描述自适应巡航二次型最优控制计算加速度设计

描述归还老师那一部分

已于 2024-03-06 14:00:20 修改

阅读量614

点赞数 3

分类专栏：智能网联文章标签：程序人生自动驾驶

于 2023-06-20 18:21:00 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_46499664/article/details/131245180

版权

该博客探讨了自适应巡航控制（ACC）的加速度设计，利用二次型最优控制（LQR）方法。介绍了跟随控制（FOC）、定速控制（SSC）和弯道速度控制（CSC）三种场景下加速度的计算，涉及状态反馈、黎卡提方程的离散化和迭代解法。此外，还讨论了状态反馈控制器的设计以及PID在速度控制中的应用。

摘要由CSDN通过智能技术生成

许多博主已经对于LQR的推理过程表达的很清楚，在此只对利用LQR求解ACC加速度在matlab-simulink-MatlabFunction中怎么设计描述一下：
软件设计思路为：

ACC加速度计算基于不同场景进行控制：定速控制SSC，跟随控制FOC，弯道速度控制CSC

设计一跟随控制FOC:状态反馈

首先回顾一下什么是二次型

在不指定优化标准的前提下，控制领域中的“最优”体现在“输出能够完全跟踪控制，即在每一时刻输出量与控制量完全一致”。实际过程并不是这样完美的过程，每一时刻都会存在误差。退而求其次，追求在整个工作时间的范围内误差最小,与轨迹误差类似，我们研究状态误差。
因此，把整个工作时间内每一时刻状态的误差都累加起来，只要累加值更小，便会更加接近系统性能的期望。

第一步.已知输入参数：本车速度 $V_{ego}$ ，前车速度 $V_{ahead}$ ，求输出参数 $V_{ref}$

$V_{ref}=|V_{ego}-V_{ahead}|$

第二步.已知输入参数跟车时距 $T_{h}$ ，本车速度 $V_{ego}$ ，安全系数 $d_{0}$ ，求输出参数期望跟车距离 $d_{ref}$

$d_{ref}=T_{h}V_{ego}+d_{0}$

第三步.已知输入参数融合给出实际跟车距离 $d_{real}$ ,求输出参数距离误差

$\Delta d=|d_{real}-d_{ref}|$

第四步.已知输入参数本车加速度 $a_{ego}$ ，建立系统状态矩阵 $X(t)$

$X(t)=\begin{bmatrix} \Delta d(t)\\ v_{ref}(t) \\a_{ego}(t) \end{bmatrix}=\begin{bmatrix} d_{real}(t)-T_{h}V_{ego}(t)-d_{0}\\ v(t) \\ a_{ego}(t) \end{bmatrix}$

第五步.设计底盘系统方程之一阶惯性环节（如果感兴趣可以查找资料或推导，在次直接应用公式）：

$a\dot{}(t)=-\frac{1}{\tau }a_{ego}(t)+\frac{1}{\tau }a_{ref}(t)$

第六步.对系统状态矩阵求导：

$X\dot{}(t)=\begin{bmatrix} v(t)-T_{h}a_{ego}\\ -a_{_{ego}}(t) \\ a\dot{}(t) \end{bmatrix}$

第七步.现在控制理论中的基本的控制器-全状态反馈控制系统

在这里插入图片描述

(7.1)假设有一个线性系统用状态向量表示，ACC系统状态空间模型设计如下:

$X\dot{}(t)=AX(t)+Bu(t)$

其中，

最低0.47元/天解锁文章

描述归还老师那一部分

关注

3
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
描述自适应巡航二次型最优控制计算加速度设计

其中，Q和R均为自己设计的半正定矩阵。在此需要选取Q和R矩阵，Q为半正定的状态加权矩阵, R为正定的控制加权矩阵（注意这里），两者通常取为对角阵。第十步.下面重点就是公式的推导了，在不同大神那看到了不同的推导方式，下面就把自己比较欣赏的一种写出来吧，虽说过程也很重要，但是工程嘛，只要结果对，效果好，选个自己看起来舒服的方式就好了，开始推导过程。因此，把整个工作时间内每一时刻状态的误差都累加起来，只要累加值更小，便会更加接近系统性能的期望。R越大，u对J的影响越大，希望J越小，可以使得u减小。
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。