一种无人电动摩托车稳定控制方法、装置、设备、介质及产品

本技术涉及车辆控制工程与稳定安全领域，特别是涉及一种无人电动摩托车稳定控制方法、装置、设备、介质及产品。

背景技术：

1、在野外山地斜坡、林间狭窄小径以及缺乏硬化路面的地带，高功率重量比的无人电动摩托车展现出较四轮车辆更优的跨地形通行能力；相较于履带式车辆，其在维持高速机动的同时具备更好的燃油经济性或续航表现。在地震灾害后的紧急救援、森林火情侦察以及偏远地区医疗物资投送等任务中，无人摩托可以借助侧倾特性快速通过弯道，显著缩短应急响应时间。因此，在非结构化特殊场景下的高机动自主作业，对无人摩托的稳定行驶能力提出了迫切需求。

2、基于上述需求，展开无人摩托安全路径跟踪技术的研究。无人电动摩托车在结构上天然具有静态不稳定性，其动态平衡完全依赖于实时控制干预。在低速行驶状态下，系统面临显著的重力矩失稳风险，需要设计精细的平衡补偿算法；而在高速巡航条件下，转向控制与车身侧倾角度之间存在强非线性耦合关系，一旦出现横向偏离或扰动，极易引发姿态失稳甚至翻覆。因此，安全路径跟踪控制不仅要求车辆在复杂动态环境中高精度地跟随期望路径，还必须将横向偏离量、侧倾角等关键状态严格限制在安全边界之内，避免因路面颠簸、侧向风扰或人机混行干扰导致倾覆事故。总体来说，安全路径跟踪技术是无人摩托实现可靠自主行驶的关键基础，直接决定了该平台能否从理论验证走向实际部署。

3、目前的无人摩托稳定控制技术多采用自行车模型结合比例-积分-微分控制（proportional-integral-derivative，pid）、线性二次型调节器（linear-quadraticregulator，lqr）等传统控制方法，该技术通常依赖路径分段线性化，路径跟踪效果不佳。此外，在小转弯半径、高速、强非线性等情形下，路径跟踪精度与防侧翻能力往往同时恶化，容易发生倾倒，导致任务失败。因此，如何保证无人电动摩托车在复杂环境下安全稳定行驶，成为目前亟待解决的问题。

技术实现思路

1、本技术的目的是提供一种无人电动摩托车稳定控制方法、装置、设备、介质及产品，可保证无人电动摩托车在复杂环境下安全稳定行驶。

2、为实现上述目的，本技术提供了如下方案：

3、第一方面，本技术提供了一种无人电动摩托车稳定控制方法，包括：

4、获取无人电动摩托车的车辆信息、离散参考路径点序列和路径等效曲率；所述车辆信息包括：当前车速、当前侧倾角和侧倾角速度；

5、在所述离散参考路径点序列上确定无人电动摩托车在当前位置的最近点，基于所述最近点采用前视纯跟踪算法得到期望前轮转角，并根据所述当前车速与所述路径等效曲率确定参考侧倾角；

6、根据所述当前侧倾角、所述侧倾角速度和路径跟踪误差构建状态向量，并根据所述状态向量和强化学习残差策略网络确定侧倾残差和转向残差；

7、采用所述侧倾残差对所述参考侧倾角进行修正，以修正后的侧倾角为侧倾跟踪参考，基于二阶侧倾动力学的离散预测模型，在有限预测时域内通过二次型性能指标求解模型预测控制，将求解得到的控制量与由所述期望前轮转角确定的前馈项合成得到等效控制输入量，并将所述等效控制输入量映射为物理转向指令；

8、将所述物理转向指令与所述转向残差叠加并进行平滑处理后作为最终转向指令输出至转向执行器，根据目标车速生成动力指令并输出至驱动电机，以实现对无人电动摩托车的控制。

9、在一实施方式中，所述强化学习残差策略网络为带熵正则的强化学习策略网络；带熵正则的强化学习策略网络为具有双评论家网络的软演员—评论器结构。

10、在一实施方式中，采用所述侧倾残差对所述参考侧倾角进行修正，以修正后的侧倾角为侧倾跟踪参考，基于二阶侧倾动力学的离散预测模型，在有限预测时域内通过二次型性能指标求解模型预测控制，将求解得到的控制量与由所述期望前轮转角确定的前馈项合成得到等效控制输入量，具体包括：

11、将所述侧倾残差与所述参考侧倾角进行叠加限幅后，得到修正后的侧倾角；

12、根据车辆几何参数、质量参数与重力加速度对二阶侧倾动力学模型进行线性化得到离散预测模型；

13、以修正后的侧倾角为侧倾跟踪参考，在有限预测时域内在无约束条件下为hessian矩阵解析求逆，得到控制量；

14、根据所述期望前轮转角确定前馈项，将所述控制量作为控制序列首项，将所述控制序列首项和所述前馈项进行合成得到等效控制输入量。

15、在一实施方式中，所述物理转向指令的表达式为：

16、；

17、；

18、其中，表示物理转向指令；表示限幅函数；表示反正切函数；表示等效控制输入量；表示前馈项；表示控制量；表示轴距；表示速度上限；表示最小前轮转角；表示最大前轮转角。

19、在一实施方式中，将所述物理转向指令与所述转向残差叠加并进行平滑处理后作为最终转向指令输出至转向执行器，具体包括：

20、将所述物理转向指令与所述转向残差叠加，得到修正后的转向角，修正后的转向角的表达式为：

21、；

22、其中，表示修正后的转向角；表示物理转向指令；表示转向残差；

23、对修正后的转向角进行一阶平滑处理得到最终转向指令；所述最终转向指令的表达式为：

24、；

25、其中，为当前周期的最终转向指令；为平滑系数；为上一周期的最终转向指令。

26、在一实施方式中，所述强化学习残差策略网络在训练阶段的奖励基于侧倾角相对参考侧倾角的偏差、侧倾角速度、横向误差、航向误差、速度误差、动作平滑项以及沿参考路径的索引进展项确定。

27、第二方面，本技术提供了一种无人电动摩托车稳定控制装置，包括：

28、数据获取模块，用于获取无人电动摩托车的车辆信息、离散参考路径点序列和路径等效曲率；所述车辆信息包括：当前车速、当前侧倾角和侧倾角速度；

29、纯跟踪模块，用于在所述离散参考路径点序列上确定无人电动摩托车在当前位置的最近点，基于所述最近点采用前视纯跟踪算法得到期望前轮转角，并根据所述当前车速与所述路径等效曲率确定参考侧倾角；

30、强化学习残差模块，用于根据所述当前侧倾角、所述侧倾角速度和路径跟踪误差构建状态向量，并根据所述状态向量和强化学习残差策略网络确定侧倾残差和转向残差；

31、模型预测控制内环模块，用于采用所述侧倾残差对所述参考侧倾角进行修正，以修正后的侧倾角为侧倾跟踪参考，基于二阶侧倾动力学的离散预测模型，在有限预测时域内通过二次型性能指标求解模型预测控制，将求解得到的控制量与由所述期望前轮转角确定的前馈项合成得到等效控制输入量，并将所述等效控制输入量映射为物理转向指令；

32、转向融合与指令发布模块，用于将所述物理转向指令与所述转向残差叠加并进行平滑处理后作为最终转向指令输出至转向执行器，根据目标车速生成动力指令并输出至驱动电机，以实现对无人电动摩托车的控制。

33、第三方面，本技术提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的无人电动摩托车稳定控制方法。

34、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的无人电动摩托车稳定控制方法。

35、第五方面，本技术提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的无人电动摩托车稳定控制方法。

36、根据本技术提供的具体实施例，本技术具有了以下技术效果：

37、本技术提供了一种无人电动摩托车稳定控制方法、装置、设备、介质及产品，在同一控制周期内，将纯跟踪算法、强化学习残差策略网络、基于二阶侧倾动力学的离散预测模型与执行器指令输出结合为完整的信息闭环，在无需额外协调层或强制上挂重规划器的前提下，能够对无人电动摩托车的离散参考路径实现强跟踪，并将侧倾角等关键状态约束在安全边界之内，从而在小转弯半径、高速、强非线性等复杂工况下同时兼顾路径跟踪精度与防侧翻能力；通过强化学习残差策略网络和离散预测模型实现控制，能够减少对单一模型的依赖，相对于传统的控制方法，鲁棒性更强，约束性与可验证性也更强。因此，本技术能保证无人电动摩托车在复杂环境下安全稳定行驶。