一种车辆路径跟踪与稳定性协调控制方法与流程

本发明属于智能汽车研究领域，具体涉及一种车辆路径跟踪与稳定性协调控制方法。

背景技术：

近几十年来，汽车工业技术迅猛发展，生产规模不断扩大，汽车占有量越来越高，车辆在人们生活中的应用也越来越广泛。随着汽车占有率的上升，相应的道路安全问题也越来越不容忽视，人们对汽车智能化日益增长的需求也促进从业者们投入更多的时间与精力进行智能汽车相关技术的研究。智能汽车具有更好的道路利用率和更高的安全性，其相关研究是近年的研究热点之一。路径跟踪控制是车辆智能行驶过程中一种比较常见的驾驶方案。智能汽车路径跟踪中，通过控制路径跟踪中航向误差和横向误差来保证跟踪的精度。实际行驶过程中，车辆转向系统中的干扰因素会对控制效果产生较大的影响，极有可能导致路径跟踪出现严重的偏差以及车辆自身稳定性的降低，甚至会导致道路安全问题，因此，这设计路径跟踪控制方法时，需要考虑这一因素。基于以上的分析，很有必要进行干扰条件下的智能汽车路径跟踪与稳定性集成控制方法的研究。

技术实现要素：

本发明旨在至少在一定程度上解决上述技术问题之一。

为此，本发明提出一种车辆路径跟踪与稳定性协调控制方法，针对车轮独立驱动智能汽车路径跟踪过程中跟踪效果与车辆稳定性这一多目标协调控制问题，基于分层控制方法提出了一种车辆路径跟踪与稳定性协调控制方法。建立了车辆动力学模型和路径跟踪模型，并设计了车辆状态与转向系统干扰估计方法。利用滑模控制方法设计了上层控制器，旨在减小路径跟踪过程中的航向偏差和横向偏差的同时确保车辆自身的稳定性。在下层控制器中，设计了一种车轮轮胎力优化分配方法，根据上层控制器需求，结合车辆横摆与侧倾稳定性情况，实现车轮轮胎力的定向控制分配。该协调控制方法可以确保车轮独立驱动智能汽车在实现路径跟踪效果的同时，保证智能汽车自身的横向和侧倾稳定性。。

本发明的技术方案是：

一种车辆路径跟踪与稳定性协调控制方法，包括以下步骤：

车辆建模：包括车辆动力学建模、路径跟踪建模和系统干扰建模；

车辆状态与系统干扰估计：基于卡尔曼滤波的车辆状态与系统干扰估计；

车辆路径跟踪与稳定性协调控制：采用分层控制包括上层控制器和下层控制器；将所述车辆状态与系统干扰估计到的车辆质心侧偏角与转向系统干扰作为上层控制器的输入，上层控制器计算得到横摆力矩，横摆力矩作为下层控制器的输入量；下层控制器计算得到车轮的轮胎力大小，并进行了车轮轮胎力的优化分配，实现路径跟踪与车辆稳定性的协调控制。

上述方案中，所述路径跟踪建模具体为：

车辆路径跟踪模型中采用实际车辆与理想路径之间的横向偏差与航向偏差来表征路径跟踪效果，所建立的车辆路径跟踪模型中的航向偏差及其微分方程表示为：

式中，ψ为航向偏差，ψh为实际的车辆航向角，ψd为期望的车辆航向角，ψh和ψd表示为：

式中，vx为纵向车速，γ为横摆角速度，ρ为期望路径的曲率半径；

路径跟踪横向偏差方程表示为：

式中，vy为侧向车速。

进一步的，所述公式十二简化为：

式中，e为横向偏差，ψ为航向偏差，vx为纵向车速，vy为侧向车速。

上述方案中，所述系统干扰建模具体为：

考虑干扰因素的车辆路径跟踪与稳定性协调控制模型表示为：

式中，a0为状态转移矩阵且满足b0为输入矩阵且满足b1为干扰输入矩阵且满足b1＝b0，f为转向系统干扰且满足f＝[f000]^t，f0＝(f1-1)δf+f2，f1为干扰增益系数，f2为干扰偏差量，w为系统噪声。

进一步的，所述车辆状态与系统干扰估计具体为：

将考虑转向系统干扰的车辆路径跟踪与稳定性协调控制模型离散化，得到如下离散状态方程：

其中a,b,e为离散系统中与公式十六中的a0,b0,b1相对应的参数矩阵，x(k),u(k),f(k),w(k)为离散系统中与公式十六中的x,u,f,w相对应的状态量，v为测量噪声，y为测量输出且表示为c为测量矩阵且表示为令x1＝β，则离散系统的状态空间方程表示为：

为了估计车辆质心侧偏角，采用降阶卡尔曼滤波器实现了车辆质心侧偏角的无偏最小方差估计，在降阶卡尔曼滤波器的设计过程中，将初始系统解耦成两个子系统，与全阶卡尔曼滤波器相比，降阶卡尔曼滤波器的计算量更小，有利于减少状态估计的时间消耗，尽快弥补转向系统干扰对路径跟踪精度和车辆稳定性的影响；

令其中，对降阶后的状态量x1(k)设计降阶卡尔曼滤波器为：

式中，

k(k)为降阶卡尔曼滤波器的增益矩阵且表示为：

式中，p(k)为协方差矩阵且其更新方程表示为：

式中，

车辆路径跟踪与稳定性协调控制系统状态量表示为：

其中，即为车辆质心侧偏角的估计结果，则车辆转向系统干扰估计值表示为：

上述方案中，所述车辆路径跟踪与稳定性协调控制具体为：

车载系统采集与处理得到车辆横摆角速度、侧倾角、侧倾角速度、横向误差和航向误差，并作为车辆状态估计与转向系统干扰估计的输入量，将估计到的车辆质心侧偏角与转向系统干扰作为上层控制器的输入，上层控制器计算得到所需的车辆前轮转角、侧倾力矩和横摆力矩，其中横摆力矩作为下层控制器的输入量；下层控制器计算得到车轮的轮胎力大小，在下层控制器中，根据上层控制器需求，结合车辆横摆与侧倾稳定性情况，进行了车轮轮胎力的优化分配，实现路径跟踪与车辆稳定性的协调控制。

上述方案中，所述上层控制器的设计具体为：采用滑模控制方法设计上层控制器，保证车辆转向系统存在干扰时路径跟踪系统的稳定运行，

滑模面定义为

式中，xe为理想的协调控制状态，x为实际的协调控制状态，为实际的协调控制状态与理想的协调控制状态之间的差值，s是滑模面的参数向量，可以通过极点配置得到，将lyapunov函数定义为

在路径跟踪过程中，协调控制器保持稳定需要满足令满足该稳定性条件，其中ε为大于0的滑模参数，对公式二十五求导得：

将代入公式二十七得：

则上层控制器的控制输入量设计为：

式中，u1为滑模控制器的名义反馈控制项，u2为状态反馈控制项，s是滑模面的参数向量，a0为状态转移矩阵，b0为输入矩阵，b1为干扰输入矩阵，xd为参考车辆状态，f为转向系统干扰，σ为稳定参数，ε为大于0的滑模参数。

上述方案中，所述下层控制器的轮胎力优化分配的目标函数定义为：

式中，j1为目标函数基本项，j2为目标函数反馈项，fx＝[fx1fx2fx3fx4]^t为轮胎纵向力，矩阵bx＝[-cosδfbs+lfsinδfcosδfbs+lfsinδf-cosδfbs+lfsinδfcosδfbs+lfsinδf]，w＝diag[w1w2w3w4]为控制分配矩阵并用于调节纵向轮胎力的大小，kf(0＜kf＜1)为分配权重系数并用于调节目标函数中两个分配项的比重，目标函数中的j1用于保证车辆的驱动能力且避免轮胎出现纵向滑移，j2用于满足上层控制器的横摆力矩需求；

通过求解目标函数得轮胎力优化分配最优解，对目标函数求偏导得到：

当w＞0且得由推导出目标函数的最优解为：

进一步的，所述轮胎力优化分配中为了提高轮胎利用率，分配的纵向轮胎力与垂向轮胎力应满足等比关系，因此分配矩阵w的参数选取在协调控制器设计过程中，考虑了车辆的侧倾稳定性，因此在轮胎力分配过程中，定义侧倾因子为：

式中，fzl代表轮胎左侧垂向力之和，fzr代表轮胎右侧垂向力之和且分别满足fzl＝fz1+fz3，fzr＝fz2+fz4；

根据所述公式三十三，所分配的纵向轮胎力与轮胎载荷成正相关，引入一个反向的补偿机制来抑制车辆侧倾趋势，将分配矩阵w的参数重新设计为：

其中kr为调节参数，在公式三十五所添加的补偿项中，(-1)^j+1使矩阵参数wi随着轮胎序号i(i＝1,2,3,4)而变化，符号函数sgn(fzl-fzr)使矩阵参数wi随着左右侧轮胎垂向载荷的差值而变化，其中fzl代表轮胎左侧垂向力之和，fzr代表轮胎右侧垂向力之和且分别满足fzl＝fz1+fz3，fzr＝fz2+fz4。

上述方案中，根据所述公式三十，权重系数kf设计为：

其中，kf0为权重常数，为质心侧偏角估计的绝对值，为转向系统干扰估计值的范数。

与现有技术相比，本发明的有益效果是：

1、本发明提出了一种车辆路径跟踪与稳定性协调控制方法，特别是四轮独立驱动智能汽车，现有的智能汽车路径跟踪控制方法在进行路径跟踪控制的时候，没有考虑到车辆的横向稳定性和侧倾稳定性，而本发明在实现智能汽车路径跟踪控制的同时，可以确保智能汽车自身的横向与侧倾稳定性。

2、本发明利用智能汽车上现有的传感器感知信息，设计了车辆质心侧偏角与转向系统干扰估计方法，有利于减小车载传感器数目，降低成本。

3、本发明在设计控制器的时候，考虑了转向系统干扰的影响，因此本发明的控制方法具有更好的抗干扰能力。

4、本发明在下层控制器的轮胎力分配方法中，设计了反向补偿机制，可以根据车辆的侧倾程度和侧倾方向来反向抑制轮胎力分配结果，有助于提高下层控制器的动态调节能力与自适应能力，从而提高控制系统的稳定性。

5、本发明中为轮胎力分配方法能够根据轮胎载荷动态地分配车辆纵向轮胎力，同时还设计了轮胎力分配反馈补偿机制，可以根据车辆的侧倾程度和侧倾方向来反向抑制轮胎力分配结果，有助于提高车辆稳定性。

6、本发明设计了轮胎力分配的权重系数，有助于动态协调车辆路径跟踪能力与车辆稳定性控制效果，提高车辆的机动性。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是车辆动力学模型，其中(a)为俯视图，(b)为后视图。

图2是车辆路径跟踪模型。

图3是整体的车辆路径跟踪与稳定性协调控制策略。

图4是轮胎垂向受力分析，其中(a)为向左侧倾，(b)为向右侧倾。

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，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“轴向”、“径向”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

本实施例所述车辆为四轮独立驱动智能汽车，所述车辆路径跟踪与稳定性协调控制方包括如下步骤：

步骤s1：四轮独立驱动智能汽车建模，包括车辆动力学建模，路径跟踪建模，以及系统干扰建模；

步骤s1a：车辆动力学建模。将动态坐标系xyz的原点固定在车辆上并与车辆重心重合，x轴与车辆的纵向行驶方向重合，y轴与车辆的横向运动方向重合，z轴与车辆的纵向行驶方向重合。车辆动力学模型的俯视图如图1(a)，后视图如图1(b)所示，俯视图中的车辆横向和横摆动力学方程可以分别表示为：

式中，vx为纵向车速，vy为侧向车速，γ为横摆角速度，m为汽车质量，iz为绕z轴的转动惯量，fyf和fyr分别为前后横向轮胎力，lf为质心距前轴的距离，lr为质心距后轴的距离，mz为由四个轮胎纵向力所产生的车辆横摆力矩：

式中，δf为前轮转角，bs为前后轴的半轮距，fxi(i＝1,2,3,4)为第i个轮胎的纵向力。横向轮胎力可表示为：

式中，cf为前轮胎侧偏刚度，cr为后轮胎侧偏刚度，αf为前轮胎侧偏角，αr为后轮胎侧偏角。轮胎侧偏角可表示为：

图1后视图中的车辆侧倾动力学方程为：

式中，ay是车辆横向加速度且可表示为分别为车辆的侧倾角，侧倾角速度和侧倾角加速度，mx为侧倾力矩，kv为等效侧倾刚度，cv为等效侧倾阻尼，ms为簧上质量，g为重力加速度，h为车辆重心高度。然后可以将公式一、公式二和公式六转化成如下的横向、横摆和侧倾的动力学方程：

步骤s1b：路径跟踪建模。车辆路径跟踪模型如图2所示。车辆路径跟踪模型中采用实际车辆与理想路径之间的横向偏差与航向偏差来表征路径跟踪效果，所建立的车辆路径跟踪模型中的航向偏差及其微分方程可表示为：

式中，ψ为航向偏差，ψh为实际的车辆航向角，ψd为期望的车辆航向角。ψh和ψd可表示为：

式中，ρ为期望路径的曲率半径。利用serret-frenet方程，路径跟踪横向偏差方程为：

考虑到航向偏差角度相对来说较小，则公式十二可简化为：

步骤s1c：系统干扰建模。令联立公式七、公式八、公式九、公式十、公式十一和公式十三，可得车辆动力学和路径跟踪协调控制模型为：

式中，状态向量为状态转移矩阵为输入矩阵为输入向量为u＝[δfmzmx]^t，w为系统噪声。在车辆路径跟踪控制过程中，不仅要考虑车辆的稳定性，还要考虑车辆转向系统中未建模的未知干扰因素。汽车转向系统的干扰因素可以通过增益干扰和偏差干扰来量化表征。当车辆转向系统存在干扰因素时，车辆转向系统的输出发生变化，前轮转向角可以表示为：

δff＝f1δf+f2公式十五

式中，δff为干扰下实际的前轮转向角，f1为干扰增益系数，f2为干扰偏差量。不同的干扰增益系数和干扰偏差量代表着不同的干扰程度。从而，可将考虑干扰因素的车辆路径跟踪与稳定性协调控制模型表示为：

式中，f为转向系统干扰且满足f＝[f000]^t，f0＝(f1-1)δf+f2，b1＝b0。由公式十五可知，将车辆的横向动力学方程、横摆动力学方程和侧倾动力学方程与路径跟踪模型相结合，利于协调控制器的设计。车辆路径跟踪与稳定性协调控制器的设计目标是在保证车辆横向稳定性、横摆稳定性和侧倾稳定性的同时，使航向误差和横向偏差尽可能小。当车辆转向系统存在偏差时时，车辆路径跟踪精度和车辆稳定性将会受到影响。更严重的是，车辆转向系统干扰甚至可能导致交通事故。因此，所设计的路径跟踪与稳定性协调控制器应该是对故障不敏感的或者具有容忍能力的，即使车辆转向系统存在干扰，协调控制器也能够保证车辆的稳定性和路径跟踪精度。

步骤s2：基于卡尔曼滤波的车辆状态与系统干扰估计方法，包括以下步骤：

为了便于车辆路径跟踪与稳定性协调控制器设计，需要对车辆转向系统干扰进行估计。此外，为了得到车辆转向系统的干扰估计，首先应得到车辆的系统状态估计。与车辆稳定性密切相关的车辆状态如横摆角速度、侧倾角、侧倾角速度，以及用于表征路径跟踪性能的车辆状态如航向误差和横向偏移，都可以通过车载传感器测量得到。由于车辆的质心侧偏角难以直接测量得到，且测量成本较高，因此有必要首先设计车辆质心侧偏角的估计方法。

将考虑转向系统故障的车辆路径跟踪与稳定性协调控制模型离散化，得到如下离散状态方程：

其中a,b,e为离散系统中与公式十六中的a0,b0,b1相对应的参数矩阵，x(k),u(k),f(k),w(k)为离散系统中与公式十六中的x,u,f,w相对应的状态量，v为测量噪声，y为测量输出且可表示为c为测量矩阵且可表示为令x1＝β，则离散系统的状态空间方程可表示为：

为了估计车辆质心侧偏角，采用降阶卡尔曼滤波器实现了车辆质心侧偏角的无偏最小方差估计。在降阶卡尔曼滤波器的设计过程中，将初始系统解耦成两个子系统。与全阶卡尔曼滤波器相比，降阶卡尔曼滤波器的计算量更小，有利于减少状态估计的时间消耗，尽快弥补转向系统干扰对路径跟踪精度和车辆稳定性的影响。

令其中，对降阶后的状态量x1(k)设计降阶卡尔曼滤波器为：

式中，k(k)为降阶卡尔曼滤波器的增益矩阵且可表示为：

式中，p(k)为协方差矩阵且其更新方程可表示为：

式中，

然后，车辆路径跟踪与稳定性协调控制系统状态量可表示为：

其中即为车辆质心侧偏角的估计结果，则车辆转向系统干扰估计值可表示为：

步骤s3：智能汽车路径跟踪与稳定性协调控制方法；

步骤s3a、整体控制策略设计。整体的车辆路径跟踪与稳定性协调控制策略如图3所示。由图3可知，智能汽车上车载系统的车载传感器与智能感知装备采集与处理得到车辆横摆角速度、侧倾角、侧倾角速度、横向误差和航向误差，并作为车辆状态估计与转向系统干扰估计的输入量，然后将估计到的车辆质心侧偏角与转向系统干扰作为上层控制器的输入，上层控制器计算得到所需的车辆前轮转角、侧倾力矩和横摆力矩，横摆力矩作为下层控制器的输入量。下层控制器计算得到四个车轮的轮胎力大小。采用分层控制的方式设计整车控制策略，分为上层控制器和下层控制器。在上层控制中，控制目标为跟踪理想的车辆行驶状态，并使得路径跟踪中的横向偏差和航向偏差趋近于零。上层控制器根据车辆控制目标计算得到所需的车辆前轮转角和侧倾力矩作为车辆系统的输入量，横摆力矩输入到下层控制器。对于四轮独立驱动智能汽车，由于其采用四个轮毂电机直接驱动，从而具有更高的操纵自由度与转矩响应能力，有利于路径跟踪过程中的动态车辆控制。采用四个轮毂电机驱动的智能汽车是一个过驱动系统，因此在下层控制器中，设计了四个车轮轮胎力的优化分配方法，来实现该冗余驱动系统动力性能的优化，并满足上层控制器的控制需求，实现路径跟踪与车辆稳定性的协调控制。

步骤s3b、上层控制器：具有抗干扰功能的路径跟踪与稳定性协调控制器设计。在四轮独立驱动智能车辆实际行驶过程中，车辆转向系统的干扰因素可能导致车辆稳定性变差以及路径跟踪控制性能的下降。为了保证车辆转向系统存在干扰时路径跟踪系统的稳定运行，可以设计具有抗干扰功能的路径跟踪与稳定性协调控制器。滑模面定义为：

式中，xe为理想的协调控制状态，x为实际的协调控制状态，为实际的协调控制状态与理想的协调控制状态之间的差值。s是滑模面的参数向量，可以通过极点配置得到。将lyapunov函数定义为：

因此在路径跟踪过程中，协调控制器保持稳定需要满足令可满足该稳定性条件，其中ε为大于0的滑模参数。对公式二十五求导可得：

将代入公式二十七可得：

从而可将协调控制器的控制输入量设计为：

式中，u1为滑模控制器的名义反馈控制项，u2为状态反馈控制项，s是滑模面的参数向量，

a0为状态转移矩阵，b0为输入矩阵，b1为干扰输入矩阵，xd为参考车辆状态，f为转向系统干扰，σ为稳定参数，ε为大于0的滑模参数。

步骤s3c：下层控制器：四轮独立驱动智能汽车的四轮轮胎力分配方法。众所周知，四轮独立驱动的智能汽车是一个冗余驱动系统，四个轮毂电机的转矩具有精确、快速的响应能力。在下层控制器中，设计四轮轮胎力分配方法来执行上层控制器输出的车辆横摆力矩mz。此外，上层控制器输出的车辆侧倾力矩mx直接作为智能车辆的控制输入量，并由悬架控制系统调节实现。轮胎力优化分配的目标函数定义为：

式中，j1为目标函数基本项，j2为目标函数反馈项，fx＝[fx1fx2fx3fx4]^t为轮胎纵向力，数矩阵bx可由公式三计算得出并可表示为w＝diag[w1w2w3w4]为为控制分配矩阵并用于调节纵向轮胎力的大小，kf(0＜kf＜1)为分配权重系数并用于调节目标函数中两个分配项的比重。目标函数中的j1用于保证车辆的驱动能力且避免轮胎出现纵向滑移，j2用于满足上层控制器的横摆力矩需求。

通过求解目标函数可得轮胎力优化分配最优解。对目标函数求偏导可得：

观察可知w＞0且可得由可推导出目标函数的最优解为：

为了提高轮胎利用率，分配的纵向轮胎力与垂向轮胎力应满足等比关系，因此分配矩阵w的参数可选取为在协调控制器设计过程中，考虑了车辆的侧倾稳定性，因此在轮胎力分配过程中，需要兼顾这一因素。定义侧倾因子为：

式中，fzl代表轮胎左侧垂向力之和，fzr代表轮胎右侧垂向力之和且分别满足fzl＝fz1+fz3，fzr＝fz2+fz4。由公式三十三可知，所分配的纵向轮胎力与轮胎载荷成正相关。因此，当车辆侧倾较为严重，在左右轮某一侧的轮胎垂向力会相应偏大，所分配的纵向力也相对较大，这不利于车辆的横摆稳定性控制。从而，本文引入了一个反向的补偿机制来抑制该趋势，将分配矩阵w的参数重新设计为：

其中kr为调节参数。在公式三十五所添加的补偿项中，(-1)^j+1可使矩阵参数wi随着轮胎序号而变化，符号函数sgn(fzl-fzr)可使矩阵参数wi随着左右侧轮胎垂向载荷的差值而变化。

下面具体分析公式三十五中矩阵参数选取方式在轮胎力分配时的作用。当车辆出现侧倾时，轮胎垂向受力分析如图4所示，分别为车辆向左侧倾时如图4(a)和车辆向右侧倾时如图(b)的受力分析图。对于轮胎1来说，在公式三十五中j取值1。此时，若轮胎垂向受力为向左侧倾时，则轮胎1所分配的纵向力会相应地大于右前轮胎，故反向补偿机制需抑制这种趋势，从而w1取值为若轮胎垂向受力为向右侧倾时，则轮胎1所分配的纵向力会相应地小于右前轮胎，故需要补偿轮胎1的纵向力，从而w1取值为同样地，对于轮胎2，当轮胎垂向受力为向左侧倾时，w2取值为当轮胎垂向受力为向右侧倾时，w2取值为此外，轮胎3取值情况与轮胎1相同，轮胎4取值情况与轮胎2相同。

由公式三十可知，当车辆的横摆稳定性较差时，应减小权重系数kf，从而增大j2在轮胎力控制分配中所占的比重，在确保路径跟踪精度的同时提高车辆的横摆稳定性。反之，则增加权重系数kf，提高j1在轮胎力分配中的比重，有助于提高车辆的驱动能力，确保智能汽车路径跟踪与稳定性协调控制的机动性。因此，权重系数kf设计为：

其中kf0为权重常数，为质心侧偏角估计值，为转向系统干扰估计值的范数。

本发明实施例针对四轮独立驱动智能汽车路径跟踪过程中跟踪效果与车辆稳定性这一多目标协调控制问题，基于分层控制方法提出了一种车辆路径跟踪与稳定性协调控制策略。建立了车辆动力学模型和路径跟踪模型，并设计了车辆状态与转向系统干扰估计方法。利用滑模控制方法设计了上层控制器，旨在减小路径跟踪过程中的航向偏差和横向偏差的同时确保车辆自身的稳定性。在下层控制器中，设计了一种轮胎力优化分配方法，根据上层控制器需求，结合车辆横摆与侧倾稳定性情况，实现轮胎力的定向控制分配。该协调控制方法可以确保各车轮独立驱动智能汽车在实现路径跟踪效果的同时，保证智能汽车自身的横向和侧倾稳定性。

应当理解，虽然本说明书是按照各个实施例描述的，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。