CN109866772B - 一种智能车辆人-机协同驾驶的变结构控制方法 - Google Patents
一种智能车辆人-机协同驾驶的变结构控制方法 Download PDFInfo
- Publication number
- CN109866772B CN109866772B CN201910079765.1A CN201910079765A CN109866772B CN 109866772 B CN109866772 B CN 109866772B CN 201910079765 A CN201910079765 A CN 201910079765A CN 109866772 B CN109866772 B CN 109866772B
- Authority
- CN
- China
- Prior art keywords
- model
- vehicle
- automatic driving
- driving
- driver
- 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
Images
Landscapes
- Feedback Control In General (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明请求保护一种智能车辆人‑机协同驾驶的变结构控制方法,用于实现半自动驾驶车辆的驾驶权在驾驶员和自动驾驶控制器之间的切换。包括以下步骤:1.协同驾驶***建模:首先选择并确定车辆及交通场景参数,再构造出由驾驶员控制模型、车辆自动驾驶控制器自动驾驶模型以及交通模型构成的协同驾驶***模型。2.稳定范围计算:根据协同驾驶***模型及参数,分别计算驾驶员控制模型与自动驾驶模型各自的稳定区域。3.控制器设计:根据驾驶员控制模型与自动驾驶模型对应控制量,设计切换函数完成驾驶权在人‑机之间的切换转移。本发明通过人‑机协同驾驶情况下人‑机控制***的平滑切换来提高半自动驾驶智能车辆驾驶的安全性与稳定性。
Description
技术领域
本发明属于计算机和自动化技术,特别是智能车辆控制技术领域,具体涉及一种半自动驾驶智能车辆中人-机协同驾驶的变结构控制方法。
背景技术
半自动驾驶的智能车辆是智能车辆的重要类型之一。在智能车辆过渡到完全的自动驾驶以前,半自动驾驶将持续较长一段时期。半自动驾驶表现为驾驶员-车辆自动驾驶控制器共同完成车辆的控制,即人-机协同驾驶,其中驾驶权或车辆的控制权在驾驶员和自动驾驶控制器之间的切换是人-机协同驾驶的最主要的问题。
中国专利申请:一种基于混杂理论的人机共驾型电动助力转向***及控制方法(申请号:CN106275061A)利用混杂理论对人-机协同驾驶型电动助力转向***的混杂特性进行分析,但并没有对其中切换模型做出说明。
中国专利申请:一种人-机协同驾驶型电动助力转向***及模式切换方法(申请号:CN106347449A)增加自动转向功能,实现智能汽车的人-机协同驾驶功能,但主要针对对象是电动助力车,被控对象具有相对局限性。
中国专利申请:一种人-机协同驾驶转向***硬件在环仿真测试平台(申请号:CN107727417A)用于在测试期间减少实车测试的次数,缩短开发周期,但偏向于仿真的设计与实现,对其中具体操作流程和方法并未做具体说明。
为解决上述技术问题,本发明针对半自动驾驶下驾驶权转移问题,提出一种人-机协同驾驶的变结构控制方法,构造一种结合驾驶员控制模型与自动驾驶模型的智能车辆变结构控制模型,并对两个控制器之间的切换设计切换函数,有效地实现驾驶权在人-机之间的平滑切换,提高半自动驾驶智能车辆驾驶的稳定性。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种有效地实现驾驶权在人-机之间的平滑切换,提高半自动驾驶智能车辆驾驶的稳定性的智能车辆人-机协同驾驶的变结构控制方法。本发明的技术方案如下:
一种智能车辆人-机协同驾驶的变结构控制方法,包括以下步骤:
(1)协同驾驶***建模:选择并确定驾驶员、车辆及交通场景参数,再构造出由驾驶员控制模型、车辆自动驾驶控制器自动驾驶模型以及交通模型构成的协同驾驶***模型。本技术将人-机协同驾驶问题视为交通模型下驾驶员与车辆自动驾驶控制器之间的切换问题。
(2)稳定范围计算:根据协同驾驶***模型及参数,分别计算驾驶员控制模型与自动驾驶模型各自的稳定区域,从而得到相应控制变量,并根据已知控制量来设计控制器。
(3)控制器设计:根据驾驶员控制模型与自动驾驶模型对应控制量,设计切换函数,使得当***的状态达到设定的切换函数值时,***从驾驶员控制结构自动转换到车辆自动驾驶控制器控制结构,以实现人-机控制器的平滑切换。
进一步的,所述协同驾驶***模型中,利用简化的全速度差模型作为交通模型特例进行方法说明,但实际选择中不仅限于这种模型。
进一步的,本专利所述的交通模型中设车辆数目为2,其中半自动驾驶智能车辆(以下简称本车)为后车,而目标车辆为前车。
进一步的,所述的驾驶员模型以仿机械模型为例说明,即具有时延的车辆控制器模型,但不限于此种模型。
进一步的,所述的稳定范围计算,将驾驶员控制模型与自动驾驶模型分别代入交通模型来计算各自的稳定区域,包括以下步骤:
(1)假定交通流初始状态稳定,根据交通模型中常数参量与车辆模型变量之间关系,得到交通模型里初始稳态流受到扰动后仍能保持稳定的临界曲线。
(2)假定驾驶员控制模型与自动驾驶模型初始状态相同,将控制器模型与交通模型结合,通过交通模型的稳定性曲线,分别得到驾驶员控制模型与自动驾驶模型中状态变量的稳定范围。
进一步的,控制器的设计包括以下步骤:
(1)根据协同驾驶***模型自身特性及驾驶员和机器对应参数范围获取控制器切换前后对应控制量。
(2)根据判断当前驾驶状态的稳定范围,利用之前获取的稳定域范围进行切换函数设计。
进一步的,获取控制器控制量方法是通过之前对驾驶员控制模型与自动驾驶模型变形可得模型状态量与输出量的关系,根据驾驶员和自动驾驶***的输出量,可构造出切换前后变结构控制器的控制量。
进一步的,切换函数的设计方法是根据已知控制量将车辆驾驶状态量中的本车加速度值作为切换判据,根据驾驶员控制模型的稳定区域xH sta得到切换函数。
本发明的优点及有益效果如下:
本发明将人-机协同驾驶问题视为交通模型下驾驶员与车辆自动驾驶控制器之间的切换问题,针对半自动驾驶下驾驶权在驾驶员和自动驾驶控制器之间的切换问题,设计一种结合驾驶员控制模型、车辆自动驾驶控制器自动驾驶模型的车辆变结构控制方法,使得当车辆***的状态达到设定的切换函数值时,***从驾驶员控制结构自动转换到车辆自动驾驶控制器控制结构,以实现人-机控制器的平滑切换,以提高半自动驾驶智能车辆的安全性与稳定性。
附图说明
图1是本发明提供优选实施例智能车辆人-机协同驾驶的变结构控制方法的总体架构;
图2是本发明的滑模控制器设计的流程图;
图3是本发明设计的滑模控制器仿真图示例。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
一种智能车辆人-机协同驾驶的变结构控制方法,首先构造出协同驾驶***模型,分别计算驾驶员控制模型与自动驾驶模型各自的稳定区域,再根据对应的控制量,设计切换函数完成驾驶权在人-机之间的切换转移。
以下结合附图和具体实例对本发明的具体实施方式进行描述。
如图1所示为本发明提出的一种智能车辆人-机协同驾驶的变结构控制方法的总体架构,包括以下步骤:
1.协同驾驶***建模:选择并确定车辆及交通场景参数,再构造出由驾驶员控制模型、车辆自动驾驶控制器自动驾驶模型以及交通模型构成的协同驾驶***模型。驾驶员、车辆及交通场景参数包括人相对机器的反应延迟时间tτ、本车速度vs、前车速度vt、两车间的距离d、本车实际加速度as、前车实际加速度at,以及控制器输出的车辆控制参数,包括安全距离d0及本车理想加速度as des。此时人-机协同驾驶问题转化为交通模型下驾驶员与车辆自动驾驶控制器之间的切换问题。
(1.1)交通模型
交通模型以简化的全速度差模型为例说明,但不仅限于这一种模型:
其中,σ是敏感系数,λ为速度差的反应系数,xn(t)>0和vn(t)>0和分别表示第n辆车的位置、速度、加速度,速度差Δvn(t)=vn+1(t)-vn(t)。V(·)为优化速度函数,是车辆间距dn(t)的函数,它是单调递增且有上界的
式中:vmax为车辆行驶的最大速度,d0为任意两车间最小安全距离。
设车辆数目为2,其中半自动驾驶智能车辆(以下简称本车)为后车,而目标车辆为前车。
(1.2)车辆自动驾驶控制器自动驾驶模型
车辆运动学模型的状态空间表示为
其中x=[as,vs,vt,d]T为车辆的相关状态信息向量,as是本车实际的加速度,vs为本车速度,vt为前车速度,d为两车辆间距离,与公式(2)中n=2时的Δx相同。为车辆的理想加速度状态,也是控制器的控制量即控制器输出量,AM、BM、C为车辆控制状态参数矩阵:
求解(3)可得
XM=DM+But (4)
其中DM=[dM1 dM2 dM3 dM4]T。模型输出量为
(1.3)驾驶员控制模型
本发明的驾驶员模型以仿机械模型为例说明,即具有时延的车辆控制器模型,但不限于此种模型:
求解(6)可得
其中DH=[dH1 dH2 dH3 dH4]T。模型输出量为
2.稳定范围计算:根据协同驾驶***模型及参数,分别计算驾驶员控制模型与自动驾驶模型各自的稳定区域。
假定交通流的初始状态是稳定的,且车辆间的距离和最优速度分别为d和V(d),则稳态时所有车辆的初始位置为:
其中,L为路段长度,N为车辆总数。
其中,Δqn(t)=qn+1(t)-qn(t),V′(d)是函数V(Δxn(t))在Δxn(t)=d处的导数。
由qn(t)=exp(iαkn+zt)展开式,可得到关于z的方程:
令z=z1(iαk)+z2(iαk)2+...代入整理得iαk和(iαk)2的系数,当(iαk)2的系数非负且不为零时,令实部虚部分别为零,再利用等价无穷小原则,初始稳态流受到扰动后仍能保持稳定的临界曲线
代入公式(1)对距离求积分可得:
其中e1为稳定常数。
由公式(1)整理可得,
其中F=[1 0 0 0],G=[0 1 0 0],H=[0 0 1 0]。
将公式(13)代入公式(14)可得
则
其中I=[0 0 0 1]。
设驾驶员控制模型与自动驾驶模型初始状态x相同,对自动驾驶模型,控制量为:
则可得自动驾驶模型状态量
对驾驶员控制模型,控制量为:
则可得驾驶员控制模型状态量
(3)控制器设计:根据驾驶员控制模型与自动驾驶模型对应控制量,设计切换函数,使得当车辆***的状态达到设定的切换函数值时,***从驾驶员控制结构自动转换到车辆自动驾驶控制器控制结构,以实现人-机控制器的平滑切换。
在人-机协同驾驶过程中,驾驶员和车辆的自动驾驶控制器不能同时操作车辆,只能从中选择一种控制器。选择滑模变结构控制器实现两类控制器的切换,通过已知的控制量设计切换函数和滑模控制器,使误差收敛于零,进行控制权切换,以加速度作为控制器输入,车辆间距离作为控制器输出。
如图2所示为本发明的滑模控制器设计的流程图,滑模变结构控制器的设计包括以下步骤:
1.控制量确定
(1.1)根据驾驶员控制模型中状态量与输出量的关系,通过相应计算方法可以得到处于驾驶员驾驶状态下的输出量u+为
(1.2)根据自动驾驶控制模型中状态量与输出量的关系,通过相应计算方法可以得到处于自动驾驶状态下的输出量u-为
(1.3)利用驾驶员和自动驾驶***的输出量分别对应切换前后控制量,则综合驾驶员驾驶输出量u+和自动驾驶输出量u-,滑模变结构控制器控制量为
2.切换函数设计
由于滑模变结构控制器的输出量是加速度,本发明根据变结构控制器的控制量将车辆运动学模型的状态量x=[as,vs,vt,d]T中的本车加速度值as作为切换判据,使所确定的滑模态渐近稳定且具有良好的动态品质。根据驾驶员控制模型的稳定区域得到切换函数
图3是本发明设计的滑模控制器仿真图示例。在仿真场景中,初始条件为本车速度8.33m/s(30km/h),前车速度5.56m/s(15km/h),两车距离为30m,前车的初始加速度为0。图(a)、(b)、(c)、(d)分别为两车速度,两车加速度,车辆间距以及三种控制器的输出。
在图(a)、(b)中,实线表示本车速度与加速度数据,虚线表示前车速度与加速度数据。图(c)表示车辆间距。图(d)中实线表示本车自动驾驶控制器的输出量,虚线表示驾驶员控制的输出量,点线表示按本专利方法设计的滑模变结构控制器的输出量。从结果可以看出,滑模变结构控制器的输出量前期与驾驶员重合;中间在1.2s时出现危险,符合控制***切换条件,***切换成自动驾驶控制器,输出量与自动驾驶控制器输出量重合;后期3.5s时,危险解除恢复成驾驶员后又与驾驶员输出量重合。该结果说明设计的滑模变结构控制器有效实现了驾驶员与自动驾驶控制器的协同。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (1)
1.一种智能车辆人-机协同驾驶的变结构控制方法,其特征在于,包括以下步骤:
(1)协同驾驶***建模步骤:选择并确定车辆及交通场景参数,再构造出由驾驶员控制模型、车辆自动驾驶控制器自动驾驶模型以及交通模型构成的协同驾驶***模型,驾驶员、车辆及交通场景参数包括人相对机器的反应延迟时间tτ、本车速度vs、前车速度vt、两车间的距离d、本车实际加速度as、前车实际加速度at,以及控制器输出的车辆控制参数,车辆控制参数包括安全距离d0及本车理想加速度as des;
(2)稳定范围计算步骤:根据协同驾驶***模型及参数,设交通流的初始状态稳定,计算初始稳态流受到扰动后仍能保持稳定的临界曲线;设驾驶员控制模型与自动驾驶模型初始状态相同,分别代入临界曲线,计算出驾驶员控制模型与自动驾驶模型各自的稳定区域;
(3)控制器设计步骤:根据驾驶员控制模型与自动驾驶模型对应的控制量,将车辆运动学模型中的本车加速度值作为切换判据,根据驾驶员控制模型的稳定区域得到切换函数,使得当协同驾驶***的状态达到设定的切换函数值时,***从驾驶员控制结构自动转换到车辆自动驾驶控制器控制结构,实现人-机控制器的平滑切换;
将驾驶员控制模型与自动驾驶模型分别代入交通模型来计算各自的稳定区域,包括以下步骤:
(1)假定交通流初始状态稳定,根据交通模型中常数参量与车辆模型变量之间关系,得到交通模型里初始稳态流受到扰动后仍能保持稳定的临界曲线
其中V(d)为优化速度函数,d为车间距,σ是敏感系数,λ为速度差的反应系数,e1为稳定常数;
(2)假定人、机初始状态相同,将控制器模型与交通模型结合,通过交通模型的稳定性曲线,分别得到驾驶员控制模型与自动驾驶模型中状态变量的稳定范围;
车辆自动驾驶模型状态量为
驾驶员控制模型状态量为
控制器的设计包括以下几个步骤:
(1)通过驾驶员控制模型及自动驾驶模型,得出模型状态量与输出量的关系,并根据驾驶员和自动驾驶***的输出量,构造出切换前后变结构控制器的控制量
(2)根据控制量u(t),将车辆运动学模型
的状态量x=[as,vs,vt,d]T中的本车加速度值as作为切换判据,AM、BM、C为车辆控制状态参数矩阵:
其中e1为稳定常数,I=[0 0 0 1],F=[1 0 0 0],G=[0 1 0 0]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910079765.1A CN109866772B (zh) | 2019-01-28 | 2019-01-28 | 一种智能车辆人-机协同驾驶的变结构控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910079765.1A CN109866772B (zh) | 2019-01-28 | 2019-01-28 | 一种智能车辆人-机协同驾驶的变结构控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109866772A CN109866772A (zh) | 2019-06-11 |
CN109866772B true CN109866772B (zh) | 2020-08-04 |
Family
ID=66918181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910079765.1A Active CN109866772B (zh) | 2019-01-28 | 2019-01-28 | 一种智能车辆人-机协同驾驶的变结构控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109866772B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583640B (zh) * | 2020-04-30 | 2022-04-22 | 重庆大学 | 基于车路协同的上匝道协同并道控制方法 |
CN112660160A (zh) * | 2020-12-29 | 2021-04-16 | 驭势科技(北京)有限公司 | 一种用于控制无人驾驶车辆的行驶速度的方法与设备 |
CN116495014B (zh) * | 2023-06-28 | 2023-09-01 | 北京理工大学 | 一种自进化非博弈自动驾驶车辆人机共驾方法及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015230573A (ja) * | 2014-06-05 | 2015-12-21 | アルパイン株式会社 | 車両運転支援装置、方法およびプログラム |
JP6278565B2 (ja) * | 2014-08-11 | 2018-02-14 | 本田技研工業株式会社 | 自動運転車両制御装置 |
CN104290745B (zh) * | 2014-10-28 | 2017-02-01 | 奇瑞汽车股份有限公司 | 车辆用半自动驾驶***的驾驶方法 |
CN106774328A (zh) * | 2016-12-26 | 2017-05-31 | 广州大学 | 一种基于道路识别的自动驾驶***及方法 |
CN107564363B (zh) * | 2017-09-05 | 2019-11-05 | 百度在线网络技术(北京)有限公司 | 一种用于驾驶模式切换的方法和装置 |
CN108469806B (zh) * | 2018-03-26 | 2020-10-16 | 重庆邮电大学 | 交替式人机共驾中驾驶权转移方法 |
-
2019
- 2019-01-28 CN CN201910079765.1A patent/CN109866772B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109866772A (zh) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109866772B (zh) | 一种智能车辆人-机协同驾驶的变结构控制方法 | |
CN108594639B (zh) | 一种基于强化学习的全垫升气垫船航迹跟踪控制方法 | |
CN107831761B (zh) | 一种智能车的路径跟踪控制方法 | |
CN107380165B (zh) | 一种车辆自适应变速巡航过程车间距控制方法 | |
CN108919837B (zh) | 一种基于视觉动力学的自动驾驶车辆二阶滑模控制方法 | |
CN104932268A (zh) | 基于模糊pid的汽车巡航控制*** | |
CN110615003B (zh) | 基于策略梯度在线学习算法的巡航控制***及设计方法 | |
CN110228470A (zh) | 一种基于隐藏车辆模型预测的节油率实时计算方法 | |
CN108845498B (zh) | 一种考虑反应滞后时间的驾驶员跟驰模型 | |
CN109017808A (zh) | 一种无人驾驶汽车模型预测控制器设计方法 | |
EP4386612A1 (en) | Parameter calibration method and apparatus | |
CN109635433A (zh) | 一种改进灰色预测的混合动力汽车自适应pid动态控制方法 | |
CN108099908A (zh) | 一种车辆自适应巡航优化控制计算方法 | |
CN114488799B (zh) | 汽车自适应巡航***控制器参数优化方法 | |
JP2001349808A (ja) | 車両モデル構築方法、並びに同方法により構築したモデルを備えた装置及びモデルを記録した記録媒体 | |
CN108594644A (zh) | 基于固定场景和路线的智能无人驾驶车辆的迭代学习控制方法 | |
CN116495014B (zh) | 一种自进化非博弈自动驾驶车辆人机共驾方法及*** | |
CN110562245B (zh) | 自动寻车位的路径跟随控制方法、***、存储介质及车辆 | |
CN110968911A (zh) | 一种基于新型趋近律的汽车abs滑模控制器设计方法 | |
CN116252790A (zh) | 一种提高自适应巡航舒适度的方法和装置 | |
CN114859705A (zh) | 一种可预先设置控制性能且无需辅助***介入的水面无人艇控制方法 | |
CN112477880B (zh) | 一种无人驾驶汽车纵向控制方法 | |
CN110723200B (zh) | 一种转向回正及中间位置控制***及其控制方法 | |
CN114537391A (zh) | 一种基于预报观测器的车辆跟驰伺服控制方法及*** | |
CN113064412B (zh) | 路径跟踪方法、装置、车辆及可读存储介质 |
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 |