本發(fā)明屬于智能網(wǎng)聯(lián)汽車協(xié)同控制領(lǐng)域的一種車隊(duì)協(xié)同控制方法，尤其涉及一種基于frenet坐標(biāo)系的橫縱向耦合分布式模型預(yù)測(cè)控制的車隊(duì)協(xié)同控制方法和系統(tǒng)。

背景技術(shù)：

1、智能網(wǎng)聯(lián)汽車協(xié)同控制對(duì)于自動(dòng)駕駛汽車來說，在節(jié)能減排和減少能源消耗上有著重要的社會(huì)和經(jīng)濟(jì)價(jià)值。而智能網(wǎng)聯(lián)汽車的車隊(duì)控制對(duì)于提高交通容量，減少交通事故和減少駕駛員疲勞方面有著重要的研究意義。之前的車隊(duì)研究大多集中在一維即縱向的控制，而近幾年，二維即考慮車隊(duì)縱向和橫向的控制成為了當(dāng)前的熱點(diǎn)問題，因?yàn)闄M縱向的綜合控制可以讓車隊(duì)?wèi)?yīng)付更加復(fù)雜的道路情況。當(dāng)前的很多基于單車的橫縱向綜合控制進(jìn)行解耦控制，這樣的控制方法簡(jiǎn)化了控制系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)，便于開發(fā)和調(diào)試，同時(shí)也降低了計(jì)算負(fù)擔(dān)。但是當(dāng)問題的視角轉(zhuǎn)移到車隊(duì)控制時(shí)，橫縱向的解耦控制就暴露出協(xié)調(diào)性差，車隊(duì)綜合性能下降等一系列問題。而車隊(duì)的橫縱向耦合控制可以大大的提高車隊(duì)的整體協(xié)調(diào)性以及車隊(duì)形式的安全性，并且在復(fù)雜道路狀況下的處理能力更好。

2、frenet坐標(biāo)系在無人駕駛領(lǐng)域被普遍使用，特別是在城市、高速等道路交通環(huán)境下無人駕駛的路徑規(guī)劃系統(tǒng)中。frenet坐標(biāo)系使用道路的中心線作為base?frame，使用參考線的切線向量和法線向量建立坐標(biāo)系。

3、目前對(duì)于車隊(duì)的控制，大量的控制方法已經(jīng)由學(xué)者們驗(yàn)證了他們的可行性，如pid控制，滑膜控制(smc)，模型預(yù)測(cè)控制(mpc)等；其中mpc是現(xiàn)在應(yīng)用在車隊(duì)控制的主流控制方法之一。相較于pid和smc，mpc在處理多變量耦合的問題上有著明顯的優(yōu)勢(shì)，而pid和smc在面對(duì)多輸入輸出系統(tǒng)的問題時(shí)，在控制器的設(shè)計(jì)復(fù)雜度上會(huì)大幅提升。同時(shí)在處理約束問題時(shí)，mpc能夠顯式地處理系統(tǒng)輸入、狀態(tài)和輸出的約束。在每個(gè)控制周期內(nèi)，通過求解優(yōu)化問題來確?？刂苿?dòng)作在約束范圍內(nèi)。這在實(shí)際車隊(duì)控制中非常重要，因?yàn)閷?shí)際車隊(duì)系統(tǒng)通常存在物理或安全約束，如車輪轉(zhuǎn)角。

4、現(xiàn)階段車隊(duì)控制方案主要有以下兩大類：

5、1、集中式控制方案：集中式控制方案依賴于一個(gè)中央控制器，該控制器收集整個(gè)車隊(duì)中所有車輛的狀態(tài)信息(如位置、速度、加速度等)，進(jìn)行全局優(yōu)化計(jì)算，然后發(fā)送控制指令給每輛車，確保車隊(duì)整體行為的協(xié)調(diào)和優(yōu)化。由于所有信息和計(jì)算都集中在中央控制器，可以實(shí)現(xiàn)全局最優(yōu)的控制策略，確保車隊(duì)整體協(xié)調(diào)性和優(yōu)化效果，并且中央控制器能夠統(tǒng)一決策，避免由于局部信息不完全導(dǎo)致的次優(yōu)決策。

6、2、分布式控制方案：分布式控制方式將控制任務(wù)分布到每輛車或車隊(duì)中的多個(gè)子系統(tǒng)中，每個(gè)局部控制器獨(dú)立進(jìn)行局部?jī)?yōu)化，并通過車到車(v2v)通信進(jìn)行協(xié)調(diào)，每個(gè)車輛根據(jù)自身狀態(tài)和來自其他車輛的信息進(jìn)行局部控制決策，協(xié)同實(shí)現(xiàn)整體優(yōu)化。相較于集中式控制方案，分布式控制方案能夠有效地減少計(jì)算負(fù)擔(dān)。并且隨著v2v通信技術(shù)的發(fā)展，車輛之間信息傳輸?shù)目煽啃乓泊蠓嵘?，更加促進(jìn)了分布式控制方案的發(fā)展。將模型預(yù)測(cè)控制和分布式控制方案結(jié)合所形成的分布式模型預(yù)測(cè)控制(dmpc)在解決約束問題，減少計(jì)算負(fù)擔(dān)，處理多目標(biāo)優(yōu)化問題上有著良好的效果并且可靠性強(qiáng)，因此可以實(shí)現(xiàn)車隊(duì)之間的一致性和穩(wěn)定性。

7、綜上所述，研究一種基于frenet坐標(biāo)系的橫縱耦合分布式模型預(yù)測(cè)控制的車隊(duì)協(xié)同控制方法不僅具有理論意義，更具有工程意義。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于針對(duì)目前橫縱耦合分布式模型預(yù)測(cè)控制的車隊(duì)協(xié)同控制方法的不足，提出一種基于frenet坐標(biāo)系橫縱耦合分布式模型預(yù)測(cè)控制的車隊(duì)協(xié)同控制方法，融合了分布式模型預(yù)測(cè)控制，三自由度車輛動(dòng)力學(xué)模型和車輛在frenet坐標(biāo)系下的坐標(biāo)，考慮到真實(shí)的車輛動(dòng)力學(xué)約束，對(duì)車隊(duì)橫縱向進(jìn)行控制，保證了車隊(duì)的一致性和安全性，同時(shí)通過仿真對(duì)該方法的可行性和安全性進(jìn)行了驗(yàn)證。

2、本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：

3、一、一種基于frenet坐標(biāo)系的橫縱向耦合的車隊(duì)協(xié)同控制方法

4、s1：結(jié)合frenet坐標(biāo)系，利用車輛三自由度自行車動(dòng)力學(xué)模型構(gòu)建車隊(duì)的橫縱向耦合控制模型；

5、s2：使用歐拉前向差分法將車隊(duì)的橫縱向耦合控制模型離散化后，獲得每輛跟隨車的離散非線性模型；

6、s3：構(gòu)建車隊(duì)的通信拓?fù)浣Y(jié)構(gòu)；

7、s4：根據(jù)車隊(duì)的通信拓?fù)浣Y(jié)構(gòu)和跟隨車的離散非線性模型，利用分布式模型預(yù)測(cè)控制方法優(yōu)化求解車隊(duì)中各跟隨車的狀態(tài)，實(shí)現(xiàn)車隊(duì)的控制。

8、所述s1中，車隊(duì)的橫縱向耦合控制模型滿足以下公式：

9、

10、其中，和分別為跟隨車i的縱向速度車輛橫向速度的微分，為車身坐標(biāo)系下跟隨車i的縱向加速度，mi表示跟隨車i的質(zhì)量，i∈1,2,…,n，n表示車隊(duì)中跟隨車的數(shù)量；表示跟隨車i的偏航率，為跟隨車i的弧長(zhǎng)si對(duì)時(shí)間的導(dǎo)數(shù)，為跟隨車i的質(zhì)心與跟隨車i的質(zhì)心在參考線上投影點(diǎn)之間的距離di的微分，和分別表示跟隨車i前輪和后輪的側(cè)偏剛度，δi為跟隨車i的前輪轉(zhuǎn)角，γi為跟隨車i的橫擺率，ai和bi分別為前輪與后輪轉(zhuǎn)軸距跟隨車i質(zhì)心的距離，為跟隨車i的轉(zhuǎn)動(dòng)慣量，表示跟隨車i的橫擺角，為跟隨車i在參考線上的投影點(diǎn)的切線與x軸之間的夾角，ki為跟隨車i的質(zhì)心在參考線上的投影點(diǎn)處對(duì)應(yīng)的道路曲率。

11、所述每輛跟隨車的離散非線性模型滿足以下公式：

12、

13、其中，xi(t+1)和xi(t)分別為時(shí)刻t+1和時(shí)刻t的狀態(tài)序列，ui(t)為t時(shí)刻的控制輸入，yi(t)為t時(shí)刻的控制輸出，φi(·)為跟隨車i的橫縱向耦合控制模型，ts為采樣時(shí)間，為跟隨車i在t時(shí)刻的橫擺角。

14、所述s3中，車隊(duì)的通信拓?fù)浣Y(jié)構(gòu)為包含有向生成樹的有向圖，將車隊(duì)的領(lǐng)頭車作為根節(jié)點(diǎn)，跟隨車作為有向生成樹中的其他節(jié)點(diǎn)，根節(jié)點(diǎn)與其他節(jié)點(diǎn)均連接。

15、所述s4具體為：

16、s4.1：構(gòu)建每輛跟隨車的優(yōu)化問題，公式如下：

17、

18、其中，為跟隨車i的預(yù)測(cè)輸入序列，ji(·)為代價(jià)函數(shù)，為跟隨車i的預(yù)測(cè)狀態(tài)序列，為跟隨車i的預(yù)測(cè)輸出序列，為跟隨車i的假設(shè)輸出序列，為車輛j的假設(shè)輸出序列，為跟隨車i的預(yù)測(cè)位置序列，s0(:|t)為頭車的位置序列，為在t時(shí)刻預(yù)測(cè)的第t+c時(shí)刻的狀態(tài)，代表待優(yōu)化的未知輸入變量，xi(t)為跟隨車i在t時(shí)刻的狀態(tài)，φi(·)為單車橫縱向耦合模型的非線性表達(dá)式，和分別為輸入加速度約束的下界和上界，δi,min和δi,max分別為輸入轉(zhuǎn)向角的下界和上界，為輸入加速度，為輸入轉(zhuǎn)向角，|·|為絕對(duì)值，np為預(yù)測(cè)時(shí)域，xi,des(c|t)為跟隨車i的理想狀態(tài)序列，qi為第一正定權(quán)重矩陣，s0(c|t)為頭車的位置序列，為跟隨車i的預(yù)測(cè)位置序列，gi為第二正定權(quán)重矩陣，為跟隨車i的預(yù)測(cè)輸出序列，為跟隨車i的假設(shè)輸出序列，fi為第三正定權(quán)重矩陣，為跟隨車i的鄰接矩陣，mi為第四正定權(quán)重矩陣，ri為第五正定權(quán)重矩陣；diag()為矩陣對(duì)角化操作；

19、s4.2：根據(jù)車隊(duì)的通信拓?fù)浣Y(jié)構(gòu)和跟隨車的離散非線性模型，利用分布式模型預(yù)測(cè)控制方法對(duì)每輛跟隨車的優(yōu)化問題進(jìn)行優(yōu)化求解，從而對(duì)每輛跟隨車進(jìn)行控制，遍歷優(yōu)化求解車隊(duì)中所有跟隨車的優(yōu)化問題，從而對(duì)所有跟隨車進(jìn)行控制，進(jìn)而實(shí)現(xiàn)車隊(duì)的控制。

20、所述s4.2中，利用分布式模型預(yù)測(cè)控制方法對(duì)每輛跟隨車的優(yōu)化問題進(jìn)行優(yōu)化求解，從而對(duì)每輛跟隨車進(jìn)行控制，具體為：

21、step1：在t＝0時(shí)刻，參數(shù)初始化：

22、具體是在t＝0時(shí)刻，初始化每輛跟隨車i的假設(shè)控制輸入序列和假設(shè)狀態(tài)序列xi(t)為預(yù)先設(shè)定的每輛車的初始狀態(tài)；假設(shè)輸出序列φi()為跟隨車i的橫縱向耦合控制模型；

23、step2：在t>0時(shí)刻，根據(jù)s4.1中所述的優(yōu)化問題對(duì)每輛跟隨車i進(jìn)行優(yōu)化求解后，獲得最優(yōu)控制輸入序列并且根據(jù)車隊(duì)的通信拓?fù)浣Y(jié)構(gòu)將自身的假設(shè)輸出序列傳給鄰近跟隨車j，并且接受前車和頭車的假設(shè)輸出序列；

24、step3：根據(jù)當(dāng)前最優(yōu)控制輸入序列計(jì)算下一時(shí)刻的假設(shè)控制輸入序列、假設(shè)狀態(tài)序列和假設(shè)輸出序列，計(jì)算公式如下：

25、

26、其中，為第i輛跟隨車的假設(shè)控制輸入序列，為第i輛跟隨車的假設(shè)輸出序列，和分別為在t時(shí)刻預(yù)測(cè)的第t+c時(shí)刻和第t+c+1時(shí)刻的假設(shè)狀態(tài)序列，φi(·)為第i輛跟隨車的橫縱向耦合控制模型，為跟隨車i在t-1時(shí)刻預(yù)測(cè)的第t+c時(shí)刻的最優(yōu)控制輸入序列，為跟隨車i在t-1時(shí)刻預(yù)測(cè)的第t+np-2時(shí)刻的最優(yōu)控制輸入序列，和分別為跟隨車i的假設(shè)狀態(tài)序列和跟隨車i的最優(yōu)狀態(tài)序列；

27、step4：將每輛跟隨車的當(dāng)前最優(yōu)控制輸入序列的第一個(gè)值應(yīng)用于跟隨車i，作為跟隨車i當(dāng)前的真實(shí)控制量，控制跟隨車i的加速度和前輪轉(zhuǎn)向角；

28、step5：在下一個(gè)時(shí)刻，基于當(dāng)前假設(shè)控制輸入序列、假設(shè)狀態(tài)序列以及其他車輛的假設(shè)輸出序列，重復(fù)step2-step4再次開始滾動(dòng)優(yōu)化求解，從而不斷地對(duì)跟隨車i進(jìn)行控制。

29、二、一種基于frenet坐標(biāo)系的橫縱向耦合的車隊(duì)協(xié)同控制系統(tǒng)

30、車隊(duì)控制模型構(gòu)建模塊，用于結(jié)合frenet坐標(biāo)系，利用車輛三自由度自行車動(dòng)力學(xué)模型構(gòu)建車隊(duì)的橫縱向耦合控制模型；

31、跟隨車離散非線性模型構(gòu)建模塊，用于使用歐拉前向差分法將車隊(duì)的橫縱向耦合控制模型離散化后，獲得每輛跟隨車的離散非線性模型；

32、車隊(duì)通信拓?fù)浣Y(jié)構(gòu)生成模塊，用于生成車隊(duì)的通信拓?fù)浣Y(jié)構(gòu)；

33、車隊(duì)控制器，用于根據(jù)車隊(duì)的通信拓?fù)浣Y(jié)構(gòu)和跟隨車的離散非線性模型，利用分布式模型預(yù)測(cè)控制方法優(yōu)化求解車隊(duì)中各跟隨車的狀態(tài)，實(shí)時(shí)控制所有跟隨車。

34、三、一種計(jì)算機(jī)設(shè)備

35、所述設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述基于frenet坐標(biāo)系的橫縱向耦合的車隊(duì)協(xié)同控制方法的步驟。

36、四、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

37、所述介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述基于frenet坐標(biāo)系的橫縱向耦合的車隊(duì)協(xié)同控制方法的步驟。

38、五、一種計(jì)算機(jī)程序產(chǎn)品

39、所述產(chǎn)品包括計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述基于frenet坐標(biāo)系的橫縱向耦合的車隊(duì)協(xié)同控制方法的步驟。

40、本發(fā)明的有益效果如下：

41、1、引入了三自由度車輛動(dòng)力學(xué)模型，用于車輛的控制，相較于高自由度模型在確保模型具有一定精度的同時(shí)也大大減少了計(jì)算負(fù)擔(dān)。

42、2、引入了車輛的frenet坐標(biāo)系，并將其與三自由度車輛動(dòng)力學(xué)模型結(jié)合形成車隊(duì)控制模型，確保了車隊(duì)在非恒直道路況上也能保持車隊(duì)中車輛良好的一致性和車隊(duì)的安全性。

43、3、相較于傳統(tǒng)的pid控制和smc，采用了dmpc控制算法，其設(shè)計(jì)更加簡(jiǎn)單，并且能夠有效的對(duì)車輛的狀態(tài)進(jìn)行約束，并且比起集中式mpc控制算法，求解速度更快。

44、4、針對(duì)現(xiàn)實(shí)中道路曲率的變化，對(duì)上述的橫縱向耦合車隊(duì)控制方法進(jìn)行了測(cè)試并得到良好的實(shí)驗(yàn)結(jié)果，證明了上述車隊(duì)控制方法的有效性。