CN107200020B - 一种基于混杂理论的无人驾驶汽车自主转向控制***和方法 - Google Patents
一种基于混杂理论的无人驾驶汽车自主转向控制***和方法 Download PDFInfo
- Publication number
- CN107200020B CN107200020B CN201710327853.XA CN201710327853A CN107200020B CN 107200020 B CN107200020 B CN 107200020B CN 201710327853 A CN201710327853 A CN 201710327853A CN 107200020 B CN107200020 B CN 107200020B
- Authority
- CN
- China
- Prior art keywords
- control
- vehicle
- module
- steering
- pilotless automobile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 230000008447 perception Effects 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 7
- 238000011217 control strategy Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开了一种基于混杂理论的无人驾驶汽车自主转向控制***和方法,属于无人驾驶汽车横向控制领域,无人驾驶汽车自主转向控制***包括环境感知模块、车辆自身状态信息模块、路径规划模块、决策控制模块、操纵执行模块。本发明还提供一种基于混杂理论的无人驾驶汽车自主转向控制方法,通过引入混杂控制理论,将复杂工况下转向***的控制问题转化为多模式控制以及控制算法之间的切换协调问题加以解决,实现了无人驾驶汽车自主转向控制***全工况下的控制,在各个工况引入合适的控制算法,既能满足***局部控制性能,又能达到整体优化的目的,实现最佳的无人驾驶汽车转向控制性能,提高无人驾驶车辆的操纵稳定性和智能化水平。
Description
技术领域
本发明涉及一种无人驾驶汽车横向控制领域,尤其涉及一种基于混杂理论的无人驾驶汽车自主转向控制***和方法。
背景技术
以动力电气化、结构轻量化、行驶智能化三大科技为核心的汽车技术大变革正在全球范围内深入展开。2015年国务院正式发布《中国制造2025》,将“节能和新能源汽车”列于十大重点突破发展领域之一,总体上指明了节能汽车、新能源汽车和智能网联汽车技术的发展方向和路径,这是智能网联汽车首次被提升到国家战略的层面。工信部进一步明确:到2020年,要掌握智能辅助驾驶总体技术及各项关键技术,初步建立智能网联汽车自主研发体系及生产配套体系;到2025年,要掌握自动驾驶总体技术及各项关键技术,建立较完善的智能网联汽车自主研发体系、生产配套体系及产业群。
无人驾驶汽车是指搭载先进的车载传感器、控制器、执行器等装置,并融合现代通信与网络技术,实现车与X(人、车、路、后台等)智能信息交换共享,具备复杂环境感知、智能决策、协同控制和执行等功能,可实现安全、舒适、节能、高效行驶,并最终可替代人来操作的新一代汽车。
面向无人驾驶的终极目标,要求智能汽车横向控制***在多工况条件下,具有精确、高效、可靠的控制能力,保证车辆转向稳定性、行驶安全以及乘坐舒适,传统的单一的转向控制算法不能解决和协调自主转向控制***在不同工况下的控制需求和控制功能。
从无人驾驶汽车控制的安全性、稳定性角度来看,不同工况应具有不同的控制目标和侧重点,而使得整体综合性能达到最优,无人驾驶汽车自主转向控制本质上具有离散事件和连续动态并存以及离散事件与连续动态行为相互影响的特征,表现出典型切换控制的混杂***特征。混杂控制***理论有优于传统方法的良好性能,可以获得比单独采用连续动态或离散事件动态***更好的效果,解决传统控制器无法解决的复杂问题。
发明内容
为解决上述技术问题,本发明提供一种基于混杂理论的无人驾驶汽车自主转向控制***和方法,引入混杂控制***理论对转向控制***混杂特性进行分析,实现无人驾驶汽车转向控制***的混杂控制,能够提高无人驾驶汽车转向控制***的控制能力和满足自动驾驶多工况行驶稳定性需求。
一种基于混杂理论的无人驾驶汽车自主转向控制***,包括环境感知模块、车辆自身状态信息模块、路径规划模块、决策控制模块、操纵执行模块。
所述的环境感知模块利用视觉、雷达和定位***等感知车辆行驶的外部环境信息;
所述的车辆自身状态信息模块利用惯性器件以及CAN总线获取车辆的运行状态信息并对行驶参数进行估计;车辆自身状态信息模块利用汽车人机交互单元提示驾驶员控制***是否存在故障。
所述的路径规划模块根据环境感知模块传输的信息,基于车辆在地图***中绝对位置以及车辆与周边障碍物、车道线的相对位置进行全局和局部路径规划,按照能量消耗最少或路径长度最短的评价标准,寻找一条无碰撞的车辆期望行驶路径。
所述的决策控制模块包括:上位控制单元和下位控制单元,混杂控制器属于上位控制单元,执行电机属于下位控制单元;混杂控制器包括:转向控制器、切换监督器、切换控制器、稳定监督器;上位控制用于输出每个时刻的前轮转角和横摆角速度值,上位控制的输出值作为控制量传给下位控制,下位控制通过控制执行电机来实现车辆每个时刻的转角和横摆角速度;
转向控制器针对低速、中速、高速工况下分别设计符合控制目标的控制器,以满足车辆在不同工况下的控制要求;
切换监督器根据车辆车速的变化以及自主转向控制***是否存在故障,驱动混杂控制器模块进行有效的模式切换,同时保证切换过程中***的稳定性;
切换控制器根据切换监督器识别的无人驾驶汽车工作模式,选择转向控制器中合适的控制算法,来实现无人驾驶汽车在不同控制模式以及控制策略之间的切换协调。
稳定监督器用于实时监控各控制模式及其相应控制算法下的不稳定特征量,识别其不稳定趋势,强制限制其输出幅值,保证***的全局有界稳定。
所述的操纵执行模块,用于执行无人驾驶汽车自主转向。
上述方案中,所述混杂控制器模块包含四种模式,分别为低速模式m1、中速模式m2、高速模式m3、***故障模式m4;
上述方案中,低速模式m1、中速模式m2、高速模式m3属于有控制状态,***故障模式m4属于无控制状态。
一种基于混杂理论的无人驾驶汽车自主转向控制方法,包括以下步骤:
步骤1),环境感知模块感知车辆行驶的外部环境信息,并将获得的信息发送给路径规划模块;
步骤2),路径规划模块根据环境感知模块获得的信息,基于车辆在地图***中绝对位置以及车辆与周边障碍物、车道线的相对位置进行全局和局部路径规划;
步骤3),决策控制模块根据车辆自身信息模块获得的车辆的动力学状态和运行状态,将路径规划的结果转化为轨迹跟踪的执行指令,通过操纵执行模块实现车辆横向位置和航向角的控制,跟踪期望行驶路径。其中位置偏差和航向偏差作为上位控制中混杂控制器里的转向控制器的输入,切换监督器根据车辆车速以及自主转向控制***是否存在故障确定当前工作模式,并保证各模式之间切换的稳定性,切换控制器在切换监督器识别的不同模式下选择转向控制器中最合适的控制算法,前轮转角和横摆角速度作为混杂控制器的最终的输出,下位控制将前轮转角和横摆角速度作为控制量,通过控制执行电机来实现车辆的前轮转角和横摆角速度。
步骤4),操纵执行模块根据决策控制模块输出的执行电机的转动方向和输出扭矩,驱动操纵执行机构,执行无人驾驶汽车自主转向,从而使无人驾驶汽车跟踪期望轨迹;
上述方法还包括:当自主转向控制***发生***故障时,将通过车辆自身信息模块中人机交互单元提示驾驶员,驾驶员立即将车辆驾驶模式切换到人驾模式。
本发明的有益效果为:
1.本发明引入混杂***理论,将复杂工况下转向***的运行及控制问题转化为多模式控制以及控制算法之间的切换协调问题加以解决,将车速作为自主转向控制***不同模式的划分依据,将复杂的横向控制分解成几个单一工况下的合成控制,构建无人驾驶汽车转向控制***的“混杂切换模型体系”,实现了无人驾驶汽车自主转向混杂动态***的建模和控制。
2.本发明在自主转向控制***不同工况引入合适的控制算法,满足不同工况下的控制需求和控制功能,又满足整体运行过程中的控制需求,提高了无人驾驶汽车转向性能和操纵稳定性。
3.建立自主转向控制***切换监督器和稳定监督器,保证切换过程中***的渐进稳定和全局有界稳定,使得既满足***局部的稳定性,又达到整体优化和***稳定的目的,提高了无人驾驶汽车自主转向控制的稳定性。
附图说明
图1为无人驾驶汽车自主转向控制***结构示意图;
图2为无人驾驶汽车自主转向多模式切换控制的混杂控制器结构图。
具体实施方式
以下将结合本发明附图进行详细叙述。
如图1所示,一种基于混杂理论的无人驾驶汽车自主转向控制***,包括环境感知模块、车辆自身状态信息模块、路径规划模块、决策控制模块、操纵执行模块;
环境感知模块包括摄像机、雷达***、惯导/GPS定位***、信息处理***,摄像机安装在车辆前后挡风玻璃上负责采集车道线、标志牌、交通灯等信息;雷达***用于检测障碍物;惯导/GPS定位***用于获得车辆姿态参数、速度和位置信息;信息处理***用于处理摄像机、雷达***、惯导/GPS定位***所获得的信息。
车辆自身状态信息模块包括惯性器件、CAN总线、人机交互单元;惯性器件具体指的是惯导,采用加速度计和陀螺仪传感器来测量车辆参数;惯性器件、CAN总线用于获取车辆的运行状态信息并对行驶参数进行估计;由于直接测量汽车行驶过程中的某些关键状态,存在测量成本高、精确测量难度大等问题。因此,在惯导接受的车辆姿态信息基础上,采用估计的方法,借助车辆动力学模型,获得车辆完整的横向速度、横摆角速度以及质心侧偏角等状态参数,准确获取车辆行驶过程中的状态参数能使转向控制策略与被控对象匹配且达到良好控制性能;人机交互单元在自主转向控制***发生***故障时,提示驾驶员。
路径规划模块基于车辆与周边障碍物、车道线的相对位置以及在地图***中相对位置进行全局路径规划和局部路径规划,按照能量消耗最少或路径长度最短的评价标准,寻找一条无碰撞的车辆期望行驶路径。
决策控制模块包括上位控制单元和下位控制单元;混杂控制器属于上位控制单元,执行电机属于下位控制单元;混杂控制器包括:转向控制器、切换监督器、切换控制器;上位控制用于输出每个时刻的前轮转角和横摆角速度值,上位控制的输出值作为控制量传给下位控制,下位控制通过控制执行电机来实现车辆每个时刻的前轮转角和横摆角速度;决策控制模块根据环境感知、路径规划的结果以及整车及各子***状态信息以及执行机构反馈状态信息进行转向控制模式判定及控制策略制定;
转向控制器针对低速、中速、高速工况下分别设计符合控制目标的控制器,在低速、中速、高速模式下引入合适的控制算法,以满足车辆在不同工况下的控制要求;
切换监督器根据车辆自身状态信息模块中速度传感器获得的车速,以及人机交互模块提供的自主转向控制***是否存在故障,对混杂控制器的工作模式进行切换,同时监督无人驾驶汽车各控制模式之间的变迁过程,减小转向控制执行过程中由于模式切换引起的冲击和振荡,从而达到切换过程的渐进稳定;拟采用20km/h作为中低速切换点,60km/h作为中高速切换点,车辆速度在0-20km/h之间为低速模式、20-60km/h之间为中速模式、60km/h以上为高速模式;
切换控制器根据切换监督器识别的无人驾驶汽车工作模式,选择转向控制器中合适的控制算法,实现无人驾驶汽车在不同控制模式以及控制策略之间进行切换协调。
稳定监督器用于实时监控各控制模式及其相应控制算法下的不稳定特征量,识别其不稳定趋势,强制限制其输出幅值,保证***的全局有界稳定。
操纵执行模块,用于执行无人驾驶汽车自主转向。
混杂控制器模块包含四种模式,分别为低速模式m1、中速模式m2、高速模式m3、***故障模式m4;低速模式m1、中速模式m2、高速模式m3属于有控制状态,***故障模式m4属于无控制状态。
一种基于混杂理论的无人驾驶汽车自主转向控制方法,包括以下步骤:
步骤1),环境感知模块感知车辆行驶的外部环境信息,并将获得的信息发送给路径规划模块;
步骤2),路径规划模块根据环境感知模块获得的信息,基于车辆在地图***中绝对位置以及车辆与周边障碍物、车道线的相对位置进行全局和局部路径规划,按照能量消耗最少或路径长度最短的评价标准,寻找一条无碰撞的车辆期望行驶路径;
步骤3),决策控制模块根据车辆自身信息模块获得的车辆的动力学状态和运行状态,将路径规划的结果转化为轨迹跟踪的执行指令,通过操纵执行模块实现车辆横向位置和航向角的控制,跟踪期望行驶路径。其中位置偏差和航向偏差作为上位控制中混杂控制器里的转向控制器的输入,切换监督器根据车辆车速以及自主转向控制***是否存在故障确定当前工作模式,并保证各模式之间切换的稳定性,切换控制器在切换监督器识别的不同模式下选择转向控制器中最合适的控制算法,稳定监督器用于实时监控各控制模式及其相应控制算法下的不稳定特征量,识别其不稳定趋势,强制限制其输出幅值,保证***的全局有界稳定。前轮转角和横摆角速度作为混杂控制器的最终的输出,下位控制将前轮转角和横摆角速度作为控制量,通过控制执行电机来实现车辆的前轮转角和横摆角速度;
各个工作模式下采用的控制算法如下:
1)在低速模式m1下,车辆行驶速度较低,安全性较高,而PID控制算法具有控制算法简单、应用分别、参数调整较容易、控制效果好等优点,因此,低速模式可采用例如PID自适应控制算法。
2)在中速模式m2下,在中速情况下,车辆多行驶于城市道路,交通复杂,对转向控制精度要求较高,因此,中速模式下可采用例如最优控制算法。
3)在高速模式m3下,车辆行驶速度较高,模型预测控制算法在解决无人驾驶车辆在高速情况下的轨迹跟踪控制问题具有独特的优势,因此,高速模式下可采用例如基于模型的预测控制算法。
4)在***故障模式m4下,驾驶员将驾驶模式切换成人工控制,不需要进行自主转向控制。
步骤4),操纵执行模块根据决策控制模块输出的执行电机的转动方向和输出扭矩,驱动操纵执行机构,执行无人驾驶汽车自主转向,从而使无人驾驶汽车跟踪期望轨迹;
上述方法中还包括:当自主转向控制***发生***故障时,将通过车辆自身信息模块中人机交互单元提示驾驶员,驾驶员立即将车辆驾驶模式切换到人驾模式。
以上对本发明所提供的一种基于混杂理论的无人驾驶汽车自主转向控制***和方法进行了详细介绍,以上所述仅为本发明较佳实施例,仅用于说明本发明的设计思想和特点,并不用于限制本发明,凡在本发明技术思想下所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于混杂理论的无人驾驶汽车自主转向控制***,其特征在于,包括:环境感知模块、车辆自身状态信息模块、路径规划模块、决策控制模块、操纵执行模块;
所述的环境感知模块利用视觉、雷达和定位***感知车辆行驶的外部环境信息;
所述的车辆自身状态信息模块利用惯性器件以及CAN总线获取车辆的运行状态信息并对行驶参数进行估计;
所述的路径规划模块根据环境感知模块传输的信息,基于车辆在地图***中绝对位置以及车辆与周边障碍物、车道线的相对位置进行全局和局部路径规划,按照能量消耗最少或路径长度最短的评价标准,寻找一条无碰撞的车辆期望行驶路径;
所述的决策控制模块包括:上位控制单元和下位控制单元;上位控制单元用于输出每个时刻的前轮转角和横摆角速度值,上位控制单元的输出值作为控制量传给下位控制单元,下位控制单元实现车辆每个时刻的转角和横摆角速度;
所述的操纵执行模块,用于执行无人驾驶汽车自主转向;
所述上位控制单元包括混杂控制器;所述混杂控制器包括:转向控制器、切换监督器、切换控制器、稳定监督器;
所述转向控制器针对低速、中速、高速工况下分别设计符合控制目标的控制器,以满足车辆在不同工况下的控制要求;
所述切换监督器根据车辆车速的变化以及自主转向控制***是否存在故障,驱动混杂控制器模块进行有效的模式切换,同时保证切换过程中***的稳定性;
所述切换控制器根据切换监督器识别的无人驾驶汽车工作模式,选择转向控制器中合适的控制算法,来实现无人驾驶汽车在不同控制模式以及控制策略之间的切换协调;
所述稳定监督器用于实时监控各控制模式及其相应控制算法下的不稳定特征量,识别其不稳定趋势,强制限制其输出幅值,保证***的全局有界稳定。
2.根据权利要求1所述的一种基于混杂理论的无人驾驶汽车自主转向控制***,其特征在于,所述下位控制单元包括执行电机;所述下位控制单元通过控制执行电机实现车辆每个时刻的转角和横摆角速度。
3.根据权利要求1所述的一种基于混杂理论的无人驾驶汽车自主转向控制***,其特征在于,所述混杂控制器模块包含四种模式,分别为低速模式m1、中速模式m2、高速模式m3、***故障模式m4。
4.根据权利要求3所述的一种基于混杂理论的无人驾驶汽车自主转向控制***,其特征在于,所述低速模式m1、中速模式m2、高速模式m3属于有控制状态,所述***故障模式m4属于无控制状态。
5.根据权利要求1所述的一种基于混杂理论的无人驾驶汽车自主转向控制***,其特征在于,所述车辆自身状态信息模块还能够利用汽车人机交互单元提示驾驶员控制***是否存在故障。
6.一种基于混杂理论的无人驾驶汽车自主转向控制方法,其特征在于,包括以下步骤:
步骤1),环境感知模块感知车辆行驶的外部环境信息,并将获得的信息发送给路径规划模块;
步骤2),路径规划模块根据环境感知模块获得的信息,基于车辆在地图***中绝对位置以及车辆与周边障碍物、车道线的相对位置进行全局和局部路径规划;
步骤3),决策控制模块根据车辆自身信息模块获得的车辆的动力学状态和运行状态,将路径规划的结果转化为轨迹跟踪的执行指令,通过操纵执行模块实现车辆横向位置和航向角的控制,跟踪期望行驶路径;其中位置偏差和航向偏差作为上位控制中混杂控制器里的转向控制器的输入,切换监督器根据车辆车速以及自主转向控制***是否存在故障确定当前工作模式,并保证各模式之间切换的稳定性,切换控制器在切换监督器识别的不同模式下选择转向控制器中最合适的控制算法,前轮转角和横摆角速度作为混杂控制器的最终的输出,下位控制将前轮转角和横摆角速度作为控制量,通过控制执行电机来实现车辆的前轮转角和横摆角速度;
步骤4),操纵执行模块根据决策控制模块输出的执行电机的转动方向和输出扭矩,驱动操纵执行机构,执行无人驾驶汽车自主转向,从而使无人驾驶汽车跟踪期望轨迹。
7.根据权利要求6所述的一种基于混杂理论的无人驾驶汽车自主转向控制方法,其特征在于,所述步骤3)中各个工作模式下采用的控制算法如下:
1)在低速模式m1下,车辆行驶速度较低,安全性较高,在此低速模式下采用PID自适应控制算法;
2)在中速模式m2下,车辆多行驶于城市道路,交通复杂,对转向控制精度要求较高,在中速模式下采用最优控制算法;
3)在高速模式m3下,车辆行驶速度较高,在此高速模式下采用基于模型的预测控制算法;
4)在***故障模式m4下,驾驶员将驾驶模式切换成人工控制,不需要进行自主转向控制。
8.根据权利要求6所述的一种基于混杂理论的无人驾驶汽车自主转向控制方法,其特征在于,所述方法还包括:当自主转向控制***发生***故障时,将通过车辆自身信息模块中人机交互单元提示驾驶员,驾驶员立即将车辆驾驶模式切换到人驾模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710327853.XA CN107200020B (zh) | 2017-05-11 | 2017-05-11 | 一种基于混杂理论的无人驾驶汽车自主转向控制***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710327853.XA CN107200020B (zh) | 2017-05-11 | 2017-05-11 | 一种基于混杂理论的无人驾驶汽车自主转向控制***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107200020A CN107200020A (zh) | 2017-09-26 |
CN107200020B true CN107200020B (zh) | 2019-05-31 |
Family
ID=59905099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710327853.XA Active CN107200020B (zh) | 2017-05-11 | 2017-05-11 | 一种基于混杂理论的无人驾驶汽车自主转向控制***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107200020B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110254512A (zh) * | 2019-06-24 | 2019-09-20 | 清华大学 | 分布式智能电动车辆转向***功能安全架构设计方法 |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10606273B2 (en) * | 2017-04-20 | 2020-03-31 | Baidu Usa Llc | System and method for trajectory re-planning of autonomous driving vehicles |
CN107656519B (zh) * | 2017-09-30 | 2020-03-10 | 北京新能源汽车股份有限公司 | 电动车辆的驾驶控制方法及装置 |
CN108001447A (zh) * | 2017-11-23 | 2018-05-08 | 江苏大学 | 一种智能车辆路径跟踪前轮转角补偿控制方法 |
US11130497B2 (en) * | 2017-12-18 | 2021-09-28 | Plusai Limited | Method and system for ensemble vehicle control prediction in autonomous driving vehicles |
CN108170126B (zh) * | 2017-12-27 | 2020-09-25 | 湖北汽车工业学院 | 控制***及汽车 |
CN109969192B (zh) * | 2017-12-28 | 2021-06-11 | 郑州宇通客车股份有限公司 | 一种车辆及自动驾驶控制*** |
CN107943060B (zh) * | 2017-12-29 | 2021-12-07 | 上海司南卫星导航技术股份有限公司 | 一种自动驾驶仪、沿着跟踪直线引导车辆的方法以及计算机可读介质 |
KR102496654B1 (ko) * | 2018-02-21 | 2023-02-07 | 현대자동차주식회사 | 차량의 주행모드 전환 제어 장치 및 방법, 그리고 차량 시스템 |
US20210179142A1 (en) * | 2018-04-20 | 2021-06-17 | Sony Corporation | Mobile object, information processing apparatus, information processing method, and program |
DE102018206712B4 (de) * | 2018-05-02 | 2022-02-03 | Audi Ag | Betriebsverfahren für eine autonom betreibbare Vorrichtung und autonom betreibbare Vorrichtung |
CN109283923A (zh) * | 2018-07-02 | 2019-01-29 | 清博(昆山)智能科技有限公司 | 一种拖拉机自动转向***的建模*** |
CN109062205A (zh) * | 2018-07-26 | 2018-12-21 | 武汉水草能源科技研发中心(有限合伙) | 人工智能汽车无人驾驶*** |
CN108931981A (zh) * | 2018-08-14 | 2018-12-04 | 汽-大众汽车有限公司 | 一种自动驾驶车辆的路径规划方法 |
CN109001976B (zh) * | 2018-08-15 | 2021-04-02 | 江苏大学 | 一种自动驾驶车的双路协同可拓横向控制方法 |
CN109492599A (zh) * | 2018-11-20 | 2019-03-19 | 中车株洲电力机车有限公司 | 一种多轴电客车自导向方法 |
CN109398479B (zh) * | 2018-11-22 | 2021-07-06 | 广东工业大学 | 一种服务器、智能车转向控制方法、装置、介质及智能车 |
CN109557922B (zh) * | 2018-12-21 | 2022-08-23 | 江苏大学 | 一种智能拖拉机田间避障控制***及方法 |
CN109407677A (zh) * | 2018-12-24 | 2019-03-01 | 清华大学 | 自动驾驶车辆的轨迹跟踪方法 |
CN109733474A (zh) * | 2019-01-21 | 2019-05-10 | 江苏大学 | 一种基于分段仿射分层控制的智能车转向控制***及方法 |
CN109947103B (zh) * | 2019-03-18 | 2022-06-28 | 深圳一清创新科技有限公司 | 无人驾驶控制方法、装置、***和承载设备 |
CN111845788B (zh) * | 2019-04-18 | 2021-09-07 | 中车株洲电力机车研究所有限公司 | 基于场景智能感知的重载机车自动驾驶***和方法 |
CN110221611B (zh) * | 2019-06-11 | 2020-09-04 | 北京三快在线科技有限公司 | 一种轨迹跟踪控制方法、装置及无人驾驶车辆 |
CN110187639B (zh) * | 2019-06-27 | 2021-05-11 | 吉林大学 | 一种基于参数决策框架的轨迹规划控制方法 |
CN110316194A (zh) * | 2019-07-08 | 2019-10-11 | 广州易流新能源汽车科技有限公司 | 一种无人驾驶汽车驱动***、驱动控制方法和开发方法 |
WO2021012121A1 (zh) * | 2019-07-19 | 2021-01-28 | 西门子(中国)有限公司 | 机器人路径规划器、方法、装置和计算机可读存储介质 |
CN110723207B (zh) * | 2019-09-23 | 2021-08-03 | 江苏大学 | 基于模型重构的智能汽车模型预测转向控制器及其控制方法 |
CN110874098A (zh) * | 2019-10-16 | 2020-03-10 | 深圳一清创新科技有限公司 | 控制模块、智能车控制方法及其控制*** |
CN110758416B (zh) * | 2019-10-31 | 2020-11-10 | 北京易控智驾科技有限公司 | 无人驾驶矿车档位限制的控制***及控制方法 |
JP7158367B2 (ja) * | 2019-12-09 | 2022-10-21 | 本田技研工業株式会社 | 車両制御システム |
CN111026117B (zh) * | 2019-12-17 | 2023-07-18 | 江苏大学 | 一种智能插秧机避障最优控制***及控制方法 |
CN111367273A (zh) * | 2019-12-31 | 2020-07-03 | 天嘉智能装备制造江苏股份有限公司 | 基于路径跟踪的无人驾驶小型扫路车控制***及其控制方法 |
CN111208838B (zh) * | 2020-04-20 | 2020-11-03 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
CN111791887B (zh) * | 2020-07-03 | 2021-06-04 | 北京理工大学 | 一种基于分层式车速规划的车辆节能驾驶方法 |
CN111966103B (zh) * | 2020-08-18 | 2021-04-20 | 国以贤智能科技(上海)股份有限公司 | 无人驾驶叉车零偏角的动态修正方法、装置、设备及介质 |
CN112606848B (zh) * | 2020-11-24 | 2022-06-10 | 浙大宁波理工学院 | 车路协同无人驾驶控制方法 |
CN112622935B (zh) * | 2020-12-30 | 2022-04-19 | 一汽解放汽车有限公司 | 一种车辆自动驾驶方法、装置、车辆及存储介质 |
CN113341994B (zh) * | 2021-06-23 | 2022-10-28 | 江苏大学 | 一种基于分段仿射***最优控制的智能汽车路径跟踪控制方法 |
CN114435394A (zh) * | 2021-12-22 | 2022-05-06 | 安徽建德基文化传媒有限公司 | 一种无人驾驶汽车的控制*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101618733A (zh) * | 2009-08-06 | 2010-01-06 | 上海交通大学 | 汽车前后轮主动转向控制*** |
CN103921788A (zh) * | 2014-04-02 | 2014-07-16 | 奇瑞汽车股份有限公司 | 一种汽车行驶控制***及方法 |
CN106527428A (zh) * | 2016-10-19 | 2017-03-22 | 东风汽车公司 | 基于高速公路的嵌入式集成自动驾驶控制器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6260544B2 (ja) * | 2015-01-19 | 2018-01-17 | トヨタ自動車株式会社 | 自動運転装置 |
US10000124B2 (en) * | 2015-11-04 | 2018-06-19 | Zoox, Inc. | Independent steering, power, torque control and transfer in vehicles |
-
2017
- 2017-05-11 CN CN201710327853.XA patent/CN107200020B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101618733A (zh) * | 2009-08-06 | 2010-01-06 | 上海交通大学 | 汽车前后轮主动转向控制*** |
CN103921788A (zh) * | 2014-04-02 | 2014-07-16 | 奇瑞汽车股份有限公司 | 一种汽车行驶控制***及方法 |
CN106527428A (zh) * | 2016-10-19 | 2017-03-22 | 东风汽车公司 | 基于高速公路的嵌入式集成自动驾驶控制器 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110254512A (zh) * | 2019-06-24 | 2019-09-20 | 清华大学 | 分布式智能电动车辆转向***功能安全架构设计方法 |
CN110254512B (zh) * | 2019-06-24 | 2020-10-20 | 清华大学 | 分布式智能电动车辆转向***功能安全架构设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107200020A (zh) | 2017-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107200020B (zh) | 一种基于混杂理论的无人驾驶汽车自主转向控制***和方法 | |
CN109318905A (zh) | 一种智能汽车路径跟踪混合控制方法 | |
CN109795502B (zh) | 智能电动汽车路径跟踪模型预测控制方法 | |
CN108327717B (zh) | 一种人机共驾的车道偏离辅助***及其车道偏离辅助方法 | |
CN107139917B (zh) | 一种基于混杂理论的无人驾驶汽车横向控制***和方法 | |
CN103121451B (zh) | 一种弯路换道轨迹的跟踪控制方法 | |
CN106372758B (zh) | 一种辅助泊车***的路径跟随方法及装置 | |
CN111409641B (zh) | 一种基于纵横向协调的轨迹跟踪控制方法及*** | |
CN107943071A (zh) | 无人车的编队保持控制方法及*** | |
CN110525436A (zh) | 车辆换道控制方法、装置、车辆和存储介质 | |
CN108732921B (zh) | 一种自动驾驶汽车横向可拓预瞄切换控制方法 | |
CN207328574U (zh) | 一种基于主动安全的智能汽车轨迹跟踪控制*** | |
CN110851916B (zh) | 适用于任意曲率道路的车辆运动学人-车-路闭环*** | |
CN110096748A (zh) | 一种基于车辆运动学模型的人-车-路模型建模方法 | |
CN110920616A (zh) | 一种智能车换道轨迹及换道轨迹跟随控制方法 | |
CN109343531A (zh) | 车辆底盘***以及包含其的自动驾驶车辆 | |
Zhao et al. | A game-learning-based smooth path planning strategy for intelligent air–ground vehicle considering mode switching | |
CN113553726B (zh) | 一种冰雪环境下的主从博弈型人机协同转向控制方法 | |
CN106347361A (zh) | 一种冗余驱动车辆动力学控制分配方法 | |
CN109292018A (zh) | 基于同轴式轮腿结构的四轮转向轨迹跟踪控制方法 | |
CN212828326U (zh) | 一种基于纵横向协调的轨迹跟踪控制*** | |
CN110654386B (zh) | 弯道下多智能电动汽车协作式巡航纵横向综合控制方法 | |
CN115042770B (zh) | 一种基于分布式鲁棒模型预测的车辆队列横向控制方法 | |
CN114179818A (zh) | 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法 | |
CN110481563B (zh) | 基于驾驶员神经肌肉模型的人机共驾共享控制算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |