[论文解读] Some remarks on wheeled autonomous vehicles and the evolution of their control design

Brigitte d’Andréa-Novel, Lghani Menhour+2 more|arXiv (Cornell University)|Apr 7, 2016

Vehicle Dynamics and Control Systems参考文献 15被引用 12

一句话总结

本文提出了一种面向轮式自动驾驶车辆的无模型控制策略，采用自然输出——纵向速度和侧向偏差——而非平面输出，实现了无需依赖不确定物理参数的鲁棒轨迹跟踪。该方法利用超局部模型和积分高增益观测器在线估计未知动态，仿真结果在复杂测试赛道上实现了亚2厘米侧向误差和低于0.5°的航向误差。

ABSTRACT

Recent investigations on the longitudinal and lateral control of wheeled autonomous vehicles are reported. Flatness-based techniques are first introduced via a simplified model. It depends on some physical parameters, like cornering stiffness coefficients of the tires, friction coefficient of the road, ..., which are notoriously difficult to identify. Then a model-free control strategy, which exploits the flat outputs, is proposed. Those outputs also depend on physical parameters which are poorly known, i.e., the vehicle mass and inertia and the position of the center of gravity. A totally model-free control law is therefore adopted. It employs natural output variables, namely the longitudinal velocity and the lateral deviation of the vehicle. This last method, which is easily understandable and implementable, ensures a robust trajectory tracking problem in both longitudinal and lateral dynamics. Several convincing computer simulations are displayed.

研究动机与目标

• 解决传统基于模型的控制中转向刚度、道路摩擦、车辆质量及质心位置等物理参数存在高不确定性的问题。
• 通过转向无模型方法，克服依赖于未知物理参数的平坦性控制方法的局限性。
• 开发一种仅使用可测量自然输出——纵向速度和侧向偏差——的控制策略，以实现实时应用。
• 在复杂多变的驾驶条件下（包括急弯和变化的道路动力学）确保轨迹跟踪的鲁棒性与高精度。
• 通过在真实世界测试赛道上的高保真度仿真，证明该方法在性能上优于基于平坦性的方法和以往的无模型方法。

提出的方法

• 利用自然输出——纵向速度 $y_1 = V_x$ 和侧向偏差 $y_2$——构建纵向和横向动力学的超局部模型。
• 将纵向运动建模为 $\dot{y}_1 = F_1 + \alpha_1 u_1$，将横向运动建模为 $\ddot{y}_2 = F_2 + \alpha_2 u_2$，其中 $F_1$、$F_2$ 表示未知的非线性动态。
• 采用积分高增益观测器（iP 和 iPD）在线估计未知函数 $F_1$ 和 $F_2$，从而无需系统辨识。
• 使用控制律：$u_1 = \frac{1}{\alpha_1}(F_1 + \dot{y}_1^d - K_P^{y_1}e_{y_1} - K_I^{y_1}\int e_{y_1}dt)$ 和 $u_2 = \frac{1}{\alpha_2}(F_2 + \dot{y}_2^d - K_P^{y_2}e_{y_2} - K_I^{y_2}\int e_{y_2}dt)$，通过误差反馈实现轨迹跟踪。
• 利用代数估计技术从实测数据中估计 $\alpha_1$ 和 $\alpha_2$，避免依赖物理参数。
• 采用10自由度非线性车辆模型和Peugeot 406在复杂赛道上采集的实际实验参考轨迹对方法进行验证。

实验结果

研究问题

• RQ1 仅使用可测量的自然输出的无模型控制策略是否能在自动驾驶轮式车辆中实现鲁棒轨迹跟踪？
• RQ2 与基于平坦性的控制方法及以往的无模型方法相比，采用自然输出的无模型控制在侧向和航向跟踪误差方面的性能如何？
• RQ3 所提出的方法在应对车辆质量、质心位置和转向刚度等物理参数不确定性方面具有多大程度的适应能力？
• RQ4 在涉及急弯和变化道路条件的高动态驾驶条件下，该控制策略是否仍能保持高精度？
• RQ5 超局部模型与积分高增益观测器的结合是否足以在无需系统辨识的情况下准确估计未知动态？

主要发现

• 采用自然输出的无模型控制策略在复杂测试赛道上实现了小于2厘米的侧向跟踪误差，显著优于基于平坦性的控制方法（误差超过10厘米）。
• 航向角误差被限制在0.51°以内，而基于平坦性的控制方法误差超过10°，以往的无模型方法使用平坦输出时误差也超过1°。
• 该方法生成的控制信号与测试赛道上实际驾驶员输入高度吻合，表明其具有很强的实际可行性。
• 该方法在极端驾驶条件下表现出鲁棒性，包括因不同曲率和直线段导致的高侧向和纵向载荷。
• 采用自然输出——纵向速度和侧向偏差——实现了完全参数无关的控制设计，彻底消除了对不确定物理参数的依赖。
• 仿真结果证实，与基于模型的方法及以往的无模型方法相比，所提出的采用自然输出的无模型方法在轨迹跟踪精度和稳定性方面均表现更优。