1、 年第期基于 的智能汽车自抗扰控制鲁雅阁，张志豪（重庆交通大学机电与车辆工程学院，重庆 ）摘要：智能汽车在控制过程中由于外部环境、噪声等原因会引起各种各样的干扰，这些干扰严重影响整车系统的控制精度。针对这一问题，基于二自由度车辆动力学模型，参考模型预测控制算法建立跟踪控制器，利用（）控制算法对模型进行求解，并将跟踪的车辆状态作为自抗扰控制器的参考状态，利用自抗扰控制器优化控车辆控制过程中可能出现的扰动。在 中搭建车辆动力学模型和自抗扰控制器，并进行仿真验证，结果表明，该控制器在面对各种干扰的情况下，均具有较好的控制效果。关键词：智能汽车；动力学模型；模型预测；自抗扰控制中图分类号：文献标识码：
2、文章编号：（），（，）：，（），：；作者简介：鲁雅阁（），男，河南省洛阳市，汉，硕士，智能汽车方向。引言智能汽车控制技术目前主要有 控制、模糊理论控制、（）等。但由于车辆轮胎为高度非线性模型，因此控制效果与精度并不理想。针对这一问题，邵毅明教授 引入魔术公式轮胎模型，只用一套公式反映轮胎的横、纵向力和轮胎侧偏特性，提高了智能汽车的轨迹跟踪能力；梁启超、张欢等 提出一种自适应 轨迹跟踪控制算法，其在每一个控制时刻的工作点不断更新卡尔曼状态，估计相关增益系数矩阵来补偿车辆的非线性以及测量噪声带来的影响；郑雁南等 基于滑膜控制器设计一种车辆纵向跟踪控制器，提高了车辆纵向控制精度；但在实际控制过程中，
3、往往有各种各样由外界环境引起的干扰，会对我们的控制精度产生巨大的影响，而韩京清教授 针对这一问题提出一种自抗扰控制器（）将系统中的未建模动态和未知干扰都归结为对系统的“总扰动”，并对其进行补偿以此来减少干扰对系统的影响。但自抗扰控制器中的非线性跟踪微分器、安排过渡过程中的过渡函数、扩张状态观测器中的参数难以确定。针对这一问题，设计一种将控制器参数化的方法来对自抗扰控制器中的参数进行调整，很好的解决了这一问题。本文设计一种基于 的自抗扰控制器。首先建立全局坐标系并确立车辆初始位置坐标和目标点位置坐标，设置最优控制目标函数和权重矩阵，并求解出车辆到目标点之间的最优路径，将该路径下各个时刻车辆的状态
4、量作为自抗扰控制器的参考量，并利用自抗扰控制来减少在控制过程中由外部干扰对控制精度产生的影响。控制器设计 建立预测模型如图所示以车辆质心位置为中心点，其中，为车辆质心位置初始坐标和车辆与轴夹角，为目标点坐标和车辆与 轴夹角。图车辆坐标从输入、输出的角度来看，车辆系统可以被视为：?）（）式中：为前轮中心和后轮中心距离；为车辆后轮中心速度；为方向盘转角。因此车辆系统动力学微分方程为：DOI:10.19475/ki.issn1674-957x.2023.01.038内燃机与配件?（）（），（）（）其中?（）?，?，?为系统状态量，（），为系统输入。将式（）进行离散化处理，得到离散模型：?（）（），（
5、）（）因此式（）可由一个新的状态空间式表达：（）（）（）（）（）（）（）（）（）（）（）（）式中：为采样周期；为采样时间。目标函数和约束条件在一般轨迹跟踪问题中，参考轨迹由一个虚拟车辆生成，而本文将由一个目标点坐标代替虚拟车辆，如图所示，目标点坐标为，。因此设置目标函数（，）为：（，）（）（）（）（）（）式中：（）（），为车辆轨迹跟踪误差；（）（），为车辆控制误差；（）（），（），（），；（）（），（），；为预测时域；为当前采样时刻；为误差权重矩阵；为控制权重矩阵。求解目标函数设置最优函数：（，）（）因此利用式（）将系统的模型预测问题转化为最优规划问题，在求解最优规划问题时，本文利用 求解器进
6、行求解，其会在每个控制周期中对该最优函数进行求解，因此会得到在控制时域内一系列最优的控制变量：，（）将上述最优控制变量的第项用于本控制周期当中，并在每一个控制周期都进行以上计算步骤。本节车辆动力学模型搭建车辆本身为一个高度非线性的复杂系统，因此在建模过程中需要忽略部分系统，一方面可以为控制器的设计提供方便，另一方面可以避免由于非线性程度过高导致控制精度过低。将车辆简化为一个仅有侧向、纵向、横摆的简易“自行车”模型，坐标系定义与轮胎受力情况如图所示，坐标系 为惯性坐标系，坐标系 为车辆质心坐标系，轴代表车辆纵向运动方向，轴代表车辆横向运动方向。图车辆动力学模型运动图车辆二自由度模型如式（）所示。
7、?（）（）式中：、为纵、横向速度（）；为车辆横摆角（）；为前轮转角（）；、为地面施加于前轮的纵、横向力（）；、为地面施加于后轮的纵、横向力（）；为车身绕轴的转动惯量（）；为汽车质量（）；为汽车质心到前轴的距离；为汽车质心到后轴的距离。应用线性轮胎模型可得到轮胎的纵向力与侧向力为：（）式中：、为轮胎的纵向与侧向刚度；为汽车轮胎滑移率；为轮胎侧偏角。由于车轮侧偏角在计算过程中存在三角函数关系，而考虑到实际行驶过程中，车辆的车轮转角和侧偏角较小，因此采取以下假设条件：，（）对前、后轮纵向力与横向力简化后可得车辆二自由度动力学模型：?（）?（）?（）式中：、分别为轮胎的侧向刚度与纵向刚度；自抗扰控制器
8、本文将由 规划出的模型状态量?（），作为二自由度车辆运动状态的期望值，再由自抗扰控制器去除由外部环境和振动等原因引起的干扰。自抗扰控制器 由韩京清教授在 年提出，主要有快速跟踪微分器、非线性状态误差反馈率、扩张状态观测器组成，其控制器结构如图所示。图 控制器结构图 跟踪微分器（）令期望值?（），是给期望值安排一个合适的过渡过程，然后输出的微分信号，因此 表达式为：?（，）（）式中：为速度因子；为滤波因子；为快速综合函数；扩张状态观测器（）扩张状态器 是自抗扰控制器的核心部分，其功能是将内扰和外扰结合在一起成为一个新扰动，并将其作为原系统的新状态，则有：年第期（）（）（）（）（）（）（）（）（，
9、）（）（）（，）（）式中：为状态估计误差；为各状态变量估计值；为补偿因子；为线性区间长度；、为控制器参数；、为可调参数；非线性状态误差反馈律（）非线性误差反馈律是对 线性加权控制的一种改进，其表达式为：（，）（，）（）式中：、为快速跟踪微分器输出；、为扩张状态观测器输出；、为比例增益和微分增益；实验结果及仿真分析为了验证车辆模型即可以按照 控制器所规划的参考轨迹运动，而且还可以很好的抵抗外界干扰。因此在加入干扰后，将自抗扰控制器仿真的车辆轨迹与 所规划的参考轨迹相对比，验证本文所设计控制器效果。图所示为车辆从初始位置到目标点，在目标函数约束下经由 求解出的最优轨迹，即参考轨迹。图车辆运动参考轨
10、迹由于第节所搭建的车辆模只考虑车辆的横向运动，因此在控制模型运动过程中，将车辆各个时刻的纵向速度视为常数，即将纵向速度参考值直接输入，因此只需对比车辆的横向速度即可。图为在图行驶轨迹下车辆模型的横向速度。图车辆横向速度自抗扰控制器是通过控制车辆模型的车轮转角来使车辆达到目标速度，因此将干扰作为车轮转角输入的一部分。为了验证自抗扰控制器的控制效果，分别加入不同类型的干扰来验证控制器的综合抗扰性能。图为在第 的输入中加入矩形方波，验证控制器面对突发干扰的情况；图加入矩形方波干扰后横向速度对比图图为在输入中加入正弦波，验证控制器面对连续扰动时的抗扰效果；图加入正弦波干扰后横向速度对比图图为在输入中加
11、入白噪声，验证控制器面对随机、无规律干扰时的抗扰效果。图加入白噪声干扰后横向速度对比图图、图、图 所示为经 规划出的横向速度和横摆角速度参考值与自抗扰控制器控制下车辆横向速度对比图。可以看出，车辆模型在自抗扰控制器控制下不仅能有效的去除干扰，并且能很好的按照参考轨迹运动，在纵向速度视为常数，直接采用参考值输入的情况下，横向速度几乎无差别。图矩形方波控制效果对比内燃机与配件 图 正弦波控制效果对比图 白噪声控制效果对比结语本文首先设计 控制器，确立车辆初始位置与目标点位置，使车辆模型在大地坐标系下按照所设计的最优目标函数到达目标点，并将其行驶轨迹作为参考轨迹。结合实际情况，将车辆行驶过程中由外界
12、环境和振动等原因引起的外部干扰加入到车辆控制过程中，利用自抗扰控制器控制车辆按照参考轨迹行驶并去除干扰。整个仿真结果表明，车辆不仅可以很好的自动行驶至目标位置，还具有一定的抗干扰能力，基本能够达到目标要求。参考文献：，：，（），（），（），（）周洲，陈宇轩，程鑫 变速积分 算法的汽车底 盘 测 功 机 控 制 系 统 机 械 设 计 与 制 造，（）：罗鹏，李擎，董禄车辆轨迹的预瞄与模糊分数阶比例积分微分控制科学技术与工程，（）：潘宇巍，何勇灵，杨世春 基于多级模糊控制的车辆目标跟踪研究 计算机仿真，（）：，（），（），：，（）邵毅明，陈亚伟，束海波自动驾驶汽车的轨迹跟踪控制重庆交通 大 学 学 报（自 然 科 学 版），（）：梁忠超，张欢，赵晶，王永富基于自适应 的无人驾驶车辆轨迹跟踪控制东北大学学报（自然科学版），（）：郑雁南 基于滑模控制的跟随车辆纵向研究 农业装备与车辆工程，（）：韩京清 从 技术到“自抗扰控制”技术 控制工程，（）：，：，（）刘文营，刘伟，崔晓川 二自由度车辆动力学模型的扩展研究 中国测试，（）：
