基于综合的无人驾驶车辆横摆稳定控制.docxVIP

基于综合的无人驾驶车辆横摆稳定控制

1车辆横向控制器设计

无人驾驶汽车（以下简称非车）属于移动设备。由于汽车作为平台，具有动作速度快、工作范围广的特点，在军事研究、打击、运输和商用车行业中具有广阔的应用前景。其中，车辆的运动控制是无人驾驶的关键之一，也是无人驾驶执行各种任务的基本条件。

无人车的运动控制分为横向控制和纵向控制,其中横向控制显著影响车辆路径跟随性能.Miller与Lupashin根据车辆与规划路径的横向偏差与航向角偏差,采用了基于非线性校正的控制方法,并且在美国DARPA(美国国防部高级研究项目局)于2005年主办的GrandChallenge比赛中获得第1名.上海理工大学的刘子龙提出了一种神经元PID控制算法,用于改善车辆在不确定环境中的鲁棒性.本文作者提出了一种基于智能控制的无人驾驶车辆跟踪预定轨迹的方法,并通过实例验证了方法的有效性.上述文献采用不同的方法设计了车辆的横向控制策略,但均忽略了车辆的动力学模型,也没有对表征动力学特性的状态变量做闭环控制.这导致在一些工况下,如:车辆以较高速度做横向机动时,车辆发生横摆振荡现象,甚至失去稳定性.

随着研究工作的深入,很多学者认识到,了解车辆的动力学特性,能够掌握车辆做横向机动时的运动规律,优化控制性能.吉林大学王荣本、张荣辉等对车辆的动力学特性和执行机构的特性做了建模,并基于最优控制的方法,设计了车辆的横向控制器.Enache针对车辆的车道线偏离报警系统,提出了一种基于车辆二自由度动力学模型的车道线保持算法,并且分析了该系统与驾驶员控制车辆的切换过程.Werling基于车辆的二自由度动力学模型,在保证李亚普诺夫稳定性的前提下,推导了车辆的路径跟随控制器.

车辆的二自由度模型描述了车辆运动过程中的横摆和横向运动特性,常作为名义模型,用于车辆控制系统的设计.为方便控制策略的设计,通常引入一系列假设,比如,侧向加速度小于0.3g,车辆的纵向速度为常数,前轮转角直接作为输入等.这导致了名义模型和实际对象间存在模型失配.另外,车辆在行驶过程中,由于载荷、胎压等不确定因素的存在,加剧了这种不确定性.若不能阐述不确定性对控制性能产生的影响,并提出一种对模型不确定性具有鲁棒性的方法,那么利用动力学模型优化车辆控制性能的目的就不能完全实现.

近年来也有部分学者注意到这一问题,例如Marino与Scalzi分析了PID控制器的鲁棒性,特别分析了速度在给定范围内变化时控制系统的鲁棒稳定性.其理论意义在于明确了控制系统保持鲁棒稳定性的参数摄动范围.不足之处在于,在控制器的设计阶段有一定的盲目性,不能直接针对参数摄动做鲁棒性设计.

基于结构奇异值μ的分析与综合理论,提供了对控制系统进行鲁棒性分析与鲁棒性设计的理论框架.本文将尝试采用这一理论框架,解决车辆路径跟随控制的鲁棒稳定性与性能问题.具体包括:(1)建立了串级控制的结构;(2)分析了主要的不确定因素,并采用μ综合的方法,设计了车辆鲁棒控制器;(3)通过仿真与实验,验证控制方法.

2传动环节模型不确定性

车辆的二自由度线性模型反映了车辆侧向与横摆运动,被广泛用于车道线保持、汽车稳定性控制等系统的设计.本文亦采用该模型作为控制器综合的名义模型,该模型如图1所示.

描述其动力学特性的微分方程如式(1)所示.图1和式(1)中各符号的说明如表1所示.做以下主要假设:模型的直接输入为前轮转角,汽车只做平行于地面的运动,轮胎的侧偏特性处于线性范围以内,纵向速度为常数.考虑δ角不大,将式(1)线性化为式(2)的形式.车辆相对预瞄点几何关系的运动学模型如式(3)所示.

式(2)为线性时不变模型,利用该模型设计控制器是十分方便的.注意到,得到式(2),需要一些假设条件.这就导致了式(2)表示的名义模型与实际车辆之间存在模型失配,即名义模型存在不确定性.本文将一些不确定因素建模如下.

车辆行驶速度根据道路、交通环境实时变化.车辆纵向速度的不确定性描述为,其中?v为参数摄动,为名义参数.

轮胎的侧偏刚度随轮胎的气压,环境温度、潮湿程度的变化而变化,车辆轮胎侧偏刚度的不确定性描述为,其中?c为参数摄动,为名义参数.

由伺服系统驱动的方向盘经过转向系传动环节、电动助力转向设备转化为前轮转角.采用乘性不确定性模型描述传动环节的模型不确定性.Gp=k(1+?GpWp(s)),其中k为传动系数,?Gp为模型不确定性,Wp(s)为加权函数.

3控制策略

3.1控制系统模型

控制系统跟随路径的方式是从预设路径中选取预瞄点,保证车辆到预瞄点的横向偏差和航向角偏差的收敛性.路径跟随控制系统的