分布式驱动车辆模型误差自学习轨迹跟踪控制方法及系统
摘要文本
本发明公开一种分布式驱动车辆模型误差自学习轨迹跟踪控制方法及系统，涉及车辆控制领域，使用稀疏高斯过程回归建立车辆各轴横向力误差预测模型以提高可解释性，使用车辆的状态量作为横向力误差预测模型的学习特征从而不依赖高精度定位信息，将横向力误差预测模型嵌入模型预测控制所采用的控制模型与轮胎摩擦椭圆约束中动态调节优化问题，最终由模型预测控制算法求解得到当前时刻MPC控制量。本发明中，将稀疏高斯过程回归算法和模型预测控制算法相结合，提高了分布式驱动车辆轨迹跟踪控制的精准度以及轨迹跟踪控制效果。 马 克 数 据 网
申请人信息
- 申请人:北京理工大学
- 申请人地址:100081 北京市海淀区中关村南大街5号
- 发明人: 北京理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 分布式驱动车辆模型误差自学习轨迹跟踪控制方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410231612.5 |
| 申请日 | 2024/3/1 |
| 公告号 | CN117806175A |
| 公开日 | 2024/4/2 |
| IPC主分类号 | G05B13/04 |
| 权利人 | 北京理工大学 |
| 发明人 | 于会龙; 郭子隽; 席军强 |
| 地址 | 北京市海淀区中关村南大街5号 |
专利主权项内容
1.一种分布式驱动车辆模型误差自学习轨迹跟踪控制方法，其特征在于，所述方法包括：构建初始数据集和SGPR横向力误差预测模型；所述SGPR横向力误差预测模型为基于稀疏高斯过程回归建立的横向力误差预测模型；所述初始数据集为空集或至少包括一组车辆真实状态和对应的横向力误差；获取车辆运行过程中t时刻的车辆真实状态，并根据所述t时刻的车辆真实状态和t时刻的MPC车辆预测状态计算t时刻的横向力误差；所述t时刻的MPC车辆预测状态为t-1时刻利用MPC算法预测的t时刻的车辆预测状态；利用所述t时刻的车辆真实状态和对应的所述t时刻的横向力误差更新当前数据集；更新后的数据集中包括n组车辆真实状态和对应的横向力误差；n=1，2，3，...，N；N为数据量最大值；对t时刻MPC算法预测时域内的待预测车辆状态或t-1时刻MPC算法预测时域内已知的车辆预测状态应用所述SGPR横向力误差预测模型以对当前所述更新后的数据集进行高斯过程回归分析，得出t时刻MPC算法预测时域内的每一离散步对应的横向力误差预测值；根据t时刻预测时域内每一离散步对应的所述横向力误差预测值以及控制约束条件求解MPC控制量，根据所述MPC控制量进行轨迹跟踪控制；所述控制约束条件包括参数随所述数据集动态变化的摩擦椭圆约束。