车辆控制方法、装置、设备及自动驾驶车辆与流程

本申请涉及计算机技术领域，特别是涉及一种车辆控制方法、装置、设备及自动驾驶车辆。

背景技术：

随着智能汽车和智能交通系统的快速发展，自动驾驶成为汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是当前全球汽车与交通出行领域智能化和网联化发展的主要方向，自动驾驶车辆作为一种智能化交通工具，环境感知、路径规划与路径跟踪控制是其三大核心技术。三部分相辅相成实现了智能车安全、舒适、节能、高效的自动驾驶。其中，车辆横向路径跟踪控制作为自动驾驶的最后一环，在保证车辆的稳定性、安全性和舒适性的前提下，控制转向系统使得车辆沿期望路径行驶，其功能安全处在最重要的位置，是实现其核心价值的关键。

目前车辆横向路径跟踪控制是基于lqr(linearquadraticregulator，线性二次型调节器)的最优控制方法实时计算期望的转向角，并根据该转向角生成转向指令控制自动驾驶车辆按照预设的轨迹行驶，但lqr的最优控制方法中求解黎卡提方程一直是难点，求解黎卡提方程采用较多的方法是矩阵迭代法，即通过矩阵的代数迭代计算出近似的解。但是迭代法的收敛次数是不可控的，迭代计算的所需时间也很长，特别是低速行驶场景，所以运用该方法对自动驾驶车辆进行横向路径跟踪控制的控制效果差。

技术实现要素：

本申请实施例提供了一种车辆控制方法、装置、设备及自动驾驶车辆，可以离线计算最优反馈增益矩阵，降低了获取前轮期望转角的计算量，且本申请在计算前轮期望转角时不仅考虑了车辆路径跟踪轨迹的前馈控制，还考虑了横向位移控制、方向盘迟滞控制、跟踪轨迹的曲率前馈控制以及道路倾斜前馈控制，提高了对车辆行驶轨迹的跟踪精度，使得对车辆的横向控制效果更佳。

本申请实施例的第一方面提供了一种车辆控制方法，包括：

获取车辆当前的行驶速度；

根据当前的行驶速度以及反馈增益信息确定一组反馈增益；反馈增益信息包括多个行驶速度以及与多个行驶速度中每一个行驶速度对应的一组反馈增益；反馈增益是根据预设的线性二次型控制器的控制参数确定，控制参数包括正半定矩阵和正定矩阵；

根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角；

根据反馈转角、前馈转角以及校正转角确定与当前的行驶速度对应的前轮期望转角；

根据前轮期望转角生成控制指令控制车辆按照预设的跟踪轨迹行驶。

在其中一个实施例中，根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角，包括：

根据一组反馈增益组成的最优反馈增益矩阵以及状态向量确定反馈转角；

根据终值定理、一组反馈增益中的一个反馈增益、预设的跟踪轨迹的曲率、车辆的属性参数确定前馈转角；

根据预设的配置参数、当前时刻的前轮转角、上一时刻的前轮转角以及控制周期确定校正转角，当前时刻的前轮转角和上一时刻的前轮转角是通过设置在车辆底盘上的传感器采集的。

在其中一个实施例中，方法还包括：

根据m、l1、l2、i、c1、c2、v、y以及δ确定车辆二自由度动力学方程，其中，m为整车质量，l1为质心至前轴的距离，l2为质心至后轴的距离，i为整车转动惯量，c1为前轮胎侧偏刚度，c2为后轮胎侧偏刚度，v为行驶速度，为横向偏移速度，y为横向偏移量，δ为前轮期望转角；

根据利亚普诺夫稳定性第二法对车辆二自由度动力学方程处理得到黎卡提方程；

根据车辆不同的行驶速度对黎卡提方程进行迭代计算得到收敛的传递函数；

根据传递函数、控制参数以及车辆的属性参数确定与每一个行驶速度对应的最优反馈增益矩阵，最优反馈增益矩阵包括一组反馈增益。

在其中一个实施例中，在根据利亚普诺夫稳定性第二法对车辆状态方程处理得到黎卡提方程之前，方法包括：

根据e1、e2、ψdes、ψ、以及对车辆二自由度动力学方程进行处理得到路径跟踪偏差状态方程，路径跟踪偏差状态方程表征与预设前轮转角对应的路径跟踪偏差的响应，其中，e1为横向偏差，e2为横摆角偏差，为横向速度偏差，为横摆角速度偏差，为横摆角速度，ψdes为横摆角。

在其中一个实施例中，在根据e1、e2、以及对所述车辆二自由度动力学方程进行处理得到路径跟踪偏差状态方程之后，方法包括：

根据预设的横向位移偏差的积分误差项对路径跟踪偏差状态方程进行扩展得到连续状态方程。

在其中一个实施例中，方法还包括：

对连续状态方程进行离散化处理得到离散状态方程；

根据利亚普诺夫稳定性第二法对离散状态方程处理得到黎卡提方程。

在其中一个实施例中，在根据预设的横向位移偏差的积分误差项对路径跟踪偏差状态方程进行扩展得到连续状态方程之后，方法包括：

根据利亚普诺夫第一法对连续状态方程进行稳定性判断的步骤。

本申请的第二方面提供了一种车辆控制装置，包括：

获取模块，用于获取车辆当前的行驶速度；

处理模块，用于根据当前的行驶速度以及反馈增益信息确定一组反馈增益；反馈增益信息包括多个行驶速度以及与多个行驶速度中每一个行驶速度对应的一组反馈增益；反馈增益是根据预设的线性二次型控制器的控制参数确定，控制参数包括正半定矩阵和正定矩阵；

处理模块，用于根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角；

处理模块，用于根据反馈转角、前馈转角以及校正转角确定与当前的行驶速度对应的前轮期望转角；

控制模块，用于根据前轮期望转角生成控制指令控制车辆按照预设的跟踪轨迹行驶。

本申请的第三方面提供了一种车辆控制设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时实现如上述任一项的方法的步骤。

本申请的第四方面提供了一种自动驾驶车辆，包括：车辆本体和控制装置，其中，控制装置采用上述任一项的控制方法控制车辆本体行驶。

本申请实施例提供了一种车辆控制方法、装置、设备及自动驾驶车辆，该方法包括：线性二次型控制系统通过设置在车辆上的传感器获取车辆当前的行驶速度，然后根据当前的行驶速度以及反馈增益信息确定一组反馈增益；反馈增益信息包括多个行驶速度以及与多个行驶速度中每一个行驶速度对应的一组反馈增益；反馈增益是根据预设的线性二次型控制器的控制参数确定，控制参数包括正半定加权矩阵和正定加权矩阵，再根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角，最后根据反馈转角、前馈转角以及校正转角确定与当前的行驶速度对应的前轮期望转角，以根据前轮期望转角生成控制指令控制车辆按照预设的跟踪轨迹行驶。本申请提供的车辆控制方法通过离线计算最优反馈增益矩阵，能够降低获取前轮期望转角的计算量，且本申请在根据计算前轮期望转角时不仅考虑了车辆路径跟踪轨迹的前馈控制，还考虑了横向位移控制、方向盘迟滞控制、跟踪轨迹的曲率前馈控制以及道路倾斜前馈控制，提高了对车辆行驶轨迹的跟踪精度，使得对车辆的横向控制效果更佳。

附图说明

图1为一个实施例中车辆控制方法的流程示意图；

图2为另一个实施例中车辆控制方法的流程示意图；

图3为另一个实施例中求解黎卡提方程的流程示意图；

图4为一个实施例中车辆控制装置的结构框图；

图5为一个实施例中车辆控制设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

自动驾驶车辆横向控制根据预设的跟踪轨迹和车辆定位信息，实时计算前轮期望转角，生成控制指令控制车辆按照预设的跟踪轨迹行驶。目前，自动驾驶车辆横向控制广泛采用线性二次型控制方法，但线性二次型控制方法存在以下问题：(1)最优反馈增益矩阵一般通过在线求解黎卡提方程得到反馈增益，但是迭代法的收敛次数是不可控的，迭代计算的所需时间也很长，特别是低速行驶场景，所以运用该方法对自动驾驶车辆进行横向路径跟踪控制的控制效果差。(2)当前自动驾驶车辆横向控制系统大多采用引入道路曲率前馈补偿减小稳态误差，未考虑道路倾斜引起的横向稳态误差，降低了车辆横向控制系统的品质；(3)车辆的属性参数存在一定的不确定性，不能保证完全消除车辆横向控制的稳态误差。基于现有技术存在的这些问题，本申请提供了一种车辆控制方法，如图1所示，具体包括如下步骤：

s102，获取车辆当前的行驶速度。

其中，车辆当前的行驶速度可以是根据设置在车辆上的传感器获取，并传输至线性二次型控制器中，线性二次型控制器根据车辆当前的行驶速度计算与当前的行驶速度对应的前轮期望转角，从而提高对车辆预设的跟踪轨迹的跟踪精度。

s104，根据当前的行驶速度以及反馈增益信息确定一组反馈增益；反馈增益信息包括多个行驶速度以及与多个行驶速度中每一个行驶速度对应的一组反馈增益；反馈增益是根据预设的线性二次型控制器的控制参数确定，控制参数包括正半定加权矩阵和正定加权矩阵。

其中，行驶速度与反馈增益是一一对应的关系，反馈增益通过离线计算预先存储在线性二次型控制器中，示例性的，反馈增益信息例如可以是如下所示的一张行驶速度与反馈增益的对应关系表：

当获取了车辆的行驶速度后，通过查询上述行驶速度与反馈增益的对应关系表获得与行驶速度对应的反馈增益，然后根据该反馈增益快速的计算得到前轮期望转角。不需要根据车速实时的通过黎卡提方程计算反馈增益，然后再根据反馈增益计算前轮期望转角，大大减小了运算量。

s106，根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角。

其中，反馈转角基于lqr最有控制理论得到，用于表征对车辆进行横向最优控制的反馈控制；前馈转角用于表征车辆行驶道路曲率变化对车辆进行的前馈控制，前馈转角根据终值定理使横向偏差趋于稳态零获得，前馈转角的补偿用于消除车辆接受的侧向风或者车辆行驶道路曲率变化带来的稳态误差。校正转角用于考虑到方向盘迟滞对车辆控制的影响。本申请从多方面考虑对车辆进行控制时带来的影响，从而提高对车辆控制的精准性。

s108，根据反馈转角、前馈转角以及校正转角确定与当前的行驶速度对应的前轮期望转角。

其中，最终输出的前轮期望转角是通过对反馈转角、前馈转角以及校正转角进行求和得到，本申请考虑了不同因素对车辆控制的影响，并计算了不同因素影响下的影响角度，最终确定输出的前轮期望转角，使得对车辆的控制更加的精准。

s110，根据前轮期望转角生成控制指令控制车辆按照预设的跟踪轨迹行驶。

其中，线性二次型控制器根据上述计算得到的前轮期望转角生成控制指令，该指令中包括前轮期望转角，线性二次型控制器根据控制指令控制前轮按照前轮期望转角进行转向，实现对预设跟踪轨迹的跟踪。

在一个实施例中，该实施例是如何根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角的方法的步骤，具体包括：

根据一组反馈增益组成的最优反馈增益矩阵以及状态向量确定反馈转角；

根据终值定理、一组反馈增益中的一个反馈增益、预设的跟踪轨迹的曲率、车辆的属性参数确定前馈转角；

根据预设的配置参数、当前时刻的前轮转角、上一时刻的前轮转角以及控制周期确定校正转角，当前时刻的前轮转角和上一时刻的前轮转角是通过设置在车辆底盘上的传感器采集的。

其中，反馈转角是根据一组反馈增益组成的最有反馈矩阵与预设的状态向量相乘后取反得到。所以当根据当前的行驶速度获取了一组反馈增益后，能够快速的计算得到反馈转角，提高了对车辆的控制效率。

前馈转角是根据终值定理、一组反馈增益中的一个反馈增益、预设的跟踪轨迹的曲率、车辆的属性参数确定的，该计算过程所需的参数多，考虑的影响因子更全面，计算得到的前馈转角更加的准确。

校正转角在计算时，其所需的参数都是预设或者直接获取的，数据的获取容易，能够更快的得到校正转角的计算结果，进一步提高了对车辆的控制效率。

下面，具体介绍包括如何得到反馈增益，以及根据反馈增益等参数得到反馈转角、前馈转角以及校正转角的计算过程：

首先，根据m、l1、l2、i、c1、c2、v、y、ψ、以及δ确定车辆二自由度动力学方程，其中，m为整车质量，l1为质心至前轴的距离，l2为质心至后轴的距离，i为整车转动惯量，c1为前轮胎侧偏刚度，c2为后轮胎侧偏刚度，v为所述行驶速度，为横向偏移速度，y为横向偏移量，ψ为车辆的航向角，为车辆的航向角速度，δ为前轮期望转角。车辆二自由度动力学方程如下：

根据e1、e2、ψdes、ψ、以及对所述车辆状态方程进行处理得到路径跟踪偏差状态方程，其中，e1为横向偏差，e2为横摆角偏差，为横向速度偏差，为横摆角速度偏差，为横摆角速度，ψdes为横摆角。

其中，e2＝ψ-ψdes、为了减小车辆轨迹跟踪偏差，所以对车辆状态方程进行处理得到路径跟踪偏差状态方程，路径跟踪偏差状态方程能够分析根据给定的前轮转角下路径跟踪偏差的响应。首先对e1、e2、进行求导，然后根据e1、e2、与ψdes、ψ、的关系，对车辆状态方程进行处理，得到路径跟踪偏差状态方程(2)：

其中，

由于车辆在行驶的过程中，会受到侧向风的影响和/或者遇到路面不平整的情况，为了使得车辆一直维持在道路的中间行驶，则要考虑车辆在侧向风以及路况的影响下产生的横向位移偏差。具体地，定义横向位移偏差的积分误差项以及状态向量对上述路径跟踪偏差状态方程进行扩展，得到连续的状态方程：

其中，a、b、c为扩展矩阵：

由于连续的状态方程只有在稳定的情况下，才能使用，所以需要对连续状态方程的稳定性进行判断，判断的方法为，将公式(3)改写为：计算在不同车速在[-20，50]m/s范围内，且车速不能等于0的情况下，验证[b，ab，a²b，a³b]是否都是满秩的，若都是满秩的，则认为该连续状态方程是稳定的。同时，计算在不同车速在[-20,50]m/s范围内，且车速不能等于0的情况下，验证[c，ca，ca²，ca³]^t是否都是满秩的，若都是满秩的，则认为该连续状态方程是稳定的。

为了便于计算机的计算，需要对连续的状态方程进行离散化处理，得到离散的状态方程：

其中，ad＝1+a*ts，bd＝b*ts，cd＝c*ts，ts为车辆控制周期。

基于公式(4)就可以分析在前轮转角控制输入下，车辆的路径跟踪偏差的响应特性，根据最优控制理论，期望的响应特性是路径跟踪偏差能够快速、稳定地趋近于零，并保持平衡，同时前轮转角控制输入又尽可能的小，那么就转化为多目标优化最优控制问题。在0-∞范围内，设定最优目标j使跟踪偏差和输入轮胎转角控制量加权最小。优化的目标函数为跟踪过程累计的跟踪偏差与累计的控制输入的加权和，如(5)所示：

其中，j为最优目标，q为半正定加权矩阵，r为正定加权矩阵，q和r通常取为对角阵，q中的矩阵元素变大表征希望跟踪偏差能够快速趋近于零，r中的矩阵元素变大表征控制输入尽可能小。所以公式(5)中第一项优化目标表示跟踪过程路径偏差的累计大小，第二优化目标表示跟踪过程控制能量的损耗。

根据lqr最优控制理论，对公式(5)进行优化求解，得到关于状态向量e的线性函数：

其中，s是根据黎卡提方程迭代计算出来的传递函数。

黎卡提方程是根据利亚普诺夫稳定性第二法对公式(4)进行处理得到的：

如图3所示，图3为对黎卡提方程进行迭代计算得到传递函数s的流程图。

由于公式(3)连续状态方程既有状态反馈控制、又有道路曲率变化的外部干扰，因此需要通过最优控制理论来计算反馈转角。具体地，可以是预设一个状态反馈调节器，通过状态反馈实现闭环最优控制，根据上述线性函数得到最优反馈增益矩阵：k＝[k1，k2，k3，k4，k5]最优反馈增益矩阵是根据不同的车辆行驶速度以及传递函数s得到，该最优反馈增益矩阵中的矩阵元素表示反馈增益(k1，k2，k3，k4，k5)。

根据lqr反馈控制原理，由上述计算得到的反馈矩阵，可以得到反馈转角δfeed的计算公式，如下：，

δfeed＝δ^*＝-ke(7)

如图2所示，由于lqr反馈控制求解反馈转角的过程中没有考虑路径本身的动态变化特性即道路曲率变化带来的干扰，若只根据反馈转角控制车辆的前轮转角会存在稳态误差，为了消除稳态误差，还需要加上前馈转角δff，δff的计算公式是根据终值定理对公式(4)进行处理得到的：

其中，ρ为预瞄道路曲率，k4为反馈矩阵k中一组调节系数中的一个调节系数。

若不考虑方向盘迟滞的情况，那么前轮转角就为δ＝δfeed+δff，但是考虑到方向盘迟滞的情况，则需要对输入的前轮转角进行校正，校正转角根据下述公式(9)得到：

其中，δ(k+1)为当前时刻的前轮转角、δ(k)为上一时刻的前轮转角，kd为预设的配置参数，ts为控制周期。

所以，最终得到的与车辆的形式速度对应的前轮期望转角根据(10)计算得到：

δ＝δfeed+δff+δdelay(10)

根据上述计算过程离线计算与不同车辆的行驶速度对应的多个反馈增益，不需要在车辆行驶的过程中进行实时的计算，避免在低速行驶场景中黎卡提方程迭代收敛次数不可控，迭代计算所需时间长的问题出现，能够根据车辆的行驶速度快速的得到所需的车辆前轮转角，便于更好的对车辆进行控制。

应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种车辆控制装置，包括：

获取模块，用于获取车辆当前的行驶速度；

处理模块，用于根据当前的行驶速度以及反馈增益信息确定一组反馈增益；反馈增益信息包括多个行驶速度以及与多个行驶速度中每一个行驶速度对应的一组反馈增益；反馈增益是根据预设的线性二次型控制器的控制参数确定，控制参数包括正半定矩阵和正定矩阵；

处理模块，用于根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角；

处理模块，用于根据反馈转角、前馈转角以及校正转角确定与当前的行驶速度对应的前轮期望转角；

控制模块，用于根据前轮期望转角生成控制指令控制车辆按照预设的跟踪轨迹行驶。

在另一个实施例中，处理模块，具体用于根据一组反馈增益组成的最优反馈增益矩阵以及状态向量确定反馈转角；根据终值定理、一组反馈增益中的一个反馈增益、预设的跟踪轨迹的曲率、车辆的属性参数确定前馈转角；根据预设的配置参数、当前时刻的前轮转角、上一时刻的前轮转角以及控制周期确定校正转角，当前时刻的前轮转角和上一时刻的前轮转角是通过设置在车辆底盘上的传感器采集的。

在另一个实施例中，处理模块，具体用于根据m、l1、l2、i、c1、c2、v、y以及δ确定车辆二自由度动力学方程，其中，m为整车质量，l1为质心至前轴的距离，l2为质心至后轴的距离，i为整车转动惯量，c1为前轮胎侧偏刚度，c2为后轮胎侧偏刚度，v为行驶速度，为横向偏移速度，y为横向偏移量，δ为前轮期望转角；根据利亚普诺夫稳定性第二法对车辆二自由度动力学方程处理得到黎卡提方程；根据车辆不同的行驶速度对黎卡提方程进行迭代计算得到收敛的传递函数；根据传递函数、控制参数以及车辆的属性参数确定与每一个行驶速度对应的最优反馈增益矩阵，最优反馈增益矩阵包括一组反馈增益。

在另一个实施例中，处理模块，具体用于根据e1、e2、ψdes、ψ、以及对车辆二自由度动力学方程进行处理得到路径跟踪偏差状态方程，路径跟踪偏差状态方程表征与预设前轮转角对应的路径跟踪偏差的响应，其中，e1为横向偏差，e2为横摆角偏差，为横向速度偏差，为横摆角速度偏差，为横摆角速度，ψdes为横摆角。

在另一个实施例中，处理模块，具体用于根据预设的横向位移偏差的积分误差项对路径跟踪偏差状态方程进行扩展得到连续状态方程。

在另一个实施例中，处理模块，具体用于对连续状态方程进行离散化处理得到离散状态方程；根据利亚普诺夫稳定性第二法对离散状态方程处理得到黎卡提方程。

在另一个实施例中，处理模块，具体用于根据利亚普诺夫第一法对连续状态方程进行稳定性判断的步骤。

关于车辆控制装置的具体限定可以参见上文中对于车辆控制方法的限定，在此不再赘述。上述车辆控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，如图5所示，提供了一种车辆控制设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取车辆当前的行驶速度；

根据当前的行驶速度以及反馈增益信息确定一组反馈增益；反馈增益信息包括多个行驶速度以及与多个行驶速度中每一个行驶速度对应的一组反馈增益；反馈增益是根据预设的线性二次型控制器的控制参数确定，控制参数包括正半定矩阵和正定矩阵；

根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角；

根据反馈转角、前馈转角以及校正转角确定与当前的行驶速度对应的前轮期望转角；

根据前轮期望转角生成控制指令控制车辆按照预设的跟踪轨迹行驶。

在另一个实施例中，处理器执行计算机程序时还实现以下步骤：根据一组反馈增益组成的最优反馈增益矩阵以及状态向量确定反馈转角；根据终值定理、一组反馈增益中的一个反馈增益、预设的跟踪轨迹的曲率、车辆的属性参数确定前馈转角；根据预设的配置参数、当前时刻的前轮转角、上一时刻的前轮转角以及控制周期确定校正转角，当前时刻的前轮转角和上一时刻的前轮转角是通过设置在车辆底盘上的传感器采集的。

在另一个实施例中，处理器执行计算机程序时还实现以下步骤：根据m、l1、l2、i、c1、c2、v、y以及δ确定车辆二自由度动力学方程，其中，m为整车质量，l1为质心至前轴的距离，l2为质心至后轴的距离，i为整车转动惯量，c1为前轮胎侧偏刚度，c2为后轮胎侧偏刚度，v为行驶速度，为横向偏移速度，y为横向偏移量，δ为前轮期望转角；根据利亚普诺夫稳定性第二法对车辆二自由度动力学方程处理得到黎卡提方程；根据车辆不同的行驶速度对黎卡提方程进行迭代计算得到收敛的传递函数；根据传递函数、控制参数以及车辆的属性参数确定与每一个行驶速度对应的最优反馈增益矩阵，最优反馈增益矩阵包括一组反馈增益。

在另一个实施例中，处理器执行计算机程序时还实现以下步骤：根据e1、e2、ψdes、ψ、及对车辆二自由度动力学方程进行处理得到路径跟踪偏差状态方程，路径跟踪偏差状态方程表征与预设前轮转角对应的路径跟踪偏差的响应，其中，e1为横向偏差，e2为横摆角偏差，为横向速度偏差，为横摆角速度偏差，为横摆角速度，ψdes为横摆角。

在另一个实施例中，处理器执行计算机程序时还实现以下步骤：根据预设的横向位移偏差的积分误差项对路径跟踪偏差状态方程进行扩展得到连续状态方程。

在另一个实施例中，处理器执行计算机程序时还实现以下步骤：对连续状态方程进行离散化处理得到离散状态方程；根据利亚普诺夫稳定性第二法对离散状态方程处理得到黎卡提方程。

在另一个实施例中，处理器执行计算机程序时还实现以下步骤：根据利亚普诺夫第一法对连续状态方程进行稳定性判断的步骤。

在一个实施例中，还提供了一种自动驾驶车辆，该自动驾驶车辆包括：车辆本体和车辆控制装置，其中，车辆控制装置采用上述任一项的车辆控制方法控制车辆本体行驶。本申请在此不做赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取车辆当前的行驶速度；

根据当前的行驶速度以及反馈增益信息确定一组反馈增益；反馈增益信息包括多个行驶速度以及与多个行驶速度中每一个行驶速度对应的一组反馈增益；反馈增益是根据预设的线性二次型控制器的控制参数确定，控制参数包括正半定矩阵和正定矩阵；

根据一组反馈增益确定与当前的行驶速度对应的反馈转角、前馈转角以及校正转角；

根据反馈转角、前馈转角以及校正转角确定与当前的行驶速度对应的前轮期望转角；

根据前轮期望转角生成控制指令控制车辆按照预设的跟踪轨迹行驶。

在另一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据一组反馈增益组成的最优反馈增益矩阵以及状态向量确定反馈转角；根据终值定理、一组反馈增益中的一个反馈增益、预设的跟踪轨迹的曲率、车辆的属性参数确定前馈转角；根据预设的配置参数、当前时刻的前轮转角、上一时刻的前轮转角以及控制周期确定校正转角，当前时刻的前轮转角和上一时刻的前轮转角是通过设置在车辆底盘上的传感器采集的。

在另一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据m、l1、l2、i、c1、c2、v、y以及δ确定车辆二自由度动力学方程，其中，m为整车质量，l1为质心至前轴的距离，l2为质心至后轴的距离，i为整车转动惯量，c1为前轮胎侧偏刚度，c2为后轮胎侧偏刚度，v为行驶速度，为横向偏移速度，y为横向偏移量，δ为前轮期望转角；根据利亚普诺夫稳定性第二法对车辆二自由度动力学方程处理得到黎卡提方程；根据车辆不同的行驶速度对黎卡提方程进行迭代计算得到收敛的传递函数；根据传递函数、控制参数以及车辆的属性参数确定每一个行驶速度对应的最优反馈增益矩阵，最优反馈增益矩阵包括一组反馈增益。

在另一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据e1、e2、ψdes、ψ、以及对车辆二自由度动力学方程进行处理得到路径跟踪偏差状态方程，路径跟踪偏差状态方程表征与预设前轮转角对应的路径跟踪偏差的响应，其中，e1为横向偏差，e2为横摆角偏差，为横向速度偏差，为横摆角速度偏差，为横摆角速度，ψdes为横摆角。

在另一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据预设的横向位移偏差的积分误差项对路径跟踪偏差状态方程进行扩展得到连续状态方程。

在另一个实施例中，计算机程序被处理器执行时还实现以下步骤：对连续状态方程进行离散化处理得到离散状态方程；根据利亚普诺夫稳定性第二法对离散状态方程处理得到黎卡提方程。

在另一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据利亚普诺夫第一法对连续状态方程进行稳定性判断的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-onlymemory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(randomaccessmemory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(staticrandomaccessmemory，sram)或动态随机存取存储器(dynamicrandomaccessmemory，dram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。