无人车系统（二）：横向动力学模型

windSeS

已于 2022-05-25 11:05:07 修改

阅读量7k

点赞数 13

分类专栏：无人驾驶技术系统文章标签：无人车横向动力学模型横向控制轨迹跟踪控制

于 2019-12-10 22:58:42 首次发布

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/u013468614/article/details/103475033

版权

无人驾驶技术系统专栏收录该内容

16 篇文章 561 订阅

订阅专栏

运动学模型只是在几何意义上描述了无人车的运动。实际情况中，无人车的运动受外界的因素（如：路面、坡度、空气动力）影响较大。在高速动行时，这些外界扰动变得更加明显。为了构建更加精准的无人车模型，有必要考虑汽车的动力学特性。无人车的动力学模型可以拆分成横向动力学模型与纵向动力学模型。横向动力学建模从轮胎受力出发构建立无人车的横向控制模型，纵向动力学建模考虑坡度、空气动力学构建无人车的纵向控制模型。本篇主要介绍无人车横向动力学模型的建立过程。关于无人车纵向动力学模型的构建请参照无人驾驶纵向控制研究。

阿克曼转向模型的动力学分析

无人车动学习模型表征的是受力与速度、加速度以及横摆角之间的关系，如下图所示。
在这里插入图片描述

$\left\{\begin{array} {l}{F_{y f} \cos \delta-F_{x f} \sin \delta+F_{y r}=m\left(\dot{v}_{y}+v_{x} \omega\right)} \\ {l_{f}\left(F_{y f} \cos \delta-F_{x f} \sin \delta\right)-l_{r} F_{y r}=I_{z} \dot{\omega}} \end{array}\right.$

其中：
$F_{yf}$ , $F_{yr}$ ：无人车前、后轮侧向力（ $N$ ）；
$F_{xf}$ , $F_{xr}$ ：无人车前、后轮纵向力( $N$ );
$l_f$ , $l_r$ ：无人车质心到前、后轴的距离( $m$ )；
$m$ ：无人车质量(kg);
$v_y$ ：无人车横向车速(m/s)；
$v_x$ ：无人车纵向车速(m/s)；
$\omega$ ：无人车横摆角速度(deg/s)；
$I_z$ ：无人车相对 $z$ 轴的转动惯量( $kg.m^2$ )

前后轮侧向力可用简化公式计算：
$\left\{\begin{array}{l}{F_{y f}=2c_{f} \alpha_{f}=2c_{f} (\delta-\arctan \left(\frac{v_{y}+l_{f} \omega}{v_{x}}\right)}) \\ {F_{y r}=2c_{r} \alpha_{r}=2c_{r} \arctan \left(\frac{l_{r} \omega-v_{y}}{v_{x}}\right)}\end{array}\right.$

其中:
$\alpha_f$ , $\alpha_r$ ：无人车前、后轮侧偏角(rad);
$c_f$ , $c_r$ ：无人车前、后轮综合侧偏刚度；

【重要假设】无人车的航向角度 $\delta$ ,前后轮侧偏角 $\alpha_f，\alpha_r$ 都较小时，上式可近似为如下：

$\left\{\begin{array} {l}{F_{y f} +F_{y r}=m\left(\dot{v}_{y}+v_{x} \omega\right)} \\ {l_{f}F_{y f}-l_{r} F_{y r}=I_{z} \dot{\omega}} \end{array}\right.$

以及

$\left\{\begin{array}{l}{F_{y f}=2c_{f} \alpha_{f}=2c_{f} \left(\delta-\frac{v_{y}+l_{f} \omega}{v_{x}}\right)} \\ {F_{y r}=2c_{r} \alpha_{r}=2c_{r} \left(\frac{l_{r} \omega-v_{y}}{v_{x}}\right)}\end{array}\right.$

将 $F_{yf}$ 与 $F_{yr}$ 代入近似后的模型，可得：
$\left\{\begin{array} {l}{2c_{f} \left(\delta-\frac{v_{y}+l_{f} \omega}{v_{x}}\right) +2c_{r} \left(\frac{l_{r} \omega-v_{y}}{v_{x}}\right)=m\left(\dot{v}_{y}+v_{x} \omega\right)} \\ {2l_{f}c_{f} \left(\delta-\frac{v_{y}+l_{f} \omega}{v_{x}}\right)-2l_{r} c_{r} \left(\frac{l_{r} \omega-v_{y}}{v_{x}}\right)=I_{z} \dot{\omega}} \end{array}\right.$

可得无人车二自由度模型如下：

$\dot{X}=A X+Bu$

其中：
$X=\left[\begin{array}{c}\dot{y} \\ \dot{\theta}\end{array}\right]$
$u=\delta$
$A=\left[\begin{array}{cc}{-\frac{2C_{f}+2C_{r}}{m v_x}} & {-\frac{2C_{f} l_{f}-2C_{r} l_{r}}{m v_x}-v_x} \\ {-\frac{2l_{f} C_{f}-2l_{r} C_{r}}{I_{z} v_x}} & {-\frac{2l_{f}^{2} C_{f}+2l_{r}^{2} C_{r}}{I_{z} v_x}}\end{array}\right]$
$B=\left[\begin{array}{c}{\frac{2C_{f}}{m}} \\ {\frac{2l_{f} C_{f}}{I_{z}}}\end{array}\right]$

写在后面

再次强调：我们构建的一切模型都是为了预测系统未来的状态。构建的模型可以用于控制领域，也可以用于强化学习领域（强化学习与控制理论的共同特点是——反馈）。本人非控制专业，所以不不敢涉入太过底层的电机模型（电机驱动转向执行机构，电机驱动油门、刹车以及档位）。无人车横向控制得到期望的方向盘转角，这与无人车系统中的速度规划模块功能相似。本文中介绍的无人车横向模型，独立于纵向模型，也独立于底层电机驱动转向执行器的模型，相对来说算是一个比较简洁的模型。实际应用中，也建议将底层电机控制与无人车横向控制解耦，形成两层上下级控制架构，因为与电机模型合在一起的总模型非常复杂，在后续控制算法设计过程中，还是得对模型进行简化，这样可能损失了更多精度。

在后续博客中，我将介绍几种经典的无人车横向控制方法（也即轨迹跟踪控制方法）。

以上