基于车辆动力学混合模型的智能汽车轨迹跟踪控制方法

基于机理分析的车辆动力学建模过程通常进行简化及假设，无法准确计算实际车辆在不同道路条件下的动力学变化，进而导致智能汽车轨迹跟踪控制精度低、不稳定等问题。鉴于此，本文中提出了一种基于混合建模技术的非线性建模与控制方法，构建机理分析-数据驱动的车辆动力学串联混合模型，车辆状态与控制数据经机理模型实现计算处理，级联合并后作为数据驱动模块的输入，长短时记忆网络作为主干网络实现时序数据的非线性关联特征提取和最终的模型输出计算。测试结果表明，该模型可以补充计算机理模型中的部分未建模动态并提高模型计算精度，且具有隐式理解不同路面附着条件的能力。其次，使用Euler积分完成对预测模型的离散化并设计模型预测控制轨迹跟踪算法，设计前馈反馈控制算法在实现车辆的纵向控制的同时提供横向控制中预测模型所需的外部输入，最终实现更符合实际行驶环境且更精准的轨迹跟踪控制效果。CarSim/Simulink联合仿真结果表明，该方法实现了不同道路附着系数下控制量精确输出，同步提升了智能汽车轨迹跟踪控制精度和稳定性，具有良好的横纵向协调控制效果。