车辆动力学推导

车辆动力学模型

沿着x轴方向: m ( x ¨ − y ˙ φ ˙ ) = 2 F x f + 2 F x r m(\ddot{x}-\dot{y}\dot{\varphi})=2\textbf{F}_{xf}+2\textbf{F}_{xr} m(x¨y˙φ˙)=2Fxf+2Fxr

沿着y轴方向 : m ( y ¨ + x ˙ φ ˙ ) = 2 F y f + 2 F y r m(\ddot{y}+\dot{x}\dot{\varphi})=2\textbf{F}_{yf}+2\textbf{F}_{yr} m(y¨+x˙φ˙)=2Fyf+2Fyr
绕Z轴方向上: I z φ ¨ = 2 a F y f − 2 b F y r \textbf{I}_z\ddot{\varphi}=2a\textbf{F}_{yf}-2b\textbf{F}_{yr} Izφ¨=2aFyf2bFyr

其中, x ˙ \dot{x} x˙为车辆质心纵向速度, y ˙ \dot{y} y˙为车辆质心横向速度, φ ˙ \dot{\varphi} φ˙为车辆质心横摆角速度。

轮胎沿车辆y轴方向上所受的轮胎力 F i , j y \textbf{F}_{i,jy} Fi,jy和轮胎侧偏力(沿着轮胎y轴方向上的力) F i , j c \textbf{F}_{i, jc} Fi,jc和轮胎纵向力 F i , j l \textbf{F}_{i,jl} Fi,jl力之间有如下关系:
F F , j y = F F , j l s i n δ f + F F , j c c o s δ f \textbf{F}_{F,jy} = \textbf{F}_{F,jl}sin\delta_f + \textbf{F}_{F, jc}cos\delta_f FF,jy=FF,jlsinδf+FF,jccosδf
沿x轴方向上:
F F , j x = F F , j l c o s δ f − F F , j c s i n δ f \textbf{F}_{F,jx} = \textbf{F}_{F,jl}cos\delta_f - \textbf{F}_{F, jc}sin\delta_f FF,jx=FF,jlcosδfFF,jcsinδf
i i i表示前后轴, j j j表示左右轮。
对于绝大多数前轮转向的车辆而言,后轮的关系为:
F R , j y = F R , j c F R , j x = F R , j l \textbf{F}_{R,jy} = \textbf{F}_{R,jc}\\ \textbf{F}_{R,jx} = \textbf{F}_{R,jl} FR,jy=FR,jcFR,jx=FR,jl

轮胎纵向力和轮胎侧偏力 可用路面附着系数、轮胎动载荷 、轮胎
侧偏角及滑移率的非线性复杂函数计算得到:
F l = f l ( α , s , μ , F z ) F c = f c ( α , s , μ , F z ) \textbf{F}_l = f_l(\alpha, s,\mu,\textbf{F}_z)\\ \textbf{F}_c = f_c(\alpha, s,\mu,\textbf{F}_z) Fl=fl(α,s,μ,Fz)Fc=fc(α,s,μ,Fz)
轮胎侧偏角 α \alpha α可以由几何关系得到:
α = a r c t a n v c v l \alpha=arctan{\frac{v_c}{v_l}} α=arctanvlvc
v c v_c vc v l v_l vl分别是轮胎在自身坐标系下侧向和纵向的速度。
可以用车身坐标系方向上的速度 v x v_x vx v y v_y vy表示为:
v l = v y s i n δ f + v x c o s δ f v c = v y c o s δ f − v x s i n δ f v_l=v_ysin\delta_f+v_xcos\delta_f\\ v_c=v_ycos\delta_f-v_xsin\delta_f vl=vysinδf+vxcosδfvc=vycosδfvxsinδf
实际行驶过程中,车轮沿 x 轴方向的速度 v x v_x vx 和沿 y 轴方向的速度 v y v_y vy 难以直接获取, 一般通过质心的纵向速度 x ˙ \dot{x} x˙, 横向速度 y ˙ \dot{y} y˙,横摆角速度 φ ˙ \dot{\varphi} φ˙和车辆的尺寸参数得到:
v F , j y = y ˙ + a φ ˙ v R , j y = y ˙ − b φ ˙ v i , l x = x ˙ − 1 2 D φ ˙ v i , r x = x ˙ + 1 2 D φ ˙ v_{F,jy} = \dot{y}+a\dot{\varphi}\\ v_{R,jy}=\dot{y}-b\dot{\varphi}\\ v_{i,lx}=\dot{x}-\frac{1}{2}D\dot{\varphi}\\ v_{i,rx}=\dot{x}+\frac{1}{2}D\dot{\varphi} vF,jy=y˙+aφ˙vR,jy=y˙bφ˙vi,lx=x˙21Dφ˙vi,rx=x˙+21Dφ˙
D D D为车辆的轮距,如果将车辆简化为两轮的自行车模型,则
v F , y = y ˙ + a φ ˙ v R , y = y ˙ − b φ ˙ v F , x = x ˙ v R , x = x ˙ v_{F,y} = \dot{y}+a\dot{\varphi}\\ v_{R,y}=\dot{y}-b\dot{\varphi}\\ v_{F,x}=\dot{x}\\ v_{R,x}=\dot{x} vF,y=y˙+aφ˙vR,y=y˙bφ˙vF,x=x˙vR,x=x˙
则:
α f = a r c t a n ( ( y ˙ + a φ ˙ ) c o s δ f − x ˙ s i n δ f ( y ˙ + a φ ˙ ) s i n δ f + x ˙ c o s δ f ) α r = a r c t a n ( y ˙ − b φ ˙ x ˙ ) \alpha_f=arctan(\frac{(\dot{y}+a\dot{\varphi})cos\delta_f-\dot{x}sin\delta_f}{(\dot{y}+a\dot{\varphi})sin\delta_f+\dot{x}cos\delta_f})\\ \alpha_r=arctan(\frac{\dot{y}-b\dot{\varphi}}{\dot{x}}) αf=arctan((y˙+aφ˙)sinδf+x˙cosδf(y˙+aφ˙)cosδfx˙sinδf)αr=arctan(x˙y˙bφ˙)
在小角度假设下,即满足如下近似条件:
c o s θ ≈ 1 , s i n θ ≈ θ , t a n θ ≈ θ cos\theta\approx1,sin\theta\approx\theta,tan\theta\approx\theta cosθ1,sinθθ,tanθθ
则上式可以简化为:
α f = ( y ˙ + a φ ˙ ) − x ˙ δ f x ˙ = ( y ˙ + a φ ˙ ) x ˙ - δ f α r = a r c t a n ( y ˙ − b φ ˙ x ˙ ) = y ˙ − b φ ˙ x ˙ \alpha_f=\frac{(\dot{y}+a\dot{\varphi})-\dot{x}\delta_f}{\dot{x}}=\frac{(\dot{y}+a\dot{\varphi})}{\dot{x}}-\delta_f\\ \alpha_r=arctan(\frac{\dot{y}-b\dot{\varphi}}{\dot{x}})=\frac{\dot{y}-b\dot{\varphi}}{\dot{x}} αf=x˙(y˙+aφ˙)x˙δfx˙(y˙+aφ˙)δfαr=arctan(x˙y˙bφ˙)=x˙y˙bφ˙
x: m ( x ¨ − y ˙ φ ˙ ) = 2 F x f + 2 F x r = 2 ( C l f s f + C c f ( δ f − y ˙ + a φ ˙ x ˙ ) δ f + C l r s r ) m(\ddot{x}-\dot{y}\dot{\varphi})=2\textbf{F}_{xf}+2\textbf{F}_{xr}=2(C_{lf}s_f+C_{cf}(\delta_f-\frac{\dot{y}+a\dot{\varphi}}{\dot{x}})\delta_f+C_{lr}s_r) m(x¨y˙φ˙)=2Fxf+2Fxr=2(Clfsf+Ccf(δfx˙y˙+aφ˙)δf+Clrsr)

y轴 : m ( y ¨ + x ˙ φ ˙ ) = 2 F y f + 2 F y r = 2 ( C c f ( δ f − y ˙ + a φ ˙ x ˙ ) + C c r y ˙ − b φ ˙ x ˙ ) m(\ddot{y}+\dot{x}\dot{\varphi})=2\textbf{F}_{yf}+2\textbf{F}_{yr}=2(C_{cf}(\delta_f-\frac{\dot{y}+a\dot{\varphi}}{\dot{x}})+C_{cr}\frac{\dot{y}-b\dot{\varphi}}{\dot{x}}) m(y¨+x˙φ˙)=2Fyf+2Fyr=2(Ccf(δfx˙y˙+aφ˙)+Ccrx˙y˙bφ˙)
--------本来前轮的侧向力应该是 C c f ( δ f − y ˙ + a φ ˙ x ˙ ) c o s δ C_{cf}(\delta_f-\frac{\dot{y}+a\dot{\varphi}}{\dot{x}})cos\delta Ccf(δfx˙y˙+aφ˙)cosδ,在小偏角假设下去掉 c o s δ cos\delta cosδ
Z轴: I z φ ¨ = 2 a F y f − 2 b F y r = 2 ( a C c f ( δ f − y ˙ + a φ ˙ x ˙ ) − b C c r y ˙ − b φ ˙ x ˙ ) \textbf{I}_z\ddot{\varphi}=2a\textbf{F}_{yf}-2b\textbf{F}_{yr}=2(aC_{cf}(\delta_f-\frac{\dot{y}+a\dot{\varphi}}{\dot{x}})-bC_{cr}\frac{\dot{y}-b\dot{\varphi}}{\dot{x}}) Izφ¨=2aFyf2bFyr=2(aCcf(δfx˙y˙+aφ˙)bCcrx˙y˙bφ˙)

世界坐标系和车辆坐标系的转换关系为:
X ˙ = x ˙ c o s φ − y ˙ s i n φ Y ˙ = x ˙ s i n φ + y ˙ c o s φ \dot{X} = \dot{x}cos\varphi-\dot{y}sin\varphi \\ \dot{Y}=\dot{x}sin\varphi+\dot{y}cos\varphi X˙=x˙cosφy˙sinφY˙=x˙sinφ+y˙cosφ

轮胎在地面上的滑移率:

车辆的行驶动力学方程可用下式表达:
J w = F l r e + T w J_w=F_lr_e+T_w Jw=Flre+Tw
X ˙ = x ˙ c o s φ − y ˙ s i n φ Y ˙ = x ˙ s i n φ + y ˙ c o s φ φ ˙ = φ ˙ φ ¨ = 2 I z ( b C c r − a C c f x ˙ y ˙ − a 2 C c f + b 2 C c r x ˙ φ ˙ + a C c f δ f ) x ¨ = y ˙ φ ˙ + ( T 2 − F i − F f − F s ) / m + 2 C c f m ( δ f − y ˙ + a φ ˙ x ˙ ) y ¨ = 2 ( − C c f + C c r m x ˙ y ˙ + ( b C c r − a C c f m x ˙ − x ˙ ) φ ˙ + C c f m δ f ) \dot{X}=\dot{x}cos\varphi-\dot{y}sin\varphi\\ \dot{Y}=\dot{x}sin\varphi+\dot{y}cos\varphi\\ \dot{\varphi}=\dot{\varphi}\\ \ddot{\varphi}=\frac{2}{I_z}(\frac{bC_{cr}-aC_{cf}}{\dot{x}}\dot{y}-\frac{a^2C_{cf}+b^2C_{cr}}{\dot{x}}\dot{\varphi}+aC_{cf}\delta_f)\\ \ddot{x}=\dot{y}\dot{\varphi}+(\frac{T}{2}-F_i-F_f-F_s)/m+\frac{2C_{cf}}{m}(\delta_f-\frac{\dot{y}+a\dot{\varphi}}{\dot{x}})\\ \ddot{y}=2(-\frac{C_{cf}+C_{cr}}{m\dot{x}}\dot{y}+(\frac{bC_{cr}-aC_{cf}}{m\dot{x}}-\dot{x})\dot{\varphi}+\frac{C_cf}{m}\delta_f) X˙=x˙cosφy˙sinφY˙=x˙sinφ+y˙cosφφ˙=φ˙φ¨=Iz2(x˙bCcraCcfy˙x˙a2Ccf+b2Ccrφ˙+aCcfδf)x¨y˙φ˙+(2TFiFfFs)/m+m2Ccf(δfx˙y˙+aφ˙)y¨=2(mx˙Ccf+Ccry˙+(mx˙bCcraCcfx˙)φ˙+mCcfδf)

离散化动力学模型

考虑线性时变系统--状态量 x = [ X , Y , φ , φ ˙ , x ˙ , y ˙ ] T \textbf{x}=[X,Y,\varphi,\dot{\varphi},\dot{x},\dot{y}]^T x[X,Y,φ,φ˙,x˙,y˙]T和控制量 u = [ a , δ f ] T u=[a,\delta_f]^T u=[a,δf]T满足:
x r ˙ = f t ( x r , u r ) \dot{\textbf{x}_r}=f_t(\textbf{x}_r,u_r) xr˙=ft(xr,ur)
在任意参考点- ( x r , u r ) ) (\textbf{x}_r,u_r)) (xr,ur))处对上式进行一阶泰勒展开,得到如下线性时变系统:
x ˙ = f ( x r , u r ) + J f ( x r ) + J f ( u r ) ( u − u r ) \dot{\textbf{x}}=f(\textbf{x}_r,\pmb{u}_r)+J_f(\textbf{x}_r)+J_f(\textbf{u}_r)(\textbf{u}-\textbf{u}_r) x˙=f(xr,uuur)+Jf(xr)+Jf(ur)(uur)
J f ( x t ) = ∂ f ∂ x ∣ x = x t , u = u t = A t = [ 0 − 1 − x ˙ t s i n φ t − y ˙ t c o s φ t 0 c o s φ t − s i n φ t 0 0 x ˙ t c o s φ t − y ˙ t s i n φ t 0 s i n φ t c o s φ t 0 0 0 1 0 0 0 0 0 − 2 a 2 C c f + b 2 C c r I z x ˙ t ∂ f φ t ˙ ∂ x ˙ t 2 b C c r − a C c f I z x ˙ t 0 0 0 0 0 0 0 0 0 2 ( b C c r − a C c f m x ˙ t − x ˙ t ) ∂ f y ˙ t ∂ x ˙ t − 2 C c f + C c r m x ˙ t ] J_f(\textbf{x}_t)=\frac{\partial f}{\partial \textbf{x}}\big|_{\textbf{x}=\textbf{x}_t,u=u_t}\\=\textbf{A}_t\\ =\begin{gathered} \begin{bmatrix} 0 & -1 & -\dot{x}_tsin\varphi_t-\dot{y}_tcos\varphi_t & 0 & cos\varphi_t & -sin\varphi_t \\ 0 & 0 & \dot{x}_tcos\varphi_t -\dot{y}_tsin\varphi_t & 0 & sin\varphi_t & cos\varphi_t \\0 & 0 & 0& 1 & 0 & 0 \\0 & 0 & 0 & -2\frac{a^2C_{cf}+b^2C_{cr}}{\textbf{I}_z\dot{x}_t} & \frac{\partial f_{\dot{\varphi_t}}}{\partial \dot{x}_t} & 2\frac{bC_{cr}-aC_{cf}}{\textbf{I}_z\dot{x}_t} \\0 & 0 & 0 &0 & 0 & 0 \\0 & 0 & 0 & 2(\frac{bC_{cr}-aC_{cf}}{m\dot{x}_t}-\dot{x}_t) & \frac{\partial f_{\dot{y}_t}}{\partial \dot{x}_t} & -2\frac{C_{cf}+C_{cr}}{m\dot{x}_t} \end{bmatrix} \quad \end{gathered} Jf(xt)=xfx=xt,u=ut=At=000000100000x˙tsinφty˙tcosφtx˙tcosφty˙tsinφt00000012Izx˙ta2Ccf+b2Ccr02(mx˙tbCcraCcfx˙t)cosφtsinφt0x˙tfφt˙0x˙tfy˙tsinφtcosφt02Izx˙tbCcraCcf02mx˙tCcf+Ccr
其中: ∂ f φ ˙ ∂ x ˙ = 2 I z ( − b C c r − a C c f x ˙ 2 y ˙ + a 2 C c f + b 2 C c r x ˙ 2 φ ˙ ) \frac{\partial f_{\dot{\varphi}}}{\partial \dot{x}}=\frac{2}{I_z}(-\frac{bC_{cr}-aC_{cf}}{\dot{x}^2}\dot{y}+\frac{a^2C_{cf}+b^2C_{cr}}{\dot{x}^2}\dot{\varphi}) x˙fφ˙=Iz2(x˙2bCcraCcfy˙+x˙2a2Ccf+b2Ccrφ˙)
∂ f y ˙ ∂ x ˙ = 2 C c f + C c r m x ˙ 2 y ˙ − 2 b C c r − a C c f m x ˙ 2 φ ˙ − φ ˙ \qquad \frac{\partial f_{\dot{y}}}{\partial \dot{x}}=2\frac{C_{cf}+C_{cr}}{m\dot{x}^2}\dot{y}-2\frac{bC_{cr}-aC_{cf}}{m\dot{x}^2}\dot{\varphi}-\dot{\varphi} x˙fy˙=2mx˙2Ccf+Ccry˙2mx˙2bCcraCcfφ˙φ˙
J f ( u r ) = ∂ f ∂ u ∣ x = x r , u = u r = B t = [ 0 0 0 0 1 0 0 0 0 2 I z a C c f 0 C c f m ] T J_f(u_r)=\frac{\partial f}{\partial \pmb{u}}\big|_{\textbf{x}=\textbf{x}_r,u=u_r}\\ =\textbf{B}_t =\begin{gathered} \begin{bmatrix} 0 & 0 & 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & \frac{2}{\textbf{I}_z}aC_{cf} & 0 & \frac{C_cf}{m} \end{bmatrix} \quad \end{gathered}^T Jf(ur)=uuufx=xr,u=ur=Bt=[0000000Iz2aCcf100mCcf]T
对于以上我们建立的车辆动力学模型

将上两式相减得到:
x ~ ˙ = J f ( x r ) x ~ + J f ( u r ) ( u ~ ) x ~ ˙ = A t x ~ + B t ( u ~ ) \dot{\tilde{\textbf{x}}}=J_f(\textbf{x}_r)\tilde{\textbf{x}}+J_f(\textbf{u}_r)(\tilde{\textbf{u}}) \\ \dot{\tilde{\textbf{x}}}=\textbf{A}_t\tilde{\textbf{x}}+\textbf{B}_t(\tilde{\textbf{u}}) x~˙=Jf(xr)x~+Jf(ur)(u~)x~˙=Atx~+Bt(u~)
式中: x ~ = x − x r , u ~ = u − u r , A t = J f ( x r ) , B t = J f ( u r ) \tilde{\textbf{x}}=\textbf{x}-\textbf{x}_r, \tilde{\textbf{u}}=\textbf{u}-\textbf{u}_r,\textbf{A}_t=J_f(\textbf{x}_r), \textbf{B}_t=J_f(\textbf{u}_r) x~=xxr,u~=uur,At=Jf(xr),Bt=Jf(ur)
上式为基于参考系统的联系状态方程,不能直接用于模型预测控制器的设计,需要对其进行离散化:
x ~ ( k + 1 ) = A k , t x ~ ( k ) + B k , t u ~ ( k ) \tilde{\textbf{x}}(k+1)=\textbf{A}_{k,t}\tilde{\textbf{x}}(k)+\textbf{B}_{k,t}\tilde{\textbf{u}}(k) x~(k+1)=Ak,tx~(k)+Bk,tu~(k)
其中: A k , t = I n + T A ( t ) , B k , t = T B ( t ) \textbf{A}_{k,t}=\textbf{I}_n+T\textbf{A}(t),\textbf{B}_{k,t}=T\textbf{B}(t) Ak,t=In+TA(t),Bk,t=TB(t) I n \textbf{I}_n In为单位矩阵, T T T为离散系统的采样时间。

为了将系统的控制量转变为设
ζ ( k ) = [ x ~ ( k ) u ~ ( k − 1 ) ] \pmb{\zeta}(k)=\begin{gathered} \begin{bmatrix} \tilde{\textbf{x}}(k) \\ \tilde{\textbf{u}}(k-1) \end{bmatrix} \quad \end{gathered} ζζζ(k)=[x~(k)u~(k1)]

ζ ( k + 1 ) = A ~ k , t ζ ( k ) + B ~ k , t △ u ( k ) η ( k ) = C ~ k , t ζ ( k ) \pmb{\zeta}(k+1)=\tilde{\textbf{A}}_{k,t}\pmb{\zeta}(k)+\tilde{\textbf{B}}_{k,t}\pmb{\triangle}\textbf{u}(k)\\ \pmb{\eta}(k)=\tilde{\textbf{C}}_{k,t}\pmb{\zeta}(k) ζζζ(k+1)=A~k,tζζζ(k)+B~k,tu(k)ηηη(k)=C~k,tζζζ(k)
式中, A ~ k , t = [ A k , t B k , t 0 n ∗ m I n ] , B ~ k , t = [ B k , t I n ] , △ u ( k ) = [ △ a ( k ) △ δ ( k ) ] \tilde{\textbf{A}}_{k,t}=\begin{gathered} \begin{bmatrix} \textbf{A}_{k,t} & \textbf{B}_{k,t} \\ \textbf{0}_{n*m} & \textbf{I}_n \end{bmatrix} \quad \end{gathered}, \tilde{\textbf{B}}_{k,t}=\begin{gathered} \begin{bmatrix} \textbf{B}_{k,t} \\ \textbf{I}_{n} \end{bmatrix} \quad \end{gathered},\pmb{\triangle}\textbf{u}(k)=\begin{gathered} \begin{bmatrix} \pmb{\triangle}\textbf{a}(k) \\ \pmb{\triangle}\delta(k) \end{bmatrix} \quad \end{gathered} A~k,t=[Ak,t0nmBk,tIn],B~k,t=[Bk,tIn],u(k)=[a(k)δ(k)]
m为状态量的个数,n为控制量的个数。
如果认为在预测时域内都等于当前系统输出状态处线性化的模型,则可以假设:
A k , t = A t , t , k = 1 , 2 , . . . , N . t 为 系 统 的 当 前 时 刻 \textbf{A}_{k,t}=\textbf{A}_{t,t},\quad k=1,2,...,N. \quad t为系统的当前时刻 Ak,t=At,t,k=1,2,...,N.t
系统的输出表达式为:
Y ( t ) = Φ t ζ ( t ) + Θ t △ U ( t ) \textbf{Y}(t)=\pmb{\Phi}_t \pmb{\zeta}(t) + \pmb{\Theta}_t \pmb{\triangle}\textbf{U}(t) Y(t)=ΦΦΦtζζζ(t)+ΘΘΘtU(t)
式中:
Y ( t ) = [ η ( t + 1 ∣ t ) . . . η ( t + N p ∣ t ) . . . η ( t + N p ∣ t ) ] Φ t = [ C ~ A ~ t , t . . . C ~ A ~ t , t N c . . . C ~ A ~ t , t N p ] Θ t = [ C ~ B ~ t , t 0 ⋯ 0 C ~ A ~ t , t B ~ t , t C ~ B ~ t , t ⋱ ⋮ ⋮ ⋮ C ~ A ~ t , t N p − 1 B ~ t , t C ~ A ~ t , t N p − 2 B ~ t , t ⋯ C ~ A ~ t , t N p − N c − 1 B ~ t , t ] △ U ( t ) = [ u ( t + 1 ∣ t ) u ( t + 2 ∣ t ) . . . u ( t + N c ∣ t ) ] \textbf{Y}(t)=\begin{gathered} \begin{bmatrix} \pmb{\eta}(t+1|t) \\ ... \\ \pmb{\eta}(t+N_p|t) \\ ... \\ \pmb{\eta}(t+N_p|t) \end{bmatrix} \quad \end{gathered}\quad \pmb{\Phi}_t= \begin{bmatrix} \tilde{\textbf{C}}\tilde{\textbf{A}}_{t,t} \\ ... \\ \tilde{\textbf{C}}\tilde{\textbf{A}}^{N_c}_{t,t} \\ ... \\ \tilde{\textbf{C}}\tilde{\textbf{A}}^{N_p}_{t,t} \end{bmatrix} \\ \pmb{\Theta}_t= \begin{bmatrix} \tilde{\textbf{C}}\tilde{\textbf{B}}_{t,t} & \textbf{0} & \cdots & \textbf{0} \\ \tilde{\textbf{C}}\tilde{\textbf{A}}_{t,t}\tilde{\textbf{B}}_{t,t} & \tilde{\textbf{C}}\tilde{\textbf{B}}_{t,t} & \ddots & \vdots \\ \vdots & \vdots \\ \tilde{\textbf{C}}\tilde{\textbf{A}}^{N_p-1}_{t,t}\tilde{\textbf{B}}_{t,t} & \tilde{\textbf{C}}\tilde{\textbf{A}}^{N_p-2}_{t,t}\tilde{\textbf{B}}_{t,t} & \cdots &\tilde{\textbf{C}}\tilde{\textbf{A}}^{N_p-N_c-1}_{t,t}\tilde{\textbf{B}}_{t,t} \end{bmatrix} \quad \pmb{\triangle}\textbf{U}(t)=\begin{bmatrix} \pmb{u}(t+1|t) \\ \pmb{u}(t+2|t) \\ ... \\ \pmb{u}(t+N_c|t) \end{bmatrix} Y(t)=ηηη(t+1t)...ηηη(t+Npt)...ηηη(t+Npt)ΦΦΦt=C~A~t,t...C~A~t,tNc...C~A~t,tNpΘΘΘt=C~B~t,tC~A~t,tB~t,tC~A~t,tNp1B~t,t0C~B~t,tC~A~t,tNp2B~t,t0C~A~t,tNpNc1B~t,tU(t)=uuu(t+1t)uuu(t+2t)...uuu(t+Nct)
N p − − 20 N c − − 5 − − 0.02 s s t e p s Np--20 Nc--5 --0.02s steps Np20Nc50.02ssteps
做了很多近似,1.在控制周期和预测周期内都使用此刻的模型

  • 4
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Apollo车辆动力学推导涉及到对车辆在运动中的力学行为进行建模和分析。下面是一种常见的方法: 1. 定义坐标系:选择一个适当的坐标系,并确定车辆的坐标和姿态表示方式。 2. 建立运动方程:通过牛顿第二定律以及相关力和力矩的平衡关系,建立车辆的运动方程。这包括线性和角动量守恒、转动惯量等相关物理原理。 3. 考虑驱动力和制动力:考虑车辆的驱动力和制动力对车辆运动的影响。驱动力可以通过引擎功率输出和传动系统效率来计算,而制动力可以通过制动系统的性能参数来估计。 4. 考虑轮胎力:轮胎与地面之间的摩擦力对于车辆运动至关重要。通常使用一种简化的轮胎模型来估计轮胎的侧向和纵向力,这些力与轮胎滑移角和纵向滑移比有关。 5. 考虑空气阻力:车辆在高速行驶时会受到空气阻力的影响。可以使用一种简化的空气阻力模型来估计阻力大小,该模型通常基于车辆的几何形状和风阻系数。 6. 解算运动方程:根据上述建立的运动方程和相关参数,可以使用数值方法(如欧拉法或龙格-库塔法)来解算车辆的运动方程,得到车辆在不同时间点上的位置、速度和姿态等信息。 需要注意的是,Apollo车辆动力学推导是一个复杂的过程,涉及到诸多参数和假设。对于不同类型的车辆和特定的运行条件,可能需要进行适当的修改和调整。此外,现实中还会考虑更多的因素,如车辆悬挂系统、转向系统等。以上只是一个简单的概述,实际推导过程可能更为复杂。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值