斯坦福大学:自动驾驶复杂轨迹工况下的自动漂移控制

  • Gerdes
  • 发表于: 2018/11/19 08:22:02 来源:厚势

漂移不仅是专业赛车手炫技的技能,也是自动驾驶必须研究的领域。

甩尾、漂移不仅是专业赛车手炫技的技能、众多秋名山玩家的常规操作,也是自动驾驶必须研究的领域。斯坦福大学 Gerdes 教授团队在自动驾驶运动控制领域的研究工作具有标杆意义,本文所述的自动漂移技术将车辆可控范围扩展到稳定性极限之外,可以进一步提升自动驾驶车辆的机动能力。

对自动驾驶车辆的整体安全性和鲁棒性来说,在稳定操控范围外的操纵能力相当重要。因此,本文提出了一种用于复杂轨迹自动漂移的控制器架构。在不假设车辆工作在平衡点附近的情况下,设计了针对非特定路径的控制器,提出了物理上有深刻意义的控制律:采用车辆航向角速度跟踪路径,横摆角加速度用于镇定质心侧偏角,通过非线性模型反演与下层轮速控制相结合,在大范围工况下精确地实现所需求的状态微分。

在全尺寸车辆上进行的实车试验表明,在不同曲率、速度和质心侧偏角下可以很好地跟踪轨迹。——编者按

1前言

传统车辆控制架构中通常采用独立的侧向/纵向控制,并且假定车辆处于侧滑动力学稳定范围内。然而,超出车辆的操控极限时会产生强输入耦合和横摆/侧滑不稳定性,导致这种简化方法失效。尽管是完全在车辆稳定性极限范围外操纵的,专业驾驶员在漂移中可以同时实现对车辆侧滑和行驶路径两者的精确控制。自动驾驶漂移控制算法可以将车辆可用状态空间扩展到极限范围外,从而确保自动驾驶车辆最广泛的机动范围。

早期文献中,Velenis[9] 和 Hindiyeh 等人 [4] 分别通过仿真和实验,研究了车辆状态在漂移平衡点下的镇定。因为在标准输入下(转角和驱动力矩)系统是欠驱动的,所以同时跟踪路径和镇定质心侧偏角并不简单。最近的一些研究已经在简单的定圆试验中证明了这一点。Werling 等人 [11] 提出的控制器同时考虑了质心侧偏角镇定和路径跟踪,而 Goh 等人 [3] 的策略则是明确的跟踪路径。但是由于在车辆建模和控制器设计时的进行了严格假设,这些方法不能轻易地扩展到更复杂的轨迹。

已有文献中,关于漂移的研究都使用了在大范围内精确的车辆模型。Ono[6] 和 Voser 等人 [10] 使用了双状态单轨模型研究漂移的不稳定动力学。也有学者将力作为直接输入 [3] [4] 并且对转向和油门延迟进行精确建模 [11] 的三状态单轨模型用于试验验证控制器的设计。Velenis 等人 [9] 基于线性化后的具有稳态载荷转移和车轮动力学的双轨车辆模型,设计了线性二次型调节器。在运动方程的模型精度和可控性之间取得平衡,仍需进一步研究。

与这些方法相比,本文以道路曲线坐标系下的质心侧偏角误差和侧向位移误差作为控制目标,设计了一种用于处理复杂轨迹工况的自动漂移控制器。首先在不需要假设特定的车辆模型或车辆状态处于平衡点附近的情况下,推导出控制器设计所需的动力学模型。由此得到的控制律,用车辆状态微分来表示,十分简单直观。利用漂移时产生的侧偏和横摆动力学解耦:直接采用车辆航向角速度跟踪路径,通过控制车辆横摆角速度相对于航向角速度的快慢,可以同时镇定质心侧偏角。

为了实现这一控制律,需要车辆模型将这些期望的状态微分映射到输入。通过非线性模型反演与下层的轮速控制相结合,实现复杂轨迹下大范围工况的良好准确度,而不是依靠过于简化的假设。在全尺寸测试车辆 MARTY(图 1)上的试验验证了算法在曲率在 1/7 到 1/20m 间变化和速度在 25km/h 到 45km/h 间变化的轨迹以及 -40° 的质心侧偏角工况下的有效性。

图1:自动漂移测试中的 MARTY 车辆图1:自动漂移测试中的 MARTY 车辆

2试验车辆与车辆模型

本节首先介绍了在曲线坐标系下的基于力输入的单轨模型的运动方程,然后介绍了轮胎力模型。

2.1 运动方程

2.1.1 路径跟踪状态和动力学

车辆模型如图 2 所示,有三个状态变量:横摆角速度 r、速度 V 和质心侧偏角 β。考虑路径跟踪后,引入了其他几个状态变量。车辆航向角是车辆速度矢量在给定的惯性坐标系的方向,φ 的动力学方程:

图2:参考路径曲线坐标系下的三状态单轨模型图2:参考路径曲线坐标系下的三状态单轨模型

15425872702542.png

2.2 前轴轮胎力建模

15425873745959.png

2.3 后轴轮胎力建模

15425874323183.png

15425875165812.png

3控制器设计

3.1 概述

15425875591735.png

3.2 误差动力学

3.2.1 路径跟踪

15425876002512.png

3.2.2 镇定质心侧偏角

15425876607385.png

3.3 非线性模型反演

15425884612668.png

图5:横摆角速度为 53.9°/s,车速为 9.35m/s,质心侧偏角为 -40° 时车辆状态微分间三维图图5:横摆角速度为 53.9°/s,车速为 9.35m/s,质心侧偏角为 -40° 时车辆状态微分间三维图

图6:沿车速微分等高线的横摆角加速度vs航向角速度图6:沿车速微分等高线的横摆角加速度vs航向角速度

图7:沿横摆角加速度等高线的航向角速度 vs 车速微分图7:沿横摆角加速度等高线的航向角速度 vs 车速微分

15425885851493.png

3.4 轮速控制

15425886111617.png

4试验验证

在曲率在 1/7 到 1/20 间变化和速度在 25km/h 到 45km/h 间变化的复杂轨迹以及 -40° 的参考质心侧偏角下试验验证了算法的有效性。

4.1 测试方法

试验在如图 1 所示的试验平台 MARTY 上进行。MARTY 由 1981 DMC Delorean 改装而来,配备有线控转向和可独立驱动左右后轮的电驱动系统。车辆状态信息通过集成的 RTK-GPS/IMU 得到,更新频率为 250Hz。在上位机实时运行的控制算法的运算频率也为 250Hz。

在参考轨迹的起始点和末端分别增加简单的进入和退出回旋线,用于文献 [5] 相似的基础路径跟踪控制器使得车辆跟踪此路径。漂移控制器在 s=57m 时介入,在 s=463m 时退出。控制器参数和车辆参数如表 1 所示。

表1:控制器参数和车辆参数表1:控制器参数和车辆参数

4.2 轨迹规划

15425887356276.png

4.3 试验结果

15425887927641.png

图9:试验中测量路径vs参考路径图9:试验中测量路径vs参考路径

图10:试验中路径跟踪性能图10:试验中路径跟踪性能

图11:试验中车辆状态 vs 路径距离图11:试验中车辆状态 vs 路径距离

图12:试验中转向角和推力角输入图12:试验中转向角和推力角输入

5结论

本文设计了针对复杂轨迹的自动驾驶漂移控制器。控制器由车辆状态微分推导所得,并且没有涉及到特定的车辆模型。航向角速度用于跟踪曲线坐标系下的侧向位移误差,然后控制相对于航向角速度的横摆角速度从而控制质心侧偏角。

为了得到车辆状态微分到执行器输入的映射关系,进行非线性模型反演和简单的轮速闭环控制。试验验证了在曲率在 1/7 到 1/20 间变化和速度在 25km/h 到 45km/h 间变化的复杂轨迹以及 -40° 的参考质心侧偏角工况下的有效性。

对复杂轨迹下漂移平衡点的路径跟踪和质心侧偏角镇定研究,保证了自动驾驶车辆在需要的情况下能够在开环稳定极限外操纵。未来的研究将进一步考虑在未进行准平衡假设下实现轨迹规划和跟踪,解决车辆状态快速变化的问题。

相关标签:
自动驾驶
  • 车云星
  • 空间站
  • 福特星球
  • 虫洞

加料 /

人评论 | 人参与 登录
查看更多评论