基于最小模型误差估计的智能汽车路径跟踪控制

doi:10.19562/j.chinasae.qcgc.2021.04.016

摘要/Abstract

摘要：

为提高分布式驱动电动智能汽车在自主循迹过程中关键参数的估计精度并降低模型不确定性对控制系统鲁棒性的影响，本文中提出了一种基于观测器的自适应滑模路径跟踪控制策略。首先，针对难以直接精确测量的车辆纵、侧向速度，建立了5输入3输出3状态的状态估计系统，并采用最小模型误差准则以降低估计过程轮胎的非线性特性带来的观测模型误差。接着，基于运动学模型，计算出了路径跟踪期望横摆角速度响应，并采用自适应滑模算法实现主动转向控制。考虑线控转向系统的潜在失效风险，引入径向基神经网络对系统不确定性进行在线估计。同时，设计了直接横摆稳定控制器并采用最优转矩分配策略，进一步提高车辆的稳定性。最后，对车辆状态估计和路径跟踪进行了Carsim/Matlab联合仿真，结果表明：基于最小模型误差准则的观测器能取得较可靠的估计结果，路径跟踪控制器能保证车辆具有较好的跟踪精度和鲁棒性。

关键词: 路径跟踪, 最小模型误差, 自适应滑模控制, 径向基神经网络

Abstract:

To enhance the estimation accuracy of key parameters and reduce the effects of model uncertainty on the robustness of control system in the autonomous path tracking process of distributed?drive intelligent electric vehicle， an observer?based adaptive sliding mode path tracking control strategy is proposed in this paper. Firstly， in view of the difficulty in directly and accurately measuring the longitudinal and lateral speeds， a state estimation system with 5 inputs， 3 outputs and 3 states is established， and the minimal model error criterion is adopted to reduce the error of observation model caused by the nonlinear feature of tire. Then based on kinematic model， the desired yaw rate response of path tracking is calculated， the sliding mode algorithm is employed to achieve active steering control， and with consideration of the potential failure risk of steer?by?wire system， the RBF neural network is introduced to perform an online estimation on system uncertainty. Meanwhile， the direct yaw controller is designed with optimal torque distribution strategy used to further improve the stability of vehicle. Finally， a Carsim/Matlab co?simulation is conducted on vehicle state estimation and path tracking. The results demonstrate that the observer based on minimal model error criterion can get more reliable estimation results and the path tracking controller can ensure the vehicle have higher tracking accuracy and robustness.

Key words: path tracking, minimal model error, adaptive sliding mode control, RBF neural network

任玥,冀杰,赵颖,梁艺潇,郑玲. 基于最小模型误差估计的智能汽车路径跟踪控制[J]. 汽车工程, 2021, 43(4): 580-587.

Yue Ren,Jie Ji,Ying Zhao,Yixiao Liang,Ling Zheng. Path Tracking Control of Intelligent Vehicle Based on Minimal Model Error Estimation[J]. Automotive Engineering, 2021, 43(4): 580-587.

图/表 8

图 1

图 2

图 3

图 4

图 5

表 1

图 6

图 7

参考文献 17

1	熊璐，杨兴，卓桂荣，等.无人驾驶车辆的运动控制发展现状综述［J］.机械工程学报， 2020， 56（10）： 127-143.
	XIONG L， YANG X， ZHUO G R. Review on motion control of autonomous vehicles［J］. Journal of Mechanical Engineering， 2020， 56（10）： 127-143
2	AMER N H， ZAMZURI H. Modelling and control strategies in path tracking control for autonomous ground vehicles： a review of state of the art and challenges［J］. Journal of Intelligent and Robotic Systems， 2017， 86（2）：1-30.
3	THRUN S， MONTEMERLO M， DAHLKAMP H， et al. Stanley：The robot that won the DARPA grand challenge［J］. Journal of Field Robotics， 2006， 23（9）： 661-692.
4	RAJAMANI R， ZHU C， ALEXANDER L. Lateral control of a backward driven front⁃steering vehicle［J］. Control Engineering Practice， 2003， 11（5）： 531-540.
5	RAFFO G V， GOMES G K， NORMEY⁃RICO J E， et al. A predictive controller for autonomous vehicle path tracking［J］. IEEE Transactions on Intelligent Transportation Systems， 2009， 10（1）： 92-102.
6	GAO Y. Model predictive control for autonomous and semiautonomous vehicles［D］.San Francisco： University of California， Berkeley， 2014.
7	JI J， KHAJEPOUR A， MELEK W W， et al. Path planning and tracking for vehicle collision avoidance based on model predictive control with multiconstraints［J］. IEEE Transactions on Vehicular Technology， 2017， 66（2）： 952-964.
8	HU C， WANG R R， YAN F， et al. Integral sliding mode yaw control for in⁃wheel⁃motor driven and differentially steered electric vehicles with mismatched disturbances［C］. American Control Conference （ACC）， Seattle， 2017： 1654-1659.
9	WANG J， DAI M， YIN G， et al. Output⁃feedback robust control for vehicle path tracking considering different human drivers' characteristics［J］. Mechatronics， 2017（50）： 402-412.
10	章仁燮，熊璐，余卓平，等. 基于条件积分算法的无人驾驶车辆轨迹跟踪鲁棒控制方法［J］. 机械工程学报， 2018（18）： 129-139.
	ZHANG R， XIONG L， YU Z， et al. Robust trajectory tracking control of autonomous vehicles based on condition integration method［J］. Journal of Mechanical Engineering， 2018 （18）： 129-139.
11	TAGNE G， TALJ R， CHARARA A. Higher⁃order sliding mode control for lateral dynamics of autonomous vehicles，with experimental validation［C］.Intelligent Vehicles Symposium. Queensland： IEEE， 2013： 678-683.
12	PIYABONGKARN D， RAJAMANI R， GROGG J A， et al. Development and experimental evaluation of a slip angle estimator for vehicle stability control［J］. IEEE Transactions on Control Systems Technology， 2008， 17（1）：78-88.
13	周卫琪，齐翔，陈龙，等. 基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计［J］.汽车工程，2019，41（2）：198-205.
	ZHOU W Q， QI X， CHEN L， et al. Vehicle state estimation based on the combination of unscented Kalman filtering and genetic algorithm［J］. Automotive Engineering， 2019， 41（2）： 198-205.
14	HU C， WANG Z， TAGHAVIFAR H， et al. MME⁃EKF⁃based path⁃tracking control of autonomous vehicles considering input saturation［J］. IEEE Transactions on Vehicular Technology， 2019， 68（2）： 5246-5259.
15	LIU W， HE H， SUN F. Vehicle state estimation based on minimum model error criterion combining with extended Kalman filter［J］. Journal of the Franklin Institute， 2016， 353（4）： 834-856.
16	REN Y， ZHENG L， KHAJEPOUR A. Integrated model predictive and torque vectoring control for path tracking of 4⁃wheel⁃driven autonomous vehicles［J］. IET Intelligent Transport Systems， 2019， 13（1）： 98-107.
17	LI C， JING H， WANG R， et al. Vehicle lateral motion regulation under unreliable communication links based on robust H_∞ output⁃feedback control schema［J］. Mechanical Systems & Signal Processing， 2018， 104： 171-187.

参数	取值
整车质量m/kg	1 500
横摆转动惯量I_z/(kg·m^-2)	1 875
质心至前轴距离l_f / m	0.95
质心至后轴距离l_r/ m	1.425
前轮名义侧偏刚度C_f /(N·rad^-1)	62 900
后轮名义侧偏刚度C_r/(N·rad^-1)	56 500

[1]	边有钢,张田田,谢和平,秦洪懋,杨泽宇. 车辆队列抗扰抗内切协同路径跟踪控制[J]. 汽车工程, 2023, 45(8): 1320-1332.
[2]	张新荣,谭宇航,贾一帆,黄晋,许权宁. 四轮独立驱动电动汽车路径跟踪鲁棒控制[J]. 汽车工程, 2023, 45(2): 253-262.
[3]	吕颖,祁旭,刘秋铮,王鑫煜,陈国迎. 考虑转向延迟特性的自动驾驶车辆路径跟踪控制方法[J]. 汽车工程, 2023, 45(12): 2234-2241.
[4]	胡杰,陈锐鹏,张志豪,向博文,刘昊岩,朱琪,郭启翔. 基于RMPC的自动驾驶货车路径跟踪控制[J]. 汽车工程, 2023, 45(11): 2092-2103.
[5]	李骏,万文星,郝三强,秦武,刘霏霏. 复杂路况下无人驾驶路径跟踪模型预测控制研究[J]. 汽车工程, 2022, 44(5): 664-674.
[6]	关龙新,顾祖飞,张超,王爱春,彭晨若,江会华,吴晓建. 考虑系统复杂扰动的智能车模型预测路径跟踪控制[J]. 汽车工程, 2022, 44(12): 1844-1855.
[7]	查云飞,吕小龙,刘鑫烨,马芳武. 基于二分法的车辆状态参数融合估计[J]. 汽车工程, 2022, 44(12): 1910-1918.
[8]	王玮琛,李军求,孙逢春,宋健,吴永华. 基于Tube MPC的多轴重型车辆全轮转向路径跟踪策略[J]. 汽车工程, 2022, 44(11): 1665-1675.
[9]	胡杰,钟鑫凯,陈瑞楠,朱令磊,徐文才,张敏超. 基于模糊LQR的智能汽车路径跟踪控制[J]. 汽车工程, 2022, 44(1): 17-25.
[10]	李斯旭,徐彪,胡满江,边有钢,陈晓龙,孙宁. 基于动力学模型预测控制的铰接车辆多点预瞄路径跟踪方法[J]. 汽车工程, 2021, 43(8): 1187-1194.
[11]	高强,陆洲,段晨东,徐婷. 汽车垂直泊车路径规划与路径跟踪研究[J]. 汽车工程, 2021, 43(7): 987-994.
[12]	金立生,谢宪毅,司法,郭柏苍,石健. 考虑驾驶人特性的智能驾驶路径跟踪算法[J]. 汽车工程, 2021, 43(4): 553-561.
[13]	梁军,朱方博,蔡英凤,陈小波,陈龙. 面向复杂曲率变化的智能车路径跟踪控制[J]. 汽车工程, 2021, 43(12): 1771-1779.
[14]	裴晓飞, 李朋, 陈祯福, 过学迅. 不同紧急工况下的汽车主动避撞控制的研究^*[J]. 汽车工程, 2020, 42(12): 1647-1654.
[15]	苏树华, 陈刚. 机器人驾驶车辆的横向自适应反演切换控制^*[J]. 汽车工程, 2020, 42(1): 11-19.