详情

原文传递复杂弯曲道路环境下智能车辆轨迹跟踪鲁棒控制研究

论文题名：	复杂弯曲道路环境下智能车辆轨迹跟踪鲁棒控制研究
关键词：	智能车辆;轨迹跟踪;鲁棒控制;弯曲道路
摘要：	智能车辆是集环境感知、决策规划和智能控制于一体的高新技术综合体，它可以显著提升车辆安全性能、缓解交通拥堵、降低能耗。弯曲道路作为一种常见的道路场景，存在道路结构参数不确定性等问题。智能车辆在这种环境下进行轨迹跟踪时，会对跟踪效果造成影响。因此，研究智能车辆在复杂弯道环境下的轨迹跟踪控制策略能够有效提升其轨迹跟踪的性能。　　结合道路交通安全公安部重点实验室开放基金项目(2021ZDSYSKFKT08)的相关研究内容，以提高智能车辆在弯道环境下轨迹跟踪的精确性和行驶稳定性为目标，提出复杂弯道环境下智能车辆轨迹跟踪鲁棒控制策略，并进行了仿真实验验证。具体研究内容如下：　　（1）车辆动力学建模及道路关键参数估计。首先建立车辆弯道行驶动力学模型，推导出影响车辆侧偏和侧滑的主要道路参数为道路曲率和路面附着系数。在不同路面附着系数和道路曲率下仿真分析，得出上述因素会影响车辆行驶稳定性、跟踪性以及弯道行驶车速，而车速又会影响车辆弯道行驶特性，因此根据路面附着系数和道路曲率建立弯道车速决策模型，并验证其可靠性。考虑到上述道路因素不仅对弯道行驶速度有较大影响，而且还会影响智能车辆的轨迹跟踪性能，有必要对其量化。由轮胎动力学模型及弯道转向运动学模型建立扩张状态观测器(Extended State Observer,ESO)对上述道路参数估计。仿真结果表明，该估计方法准确性较好，估计结果能为后文可拓区域划分及弯道行驶车速决策提供参数依据。　　（2）基于ESO-MPC的主动前轮转向和自抗扰横摆力矩控制轨迹跟踪控制。为了提高控制器在复杂弯道下的轨迹跟踪性能，分别提出基于扩展状态观测器与模型预测控制(Modle Predict Control,MPC)相结合的主动前轮转向轨迹跟踪鲁棒控制策略，以及自抗扰(Active Disturbance Rejection Control,ADRC)横摆力矩控制策略。其中，ESO-MPC的主动前轮转向控制器中，根据误差动力学模型设计扩张状态观测器来实时估计车辆跟踪过程中受到的总干扰，采用鲸鱼优化算法(Whale Optimization Algorithm,WOA)对ESO中的参数进行优化，使其获得最优性能，并运用MPC理论，对预测时域内进行多目标优化，利用估计出的干扰值对控制量进行前馈补偿，得到智能车辆在复杂弯曲道路动态干扰下的最优前轮转角控制量。再将估计得到的路面附着系数和道路曲率代入弯道车速决策模型得到行驶车速，并进行跟踪控制。在自抗扰横摆力矩控制器中，可通过估计的道路半径计算得到参考横摆角速度，并利用其设计一阶自抗扰横摆力矩控制器，计算出维持车辆稳定行驶所需的最优力矩，保证智能车辆在复杂弯道工况下具有较好的跟踪能力。最后分别仿真验证所设计的控制策略有效性。　　（3）基于可拓理论的AFS和DYC轨迹跟踪鲁棒协调控制。为了提高智能车辆在复杂弯曲道路下轨迹跟踪性能及减小入弯和出弯时的抖动，将设计的ESO-MPC主动前轮转向控制器与ADRC横摆力矩控制器相结合，并基于可拓理论建立动态协调分层控制体系。上层体系中根据车辆跟踪控制相关状态量建立可拓控制器，得到可拓集合和关联函数，再将车辆状态量实时映射到可拓控制中的稳定域、可拓域、非域三个区域中，其区域会随着估计出的附着系数和曲率实时变化；下层体系中三个区域分别对应相应的控制策略，根据上层识别结果实时切换控制策略，并利用关联函数和sigmoid权重函数确定各控制策略的权重。在设定的极限弯道工况下，仿真验证该控制策略的有效性。
作者：	陈文斌
专业：	车辆工程
导师：	赵树恩
授予学位：	硕士
授予学位单位：	重庆交通大学
学位年度：	2022