[论文解读] Gain Scheduling LPV Control Scheme for the Autonomous Guidance Problem using a Dynamic Modelling Approach

Eugenio Alcalá, Vicenç Puig+2 more|arXiv (Cornell University)|Dec 1, 2017

Vehicle Dynamics and Control Systems参考文献 7被引用 3

一句话总结

本文提出了一种基于线性参数变化（LPV）的增益调度控制方案，用于自动驾驶车辆的引导控制，通过解耦纵向与横向控制，结合运动学与动力学车辆模型。采用级联设计确保动态控制器（内环）的响应速度高于运动学控制器（外环），通过求解两个较小的LMI-LQR问题，提升了稳定性与性能，在模拟城市场景中实现了小于0.5 km/h的速度误差和亚米级的横向误差。

ABSTRACT

This work proposes a solution for the longitudinal and lateral control problem of urban autonomous vehicles using a gain scheduling LPV control approach. Using the kinematic and dynamic vehicle models, a linear parameter varying (LPV) representation is adopted and a cascade control methodology is proposed for controlling both vehicle behaviours. In particular, for the control design, the use of both models separately lead to solve two LPV LMI-LQR problems. Furthermore, to achieve the desired levels of performance, an approach based on cascade design of the the kinematic and dynamic controllers has been proposed. This cascade control scheme is based on the idea that the dynamic closed loop behaviour is designed to be faster than the kinematic closed loop one. The obtained gain scheduling LPV control approach, jointly with a trajectory generation module, has presented suitable results in a simulated city driving scenario.

研究动机与目标

• 解决城市环境中交通、基础设施和安全约束增加控制难度的复杂自动驾驶引导问题。
• 通过分离运动学与动力学车辆行为，克服单模型控制的局限性，实现更精确、更稳定的控制。
• 通过确保内环动态回路响应速度快于外环运动学回路，提升混合纵向与横向控制下的性能与鲁棒性。
• 开发一种可扩展、模块化的控制解决方案，采用基于线性矩阵不等式（LMI）的LQR设计方法，适用于LPV系统，以应对车辆运行条件的变化。
• 在逼真的城市驾驶仿真中验证该方法，展示其在复杂动态场景下的可行性与性能。

提出的方法

• 利用独立的运动学与动力学模型，建立车辆的线性参数变化（LPV）表示，以捕捉不同时间尺度的行为特征。
• 设计两个独立的LMI-LQR控制器——一个用于运动学外环（位置与航向控制），一个用于动力学内环（速度与偏航率控制），以简化设计过程。
• 实施级联控制架构，确保动态控制器的设计响应速度高于运动学控制器，通过分层控制实现稳定性和性能保障。
• 引入衰减率约束（动态回路η = 3，运动学回路β = 0.5），以调节闭环极点分布，确保期望的瞬态响应特性。
• 将控制方案与轨迹生成模块集成，以在模拟城市环境中生成平滑的参考信号供给控制器。
• 通过在真实城市驾驶条件下模拟速度、位置与控制输入轨迹的仿真结果，验证控制性能。

实验结果

研究问题

• RQ1 如何在一个统一的控制框架中有效管理城市自动驾驶场景下的纵向与横向车辆动力学？
• RQ2 与整体式控制器相比，采用独立运动学与动力学模型的级联LPV控制结构是否能提升性能与稳定性？
• RQ3 强制内环动态响应更快对整体系统性能与鲁棒性有何影响？
• RQ4 在LPV模型上应用LMI-LQR技术，在不同车辆速度与转向速率下，能在多大程度上保证稳定性与性能？
• RQ5 在复杂、类真实世界的城市驾驶场景中，所得控制动作与跟踪误差的行为表现如何？

主要发现

• 运动学-动力学级联LPV控制方案实现了最大线速度误差为0.5 km/h，表明即使在路径弯曲情况下，仍能有效跟踪参考速度。
• 由于引入积分作用，角速度响应表现改善，但因在弯道出口处参考信号发生突变，仍出现一定程度的超调。
• 在正常驾驶条件下，纵向位置误差始终低于0.4 m，表明在稳态条件下具备良好的路径跟踪能力。
• 横向位置误差保持在若干分米以内，高速度与高角速度下略有增加，但仍在城市导航可接受范围内。
• 转向控制动作表现出平滑特性，而制动力信号在接近弯道时呈现突变，这是由于缺乏专用制动控制以及纵向与横向动力学之间强耦合所致。
• 闭环极点配置结果表明，两个控制器均满足其对应的衰减率约束（η = 3，β = 0.5），验证了分层设计的有效性，并确保了内环动态的稳定与快速响应。