基于非恒速二自由度动力学模型的车辆控制方法研究

作     者：常亚妮 

作者单位：太原科技大学 

学位级别：硕士

导师姓名：郭红戈

授予年度：2022年

学科分类：08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主      题：无人驾驶车辆 动力学模型 逆系统解耦 模型预测控制 粒子滤波算法 

摘      要：无人驾驶车辆跳脱了传统的驾驶体验,可以预测其本身的行为、快速反应。无人驾驶车辆的使用可以有效缓解交通压力,增加社会经济收益,保障人身财产安全。在无人驾驶车辆的使用过程中,轨迹跟踪能力和操纵稳定性是判断其性能的基础。因此,本文针对无人驾驶车辆在不同行驶工况下的控制方法进行了研究。首先,建立了非恒速二自由度车辆动力学模型。在基本三自由度动力学模型的基础上,将车辆纵向速度与前轮偏角作为控制量,将侧向速度与横摆角速度作为输出量,经过严格的公式推导,得到非恒速二自由度车辆动力学模型。在实际道路上行驶时,该模型的纵向速度可以根据不同的路况进行实时变化。相同条件下,在Matlab/Simulink环境下搭建好改进的车辆模型,并将其输出结果与Car Sim车辆模型的输出结果进行对比。发现两者的输出曲线变化趋势相同,验证了非恒速二自由度车辆动力学模型的有效性。然后,为提高非恒速二自由度车辆动力学模型的稳定性,考虑消除车辆系统之间的耦合关系,对该模型进行神经网络逆系统解耦。首先,采用Interactor算法证明所建模型是可逆系统;然后,搭建基于卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)的逆系统结构,取代传统的逆系统解耦策略。最后,对该解耦后的车辆系统进行控制及仿真研究。在阶跃转向和双移线恒速工况下,解耦后的系统输出量得到了更好的抑制;在双移线加速工况下,解耦后车辆系统的轨迹曲线与参考轨迹还存在较大的偏移,且侧向速度与横摆角速度的抑制效果较差。表明了此解耦方法不适合车辆在双移线加速工况下行驶。最后,设计了基于改进粒子滤波算法的自适应模型预测控制器。首先,采用改进的粒子滤波算法对模型预测控制(Model Predictive Control,MPC)进行状态估计,以此补偿车辆状态及测量噪声带来的系统干扰。针对粒子滤波算法中的粒子退化等现象,设计在重采样操作之前对粒子进行一次“再更新。然后,将该算法应用于MPC进行车辆状态估计,提高算法的自适应性和准确性。最后,将非恒速二自由度车辆动力学模型作为预测模型,构建无人驾驶车辆轨迹跟踪控制器并进行仿真研究。当车辆在双移线恒速工况下行驶时,自适应MPC输出的轨迹曲线与参考轨迹几乎重合,验证了自适应MPC的有效性;当车辆在双移线加速工况下行驶时,同样自适应MPC的输出曲线轨迹跟踪效果最优,稳定性最强;另外,针对自适应MPC设计了多种速度工况下的仿真研究。其结果表明,无人驾驶车辆在自适应MPC下的轨迹跟踪能力和稳定性均优于MPC。