本發(fā)明涉及車輛智能駕駛領域，特別是涉及一種分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)。

背景技術：

1、隨著汽車保有量的逐年上升，城市交通問題、環(huán)境污染問題日益凸顯，電動汽車環(huán)保節(jié)能的特點有利于保護環(huán)境，智能駕駛技術的發(fā)展有助于緩解交通問題。搭載智能駕駛技術的分布式電驅動智能汽車一方面有著分布式驅動汽車動力學特性優(yōu)秀、電機響應迅速、易于集成等優(yōu)點，另一方面擁有智能汽車環(huán)境感知、決策規(guī)劃、執(zhí)行控制三大主要功能，是當下的研究熱點。

2、軌跡跟蹤技術作為智能汽車執(zhí)行控制層的關鍵技術，其控制效果直接影響著整個智能駕駛功能的綜合表現(xiàn)，同時也直接影響汽車的安全性與穩(wěn)定性。電驅動智能汽車的軌跡跟蹤控制技術已有較多研究，但是針對分布式電驅動智能汽車這一特殊構型的軌跡跟蹤控制技術的研究仍有不足?，F(xiàn)有分布式電驅動智能汽車軌跡跟蹤控制技術面臨著高速工況時軌跡跟蹤精度與軌跡跟蹤穩(wěn)定性兩個控制目標相互矛盾難以同時實現(xiàn)的問題。同時，現(xiàn)有分布式電驅動智能汽車軌跡跟蹤控制技術其控制器參數(shù)常設為定值，對變化工況的魯棒性差。為此，本文提出了一種分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)，以解決上述背景技術中所面臨的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：一種分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)，包括信息獲取模塊、危險因子計算模塊、權重參數(shù)計算模塊、整車控制量計算模塊、扭矩分配模塊；

3、所述信息獲取模塊用于獲取車輛狀態(tài)參數(shù)、路面情況參數(shù)和目標軌跡；

4、所述車輛狀態(tài)參數(shù)包括橫擺角速度橫擺角縱向速度vx、縱向加速度ax、車輛質心在大地坐標系橫向位置y、車輛質心在大地坐標系縱向位置x；

5、所述路面情況參數(shù)包括車輛所在路面的路面附著系數(shù)μ；

6、所述目標軌跡包括參考縱向位置序列xref、參考橫向位置序列yref、參考橫擺角序列參考橫擺角速度序列參考縱向速度序列

7、所述危險因子計算模塊用于依據(jù)縱向速度vx和車輛所在路面的路面附著系數(shù)μ計算危險因子qv；

8、所述危險因子qv可按如下公式計算：

9、當縱向速度vx滿足0km/h<vx≤54km/h，同時車輛所在路面的路面附著系數(shù)μ滿足0.85<μ≤1，則危險因子qv＝qv1，qv1是一級危險因子，計算公式為：

10、

11、其中α1、α2為權重系數(shù)，滿足α1+α2＝1；

12、當縱向速度vx滿足54km/h<vx≤72km/h，同時車輛所在路面的路面附著系數(shù)μ滿足0.85<μ≤1，則危險因子qv＝qv2，qv2是二級危險因子，計算公式為：

13、

14、其中α3、α4為權重系數(shù)，滿足α3+α4＝1；

15、當縱向速度vx滿足0km/h<vx≤54km/h，同時車輛所在路面的路面附著系數(shù)μ滿足0.4<μ≤0.85，則危險因子qv＝qv3，qv3是三級危險因子，計算公式為：

16、

17、其中α5、α6為權重系數(shù)，滿足α5+α6＝1；

18、當縱向速度vx滿足72km/h<vx≤120km/h，同時車輛所在路面的路面附著系數(shù)μ滿足0.85<μ≤1，則危險因子qv＝qv4，qv4是四級危險因子，計算公式為：

19、

20、其中α7、α8為權重系數(shù)，滿足α7+α8＝1；

21、當縱向速度vx滿足54km/h<vx≤72km/h，同時車輛所在路面的路面附著系數(shù)μ滿足0.4<μ≤0.85，則危險因子qv＝qv5,qv5是五級危險因子，計算公式為：

22、

23、其中α9、α10為權重系數(shù)，滿足α9+α10＝1；

24、當縱向速度vx滿足72km/h<vx≤120km/h，同時車輛所在路面的路面附著系數(shù)μ滿足0.4<μ≤0.85，則危險因子qv＝qv6，qv6是六級危險因子，計算公式為：

25、

26、其中α11、α12為權重系數(shù)，滿足α11+α12＝1；

27、所述危險因子qv用于反映車輛的危險程度情況；

28、所述權重參數(shù)計算模塊用于依據(jù)所述危險因子qv計算整車控制量計算模塊的權重參數(shù)qy，

29、所述整車控制量計算模塊用于依據(jù)所述信息獲取模塊獲取的車輛狀態(tài)參數(shù)、目標軌跡，以及權重參數(shù)計算模塊計算得到的權重參數(shù)qy，計算整車控制量，所述整車控制量包括前輪轉角δ和期望縱向力fx；

30、所述扭矩分配模塊用于根據(jù)整車控制量計算模塊得到的期望縱向力fx計算各車輪期望扭矩tij，ij＝fl，fr，rl，rr，分別表示左前輪、右前輪、左后輪、右后輪。

31、所述權重參數(shù)計算模塊用于依據(jù)所述危險因子qv計算整車控制量計算模塊的權重參數(shù)qy，具體包括：

32、當危險因子是qv＝qv1，qv1是一級危險因子，則權重參數(shù)qy，均不需要根據(jù)qv1實時調整，均取固定值如下：

33、qy＝qyb，

34、其中，qyb，分別為權重參數(shù)qy，的經驗標定常規(guī)初值。

35、所述權重參數(shù)計算模塊用于依據(jù)所述危險因子qv計算整車控制量計算模塊的權重參數(shù)qy，具體包括：

36、當危險因子是qv＝qv2，qv2是二級危險因子，則權重參數(shù)均不需要根據(jù)qv2實時調整，均取固定值如下：

37、

38、權重參數(shù)qy需要根據(jù)qv2實時調整，調整公式如下：

39、qy＝qymin+(qymax-qymin)qv2，

40、其中qymin，qymax分別是權重參數(shù)qy的經驗最小值和經驗最大值，分別為權重參數(shù)的經驗標定常規(guī)初值。

41、所述權重參數(shù)計算模塊用于依據(jù)所述危險因子qv計算整車控制量計算模塊的權重參數(shù)qy，具體包括：

42、當危險因子是qv＝qv3，qv3是三級危險因子，則權重參數(shù)qy，均不需要根據(jù)qv3實時調整，均取固定值如下：

43、qy＝qyb，

44、權重參數(shù)需要根據(jù)qv3實時調整，調整公式如下：

45、

46、其中分別是權重參數(shù)的經驗最小值和經驗最大值，qyb，分別為權重參數(shù)qy，的經驗標定常規(guī)初值。

47、所述權重參數(shù)計算模塊用于依據(jù)所述危險因子qv計算整車控制量計算模塊的權重參數(shù)qy，具體包括：

48、當危險因子是qv＝qv4，qv4是四級危險因子，則權重參數(shù)qy，均不需要根據(jù)qv4實時調整，均取固定值如下：

49、qy＝qyb，

50、權重參數(shù)需要根據(jù)qv4實時調整，調整公式如下：

51、

52、其中分別是權重參數(shù)的經驗最小值和經驗最大值，qyb，分別為權重參數(shù)qy，的經驗標定常規(guī)初值。

53、所述權重參數(shù)計算模塊用于依據(jù)所述危險因子qv計算整車控制量計算模塊的權重參數(shù)qy，具體包括：

54、當危險因子是qv＝qv5，qv5是五級危險因子，則權重參數(shù)不需要根據(jù)qv5實時調整，取固定值如下：

55、

56、權重參數(shù)qy，需要根據(jù)qv5實時調整，調整公式如下：

57、qy＝qymax-d1(qymax-qymin)qv5-d2qyv(qymax-qymin)，

58、

59、其中qymin，qymax分別是權重參數(shù)qy的經驗最小值和經驗最大值，分別是權重參數(shù)的經驗最小值和經驗最大值，為權重參數(shù)的經驗標定常規(guī)初值；d1、d2為權重系數(shù)，滿足d1+d2＝1；qyv為參考橫向位置序列yref變動系數(shù)，可由如下公式計算：

60、qyv＝qyv1+qyv2，

61、

62、其中，qyv1為參考橫向位置序列yref變動系數(shù)第一值；qyv2為參考橫向位置序列yref變動系數(shù)第二值；np為預測時域，是整車控制量計算模塊的參數(shù)，為常數(shù)；bi(i＝0,1…np-1)為權重系數(shù)，滿足為權重系數(shù)，滿足

63、所述權重參數(shù)計算模塊用于依據(jù)所述危險因子qv計算整車控制量計算模塊的權重參數(shù)qy，具體包括：

64、當危險因子是qv＝qv6，qv6是六級危險因子，則權重參數(shù)qy，均需要根據(jù)qv6實時調整，調整公式如下：

65、qy＝qymax-d1(qymax-qymin)qv6-d2qyv(qymax-qymin)，

66、

67、其中qymin，qymax分別是權重參數(shù)qy的經驗最小值和經驗最大值，分別是權重參數(shù)的經驗最小值和經驗最大值，分別是權重參數(shù)的經驗最小值和經驗最大值；d1、d2為權重系數(shù)，滿足d1+d2＝1；d3、d3為權重系數(shù)，滿足d3+d4＝1；qyv為參考橫向位置序列yref變動系數(shù)，可由如下公式計算：

68、qyv＝qyv1+qyv2，

69、

70、其中，qyv1為參考橫向位置序列yref變動系數(shù)第一值；qyv2為參考橫向位置序列yref變動系數(shù)第二值；np為預測時域，是整車控制量計算模塊的參數(shù)，為常數(shù)；bi(i＝0，1…np-1)為權重系數(shù)，滿足為權重系數(shù)，滿足

71、為參考橫擺角序列變動系數(shù)，可由如下公式計算：

72、

73、其中，為參考橫擺角序列變動系數(shù)第一值；為參考橫擺角序列變動系數(shù)第二值；np為預測時域，是整車控制量計算模塊的參數(shù)，為常數(shù)；ei(i＝0，1…np-1)為權重系數(shù)，滿足為權重系數(shù)，滿足

74、所述整車控制量計算模塊用于依據(jù)所述信息獲取模塊獲取的車輛狀態(tài)參數(shù)、目標軌跡，以及權重參數(shù)計算模塊計算得到的權重參數(shù)qy，計算整車控制量，所述整車控制量包括前輪轉角δ和期望縱向力fx，具體包括：

75、所述整車控制量計算模塊具體包括橫向運動計算模塊和縱向運動計算模塊；

76、所述橫向運動計算模塊用于計算前輪轉角δ，包括離散狀態(tài)空間方程構建單元、目標函數(shù)構建單元、約束條件構建單元、二次規(guī)劃求解單元；

77、所述離散狀態(tài)空間方程構建單元，用于構建如下離散狀態(tài)空間方程：

78、

79、其中，系統(tǒng)狀態(tài)量系統(tǒng)輸出量u(k)表示k采樣時刻控制量即k采樣時刻前輪轉角，t為采樣時間，ccf為等效前輪側偏剛度，ccr為等效后輪側偏剛度，m為車輛質量，iz為轉動慣量，a表示車輛前軸到質心的距離，b表示車輛后軸到質心的距離；

80、所述目標函數(shù)構建單元，用于構建優(yōu)化問題的目標函數(shù)：

81、

82、其中，t-1為上一采樣時刻，t為當前采樣時刻；ξ(t)表示當前采樣時刻t的狀態(tài)量；u(t-1)表示上一采樣時刻t-1的控制量；np為預測時域；nc為控制時域；yp(k+i|k)為控制輸出預測值，yref(k+i|k)為控制輸出參考值，(k+i|k)表示根據(jù)k采樣時刻的信息來預測k+i時刻的值，其中i＝1，2，...，np；δu(k+i)是k+i時刻控制增量，其中i＝0，1，...，nc-1；u(k+i)是k+i時刻控制量，其中i＝0，1，...，nc-1；q是系統(tǒng)輸出量權重系統(tǒng)矩陣，r是控制增量權重系統(tǒng)矩陣；

83、δu(k+i)＝u(k+i)-u(k+i-1)，

84、其中，qy，為整車控制量計算模塊的權重參數(shù)，由權重參數(shù)計算模塊計算得到；rr為控制增量權重參數(shù)，為常數(shù)值；

85、所述約束條件構建單元，用于構建優(yōu)化問題的約束條件如下：

86、umin≤u(k+i)≤umax，i＝0，1，…nc-1，

87、δumin≤δu(k+i)≤δumax，i＝0，1，…nc-1，

88、umin，umax分別表示控制量最小值和控制量最大值；δumin，δumax分別表示控制增量最小值和控制增量最大值；

89、所述二次規(guī)劃求解單元，用于將上述優(yōu)化問題轉化為二次規(guī)劃問題并求解，得到前輪轉角δ；

90、所述縱向運動計算模塊用于計算期望縱向力fx，計算方式如下：

91、

92、式中：kp、ki、kd分別為計算系數(shù)，為常數(shù)值；vxref為參考縱向速度。

93、所述扭矩分配模塊用于根據(jù)整車控制量計算模塊得到的期望縱向力fx計算各車輪期望扭矩tij，ij＝fl，fr，rl，rr，分別表示左前輪、右前輪、左后輪、右后輪，具體包括：

94、各車輪期望扭矩tij為：

95、

96、其中，hcg表示車輛質心高度，g表示重力加速度，l為車輛軸距，r表示車輪有效半徑，ax表示縱向加速度，a表示車輛前軸到質心的距離，b表示車輛后軸到質心的距離。

97、與現(xiàn)有技術相比，本發(fā)明的有益效果：

98、本發(fā)明提供的一種分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)，可通過信息獲取模塊獲取車輛狀態(tài)參數(shù)、路面情況參數(shù)和目標軌跡；可通過危險因子計算模塊計算危險因子；可通過權重參數(shù)計算模塊計算整車控制量計算模塊的權重參數(shù)；可通過整車控制量計算模塊計算整車控制量；可通過扭矩分配模塊計算各車輪期望扭矩。

99、本發(fā)明的分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)的危險因子計算模塊可通過縱向速度和車輛所在路面的路面附著系數(shù)實時計算反映車輛危險程度情況的危險因子，進一步的，權重參數(shù)計算模塊可通過危險因子實時計算整車控制量計算模塊的權重參數(shù)。通過上述兩個模塊的作用，本文分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)的整車控制量計算模塊的權重參數(shù)便可以隨著縱向速度和車輛所在路面的路面附著系數(shù)的變化實時調整，提升了分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)對工況的魯棒性。

100、同時，危險因子計算模塊可隨縱向速度和車輛所在路面的路面附著系數(shù)實時調整危險因子，權重參數(shù)計算模塊可以根據(jù)危險因子實時調整整車控制量計算模塊的權重參數(shù)。通過上述權重參數(shù)的實時調節(jié)，可以平衡分布式電驅動智能汽車軌跡跟蹤控制系統(tǒng)在軌跡跟蹤精度與軌跡跟蹤穩(wěn)定性這兩個控制目標之間的矛盾。