一种基于主动安全的智能汽车轨迹跟踪控制系统及控制方法与流程

本发明属于智能车辆自动驾驶领域，具体涉及一种基于主动安全的智能汽车轨迹跟踪控制系统及控制方法。

背景技术：

汽车的智能化主要体现在以自动驾驶替代人工操作，汽车的行为和运行状态均可控可预测，既降低驾驶员的操作强度，又减少了交通事故发生率，根据实时路况信息规划出行路径，使车辆在道路上高效的行驶，最终实现道路交通“零伤亡、零拥堵”。因此，智能汽车是安全、高效、节能的下一代汽车，研究智能汽车具有极为重要的意义，已成为全球汽车产业界的关注焦点。目前已经投入使用的具有自动驾驶功能的车辆如码头无人驾驶车辆或带自动泊车功能的车辆的行驶环境处于低速、特定场合使用，但智能汽车需要以较高的车速行驶在复杂的道路环境中。使用车辆动力学模型对对车辆的未来行为进行预测，可以提高智能汽车高速下的可靠性与预测能力；同时，与低速行驶相比高速行驶下的执行机构控制输入、轮胎与地面摩擦引起的滑移，以及横向加速度引起的侧倾等动力学非线性约束条件的要求更加严格。对这些约束进行深入分析将进一步保障车辆形式的安全性与稳定性。本发明将建立基于车辆动力学模型的轨迹跟踪控制器，结合车辆高速运动下的各类约束，求解复杂约束条件下的模型预测控制方法。现有的技术中，存在以下技术问题：(1)大多数装置成本较高；(2)大多数只是进行单纯的仿真研究，没有考虑真正的执行机构运行时的安全问题；(3)智能汽车转向工况复杂多变，汽车转向操纵对各工况的控制要求较高，传统的控制策略无法满足高速行驶情况下的车辆稳定性与安全性。

为了保证智能汽车高速行驶在复杂交通环境下的安全性与稳定性，本发明具体开发了一套基于主动安全的智能汽车轨迹跟踪控制系统。首先建立了基于线性时变模型预测控制算法的轨迹跟踪控制单元，结合各动力学约束，得出前轮转角理想值，为了进一步保证车辆运行的安全性，主动安全转向系统根据前轮转角理想值，进行基于侧翻预警的主动前轮转角补偿控制，以达到避免车辆侧翻的目标。

技术实现要素：

为解决现有技术存在的不足，本发明提供了一种基于主动安全的智能汽车轨迹跟踪控制系统及控制方法，在轨迹跟踪控制单元的基础上结合主动安全线控转向单元，最终达到车辆在高速复杂路况下的稳定性与安全性的要求。

本发明是通过以下技术方案实现上述技术目的。

一种基于主动安全的智能汽车轨迹跟踪控制系统，包括基于模型预测控制的轨迹跟踪控制单元和具有主动安全功能的线控转向单元，所述轨迹跟踪控制单元与线控转向单元通信；

所述轨迹跟踪控制单元包括第一gps天线、第一电台、第二电台、第二gps天线、惯导系统、智能终端、方向盘转角传感器及前轮转角传感器，所述第一gps天线与第一电台组成基准站，所述第二电台与第二gps天线组成流动站，所述惯导系统采集惯导数据，所述流动站获取智能汽车的初始位置数据并接收基准站发送的差分信号对初始位置数据进行差分后，通过惯导数据校正智能汽车的精确位置数据并发送给智能终端，所述智能终端还通过串口接收方向盘转角传感器、前轮转角传感器采集的方向盘转角、前轮转角，从而计算出智能汽车的目标转角；

所述线控转向单元包括mcu、电机驱动器及转向执行电机，所述mcu接收智能汽车的目标转角并修正，然后通过can总线将修正后的目标转角发送给电机驱动器，电机驱动器通过串口与转向执行电机通信，控制智能汽车，达到车辆路径跟踪的目的。

上述方案中，所述轨迹跟踪控制单元与线控转向单元通过usb转rs232串口通信。

上述方案中，所述流动站安装在智能汽车上。

上述方案中，所述第一gps天线实时测量出基准站的位置并与测定位置进行计算得出差分信号，第一电台将差分信号发送至第二电台。

上述方案中，所述mcu采用mc9s12xet256芯片。

一种基于主动安全的智能汽车轨迹跟踪控制方法，包括以下步骤：

s1，建立三自由度非线性车辆动力学模型，将车辆四轮模型简化为单车模型，并选择车辆的状态量ξdyn与控制量udyn；

s2，对非线性车辆动力学模型进行线性化，得到线性时变方程；

s3，采用一阶差商的方法进行对线性时变方程进行离散化处理，得到离散的状态空间表达式；

s4，设计目标函数使得智能汽车能够快速且平稳地追踪期望轨迹；

s5，考虑每个控制周期内基于非线性车辆动力学模型的轨迹跟踪控制算法的优化问题，包括控制量的约束：控制增量与控制量的约束，车辆动力学约束：质心侧偏角约束、轮胎侧偏角的约束与车辆附着条件约束；

s6，在每个控制周期内求解优化问题后得到控制时域nc内理想的控制输入增量序列将此序列中的第一个元素与上一时刻的控制量相加，得到最终的控制量udyn(t)；

s7，建立车辆四自由度侧翻模型，根据横向载荷转移率ltr来判断汽车侧翻危险程度；

s8，利用自回归模型，对侧翻判别指示横向载荷转移率ltr进行预测。

进一步，所述s2中线性时变方程为ξdyn＝adyn(t)ξdyn(t)+bdyn(t)udyn(t)，其中adyn，bdyn为t时刻线性车辆动力学模型的转移矩阵。

进一步，所述s3中离散的状态空间表达式为ξdyn(k+1)＝adyn(k)ξdyn(k)+bdyn(k)udyn(k)，其中adyn(k)＝i+tadyn(t)，bdyn(k)＝i+tbdyn(t)，i为单位矩阵，t为采样时间。

进一步，所述s7中横向载荷转移率ltr的表达式为：其中fz1和fz2分别为智能汽车左侧车轮和右侧车轮上的垂直载荷。

进一步，所述s8具体为：

s8.1，根据自回归模型定义可得自回归预测公式为其中xn+i为预测值，xn-1+ixn-2+i…xn-p+i为已知的观测值，p是模型阶数；是模型参数；

s8.2，利用艾克准则来确定模型阶数p，模型阶数p的确定方法为ip＝log[sp(n)/n]+2p/n和其中模型阶数p＝1,2...m，m为所设模型阶数的最大值；n是建模预测需要的已知数据个数；观察i1、i2...im，其中最小的ip即为最小模型阶数；sp(n)为模型残差平方和；

s8.3，模型阶数p确定后，采用递推最小二乘法进行预测模型参数的估计，模型参数的最小二乘法估计值可表示为

s8.4，采用模糊pi控制算法，由实际横向载荷转移率ltr值和ltr阀值的偏差e、偏差的化率ec共同决定的，模糊pi控制器的输入为实际横向载荷转移率ltr值与ltr阀值的偏差e、偏差变化率ec，pi控制的比例系数kp和微分系数ki均为模糊pi控制器的输出。

本发明的有益效果是：

(1)本发明开发了一套基于主动安全的智能汽车轨迹跟踪控制系统，其中的智能终端实时获取车辆的精确位置与目标转角从而获取车辆的姿态信息，实现车辆对目标轨迹的跟踪。

(2)本发明设计的考虑各动力学约束的轨迹跟踪控制单元性能较好，通过选择先进的差分算法能够精确获得车辆的行驶轨迹，并且设计的轨迹跟踪控制方法能够快速的在不同车速下完成对期望轨迹的跟踪，轨迹跟踪控制单元对解决智能汽车在高速行驶时的轨迹跟踪控制问题具有独特的优势，对路面附着条件、车速变化和参考轨迹具有良好的鲁棒性和适应性。

(3)本发明设计的线控转向控制单元的可行性且超调量小、稳定性好，线控转向可以自由的进行前轮转角的设计，由于汽车的稳定性能和汽车的转向存在着巨大的联系，本发明将线控转向技术与汽车主动安全技术相关联，研究其控制方法；可以减小汽车侧翻危险工况下的横摆角速度和侧向加速度，进一步提升汽车的稳定性能与主动安全性能。

(4)本发明设计的整个系统控制方法具有可行性，采用的无线电台通信抗干扰能力强，并且能够保证车辆在高速行驶时的稳定性，未来将转向系统改装至车辆上是可行的。

附图说明

图1为一种基于主动安全的智能汽车轨迹跟踪控制系统的整体硬件框架图；

图2为一种基于主动安全的智能汽车轨迹跟踪控制系统的硬件实物图，图2(a)为第二电台3、第二gps天线4与惯导系统5的安装实物图，图2(b)为方向盘转角传感器8的安装实物图，图2(c)为试验车辆实物图，图2(d)为mcu10的实物图；

图3为一种基于主动安全的智能汽车轨迹跟踪控制系统的控制原理图；

图4为三自由度非线性车辆动力学模型图；

图5为车辆四自由度侧翻模型图，图5(a)为车辆四自由度侧翻模型主视图，图5(b)为车辆四自由度侧翻模型侧视图；

图6为ltr偏差e、ltr偏差变化率ec与比例系数kp、ki的模糊规则曲面图，图6(a)为ltr误差e、ltr误差变化率ec与比例系数kp的模糊规则曲面图，图6(b)为ltr误差e、ltr误差变化率ec与微分系数ki的模糊规则曲面图；

图7为三角隶属度函数图，图7(a)为误差隶属函数图，图7(b)为误差微分隶属函数图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。

如图1所示，一种基于主动安全的智能汽车轨迹跟踪控制系统，包括基于模型预测控制的轨迹跟踪控制单元和具有主动安全功能的线控转向单元，所述轨迹跟踪控制单元与线控转向单元通过usb转rs232串口通信；

轨迹跟踪控制单元包括第一gps天线1、第一无线电台2、第二无线电台3、第二gps天线4、惯导系统5、智能终端6、电源7、方向盘转角传感器8及前轮转角传感器9，第一gps天线1与第一电台2组成基准站，第二电台3与第二gps天线4组成流动站(安装在智能汽车上)，惯导系统5采集惯导数据，流动站获取智能汽车的初始位置数据，并接收基准站发送的差分信号对初始位置数据进行差分后，通过惯导数据校正智能汽车的精确位置数据并发送给智能终端6；智能终端6还通过串口接收方向盘转角传感器8、前轮转角传感器9采集的方向盘转角、前轮转角，从而计算出智能汽车的目标转角；电源7用于给流动站、惯导系统5供电；智能终端6能够完成车辆运行状态的感知、组合导航定位及路径跟踪控制目标值计算；本实施例的基准站测定位置为[32.1984725306，119.5137124611，103.888]，安装于江苏大学三江楼楼顶。

线控转向单元包括主动安全线控转向控制器mcu10、电机驱动器11及转向执行电机12，mcu10采用mc9s12xet256芯片；主动安全线控转向控制器mcu10接收智能汽车的目标转角并通过主动安全线控转向算法修正，然后通过can总线将修正后的目标转角发送给电机驱动器11，电机驱动器11通过串口与转向执行电机12通信，控制智能汽车，达到车辆路径跟踪的目的。

如图2所示为一种基于主动安全的智能汽车轨迹跟踪控制系统的实物硬件，其中(a)为第二电台3、第二gps天线4与惯导系统5安装实物图，(b)为方向盘转角传感器8安装实物图，(c)为试验车辆，(d)为mcu10的实物图。

一种基于主动安全的智能汽车轨迹跟踪控制系统的工作过程为:

基准站向流动站发送差分信号，流动站接收差分信号后对获取的智能汽车初始位置数据进行差分，通过惯导系统5采集的惯导数据校正智能汽车的精确位置数据并发送给智能终端6；方向盘转角传感器8采集方向盘转角、前轮转角传感器9采集前轮转角，并通过串口传输给智能终端6，智能终端6根据基于轨迹跟踪控制算法计算出智能汽车的目标转角并发送给主动安全线控转向控制器mcu10，主动安全线控转向控制器mcu10通过主动安全线控转向控制算法对目标转角进行修正，然后通过can总线将修正后的目标转角发送给电机驱动器11，电机驱动器11通过串口与转向执行电机12通信，控制智能汽车。

结合图3本发明的控制原理图，说明一种基于主动安全的智能汽车轨迹跟踪控制方法，包括以下步骤：

s1，建立三自由度非线性车辆动力学模型，将车辆四轮模型简化为单车模型，如图4所示，且假设左侧车轮与右侧车轮路面摩擦系数、侧偏角、滑移率相等，并选择车辆的状态量ξdyn与控制量udyn；

非线性车辆动力学模型为：

其中：m为车辆整体质量，为车辆质心横向加速度，为车辆质心纵向速度，为车辆横摆角速度，ccf为前轮胎侧偏刚度，δf为前轮偏转角，为车辆质心横向速度，a，b分别为车辆质心到前、后轴的距离，ccr为后轮胎侧偏刚度，为车辆质心纵向加速度，clf、clr为前、后轮胎纵向刚度，i为车辆绕z轴的转动惯量，为车辆的横摆角加速度，分别为车辆质心在x与y轴方向上的速度，为车辆的横摆角；sf、sr分别是前轮与后轮的滑移率。

在该控制系统中，状态量ξdyn选取，控制量udyn选取udyn＝δf，其中x、y为车辆质心的位置坐标。

s2，对非线性车辆动力学模型进行线性化，得到线性时变方程；

ξdyn＝adyn(t)ξdyn(t)+bdyn(t)udyn(t)(6)

其中adyn，bdyn为t时刻线性动力学模型的转移矩阵；且

其中：δf，t-1为t-1时刻的前轮转角，为t时刻的车辆横摆角速度，iz为车辆绕z轴的转动惯量；为t时刻车辆质心纵向速度与横向速度，为t时刻车辆的横摆角；为前轮横向速度，为前轮角速度。

s3，采用一阶差商的方法对线性时变方程进行离散化处理，得到离散的状态空间表达式；

ξdyn(k+1)＝adyn(k)ξdyn(k)+bdyn(k)udyn(k)(7)

式中，adyn(k)＝i+tadyn(t)，bdyn(k)＝i+tbdyn(t)，i为单位矩阵，t为采样时间，k为第k个，k＝1，2，3……。

s4，设计目标函数使得智能汽车能够快速且平稳地追踪期望轨迹，目标函数中的前两项分别反映了系统对目标轨迹的快速跟踪能力与对前轮转角平稳变化的要求，由于预测模型为复杂的车辆动力学模型，会有可能影响系统输出的连续性，所以为了解决这个问题，在目标函数中又引入了松弛因子；

目标函数为：

式中：np为预测时域，nc为控制时域，ρ为权重系数，ε为松弛因子，q和r为权重系数，δudyn为控制量变化量，ηdyn为系统输出，ηdyn，ref为系统参考输出。

s5，考虑每个控制周期内基于非线性车辆动力学模型的轨迹跟踪控制算法的优化问题，包括控制量的约束：控制增量与控制量的约束，车辆动力学约束：质心侧偏角约束、轮胎侧偏角的约束与车辆附着条件约束；

优化问题与约束为：

s.t.δudyn，min≤δudyn，t≤δudyn，max

udyn，min≤aδudyn，t+udyn，t≤udyn，max

yhc，min≤yhc≤yhc，max

ysc，min-ε≤ysc≤yhs，max+ε

ε＞0

其中：a为状态转移矩阵，yhc为硬约束输出，ysc为软约束输出。

s6，在每个控制周期内求解优化问题后得到控制时域nc内理想的控制输入增量序列将此序列中的第一个元素与上一时刻的控制量相加，得到最终的控制量udyn(t)；

控制输入增量序列为：

最终控制量为：

s7，建立车辆四自由度侧翻模型，如图5所示，根据横向载荷转移率ltr来判断汽车侧翻危险程度；

横向载荷转移率ltr表达式为：

上式中fz1和fz2分别为汽车左侧车轮和右侧车轮上的垂直载荷，ltr取值区间在[-1，1]之间；当ltr为0时表示汽车左右两侧车轮的垂直载荷相等，汽车运行状况良好；当ltr等于1或者-1时，表示fz1或者fz2为0，这样则有一侧车轮已经快要脱离地面，所以车辆将会发生或刚好发生侧翻危险；ltr作为侧翻判别指示时，其阀值为0.8，若实时ltr值大于0.8则就需要进行转向控制了。假设侧倾角很小，则cos²φ≈1，sinφ≈0，得出：

式中：ay为汽车侧向加速度、φ为汽车侧倾角、g为重力加速度、为侧倾角速度、为侧倾角加速度、为纵向车辆加速度、d为轮距、h为簧载质量重心到侧倾重心距离、ω为横摆角速度、u为横向车辆速度。

s8，利用自回归模型，对侧翻判别指示横向载荷转移率ltr进行预测；

s8.1，根据自回归模型定义可得自回归预测公式为：

其中xn+i为预测值；xn-1+ixn-2+i…xn-p+i为已知的观测值；p是模型阶数，其值为1、2、3…；。

s8.2，在实时预测系统中模型阶数太高必然增加计算量，模型阶数太小则会降低预测精度，在实际工程应用中国通常利用艾克准则(akaikeinformationcriterion,aic)来确定模型的阶数，其模型阶数确定方法为：

ip＝log[sp(n)/n]+2p/n(15)

其中模型阶数p＝1,2...m，m为所设的模型阶数的最大值；n是建模预测需要的已知数据个数；观察i1、i2...im，其中最小的ip即为最小模型阶数；sp(n)为模型残差平方和，通常设立一个模型最大阶数m，然后依次计算i1、i2...im，使得ip最小的那个阶数，就是所需最优阶数。

s8.3，模型阶数p确定后，采用递推最小二乘法进行预测模型参数的估计；

模型参数的最小二乘法估计值可表示为：

s8.4，前轮转角安全补偿模糊pi控制是由实际横向载荷转移率ltr值和ltr阀值的偏差e、偏差的化率ec共同决定的，模糊pi控制器的输入为实际横向载荷转移率ltr值与ltr阀值的偏差e、偏差变化率ec，pi控制的比例系数kp和微分系数ki均为模糊pi控制器的输出；模糊语言变量子集为[nb,nm,ns,z,ps,pm,pb]，分别表示{负大，负中，负小，零，正小，正中，正大}；实际横向载荷转移率ltr值和ltr阀值的偏差e的论域为(-0.2,0.2)，偏差率ec的论域为(-3,3)，pi控制的比例系数和微分系数kp、ki论域均为(30,40)。

本发明的模糊推理采用mamdani推理的方法(即模糊推理的本质就是将一个给定输入空间通过模糊逻辑的方法映射到一个特定的输出空间的计算过程)，为了便于算法的实现，本发明模糊推理输入均采用了三角隶属度函数。得到ltr偏差e、ltr偏差变化率ec与比例系数kp、ki的模糊规则曲面图如图6所示，图6(a)为ltr偏差e、ltr偏差变化率ec与比例系数kp的模糊规则曲面图，图6(b)为ltr偏差e、ltr偏差变化率ec与比例系数ki的模糊规则曲面图；三角隶属度函数如图7，图7(a)为误差隶属函数图，图7(b)为误差微分隶属函数图。

本发明虽然已经给出了一些实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。