考虑复杂扰动的轻型商用车路径跟踪混合控制方法

doi:10.19562/j.chinasae.qcgc.2024.09.005

汽车工程 ›› 2024, Vol. 46 ›› Issue (9): 1576-1586.doi: 10.19562/j.chinasae.qcgc.2024.09.005

• • 上一篇

考虑复杂扰动的轻型商用车路径跟踪混合控制方法

胡杰^1,^2,³(),张志凌^1,^2,³,钟杰锋^1,^2,³,赵文龙^1,^2,³,郑嘉辰^1,^2,³,周思龙^1,^2,³,屈紫君⁴

^1.武汉理工大学，现代汽车零部件技术湖北省重点实验室，武汉 430070
^2.武汉理工大学，汽车零部件技术湖北省协同创新中心，武汉 430070
^3.新能源与智能网联车湖北工程技术研究中心，武汉 430070
^4.东风汽车股份有限公司商品研发院，武汉 430000

收稿日期:2024-03-16 修回日期:2024-04-20 出版日期:2024-09-25 发布日期:2024-09-19
通讯作者: 胡杰 E-mail:auto_hj@163.com
基金资助:
湖北省科技重大专项(2022AAA001)

A Hybrid Control Strategy for Light Commercial Vehicle Path Tracking Considering Complex Disturbances

Jie Hu^1,^2,³(),Zhiling Zhang^1,^2,³,Jiefeng Zhong^1,^2,³,Wenlong Zhao^1,^2,³,Jiachen Zheng^1,^2,³,Silong Zhou^1,^2,³,Zijun Qu⁴

^1.Wuhan University of Technology，Hubei Key Laboratory of Modern Auto Parts Technology，Wuhan 430070
^2.Wuhan University of Technology，Auto Parts Technology Hubei Collaborative Innovation Center，Wuhan 430070
^3.Hubei Technology Research Center of New Energy and Intelligent Connected Vehicle Engineering，Wuhan 430070
^4.Commercial Product R&D Institute，Dongfeng Automobile Co. ，Ltd. ，Wuhan 430000

Received:2024-03-16 Revised:2024-04-20 Online:2024-09-25 Published:2024-09-19
Contact: Jie Hu E-mail:auto_hj@163.com

摘要/Abstract

摘要：

外界扰动、模型不确定性和参数摄动等复杂扰动直接影响智能车辆路径跟踪控制的精度和行驶安全性。商用车的载重特性使其在行驶过程中受到的复杂扰动更为明显，为提升自动驾驶商用车路径跟踪精度和平顺性，提出一种路径跟踪混合控制方法。首先，建立鲁棒性强的基于扩张观测器的滑模控制器和变化平稳的增量式LQR控制器，其中增量式LQR的参数使用粒子群算法整定。然后，使用模糊控制器将两者相结合，根据车速和横向误差调整权重系数，在提升系统鲁棒性的同时削弱抖振。最后，进行了仿真分析和实车试验。试验数据表明，SMC+LQR具备较好的控制效果，能应对外界的复杂扰动。

关键词: 路径跟踪, 复杂扰动, 滑模控制, 扩张观测器, 增量式LQR, 模糊算法

Abstract:

Complex disturbances such as external interference， model uncertainty and parameter perturbation directly affect the accuracy and driving safety of intelligent vehicle path tracking control. Commercial vehicles are more susceptible to complex disturbances during driving because of their load characteristics. A hybrid path tracking control method is proposed in order to improve the accuracy and smoothness of commercial vehicle path tracking. Firstly， a robust sliding mode controller based on extended observer and an incremental LQR controller with stable changes are established. Particle swarm optimization algorithm is used to tune the parameters of the incremental LQR. Then， in order to improve robustness while weakening chattering， a fuzzy controller is used to adjust weight coefficient between them according to vehicle speed and lateral error. Finally， simulation analysis and vehicle experiments are conducted. The experimental data shows that SMC+LQR has good control performance to cope with complex external disturbances.

Key words: path tracking, complex disturbances, sliding mode control, extended state observer, incremental LQR, fuzzy algorithm

胡杰,张志凌,钟杰锋,赵文龙,郑嘉辰,周思龙,屈紫君. 考虑复杂扰动的轻型商用车路径跟踪混合控制方法[J]. 汽车工程, 2024, 46(9): 1576-1586.

Jie Hu,Zhiling Zhang,Jiefeng Zhong,Wenlong Zhao,Jiachen Zheng,Silong Zhou,Zijun Qu. A Hybrid Control Strategy for Light Commercial Vehicle Path Tracking Considering Complex Disturbances[J]. Automotive Engineering, 2024, 46(9): 1576-1586.

图/表 19

图1

图2

图3

表1

粒子群算法伪代码"

输入：粒子数n、迭代次数iter、变量范围（lowest， biggest）、

权重（ω， $c 1$ ， $c 2$ ）

输出：最优向量

$L 1$ = rand（lowest， biggest）， $V 1$ = rand（lowest， biggest）

$r 1$ = rand（0， 1）， $r 2$ = rand（0， 1）

for i = 1：iter

for j = 1：n

根据式（33）更新 $L j$ 和 $V j$

计算fitness（j）

end

now （i） = min（fitness）

global = min（ now ）

end

输出 global 的结果

表1

图4

表2

表3

仿真分析车辆参数"

参数	数值
质量m/kg	2 600
绕z轴转动惯量 $I z$ /（kg $?$ m²）	4 245
质心到前轴的距离a/m	1.35
质心到后轴的距离b/m	3.05
前轴总侧偏刚度 $k f$ /（N·rad^-1）	-173 000
后轴总侧偏刚度 $k r$ /（N·rad^-1）	-173 000

表3

表4

算法参数"

参数	数值
LQR矩阵 $Q, R$	$d i a g (3,0, 40,0, 8), 10$
LQR最大迭代步长	150
LQR衰减系数 $β$	0.1
SMC横向、航向误差权重 $t d, t φ$	$(1,0.1)$
SMC比例、微分项权重 $k p, k d$	$(2.2,0.2)$
SMC鲁棒性指标γ	0.5
状态观测器参数 $α 1, α 2, α 3$	（3，10，6）

表4

图5

表5

图6

图7

图8

图9

表6

实车试验车辆参数"

参数	数值
质量m/kg	2 850
绕z轴转动惯量 $I z$ /（kg $?$ m²）	4 500
质心到前轴的距离a/m	1.20
质心到后轴的距离b/m	2.108
前轴总侧偏刚度 $k f /$ （N·rad^-1）	-170 000
后轴总侧偏刚度 $k r /$ （N·rad^-1）	-170 000
转向传动比	22

表6

图10

表7

图11

表8

参考文献 22

1	CLAUDINE Badue， RÂNIK Guidolini， RAPHAEL Vivacqua carneiro， et al. Self-driving cars： a survey［J］. Expert Systems With Applications， 2021， 165： 113816.
2	PADEN B， CAP M， YONG S Z， et al. A survey of motion planning and control techniques for self-driving urban vehicles［J］. IEEE Transactions on Intelligent Vehicles， 2016， 1（1）： 33-55.
3	YAO Qiangqiang， TIAN Ying， WANG Qun， et al. Control strategies on path tracking for autonomous vehicle： state of the art and future challenges［J］. IEEE Access， 2020， 8： 161211-161222.
4	HAN G N， FU W P， WANG W， et al. The lateral tracking control for the intelligent vehicle based on adaptive PID neural network［J］. Sensors， 2017， 17（6）： 1244.
5	龚建伟，龚乘，林云龙，等. 智能车辆规划与控制策略学习方法综述［J］. 北京理工大学学报， 2022， 42（7）： 665-674.
	GONG J W， GONG C， LIN Y L， et al. Review on machine learning methods for motion planning and control policy of intelligent vehicles［J］. Transactions of Beijing Institute of Technology， 2022， 42（7）： 665-674.
6	MOHAMMAD Rokonuzzaman， NAVID Mohajer， SAEID Nahavandi， et al. Review and performance evaluation of path tracking controllers of autonomous vehicle［J］. IET Intelligent Transport Systems， 2021， 15（5）： 645-670.
7	潘世举，李建市，李华，等. 基于反馈纯跟踪的智能车路径跟随方法［J］. 汽车工程， 2023， 45（7）： 1134-1144.
	PAN S J， LI J S， LI H， et al. Path following method of intelligent vehicles based on feedback pure tracking method［J］. Automotive Engineering， 2023， 45（7）： 1134-1144.
8	AMER N H， HUDHA K， ZAMZURI H， et al. Adaptive modified Stanley controller with fuzzy supervisory system for trajectory tracking of an autonomous armoured vehicle［J］. Robotics and Autonomous Systems， 2018， 105： 94-111.
9	胡杰，钟鑫凯，陈瑞楠，等. 基于模糊LQR的智能汽车路径跟踪控制［J］. 汽车工程， 2022， 44（1）： 17-25，43.
	HU J， ZHONG X K， CHEN R N， et al. Path tracking control of intelligent vehicles based on fuzzy LQR［J］. Automotive Engineering， 2022， 44（1）： 17-25，43.
10	WANG Zhaoqiang， SUN Keyang， MA Siqun， et al. Improved linear quadratic regulator lateral path tracking approach based on a real-time updated algorithm with fuzzy control and cosine similarity for autonomous vehicles［J］. Electronics， 2022， 22（11）： 3073.
11	XU S B， PENG H. Design， analysis， and experiments of preview path tracking control for autonomous vehicles［J］. IEEE Transactions on Intelligent Transportation Systems， 2020， 21（1）： 48-58.
12	NADA Awad， AHMED Lasheen， MAHMOUD Elnaggar， et al. Model predictive control with fuzzy logic switching for path tracking of autonomous vehicles［J］. ISA Transactions， 2022， 129： 193-205.
13	BAI G X， MENG Y， LIU L， et al. Review and comparison of path tracking based on model predictive control［J］. Electronics， 2019， 10（8）： 1077.
14	NI Jun， ZHOU Junjie， HU Jibin， et al. Robust path following control at driving/handling limits of an autonomous electric racecar［J］. IEEE Transactions on Vehicular Technology， 2019， 68（6）： 5518-5526.
15	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， et al. Review on motion control of autonomous vehicles［J］. Journal of Mechanical Engineering， 2020， 56（10）： 127-143.
16	XIE Fengxi， LIANG Guozhen， CHIEN Yingren. Highly robust adaptive sliding mode trajectory tracking control of autonomous vehicles［J］. Sensors， 2023， 23（7）： 3454.
17	ARMIN Norouzi， MILAD Masoumi， ALI Barari， et al. Lateral control of an autonomous vehicle using integrated backstepping and sliding mode controller［J］. Proceedings of the Institution of Mechanical Engineers， 2018， 233（1）： 141-151.
18	WANG Pengwei， GAO Song， LI Liang， et al. Automatic steering control strategy for unmanned vehicles based on robust backstepping sliding mode control theory［J］. IEEE Access， 2019， 7： 64984-64992.
19	KWANGSEOK Oh， JAHO Seo. Development of a sliding-mode-control-based path-tracking algorithm with model-free adaptive feedback action for autonomous vehicles［J］. Sensors， 2022， 23（1）： 405.
20	陈慧岩，陈舒平，龚建伟. 智能汽车横向控制方法研究综述［J］. 兵工学报， 2017， 38（6）： 1203-1214.
	CHEN H Y， CHEN S P， GONG J W. A review on the research of lateral control for intelligent vehicles［J］. Acta Armamentarii， 2017， 38（6）： 1203-1214.
21	徐海祥，李超逸，余文曌，等. 基于扩张状态观测器的智能船舶寻迹预测控制［J］.华南理工大学学报（自然科学版）， 2021， 49（12）： 143-152.
	XU H X，LI C Y，YU W Z，et al. Predictive control for intelligent ship path following based on extended state observer［J］. Journal of South China University of Technology（Natural Science Edition）， 2021， 49（12）： 143-152.
22	郭振航. 基于模型预测控制的无人驾驶车辆横向控制器设计［D］. 哈尔滨：哈尔滨工业大学， 2020.
	GUO Z H. Design of lateral controller for intelligent driving vehicle based on model predictive control［D］. Harbin： Harbin Institute of Technology， 2020.

\|e_d \|	v_x
\|e_d \|	S	M	B
S	VB	VB	B
M	VB	B	S
B	B	S	VS

项目	最大值	标准差
滑模横向误差/m	0.317	0.088
LQR横向误差/m	0.336	0.130
SMC+LQR横向误差/m	0.310	0.106
滑模航向误差/rad	-0.052	0.018
LQR航向误差/rad	-0.038	0.013
SMC+LQR航向误差/rad	-0.048	0.015

项目	最大值	标准差
滑模横向误差/m	0.432	0.146
LQR横向误差/m	0.646	0.206
SMC+LQR横向误差/m	0.218	0.064
滑模航向误差/rad	-0.095	0.024
LQR航向误差/rad	-0.116	0.027
SMC+LQR航向误差/rad	-0.089	0.017

项目	最大值	标准差
固定权重横向误差/m	0.460	0.152
可变权重横向误差/m	0.218	0.064
固定权重航向误差/rad	-0.110	0.018
可变权重航向误差/rad	-0.089	0.017

[1]	颜伏伍,向博文,胡杰,陈锐鹏,张志豪,刘昊岩,高宠智. 基于改进LPV模型的自动驾驶轻型货车横向控制[J]. 汽车工程, 2024, 46(8): 1403-1413.
[2]	韩陌,何洪文,石曼,刘伟,曹剑飞,吴京达. 基于学习的无人驾驶车辆模型预测路径跟踪控制研究[J]. 汽车工程, 2024, 46(7): 1197-1207.
[3]	邓斌, 李维汉, 吴迪, 张冰战, 赵韩. 基于KFESO的四轮主动转向积分滑模控制[J]. 汽车工程, 2024, 46(1): 100-108.
[4]	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.
[5]	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.
[6]	贺林,徐子昂,黄春荣,龚超,李书华,石琴. 线控转向系统转角预测滑模控制算法研究[J]. 汽车工程, 2023, 45(12): 2200-2208.
[7]	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.
[8]	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.
[9]	谈东奎,胡港君,朱波,金来,张捷. 考虑预期功能安全的智能汽车自动紧急制动系统[J]. 汽车工程, 2022, 44(6): 799-808.
[10]	丛森森,高峰,许述财. 基于动态稳定域的车辆横纵向稳定性协同控制[J]. 汽车工程, 2022, 44(6): 900-908.
[11]	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.
[12]	江浩斌,冯张棋,洪阳珂,韦奇志,皮健. 应用于车辆纵向控制的无模型自适应滑模预测控制方法[J]. 汽车工程, 2022, 44(3): 319-329.
[13]	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.
[14]	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.
[15]	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.

考虑复杂扰动的轻型商用车路径跟踪混合控制方法

A Hybrid Control Strategy for Light Commercial Vehicle Path Tracking Considering Complex Disturbances

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 19

参考文献 22

相关文章 15

Metrics

本文评价

推荐阅读 0