基于多点预瞄最优控制的智能车辆路径跟踪
黄海洋 张建 王宇 王御 刘金波130011） （中国第一汽车集团有限公司智能网联开发院，长春 【摘要】为在嵌入式控制器开发环境下提高智能车辆的路径跟踪精度，采用车辆动力学模型和多点道路预瞄模型，以预瞄窗口内的跟踪偏差为目标函数，结合LQR最优控制原理，提出了一种基于多点预瞄最优控制路径跟踪控制方法。针对实车应用，通过离线计算最优增益的方法，提高算法实时性。在仿真及红旗H7实车环境下进行试验，结果显示，该方法在保证跟踪精度的同时具有良好的算法实时性。主题词： LQR 道路预瞄模型 路径跟踪 智能车辆U467.1 A 10.19620/j.cnki.1000-3703.20181035中图分类号： 文献标识码： DOI: Path Traking for Intelligent Vehicle based on the Optimal Multipoint Preview Control Huang Haiyang, Zhang Jian, Wang Yu, Wang Yu, Liu Jinbo Intelligent Connected Vehicle Development Institute of China FAW Group Co., Ltd., Changchun 130011） （ Abstract To improve the path traking accuracy for intelligent vehicle in the embedded controller development【 】environment, this paper utilized vehicle dynamic model and mulitpoint road preview model to calulate the objective function of tracking error. Then combined with LQR optimal control theory, an optimal multipoint preview control method is proposed. For real car application, the optimal gain is calculated offline to improve the sovling speed. Finally, the simulation and HongQi H7 real car experiment shows that this method can achieve high tracking accuracy in real time. Key words: LQR, Road Preview Model, Path Tracking, Intelligent Vehicle
1 前言
路径跟踪作为自动驾驶系统中的关键执行层控制技术，是影响智能车辆安全性与舒适性的关键技术[1- 3]。常见的路径跟踪方法按照使用模型不同可分为基于几
/
何运动学模型的方法和基于动力学模型的方法，其中
/
基于几何运动学模型的方法，通常将车辆简化为四轮机器人刚性结构，由于相对简单计算量小，已有较多实
Autoware
车应用，如名古屋大学的自动驾驶开源项目 中使用的纯跟踪方法[4]。基于动力学模型的方法，考虑车辆轮胎侧偏等动力学特性，通常结合最优控制理论，如
LQR）[ MPC）[线性二次型调节器（ 5]、模型预测控制（ 6]等。
Apollo
百度的自动驾驶开源项目 中横向控制器即提供
LQR MPC LQR
了 和 两种方法[7]。 方法未考虑预瞄前方
MPC
目标路径，易出现跟踪偏差较大问题； 方法需要消耗大量计算资源，在车辆嵌入式控制器的计算环境中难
LQR
以实现。而基于预瞄的 控制方法[8]，既能够综合考虑前方路径特征，又不需要在线优化求解占用大量计算资源，具有较强的嵌入式环境实车应用价值。
[8]LQR
因此，本文在文献 预瞄控制方法的基础上，提出了一种新型基于多点预瞄的最优路径跟踪控制方法，改进了道路模型中的预瞄偏差计算方式，以及采用离线计算最优增益的方法，提高了算法的适应性及实时性，更加适合实车路径跟踪控制应用。
2 车辆及道路预瞄模型2.1 车辆动力学模型
1本文采用的车辆动力学模型如图 所示，假设车辆是一个在平面内沿一定速度向前行驶的刚体，可通过前轮转角进行横摆旋转和侧向平移运动。