本发明涉及车辆跟踪控制领域，尤其是考虑车辆横纵动力学耦合的跟踪控制方法。
背景技术：
1、随着全球经济的蓬勃发展和科技领域的快速进步，个人交通工具的普及程度已显著增长。统计数据显示机动车数量也显著攀升。然而，汽车数量的激增亦带来了一系列社会问题，如城市交通拥堵、尾气排放导致的空气污染以及交通安全等。
2、在过去的几十年里，对跟踪控制的研究已产生了大量重要的成果。在这些研究中，主要分为车辆横向控制、车辆纵向控制两个方面。车辆横向控制，是指对汽车的横向运动(即沿着垂直于车辆行进方向的轴线)的控制，主要涉及车辆的转向管理；它的核心目标是实现精确的路径跟踪，即保持汽车按照预定的轨迹行驶。车辆纵向控制是对车辆在其行进方向上的速度进行管理和调节，它关注的是车辆的加速和减速过程。在自动驾驶系统中，纵向控制负责实现车速的调整、保持与前车的安全距离以及应对各种交通环境下的速度控制要求。车辆在实际行驶中，横向运动与纵向运动之间具有耦合关系，因此需要同时对车辆的横向运动(转向控制)和纵向运动(速度控制)进行协调管理。在设计控制算法时要考虑到横向和纵向控制之间存在的相互影响：在高速行驶或紧急情况下，快速的纵向加速或减速可能会影响车辆的横向稳定性，反之亦然；在曲线行驶或车辆转向时，车辆的横向力会随着车速的不同而发生变化，进而影响到纵向力的分配和车辆的行驶轨迹；在某些复杂的驾驶场景中，如变道、避障或通过十字路口，横纵向动作需同时进行精确协调以确保行车安全和舒适。因此，在智能驾驶技术中，横纵耦合控制能够提供更加平顺、安全且有效的驾驶体验，特别是在复杂的道路状况中。
技术实现思路
1、本发明的目的是提供一种考虑车辆横纵动力学耦合的tube-based鲁棒模型预测跟踪控制方法，以有效提高车辆在复杂道路环境下的跟踪控制效果。
2、为了达到上述目的，本发明采用的技术方案是：
3、一种考虑车辆横纵动力学耦合的tube-based鲁棒模型预测跟踪控制方法，包括以下步骤：
4、s1：建立车辆运动行为模型及其t-s模糊模型；
5、s2：依据t-s模糊模型离线计算反馈增益和实际-标称误差的鲁棒正不变集，求解带有一系列线性矩阵不等式约束的min-max问题，得到最优控制输入。
6、与现有技术相比，本发明具有以下优点和有益效果：
7、本发明改进了现有车辆tube-based模型预测跟踪控制方法，并建立车辆跟踪控制t-s模糊模型，更精确的描述车辆运动行为。
8、本发明考虑车辆横纵动力学耦合的tube-based鲁棒模型预测跟踪控制方法相比于与传统tube-based跟踪控制方法保守性更小，跟踪效果更好。在复杂的驾驶场景中，如变道、避障或通过十字路口，本发明在横纵向动作同时进行精确协调，提供更加平顺、安全且有效的驾驶体验。
1.一种考虑车辆横纵动力学耦合的tube-based鲁棒模型预测跟踪控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种考虑车辆横纵动力学耦合的tube-based鲁棒模型预测跟踪控制方法，其特征在于：所述s1的具体实现方法包括以下步骤：
3.根据权利要求1所述的一种考虑车辆横纵动力学耦合的tube-based鲁棒模型预测跟踪控制方法，其特征在于：所述s2的具体实现方法包括以下步骤：
