基于摩擦辨识的自动驾驶汽车路径跟踪控制与状态估计

With the development of intelligent transportation systems, much attention has been paid to the path-tracking control and state estimation of autonomous vehicles, which has been widely applied in mobile robots, and automatic parking systems. To take into account the characteristics of the autonomous vehicle dynamic model, such as the nonlinearity, over-actuation and time-variation of tire-road friction coefficient, the project deeply studies the path-tracking control and state estimation of autonomous vehicles. First, based on the idea of hierarchical control, the path-tracking control problem of autonomous vehicles is solved by the realization of control objectives, such as stabilization, optimization and parameter estimation, which realizes the control allocation of the tire forces and torques of the over-actuated vehicles, and realizes the independent wheel braking control and friction parameter estimation, and the parameter convergence and the stability of the cascaded closed-loop system can also be guaranteed. Furthermore, by considering the tradeoff between cost and reliability, a nonlinear observer is proposed for estimation of the longitudinal velocity, lateral velocity and friction parameter based on the standard sensor suite, and the closed-loop stability and parameter convergence are analyzed. The project is of great significant theoretical and practical applications since it not only develops effective path-tracking control scheme and state estimation algorithm, but also provides solid theoretical guidance for the motion control and environment perception of autonomous vehicles.

随着智能交通系统的发展，自动驾驶汽车的路径跟踪控制与状态估计问题已备受关注，并已在移动机器人、自动泊车系统中有广泛的应用。本项目针对自动驾驶汽车动力学模型的非线性、过驱动和路面条件的时变特性深入研究自动驾驶汽车的路径跟踪控制和状态估计问题。首先，基于分层递阶控制思想，通过稳定、优化、参数估计等控制目标的实现解决自动驾驶汽车的路径跟踪控制问题，实现过驱动车辆轮胎力和力矩的合理分配；实现未知、非对称路面摩擦条件下独立车轮的制动控制和摩擦参数估计，并保证摩擦参数的收敛性和级联闭环系统的稳定性。其次，考虑到成本、可靠性等问题，基于标准的车载传感器测量单元，实现车辆纵向、侧向速度和摩擦参数的同时在线估计，并保证观测器的稳定性和摩擦参数收敛性。通过本项目的研究不仅能够提供有效的路径跟踪控制与状态估计算法，而且为自动驾驶汽车的运动控制、环境感知问题提供了坚实的理论指导，具有重要的科学意义和应用价值。

随着智能交通系统的发展，自动驾驶汽车的路径跟踪控制与状态估计问题已成为近年来控制领域的研究热点，并广泛应用于移动机器人和自动泊车系统。本项目针对车辆动力学模型的非线性、过驱动和路面条件的时变特性，以及车体动态和车轮动态的多尺度特性，基于分层递阶控制思想设计了自动驾驶汽车路径跟踪控制器，实现了车辆各子系统的独立控制设计，将复杂的多变量耦合控制问题转化为多个相对简单的单目标控制问题，实现了车辆各子系统的相互协调和整体性能的优化，最终达到理想的路径跟踪。在分层递阶控制框架下，动态优化车轮联合滑移率并抑制车轮侧滑，实现了轮胎力和力矩的合理分配，解决了过驱动车辆动力学模型的控制分配问题，该动态优化算法不需要求解每个采样时刻的解，因而大大降低了计算复杂度。针对未知、非对称路面摩擦条件，设计了独立车轮扭矩控制律和摩擦参数自适应律，基于持续激励条件和嵌套 Matrosov定理分析了车轮动态的稳定性和摩擦参数的收敛性。进一步，结合各层子系统的稳定性和级联特性，运用Lyapunov稳定性理论和集合稳定性理论分析了整个级联闭环系统的稳定性。通过选取摩擦参数非对称路径进行仿真，验证了该自适应分层递阶路径跟踪控制算法的有效性。本项目基于标准的车载传感器测量信息设计了一种适用于未知路面摩擦条件的车辆速度观测器，实现了车辆纵向速度、侧向速度在线估计，并实时辨识路面摩擦参数，基于Lyapunov函数方法分析了该非线性自适应观测器的一致全局渐进稳定性和一致局部指数稳定性。通过选取直线转向（低摩擦参数）等典型工况进行仿真，并将仿真结果与扩展卡尔曼滤波速度估计算法、经典的车辆速度估计算法进行比较，从理论和仿真两方面验证了该观测器的性能。本项目不仅提出了有效的车辆路径跟踪控制算法、摩擦参数辨识算法以及车辆速度估计算法，而且为自动驾驶汽车的运动控制、状态/参数估计等问题提供了坚实的理论指导，具有重要的科学意义。