引用本文

王炳琪, 杨明, 王春香, 王冰. 一种基于最优状态点的无人车路径跟踪横向控制方法. 自动化学报, 2019, 45(10): 1883-1892. doi: 10.16383/j.aas.c170531

WANG Bing-Qi, YANG Ming, WANG Chun-Xiang, WANG Bing. Path Tracking Lateral Control of Self-driving Vehicles Based on the Optimal State Point. ACTA AUTOMATICA SINICA, 2019, 45(10): 1883-1892. doi: 10.16383/j.aas.c170531

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c170531

关键词

狭窄区域，整体偏差，最优状态点，最优参考状态，横向控制 

摘要

对于小区、施工导流路段等狭窄区域，很难保证大中型车辆安全地通过.针对这类情况，本文研究了整个车体的路径跟踪横向控制问题，提出了车辆最优状态点和最优参考状态的概念.为了求解最优状态点，本文构造了车辆参考状态所对应的整体偏差这一目标函数，基于车辆运动学模型，依据最优状态点处车辆与参考轨迹的偏差设计了横向控制器，并利用Lyapunov方法证明了该控制系统的稳定性.与车体特定位置的横向偏差相比，整体偏差更为显著地反映了整个车体的跟踪性能.最后，在具有代表性的狭窄区域场景和普通城区道路场景分别进行了仿真实验，结果表明该方法能够有效提高车辆低速行驶时的整体跟踪精度，不仅可以保证车辆安全裕度较大地通过狭窄区域，而且也提升了车辆在城区交通场景驾驶的安全性.

文章导读

近年来, 无人驾驶技术越来越成熟, 路径跟踪横向控制作为无人驾驶的关键技术之一, 吸引了众多国内外专家学者的关注.然而目前有关无人车路径跟踪的横向控制研究主要集中在高速公路或城区交通场景, 而针对大中型车辆低速行驶在小区、施工导流路段等场景研究较少, 这类场景空间狭窄、局部路径曲率较大(以下简称狭窄区域), 大中型车辆很难安全裕度较大地通过.

目前国内外关于路径跟踪的研究可分为无车辆模型和有车辆模型这两类.预瞄PID法[1-2]是常用的无车辆模型方法, 这种方法最大优点是当预瞄距离足够大时, 车辆稳定性可以保证, 但当预瞄距离较大、路径曲率较大时, 跟踪精度较低.有车辆模型的方法可以分为基于车辆动力学模型和基于车辆运动学模型这两类, 车辆的横向动力学主要是在运动学基础上考虑了车辆运动时轮胎变形所产生的侧向力, Rajamani认为车辆在低速行驶时, 轮胎侧向力非常小, 做出轮胎侧偏角为零的假设[3], 即可忽略轮胎侧向力.文献[4]验证了当车辆前轮速度为9 m/s时, 车辆运动学控制器和车辆动力学-运动学级联控制器在路径跟踪上的表现非常接近, 因此可以认为车辆低速行驶时运动学模型足够适用.基于车辆运动学模型的方法主要有纯跟踪法[5-7]、基于前轮位置反馈(前轮控制)的方法[8-9]、基于后轮位置反馈(后轮控制)的方法[10-11]以及基于运动学的模型预测控制法[4, 12].纯跟踪法在保证车辆稳定性的前提下控制精度较低, 前轮控制和后轮控制各自只考虑了车辆前轮、后轮位置处的偏差, 模型预测控制只考虑了重心以及重心处在预测时域内的偏差.这些方法只能保证车辆在某一位置具有很高的控制精度, 而没有考虑车身整体的跟踪精度, 因而难以保证整个车体安全裕度较大的通过狭窄区域.

针对这类情况, 本文研究了整个车体的路径跟踪横向控制问题.其主要创新点包括: 1)提出了车辆最优状态点和车辆最优参考状态的概念; 2)为了求解车辆最优状态点, 构造了车辆参考状态所对应的整体偏差这一目标函数; 3)基于车辆运动学模型, 依据最优状态点处车辆的横向偏差和航向偏差设计了横向反馈控制器.

图 1  狭窄区域车辆行驶示意图

图 2  车辆参考状态示意图

图 3  车辆当前状态到参考状态的转移图

针对大中型车辆难以安全裕度较大地通过狭窄区域这一问题, 本文提出了一种基于车辆最优状态点的横向控制方法.首先通过构造车辆参考状态对应的整体偏差这一目标函数.求解出了车辆最优状态点, 并给出了对应的车辆最优参考状态, 即提供给车辆可以提高整体跟踪精度的最优目标.接着基于该最优状态点处的偏差, 建立了车辆横向控制模型.对比实验结果表明, 不论在狭窄区域还是在城区道路场景中, 本文方法都有效地提升了车辆低速行驶时的整体跟踪精度, 可以保证车辆安全裕度较大地通过狭窄区域.另外, 把车辆纵向速度纳入这类问题考虑范畴将是未来进一步开展的工作.

作者简介

王炳琪

上海交通大学机械与动力工程学院硕士研究生.主要研究方向为自主驾驶车辆方面的路径规划与车辆控制.E-mail:wangbingqi@sjtu.edu.cn

王春香  

上海交通大学自动化系副教授.主要研究方向为移动机器人, 自动驾驶, 高级辅助驾驶.E-mail:wangcx@sjtu.edu.cn

王冰  

上海交通大学自动化系高级工程师.主要研究为自动导向车, 自动导向技术.E-mail:bingwang@sjtu.edu.cn

杨明  

上海交通大学自动化系教授.主要研究方向为智能车辆的定位、感知、导航、控制、自主驾驶、辅助驾驶和协作驾驶.本文通信作者.E-mail:MingYang@sjtu.edu.cn