智能汽车路径跟踪与横摆力矩协同模糊控制

doi:10.11772/j.issn.1001-9081.2023081066

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (S2): 250-255.DOI: 10.11772/j.issn.1001-9081.2023081066

• 前沿与综合应用 • 上一篇

智能汽车路径跟踪与横摆力矩协同模糊控制

廖剑涛¹, 韩增文¹, 陈金建¹, 李斌¹, 王洪波²()

^1.广东省机场管理集团有限公司，广州 510000
^2.哈工大机器人（中山）无人装备与人工智能研究院，广东中山 528400

收稿日期:2023-08-04 修回日期:2023-09-03 接受日期:2023-10-11 发布日期:2024-01-09 出版日期:2023-12-31
通讯作者: 王洪波
作者简介:廖剑涛（1972—），男，广东兴宁人，高级工程师，硕士，主要研究方向：车辆系统动力学控制
韩增文（1975—），男，广东广州人，高级工程师，硕士，主要研究方向：车辆系统动力学控制
陈金建（1984—），男，广东罗定人，高级工程师，硕士，主要研究方向为：智能机器人控制
李斌（1981—），男，山东滨州人，高级工程师，硕士，主要研究方向为：智能系统动力学控制
王洪波（1977—），男，黑龙江哈尔滨人，教授级高级工程师，博士，主要研究方向：车辆系统动力学控制、智能机器人控制。
基金资助:
广东省重点领域研发计划项目(2020B0101130024)

Cooperative fuzzy control for path tracking and yaw moment of intelligent vehicle

Jiantao LIAO¹, Zengwen HAN¹, Jinjian CHEN¹, Bin LI¹, Hongbo WANG²()

^1.Guangdong Airport Authority Company Limited，Guangzhou Guangdong 510000，China
^2.HIT Robot Group （Zhongshan） Institute of Unmanned Equipment and Artificial Intelligence，Zhongshan Guangdong 528400，China

Received:2023-08-04 Revised:2023-09-03 Accepted:2023-10-11 Online:2024-01-09 Published:2023-12-31
Contact: Hongbo WANG

摘要/Abstract

摘要：

针对智能汽车提出一种基于二型模糊方法的路径跟踪与直接横摆力矩协同控制算法。首先，引入二型模糊模型，用于描述智能车辆系统的非线性横向动力学特性，以提高控制算法的精确性和适应性。其次，为了提高车辆的稳定性，设计一种主动转向和直接横摆力矩控制集成的分层控制系统。这两种控制方式相互协同作用，使智能汽车能更好地适应复杂路况和变化的驾驶需求。最后，基于硬件在环实验对所设计的控制系统进行了验证。实验结果表明，提出的智能汽车路径跟踪与直接横摆力矩协同控制算法可以有效地对车辆轨迹进行跟踪，同时能提高车辆的操纵稳定性，为智能汽车的安全和稳定性能提供了重要的支持和指导。

关键词: 智能汽车, 路径跟踪, 二型模糊方法, 直接横摆力矩, 协同控制

Abstract:

A cooperative control algorithm of path tracking and direct yaw moment based on a type-2 fuzzy approach was proposed for intelligent vehicles. Firstly， a type-two fuzzy model was introduced to describe the nonlinear lateral dynamic characteristics of the intelligent vehicle system， to improve the precision and adaptability of the control algorithm. Secondly， a hierarchical control system integrated with active steering and direct yaw moment control was designed to improve the stability of the vehicle. By working together synergistically， these two control strategies enabled the intelligent vehicle to better adapt to complex road conditions and changing driving requirements. Finally， the proposed control strategy was implemented by hardware-in-the-loop experiment. The experimental results show that the proposed cooperative control method for path tracking and direct yaw moment of intelligent vehicle can effectively track the vehicle trajectory and improve the vehicle handling stability. This research provides important support and guidance for the safety and stability performance of intelligent vehicles.

Key words: intelligent vehicle, path tracking, type-2 fuzzy method, direct yaw moment, cooperative control

中图分类号:

N941.3

廖剑涛, 韩增文, 陈金建, 李斌, 王洪波. 智能汽车路径跟踪与横摆力矩协同模糊控制[J]. 计算机应用, 2023, 43(S2): 250-255.

Jiantao LIAO, Zengwen HAN, Jinjian CHEN, Bin LI, Hongbo WANG. Cooperative fuzzy control for path tracking and yaw moment of intelligent vehicle[J]. Journal of Computer Applications, 2023, 43(S2): 250-255.

图/表 9

图1 横向动力学模型示意图

表1 符号表

符号	描述
m	车身质量
I_z	车辆转动惯量
CG	车辆重心
C_f、C_r	前、后轮转向刚度
l_f、l_r	车身重心到车辆前、后轴的距离
v_x 、v_y	车辆纵向和横向速度
r	偏航率
ΔM_z	外部横摆力矩
F_y_f、F_y_r	前、后轮横向力
$ψ d / ψ h$	期望/实际航向角
$ψ$	航向角偏差
$ρ$	路径的曲率
$δ$	前轮转角
［ P ］_s	矩阵 P 和转置 P^T的和
P_max、P_min	矩阵 P 中元素的最大值和最小值
P₀、ΔP	（P_max+P_min）/2和（P_max-P_min）/2

表1 符号表

符号	描述
m	车身质量
I_z	车辆转动惯量
CG	车辆重心
C_f、C_r	前、后轮转向刚度
l_f、l_r	车身重心到车辆前、后轴的距离
v_x 、v_y	车辆纵向和横向速度
r	偏航率
ΔM_z	外部横摆力矩
F_y_f、F_y_r	前、后轮横向力
$ψ d / ψ h$	期望/实际航向角
$ψ$	航向角偏差
$ρ$	路径的曲率
$δ$	前轮转角
［ P ］_s	矩阵 P 和转置 P^T的和
P_max、P_min	矩阵 P 中元素的最大值和最小值
P₀、ΔP	（P_max+P_min）/2和（P_max-P_min）/2

表2 模糊模型的上下隶属函数

$ρ (t)$	f₁	f₂
1	$μ ̲ M 11 = μ ̲ M 21 = f 1 m a x - f 1 f 1 m a x - f 1 m i n$	$μ ̲ M 12 = μ ̲ M 32 = f 2 m a x - f 2 f 2 m a x - f 2 m i n$
-1	$μ ¯ M 31 = μ ¯ M 41 = f 1 - f 1 m i n f 1 m a x - f 1 m i n$	$μ ̲ M 22 = μ ̲ M 42 = f 2 - f 2 m i n f 2 m a x - f 2 m i n$
1	$μ ¯ M 11 = μ ¯ M 21 = f 1 m a x - f 1 f 1 m a x - f 1 m i n$	$μ ¯ M 12 = μ ¯ M 32 = f 2 m a x - f 2 f 2 m a x - f 2 m i n$
-1	$μ ̲ M 31 = μ ̲ M 41 = f 1 m a x - f 1 f 1 m a x - f 1 m i n$	$μ ¯ M 22 = μ ¯ M 42 = f 2 - f 2 m i n f 2 m a x - f 2 m i n$

表2 模糊模型的上下隶属函数

$ρ (t)$	f₁	f₂
1	$μ ̲ M 11 = μ ̲ M 21 = f 1 m a x - f 1 f 1 m a x - f 1 m i n$	$μ ̲ M 12 = μ ̲ M 32 = f 2 m a x - f 2 f 2 m a x - f 2 m i n$
-1	$μ ¯ M 31 = μ ¯ M 41 = f 1 - f 1 m i n f 1 m a x - f 1 m i n$	$μ ̲ M 22 = μ ̲ M 42 = f 2 - f 2 m i n f 2 m a x - f 2 m i n$
1	$μ ¯ M 11 = μ ¯ M 21 = f 1 m a x - f 1 f 1 m a x - f 1 m i n$	$μ ¯ M 12 = μ ¯ M 32 = f 2 m a x - f 2 f 2 m a x - f 2 m i n$
-1	$μ ̲ M 31 = μ ̲ M 41 = f 1 m a x - f 1 f 1 m a x - f 1 m i n$	$μ ¯ M 22 = μ ¯ M 42 = f 2 - f 2 m i n f 2 m a x - f 2 m i n$

图2 控制系统框架

图3 硬件在环实验测试图

表3 智能汽车的仿真参数

参数	值	单位	参数	值	单位
m	1 412	kg	I_z	1 536.7	kg·m²
l_f	1.059	m	l_r	1.641	m
C_f	49 412	N/rad	v_x	10	m/s
C_r	60 174	N/rad	R_t	0.35	m

图4 控制系统的仿真输入

图5 智能系统的性能指标图

图6 系统输入的仿真结果

参考文献 17

1	李克强，戴一凡，李升波，等. 智能网联汽车（ICV）技术的发展现状及趋势［J］. 汽车安全与节能学报， 2017， 8（1）： 1-14. 10.3969/j.issn.1674-8484.2017.01.001
2	吕佳，邱建岗，张续光. 智能汽车自适应RBF神经网络循迹控制［J］. 机械设计与制造， 2023（2）： 132-135. 10.3969/j.issn.1001-3997.2023.02.026
3	MA X， WONG P K， ZHAO J， et al. Cornering stability control for vehicles with active front steering system using T-S fuzzy based sliding mode control strategy［J］. Mechanical Systems and Signal Processing， 2018， 125（15）： 347-364. 10.1016/j.ymssp.2018.05.059
4	李社蕾，张潇，周望月. 基于模糊控制的自动泊车轨迹研究及仿真［J］. 计算机技术与发展， 2017， 27（2）： 163-166. 10.3969/j.issn.1673-629X.2017.02.037
5	HU X， WU L， HU C， et al. Dynamic output feedback control of a flexible air-breathing hypersonic vehicle via T-S fuzzy approach ［J］. International Journal of Systems Science， 2014， 45（7/8/9）： 1740-1756. 10.1080/00207721.2012.749547
6	周俊，赵涛.基于广义二型模糊神经网络的移动机器人轨迹跟踪控制［J］.计算机应用与软件， 2023， 40（4）： 68-74. 10.3969/j.issn.1000-386x.2023.04.012
7	HE S， FAN X， WANG Q， et al. Review on torque distribution scheme of four-wheel in-wheel motor electric vehicle ［J］. Journal of System Simulation， 2021， 33（10）： 2390-2398.
8	赵颖，俞庭，张琪，等.路径跟踪控制算法仿真分析与试验验证［J］. 汽车技术， 2022（7）： 15-24.
9	辛喆，陈海亮，林子钰，等. 智能汽车的路面附着极限横向轨迹跟踪控制［J］.机械工程学报， 2020， 56（14）： 138-145. 10.3901/JME.2020.14.138
10	LU S， CEN S， HU X， et al. Notice of violation of IEEE publication principles： integrated control of braking and steering subsystems for autonomous vehicle based on efficient yaw moment distribution［J］. IEEE Transactions on Industrial Electronics， 2017： 1-1. 10.1109/tie.2017.2745443
11	聂家弘. 无人驾驶智能平台四轮转向轨迹跟踪控制研究［D］. 长春：吉林大学， 2020： 12-18.
12	JEONG Y， YIM S. Path tracking control with four-wheel independent steering， driving and braking systems for autonomous electric vehicles ［J］. IEEE Access， 2022， 10： 74733-74746. 10.1109/access.2022.3190955
13	刘红铄，陶刚，李德润，等.智能汽车轨迹跟踪与横摆稳定性协同控制［J］. 汽车工程学报， 2022， 12（6）： 773-781. 10.3969/j.issn.2095‒1469.2022.06.07
14	宋裕民，褚幼晖，李维华. 四轮独立转向车辆控制策略研究和操纵动力学仿真［J］. 机械研究与应用， 2017， 30（6）： 22-24，27.
15	李学鋆，汪怡平，苏楚奇，等.智能车辆路径跟踪控制方法研究［J/OL］.控制与决策， 2023： 1-9［2023-08-01］. .
16	王吉华，魏民祥，杜言利，等.基于T-S模糊模型的多轴转向车辆H_∞鲁棒控制［J］. 交通运输工程学报， 2012， 12（4）： 42-49.
17	马海平，阮谢永，朱敏杰，等. 道路条件下车辆跟踪的鲁棒H_∞滤波算法［J］. 电子学报， 2008， 36（12）： 2363-2366. 10.3321/j.issn:0372-2112.2008.12.017

[1]	马子玉, 何明, 刘祖均, 顾凌枫, 刘锦涛. 无人机协同控制研究综述[J]. 计算机应用, 2021, 41(5): 1477-1483.
[2]	许洋, 秦小林, 刘佳, 张力戈. 多无人机自适应编队协同航迹规划[J]. 计算机应用, 2020, 40(5): 1515-1521.
[3]	方晓波, 钱宏, 刘朕明, 孟德壮. 基于路径跟踪控制方法的拖挂式机器人系统路径规划算法[J]. 计算机应用, 2017, 37(4): 1116-1121.
[4]	赵海盟, 张文凯, 谷静博, 王强, 沈路宁, 晏磊. 无人机载荷航拍控制系统设计[J]. 计算机应用, 2015, 35(1): 270-275.
[5]	方薇钱玮李传宝. 基于TCP/IP的智能汽车控制系统设计[J]. 计算机应用, 2009, 29(11): 3143-3145.
[6]	王文奇; 李伟华;史兴键;等. 基于Agent的网络安全系统协同控制研究[J]. 计算机应用, 2005, 25(10): 2280-2282.
[7]	丁辉. 基于角色的协同模糊综合评判[J]. 计算机应用, 2005, 25(08): 1840-1842.

智能汽车路径跟踪与横摆力矩协同模糊控制

Cooperative fuzzy control for path tracking and yaw moment of intelligent vehicle

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 17

相关文章 7

编辑推荐

Metrics