无人驾驶汽车只作平行于地面的平面运动,忽略左右车轮由于载荷变化而引起的轮胎特性变化,左右转向角相等,假设无人驾驶汽车在水平路面上的行驶速度为v,侧风作用于无人驾驶汽车的车体右侧,风压中心位于质心前e处,动力学方程为:
其中,kf为前轮侧偏刚度;kr为后轮侧偏刚度;β为质心侧偏角;v为汽车行驶速度;a为前轮到质心的距离;b为后轮到质心的距离;ωr为横摆角速度;m为汽车质量;fyω为侧向干扰风;δ为前轮转角;iz为汽车绕z轴的转动惯量;mzω为横摆力矩。
4.根据权利要求2所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述包括侧风扰动的车辆系统模型为:
其中,x(t)为可观测的系统状态向量,质心侧偏角及横摆角速度;am为huriwitz矩阵;b,c为已知的常数矩阵;ω(t)、θ(t)为未知参数,由状态观测器估计而得;u(t)为控制器的控制律;σ(t)为时变干扰,本发明中指侧风扰动;y(t)为系统的输出;x0为系统状态向量的初始值。
5.根据权利要求1所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述步骤s2中所述状态观测器模型为
其中,
6.根据权利要求1所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述步骤s3在时间趋于无穷时,所述车辆系统模型与所述状态观测器具有一致的动力学特性,估计偏差在李雅普诺夫意义下稳定;自适应律环节以所述状态观测器和所述车辆系统模型之间的误差
7.根据权利要求6所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述估计偏差的状态空间表达式为:
其中,
进一步地得到估计偏差的能量函数为:
其中,
进一步地得到能量函数的导数为:
其中:
8.根据权利要求1所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述自适应律估计的参数为:
其中,
9.根据权利要求1所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述步骤s4中的初步控制律的表达式为:
其中,u|t→∞为在时间趋于无穷时控制量的大小;
10.根据权利要求1所述的一种基于l1自适应控制的无人驾驶汽车抗侧风控制方法,其特征在于,所述步骤s5中的所述最终控制律为:
其中,k为低通滤波器带宽;am为huriwitz矩阵;r为输入值;
11.一种基于l1自适应控制的无人驾驶汽车抗侧风控制系统,其特征在于,包括:
获得模块,用于根据车辆模型,获得车辆行驶过程中的实际质心侧偏角和横摆角速度;
对比模块,用于根据状态观测器得到的质心侧偏角和横摆角速度以及车辆系统模块得到的实际质心侧偏角和横摆角速度,获得它们对应状态量之间的误差;
自调整模块,用于根据自适应律调整并获得估计状态参数
控制模块,用于根据初步控制律得到最终控制律;
执行模块,根据最终控制律完成车辆转向。
技术总结
本发明公开一种基于L1自适应控制无人驾驶汽车抗侧风控制方法,获得车辆行驶过程中的实际质心侧偏角和横摆角速度;更新自适应控制器中状态观测器模块的质心侧偏角和横摆角速度;通过自适应律模块调整并获得估计状态参数;通过初步控制律模块及时的调整控制信号;通过低通滤波器过滤掉控制信号中的高频信号,得到最终控制律;转向电机根据车轮转角控制量向转向柱施加转向力矩完成车辆转向,以此来控制轮胎的侧向力;无人驾驶汽车抗侧风控制系统包括获得模块、对比模块、自调整模块、控制模块和执行模块;该系统和方法可以减小侧风对于无人驾驶汽车的影响,提高无人驾驶汽车对于侧风的抗干扰能力,提高在有侧风环境下无人驾驶汽车的操纵稳定性。
技术研发人员:姚雪莲;朱燕;杨艺
受保护的技术使用者:江苏理工学院
技术研发日:.10.21
技术公布日:.02.07