论文部分内容阅读
摘 要：各种智能技术的出现已经极大地改变了现代社会发展的趋势，带来了众多便利。智能技术也已经成为了众多社会生产实践过程中的重点研究对象，具有较强的研究意义。将智能技术应用在车辆路径跟踪控制中能够使得车辆行驶更加智能化，降低驾驶难度，提高车辆安全性以及舒适性，带来较强的经济效益。本文将对基于预瞄的智能车辆路径跟踪控制进行深入研究。
关键词：智能技术；路径跟踪控制；预瞄
随着社会的不断发展，人们的需求日趋增高，要想满足人们的需求，技术必须走在前列，而要提高技术，必须运用更智能化的技术。在研究智能车辆路径跟踪控制过程中，首先就需要将车辆的行驶过程进行建模，使用动力学模型中的一些基本知识，将车辆视为四轮的机器人刚性结构。将车辆行驶过程中轮胎的侧偏过程中发生的动力学转变来应用最优控制理论，使得智能车辆行驶跟踪偏差明显降低。使用预瞄的LQR方法能够很好地考虑到前方路况特征的情况，使得智能车辆行驶过程更加优质。
一、车辆以及道路预瞄模型
在车辆的行驶过程中，涉及到多种因素，为了能够便于研究分析，这里将车辆看作是一个拥有一定速度向前行驶的刚体，这样就可以应用动力学进行分析。车辆实际的各个行驶过程看作是前轮转角进行横摆旋转或者是侧向平移运动。汽车受到的各种力的种类比较多，不同的力都会对汽车的行驶状况构成不同的影响。在建立的模型中，控制器中使用的是离散数字控制，这样就能够得到的方程能够确定出该车辆的转向盘转角控制量。
在应用道路预瞄模型时，主要是采用的局部坐标系方向固定不变，这样在车辆各种运动状态以及受力变化的过程中，就能够更加直观的反映出车辆坐标系以及局部坐标系之间的夹角，这也是一个变化的量。但是在这种控制过程中，一旦出现车辆朝向角和x轴夹角过大时，就会出现参考位置的变化，这种方程式的缺陷逐渐凸显，也就是对环境的适应能力比较差。因此就需要改进这一缺陷，針对这一情况，直接将局部坐标系使用车体坐标系作为参考，这样就使得在车辆运动的过程中，随着车体坐标系的变化，沿x轴的参考位置也会发生变化。最终呈现出来的优势就是能够很好的提高算法的适应性，使得建立的模型更加合理，能够得到更加精确的数据信息。
二、LQR最优预瞄控制
2.1 算法优化过程
通过上述模型方程式的建立，能够建立起道路预瞄模型的参考方程式，并相应的建立起目标函数，使得构成比较系统完善的模型。得到的目标函数中，主要是采用LQR标准的二次型形式，其中比较重要的有两个方面，分别是路径跟踪的横向与角度的综合偏差以及车辆航向角和道路朝向角，第一个部分和第二个部分对于研究标准的离散LQR控制问题就有较强的现实意义。在实际的研究过程中，一旦出现道路预瞄窗口较大的情况时，就会使得建立起的方程式比较复杂，将这些方程式应用代数知识转换成矩阵形式，也就是说明矩阵的维数有所增加。那么在本文研究的智能车辆路径跟踪控制过程中，会造成系统的计算量大大增加，求解难度加大，计算时间有所延长，因此不利于实现。仔细研究这一过程，可以发现在矩阵运算变化之后，其中只有车速是动态变化的，其他的矩阵元素都基本上是固定的。为了解决上一个难题，可以采用查表法，这样很多参数都能够直接通过在线查表的方式获得。查表法中应用的数据可以提前经过计算得到，这样就使得实际的控制过程十分便捷，能够达到比较好的控制效果，降低计算量，提高算法的实时性。
2.2 对比测试研究
上述内容对基于预瞄的智能车辆路径跟踪控制进行了说明，建立起了比较合理的动力学模型以及科学的算法，从理论上来说，已经达到了比较好的控制效果。为了能够更加清晰直观的对这种控制模式带来的优势进行研究，采用了CarSim和Simulink进行联合仿真，在仿真过程中选用和真实车辆相同的参数，根据一些模拟的情况来对车辆路径跟踪能力进行测试。为了确保这一技术能够在更多的环境下使用，这里在一些常规的行驶环境和极限行驶环境进行了仿真测试。设置LQR控制器预瞄周期为1s，权重矩阵系数为 。经过相同条件的对比测试，从结果中看出，LQR控制器和MPC控制器的跟踪性能都比较好，但是LQR的最大跟踪偏差相对比较小，也就是跟踪性能更好。但是在侧偏角约束方面，LQR的表现情况比较差，在一些极限环境下，出现了一些侧滑现象。因此最终展现为：在未达到极限行驶环境的条件下，LQR控制器的效果更好，优化效果更明显，但是一旦遇到了极限环境，LQR控制器容易使车辆出现侧滑现象，因此在应用该方案时，需要着重注意这一点，否则就有可能出现不良后果。最后，经过对红旗H7轿车进行了实车研究，测试的环境有长直线、长弯、环岛、直角弯等，这些都是车辆在城市行驶过程中经常会遇到的情况，最终展现出的跟踪精度比较高，转向盘转动也持续处于比较平稳的状态。
三、结语
本文对基于预瞄的智能车辆路径跟踪控制进行了研究，针对LQR最优控制方法存在运算量过大的问题，这里采用了查表法，使用离线优化的方法，使得计算更快，运算量更小，这样就会使得车辆在行驶过程中对各种道路因素的反应更加迅速，并且具有较好的跟踪精度。但是LQR最优控制方法在一些极限行驶情况下，可能会造成出现侧滑的现象，因此就需要着重改善这一问题。可以通过对轮胎进行有针对性设计，提高轮胎的抓地力，优化轮胎模型，这样能够很好的确保车辆的稳定性，并能够在一定程度上促进智能汽车产业的发展。
参考文献：
[1]高洪波，李升波，谢国涛，成波.智能汽车横向轨迹跟踪的离散时间模型预测控制[J].指挥与控制学报，2018，4（04）：297-305.
[2]王晓，要婷婷，韩双双，曹东璞，王飞跃.平行车联网：基于ACP的智能车辆网联管理与控制[J].自动化学报，2018，44（08）：1391-1404.
[3]姜立标，吴中伟.基于趋近律滑模控制的智能车辆轨迹跟踪研究[J].农业机械学报，2018，49（03）：381-386.
[4]李进，徐朝胜，陈杰平，李忠芳.基于集散决策体系结构的智能车辆自主导航[J].控制工程，2012，19（04）：728-732.
[5]高德芝，段建民，郑榜贵，田炳香.智能车辆环境感知传感器的应用现状[J].现代电子技术，2008（19）：151-156.
[6]王荣本，张荣辉，金立生，郭烈.区域智能交通车辆系统发展及其关键技术综述[J].汽车工程，2007（03）：179-182.
作者简介：
王新炜，1997.11.11，男，汉，山东济南，聊城大学本科.
关键词：智能技术；路径跟踪控制；预瞄
随着社会的不断发展，人们的需求日趋增高，要想满足人们的需求，技术必须走在前列，而要提高技术，必须运用更智能化的技术。在研究智能车辆路径跟踪控制过程中，首先就需要将车辆的行驶过程进行建模，使用动力学模型中的一些基本知识，将车辆视为四轮的机器人刚性结构。将车辆行驶过程中轮胎的侧偏过程中发生的动力学转变来应用最优控制理论，使得智能车辆行驶跟踪偏差明显降低。使用预瞄的LQR方法能够很好地考虑到前方路况特征的情况，使得智能车辆行驶过程更加优质。
一、车辆以及道路预瞄模型
在车辆的行驶过程中，涉及到多种因素，为了能够便于研究分析，这里将车辆看作是一个拥有一定速度向前行驶的刚体，这样就可以应用动力学进行分析。车辆实际的各个行驶过程看作是前轮转角进行横摆旋转或者是侧向平移运动。汽车受到的各种力的种类比较多，不同的力都会对汽车的行驶状况构成不同的影响。在建立的模型中，控制器中使用的是离散数字控制，这样就能够得到的方程能够确定出该车辆的转向盘转角控制量。
在应用道路预瞄模型时，主要是采用的局部坐标系方向固定不变，这样在车辆各种运动状态以及受力变化的过程中，就能够更加直观的反映出车辆坐标系以及局部坐标系之间的夹角，这也是一个变化的量。但是在这种控制过程中，一旦出现车辆朝向角和x轴夹角过大时，就会出现参考位置的变化，这种方程式的缺陷逐渐凸显，也就是对环境的适应能力比较差。因此就需要改进这一缺陷，針对这一情况，直接将局部坐标系使用车体坐标系作为参考，这样就使得在车辆运动的过程中，随着车体坐标系的变化，沿x轴的参考位置也会发生变化。最终呈现出来的优势就是能够很好的提高算法的适应性，使得建立的模型更加合理，能够得到更加精确的数据信息。
二、LQR最优预瞄控制
2.1 算法优化过程
通过上述模型方程式的建立，能够建立起道路预瞄模型的参考方程式，并相应的建立起目标函数，使得构成比较系统完善的模型。得到的目标函数中，主要是采用LQR标准的二次型形式，其中比较重要的有两个方面，分别是路径跟踪的横向与角度的综合偏差以及车辆航向角和道路朝向角，第一个部分和第二个部分对于研究标准的离散LQR控制问题就有较强的现实意义。在实际的研究过程中，一旦出现道路预瞄窗口较大的情况时，就会使得建立起的方程式比较复杂，将这些方程式应用代数知识转换成矩阵形式，也就是说明矩阵的维数有所增加。那么在本文研究的智能车辆路径跟踪控制过程中，会造成系统的计算量大大增加，求解难度加大，计算时间有所延长，因此不利于实现。仔细研究这一过程，可以发现在矩阵运算变化之后，其中只有车速是动态变化的，其他的矩阵元素都基本上是固定的。为了解决上一个难题，可以采用查表法，这样很多参数都能够直接通过在线查表的方式获得。查表法中应用的数据可以提前经过计算得到，这样就使得实际的控制过程十分便捷，能够达到比较好的控制效果，降低计算量，提高算法的实时性。
2.2 对比测试研究
上述内容对基于预瞄的智能车辆路径跟踪控制进行了说明，建立起了比较合理的动力学模型以及科学的算法，从理论上来说，已经达到了比较好的控制效果。为了能够更加清晰直观的对这种控制模式带来的优势进行研究，采用了CarSim和Simulink进行联合仿真，在仿真过程中选用和真实车辆相同的参数，根据一些模拟的情况来对车辆路径跟踪能力进行测试。为了确保这一技术能够在更多的环境下使用，这里在一些常规的行驶环境和极限行驶环境进行了仿真测试。设置LQR控制器预瞄周期为1s，权重矩阵系数为 。经过相同条件的对比测试，从结果中看出，LQR控制器和MPC控制器的跟踪性能都比较好，但是LQR的最大跟踪偏差相对比较小，也就是跟踪性能更好。但是在侧偏角约束方面，LQR的表现情况比较差，在一些极限环境下，出现了一些侧滑现象。因此最终展现为：在未达到极限行驶环境的条件下，LQR控制器的效果更好，优化效果更明显，但是一旦遇到了极限环境，LQR控制器容易使车辆出现侧滑现象，因此在应用该方案时，需要着重注意这一点，否则就有可能出现不良后果。最后，经过对红旗H7轿车进行了实车研究，测试的环境有长直线、长弯、环岛、直角弯等，这些都是车辆在城市行驶过程中经常会遇到的情况，最终展现出的跟踪精度比较高，转向盘转动也持续处于比较平稳的状态。
三、结语
本文对基于预瞄的智能车辆路径跟踪控制进行了研究，针对LQR最优控制方法存在运算量过大的问题，这里采用了查表法，使用离线优化的方法，使得计算更快，运算量更小，这样就会使得车辆在行驶过程中对各种道路因素的反应更加迅速，并且具有较好的跟踪精度。但是LQR最优控制方法在一些极限行驶情况下，可能会造成出现侧滑的现象，因此就需要着重改善这一问题。可以通过对轮胎进行有针对性设计，提高轮胎的抓地力，优化轮胎模型，这样能够很好的确保车辆的稳定性，并能够在一定程度上促进智能汽车产业的发展。
参考文献：
[1]高洪波，李升波，谢国涛，成波.智能汽车横向轨迹跟踪的离散时间模型预测控制[J].指挥与控制学报，2018，4（04）：297-305.
[2]王晓，要婷婷，韩双双，曹东璞，王飞跃.平行车联网：基于ACP的智能车辆网联管理与控制[J].自动化学报，2018，44（08）：1391-1404.
[3]姜立标，吴中伟.基于趋近律滑模控制的智能车辆轨迹跟踪研究[J].农业机械学报，2018，49（03）：381-386.
[4]李进，徐朝胜，陈杰平，李忠芳.基于集散决策体系结构的智能车辆自主导航[J].控制工程，2012，19（04）：728-732.
[5]高德芝，段建民，郑榜贵，田炳香.智能车辆环境感知传感器的应用现状[J].现代电子技术，2008（19）：151-156.
[6]王荣本，张荣辉，金立生，郭烈.区域智能交通车辆系统发展及其关键技术综述[J].汽车工程，2007（03）：179-182.
作者简介：
王新炜，1997.11.11，男，汉，山东济南，聊城大学本科.