车辆运动学和动力学模型

参考:路径规划与轨迹跟踪系列算法学习_第9讲_车辆运动学和动力学模型

1 车辆运动学模型和动力学模型概述

要控制车辆的运动,首先要对车辆的运动建立数字化模型,模型建立的越准确,对车辆运动的描述越准确,对车辆的跟踪控制的效果就越好。除了真实反映车辆特性外,建立的模型也应该尽可能的简单易用。车辆模型一般分为运动学动力学模型。

1.1 车辆运动学模型

在这里插入图片描述
车辆运动学模型(Kinematic Model)把车辆完全视为刚体,主要考虑车辆的位姿 ( x , y , θ ) (x,y,\theta) (x,y,θ)、速度 v v v、前轮转角 δ \delta δ等的关系,不考虑任何力的影响

1.2 车辆动力学模型

在这里插入图片描述车辆动力学模型(Dynamic Model)则需要考虑车辆和地面之间的力的影响,包括轮胎侧偏现象等。

在建立两种模型时,思路都是通过建立状态空间方程,以便于输入控制量得到理想的状态值;并且一般都建立为基于误差(位置误差、航向误差等)的状态空间方程。

2 车辆运动学模型

在这里插入图片描述
车辆运动学模型常采用自行车模型(Bicycle Model), 基于如下假设:

  • 不考虑车辆在垂直方向(Z轴方向)的运动,即假设车辆的运动是一个二维平面上的运动。
  • 假设车辆左右侧轮胎在任意时刻都拥有相同的转向角度和转速;这样车辆的左右两个轮胎的运动可以合并为一个轮胎来描述。
  • 假设车辆行驶速度变化缓慢,忽略前后轴载荷的转移。
  • 假设车身和悬架系统都是刚性系统。
  • 假设车辆的运动和转向是由前轮驱动(front−wheel−only)的。

车辆运动学方程:
{ x ˙ = v x = v cos ⁡ φ y ˙ = v y = v sin ⁡ φ φ ˙ = v tan ⁡ δ l \left\{\begin{array}{l} \dot{x}=v_{x}=v \cos \varphi \\ \dot{y}=v_{y}=v \sin \varphi \\ \dot{\varphi}=\frac{v \tan \delta}{l} \end{array}\right. x˙=vx=vcosφy˙=vy=vsinφφ˙=lvtanδ
=>
[ x ˙ y ˙ φ ˙ ] = [ v cos ⁡ φ v sin ⁡ φ v tan ⁡ δ l ] = [ f 1 f 2 f 3 ] \left[\begin{array}{c} \dot{x} \\ \dot{y} \\ \dot{\varphi} \end{array}\right]=\left[\begin{array}{c} v \cos \varphi \\ v \sin \varphi \\ \frac{v \tan \delta}{l} \end{array}\right]=\left[\begin{array}{l} f_{1} \\ f_{2} \\ f_{3} \end{array}\right] x˙y˙φ˙ = vcosφvsinφlvtanδ = f1f2f3

选取状态量为 χ = [ x , y , φ ] T \boldsymbol{\chi}=[x, y, \varphi]^{T} χ=[x,y,φ]T,控制量为 u = [ v , δ ] T \mathbf{u}=[v, \delta]^{T} u=[v,δ]T,则对于参考轨迹的任意一个参考点,用 r r r表示,上式改为:
χ ˙ = f ( χ , u ) ⇒ χ ˙ r = f ( χ r , u r ) \dot{\boldsymbol{\chi}}=f(\boldsymbol{\chi}, \mathbf{u}) \Rightarrow \dot{\boldsymbol{\chi}}_{r}=f\left(\boldsymbol{\chi}_{r}, \mathbf{u}_{r}\right) χ˙=f(χ,u)χ˙r=f(χr,ur)
其中, χ r = [ x r , y r , φ r ] T \boldsymbol{\chi_r}=[x_r, y_r, \varphi_r]^{T} χr=[xr,yr,φr]T u r = [ v r , δ r ] T \mathbf{u_r}=[v_r, \delta_r]^{T} ur=[vr,δr]T。对上式在参考点采用泰勒级数展开,并忽略高阶项:
χ ˙ = f ( χ r , u r ) + ∂ f ( χ , u ) ∂ χ ( χ − χ r ) + ∂ f ( χ , u ) ∂ u ( u − u r ) \dot{\chi}=f\left(\boldsymbol{\chi}_{r}, \mathbf{u}_{r}\right)+\frac{\partial f(\boldsymbol{\chi}, \mathbf{u})}{\partial \boldsymbol{\chi}}\left(\boldsymbol{\chi}-\boldsymbol{\chi}_{r}\right)+\frac{\partial f(\boldsymbol{\chi}, \mathbf{u})}{\partial \mathbf{u}}\left(\mathbf{u}-\mathbf{u}_{r}\right) χ˙=f(χr,ur)+χf(χ,u)(χχr)+uf(χ,u)(uur)
求雅可比矩阵:
∂ f ( χ , u ) ∂ χ = [ ∂ f 1 ∂ x ∂ f 1 ∂ y ∂ f 1 ∂ φ ∂ f 2 ∂ x ∂ f 2 ∂ y ∂ f 2 ∂ φ ∂ f 3 ∂ x ∂ f 3 ∂ y ∂ f 3 ∂ φ ] = [ 0 0 − v r sin ⁡ φ r 0 0 v r cos ⁡ φ r 0 0 0 ] ∂ f ( χ , u ) ∂ u = [ ∂ f 1 ∂ v ∂ f 1 ∂ δ ∂ f 2 ∂ v ∂ f 2 ∂ δ ∂ f 3 ∂ v ∂ f 3 ∂ δ ] = [ cos ⁡ φ r 0 sin ⁡ φ r 0 tan ⁡ φ r l v r l cos ⁡ 2 δ r ] \begin{array}{l} \frac{\partial f(\chi, \mathbf{u})}{\partial \chi}=\left[\begin{array}{lll} \frac{\partial f_{1}}{\partial x} & \frac{\partial f_{1}}{\partial y} & \frac{\partial f_{1}}{\partial \varphi} \\ \frac{\partial f_{2}}{\partial x} & \frac{\partial f_{2}}{\partial y} & \frac{\partial f_{2}}{\partial \varphi} \\ \frac{\partial f_{3}}{\partial x} & \frac{\partial f_{3}}{\partial y} & \frac{\partial f_{3}}{\partial \varphi} \end{array}\right]=\left[\begin{array}{ccc} 0 & 0 & -v_{r} \sin \varphi_{r} \\ 0 & 0 & v_{r} \cos \varphi_{r} \\ 0 & 0 & 0 \end{array}\right] \\ \frac{\partial f(\boldsymbol{\chi}, \mathbf{u})}{\partial \mathbf{u}}=\left[\begin{array}{ll} \frac{\partial f_{1}}{\partial v} & \frac{\partial f_{1}}{\partial \delta} \\ \frac{\partial f_{2}}{\partial v} & \frac{\partial f_{2}}{\partial \delta} \\ \frac{\partial f_{3}}{\partial v} & \frac{\partial f_{3}}{\partial \delta} \end{array}\right]=\left[\begin{array}{cc} \cos \varphi_{r} & 0 \\ \sin \varphi_{r} & 0 \\ \frac{\tan \varphi_{r}}{l} & \frac{v_{r}}{l \cos ^{2} \delta_{r}} \end{array}\right] \end{array} χf(χ,u)= xf1xf2xf3yf1yf2yf3φf1φf2φf3 = 000000vrsinφrvrcosφr0 uf(χ,u)= vf1vf2vf3δf1δf2δf3 = cosφrsinφrltanφr00lcos2δrvr
则状态量误差的变化量 χ ~ ˙ \dot{\tilde{\chi}} χ~˙表示为:
χ ~ ˙ = [ x ˙ − x ˙ r y ˙ − y ˙ r φ ˙ − φ ˙ r ] = [ 0 0 − v r sin ⁡ φ r 0 0 v r cos ⁡ φ r 0 0 0 ] [ x − x r y − y r φ − φ r ] + [ cos ⁡ φ r 0 sin ⁡ φ r 0 tan ⁡ φ r l v r l cos ⁡ 2 δ r ] [ v − v r δ − δ r ] ⇒ χ ~ ˙ = A χ ~ + B u ~ \dot{\tilde{\chi}}=\left[\begin{array}{c} \dot{x}-\dot{x}_{r} \\ \dot{y}-\dot{y}_{r} \\ \dot{\varphi}-\dot{\varphi}_{r} \end{array}\right]=\left[\begin{array}{ccc} 0 & 0 & -v_{r} \sin \varphi_{r} \\ 0 & 0 & v_{r} \cos \varphi_{r} \\ 0 & 0 & 0 \end{array}\right]\left[\begin{array}{l} x-x_{r} \\ y-y_{r} \\ \varphi-\varphi_{r} \end{array}\right]+\left[\begin{array}{cc} \cos \varphi_{r} & 0 \\ \sin \varphi_{r} & 0 \\ \frac{\tan \varphi_{r}}{l} & \frac{v_{r}}{l \cos ^{2} \delta_{r}} \end{array}\right]\left[\begin{array}{l} v-v_{r} \\ \delta-\delta_{r} \end{array}\right] \Rightarrow \dot{\tilde{\chi}}=A \tilde{\chi}+B \tilde{\mathbf{u}} χ~˙= x˙x˙ry˙y˙rφ˙φ˙r = 000000vrsinφrvrcosφr0 xxryyrφφr + cosφrsinφrltanφr00lcos2δrvr [vvrδδr]χ~˙=Aχ~+Bu~
上式表明状态误差量可以构成线性状态空间。对上式进行前向欧拉离散化,得到:
χ ~ ˙ = χ ~ ( k + 1 ) − χ ~ ( k ) T = A χ ~ + B u ~ \dot{\tilde{\chi}}=\frac{\tilde{\chi}(k+1)-\tilde{\chi}(k)}{T}=A \tilde{\chi}+B \tilde{\mathbf{u}} χ~˙=Tχ~(k+1)χ~(k)=Aχ~+Bu~
综上得:
χ ~ ( k + 1 ) = ( T A + E ) χ ~ ( k ) + T B u ~ ( k ) = [ 1 0 − T v r sin ⁡ φ r 0 1 T v r cos ⁡ φ r 0 0 1 ] χ ~ ( k ) + [ T cos ⁡ φ r 0 T sin ⁡ φ r 0 T tan ⁡ φ r l T v r l cos ⁡ 2 δ r ] u ~ ( k ) = A ~ χ ~ ( k ) + B ~ u ~ ( k ) \tilde{\chi}(k+1)=(T A+E) \tilde{\chi}(k)+T B \tilde{\mathbf{u}}(k)=\left[\begin{array}{ccc} 1 & 0 & -T v_{r} \sin \varphi_{r} \\ 0 & 1 & T v_{r} \cos \varphi_{r} \\ 0 & 0 & 1 \end{array}\right] \tilde{\chi}(k)+\left[\begin{array}{cc} T \cos \varphi_{r} & 0 \\ T \sin \varphi_{r} & 0 \\ T \frac{\tan \varphi_{r}}{l} & T \frac{v_{r}}{l \cos ^{2} \delta_{r}} \end{array}\right] \tilde{\mathbf{u}}(k)=\tilde{A} \tilde{\chi}(k)+\tilde{B} \tilde{\mathbf{u}}(k) χ~(k+1)=(TA+E)χ~(k)+TBu~(k)= 100010TvrsinφrTvrcosφr1 χ~(k)+ TcosφrTsinφrTltanφr00Tlcos2δrvr u~(k)=A~χ~(k)+B~u~(k)

3 车辆动力学模型

在这里插入图片描述
车辆动力学模型根据自由度可以划分为:

  • 二自由度模型:仅包括车辆侧向与横摆两个自由度。
  • 七自由度模型:包括车身纵向位移、横向位移和横摆角速度与四个车轮的回转运动。
  • 十一自由度模型:包括车辆纵向运动、车辆侧向运动、整车横摆、车身的俯仰、四个车轮的转动以及前轮转角。

根据受力方向又分为横向动力学和纵向动力学,一般两者解耦之后研究:

  • 纵向上,通过控制轮胎转速实现速度跟踪
  • 横向上,通过控制前轮转角实现路径跟踪

转向小角度轮胎动力学的基础上,研究车辆线性二自由度动力学模型

详细推导

车身𝑦轴方向应用牛顿第二定律可得:
m a y = F y f + F y r m a_{y}=F_{y f}+F_{y r} may=Fyf+Fyr
其中 a y a_y ay是车辆质心处的横向加速度, F y f , F y r F_{y f},F_{y r} Fyf,Fyr为地面给前轮胎和后轮施加的横向力。

横向加速度 a y ay ay由两部分组成:车辆沿车身𝑦轴横向运动产生的加速度 y ¨ \ddot{y} y¨,车身横摆运动产生的向心加速度 v x φ ˙ v_x\dot{\varphi} vxφ˙,因此 m ( y ¨ + v x φ ˙ ) = F y f + F y r m\left(\ddot{y}+v_{x} \dot{\varphi}\right)=F_{y f}+F_{y r} m(y¨+vxφ˙)=Fyf+Fyr,然后车辆绕𝑧轴的转矩平衡方程为 I z φ ¨ = F y f l f − F y r l r I_{z} \ddot{\varphi}=F_{y f} l_{f}-F_{y r} l_{r} Izφ¨=FyflfFyrlr

对于轮胎受到的两个横向力,考虑到小侧偏角的假设,则地面施加给轮胎的横向力(侧偏力)与轮胎侧偏角成线性关系(侧偏角是车轮速度方向与车轮纵轴的夹角):前轮侧偏角为: α f = δ − θ v f \alpha_{f}=\delta-\theta_{v f} αf=δθvf,其中 θ v f \theta_{v f} θvf是前轮胎速度方向与车身纵轴的夹角, δ \delta δ为前轮转向角。

后轮的侧偏角为: α r = − θ v r \alpha_{r}=-\theta_{v r} αr=θvr,因此前轮和后轮的横向轮胎力为:
{ F y f = 2 C α f ( δ − θ v f ) F y r = − 2 C α r θ v r \left\{\begin{array}{l} F_{y f}=2 C_{\alpha f}\left(\delta-\theta_{v f}\right) \\ F_{y r}=-2 C_{\alpha r} \theta_{v r} \end{array}\right. {Fyf=2Cαf(δθvf)Fyr=2Cαrθvr
将车辆质心到车轮这一部分视为刚体,则根据刚体运动学有:
{ tan ⁡ θ v f = v y + φ ˙ l f v x tan ⁡ θ v r = v y − φ ˙ l r v x ⇒ { θ v f = v y + φ ˙ l f v x θ v r = v y − φ ˙ l r v x \left\{\begin{array} { l } { \operatorname { t a n } \theta _ { v f } = \frac { v _ { y } + \dot { \varphi } l _ { f } } { v _ { x } } } \\ { \operatorname { t a n } \theta _ { v r } = \frac { v _ { y } - \dot { \varphi } l _ { r } } { v _ { x } } } \end{array} \Rightarrow \left\{\begin{array}{l} \theta_{v f}=\frac{v_{y}+\dot{\varphi} l_{f}}{v_{x}} \\ \theta_{v r}=\frac{v_{y}-\dot{\varphi} l_{r}}{v_{x}} \end{array}\right.\right. {tanθvf=vxvy+φ˙lftanθvr=vxvyφ˙lr{θvf=vxvy+φ˙lfθvr=vxvyφ˙lr

以横向位置、横向位置变化率、横摆角、横摆角变化率作为状态量
横向位置变化率:
d y ˙ d t = y ¨ = F y f + F y r m − v x φ ˙ = 2 C α f ( δ − θ v f ) − 2 C α r θ v r m − v x φ ˙ = 2 C α f δ m − 2 C α f θ v f + 2 C α r θ v r m − v x φ ˙ = − 2 C α f ( v y + φ ˙ l f v x ) + 2 C α r ( v y − φ ˙ l r v x ) m − v x φ ˙ + 2 C α f δ m = − ( 2 C α f + 2 C α r ) v y + ( 2 C α f l f − 2 C α r l r ) φ ˙ m v x − v x φ ˙ + 2 C α f δ m = − 2 C α f + 2 C α r m v x y ˙ + ( − 2 C α f l f − 2 C α r l r m v x − v x ) φ ˙ + 2 C α f m δ \begin{array}{l} \frac{d \dot{y}}{d t}=\ddot{y}=\frac{F_{y f}+F_{y r}}{m}-v_{x} \dot{\varphi}=\frac{2 C_{\alpha f}\left(\delta-\theta_{v f}\right)-2 C_{\alpha r} \theta_{v r}}{m}-v_{x} \dot{\varphi}=\frac{2 C_{\alpha f} \delta}{m}-\frac{2 C_{\alpha f} \theta_{v f}+2 C_{\alpha r} \theta_{v r}}{m}-v_{x} \dot{\varphi} \\ =-\frac{2 C_{\alpha f}\left(\frac{v_{y}+\dot{\varphi} l_{f}}{v_{x}}\right)+2 C_{\alpha r}\left(\frac{v_{y}-\dot{\varphi} l_{r}}{v_{x}}\right)}{m}-v_{x} \dot{\varphi}+\frac{2 C_{\alpha f} \delta}{m}=-\frac{\left(2 C_{\alpha f}+2 C_{\alpha r}\right) v_{y}+\left(2 C_{\alpha f} l_{f}-2 C_{\alpha r} l_{r}\right) \dot{\varphi}}{m v_{x}}-v_{x} \dot{\varphi}+\frac{2 C_{\alpha f} \delta}{m} \\ =-\frac{2 C_{\alpha f}+2 C_{\alpha r}}{m v_{x}} \dot{y}+\left(-\frac{2 C_{\alpha f} l_{f}-2 C_{\alpha r} l_{r}}{m v_{x}}-v_{x}\right) \dot{\varphi}+\frac{2 C_{\alpha f}}{m} \delta \end{array} dtdy˙=y¨=mFyf+Fyrvxφ˙=m2Cαf(δθvf)2Cαrθvrvxφ˙=m2Cαfδm2Cαfθvf+2Cαrθvrvxφ˙=m2Cαf(vxvy+φ˙lf)+2Cαr(vxvyφ˙lr)vxφ˙+m2Cαfδ=mvx(2Cαf+2Cαr)vy+(2Cαflf2Cαrlr)φ˙vxφ˙+m2Cαfδ=mvx2Cαf+2Cαry˙+(mvx2Cαflf2Cαrlrvx)φ˙+m2Cαfδ
横摆角变化率:
d φ ˙ d t = φ ¨ = F y f l f − F y r l r I z = 2 C α f ( δ − θ v f ) l f − 2 C α r θ v r l r I z = 2 C α r l r θ v r − 2 C α f l f θ v f I z + 2 C α f l f δ I z = 2 C α r l r ( v y − φ ˙ l r v x ) − 2 C α f l f ( v y + φ ˙ l f v x ) I z + 2 C α f l f δ I z = ( 2 C α r l r − 2 C α f l f ) v y − ( 2 C α r l r 2 + 2 C α f l f 2 ) φ ˙ I z v x + 2 C α f l f δ I z = 2 C α r l r − 2 C α f l f I z v x y ˙ + ( − 2 C α r l r 2 + 2 C α f l f 2 I z v x ) φ ˙ + 2 C α f l f I z δ \begin{array}{l} \frac{d \dot{\varphi}}{d t}=\ddot{\varphi}=\frac{F_{y f} l_{f}-F_{y r} l_{r}}{I_{z}}=\frac{2 C_{\alpha f}\left(\delta-\theta_{v f}\right) l_{f}-2 C_{\alpha r} \theta_{v r} l_{r}}{I_{z}}=\frac{2 C_{\alpha r} l_{r} \theta_{v r}-2 C_{\alpha f} l_{f} \theta_{v f}}{I_{z}}+\frac{2 C_{\alpha f} l_{f} \delta}{I_{z}} \\ =\frac{2 C_{\alpha r} l_{r}\left(\frac{v_{y}-\dot{\varphi} l_{r}}{v_{x}}\right)-2 C_{\alpha f} l_{f}\left(\frac{v_{y}+\dot{\varphi} l_{f}}{v_{x}}\right)}{I_{z}}+\frac{2 C_{\alpha f} l_{f} \delta}{I_{z}}=\frac{\left(2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}\right) v_{y}-\left(2 C_{\alpha r} l_{r}^{2}+2 C_{\alpha f} l_{f}^{2}\right) \dot{\varphi}}{I_{z} v_{x}}+\frac{2 C_{\alpha f} l_{f} \delta}{I_{z}} \\ =\frac{2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}}{I_{z} v_{x}} \dot{y}+\left(-\frac{2 C_{\alpha r} l_{r}^{2}+2 C_{\alpha f} l_{f}^{2}}{I_{z} v_{x}}\right) \dot{\varphi}+\frac{2 C_{\alpha f} l_{f}}{I_{z}} \delta \end{array} dtdφ˙=φ¨=IzFyflfFyrlr=Iz2Cαf(δθvf)lf2Cαrθvrlr=Iz2Cαrlrθvr2Cαflfθvf+Iz2Cαflfδ=Iz2Cαrlr(vxvyφ˙lr)2Cαflf(vxvy+φ˙lf)+Iz2Cαflfδ=Izvx(2Cαrlr2Cαflf)vy(2Cαrlr2+2Cαflf2)φ˙+Iz2Cαflfδ=Izvx2Cαrlr2Cαflfy˙+(Izvx2Cαrlr2+2Cαflf2)φ˙+Iz2Cαflfδ
车辆横向动力学模型状态空间方程
d d t [ y y ˙ φ φ ˙ ] = [ 0 1 0 0 0 − 2 C α f + 2 C α r m v x 0 − v x − 2 l f C α f − 2 l r C α r m v x 0 0 0 1 0 2 C α r l r − 2 C α f l f I z v x 0 − 2 l f 2 C α f + 2 l r 2 C α r I z v x ] [ y y ˙ φ φ ˙ ] + [ 0 2 C α f m 0 2 l f C α f I z ] \frac{d}{d t}\left[\begin{array}{c} y \\ \dot{y} \\ \varphi \\ \dot{\varphi} \end{array}\right]=\left[\begin{array}{cccc} 0 & 1 & 0 & 0 \\ 0 & -\frac{2 C_{\alpha f}+2 C_{\alpha r}}{m v_{x}} & 0 & -v_{x}-\frac{2 l_{f} C_{\alpha f}-2 l_{r} C_{\alpha r}}{m v_{x}} \\ 0 & 0 & 0 & 1 \\ 0 & \frac{2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}}{I_{z} v_{x}} & 0 & -\frac{2 l_{f}^{2} C_{\alpha f}+2 l_{r}^{2} C_{\alpha r}}{I_{z} v_{x}} \end{array}\right]\left[\begin{array}{c} y \\ \dot{y} \\ \varphi \\ \dot{\varphi} \end{array}\right]+\left[\begin{array}{c} 0 \\ \frac{2 C_{\alpha f}}{m} \\ 0 \\ \frac{2 l_{f} C_{\alpha f}}{I_{z}} \end{array}\right] dtd yy˙φφ˙ = 00001mvx2Cαf+2Cαr0Izvx2Cαrlr2Cαflf00000vxmvx2lfCαf2lrCαr1Izvx2lf2Cαf+2lr2Cαr yy˙φφ˙ + 0m2Cαf0Iz2lfCαf

根据系统状态方程之后就可以分析出在给定的前轮转角输入下,车辆的横向位移、横向速度、横摆角以及横摆角速度的响应,但是横向跟踪控制的目的是为了减小跟踪偏差,需要的状态方程是能够分析在给定的前轮转角下车辆跟踪偏差的响应

  • 车辆期望横摆角速度和横向加速度分别为:
    { φ ˙ d e s = v x R a y , d e s = v x 2 R = v x φ ˙ d e s \left\{\begin{array}{l} \dot{\varphi}_{d e s}=\frac{v_{x}}{R} \\ a_{y, d e s}=\frac{v_{x}^{2}}{R}=v_{x} \dot{\varphi}_{d e s} \end{array}\right. {φ˙des=Rvxay,des=Rvx2=vxφ˙des
  • 横摆角偏差和横摆角偏差变化率为:
    { φ ~ = φ − φ d e s φ ~ ˙ = φ ˙ − φ ˙ d e s \left\{\begin{array}{l} \tilde{\varphi}=\varphi-\varphi_{d e s} \\ \dot{\tilde{\varphi}}=\dot{\varphi}-\dot{\varphi}_{d e s} \end{array}\right. {φ~=φφdesφ~˙=φ˙φ˙des
  • 横向加速度偏差:
    a ~ y = a y − a y , d e s = ( y ¨ + v x φ ˙ ) − v x φ ˙ des  = y ¨ + v x ( φ ˙ − φ ˙ d e s ) = y ¨ + v x φ ~ ˙ \begin{array}{l} \tilde{a}_{y}=a_{y}-a_{y, d e s}=\left(\ddot{y}+v_{x} \dot{\varphi}\right)-v_{x} \dot{\varphi}_{\text {des }} \\ =\ddot{y}+v_{x}\left(\dot{\varphi}-\dot{\varphi}_{d e s}\right)=\ddot{y}+v_{x} \dot{\tilde{\varphi}} \end{array} a~y=ayay,des=(y¨+vxφ˙)vxφ˙des =y¨+vx(φ˙φ˙des)=y¨+vxφ~˙
  • 对上式积分,即为横向速度偏差 v ~ y \tilde{v}_{y} v~y,或称为横向位置偏差变化率 y ˙ ~ \tilde{\dot{y}} y˙~
    v ~ y = y ~ ˙ = y ˙ + v x ( φ − φ des  ) = y ˙ + v x φ ~ \tilde{v}_{y}=\dot{\tilde{y}}=\dot{y}+v_{x}\left(\varphi-\varphi_{\text {des }}\right)=\dot{y}+v_{x} \tilde{\varphi} v~y=y~˙=y˙+vx(φφdes )=y˙+vxφ~

以横向位置误差、横向位置误差变化率、横摆角误差、横摆角误差变化率作为状态量

  • 横向位置误差变化率:
    d y ~ ˙ d t = a ~ y = y ¨ + v x ( φ ˙ − φ ˙ d e s ) = − ( 2 C α f + 2 C α r ) m v x y ˙ + [ − ( 2 C α f l f − 2 C α x l r ) m v x − v x ] φ ˙ + 2 C α f m δ + v x ( φ ˙ − φ ˙ d e s ) = − 2 C α f + 2 C α r m v x ( y ~ ˙ − v x φ ~ ) + ( − 2 C α f l f − 2 C α r l r m v x ) ( φ ~ ˙ + φ ˙ d e s ) + 2 C α f m δ − v x φ ˙ des  = − 2 C α f + 2 C α r m v x y ~ ˙ + 2 C α f + 2 C α r m φ ~ − 2 C α f l f − 2 C α r l r m v x φ ~ ˙ + 2 C α f m δ − ( 2 C α f l f − 2 C α r l r m v x + v x ) φ ˙ d e s \begin{array}{l} \frac{d \dot{\tilde{y}}}{d t}=\tilde{a}_{y}=\ddot{y}+v_{x}\left(\dot{\varphi}-\dot{\varphi}_{d e s}\right)=-\frac{\left(2 C_{\alpha f}+2 C_{\alpha r}\right)}{m v_{x}} \dot{y}+\left[-\frac{\left(2 C_{\alpha f} l_{f}-2 C_{\alpha x} l_{r}\right)}{m v_{x}}-v_{x}\right] \dot{\varphi}+\frac{2 C_{\alpha f}}{m} \delta+v_{x}\left(\dot{\varphi}-\dot{\varphi}_{d e s}\right) \\ =-\frac{2 C_{\alpha f}+2 C_{\alpha r}}{m v_{x}}\left(\dot{\tilde{y}}-v_{x} \tilde{\varphi}\right)+\left(-\frac{2 C_{\alpha f} l_{f}-2 C_{\alpha r} l_{r}}{m v_{x}}\right)\left(\dot{\tilde{\varphi}}+\dot{\varphi}_{d e s}\right)+\frac{2 C_{\alpha f}}{m} \delta-v_{x} \dot{\varphi}_{\text {des }} \\ =-\frac{2 C_{\alpha f}+2 C_{\alpha r}}{m v_{x}} \dot{\tilde{y}}+\frac{2 C_{\alpha f}+2 C_{\alpha r}}{m} \tilde{\varphi}-\frac{2 C_{\alpha f} l_{f}-2 C_{\alpha r} l_{r}}{m v_{x}} \dot{\tilde{\varphi}}+\frac{2 C_{\alpha f}}{m} \delta-\left(\frac{2 C_{\alpha f} l_{f}-2 C_{\alpha r} l_{r}}{m v_{x}}+v_{x}\right) \dot{\varphi}_{d e s} \end{array} dtdy~˙=a~y=y¨+vx(φ˙φ˙des)=mvx(2Cαf+2Cαr)y˙+[mvx(2Cαflf2Cαxlr)vx]φ˙+m2Cαfδ+vx(φ˙φ˙des)=mvx2Cαf+2Cαr(y~˙vxφ~)+(mvx2Cαflf2Cαrlr)(φ~˙+φ˙des)+m2Cαfδvxφ˙des =mvx2Cαf+2Cαry~˙+m2Cαf+2Cαrφ~mvx2Cαflf2Cαrlrφ~˙+m2Cαfδ(mvx2Cαflf2Cαrlr+vx)φ˙des
  • 横摆角误差变化率:
    d φ ~ ˙ d t = φ ¨ − φ ¨ d e s = 2 C α r l r − 2 C α f l f I z v x y ˙ + ( − 2 C α l r r 2 + 2 C α f l f 2 I z v x ) φ ˙ + 2 C α f l f I z δ − φ ¨ des  = 2 C α r l r − 2 C α f l f I z v x ( y ~ ˙ − v x φ ~ ) + ( − 2 C α r l r 2 + 2 C α f l f 2 I z v x ) ( φ ~ ˙ + φ ˙ d e s ) + 2 C α f l f I z δ − φ ¨ d e s = 2 C α r l r − 2 C α f l f I z v x y ~ ˙ − 2 C α r l r − 2 C α f l f I z φ ~ − 2 C α r l r 2 + 2 C α f l f 2 I z v x φ ~ ˙ + 2 C α f l f I z δ − 2 C α r l r 2 + 2 C α f l f 2 I z v x φ ˙ d e s − φ ¨ d e s \begin{array}{l} \frac{d \dot{\tilde{\varphi}}}{d t}=\ddot{\varphi}-\ddot{\varphi}_{d e s}=\frac{2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}}{I_{z} v_{x}} \dot{y}+\left(-\frac{2 C_{\alpha l} r_{r}^{2}+2 C_{\alpha f} l_{f}^{2}}{I_{z} v_{x}}\right) \dot{\varphi}+\frac{2 C_{\alpha f} l_{f}}{I_{z}} \delta-\ddot{\varphi}_{\text {des }} \\ =\frac{2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}}{I_{z} v_{x}}\left(\dot{\tilde{y}}-v_{x} \tilde{\varphi}\right)+\left(-\frac{2 C_{\alpha r} l_{r}^{2}+2 C_{\alpha f} l_{f}^{2}}{I_{z} v_{x}}\right)\left(\dot{\tilde{\varphi}}+\dot{\varphi}_{d e s}\right)+\frac{2 C_{\alpha f} l_{f}}{I_{z}} \delta-\ddot{\varphi}_{d e s} \\ =\frac{2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}}{I_{z} v_{x}} \dot{\tilde{y}}-\frac{2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}}{I_{z}} \tilde{\varphi}-\frac{2 C_{\alpha r} l_{r}^{2}+2 C_{\alpha f} l_{f}^{2}}{I_{z} v_{x}} \dot{\tilde{\varphi}}+\frac{2 C_{\alpha f} l_{f}}{I_{z}} \delta-\frac{2 C_{\alpha r} l_{r}^{2}+2 C_{\alpha f} l_{f}^{2}}{I_{z} v_{x}} \dot{\varphi}_{d e s}-\ddot{\varphi}_{d e s} \end{array} dtdφ~˙=φ¨φ¨des=Izvx2Cαrlr2Cαflfy˙+(Izvx2Cαlrr2+2Cαflf2)φ˙+Iz2Cαflfδφ¨des =Izvx2Cαrlr2Cαflf(y~˙vxφ~)+(Izvx2Cαrlr2+2Cαflf2)(φ~˙+φ˙des)+Iz2Cαflfδφ¨des=Izvx2Cαrlr2Cαflfy~˙Iz2Cαrlr2Cαflfφ~Izvx2Cαrlr2+2Cαflf2φ~˙+Iz2CαflfδIzvx2Cαrlr2+2Cαflf2φ˙desφ¨des
    车辆横向动力学模型跟踪误差状态空间方程

忽略 φ ˙ des  , φ ¨ des  \dot{\varphi}_{\text {des }}, \ddot{\varphi}_{\text {des }} φ˙des ,φ¨des ,改写误差状态方程

d d t [ y ~ y ~ ˙ φ ~ φ ~ ˙ ] = [ 0 1 0 0 0 − 2 C α f + 2 C α r m v x 2 C α f + 2 C α r m v x − 2 l f C α f − 2 l r C α r m v x 0 0 0 1 0 2 C α r l r − 2 C α f l f I z v x − 2 C α r l r − 2 C α f l f I z v x − 2 l f 2 C α f + 2 l r 2 C α r I z v x ] [ y ~ y ~ ˙ φ ~ φ ~ ˙ ] + [ 0 2 C α f m 0 2 l f C α f I z ] δ \frac{d}{d t}\left[\begin{array}{c} \tilde{y} \\ \dot{\tilde{y}} \\ \tilde{\varphi} \\ \dot{\tilde{\varphi}} \end{array}\right]=\left[\begin{array}{cccc} 0 & 1 & 0 & 0 \\ 0 & -\frac{2 C_{\alpha f}+2 C_{\alpha r}}{m v_{x}} & \frac{2 C_{\alpha f}+2 C_{\alpha r}}{m v_{x}} & -\frac{2 l_{f} C_{\alpha f}-2 l_{r} C_{\alpha r}}{m v_{x}} \\ 0 & 0 & 0 & 1 \\ 0 & \frac{2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}}{I_{z} v_{x}} & -\frac{2 C_{\alpha r} l_{r}-2 C_{\alpha f} l_{f}}{I_{z} v_{x}} & -\frac{2 l_{f}^{2} C_{\alpha f}+2 l_{r}^{2} C_{\alpha r}}{I_{z} v_{x}} \end{array}\right]\left[\begin{array}{c} \tilde{y} \\ \dot{\tilde{y}} \\ \tilde{\varphi} \\ \dot{\tilde{\varphi}} \end{array}\right]+\left[\begin{array}{c} 0 \\ \frac{2 C_{\alpha f}}{m} \\ 0 \\ \frac{2 l_{f} C_{\alpha f}}{I_{z}} \end{array}\right] \delta dtd y~y~˙φ~φ~˙ = 00001mvx2Cαf+2Cαr0Izvx2Cαrlr2Cαflf0mvx2Cαf+2Cαr0Izvx2Cαrlr2Cαflf0mvx2lfCαf2lrCαr1Izvx2lf2Cαf+2lr2Cαr y~y~˙φ~φ~˙ + 0m2Cαf0Iz2lfCαf δ

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/469625.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Django分页器

Django分页器 分页器前瞻之url urls.py不需要做修改 urlpatterns [path(test/, views.test,nametest), ]假设此时在原有的路径http://127.0.0.1:8000/app01/test后面添加/?page2 然后再后端获取到page def test(request):page request.GET.get(page)print(page) # 2retu…

Linux--如何在Linux上运行一个helloworld

一.安装vim和gcc sudo --是进入管理员模式 apt --是 Advanced Package Tool(高级软件包工具)的缩写,这是用于管理软件包的一种工具。 install --是安装的意思 后面跟软件的名称 完整的意思:在管理员的模式下安装 某个软件 …

使用jQuery的autocomplete实现数据查询一次,联想自动补全

书接上回,上次说到在jsp页面中,通过监听输入框的数值变化,实时查询数据库,得到返回值使用autocomplete属性自动补全,实现一个联想补全辅助操作,链接:使用jquery的autocomplete属性实现联想补全操…

C++--STL标准库

一.模板 模板是C中泛型编程的基础。一个模板就是一个创建类或函数的蓝图。 生活中常见的模板有: 编写一个比较两个值大小的函数,如果第一个值大于第二个值返回大于0的数字,两个值相等返回0,第一个值小于第二个值返回小于0的数字。 我们可以根据值类型定义多个函数&…

2024年阿里云服务器搭建幻兽帕鲁游戏_保姆级教程

玩转幻兽帕鲁服务器,阿里云推出新手0基础一键部署幻兽帕鲁服务器教程,傻瓜式一键部署,3分钟即可成功创建一台Palworld专属服务器,成本仅需26元,阿里云服务器网aliyunfuwuqi.com分享2024年新版基于阿里云搭建幻兽帕鲁服…

SecureCRT出现乱码的解决方法

SecureCRT是一个商业终端连接工具,它支持多种自定义设置。默认设置下,通过SecureCRT连接SSH服务器可能出现中文乱码的情况。这是由于SecureCRT字符编码与服务器的字符编码不一致造成的。 当然解决这个问题也很简单,将SecureCRT字符编码设置成…

深入探讨Python中的文件操作与文件IO操作【第141篇—Python实现】

👽发现宝藏 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。【点击进入巨牛的人工智能学习网站】。 深入探讨Python中的文件操作与文件IO操作 在Python编程中,文件操作和文件IO操作…

计算机缺失msvcp110.dll如何修复,多种修复方法教给你

当电脑系统中msvcp110.dll文件丢失时,可能会对计算机的正常运行产生一系列显著的影响。msvcp110.dll是Microsoft Visual C Redistributable Package的一部分,这个动态链接库文件对于许多基于Windows的应用程序至关重要,尤其是一些使用C编译器…

干货整理!火石控股创始人吴渔夫的 AI 游戏思维20条

近日,在一场面对面的直播中,自媒体「极新」创始人姜稳与火石控股创始人、奇酷网络董事长吴渔夫进行视频对话中,探讨了AI技术对游戏行业的新机遇和新挑战。 中国网游先锋,火石控股创始人,奇酷网络董事长吴渔夫认为&…

【亲测】Onlyfans年龄认证怎么办?Onlyfans需要年龄验证?

1. 引言 什么是OnlyFans:OnlyFans是一种内容订阅服务,成立于2016年,允许内容创作者从用户那里获得资金,用户需要支付订阅费用才能查看他们的内容。它在多个领域受到欢迎,包括音乐、健身、摄影,以及成人内容…

万众期待,催更5年,《码农翻身2》强势来袭!!!

转眼间,距离《码农翻身》的出版已经过了5 年时间,很多读者催问:“什么时候出《码农翻身2》?我已经等不及了!”“疫情都结束了,《码农翻身2》在哪儿?”…… 现在《码农翻身2》终于来了&#xff…

靠谱且性价比高的随身WiFi推荐!买随身WiFi应该注意什么?最全攻略,新手必看

一、哪些人更适合使用随身WiFi呢? 1、【学生党】校园网太差,流量费太贵,没钱的学生党用个靠谱的随身WiFi挺不错的。 2、【户外工作者】货车司机、滴滴司机等。高峰期抢单没信号,空闲打发时间没流量,可以使用一个。 3…

改进YOLOv8注意力系列六:结合SEAttention轻量通道注意力、ShuffleAttention重排特征注意力模块、SimAM无参数化注意力

改进YOLOv8注意力系列五:结合ParNetAttention注意力、高效的金字塔切分注意力模块PSA、跨领域基于多层感知器(MLP)S2Attention注意力 代码SEAttention轻量通道注意力ShuffleAttention重排特征注意力模块SimAM无参数化注意力加入方法各种yaml加入结构本文提供了改进 YOLOv8注…

智能合约 之 部署ERC-20

Remix介绍 Remix是一个由以太坊社区开发的在线集成开发环境(IDE),旨在帮助开发者编写、测试和部署以太坊智能合约。它提供了一个简单易用的界面,使得开发者可以在浏览器中直接进行智能合约的开发,而无需安装任何额外的…

Linux 进程管理工具top ps

概述 top 和 ps 是 Linux 系统中两个非常重要的用于管理和监控进程的命令工具。以下是它们的主要功能和区别: top: 动态视图:top 提供了一个实时动态更新的视图,能够持续显示系统中当前正在运行的进程信息及其资源占用情况。 系统…

2024-Spring IOC 和 AOP源码分析(上篇)

**前言:**笔者最近面了几次大厂。。。开局Spring源码暴击 之前看过忘了写篇总结。。。 1、介绍一下Spring 核心组件: 常用模块: 常用注解: 2、说一下SpringIOC原理 概念:Spring 通过一个配置文件描述 Bean 及 B…

Linux--Shell脚本安装 httpd 和 修改IP

shell脚本 关闭防火墙、安装httpd、启动httpd [rootnode11 ~]# mkdir shell[rootnode11 ~]# vim abc.sh #!/bin/bash#安装httpd服务#1、挂载 准备yum源 mount /dev/sr0 /mnt &> /dev/nulldf$(df -h | grep /dev/sr0 | awk {print $6})if [ "$df" "/mn…

Day61:WEB攻防-PHP反序列化原生类TIPSCVE绕过漏洞属性类型特征

知识点: 1、PHP-反序列化-属性类型&显示特征 2、PHP-反序列化-CVE绕过&字符串逃逸 3、PHP-反序列化-原生类生成&利用&配合 补充:如果在 PHP 类中没有实现某个魔术方法,那么该魔术方法在相应的情况下不会被自动触发。PHP 的魔…

Nacos学习笔记

Nacos官网 https://github.com/alibaba/nacos/releases https://www.bilibili.com/video/BV1q3411Z79z 1. Nacos介绍 Nacos是Dynamic Naming and Configuration Service的首字母简称,一个更易于构建云原生应用的动态服务发现、配置管理和服务管理平台。 在这个…

进销存管理完整方案:那些让人头疼的进销存难题及解决方法!

什么是进销存管理?为何进销存管理在企业管理中如此重要?进销存管理的核心模块包括哪些?为何企业在进销存管理中常常遭遇前后方协作不畅、数据不同步等痛点?又该如何针对进销存管理痛点进行优化?本文将从进销存管理的基…