本發(fā)明涉及車輛導(dǎo)航與控制，特別是一種工程車用自適應(yīng)跟蹤定位方法。

背景技術(shù)：

1、目前，工程車輛定位系統(tǒng)主要依賴全球定位系統(tǒng)和慣性導(dǎo)航系統(tǒng)的組合導(dǎo)航方案。然而，在復(fù)雜的工程環(huán)境中，gps信號易受遮擋和多路徑效應(yīng)的影響，導(dǎo)致定位精度下降；同時，慣性導(dǎo)航系統(tǒng)存在累積誤差，長時間工作后會造成定位偏差逐漸增大。此外，傳統(tǒng)的定位算法往往采用固定參數(shù)的濾波方法，難以適應(yīng)工程車輛在不同工況下的動態(tài)特性變化，影響了軌跡跟蹤的準(zhǔn)確性和實時性。

2、現(xiàn)有的工程車輛軌跡跟蹤技術(shù)通常采用pid控制或模糊控制等經(jīng)典控制方法，這些方法在處理非線性、時變的系統(tǒng)特性時存在明顯局限性。特別是在復(fù)雜地形條件下，由于地面摩擦系數(shù)、坡度等因素的變化，傳統(tǒng)控制方法難以實現(xiàn)精確的軌跡跟蹤。同時，現(xiàn)有技術(shù)缺乏對車輛運(yùn)動狀態(tài)的有效預(yù)測能力，無法提前規(guī)劃和優(yōu)化控制策略，導(dǎo)致跟蹤響應(yīng)滯后，容易產(chǎn)生軌跡偏離。另外，現(xiàn)有系統(tǒng)普遍存在傳感器數(shù)據(jù)融合效率低、抗干擾能力差等問題，難以保證在惡劣環(huán)境下的持續(xù)穩(wěn)定工作。

3、針對上述問題，本發(fā)明提出了一種工程車用自適應(yīng)跟蹤定位方法，該方法通過多源傳感器數(shù)據(jù)融合、自適應(yīng)濾波算法和神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的方式，有效解決了工程車在復(fù)雜環(huán)境下的精確定位和軌跡跟蹤問題，提高了系統(tǒng)的環(huán)境適應(yīng)性和控制精度。

技術(shù)實現(xiàn)思路

1、鑒于現(xiàn)有的工程車輛軌跡跟蹤技術(shù)在復(fù)雜工況下存在定位精度低、抗干擾能力差、控制響應(yīng)滯后以及環(huán)境適應(yīng)性不足的問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于如何提高工程車輛在復(fù)雜環(huán)境下的定位精度和軌跡跟蹤控制性能，實現(xiàn)系統(tǒng)的自適應(yīng)性。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實施例提供了一種工程車用自適應(yīng)跟蹤定位方法，其包括，采集工程車行駛時的位置信息和運(yùn)行參數(shù)，并通過車載傳感器傳輸至車載控制單元；通過所述車載控制單元對所述位置信息和所述運(yùn)行參數(shù)進(jìn)行融合處理，并采用卡爾曼濾波算法消除gps信號噪聲和慣性導(dǎo)航累積誤差，生成工程車的實時位置軌跡數(shù)據(jù)；基于所述實時位置軌跡數(shù)據(jù)，結(jié)合預(yù)存的工程區(qū)域電子地圖，采用自適應(yīng)粒子濾波算法計算工程車和預(yù)定路徑的偏差值；將所述偏差值和所述運(yùn)行參數(shù)輸入至構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型，預(yù)測工程車下一時刻位置；根據(jù)工程車的預(yù)測位置和實際位置的誤差，動態(tài)調(diào)整神經(jīng)網(wǎng)絡(luò)模型參數(shù)，生成轉(zhuǎn)向角修正量和速度調(diào)節(jié)指令；通過控制器將所述轉(zhuǎn)向角修正量和所述速度調(diào)節(jié)指令進(jìn)行執(zhí)行，實現(xiàn)工程車的軌跡跟蹤定位。

5、作為本發(fā)明所述工程車用自適應(yīng)跟蹤定位方法的一種優(yōu)選方案，其中：所述位置信息包括gps坐標(biāo)數(shù)據(jù)和慣性導(dǎo)航數(shù)據(jù)；所述運(yùn)行參數(shù)包括加速度、角速度、轉(zhuǎn)向角和車輛姿態(tài)數(shù)據(jù)；所述實時位置軌跡數(shù)據(jù)的生成方法為，將所述gps坐標(biāo)數(shù)據(jù)和所述慣性導(dǎo)航數(shù)據(jù)按照時間戳進(jìn)行同步對齊，建立所述gps坐標(biāo)數(shù)據(jù)和所述慣性導(dǎo)航數(shù)據(jù)組合導(dǎo)航的狀態(tài)方程和量測方程；根據(jù)所述狀態(tài)方程對工程車的位置狀態(tài)進(jìn)行預(yù)測，同時計算狀態(tài)預(yù)測的協(xié)方差矩陣，其中所述協(xié)方差矩陣包括過程噪聲協(xié)方差矩陣和量測噪聲協(xié)方差矩陣；根據(jù)所述量測方程計算卡爾曼增益矩陣，將gps坐標(biāo)數(shù)據(jù)作為觀測量，對預(yù)測狀態(tài)進(jìn)行修正，消除慣性導(dǎo)航數(shù)據(jù)的累積漂移；采用自適應(yīng)卡爾曼濾波算法動態(tài)調(diào)整過程噪聲協(xié)方差矩陣和量測噪聲協(xié)方差矩陣，其中所述過程噪聲協(xié)方差矩陣包括慣性傳感器的隨機(jī)誤差；所述量測噪聲協(xié)方差矩陣包括gps信號的多路徑效應(yīng)和大氣延遲；基于濾波后的位置坐標(biāo)，按照采樣周期連續(xù)記錄工程車的運(yùn)動軌跡，將相鄰兩個采樣點(diǎn)之間的位置坐標(biāo)通過三次樣條插值算法平滑連接，形成工程車的實時位置軌跡數(shù)據(jù)，計算工程車和預(yù)定路徑的偏差值。

6、作為本發(fā)明所述工程車用自適應(yīng)跟蹤定位方法的一種優(yōu)選方案，其中：所述狀態(tài)方程的具體公式如下：

7、

8、其中，xk為k時刻的狀態(tài)向量，φk,k-1為狀態(tài)轉(zhuǎn)移矩陣，bk為k時刻的控制輸入矩陣，uk為k時刻的控制輸入向量，αi為第i個慣性傳感器的權(quán)重系數(shù)，σi為第i個慣性傳感器的標(biāo)準(zhǔn)差，wi為第i個慣性傳感器的測量值，n為慣性傳感器數(shù)量。

9、所述量測方程的具體公式如下：

10、

11、其中，zk為k時刻的觀測向量，hk為k時刻的觀測矩陣，μi為第i個慣性傳感器的均值，βj為第j個gps接收機(jī)通道的權(quán)重系數(shù)，m為gps接收機(jī)通道數(shù)量。

12、作為本發(fā)明所述工程車用自適應(yīng)跟蹤定位方法的一種優(yōu)選方案，其中：所述偏差值的計算方法為，從存儲器中調(diào)取工程區(qū)域電子地圖，并在工程區(qū)域電子地圖上生成n個初始粒子，其中所述工程區(qū)域電子地圖包括道路網(wǎng)格數(shù)據(jù)、道路屬性數(shù)據(jù)和預(yù)定路徑坐標(biāo)點(diǎn)序列；將所述實時位置軌跡數(shù)據(jù)和所述預(yù)定路徑坐標(biāo)點(diǎn)序列進(jìn)行匹配，根據(jù)道路網(wǎng)格數(shù)據(jù)計算粒子的似然度，對粒子權(quán)重進(jìn)行更新；采用自適應(yīng)重采樣閾值，當(dāng)粒子權(quán)重方差大于第一閾值時，則觸發(fā)重采樣過程，并根據(jù)重采樣后的粒子群計算工程車當(dāng)前位置的最優(yōu)估計值；將所述最優(yōu)估計值和預(yù)定路徑上對應(yīng)點(diǎn)的坐標(biāo)相減，得到偏差值，其中所述偏差值包括橫向偏差值和縱向偏差值；將所述偏差值和所述運(yùn)行參數(shù)輸入至構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型，輸出預(yù)測結(jié)果。

13、作為本發(fā)明所述工程車用自適應(yīng)跟蹤定位方法的一種優(yōu)選方案，其中：所述神經(jīng)網(wǎng)絡(luò)模型包括輸入層、隱藏層和輸出層；輸入層接收位置信息、運(yùn)行參數(shù)和偏差值；所述隱藏層采用tanh激活函數(shù)提取特征間的組合關(guān)系；所述輸出層通過全連接層輸出預(yù)測的下一時刻位置。

14、作為本發(fā)明所述工程車用自適應(yīng)跟蹤定位方法的一種優(yōu)選方案，其中：根據(jù)工程車的預(yù)測位置和實際位置的誤差，動態(tài)調(diào)整神經(jīng)網(wǎng)絡(luò)模型參數(shù)，生成轉(zhuǎn)向角修正量和速度調(diào)節(jié)指令，包括：計算預(yù)測位置和實際位置之間的歐氏距離，將計算得到的位置誤差、誤差變化率和誤差累積值作為反饋信號；采用反向傳播算法更新神經(jīng)網(wǎng)絡(luò)模型的權(quán)重參數(shù)，使用adam優(yōu)化器自適應(yīng)調(diào)整學(xué)習(xí)率，其中權(quán)重更新量和位置誤差值成正比；基于位置誤差的方向分量，結(jié)合工程車當(dāng)前航向角，計算需要修正的轉(zhuǎn)向角度值，并通過sigmoid函數(shù)映射到轉(zhuǎn)向執(zhí)行機(jī)構(gòu)的有效范圍內(nèi)，生成轉(zhuǎn)向角修正量；根據(jù)位置誤差值設(shè)置速度調(diào)節(jié)系數(shù)，當(dāng)位置誤差大于等于第二閾值時，則降低行駛速度；當(dāng)位置誤差小于第二閾值時，則恢復(fù)正常速度，將速度調(diào)節(jié)系數(shù)轉(zhuǎn)換為發(fā)動機(jī)控制單元可識別的速度調(diào)節(jié)指令，并對神經(jīng)網(wǎng)絡(luò)模型的中間層特征進(jìn)行可視化分析，提取對預(yù)測精度貢獻(xiàn)最大的特征組合，動態(tài)調(diào)整丟棄率和注意力權(quán)重。

15、作為本發(fā)明所述工程車用自適應(yīng)跟蹤定位方法的一種優(yōu)選方案，其中：通過控制器將所述轉(zhuǎn)向角修正量和所述速度調(diào)節(jié)指令進(jìn)行執(zhí)行，實現(xiàn)工程車的軌跡跟蹤定位，包括：將所述轉(zhuǎn)向角修正量通過can總線發(fā)送至轉(zhuǎn)向控制器，采用pid算法對轉(zhuǎn)向電機(jī)的轉(zhuǎn)速和角度進(jìn)行閉環(huán)控制；同時將所述速度調(diào)節(jié)指令通過can總線發(fā)送至發(fā)動機(jī)控制單元，根據(jù)所述速度調(diào)節(jié)指令調(diào)整節(jié)氣門開度和燃油噴射量，控制發(fā)動機(jī)輸出扭矩；實時監(jiān)測轉(zhuǎn)向執(zhí)行機(jī)構(gòu)和動力輸出系統(tǒng)的響應(yīng)狀態(tài)，當(dāng)檢測到執(zhí)行偏差超過第三閾值時，則發(fā)出報警信號并啟動應(yīng)急處理操作。

16、第二方面，本發(fā)明實施例提供了一種計算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，其中：所述計算機(jī)程序指令被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的工程車用自適應(yīng)跟蹤定位方法的步驟。

17、第三方面，本發(fā)明實施例提供了一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其中：所述計算機(jī)程序指令被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的工程車用自適應(yīng)跟蹤定位方法的步驟。

18、本發(fā)明有益效果為：通過車載傳感器網(wǎng)絡(luò)實現(xiàn)多源數(shù)據(jù)的實時采集與傳輸，結(jié)合卡爾曼濾波算法消除gps和慣性導(dǎo)航系統(tǒng)的誤差，提高了定位精度；采用自適應(yīng)粒子濾波算法計算軌跡偏差，增強(qiáng)系統(tǒng)在復(fù)雜地形條件下的環(huán)境適應(yīng)性；通過神經(jīng)網(wǎng)絡(luò)模型對車輛位置進(jìn)行預(yù)測并動態(tài)調(diào)整模型參數(shù)，實現(xiàn)了控制策略的前瞻性優(yōu)化；最終通過閉環(huán)反饋控制機(jī)制執(zhí)行轉(zhuǎn)向角修正和速度調(diào)節(jié)，確保工程車的精確軌跡跟蹤，提升施工作業(yè)的效率和安全性。