关键词:
智能汽车
不确定环境
运动规划
轨迹跟踪控制
鲁棒控制
摘要:
汽车智能化是国家构建现代化智能交通体系的关键内容与必由之路。近年来,智能汽车相关技术得到了快速发展,辅助驾驶在量产车型上已得到广泛应用,高等级自动驾驶也在特定场景下实现了示范性运营。但现有的方法,大多针对确定性车辆运行环境,很少考虑不确定复杂环境的影响,导致运动规划策略与控制方法的适应性不佳。为此,本文针对上述问题,以提升智能汽车的行驶安全和控制稳定为目标,对不确定复杂工况下的运动规划与鲁棒控制方法开展了系统研究。具体研究内容为:(1)针对前车驾驶行为变化引起的跟车性能下降问题,提出考虑前车运动不确定性的跟车速度规划方法。基于高斯过程设计运动状态预测器,结合历史交通数据对前车纵向运动进行短期预测,为车辆的纵向决策提供可靠的数据支撑。考虑加速度预测误差引起的模型失配问题,引入概率约束和附加反馈补偿,基于混合控制逻辑设计基于随机模型预测控制的纵向速度规划模型,以提升速度规划器对随机扰动的鲁棒性。(2)针对场景变化的适应性规划需求,提出基于碰撞任务分割的主动避撞运动规划方法。引入坐标转换对驾驶场景进行重构,提出基于Frenet-Serret坐标的通用化场能风险评估方法。结合跟车速度规划与运动预测,设计基于碰撞任务分割的运动规划逻辑,上层采用梯度下降法生成行车路径,下层建立考虑稳定、安全、效率的速度规划模型,对换道、跟车等驾驶行为进行速度分配。通过避撞任务的分割,以克服梯度下降法陷入局部最优和求解奇异的问题,保证生成路径的平滑、合理。(3)针对模型简化带来的模型误差问题,提出自适应鲁棒轨迹跟踪控制方法。以模型误差分析为迁移,通过模糊归纳和等效的方式建立考虑模型误差的不确定性跟踪动力学模型。引入H∞性能指标和多模型自适应理论,分别处理有界的几何位姿扰动与动力学参数摄动,推导多模型自适应minmax优化问题的成立条件,提出基于自适应鲁棒模型预测控制的路径跟踪控制方法,以实现轨迹跟踪在鲁棒性与控制性能上的兼顾。(4)针对数据传输时滞与转向输出滞后问题,提出考虑数据传输时滞的鲁棒轨迹跟踪控制方法。结合转向输出传递特性,建立增广无滞后动力学模型,采用积分不等式法设计时滞稳定性判据,以保证闭环控制系统在时滞环境下的严格镇定。根据异源反馈增益的性能差异,设计基于稳定性判别的增益调度机制,并在轮胎力分配中引入基于工况判别的约束切换机制,通过反馈增益与广义约束的自调整,以提升鲁棒轨迹跟踪控制方法的工况适应性。(5)针对转向执行器非失效故障问题,提出鲁棒非脆弱轨迹跟踪控制方法。基于考虑转向执行器非失效故障耦合动力学模型,结合Lyapunov-Krasovskii泛函,采用不等式放大定理与H∞性能指标分别抑制乘性故障、加性故障带来的不利影响,推导鲁棒非脆弱时滞保性能控制增益的存在条件。为充分考虑轮胎力的纵横向耦合制约,引入驱制动限制、轮胎附着约束,建立以轮胎利用率最小的轮胎力协调分配机制,结合上层鲁棒控制策略,以保障车辆闭环系统在时滞、故障环境下的控制稳定。