本发明属于自动驾驶控制算法,具体地说,本发明涉及一种基于spsa的滑模调参控制方法。
背景技术:
1、自动驾驶技术是未来汽车行业的发展方向之一,自动驾驶涉及到多种算法,对算法的鲁棒性及稳定性有比较高的要求,因为事关交通安全的问题。其中,无人驾驶车辆的规划及控制是自动驾驶技术的关键一环,随着自动驾驶车辆的渗透率越来越高,自动驾驶车辆面对的工况越来越多;解决因此对自动驾驶汽车的轨迹跟踪技术的研究有着重要的意义;自动驾驶控制算法需要根据车辆的实时状态和环境信息来做出决策,以实现安全、高效、舒适的驾驶体验;然而,由于车辆状态和环境信息的复杂性,自动驾驶控制算法的参数调整是一个非常困难的问题;动驾驶控制算法参数自动调整的优势在于可以提高自动驾驶系统的性能和稳定性,减少人工干预的需求,提高驾驶体验和安全性;此外,自动调整算法可以快速适应不同的驾驶场景和环境,提高自动驾驶系统的适应性和灵活性。
2、滑模控制是一种相当简单而且控制性能优越的控制方法;针对其中的滑模控制,目前大多采用二阶滑模控制;二阶滑模控制对于控制车辆有很好的适应性,能够很好的轨迹跟踪,但是也存在一些缺点,比如调节参数较多等问题,滑模控制算法是一种常用的非线性控制算法,其核心是通过引入滑模面来实现对系统状态的控制;然而,滑模控制算法的参数调整是一个非常困难的问题,传统的调参方法往往需要大量的试错和经验积累,效率低下。
技术实现思路
1、本发明提供一种基于spsa的滑模调参控制方法,以解决上述背景技术中存在的问题。
2、为了实现上述目的,本发明采取的技术方案为:一种基于spsa的滑模调参控制方法,具体包括以下步骤,
3、步骤s1,车辆误差模型,由于路径存在曲率突变,如若在后轴中心到达曲率突变点再开始打方向,由于转向系统内部的动态特性,车辆的角速度无法瞬变,因而在此点会产生较大的横向误差;
4、步骤s2,确定滑模面,对于轨迹跟踪问题,滑模面选择为横向误差。横向误差通过车辆的运动学和动力学方程,结合预瞄跟踪得:其中v是车速,是预瞄点的航向误差,dp是预瞄点到后轴中心的距离,l是轴距,φ是前轮转角;
5、步骤s3,选择滑模变量,滑模变量设计为其中f是代表前馈,εα是可调参数,是误差变化率,εβ是可调参数;
6、步骤s4,稳定性分析,选取lyapunov函数对lyapunov求导,可得成立,系统满足lyapunov稳定性条件,系统能在允许的时间内下达到按要求设计的滑模面;
7、步骤s5,spsa算法。
8、所述步骤s1,车辆误差模型忽略低速时车辆动态特性的影响时的计算公式为:
9、车辆的运动学方程为
10、
11、
12、
13、其中,ψ是前轮转角,θ是航向角。
14、所述步骤s1,车辆误差模型由于转向系统内部动态特性的影响时的计算为:
15、选用预瞄点处的误差为
16、
17、
18、其中,dp是预瞄距离,ρ是路径路率。
19、所述步骤s5,spsa算法具体步骤为:
20、步骤s5.1,初始化参数向量和扰动向量;
21、步骤s5.2,对每个参数,随机生成一个扰动向量,并计算目标函数(误差函数)在该扰动下的函数值;
22、步骤s5.3,根据目标函数在两个扰动向量下的函数差异,估计目标函数在该参数下的梯度;
23、步骤s5.4,根据梯度方向和步长更新参数向量;
24、步骤s5.5,重复步骤s5.2和步骤s5.4,直到达到收敛条件;
25、步骤s5.6,把最优参数代入到控制量中即可。
26、所述spsa算法中涉及的公式如下:
27、
28、其中,k是迭代次数的索引,θ是待优化的参数标量或者向量,g(θ)是梯度估计,主要是关于前面提到的误差模型,a是步长因子;
29、
30、其中,θo是最优参数。
31、采用以上技术方案的有益效果是:
32、1、本发明中的算法是一种基于随机梯度下降的优化算法,可以用于解决滑模算法调参的问题;spsa算法的核心思想是通过随机扰动来估计目标函数的梯度,从而实现参数的优化。
33、2、本发明中的调参方法不在需要大量的试错和经验积累,有效的提高了参数调整的效率。
1.一种基于spsa的滑模调参控制方法,其特征在于:具体包括以下步骤,
2.根据权利要求1所述的一种基于spsa的滑模调参控制方法,其特征在于:所述步骤s1,车辆误差模型忽略低速时车辆动态特性的影响时的计算公式为:
3.根据权利要求1所述的一种基于spsa的滑模调参控制方法,其特征在于:所述步骤s1,车辆误差模型由于转向系统内部动态特性的影响时的计算为:选用预瞄点处的误差为
4.根据权利要求1所述的一种基于spsa的滑模调参控制方法,其特征在于:所述步骤s5,spsa算法具体步骤为:
5.根据权利要求4所述的一种基于spsa的滑模调参控制方法,其特征在于:所述spsa算法中涉及的公式如下: