分布式电驱车路径跟踪分层协调控制方法研究_周枫林.pdf

2023 年第 42 卷7 月第 7 期机 械 科 学 与 技 术Mechanical Science and Technology for Aerospace EngineeringJulyVol422023No7http:/journalsnwpueducn/收稿日期:20210402基金项目:湖南省自然科学基金项目(2021JJ30211，2021JJ50043)作者简介:周枫林(1986)，副教授，博士后，研究方向为装备智能化设计制造与控制技术，164499487 qqcom周枫林，钦宇，游雨龙，等分布式电驱车路径跟踪分层协调控制方法研究 J 机械科学与技术，2023，42(7):1140-1149分布式电驱车路径跟踪分层协调控制方法研究周枫林1，钦宇1，游雨龙1，邹腾安2，李光1，张智永3，常雨康2(1 湖南工业大学 机械工程学院，湖南株洲412007;2 国防科技大学 智能科学学院，长沙410001;3 湖南宇正智能科技有限公司，长沙410073)摘要:针对分布式电驱车路径跟踪问题，基于分层协调控制方法，提出了一种路径跟踪策略。由电驱车独立转向/驱动的结构优势，设计四轮阿克曼转向理论，以建立电驱车路径跟踪分层运动学模型，并应用到路径跟踪控制策略中。该策略分为上下两层控制。在上层控制中，将上层运动学模型作为模型预测控制算法的预测模型，通过设定最优目标函数和约束条件将未来控制增量的求解问题转换为二次规划的最优解问题，计算出最优转角和速度控制量。下层控制中，通过下层运动学，将上层控制得到的控制量映射到四轮的转角和速度控制量，应用模糊 PID 算法，实现电驱车的路径跟踪控制。在基于 Carsim/Simulink 的仿真平台上进行圆形路径跟踪仿真验证，结果表明，该控制器能够使分布式电驱车实现路径的准确跟踪;在实车试验中进行换道路径跟踪，简单 MPC(模型预测控制算法)与分层协调控制数据结果对比表明分层协调控制方法能够有效的改善控制性能，提供路径跟踪的精确性和稳定性。关键词:分布式电驱车;分层协调控制方法;分层运动学;路径跟踪中图分类号:TP273文献标志码:ADOI:1013433/jcnki1003-872820220012文章编号:1003-8728(2023)07-1140-10A Hierarchical Coordinated Control Method for TrackingPath of Distributed Electric VehicleZHOU Fenglin1，QIN Yu1，YOU Yulong1，ZOU Tengan2，LI Guang1，ZHANG Zhiyong3，CHANG Yukang2(1 School of Mechanical Engineering，Hunan University of Technology，Zhuzhou 412007，Hunan，China;2 School of Intelligent Science，National University of Defense Technology，Changsha 410001，China;3 Hunan Yuzheng Intelligent Technology Co，Ltd，Changsha 410073，China)Abstract:Because the path of a distributed electric vehicle is difficult to track，a path tracking strategy wasproposed based on the layered coordinated control method Based on the structural advantage of the electric vehicles independent steering/driving，the four-wheel Ackerman steering theory is designed to establish the layeredkinematics model of the electric vehicles path following and to apply it to the path following control strategy Thestrategy is divided into two layers of control In the upper layer control，the upper-layer kinematics model is used asthe prediction model of the model predictive control algorithm By setting the optimal objective function andconstraint conditions，the solution of the future control increment problem is transformed into the optimal quadraticprogramming solution problem The optimal rotation angle and velocity control quantity are calculated In the lowerlayer control，through the lower layer kinematics，the control quantity obtained with the upper layer control ismapped to the angle and speed control quantity of the four wheels of the electric vehicle The fuzzy PID algorithm isused to realize the path tracking control of the electric vehicle The circular path tracking is simulated with theCarSim/Simulink simulation platform The simulation results show that the controller can accurately track the pathof the distributed electric vehicles The comparison between the simple MPC data and the layered coordinatedcontrol data shows that the layered coordinated control method can effectively improve the control performance，accuracy and stability of the path trackingKeywords:distributed electric vehicle;hierarchical coordinated control method;hierarchical kinematics;path tracking路径跟踪控制是无人驾驶汽车运动控制的关键问题之一，直接控制量为车轮转角、驱动力、制动力等。路径跟踪的基本要求是无人车能够有效的跟踪期望路径，并且保持车辆的行驶稳定性1-2。国内第 7 期周枫林，等:分布式电驱车路径跟踪分层协调控制方法研究http:/journalsnwpueducn/外学者围绕无人车的路径跟踪控制算法开展了大量研究，以 PID 控制算法和模型预测控制算法为主要代表3-7。赵熙俊等利用 PID 算法来对车辆模型的具体状态研究，直接对来自路径规划层面的目标航向角和目标位置进行跟踪控制，获得了较好的跟踪效果8-9。但是 PID 算法调试工作量大，一些控制参数常通过实验试凑得到，并且 PID 算法不能解决控制信号延迟问题，控制量始终是对已经出现的偏差进行纠正，难以控制的超调量对于车辆这种大惯性控制对象是一个严重的问题。由智恒10 基于专家PID 算法和最优预瞄控制理论建立了预瞄轨迹跟踪器，通过仿真验证该策略在良好路面上有较好的可靠性，但是在地面复杂、地面附着系数较低的情况下，路径跟踪误差较大。面对 PID 控制的局限性，大量学者开展了利用模型预测控制理论进行路径跟踪控制研究。模型预测控制算法(MPC)主要是通过建立预测模型，来提前预知车辆的未来状态量，并进行优化求解出最优控制量，对 PID 控制出现的控制延迟进行弥补，由预测模型、优化求解、滚动优化的 3 个步骤完成1。文献 1，11-12 中基于前轮转向车为研究对象，分别运用了运动学模型和动力学模型来建立预测模型以及约束条件，实现了在良好路面下电驱车的路径跟踪控制。Falcone 等考虑前轮转向时车在高速时的动力学约束，采用 MPC 用于无人驾驶汽车的主动转向控制系统中，提高了路径跟踪的准确度12-14。无人驾驶车辆以分布式电驱车为平台开发设计，利用分布式电驱车独立驱动/制动/转向的快速、灵活、准确的响应优势，将其应用于无人驾驶车辆的路径跟踪控制中，不仅可以提高对期望路径的精确跟踪，还有利于改善电驱车的行驶稳定性，具有重要的研究价值15-18。然而目前大部分研究只关注前轮转向，并将转向角限制在比较小的范围内，关注全电驱分布式电驱车的路径跟踪问题的研究并不多见，这是因为存在以下问题:1)目前应用广泛的汽车动力学软件主要面向传统整体式驱动的燃油汽车，适用于全电驱分布式汽车的仿真软件尚未成熟。2)针对分布式电驱车的独立驱动、独立转向的特点，其路径跟踪运动学模型的研究较少。3)将模型预测控制算法与分布式电驱车的独立驱动独立转向的结构优势结合研究，以提高分布式电驱车的路径跟踪准确度，尚需进一步研究。针对上述问题，完成以下 3 个方面的研究:1)针对如何建立具备独立驱动/制动/转向功能的全电驱分布式电驱车仿真平台的问题，采用Carsim 和 Simulink 联合仿真的方式建立仿真平台。2)充分考虑分布式电驱车的独立转向特点，基于四轮阿克曼转向理论，发展了一种全新的电驱车路径跟踪分层运动学模型。3)根据建立的分层运动学模型，应用模型预测控制理论和分层协调控制方法19-20，开发了分布式电驱车路径跟踪控制策略，并进行仿真及实验验证。本文建立的电驱车仿真平台具有独立驱动/转向/制动的优势，并且可以实现两轮转向、四轮转向、蟹行、原地转向等六种转向模式，较普通的电驱车四驱系统有更加灵活的优势;建立的路径跟踪模型能实现更小的转向半径，且能较好的保持速度稳定和力学响应特性;设计的全电驱分布式电驱车路径跟踪控制方法应用的基于模型预测控制算法的控制器可通过提前预知车辆的未来状态量，并进行优化求解出最优控制量，对 PID控制出现的控制延迟进行弥补，相较于简单 MPC控制其控制效果更加理想，并能为该基于分层协调控制方法的分布式电驱车之后的改进控制做好铺垫。1分布式电驱车路径跟踪控制框架基于四轮阿克曼转向理论，设计了全电驱分布式电驱车分层运动学模型，即由整车速度和前轴转角可映射出整车位置和航向角状态量的上层运动学模型和由四轮阿克曼转向理论将整车速度和前轴转角映射的四轮速度和转角控制量的下层运动学模型。应用分层协调控制方法，设计一种分布式电驱车的路径跟踪控制策略。该策略分为上下两层，在上层控制策略中，将电驱车上层运动学作为模型预测控制的预测模型，经过优化求解，得到分布式电驱车的整车速度和前轴转向角度。在下层控制中，通过下层运动学计算，将整车速度和转角映射到四轮各自的速度和转角控制量，由模糊 PID 控制系统对分布式电驱车进行控制量输入，完成分布式电驱车的路径跟踪