反馈与模型前馈串级的无人驾驶车辆自趋优位姿控制系统

1.本发明涉及智能驾驶技术领域，特别是涉及一种基于扩张状态观测器的反馈与模型前馈串级的无人驾驶车辆自趋优位姿控制系统。


背景技术：

2.位姿控制是智能驾驶领域核心技术之一，位姿控制效果直接影响着智能车运行的精确性、安全性、舒适性等。本文所述位姿控制即根据目标路径所提供的信息控制智能车辆的方向盘以使车辆达到目标位置和航向。国内外学者针对此技术展开了大量研究，目前典型的几种控制方法包括：pid算法、纯跟踪算法、lqr算法、模型预测算法、神经网络算法等。典型的pid算法具有简单、高效的特点，但是其参数整定并不容易；纯跟踪算法使用几何模型实现车辆控制，但精度不高；lqr算法、模型预测算法依靠车辆模型进行控制器设计，控制效果对模型建模精度依赖高；神经网络算法作为近年来的热点技术，其“黑箱”特点以及计算量大等问题制约者其发展。目前研究大都以最小距离误差作为最终的评价目标，对其它方面考虑较少，另外智能车面临着多变复杂的外部环境，控制器自身对多变的环境、干扰等适应能力也是目前急需解决的一个重要问题。


技术实现要素：

3.本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于扩张状态观测器的反馈与模型前馈串级的无人驾驶车辆自趋优位姿控制系统。
4.为实现本发明的目的所采用的技术方案是：
5.一种反馈与模型前馈串级的无人驾驶车辆自趋优位姿控制系统，包括信号处理模块、反馈控制模块、前馈控制模块、扩张状态观测器、模型参数学习模块、边界约束模块、评价算法模块和参数自趋优模块；
6.所述信号处理模块根据车辆的位置、航向角、速度信息预瞄t1秒后车辆状态，使用该预瞄状态及规划的目标轨迹信息计算出距离最近目标轨迹点的侧向误差、航向误差；
7.所述反馈控制模块将车辆的侧向误差和航向误差通过误差动态模型映射到车辆航向变化率上，输出期望航向变化率；
8.所述前馈控制模块根据车辆动态模型描述的车轮转角与车辆航向变化率的关系及反馈控制模块输出的期望航向变化率通过代数求解方式解出期望目标车轮转角，再根据车辆转向机构的数学模型求解出期望目标车轮转角所对应的目标方向盘转角；
9.所述扩张状态观测器接收车辆传感器测量的车辆状态信息，基于侧向误差的动态模型、侧向误差变化率的动态模型、方向盘转角与航向的动态模型分别设计三个扩张状态观测器，以对未建模的部分进行观测并将其输出为总扰动，通过总扰动对所述反馈控制模块、前馈控制模块中使用的模型分别进行补偿；
10.所述边界约束模块根据车辆的基本物理特性以及车辆轮胎摩擦动力学模型粗略计算出车辆航向变化率的范围，从而对所述反馈控制模块输出的期望航向变化率进行边界
约束；
11.所述模型参数学习模块通过车辆传感器测量的车辆状态数据，通过极小化模型与对象测量数据之间的误差准则函数来对所述前馈控制模块中使用的模型进行参数学习，从而提高模型的精度，进而降低扩张状态观测器的压力；
12.所述评价算法模块用于设计评价指标并根据不同场景、不同用户需求等分配各指标权重系数并设计cost函数，为参数自趋优提供目标；
13.所述参数自趋优模块利用采集的传感器数据使用根据cost函数调整所述反馈控制模块中的两个控制参数(在线或离线)，从而使控制效果得到优化。
14.在上述技术方案中，所述信号处理模块中，所述车辆的位置、航向、速度信息通过车辆传感器测得；
15.t1秒后车辆状态为：
[0016][0017][0018]
式中x，y为当前时刻车辆的位置坐标，x
pre
，y
pre
为t1时刻后预测的车辆位置坐标，v为当前时刻车辆速度，为当前时刻车辆的航向角；
[0019]
航向误差
[0020]
在上述技术方案中，所述反馈控制模块利用所述信号处理模块提供的侧向误差、航向误差，并根据车辆运动误差动态方程描述航向误差以及侧向误差与车辆航向变化率的关系设计反馈控制率，得到期望的车辆航向变化率。
[0021]
在上述技术方案中，反馈控制率：其中k1、k2为控制器增益，f1和f2为扰动；
[0022]
期望航向变化率为：为：为目标航向变化率。
[0023]
在上述技术方案中，所述前馈控制模块中，车辆动态模型为运动学模型或动力学模型。
[0024]
在上述技术方案中，车辆动态模型：
[0025][0026]
θ
steer
＝k*δ
[0027]
令可求解出目标方向盘转角：式中l为轴距，f3为扰动。
[0028]
在上述技术方案中，侧向误差的动态模型为侧向误差变化率的动态模型为方向盘转角与航向的动态模型为针对三个动态模型分别设计扩张状态观测器，对未建模的部分进行观测输出扰动f1、f2、f3。
[0029]
在上述技术方案中，所述边界约束模块中，车辆的基本物理特性包括但不限于车辆在不同车速下的最小转弯半径。
[0030]
在上述技术方案中，所述模型参数学习模块中，使用最小二乘法或梯度下降法对
模型进行参数学习。
[0031]
在上述技术方案中，所述参数自趋优模块中，使用梯度下降法或粒子群法等调整反馈控制模块中的两个参数k1、k2。
[0032]
与现有技术相比，本发明的有益效果是：
[0033]
该系统以反馈-前馈为控制的基础框架，基于模型的反馈与前馈控制串联并与三个扩张状态观测器协同作用，保证控制精度的同时提高响应速度，结合扩张状态观测器的优点减小对车辆模型精度的依赖程度，通过设计评价模块和自趋优方法来满足不同用户需求并提高控制器在复杂环境中的控制效果。具体体现在以下三点：
[0034]
1.该系统利用三个扩张状态观测器对动态模型实时补偿，降低了对建模精确程度的依赖，提高了控制精度和响应速度。
[0035]
2.该方法设计评价模块，最小距离误差不再是控制的唯一目标从而多样化了控制需求，满足不同用户的对控制品质的要求。
[0036]
3.该方法利用自趋优算法根据需求和环境变化对控制器参数进行学习，减小车辆方向盘在目标值附近的抖动，提高控制器的在多变的情境下的鲁棒性。
附图说明
[0037]
图1为该方法控制系统的结构示意图。
[0038]
图2为列举的几种评价指标。
具体实施方式
[0039]
以下结合具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0040]
实施例1
[0041]
如图1所示，一种基于扩张状态观测器的反馈与模型前馈串级的自趋优无人驾驶车辆位姿控制方法，包括信号处理模块、反馈控制模块、前馈控制模块、扩张状态观测器、模型参数学习模块、边界约束模块、评价算法模块和参数自趋优模块。
[0042]
在所述信号处理模块中，根据车辆传感器测得的位置、航向、速度等信息预瞄t1秒后车辆状态，使用该预瞄状态及规划的目标轨迹选取距离最近的点作为目标点(目标点处的目标航向由规划层给出，此处为已知量不再讨论)，再根据点到直线的距离得到侧向误差。其中t1秒后车辆状态可表示为：
[0043][0044][0045]
式中x，y为当前时刻车辆的位置坐标，x
pre
，y
pre
为t1时刻后预测的车辆位置坐标，v为当前时刻车辆速度，为当前时刻车辆的航向角。
[0046]
航向误差
[0047]
在所述反馈控制模块中，将车辆的侧向误差和航向误差通过式(3)～(5)映射到车辆航向变化率上，即以侧向误差、航向误差作为输入，并根据式(3)～(5)描述车辆的航向误差以及侧向误差与航向变化率的关系设计反馈控制率u，得到期望航向变化率具体公
式如下：
[0048][0049]
式中ed为侧向误差，为ed的一阶导数，v为当前时刻测量的车辆速度，为当前时刻测量的车辆航向角，为目标航向。令航向误差在车辆运行中为较小量，上式可近似为：
[0050][0051]
f1定义为扰动，是由数学建模时简化以及传感器测量值与真实值误差引起，可由扩张状态观测器得到。本方法暂不考虑车速变化，上式求导：
[0052][0053]
为ed的二阶导数，f2定义为扰动，是由数学建模时简化以及传感器测量值与真实值误差引起，可由扩张状态观测器得到。可设计反馈控制率：
[0054][0055]
其中k1、k2为控制器增益，为待标定量。
[0056]
期望航向变化率可表示为：
[0057][0058]
式中为目标航向变化率，为已知量由规划层给出，本专利不讨论。
[0059]
在所述前馈控制模块中，根据车辆动态模型(运动学模型或动力学模型)描述的车轮转角与航向变化率的关系以及反馈控制模块输出的期望航向变化率通过代数求解方式解出期望目标车轮转角δ，在根据车辆转向机构之间的关系解出期望目标车轮转角所对应的目标方向盘转角θ
steer
,如式(10)所示。
[0060]
下面介绍一种基于运动学的车辆动态模型：
[0061][0062]
θ
steer
＝k*δ
ꢀꢀꢀꢀ
(9)
[0063]
令因此由式(7)～(9)可求解出目标方向盘转角：
[0064][0065]
式中l为轴距，f3定义为扰动，是由数学建模时简化以及传感器测量值与真实值误差引起，可由扩张状态观测器得到。k为需要标定的比例系数。
[0066]
在所述扩张状态观测器中，所述模块接收车辆传感器测量的车辆状态信息，基于侧向误差的动态模型侧向误差变化率的动态模型方向盘转角与航向的动态模型(例)，分别设计扩张状态观测器(共三个)对未建模的部分进行观测并将其输出为扰动f1、f2、f3，通过扰动对反馈控制、前馈控制中使用的模型分别进行补偿
[0067]
所述边界约束模块中，所述模块根据车辆的基本物理特性(包括但不限于车辆在不同车速下的最小转弯半径)以及车辆轮胎摩擦动力学模型粗略计算出车辆航向变化的范
围，从而对反馈控制模块输出进行边界约束；
[0068]
在模型参数学习模块中，通过车辆传感器测量的车辆状态数据，使用最小二乘法、梯度下降法等方法通过极小化模型与对象测量数据之间的误差准则函数来对前馈中使用的模型进行参数学习，如例中比例系数k，从而提高模型的精度，进而降低扩张状态观测器的压力；
[0069]
所述评价算法模块用于设计评价指标(如附图2所示，但不限于附图2)，并根据不同场景、不同用户需求等分配各指标权重系数并设计cost函数，为参数自趋优提供目标；对图2例解释说明：图中提到从车辆控制的精准性、舒适性、安全性来评价控制品质，其中精准性包括车辆运行轨迹与目标轨迹的最大侧向偏差以及最大航向偏差；舒适性包括车辆运行中方向盘调节幅度(及方向偏转角变化率)以及车辆航向变化率；安全性包括车辆运行中超出安全区域的次数。
[0070]
所述参数自趋优模块利用采集的传感器数据使用梯度下降法、粒子群算法等根据cost函数调整反馈控制器中的两个参数k1、k2(在线或离线)，从而使控制效果得到优化。
[0071]
以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。