ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 4
ВВЕДЕНИЕ 7
1 ПОСТАНОВКА ЗАДАЧИ ПРЕДИКТИВНОГО УПРАВЛЕНИЯ 10
1.1 КЛАССИЧЕСКАЯ ПОСТАНОВКА ЗАДАЧИ ПРЕДИКТИВНОГО УПРАВЛЕНИЯ 10
1.2 ПРЕДИКТИВНОЕ УПРАВЛЕНИЕ ДВИЖЕНИЕМ АВТОПОЕЗДА 11
2 РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ СИСТЕМЫ УПРАВЛЕНИЯ 12
2.1 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ АВТОПОЕЗДА 12
2.2 АЛГОРИТМ ВЫЧИСЛЕНИЯ ОПОРНЫХ СИГНАЛОВ 14
3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ УПРАВЛЕНИЯ 18
3.1 ОПИСАНИЕ КОМПЬЮТЕРНОЙ МОДЕЛИ 18
3.2 РЕЗУЛЬТАТЫ ТЕСТИРОВАНИЯ И ИХ АНАЛИЗ 21
ЗАКЛЮЧЕНИЕ 29
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 30
ПРИЛОЖЕНИЯ 33
Создание автономных транспортных средств (АТС) является одним из ключевых направлений исследований в промышленности и науке. Такое внимание к данной отрасли связано с тем, что АТС позволят снизить количество аварий, экономить топливо и эффективнее управлять транспортным потоком. Как показывает исследование [1], пробок на дорогах станет существенно меньше, даже если всего 5% автомобилей будут беспилотными.
В качестве целевого транспортного средства, для которого разрабатывается алгоритм управления, был выбран автопоезд. В настоящее время автопоезда активно применяются в коммерческих грузоперевозках, что связано с их высокой экономической эффективностью. Согласно экспертным оценкам применение автопоездов позволяет снизить себестоимость транспортировки грузов на средних и больших дистанциях на 30% [2]. Однако управление автопоездом является достаточно сложной задачей, поскольку требует учета как динамики автомобиля-тягача, так и полуприцепа, а также их ограниченной маневренности. В связи с данным обстоятельством весьма актуальной является проблема разработки для них систем активной помощи водителю, а также полностью автономных автопоездов.
Как правило, в архитектуре АТС выделяют системы, отвечающие за восприятие, локализацию, планирование пути и управление движением [3]. В частности, система управления движением должна обеспечивать следование ТС траектории, сгенерированной системой планирования пути, с оптимальной скоростью. Для этого необходимо обеспечить управление продольным и боковым движением ТС.
Для управления продольным движением ТС часто используются системы «круиз-контроль» (КК) и «адаптивный круиз-контроль» (АКК). Обзор этапов развития систем АКК представлен, например, в работе [4]. В работе [5] описана реализация АКК на основе метода скользящего режима и приведено экспериментальное подтверждение его эффективности. Нелинейные методы управления, например, второй (прямой) метод Ляпунова (см., например, [6]) также применяются для управления продольным движением ТС.
Обзор методов управления боковым движением ТС и их реализаций представлен в работе [7], среди них можно отметить метод Стэнли [8] и линейно-квадратичное управление. Для повышения эффективности управления боковым движением могут использоваться и другие подходы. Так, в работе [9] управление осуществляется с помощью нечеткого регулятора, для настройки которого применяются генетические алгоритмы. Основным недостатком такого подхода является необходимость создания репрезентативного набора данных для обучения регулятора.
Во всех приведенных выше исследованиях задачи управления продольным и боковым движением ТС рассматривались независимо друг от друга, иными словами, применялась развязанная стратегия управления. В многосвязной стратегии управления они решаются совместно, что позволяет учитывать их взаимовлияние, но увеличивает вычислительную сложность алгоритма. В литературе предложены различные методы многосвязного управления, например, в [10] было предложено решение, основанное на рекурсивном синтезе (Backstepping); в [11] - решение, основанное на теории управляемых нелинейных систем (Flat systems). Недостатком данного метода является сложность идентификации параметров при быстром изменении динамики ТС.
В последнее время получили распространение системы предиктивного управления (Model Predictive Control, MPC), которые могут использоваться как в развязанных (например, в качестве регулятора бокового движения ТС [12, 13, 14]), так и в многосвязных системах управления [15]. В MPC последовательность управляющих воздействий вычисляется путем решения задачи оптимального управления на фиксированном конечном горизонте для текущего состояния нестационарной нелинейной системы [16]. Благодаря этому MPC хорошо подходит для управления движением автопоезда, которое описывается достаточно сложными и существенно нелинейными законами.
Таким образом, целью данной работы является разработка алгоритма многосвязного предиктивного управления продольным и боковым движением автопоезда по криволинейной траектории.
Для достижения поставленной цели необходимо решить следующие основные задачи:
• провести анализ существующих методов и алгоритмов согласованного управления продольным и боковым движением ТС;
• разработать алгоритм управления движением автопоезда, обеспечивающий движение по заданной криволинейной траектории с оптимальной скоростью;
• выполнить тестирование разработанного алгоритма на основе компьютерного моделирования управляемого криволинейного движения автопоезда.
В данной работе рассмотрена задача движения автопоезда по криволинейной траектории с оптимальной скоростью. Для решения задачи предложен алгоритм управления, основывающийся на стратегии многосвязного предиктивного управления. В качестве управляющих воздействий используются угол поворота управляемых колес автомобиля-тягача и ускорение автопоезда. Продольная и поперечная динамика описываются неявной нелинейной математической моделью в непрерывном времени. Построение дискретной линейной нестационарной модели для предсказаний, описывающей динамику отклонения системы от опорной траектории, основывается на дискретизации исходной системы методом Эйлера и вычислении явных аналитических выражений для её якобиана с помощью пакета символьных вычислений системы MATLAB. Опорная траектория и соответствующие опорные значения вектора состояний вычисляются с помощью известных геометрических методов, использующих информацию о координатах траектории и ее кривизне. При вычислении опорной скорости учитываются её ограничения по заносу и опрокидыванию.
Для тестирования предлагаемого алгоритма разработана компьютерная модель в среде имитационного моделирования Simulink. Результаты анализа показывают работоспособность предложенного алгоритма. Разработанный алгоритм может быть использован в качестве основы при разработке систем активной помощи водителю и автономных автопоездов.
В дальнейшем планируется добавить учет критической скорости по управляемости при расчете опорной скорости.
