无人驾驶汽车自主循迹控制系统可以根据所选择的汽车模型、使用的控制理论以及控制内容分别进行分类。 1按汽车模型分类无人驾驶汽车自主循迹控制中所选择的汽车模型可以分为汽车转向几何学模型、汽车运动学模型和汽车动力学模型。 (1)汽车转向几何学模型汽车转向几何学模型是无人驾驶汽车自主循迹控制中使用最早也是最广泛的汽车模型,使用一个简单的公式表示无人驾驶汽车前轮转角与期望道路轨迹之间的几何关系。汽车转向几何学模型在控制时又分为非预瞄和基于预瞄两种方式。由于汽车转向几何学模型易于理解,控制方法简单在无人驾驶汽车循迹横向控制方面有着广泛的应用。 (2)汽车运动学模型汽车运动学模型揭示的是汽车在全局坐标系中的位移与汽车的车速、横摆角和前轮转角之间的关系。汽车运动学模型可以很好地解决无人驾驶汽车编队跟随控制问题,但由于模型复杂,计算量相对增大,增加了工程应用中可能存在的错误,而且运算过程中需要计算道路曲率的阶导数这无形中要求道路必须连续且平顺,在独立的无人驾驶汽车循迹控制中应用较少。 (3)汽车动力学模型汽车动力学模型以牛顿力学定律为基本原理,揭示的是汽车的受力与汽车各运动学变量之间的关系。模型易于理解,在应用时算法稍显复杂,其控制精度要高于汽车转向几何学模型和汽车运动学模型。但由于普遍使用的线性二自由度汽车模型在建模时进行了一定的线性化假设,模型在非线性区的控制精度较低。 按控制理论分类无人驾驶汽车自主车循迹控制中使用的控制方法可以分成经典控制理论、现代控制理论和智能控制理论。 (1)经典控制理论经典控制理论提出的几种稳定性判据至今在无人驾驶汽车循迹控制中仍广泛使用,奈式判据和伯德图法是判断无人驾驶汽车循迹控制器稳定性的重要方法。 (2)现代控制理论现代控制理论是建立在状态空间法基础上的一种控制理论,系统辨识法、滑模变结构非线性法、PD控制等现代控制理论在无人驾驶汽车自主循迹控制中得到了广泛的应用。 (3)智能控制理论智能控制理论是自动控制理论的最新发展阶段,在无人驾驶汽车的自主循迹控制领域也取得了飞速的发展。模糊控制不依赖于对象的数
学模型,而是通过输入、输出信息模仿人脑并利用先验知识进行模糊化推理,在无人驾驶汽车自主循迹控制方面有着广泛的应用前景:模糊神经网络控制将模糊控制的知识表达容易和神经网络自学习能力强这两种控制方法的优势结合起来提高了整个控制系统的学习能力和表达能力,非常适合于无人驾驶汽车在非线性区的自主循迹控制。
⒊按控制内容分类:
无人驾驶汽车自主循迹控制按照其控制内容可以分成橫向控制和纵向控制。
(1)横向控制无人驾驶汽车循迹橫向控制分为补偿跟踪控制和预瞄跟踪控制。补偿跟踪控制的输入是当前时刻汽车行驶的状态信息和道路信息之间的偏差控制器根据输入的偏差进行补偿校正,计算出相应的转向盘转角:预瞄跟踪控制则是模拟驾驶员驾驶汽车时的预瞄原理,根据未来某一时刻汽车的期望位置和预计位置之间的差值进行控制。
(2)纵向控制纵向控制常用于现代汽车的自适应巡航控制中,其目的是使无人驾驶汽车在循迹时保持期望的既定车速,同时保持与前后车的距离处于安全标准之内。纵向控制归根结底是对汽车发动机和制动器的控制。目前在乘用车上应用比较成熟的自适应巡航控制、弯道速度控制和起步停车辅助等都属于纵向控制的范畴。
