一种具有时滞和扰动的无人车预设性能纵向控制方法

1.本发明涉及含有未知时变时滞和外部扰动的无人车纵向控制系统的建模、模糊观测器的建立、预设性能的设计以及自适应模糊控制器设计。


背景技术：

2.无人车的纵向跟踪控制问题一直是智能驾驶领域广泛面临的问题。近年来，许多先进的控制策略被用于纵向跟踪控制问题中。如[“observer-based fuzzy adaptive event-triggered control for pure-feedback nonlinear systems with prescribed performance”(qiu j,sun k,wang t,et al.j.ieee transactions on fuzzy systems,2019,27(11):2152-2162.)]针对无人车纵向控制的非线性系统中系统状态难以准确测量问题，提出了一种基于模糊逼近的观测器进行状态估计。然而，由于无人车需要和远程控制终端进行网络通信，纵向控制系统中时间延迟现象是无法避免的，时滞作用的存在对控制带来了新的挑战。到目前为止，具有外部扰动和未知时变时滞的无人车纵向控制跟踪控制问题尚未得到充分研究，因此在补偿外部扰动的同时应对未知时变时滞的影响将更具挑战性，对控制算法的设计也提高了难度。


技术实现要素：

[0003]
本发明要解决的问题是含有未知时变时滞和外部扰动的无人车纵向控制系统的建模、基于模糊逼近的观测器设计、针对跟踪误差的预设性能设计以及基于反步控制的自适应模糊控制器设计。
[0004]
本发明解决所述问题采用的算法是，本发明为了解决系统状态难以被有效观测的问题，设计了一种基于模糊逼近的观测器设计。为了解决非线性系统跟踪中误差难以限制的问题，提出了一种针对跟踪误差的预设性能方法进行误差约束。针对无人车纵向控制中的跟踪问题，设计了一种基于反步策略的自适应模糊跟踪控制器。本发明能够有效解决无人车纵向控制系统在未知时变时滞和外部扰动影响下的跟踪控制问题。
[0005]
所述未知时变时滞和外部扰动影响下无人车纵向控制系统的建模，考虑到外界扰动和未知时变时滞，则汽车动态模型变成：
[0006][0007][0008][0009]
所述模糊观测器设计，采用基于模糊逼近结合输出反馈，设计如下形式的观测器：
[0010][0011]
其中，参数自适应律为：
[0012]
[0013]
其中，是实际值和估计值的误差，εi是影响观测器性能的反馈调优参数，是引入的模糊逼近系统fls，权重参数写为对应于模糊集合下的平均解模糊器写为ψ(x)＝[ψ1(x),...,ψn(x)]
t
且满足不等式ψi(
·
)
t
ψi(
·
)≤1。
[0014]
所述预设性能方案设计，转换跟踪误差向量使得跟踪误差从半全局一致有界条件达到被指数衰减函数限制的状态。
[0015]
为了达到预设的目标，首先定义其中μ(ζ(t))为严格单增，ζ为被转化得到的误差，且满足进而进而最终得到用于控制器设计的误差变量，写为导数形式为
[0016]
所述固定时间收敛控制器设计，基于反步策略和预设性能得到的误差变量e1进行设计。
[0017]
根据设计得到虚拟控制律：
[0018][0019]
其中，α
i-1
是反步控制策略中引入的虚拟控制律，ci是误差反馈项ei的调优参数，是在设计反步虚拟控制律中引入的新的模糊策略。
附图说明
[0020]
图1为本发明控制系统的结构示意图。
具体实施方式
[0021]
下面以无人车纵向控制系统为例，结合附图详细描述本发明的技术方案。
[0022]
如图1所示，本发明涉及含有未知时变时滞和外部扰动的无人车纵向控制系统的建模、基于模糊逼近的观测器设计、针对跟踪误差的预设性能设计以及基于反步控制的自适应模糊控制器设计。
[0023]
系统建模：在传统车辆纵向控制的状态方程的基础上考虑车网之间的时间延迟，基于此提出如(1)式的动力学状态方程：
[0024][0025]
且
[0026]
[0027]
其中z是无人车纵向行驶的位移，w是纵向行驶过程中的速度，q是纵向行驶过程中的加速度。m是发动机时间常数，γ是空气的比质量。m,s,c分别是智能汽车的质量、横截面积和阻力系数。dm是机械阻力，表示空气阻力。d是由于车辆行驶的路况等因素引起的外部有界干扰，满足|d(t)|≤d,d＞0。ki(
·
)是状态方程中考虑的由于和远程终端通过无线网络交互带来的车网间时间延迟项，li(t):
→
[0,l]，
[0028]
令x1＝z，x2＝w，x3＝q，得到更一般的状态方程表达式：
[0029][0030]
其中，hi(
·
)∈r,i＝1,...,n是未知的连续平滑的函数，对任意的满足如下的不等式
[0031]
模糊观测器设计：
[0032]
基于模糊逼近的方法设计如下观测器：
[0033][0034]
其中，是实际值和估计值的误差，εi是影响观测器性能的反馈调优参数。是引入的模糊逼近系统fls，ψ(x)＝[ψ1(x),...,ψn(x)]
t
且满足不等式ψi(
·
)
t
ψi(
·
)≤1。
[0035]
并基于(3)得到观测器误差的状态方程式：
[0036][0037]
其中，θi＝θ
i*-θi,为观测器误差。为对未知的h函数的逼近误差,δi为满足以及∣δi∣≤∣δ
i*
∣条件的最小逼近误差。
[0038]
观测器中权重向量自适应律更新如下：
[0039][0040]
其中，γi是影响fls逼近性能的调优参数。
[0041]
预设性能设计：
[0042]
满足要求的预设性能可以通过以下不等式来解释：
[0043]-κ
min
ν(t)＜e
p
(t)＜κ
max
ν(t)
ꢀꢀꢀꢀ
(7)
[0044]
为了实现(7)中描述的目标，需要定义
[0045][0046]
其中，ζ是转换的误差，μ(ζ(t))严格单增且可以写为：
[0047][0048]
根据(8)和(9)可以导出：
[0049][0050][0051]
其中
[0052][0053]
使用e1代替e
p
通过转换跟踪误差向量为新的目标向量的方式使得跟踪误差从半全局一致有界条件达到被指数衰减函数限制的状态。
[0054][0055]
反步自适应控制器设计：
[0056]
虚拟误差面定义为：
[0057][0058]
其中，ei是虚拟误差变量，并且α
i-1
为虚拟控制律。
[0059]
通过设计如下的lyapunov-krasinski泛函补偿未知时变时滞不确定项：
[0060][0061]
进一步地设计控制律为：
[0062][0063]
其中，α
i-1
是反步控制策略中引入的虚拟控制律，

技术特征：
1.无人车纵向控制跟踪策略，包括未知时变时滞和外部扰动影响下无人车纵向控制系统的建模、模糊观测器的建立、预设性能的设计以及自适应模糊控制器设计。2.根据权利要求1所述未知时变时滞和外部扰动影响下无人车纵向控制系统的建模，其特征在于：考虑如下具有时变时滞和外部扰动的无人车纵向动力学模型：其特征在于：考虑如下具有时变时滞和外部扰动的无人车纵向动力学模型：其特征在于：考虑如下具有时变时滞和外部扰动的无人车纵向动力学模型：且其中z是无人车纵向行驶的位移，w是纵向行驶过程中的速度，q是纵向行驶过程中的加速度，m是发动机时间常数，γ是空气的比质量，m,s,c分别是智能汽车的质量、横截面积和阻力系数，d
m
是机阻阻力，表示空气阻力，d是由于车辆行驶的路况等因素引起的外部有界干扰，满足|d(t)|≤d,d＞0，k
i
(
·
)是状态方程中考虑的由于和远程终端通过无线网络交互带来的车网间时间延迟项，同时满足β
ij
为正定函数。3.根据权利要求1所述模糊观测器设计，其特征在于：基于模糊逼近的方法对控制中难以准确测量的系统变量进行状态估计：其中，表示对系统状态的估计值，是实际值减去估计值得到的误差，ε
i
是影响观测器性能的反馈调优参数，是引入的模糊逼近系统fls，为状态估计值的向量θ
i
为模糊逼近的权重向量，是对应模糊集下的平均解模糊器，自适应权重向量自适应律更新如下：其中，γ
i
是影响fls逼近性能的调优参数。4.根据权利要求1所述的预设性能策略，其特点在于：通过转换跟踪误差向量为新的目标向量的方式使得跟踪误差从半全局一致有界条件达到被指数衰减函数限制的状态，更具有实际应用性。-κ
min
ν(t)＜e
p
(t)＜κ
max
ν(t)其中，k
min
和k
max
是两个正参数,v(t)是预设性能函数满足v(t)＝(v
0-v
∞
)e
(-ωt)
+v
∞
，定义跟踪控制的误差为e
p
＝y-y
d
，选择合适的参数使得-κ
min
ν(0)＜e
p
(0)＜κ
max
ν(0)成立。5.根据权利要求1所述的自适应模糊控制器，其特点在于：基于反步形式设计如下形式的自适应模糊控制器：
其中，α
i-1
是反步控制策略中起入的虚拟控制律，c
i
是误差反馈项e
i
的调优参数，是在设计反步虚拟控制律中起入的新的模糊逼近策略，用于补偿时间延迟和扰动对系统的影响。

技术总结
本发明涉及未知时变时滞和扰动下的无人车纵向控制系统的建模、模糊观测器的建立、预设性能的设计以及自适应模糊控制器设计。本发明公开了一种基于反步自适应模糊的无人车纵向跟踪控制方法。其技术包括考虑网络时延下的无人车系统建模、模糊观测器设计、跟踪预设性能的设计以及自适应模糊控制期设计。本发明针对无人车纵向控制中的跟踪问题，设计了一种基于反步的自适应模糊跟踪控制器；为了解决系统状态不可测的问题，设计了一种基于模糊逼近的观测器。为了解决跟踪中误差难以限制的问题，提出了一种针对跟踪误差的预设性能方法。本发明能够有效解决无人车纵向控制系统在扰动和时变时滞下的跟踪控制问题。时变时滞下的跟踪控制问题。时变时滞下的跟踪控制问题。


技术研发人员：李猛 王建川 苗朕海 陈勇 张乔峰
受保护的技术使用者：电子科技大学
技术研发日：2023.07.18
技术公布日：2023/10/15