一种用于复杂地形下越野车辆路径跟踪稳定性控制方法与流程

本发明涉及车辆路径跟踪及稳定性控制领域，具体是一种用于复杂地形下越野车辆路径跟踪稳定性控制方法。

背景技术：

1、随着时代的发展，叉车对于不同场景的需求逐渐增大，应用环境逐渐更加复杂。同时，由于算力水平的不断提升，以及需求的提出，智能化这一概念也逐步普及。因此，人们对于智能叉车的要求逐渐提升至在复杂地形下也能够保证稳定性以及跟踪精度。

2、叉车在复杂地形下的行驶，由于轮地之间作用的影响，与在结构化道路上行驶不完全相同。同时在复杂地形下行驶，叉车更容易发生横向失稳以及横向跟踪误差。横向失稳分为侧倾失稳和侧滑失稳两种失稳形式，但对于失稳的评价多为单一指标，无法综合的评价横向稳定性。同时，许多智能车只考虑跟踪精度的问题，忽略了在跟踪过程中可能出现的失稳情况。若在跟踪中出现了横向失稳，所述跟踪过程将无实际意义。

技术实现思路

1、本发明的目的在于提供一种用于复杂地形下越野车辆路径跟踪稳定性控制方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种用于复杂地形下越野车辆路径跟踪稳定性控制方法，包括以下步骤：

4、步骤1、构建车轮-地面相互作用模型，得到轮地相互作用的纵向力fx、侧向力fy和垂向力fz；

5、步骤2、通过车轮-地面相互作用模型构建侧倾评价指标j1和侧滑评价指标j2，对两个指标进行加权处理得到综合稳定性评价指标rss；

6、步骤3、对综合稳定性评价指标进行训练，调整综合稳定性评价指标rss中j1和j2的权重系数；

7、步骤4、通过综合稳定性评价指标构建mpc控制器；

8、步骤5、通过mpc控制器对车辆进行稳定性控制。

9、作为本发明进一步的方案：所述车轮-地面相互作用模型建立包括一下步骤：

10、步骤1.1、构建静态的承压模型，得到车轮的静态沉陷量；

11、步骤1.2、计算车轮的滑转率，构建车轮的动态沉陷模型，得到考虑车轮沉陷的法向应力计算方法。

12、步骤1.3、构建剪切模型，得到考虑车轮沉陷的剪切应力计算方法。

13、作为本发明进一步的方案：所述综合稳定性评价指标的建立与优化调整步骤如下：

14、步骤2.1、建立侧翻评价指标j1；

15、步骤2.2、建立前轴和后轴的侧滑评价指标rf和rr，选择rf和rr中较大的作为整车侧滑评价指标j2；

16、步骤2.3、对侧翻评价指标j1和侧滑评价指标j2进行加权处理得到综合稳定性评价指标

17、步骤2.4、通过深度强化学习算法td3算法对rss的权重进行更新训练。

18、作为本发明进一步的方案：所述综合稳定性评价指标强化学习训练方法步骤如下：

19、步骤3.1、定义状态为s＝[j1，j2]；

20、步骤3.2、定义动作为a＝[dw1，dw2]，dw1，dw2分别为ltr和r的权重系数调整量；

21、步骤3.3、定义学习的奖励函数；

22、步骤3.4、构建策略网络actor和评价网络critic，所述actor网络包括两个网络：actor网络和target actor网络，所述critic网络包括四个网络：critic1网络、critic2网络、target critic1网络，target critic2网络；actor网络、critic1网络和critic2网络通过梯度更新，target actor和target critic网络通过软更新的方式进行更新；

23、步骤4.5、将每次更新的综合稳定性评价指标带入到先验有效的稳定性控制算法中，以此来作为控制算法稳定性控制的依据，通过状态量s＝[j1，j2]来判断使用此次更新的综合稳定性评价指标来控制车辆是否发生失稳，并根据奖励函数来给出奖励值。

24、作为本发明进一步的方案：所述综合稳定性评价指标rss的临界值为rssth，当rss>rssth时判断为车辆横向发生失稳的情况，在路径跟踪过程中将稳定性综合评价指标rss限制在临界值以下。

25、作为本发明进一步的方案：所述mpc控制器系统的状态变量输出变量为u＝[δmzmf]t，输出变量为

26、mpc控制器系统的目标函数表达式如下：

27、

28、其中q1，q2，q3分别为输出状态权重矩阵，r为控制量权重矩阵，ε为松弛因子，其权重系数为ρ。

29、作为本发明进一步的方案：所述步骤4中mpc控制器系统的构建包括以下步骤：

30、步骤4.1、构造四自由度车辆动力学模型系统：

31、

32、步骤4.2、设置路径跟踪的参考轨迹为六次贝塞尔曲线，参考轨迹方程为：

33、

34、

35、

36、步骤4.3、确定mpc控制器系统的状态变量控制变量为u＝[δmzmf]t，输出变量为并将车辆系统表示为如下形式：

37、

38、步骤4.4、将车辆系统离散化：

39、

40、式中，a(k)＝1+ta(t)，b(k)＝tb(t)，i为单位矩阵，t为采样时间；

41、步骤4.5、使用控制增量δu(k|t)＝u(k|t)-u(k-1|t)取代控制变量，系统可以表示为：

42、

43、

44、式中，

45、步骤4.6、将预测输出表达为如下形式

46、

47、式中

48、δu(k)＝[δu(k∣t)δu(k+1∣t)…δu(k+nc∣t)]t

49、

50、其中，np为预测时域，nc为控制时域，且满足nc<np；

51、步骤4.7、构建的目标函数表达式如下：

52、

53、其中q1,q2,q3分别为输出状态权重矩阵，r为控制量权重矩阵，ε为松弛因子，其权重系数为ρ。

54、作为本发明进一步的方案：所述步骤5包括以下步骤：

55、步骤5.1、输入车辆动力参数到、车辆期望路径mpc路径跟踪控制器；

56、步骤5.2、mpc路径跟踪控制器通过输入的车辆动力参数到、车辆期望路径计算车辆的控制变量参数；

57、步骤5.3、车辆接收控制变量参数并通过控制变量参数对车辆进行控制。

58、作为本发明进一步的方案：所述控制变量参数包括控制变量前轮转角、侧倾力矩和横摆力矩，所述控制变量前轮转角、侧倾力矩和横摆力矩分别通过控制方向盘转角、悬架的支撑力和四轮的纵向力来实现。

59、与现有技术相比，本发明的有益效果是：

60、1、本发明考虑了在复杂地形下的侧倾失稳和侧滑失稳，建立了侧倾失稳评价指标和侧滑失稳评价指标，并将二者结合，提出了综合横向稳定性评价指标，并通过强化学习的算法对评价指标不断优化，使评价指标能够更加精确的表征横向稳定性。

61、2、本发明设计了mpc控制器，综合考虑了路径跟踪的精度和稳定性，保证了在复杂地形下叉车在轨迹跟踪过程中在不会发生横向失稳的前提下精度的提升。