考虑侧倾和输入饱和的自动驾驶汽车鲁棒多维切换路径跟踪控制

为解决自动驾驶路径跟踪控制中的侧倾稳定和执行器饱和等问题,提出了一种鲁棒多维切换H∞路径跟踪控制方法以平衡控制器设计难度与控制性能.首先,基于M3D切换系统框架和侧向载荷转移率,构建了工况随动的路径跟踪控制模型;其次,采用鲁棒不变集理论和辅助反馈矩阵方法处理输入饱和的非线性问题,设计了一种鲁棒M3D切换控制器;最后,在多项式二次Lyapunov函数和M3D切换系统理论框架下,给出了保证跟踪系统闭环渐近稳定的判据.在CarSim-Simulink联合仿真环境下,对所提方法的性能进行验证.结果表明,所提方法相比于现有的MPC控制方法,路径跟踪性能提升19.4%,侧倾稳定性能提升23.4%,能够保证车辆在高速大转向等极端工况下具备良好的路径跟踪性能和侧倾稳定.

考虑噪声扰动和质量参数失配的车辆状态估计

为了降低不确定噪声干扰和质量参数失配对车辆状态估计性能的影响,提出了一种STSHAEKF算法.首先,引入多重渐消因子,将强跟踪思想融入EKF算法,构成STEKF算法;其次,将Sage-Husa滤波嵌入到EKF算法中,构成SHAEKF算法;最后,构建滤波发散准则,将STEKF算法与SHAEKF算法相融合.基于搭建的CarSim/Simulink联合仿真平台,进行低附着工况下车辆不同载重的仿真分析.结果表明,在大质量失配工况下,相比EKF算法、STEKF算法和SHAEKF算法,基于STSHAEKF算法估计得到的质心侧偏角均方根误差分别降低41.77%、31.57%和29.79%.STSHAEKF算法能够有效解决质量参数失配和噪声扰动所引起的车辆状态估计精度下降问题.