欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019103879066
申请人: 吉林大学
专利类型:发明专利
专利状态:未下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种车辆路径跟踪预测控制器,其特征在于:其步骤是:一、对选择的三个车辆状态量分别进行支持向量机模型训练,每一个模型训练样本包含六个输入和一个输出,①对三个支持向量机模型分别建立如下训练样本:

车辆纵向速度vx训练样本:

车辆侧向速度vy训练样本:

车辆横摆角速度 训练样本:

②训练完成后得到三个支持向量机模型,分别为:

车辆纵向速度vx支持向量机模型

车辆侧向速度vy支持向量机模型

车辆横摆角速度 支持向量机模型

以车辆纵向速度vx支持向量机模型进行参数说明,其中nsv1是支持向量的个数,αi和为学习得到的权值,b为阈值,K1(u(i),u(k))为选择的径向基核函数,表达式为:K1(u(i),u(k))=exp(-γ1|u(i)-u(k)|2)γ1>0     (7);

二、车辆路径跟踪预测控制器

①以车辆纵向速度vx支持向量机模型为例,在系统的稳态点处对式(4)进行泰勒级数展开,得到vx支持向量

机模型的线性表达式:

其中,各个系数的求解公式如下

②对模型进一步推导得到增量模型表达式:

其中,各个增量表达式如下:

同理可以推导得到侧向速度vy和横摆角速度 的增量模型表达式:③车辆的横摆角比较小,假设:

假设状态下的侧向控制器使用的状态空间模型为:

其中

状态变量为车辆侧向速度vy、横摆角速度 和车辆横摆角ψ,控制输入为车辆前轮转角δ,系统输出为车辆在大地坐标系下的侧向速度Vy,在这里将驱动力矩Tt、制动力矩Tb和车辆纵向速度vx作为扰动项处理,即ω1;公式(14)中的系数矩阵为:④纵向控制器使用的状态空间模型为:

其中

状态变量为车辆的纵向速度vx、侧向速度vy和横摆角速度 控制输入是驱动力矩Tt和制动力矩Tb,系统输出为车辆的纵向速度vx,在这里将车辆前轮转角δ作为扰动项处理,即ω2;公式(17)中的系数矩阵为:⑤系统侧向运动特性的p步预测方程:

当p>1时,系数矩阵计算公式如下:

⑥系统未来预测模型:

其中

公式(22)中, ΔU1(k),ΔT1(k)分别为p步的被控预测输出、控制输入和系统扰动,Sx1,Su1,ST1,I是相应维数的系统系数矩阵。

纵向控制器需要的系统未来预测模型

公式(24)中的矩阵结构与侧向控制器的预测模型中的矩阵相同;

⑦车辆路径跟踪侧向控制器的目标函数为

Γu和Γy分别是输入项和输出项的加权矩阵;

满足系统约束

-0.18rad≤u1(k+i)≤0.18rad,i=0,1,…,p-1,-0.015rad≤Δu1(k+i)≤0.015rad,i=0,1,…,p-1.             (26);

给定的大地坐标系下车辆的侧向速度Yr1

⑧同理得到车辆路径跟踪控制问题中的纵向控制器的目标函数为其中控制器的给定期望为车辆的纵向速度

并且需要满足系统约束

纵向控制器的预测时域和控制时域均为10。

2.根据权利要求1所述的车辆路径跟踪预测控制器,其特征在于:车辆路径跟踪预测控制器的FPGA异构加速实现方法:首先对用.m语言设计的控制算法代码进行C/C++代码化,然后对C/C++代码进行定点数据设计,定点数据相对于浮点数据的特点在于,其数据总位宽保持不变且小数点的位置保持不变,所以一个设计好的定点数据,其数据范围与精度就是固定不变的;车辆路径跟踪预测控制器中涉及的变量较多,且优化求解计算过程中也涉及到许多数据需要进行定点结构设计;同时数据位数设计时,根据FPGA基本组成单元的格式,数据位宽尽量设计为8的倍数,否则同样会造成资源的浪费;对所有数据进行总位数和整数位数设计完成后,验证定点化的控制器的准确性,将控制算法编译成ARM上的可执行文件,对其准确性进行纯软件方式验证,证明控制器以纯软件方式运行的正确性;此时控制器一次求解时间为10.83ms,不能满足系统的采样时间要求;

软件模块开发完成后,对硬件模块进行开发,根据控制器的任务分析,对软件部分和硬件部分进行划分,对控制器代价函数求解算法中的矩阵运算进行FPGA加速,其余部分仍在ARM上运行;首先进行数据访问模式设计,将数据访问模式设计为streaming接口模式,使得FPGA上的加速器以严格的顺序对矩阵中的元素进行访问,同时需要传输的矩阵维数必须与设计加速器时指定的维数相同;在这种模式下,即便加速器在进行内存访问动作时,streaming接口仍然可以传输数据,对数据进行流水线处理;

然后对内存结构进行优化,由于结构上的天然差异,ARM和FPGA在存储器的使用上有着很大的区别,ARM处理器可以构建虚拟内存,其在读取数据时可以直接在虚拟内存中进行读取以提高处理器性能,而此时的使用的实际物理内存是许多不连续的分页;设计ARM端使用一块连续的实际内存,ARM直接将使用的连续实际物理内存的地址发送给FPGA上的硬件加速模块,所以此时只需要进行一次寻址操作既可找到所需数据;同时在设计时,考虑到连续内存的存储方式虽然可以优化数据传输性能,但相对分页存储方式会占用更多的资源,对高维数矩阵采用连续内存的存储方式;并在设计时考虑了对分配的连续内存进行释放,以防止资源浪费及内存溢出的问题;内存配置优化完成后,需要匹配合适的数据传输方式才能发挥出系统的性能;本发明根据每个矩阵需要传输的数据量级以及传输方式匹配的内存结构,将传输量超过300字节的矩阵存储方式设计为连续内存方式,数据传输方式设计为AXI_DMA_simple传输方式;

对内存匹配和数据传输优化完成后,需要进一步对与其连接的系统端口进行优化设计,从而完善ARM与FPGA之间的数据通信;将传输矩阵数据量大的端口设计为ACP模式,实现ARM与FPGA的快速数据交互,将传输矩阵数据量小的端口设计为GPx模式;

最后进行并行结构的设计,主要优化的部分为矩阵计算中的for循环,采取流水线的方法进行展开;对于一个由数据读取、计算和数据写出三个步骤组成的计算过程,采用流水线展开的方式,在第一个计算动作发生的同时,第二个计算动作开始了数据读取,在三次计算完成输出结果之前,只需要4个周期即可完成;

全部优化完成后得到最后的综合结果,包括FPGA各个加速模块的总时延以及资源使用情况,如表2所示;表中统计的预计时钟周期是所有加速模块中的最大值,因为FPGA的时钟频率是100MHz,所以满足10ns的固定时钟周期;

表2 优化综合结果