.png){kind=icon}
返回
Full-State Decoupling Motion Control Strategy for Distributed Vehicle via Bayesian Parameter Optimization
.png){kind=icon}
PRE
AI
DOI：10.4271/10-10-01-0007.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着自动驾驶技术的快速发展，无人地面车辆（UGV）正逐渐取代人类执行特殊场景下的侦察、目标跟踪和搜索等任务。基于车辆航向姿态快速调整的全向移动增强了UGV在特殊场景中的应用性。全向移动意味着车辆能够快速调整航向角、纵向速度和侧向速度。传统车辆受限于欠驱动约束，无法主动调节侧向运动，转而依赖纵向和偏航运动的协同调节，无法满足全向移动的要求。前后轴转向分布与四轮独立驱动的分布式车辆利用多执行器协调控制提供的过驱动优势，特别适用于大侧滑角下的全向移动。这一特性使UGV能够实现车辆航向姿态的快速调整。然而，现有以稳定偏航率和抑制侧滑角为核心的控制系统无法适应此类平台的解耦控制需求。此外，执行器子系统间的强耦合特性进一步加剧了控制难度。为此，本文提出了一种全状态解耦运动控制策略，在车辆各平衡点处对非线性模型进行局部线性化，并推导出一组平衡状态模型。通过相图分析和模态分析验证了局部线性化方法的可行性。随后采用贝叶斯优化（BO）算法优化并识别各平衡点处前后轴的侧偏刚度，从而提升线性模型对非线性动态模型在对应平衡点处的表征能力。在此基础上，结合模型预测控制（MPC）算法设计全状态解耦运动控制器。最终，将本文提出的控制器应用于分布式车辆实验平台（DVEP）。实验结果表明，在两种不同侧滑角下的漂移类场景中，相较于基准控制器，该方法将路径跟踪误差降低超过13%，侧滑角跟踪误差降低超过12%。
Keyword:
Distributed Vehicle
Full-State Decoupling Motion Control
Bayesian Parameter Optimization
Equilibrium Local Linearization Modeling
期刊
S
IF:
4
论文数:
23
被引数:
484
机构
引用论文
A Model Predictive Control Algorithm for Path Tracking Based on Multi-Point Preview Dynamics and Safety Guaranteed Constraint基于多点预览动力学和安全保证约束的路径跟踪模型预测控制算法
.png){kind=icon}
PREAI
分享收藏分享收藏Should the Desired Heading in Path Following of Autonomous Vehicles be the Tangent Direction of the Desired Path?自动驾驶车辆的路径跟随中的期望航向应该是期望路径的切线方向吗？
PREAI
分享收藏Insights into stability and control of the powerslide motion with variable drive torque distribution - applied to a driver assistance system洞察具有可变驱动扭矩分配的powerslide运动的稳定性和控制-应用于驾驶员辅助系统
OAAI
OAAI分享收藏分享收藏
查看更多内容