CN108725453A - 基于驾驶员模型和操纵逆动力学的人机共驾控制***及其切换模式 - Google Patents

Abstract

本发明公开了一种基于驾驶员模型和操纵逆动力学的人机共驾控制***及其切换模式，包括传感器***、驾驶意图识别模型、人机共驾模型、主权切换控制***和执行***。首先由传感器***监测行驶环境信息、车辆状态信息以及驾驶员状态信息，其中驾驶员状态信号传递给驾驶意图识别模型；其次建立基于操纵逆动力学和驾驶员模型的人机共驾模型，计算出期望的操纵输入和驾驶员的操纵输入；基于此建立人机共驾切换规则，***在理解驾驶员驾驶意图的基础上对其进行必要修正，在驾驶员暂时失去控制能力或辅助***暂时失去辅助工作能力时，由另一方全权控制，避免人机之间产生不必要干扰。本发明降低驾驶员操作负担，避免人机交替不协调。

Description

基于驾驶员模型和操纵逆动力学的人机共驾控制***及其切 换模式

技术领域

本发明属于汽车安全技术领域，具体涉及一种基于驾驶员模型和操纵逆动力学的人机共驾控制***及其切换模式。

背景技术

无人驾驶汽车的普及能够大幅减少驾驶员因疲劳驾驶、操作不当等人为因素造成的事故。按SAE的分级标准，汽车智能化发展可划分为五个等级：完全人类驾驶、驾驶辅助、部分自动驾驶、有条件自动驾驶、高度自动驾驶和完全自动驾驶六个等级。虽然无人驾驶技术已得到长期的关注，且其研究已取得了较大发展,但从实际推广和大批量应用的角度来看,无人驾驶汽车要想成为人类的交通工具，将面临法律制约、保险、技术难度、事故责任、驾驶乐趣等问题，复杂的道路交通环境也决定了无人驾驶阶段短期不可能实现，因此在未来很长一段时间内，人机是共存的，智能汽车仍面对人-机共同控制的局面。

随着汽车智能化程度的提高和驾驶辅助***的不断发展，汽车与驾驶员之间的关系变得十分复杂，各种基于环境信息感知的车辆主动控制***和存在个体差异的驾驶员共同构成了对智能汽车的并行二元控制，人-机间存在一种动态交互关系。汽车智能化程度的提高和自主权限的扩大导致车的意图和人的意图必然会出现耦合和制约的关系。汽车作为个性化需求较强的产品，用户对于汽车自主决策和控制的接受度是衡量汽车价值的一个重要指标。因此，建立人机共驾控制***及其切换模式是智能汽车发展过程中亟待解决的关键问题。

良好的人机共驾控制***应当在确保汽车运动安全的前提下,根据驾驶员行为和汽车安全态势对人机间的驾驶权进行自适应的切换,实现人机协同驾驶。本发明设计的人机共驾控制***及其切换模式是驾驶员占据控制权的双驾单控***，该人机共驾控制***在识别驾驶意图，预估驾驶员的控制量的基础上，进行符合驾驶员意图和期望控制目标的辅助控制。以尽可能小的干预力度实现与驾驶员共享控制，以给予驾驶员更大的自由度去独自控制汽车。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于驾驶员模型和操纵逆动力学的人机共驾控制***及其切换模式，以尽可能小的干预力度实现与驾驶员共享控制，降低驾驶员操作负担,避免人机交替不协调。

本发明是一种基于驾驶员模型和操纵逆动力学的人机共驾控制***及其切换模式。人机共驾控制***包括传感器***、驾驶意图识别模型、人机共驾模型、主权切换控制***和执行***。首先由传感器***监测行驶环境信息、车辆状态信息以及驾驶员状态信息，其中驾驶员状态信号传递给驾驶意图识别模型；其次建立基于操纵逆动力学和驾驶员模型的人机共驾模型，从而计算出期望的操纵输入和驾驶员的操纵输入；并基于此建立人机共驾切换规则，***在理解驾驶员驾驶意图的基础上对其进行必要的修正，在驾驶员暂时失去控制能力或辅助***暂时失去辅助工作能力时，由另一方全权控制，避免人机之间产生不必要的干扰。本发明所设计的人机共驾控制***及其切换模式既能够适用于当前法规条件与环境感知技术水平，又能进一步降低驾驶员操作负担,避免人机交替不协调。本发明容易实现、具有良好的应用前景。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于驾驶员模型和操纵逆动力学的人机共驾控制***，包括依次连接的传感器***、驾驶意图识别模型、人机共驾模型、主权切换控制***和执行***，其中，

所述传感器***包括：

驾驶员状态感知模块，用于将驾驶员状态信号传递给驾驶意图识别模型，

车辆行驶状态感知模块，用于将车辆行驶状态信号传递给人机共驾模型，

行驶环境感知模块，用于将行驶环境信号传递给人机共驾模型；

所述驾驶意图识别模型用于根据驾驶员状态信号识别出驾驶意图，并传递到人机共驾模型；

所述人机共驾模型包括车路模型、驾驶员模型、操纵逆动力学模型，所述车路模型接收车辆行驶状态信号和行驶环境信号及驾驶意图，在此基础上建立基于驾驶员模型及操纵逆动力学的人机共驾模型，计算出期望的操纵输入和驾驶员的操纵输入，并传递给主权切换控制***；

所述主权切换***包括模式切换决策层，用于判断并决策驾驶模式，并将决策信号传送到执行***；

所述执行***包括转向电机及控制器，控制器通过控制当前应输出的转向电机的转角，命令转向电机执行动作。

进一步的，所述驾驶员状态感知模块包括方向盘转角/转矩传感器、制动踏板传感器，用于监测驾驶员动作状态信号；

所述车辆行驶状态感知模块包括车轮传感器、侧滑传感器、侧向加速度传感器、质心侧偏角传感器，用于监测车辆行驶状态信号；

所述行驶环境感知模块包括视觉识别传感器、雷达传感器、超声波传感器、红外传感器，用于监测行驶环境信号。

进一步的，所述驾驶意图识别模型包括HMM模型、SVM模型。

进一步的，所述期望的操纵输入和驾驶员的操纵输入分别为理想的方向盘转角和实际的驾驶员方向盘转角信号。

进一步的，所述驾驶模式包括驾驶员主导模式、机器辅助模式和自动驾驶模式。

同时，本发明还提供了上述的基于驾驶员模型和操纵逆动力学的人机共驾控制***的切换模式，包含以下步骤：

步骤1)，传感器***感知并监测行驶环境信号、车辆状态信号以及驾驶员状态信号，将驾驶员状态信号传递给驾驶意图识别模型，将车辆行驶状态信号及行驶环境信号传递给人机共驾模型；

步骤2)，驾驶意图识别模型接收到驾驶员状态信号后通过HMM模型对驾驶员意图做初步判断，并输出最大似然估计值；SVM模型根据输出的最大似然估计值进行第二次识别得到更准确的驾驶员意图，并将其传递给车路模型；

步骤3)，车路模型接收到驾驶员意图信号后，结合传感器***获取到的车辆行驶状态信号及行驶环境信号，经过处理计算传递到驾驶员模型和操纵逆动力学模型中，计算出驾驶员输出的驾驶操纵和操纵逆动力学模型输出最优操纵，分别指驾驶员输出方向盘转角及期望的方向盘转角，并将其信号传递到主权切换决策***；

步骤4)，主权切换决策***接收到信号后，其中的模式切换决策层以接收到的驾驶操纵信号、最优操纵信号为决策对象，以驾驶模式为决策结果，制定主权切换原则，并进行判断，将决策结果信号传递给执行***；

步骤5)，执行***中的控制器接收到模式切换决策指令后，进入相应驾驶状态，并以方向盘转角为控制目标，以转向电机的转角为控制对象，计算相应的转向电机转角，并将控制命令传递给转向电机执行器；

步骤6)，执行***中转向电机接受到指令后执行动作，实现转向控制。

进一步的，步骤3)中，所述操纵逆动力学模型的步骤包括：

步骤3.1)，建立三自由度车辆模型；

式中，v为汽车的侧向速度；u为汽车的纵向速度；ω_r为汽车的横摆角速度；m为整车总质量；I_z为整车绕铅垂轴转动惯量；a、b分别为整车质心至前、后轴的距离；δ为前轮转角；F_yf为前轮侧偏力；F_yr为后轮侧偏力；F_xf为前轮驱动力/制动力，F_xf≥0 为驱动力，F_xf＜0为制动力；F_xr为后轮驱动力/制动力；F_f为滚动阻力，且F_f＝mgf， f为滚动阻力系数；F_w为空气阻力，F_w＝C_DA(3.6u)²/21.15，C_D为空气阻力系数，A 为迎风面积；

步骤3.2)，建立最优控制模型；

状态变量x(t)＝[v(t) ω(t) u(t) x(t) y(t) θ(t)]^T，x为横向位移；y为纵向位移；θ为航向角；

控制变量Z(t)为方向盘转角δ_sw(t)和前轮驱动力/制动力F_xf(t)；

控制任务是以最短时间通过给定路径；

步骤3.3)，求解最优控制问题；

步骤3.4)，求得最优操纵输入，包括期望的方向盘转角δ^*。

进一步的，步骤3.3)，求解最优控制问题的方法为：将操纵逆动力学问题转变的最优控制问题的求解转化为对非线性规划问题的求解：

C[X(τ_k),Z(τ_k),τ_k；t₀,t_e]≤0

其中，初始点τ₀＝-1，τ_k为LG点，t₀是时间区间转换前的初始点；t_e即时间区间转换前的终点；τ_e为时间区间转换后的终点。

进一步的，在模式切换决策层中，主权切换模块的主权切换原则如下：

假定驾驶员向右转方向盘为正，设定阈值δ_max、δ_min分别为方向盘转角的上限和下限，当车辆处于转向行驶状态时，监测驾驶员模型输出方向盘转角δ以及由操纵逆动力学模型输出的理想方向盘转角δ^*的数值；

1)若|δ|>δ_max，则说明驾驶员此时处于高度集中状况，进入驾驶员主导模式，电动机不进行任何操作；

2)若δ_min<|δ|<δ_max，根据汽车操纵逆动力学模型输出的理想方向盘转角δ^*与驾驶员模型输出方向盘转角δ的方向判断，以汽车当前应向右转向行驶为例，分为以下几种状态：

状态1：若δ_min<δ<δ^*，说明此刻驾驶员与控制器协同控制汽车向右转向，由于驾驶员提供的方向盘转角不足以使汽车完成转向操作，此时进入机器辅助模式，电动机始终提供助力；

状态2：若δ^*>0，δ<-δ_min，则判定此刻驾驶员操作失误，由控制器掌握主权，进入自动驾驶模式；

3)若|δ|<δ_min，则认为驾驶员注意力不集中，此时由控制器掌握控制主权，进入自动驾驶模式。

有益效果：本发明提供的基于驾驶员模型和操纵逆动力学的人机共驾控制***及其切换模式，与现有技术相比，具有以下优势：

1.可以根据驾驶员行为意图和汽车安全态势对人机间的驾驶权进行自适应的切换, 实现人机协同驾驶。且以尽可能小的干预力度实现与驾驶员共享控制，以给予驾驶员更大的自由度去独自控制汽车

2.该人机共驾模型可以较好的模拟人机共驾，对所设计的人机共驾控制***进行仿真验证。

附图说明

图1为本发明中人机共驾控制***及其切换模式的整体框图；

图2为本发明中汽车操纵逆动力学方法原理图；

图3为本发明中汽车操纵逆动力学模型流程图；

图4为本发明中切换模式方法流程图。

具体实施方式

本发明为一种基于驾驶员模型和操纵逆动力学的人机共驾控制***及其切换模式。首先由传感器***检测驾驶员动作状态信号、车辆行驶状态信号、行驶环境信号。其中将驾驶员状态信号传递给驾驶意图识别模型，用于识别出驾驶意图，并传递到车路模型。同时将车辆行驶状态信号及行驶环境信号传递给车路模型。通过车路模型、驾驶员模型及操纵逆动力学模型，得到实际的驾驶员方向盘转角信号和理想的方向盘转角，传递给主权切换***。主权切换***包括切换决策模块，用于判断并决策驾驶模式，并将决策信号传送到执行***。执行***包括转向电机及控制器，控制器通过控制当前应输出的转向电机的转角，从而命令转向电机执行动作。

下面结合附图和实施例对本发明作更进一步的说明。

如图1所示，本发明的工作步骤为：

步骤1)，传感器***感知并监测行驶环境信号、车辆状态信号以及驾驶员状态信号，其中将驾驶员状态信号传递给驾驶意图识别模型，将车辆行驶状态信号及行驶环境信号传递给人机共驾模型。

步骤2)，驾驶意图识别模型接收到驾驶员状态信号后通过HMM模型对驾驶员意图做初步判断，并输出最大似然估计值；SVM模型根据输出的最大似然估计值进行第二次识别得到更准确的驾驶员意图，并将其传递给车路模型；

步骤3)，车路模型接收到驾驶员意图信号后，结合传感***获取到的车辆行驶状态信号及行驶环境信号，经过处理计算传递到驾驶员模型和操纵逆动力学模型中，从而计算出驾驶员输出的驾驶操纵和操纵逆动力学模型输出最优操纵，分别指驾驶员输出方向盘转角及期望的方向盘转角，并将其信号传递到主权切换决策***；

步骤4)，主权切换决策***接收到信号后，其中的切换决策模块以接收到的驾驶操纵信号(驾驶员输出方向盘转角)、最优操纵信号(期望方向盘转角)为决策对象，以驾驶模式(驾驶员主导模式、机器辅助模式、自动驾驶模式)为决策结果，制定主权切换原则，并进行判断，将决策结果信号传递给执行***；

步骤5)，执行***中的控制器接收到模式切换决策指令后，进入相应驾驶状态，并以方向盘转角控制目标，以转向电机的转角为控制对象，计算相应的转向电机转角，并将控制命令传递给转向电机执行器；

步骤6)，执行***中转向电机接受到指令后执行动作，实现转向控制。

如图2、3所示，操纵逆动力学模型的具体步骤包括：

步骤3.1)，建立三自由度车辆模型；

式中，v为汽车的侧向速度；u为汽车的纵向速度；ω_r为汽车的横摆角速度；m为整车总质量；I_z为整车绕铅垂轴转动惯量；a、b分别为整车质心至前、后轴的距离；δ为前轮转角；F_yf为前轮侧偏力；F_yr为后轮侧偏力；F_xf为前轮驱动力/制动力(F_xf≥0 为驱动力，F_xf＜0为制动力)；F_xr为后轮驱动力/制动力；F_f为滚动阻力(F_f＝mgf， f为滚动阻力系数)；F_w为空气阻力(F_w＝C_DA(3.6u)²/21.15，C_D为空气阻力系数，A 为迎风面积)。

若考虑驱动力/制动力对侧偏力的影响，则有：

式中，为路面摩擦系数；F_zf为前轮垂直力；F_zr后轮垂直力；k₁、k₂分别为前、后轮综合侧偏刚度。

考虑纵向载荷转移，有：

式中，h_g为汽车质心高度。

步骤3.2)，建立最优控制模型

状态变量x(t)＝[v(t) ω(t) u(t) x(t) y(t) θ(t)]^T，x为横向位移；y为纵向位移；θ为航向角。控制变量Z(t)为方向盘转角δ_sw(t)和前轮驱动力/制动力F_xf(t)，控制任务是以最短时间通过给定路径。

约束条件：

(1)边值约束

初始值如下：

x(0)＝[0,0,u₀,0,0,0]^T

(2)过程约束

考虑到防止汽车在避开障碍物过程中发生侧翻，建立如下的过程约束条件：

式中，L为轮距，K为稳定性因数。

当汽车受到驱动力且是前轮驱动时，有：

当汽车受到制动力，且假设前后轮都处于抱死状态，有：

(3)控制变量和状态变量约束

受汽车性能及道路条件等因素的影响，汽车要满足一定的状态变量和控制变量约束以保证顺利完成转向行驶过程。因此，建立如下的约束条件：

u_min≤u≤u_max

δ_min≤δ≤δ_max

步骤3.3)，求解最优控制问题

步骤3.2.1)，用Gauss伪谱法将最优控制问题转换成非线性规划问题

(1)将上述逆动力学问题归纳为以Mayer型为优化目标的最优控制问题：

min J＝ψ(x(t_e),t_e)

C[x(t),z(t),t]≤0

(2)区间变换

将最优控制问题的时间区间t∈[t₀,t_e]转换成τ∈[-1,1]，对时间变量t作变换：

τ＝2t/(t_e-t₀)-(t_e+t₀)/(t_e-t₀)，

可得

min J＝ψ(x(τ_e),t_e)

C[x(τ),z(τ),τ；t₀,t_e]≤0

(3)全局插值多项式近似状态变量和控制变量

Gauss伪谱法选取N个LG点和一个初始点τ₀＝-1为节点，构造N+1个Lagrange 插值多项式L_i(τ)(i＝0,…,N)，并以此为基函数近似状态变量

其中，Lagrange插值多项式函数

使得节点上的近似状态与实际状态相等，即x(τ_i)＝X(τ_i)，(i＝0,…,N)。

采用Lagrange插值多项式L^* _i(τ)，(i＝1,…,N)作为基函数来近似控制变量，即：

式中，τ_i(i＝1,…,N)为LG点。

(3)运动学微分方程约束转换为代数约束

将动力学微分方程约束转换为代数约束，即：

其中微分矩阵D_ki∈R^N×(N+1)在插值节点个数给定的情况下为一常值，表达式为：

其中，τ_k(k＝1,…,N)为集合κ中的点，而τ_i(i＝0,…,N)属于集合κ₀＝{τ₀,τ₁,…,τ_N}。在插值节点τ_k(1≤k≤N)处离散。这样，可将最优控制问题的动力学微分方程约束转换为代数约束，对于k＝1,…,N有：

(4)离散条件下的终端状态约束

终端状态也应满足动力学方程约束：

将终端约束条件离散并用Gauss积分来近似，可得：

其中为Gauss权重，τ_k为LG点。

将边值约束式及路径约束式在插值点进行离散可得下式：

C[X(τ_k),Z(τ_k),τ_k；t₀,t_e]≤0

经过上述变换，由汽车操纵逆动力学问题转变的最优控制问题的求解就转化为对非线性规划问题的求解。

步骤3.2.1)，用SQP求解非线性规划问题

一般非线性约束最优控制问题如下

式中，f(x)，c_i(x)都是实值连续函数并且至少两者有其一是非线性的，I＝{m_e+1,…,m}，构造子问题

其中g_k是函数f(x)在点x_k的梯度，B_k是拉格朗日函数的海色阵的近似。记上述子问题的解为d_k，本专利用到的Wilson-Han-Powell 方法就是用d_k作为第k次迭代的搜索方向，它是许多罚函数的下降方向。

逐步二次规划算法步骤：

(1)给出x₁∈Rⁿ,σ＞0,δ＞0,B₁∈R^n×n,ε≥0,k:＝1

(2)求解上述子问题得到d_k；如果||d_k||≤ε，则停；求α_k∈[0,δ]使得

(3)x_k+1＝x_k+α_kd_k；计算B_k+1；k:＝k+1；转步骤2.

罚函数P(x,σ)是L₁精确罚函数，ε_k是一非负数列且满足

用拟牛顿公式逐步迭代来计算B_k+1，取

s_k＝x_k+1-x_k，

采用BFGS校正公式计算B_k+1

步骤3.4)，求得最优操纵输入，包括期望的方向盘转角δ^*。

如图4所示，主权切换模块的主权切换原则如下：

假定驾驶员向右转方向盘为正，设定阈值δ_max，δ_min，分别为方向盘转角的上限和下限当车辆处于转向行驶状态时，监测驾驶员模型输出方向盘转角δ以及由操纵逆动力学模型输出的理想方向盘转角δ^*的数值。

1)若|δ|>δ_max，则说明驾驶员此时处于高度集中状况，进入驾驶员主导模式，电动机不进行任何操作；

2)若δ_min<|δ|<δ_max，根据汽车操纵逆动力学模型输出的理想方向盘转角δ^*与驾驶员模型输出方向盘转角δ的方向判断，以汽车当前应向右转向行驶为例，分为以下几种状态：

状态1：若δ_min<δ<δ^*，说明此刻驾驶员与控制器协同控制汽车向右转向，由于驾驶员提供的方向盘转角不足以使汽车完成转向操作，此时进入机器辅助模式，电动机始终提供助力。

状态2：若δ^*>0，δ<-δ_min，则判定此刻驾驶员操作失误，由控制器掌握主权，进入自动驾驶模式。

汽车向左转向时，主权切换模块的切换过程与此类似。

3)若|δ|<δ_min，则认为驾驶员注意力不集中，此时由控制器掌握控制主权，进入自动驾驶模式。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种基于驾驶员模型和操纵逆动力学的人机共驾控制***，其特征在于：包括依次连接的传感器***、驾驶意图识别模型、人机共驾模型、主权切换控制***和执行***，其中，

所述传感器***包括：

驾驶员状态感知模块，用于将驾驶员状态信号传递给驾驶意图识别模型，

车辆行驶状态感知模块，用于将车辆行驶状态信号传递给人机共驾模型，

行驶环境感知模块，用于将行驶环境信号传递给人机共驾模型；

所述驾驶意图识别模型用于根据驾驶员状态信号识别出驾驶意图，并传递到人机共驾模型；

所述人机共驾模型包括车路模型、驾驶员模型、操纵逆动力学模型，所述车路模型接收车辆行驶状态信号和行驶环境信号及驾驶意图，在此基础上建立基于驾驶员模型及操纵逆动力学的人机共驾模型，计算出期望的操纵输入和驾驶员的操纵输入，并传递给主权切换控制***；

所述主权切换***包括模式切换决策层，用于判断并决策驾驶模式，并将决策信号传送到执行***；

所述执行***包括转向电机及控制器，控制器通过控制当前应输出的转向电机的转角，命令转向电机执行动作。

2.根据权利要求1所述的基于驾驶员模型和操纵逆动力学的人机共驾控制***，其特征在于：所述驾驶员状态感知模块包括方向盘转角/转矩传感器、制动踏板传感器，用于监测驾驶员动作状态信号；

所述车辆行驶状态感知模块包括车轮传感器、侧滑传感器、侧向加速度传感器、质心侧偏角传感器，用于监测车辆行驶状态信号；

所述行驶环境感知模块包括视觉识别传感器、雷达传感器、超声波传感器、红外传感器，用于监测行驶环境信号。

3.根据权利要求1所述的基于驾驶员模型和操纵逆动力学的人机共驾控制***，其特征在于：所述驾驶意图识别模型包括HMM模型、SVM模型。

4.根据权利要求1所述的基于驾驶员模型和操纵逆动力学的人机共驾控制***，其特征在于：所述期望的操纵输入和驾驶员的操纵输入分别为理想的方向盘转角和实际的驾驶员方向盘转角信号。

5.根据权利要求1所述的基于驾驶员模型和操纵逆动力学的人机共驾控制***，其特征在于：所述驾驶模式包括驾驶员主导模式、机器辅助模式和自动驾驶模式。

6.根据权利要求1至5任一所述的基于驾驶员模型和操纵逆动力学的人机共驾控制***的切换模式，其特征在于：包含以下步骤：

步骤1)，传感器***感知并监测行驶环境信号、车辆状态信号以及驾驶员状态信号，将驾驶员状态信号传递给驾驶意图识别模型，将车辆行驶状态信号及行驶环境信号传递给人机共驾模型；

步骤2)，驾驶意图识别模型接收到驾驶员状态信号后通过HMM模型对驾驶员意图做初步判断，并输出最大似然估计值；SVM模型根据输出的最大似然估计值进行第二次识别得到更准确的驾驶员意图，并将其传递给车路模型；

步骤3)，车路模型接收到驾驶员意图信号后，结合传感器***获取到的车辆行驶状态信号及行驶环境信号，经过处理计算传递到驾驶员模型和操纵逆动力学模型中，计算出驾驶员输出的驾驶操纵和操纵逆动力学模型输出最优操纵，分别指驾驶员输出方向盘转角及期望的方向盘转角，并将其信号传递到主权切换决策***；

步骤4)，主权切换决策***接收到信号后，其中的模式切换决策层以接收到的驾驶操纵信号、最优操纵信号为决策对象，以驾驶模式为决策结果，制定主权切换原则，并进行判断，将决策结果信号传递给执行***；

步骤5)，执行***中的控制器接收到模式切换决策指令后，进入相应驾驶状态，并以方向盘转角为控制目标，以转向电机的转角为控制对象，计算相应的转向电机转角，并将控制命令传递给转向电机执行器；

步骤6)，执行***中转向电机接受到指令后执行动作，实现转向控制。

7.根据权利要求6所述的基于驾驶员模型和操纵逆动力学的人机共驾控制***的切换模式，其特征在于：步骤3)中，所述操纵逆动力学模型的步骤包括：

步骤3.1)，建立三自由度车辆模型；

式中，v为汽车的侧向速度；u为汽车的纵向速度；ω_r为汽车的横摆角速度；m为整车总质量；I_z为整车绕铅垂轴转动惯量；a、b分别为整车质心至前、后轴的距离；δ为前轮转角；F_yf为前轮侧偏力；F_yr为后轮侧偏力；F_xf为前轮驱动力/制动力，F_xf≥0为驱动力，F_xf＜0为制动力；F_xr为后轮驱动力/制动力；F_f为滚动阻力，且F_f＝mgf，f为滚动阻力系数；F_w为空气阻力，F_w＝C_DA(3.6u)²/21.15，C_D为空气阻力系数，A为迎风面积；

步骤3.2)，建立最优控制模型；

状态变量x(t)＝[v(t) ω(t) u(t) x(t) y(t) θ(t)]^T，x为横向位移；y为纵向位移；θ为航向角；

控制变量Z(t)为方向盘转角δ_sw(t)和前轮驱动力/制动力F_xf(t)；

控制任务是以最短时间通过给定路径；

步骤3.3)，求解最优控制问题；

步骤3.4)，求得最优操纵输入，包括期望的方向盘转角δ^*。

8.根据权利要求7所述的基于驾驶员模型和操纵逆动力学的人机共驾控制***的切换模式，其特征在于：步骤3.3)，求解最优控制问题的方法为：将操纵逆动力学问题转变的最优控制问题的求解转化为对非线性规划问题的求解：

C[X(τ_k),Z(τ_k),τ_k；t₀,t_e]≤0

其中，初始点τ₀＝-1，τ_k为LG点，t₀是时间区间转换前的初始点；t_e即时间区间转换前的终点；τ_e为时间区间转换后的终点。

9.根据权利要求6所述的基于驾驶员模型和操纵逆动力学的人机共驾控制***的切换模式，其特征在于：在模式切换决策层中，主权切换模块的主权切换原则如下：

假定驾驶员向右转方向盘为正，设定阈值δ_max、δ_min分别为方向盘转角的上限和下限，当车辆处于转向行驶状态时，监测驾驶员模型输出方向盘转角δ以及由操纵逆动力学模型输出的理想方向盘转角δ^*的数值；

1)若|δ|>δ_max，则说明驾驶员此时处于高度集中状况，进入驾驶员主导模式，电动机不进行任何操作；

2)若δ_min<|δ|<δ_max，根据汽车操纵逆动力学模型输出的理想方向盘转角δ^*与驾驶员模型输出方向盘转角δ的方向判断，以汽车当前应向右转向行驶为例，分为以下几种状态：

状态1：若δ_min<δ<δ^*，说明此刻驾驶员与控制器协同控制汽车向右转向，由于驾驶员提供的方向盘转角不足以使汽车完成转向操作，此时进入机器辅助模式，电动机始终提供助力；

状态2：若δ^*>0，δ<-δ_min，则判定此刻驾驶员操作失误，由控制器掌握主权，进入自动驾驶模式；

3)若|δ|<δ_min，则认为驾驶员注意力不集中，此时由控制器掌握控制主权，进入自动驾驶模式。