详情

原文传递智能电动汽车路径跟踪模型预测控制方法

专利名称：	智能电动汽车路径跟踪模型预测控制方法
摘要：	一种智能电动汽车路径跟踪模型预测控制方法，属于控制技术领域。本发明的目的是采用模型预测控制方法能同时考虑整车安全性约束，并有效实现车辆路径跟踪性能、安全性和整车性能之间的折中优化的智能电动汽车路径跟踪模型预测控制方法。本发明考虑极限工况的智能电动汽车路径跟踪模型搭建、基于模型预测控制的横摆稳定控制器设计、在进行控制策略推导过程中，考虑了车辆的跟踪性能、车辆安全性、整车性能、驾驶舒适性、节约控制能量，提高整车动力学性能。本发明考虑了车辆的跟踪性能（路径跟随、速度跟随）、车辆安全性（防止打滑或者抱死，侧倾或者甩尾）、整车性能（加速和制动性能）、驾驶舒适性（力矩变化不能太大）、节约控制能量（在满足性能前提下节约能量）。提高整车动力学性能。
专利类型：	发明专利
国家地区组织代码：	吉林;22
申请人：	吉林大学
发明人：	马彦;赵津杨;张帆;陈虹
专利状态：	有效
申请日期：	2018-09-27T00:00:00+0800
发布日期：	2019-05-24T00:00:00+0800
申请号：	CN201811127310.4
公开号：	CN109795502A
代理机构：	吉林长春新纪元专利代理有限责任公司
代理人：	白冬冬
分类号：	B60W50/00(2006.01);B;B60;B60W;B60W50
申请人地址：	130012 吉林省长春市人民大街5988号
主权项：	1.一种智能电动汽车路径跟踪模型预测控制方法，其特征在于：考虑的路径跟踪控制模型包括车辆运动学模型以及动力学模型，分别是预瞄的运动学模型和考虑车辆横摆稳定的动力学模型；根据最优预瞄模型确定航向偏差，根据二自由度自行车车辆模型保证车辆的稳定性能，跟踪给定路径； (1)考虑极限工况的智能电动汽车路径跟踪模型搭建： ①基于预瞄的车辆运动学模型搭建,XOY为大地坐标系，xoy为车辆坐标系其中，(Xs,Ys)为期望跟踪点B在大地坐标系XOY下的坐标，(Xv,Yv)为车辆质心位置在大地坐标系XOY下的坐标，L为预瞄距离，为OY与oB的夹角，为OY与ox的夹角，为期望航向偏差，Xd为车辆纵向位移，Yd为车辆侧向位移，vx为车辆纵向速度，vy为车辆侧向速度，为车辆的航向角； ②本发明考虑车辆侧倾以及横摆两个自由度的运动，假定车速为定值，将车辆简化成为二自由度自行车模型，车辆质心侧偏角β和横摆角速度γ作为状态变量，四轮的驱动转矩和前轮转角作为输入，得其中，β是质心侧偏角，γ是车身的横摆角速度，Fyf,Fyr分别代表二自由度车辆模型前轮侧向力和后轮侧向力，m代表整车质量，Lf,Lr分别代表车辆质心到前轴的距离和质心到后轴的距离，Iz为车辆绕z轴转动惯量；Mz是车辆横摆力矩，表达为其中，d代表车辆轴长；Fxi代表四个轮的纵向力，下标i＝fl,fr,rl,rr分别代表左前轮、右前轮、左后轮、右后轮； ③车辆的驱动力矩可以描述为： Tt＝(Fxfl+Fxfr+Fxrl+Fxrr)·R (4) 其中Tt为驱动力矩，R为轮胎半径； ④公式(2)中的轮胎侧向力的表达式为：其中，Fyf,Fyr代表前后轮的侧向力，Cf,Cr为前后轮转向刚度，Ka,Kb为对魔术轮胎模型进行拉格朗日一次显性化拟合系数，αf,αr为前、后轮侧偏角，表示为：其中，δf为前轮转角； ⑤考虑在路径跟踪过程中，会发生转向等操作，为保证车辆的安全性加入车辆侧倾平衡方程：其中，Ix为车辆绕x轴的转动惯量，dtf,dtr代表前轮轮距、后轮轮距，Fyi代表四个轮胎侧向力，Fzi代表四个轮胎垂向力，Fyi和Fzi中的下标i＝fl,fr,rl,rr分别代表左前轮、右前轮、左后轮、右后轮，hR代表车辆侧倾高度，ρ代表侧倾角； ⑥公式(7)中的垂向力Fzi由于受纵向加速度、侧向加速度、侧倾以及俯仰等的影响，轮胎的垂向力负载描述为：其中，hcg代表车辆质心高度，g代表重力加速度，ax代表纵向加速度，ay代表侧向加速度； ⑦根据车辆动力学可知：为车辆航向角，γ为横摆角速度； ⑧所建立的车辆路径跟踪系统模型为至此，建立了一个考虑车辆运动学和动力学的系统模型，主要考虑了垂向载荷变化对系统的影响； ⑵基于模型预测控制的横摆稳定控制器设计： ①将质心侧偏角β，横摆角速度γ和侧倾角速度纵向位移Xd和侧向位移Yd作为系统的状态变量，即将前轮转向角δf以及四轮力矩Txfl,Txfr,Txrl,Txrr作为控制变量，即u＝[δf,Txfl,Txfr,Txrl,Txrr]T；系统输出y＝[β,γ]T； ②将公式(13)描述的系统模型利用欧拉公式进行离散化，得到系统的离散时间模型为：其中，k为采样时刻，Ts为采样时间，矩阵 ③定义预测时域为p，控制时域为c，p＞c；车辆在[k+1,k+p]预测时域内动态可以基于车辆当前状态和预测模型得到；即在k+p时刻，车辆状态为x(k+p)＝F(x(k),u(k),u(k+1),L,u(k+c),L,u(k+p-1))；当采样时间Ts大于控制时域c时，保持控制输入不变直到预测时域u(k+c-1)＝u(k+c)＝u(k+c+1)＝L u(k+p-1)； ④定义在第k时刻，系统的最优控制输入为：在第k时刻，系统的预测输出为 ⑤在第k时刻，系统的参考输入序列为在第k个采样时刻，y(k)作为控制系统预测的初始值，即y(k\|k)＝y(k)； ⑥对横摆角速度加一个约束条件其中，μ为路面附着系数； ⑶在进行控制策略推导过程中，考虑了车辆的跟踪性能、车辆安全性、整车性能、驾驶舒适性、节约控制能量，提高整车动力学性能： ①主要的优化目标为提高车辆的跟踪性能、整车性能其中，Q1,Q2,Q3,Q4,Q5是优化目标中的加权系数； ②电机转矩越大意味着从电池处消耗的能量就越大；为了减小能量消耗，控制量的平方和应尽量小，即其中，R1,R2是优化目标中的加权系数； ②为了减小控制动作的变化频率，以保证驾乘的舒适性，保持平滑的转向和电机驱动行为，则控制目标为，其中，S1,S2是优化目标中的加权系数； ⑷综上，得到总的目标函数，即约束：电机饱和约束： -Temax≤Ti(k+j\|k)≤Temax,i＝fl,fr,rl,rr,j＝1,2,...,m-1. (23) 安全性约束：力矩约束：四个电机的转矩和等于来自驱动踏板的总驱动转矩Tt， Tt＝Tfl(k+j\|k)+Tfr(k+j\|k)+Trl(k+j\|k)+Trr(k+j\|k),j＝1,2,...,m-1. (25)。
所属类别：	发明专利