无人驾驶清扫车横向控制

本发明属于无人驾驶，具体涉及无人驾驶清扫车横向控制。

背景技术：

1、随着计算机科学技术和传感器技术的进步，基于高效环境感知的无人驾驶车辆技术在快速发展。实现车辆的无人驾驶有着至关重要的意义，无人驾驶技术已成为当今车辆行业的重点研究对象。轨迹跟踪是无人驾驶技术的关键所在。

2、然而在现有技术中，实际上车辆在行驶过程中易受到各类如风阻的外界干扰和如车辆系统各结构间耦合的内扰，这些扰动会导致轨迹跟踪产生偏差，进而会影响跟踪精度，甚至会发生危险，因此保证车辆在复杂环境下的准确跟踪极其关键，为此，提出无人驾驶清扫车横向控制。

技术实现思路

1、本发明的目的在于提供无人驾驶清扫车横向控制，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、无人驾驶清扫车横向控制，包括：

4、车辆动力学模型，用于构建二者的耦合函数，并计算得到一个理想横摆角；

5、轨迹跟踪控制器设计，用于构造一种更加平滑的非线性函数，进而设计基于改进非线性函数的自抗扰控制器；

6、仿真分析，用于实现不同道路工况下的仿真对比。

7、优选的，所述车辆动力学模型包括有以oxy形成的大地坐标系，所述坐标系中的虚线为图示时刻车辆质心到期望路径的最短距离对应的道路切线；所述φ为车辆横摆角；所述φref为期望路径切线对应的横摆角；所述φe为横摆角偏差；所述ye为车辆质心处距离道路切线的横向位置偏差；所述β为车辆质心侧偏角；所述ν为车辆质心速度；所述vx、vy分别为质心处纵向、侧向速度；所述σf为前轮转角；所述αf、αr分别为前、后轴的轮胎侧偏角；所述if、ir分别为车辆质心到前、后轴的距离；所述fyf、fyr分别为前、后轮胎的侧向力。

8、优选的，所述无人驾驶车辆系统动力学模型可表示为：

9、β＝(fyf+fyt)/(mvx)-y

10、y＝(fyfif+fvtit)/iz

11、ye＝v sin(β+φe)

12、iφe＝φ-φretβ；

13、所述m为车辆质量，iz为车辆的横摆转动惯量；

14、所述轮胎模型采用pacejka魔术公式，当侧向加速度小于0.4g且轮胎侧偏角数值不大时，轮胎侧偏力与侧偏角可线性表示为：

15、

16、

17、所述cf、cr分别为车辆前、后轮胎侧偏刚度。

18、优选的，所述轨迹跟踪控制器设计包括有自抗扰系统、mpc控制器设计、改进型自抗扰补偿控制、改进型自抗扰补偿控制器稳定性分析，从而保证车辆可以准确跟踪到期望路径上。

19、优选的，所述自抗扰系统通过控制一个控制量前轮转角来同时控制横向位移和横摆角，属于欠驱动系统，因此可以构造关于二者的一个耦合函数来解决欠驱动问题，所述耦合函数为：z＝aitanh(a2ey)+φe+β，所述a1、a2为耦合函数增益系数，且0＜a1＜2，a2＞0。

20、优选的，所述mpc控制器设计通过将模型进行线性化处理，可将非线性动力学模型表示为状态空间方程，所述状态空间方程为：ξ＝f(ξ,u)，所述式中的状态量为ξ＝[vy,vx,φ,y,y,x],控制量为u＝δf。

21、所述采用控制增量作为状态量，进而设计目标函数，所述在目标函数中加入带权重系数ρ的松弛因子ξ，在无可行解出现时，松弛因子能保证控制过程中以次优解来代替最优解，具体数学表达式为：

22、

23、所述上述式中np、nc分别为预测时域、控制时域；q、r分别表示输出偏差、控制增量的权值矩阵。

24、优选的，所述改进型自抗扰补偿控制是一种不完全依赖系统模型的控制方法，所述改进型自抗扰补偿控制主要由微分跟踪器(td)、扩张状态观测器(eso)、非线性误差反馈控制器(nlsef)部分组成，所述非线性函数的改进是以fal是核心，在eso和nlsef中分别能起状态量、误差的估计和补偿作用，而改进后的非线性函数为：

25、

26、优选的，所述仿真分析采用mpc和改进型自抗扰控制相结合，无人驾驶车辆的控制量由mpc输出的前轮转角σf1和iadrc补偿的σf2共同组成。

27、与现有技术相比，本发明的有益效果是：

28、1、基于轨迹跟踪偏差模型建立无人驾驶车辆动力学模型，针对传统mpc难以处理车辆所受内外扰动和建模时不精确性的问题，通过分析横向偏差和偏航角偏差间的关系，构建二者的耦合函数，计算得到一个理想横摆角。

29、2、为了提高自抗扰控制中扩张状态观测器观测精度，构造一种更加平滑的非线性函数，进而设计基于改进非线性函数的自抗扰控制器，通过跟踪理想横摆角修正轨迹跟踪偏差。

30、3、进行了不同道路工况下的仿真对比，结果表明：相比于传统的mpc和pid，本文所提出的mpc-iadrc控制器在高速环境和侧风干扰环境下最大横向偏差分别平均减小73.9％和79.9％，表明本文控制器能够较好地跟踪期望轨迹并对干扰具有鲁棒性；相比于正常道路行驶，将整车质量调整后最大横向偏差增加9.3％；而当车辆处于冰雪等恶劣环境下，最大横向偏差增加18.9％，表明本文控制器对于整车质量和道路附着系数参数的变化有着良好的鲁棒性，提升了车辆对于复杂路面的跟踪精度和行驶稳定性。

31、4、本次工作主要针对车辆的仿真试验分析，下一步将采用实验小车来分别搭载不同的控制器，在不同工况下验证本控制器的有效性。

技术特征：

1.无人驾驶清扫车横向控制，其特征在于，包括：

2.根据权利要求1所述的无人驾驶清扫车横向控制，其特征在于：所述车辆动力学模型包括有以oxy形成的大地坐标系，所述坐标系中的虚线为图示时刻车辆质心到期望路径的最短距离对应的道路切线；所述φ为车辆横摆角；所述φref为期望路径切线对应的横摆角；所述φe为横摆角偏差；所述ye为车辆质心处距离道路切线的横向位置偏差；所述β为车辆质心侧偏角；所述ν为车辆质心速度；所述vx、vy分别为质心处纵向、侧向速度；所述σf为前轮转角；所述αf、αr分别为前、后轴的轮胎侧偏角；所述if、ir分别为车辆质心到前、后轴的距离；所述fyf、fyr分别为前、后轮胎的侧向力。

3.根据权利要求2所述的无人驾驶清扫车横向控制，其特征在于：所述无人驾驶车辆系统动力学模型可表示为：

4.根据权利要求1所述的无人驾驶清扫车横向控制，其特征在于：所述轨迹跟踪控制器设计包括有自抗扰系统、mpc控制器设计、改进型自抗扰补偿控制、改进型自抗扰补偿控制器稳定性分析，从而保证车辆可以准确跟踪到期望路径上。

5.根据权利要求4所述的无人驾驶清扫车横向控制，其特征在于：所述自抗扰系统通过控制一个控制量前轮转角来同时控制横向位移和横摆角，属于欠驱动系统，因此可以构造关于二者的一个耦合函数来解决欠驱动问题，所述耦合函数为：z＝aitanh(a2ey)+φe+β，所述a1、a2为耦合函数增益系数，且0＜a1＜2，a2＞0。

6.根据权利要求4所述的无人驾驶清扫车横向控制，其特征在于：所述mpc控制器设计通过将模型进行线性化处理，可将非线性动力学模型表示为状态空间方程，所述状态空间方程为：ξ＝f(ξ,u)，所述式中的状态量为控制量为u＝δf；

7.根据权利要求4所述的无人驾驶清扫车横向控制，其特征在于：所述改进型自抗扰补偿控制是一种不完全依赖系统模型的控制方法，所述改进型自抗扰补偿控制主要由微分跟踪器(td)、扩张状态观测器(eso)、非线性误差反馈控制率(nlsef)部分组成，所述非线性函数的改进是以fal是核心，在eso和nlsef中分别能起状态量、误差的估计和补偿作用，而改进后的非线性函数为：

8.根据权利要求1所述的无人驾驶清扫车横向控制，其特征在于：所述仿真分析采用mpc和改进型自抗扰控制相结合，无人驾驶车辆的控制量由mpc输出的前轮转角σf1和iadrc补偿的σf2共同组成。

技术总结本发明涉及无人驾驶技术领域，具体公开了无人驾驶清扫车横向控制，包括：车辆动力学模型，用于构建二者的耦合函数，并计算得到一个理想横摆角；轨迹跟踪控制器设计，用于构造一种更加平滑的非线性函数，进而设计基于改进非线性函数的自抗扰控制器；仿真分析，用于实现不同道路工况下的仿真对比；所述车辆动力学模型包括有以OXY形成的大地坐标系，所述坐标系中的虚线为图示时刻车辆质心到期望路径的最短距离对应的道路切线；本发明，可针对车辆的仿真试验分析，下一步将采用实验小车来分别搭载不同的控制器，在不同工况下验证本控制器的有效性，相应地防止了危险情况的发生，保证了车辆在复杂环境下的准确跟踪。技术研发人员：段中兴,徐伟升受保护的技术使用者：西安建筑科技大学技术研发日：技术公布日：2024/6/23