王国栋, 刘洋, 李绍松, 卢晓晖, 张邦成. 基于轮胎状态刚度预测的极限工况路径跟踪控制研究. 自动化学报, 2022, 48(6): 1590−1600 doi: 10.16383/j.aas.c190349

Wang Guo-Dong, Liu Yang, Li Shao-Song, Lu Xiao-Hui, Zhang Bang-Cheng. Research on path tracking control under limit conditions based on tire state stiffness prediction. Acta Automatica Sinica, 2022, 48(6): 1590−1600 doi: 10.16383/j.aas.c190349

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190349?viewType=HTML

自动驾驶车辆, 路径跟踪, 转向避撞, 模型预测控制, 状态刚度预测

为解决高速极限工况下自动驾驶车辆紧急避撞时传统路径跟踪控制方法因轮胎力表达不精确导致的路径跟踪失败问题, 提出一种基于轮胎状态刚度预测的模型预测路径跟踪控制方法. 首先, 基于非线性UniTire轮胎模型求解的轮胎状态刚度对非线性轮胎力进行线性化处理. 其次, 基于期望路径信息提出状态刚度预测方法, 实现预测时域内轮胎力的预测和线性化. 最后, MATLAB和CarSim联合仿真实验表明: 所提出的方法能够明显改善高速极限工况下的避撞控制效果.

随着交通拥堵问题的日益严重和道路安全问题的日益突出, 自动驾驶车辆已经成为汽车行业发展的趋势. 自动驾驶车辆通过传感器实时感知并获取外界环境信息, 运用规划算法规划最优路径, 控制车辆安全到达期望目标, 主要包括环境感知、智能决策、路径规划和车辆运动控制等关键技术. 自动驾驶车辆的路径跟踪控制在完成对目标路径跟踪的同时, 还要保证车辆的行驶安全性和稳定性, 属于车辆的底盘运动控制系统. 但是, 由于实际的道路环境十分复杂, 车辆本身也存在着强非线性, 使得自动驾驶车辆的跟踪控制面临巨大的挑战.

国内外学者在自动驾驶车辆跟踪控制算法方面已经有了大量研究成果, 传统的控制方法主要有鲁棒控制、预瞄控制和滑模控制等. 但上述方法通常只能利用当前的环境信息和车辆状态, 并且难以考虑环境和车辆的约束条件. 因此, 研究人员开始将模型预测控制(Model predictive control, MPC)应用到车辆控制领域. 由于MPC在处理多目标以及系统约束方面具有明显的优势, 而且其滚动优化策略能够弥补模型失配、畸变、扰动等引起的不确定性, 因此在车辆控制领域得到了广泛的应用. 然而, 如果模型的误差过大, 仍会对系统的稳定性造成严重影响. 轮胎力是影响车辆稳定性的重要因素, 高速极限工况下自动驾驶车辆路径跟踪控制器设计时需要建立高精度的非线性轮胎模型. 但是, 非线性模型的MPC优化求解会增加控制器的计算负担, 影响系统的实时性. 因此, 将非线性模型进行线性化, 采用线性时变MPC进行处理, 是一种广泛应用的能够兼顾系统非线性和实时性的方法.

国内在进行路径跟踪控制研究时, 通常假设车辆的轮胎侧偏角较小, 将轮胎模型简化成线性轮胎模型, 因此并不适用于高速极限工况下的路径跟踪控制. 而在车辆稳定性控制领域, 国内外已有很多学者根据当前车辆状态对轮胎模型进行连续线性化处理, 设计基于线性时变MPC的车辆稳定性控制器并取得了很好的控制效果. 但是, 这种线性化方法在预测时域内并没有考虑轮胎力的非线性变化, 当车辆处于动力学极限附近时, 这种线性化方式将变得不那么精确. 因此, 一些学者在对轮胎模型进行线性化时, 开始考虑预测时域内轮胎力变化对线性化效果的影响. Brown等在研究基于MPC的路径规划与路径跟踪的集成控制时, 利用上一时刻求解的轮胎侧偏角序列对当前预测时域内的轮胎力进行连续线性化处理, 并在实车上实现了多种驾驶场景的实时跟踪控制. 但仅使用上一时刻优化的侧偏角序列会产生抖动的现象. Funke等在此基础上, 对轮胎侧偏角进行了正则化处理, 较好地解决了这一问题. 但是上述方法要求控制时域与预测时域长度一致, 较长的控制时域极大地加重了求解器的计算负担. 而且, 这些研究主要针对中低速工况, 尚未讨论高速低附着极限工况下的控制问题.

因此, 本文针对高速极限工况, 提出一种在预测时域内对非线性轮胎模型进行预测和线性化表达的新方法, 能够避免传统方法在紧急避撞时由于轮胎力表达不精确导致的路径跟踪失败问题, 并且不依赖控制时域长度, 有助于降低求解器的计算负担. 该方法利用期望路径信息对轮胎的状态刚度进行预测, 然后将预测的轮胎状态刚度用于预测时域内的非线性轮胎模型的线性化表达. 为了验证该方法的有效性, 本文还设计了在预测时域内轮胎力保持不变的传统线性时变MPC进行路径跟踪控制, 并利用MATLAB和CarSim联合仿真平台进行了对比实验. 为了加以区别, 在本文中将传统的线性时变MPC记为LTI-MPC (Linear time-invariant MPC in horizon), 将所提出方法记为LTV-MPC (Linear time-variation MPC in horizon).

图 2  控制器整体结构

图 6  轮胎状态刚度对比曲线