自动驾驶四轮独立驱动电动汽车的自适应分层轨迹跟踪控制方法(六)

4.结果与讨论

为了评估第三节中提出的控制方法的表现,在不同的工作条件下进行了一系列的模拟和实验测试。

1.png2.png3.png


图(9):双车道变换模拟试验中的横向误差

A、模拟结果

在本节中,为了说明所提出的控制方法对轨迹跟踪问题的有效性,实施了一些matlab-
adams协同仿真测试,在Adams soft中,建立了非线性车辆模型来模拟车辆的可靠动态行为[30]。

首先,对所提出的控制方法进行了鲁棒性能分析,自动驾驶车辆在湿滑路面上以100km/h的高速行驶,附着系数设定为0.3。前后轮胎刚度的不确定参数在测试中的变化范围为正常值的20%到正常值。假设自动驾驶车辆沿直线行驶,初始横向和角度误差分别假设为0.2m和3.5deg。

所提出的轨迹跟踪控制方法的响应结果如图4到图7所示。图4和图5分别描绘了横向误差和角度误差的动态响应。可以发现,在不同的驱动条件下,横向误差和角度误差可以收敛到零,尽管在正常轮胎刚度下的误差振荡比在20%正常轮胎刚度值下误差振荡小。

图6和图7分别示出了滑移角和横摆率的响应结果,它们可以收敛到期望值,这表明自动驾驶车辆在这两个驱动情况下是稳定的。此外,可以看出,所提出的轨迹跟踪控制系统对于自动驾驶车辆的参数不确定性具有很强的鲁棒性,并且实现了良好的跟踪性能。

其次,采用双车道变换作为参考轨迹来说明所提出的控制系统的动态特性,自动驾驶车辆在干路面上以70km/ h的初始速度运行,具有高的道路附着系数0.7并且行驶过程中保持直线行驶没有转向角。双车道变换轨迹如图8所示。自动驾驶车辆以初始横向误差0.1m和初始偏航角1.8deg开始行驶。此外,传统的具有两个控制输入和ΔM的线性二次调节器(LQR)[5]被设计为高级控制律,与现有的AFSMC控制方法形成对比。

图9显示了横向误差的响应结果,当自动驾驶车辆进入车道变换过程时,所提出的AFSMC控制方法和LQR方法的最大横向误差分别为±0.1m和±0.4m。角度误差的响应结果如图10所示,可以发现所提出的控制方法和LQR控制方法的稳态角度误差是有界的,它们的最大值分别小于1.5°和3°。

1.png2.png3.png4.png

图11显示了所提出的ASMFC和LQR控制器提供的相应滑移角,显然,可以发现它们都可以稳定并收敛到可接受的值,但是所提出的控制系统控制的滑移角的超调量比LQR控制系统的小。图12说明了横摆率的响应结果,值得注意的是,与LQR控制器相比,所提出的控制器显着降低了振荡并提高了响应速度。

图13表示转向角的响应结果。可以发现,在路径的曲线部分中由所提出的控制器控制的转向角的幅度变化比LQR控制器的小。图14显示了外部横摆力矩的响应结果,可以看出由所提出的AFSMC方法控制的外部横摆力矩的振荡远小于LQR方法。图15和图16示出了所提出的控制系统和LQR控制系统的四个附加轮胎纵向力的响应结果。它们表明,所提出的PI控制分配法可用于获得更好的分配结果。

未完待续……

来源 | 同济智能汽车研究所 智能转向研究组

 

0 个评论

要回复文章请先登录注册