极限工况下的无人驾驶路径跟踪 | 斯坦福大学团队最新研究成果

2018-09-26 23:56:49· 来源：集成与控制研究室同济智能汽车研究所

C．转角控制器设计

本文主要研究极限工况下的不足转向车辆，因此，设计的转角控制器主要是控制前轴的轮胎力。最大的轮胎力对应的轮胎侧偏角可以通过公式(2)计算得到：

前轴的等效纵向滑移率是通过对左右侧车轮的滑移率加权得到的，在侧向加速度增加到7m/s2时，由于侧向载荷转移的关系，外侧车轮的权重接近80%。通过测量的纵向滑移率和实时路面附着系数估计结果可以计算得到前轴的最大侧偏角。而这个侧偏角就直接作为底层转角控制器的输入，方向由目标路径的曲率确定。

D．极限工况下的路径跟踪控制

图 2中平面三自由度的单轨车辆模型的状态方程如下：

其中，m和Izz分别是车辆的质量和横摆转动惯量。a和b分别是质心到前轴和后轴的距离。

在稳态条件下，假设转角和前轴的纵向力都比较小，公式(8)可以简化为：

如果前后轴同时处于最大的轮胎力，并且每根轴的附着能力都由单一附着系数来表征，那么横摆角速度和车速之间的耦合关系可以用式(11)来表示。

文献[18]中，Goh和Gerdes针对漂移车辆设计了一个用横摆角速度作为输入的路径跟踪控制器。而在本文中，类似的控制器可以作为车辆极限工况下的路径跟踪控制器，利用纵向速度来控制预瞄点的误差：

其中，xLA是预瞄距离。通过引入稳态的质心侧偏角，当车辆模型足够精确时便可以消除预瞄点的误差，从而使车辆准确跟踪稳态的转向。预瞄点的误差导数为：

其中，K是路径的曲率。假设预瞄点的误差具有稳态的一阶动态，则：

曲率为K的路径在附着极限下的稳态车速大概为：

将式(12)和(13)代入(14)，可得，

得到横摆角速度作为虚拟的控制输入：

当误差为零、航向角误差等于质心侧偏角的时候，车辆的控制横摆角速度便等于参考路径的航向角速度。最后，通过式(11)可以将横摆角速度控制输入转化为路径跟踪控制器的纵向速度控制量：

当预瞄点在弯道的内侧时，误差过大会导致目标的横摆角速度方向和路径的曲率相反。此时，为了保证车辆加速并跟踪上参考路径，目标车速将会过大。

图7 跟踪的纵向车速（左）和预瞄点

以及实际的侧向位移误差（右）

为了简化控制算法，采用了比例反馈控制来跟踪参考的纵向车速，并且为了补偿路面的阻力和坡度，采用了前馈控制。

目标的车速控制可以通过发动机的MAP图和电子节气门来实现。

分享到：

点赞 0 反对 0 举报 0 收藏 0 评论 0

0 条相关评论

• 汽车自动驾驶仿真：场景呈现的技术深度探讨	• 汽车自动驾驶感知模块的开发与验证：技术挑战与未来展望
• 汽车自动驾驶感知模块开发与验证中的场景仿真技术探析	• 智能网联不确定路口场景下汽车驾驶性能的实验与评价研究
• 智能网联汽车产品模拟仿真测试可信度评估方法	• 智能网联汽车产品模拟仿真测试可信度评估框架
• 智能网联汽车产品测试策略：确保安全可靠的驾驶体验	• 智能网联汽车视觉感知系统测评验证：性能评估与未来展望
• 智能网联汽车视觉感知系统全面测评：硬件设备、算法性能、	• 智能网联汽车传感器性能全面测评与未来展望

编辑推荐