原文传递
基于滑模变结构的无人驾驶车辆轨迹跟踪控制方法研究
| 论文题名： | 基于滑模变结构的无人驾驶车辆轨迹跟踪控制方法研究 |
| 关键词： | 无人驾驶车辆;轨迹跟踪;滑模控制;观测器;输入受限 |
| 摘要： | 在社会经济高速发展的同时，5G的普及与互联网技术的进步促使着人们对未来车辆安全驾驶提出了更高的要求。而无人驾驶车辆技术无疑成为近些年广大科学工作者研究的热点问题。其中无人驾驶车辆轨迹跟踪是无人驾驶技术较为重要的部分，而横向控制又是其研究的难点问题。本文将无人驾驶车辆作为研究对象，分别在轨迹跟踪横向控制与输入受限情况下轨迹跟踪的横向控制两种情况进行研究，具体内容包括： (1)车辆横向动力学建模 基于牛顿第二定律，通过车辆在换道转向过程中的受力分析，忽略空气阻力、纵向速度等因素对横向控制的影响，建立动力学模型，为接下来的系统控制提供理论基础。 (2)基于滑模扩张状态观测器的无人驾驶车辆轨迹跟踪控制方法研究 为解决车辆轨迹跟踪问题，根据已建立的无人驾驶车辆二自由度转向动力学模型，以方向盘转角为控制变量，横向误差位移为输出量，将外部扰动与系统中未建模的部分看成复合扰动，研究了基于非奇异终端滑模的轨迹跟踪控制算法。针对复合扰动未知问题，研究了基于扩张状态观测器的轨迹跟踪控制算法。 (3)输入受限情况下无人驾驶车辆的轨迹跟踪控制方法研究 车辆在实际工况行驶下，会因为执行机构的物理限制等因素导致输入受限，其中饱和输入在非线性系统中也是比较常见的。本章针对已经建立的动力学模型，运用双曲正切函数代替饱和函数，研究输入受限情况下基于反步法的无人驾驶车辆轨迹跟踪控制方法，同时使用神经网络对组合扰动进行追踪估计，形成对系统的补偿控制，提升系统响应效果。 通过在Matlab/Simulink上搭建仿真平台，针对上述本文所提方法分别进行仿真实验验证，仿真实验结果表明加入观测器的滑模控制算法效果优于前者，控制效果明显。而在输入受限情况下，运用神经网络对反步法形成补偿控制后，误差逐渐减小，系统趋向稳定，达到控制目的。 |
| 作者： | 孙赫阳 |
| 专业： | 电气工程 |
| 导师： | 张袅娜;于冰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长春工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
