CN111731265A - 一种用于预测自动驾驶车辆稳定性状态的方法及*** - Google Patents
一种用于预测自动驾驶车辆稳定性状态的方法及*** Download PDFInfo
- Publication number
- CN111731265A CN111731265A CN201910225853.8A CN201910225853A CN111731265A CN 111731265 A CN111731265 A CN 111731265A CN 201910225853 A CN201910225853 A CN 201910225853A CN 111731265 A CN111731265 A CN 111731265A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time domain
- prediction time
- prediction
- front wheel
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001687 destabilization Effects 0.000 claims abstract description 15
- 230000001133 acceleration Effects 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 28
- 238000013459 approach Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 11
- 238000002474 experimental method Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000368 destabilizing effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- B60W30/02—Control of vehicle driving stability
- B60W30/025—Control of vehicle driving stability related to comfort of drivers or passengers
-
- 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
- B60W40/10—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 vehicle motion
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种用于预测自动驾驶车辆稳定性状态的方法以及***,通过实时采集目标路径信息、当前车辆信息以及环境信息,预估车辆按既定轨迹行驶时,在预测时域内的车辆的质心侧偏角及横摆角速度,并建立预测时域内车辆的失稳边界,从而判断出在预测时域内所述车辆是否存在失稳风险。实施本发明,可以***时域(如0.2s~0.5s)实现预测车辆稳定性状态,从而避免车辆进入失稳(侧滑)区域,有助于车辆稳定性控制及时采取减速或横摆控制等相关措施,保证自动驾驶车辆稳定性,并改善乘坐舒适性。
Description
技术领域
本发明涉及车辆控制技术领域,特别是涉及一种用于预测自动驾驶车辆稳定性状态的方法及***。
背景技术
在车辆的操控中,弯道的性能非常重要,它与车辆的操纵性,舒适性及安全性紧密相关。而目前乘用车搭载的车身电子稳定***(ESC)仅仅在车辆临界失稳或者已经失稳的情况下起作用,在大多数转弯工况无法改善车辆的性能。
在现有技术中,国内外对车辆稳定性分析展开了大量的研究,主要用到的方法有:侧向加速度方法、横摆角速度-侧向速度相平面法、质心侧偏角-质心侧偏角速度相平面法、横摆角速度-质心侧偏角相平面法,常用的方法为横摆角速度-质心侧偏角相平面法。车辆稳定性控制一般根据当前车辆行驶状态,估计车辆当前时刻的失稳风险,采取车速控制、转角控制和主动横摆控制等措施。
但是在现有技术中,均不能***车辆的行驶状态以及时采取减速或横摆控制等措施,难以避免车辆进入失稳区域,从而造成车辆乘员的不适,甚至面临无法回稳的风险。
发明内容
本发明实施例所要解决的技术问题在于,提供一种预测自动驾驶车辆稳定性状态的***,其可以***车辆稳定性状态,避免车辆进入失稳(侧滑)区域,有助于车辆稳定性控制及时采取减速或横摆控制等相关措施,保证自动驾驶车辆稳定性,并改善乘坐舒适性其容易实现。
本发明的一方面,提供一种用于预测自动驾驶车辆稳定性状态的方法,其包括如下步骤:
步骤S10,实时采集目标路径信息、当前车辆信息以及环境信息,所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括:车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β,所述环境信息包括路面附着系数u;
步骤S15,计算当前车速v与路面附着系数u下,对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax,从而建立预测时域的失稳边界;
其中,所述步骤S11中通过如下公式计算获得每一个控制周期t对应的前轮转角:
其中,所述步骤S14具体包括:
步骤S140,通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角:
其中,γ为车辆的横摆角速度,β为车辆的质心侧偏角,cr为车辆后轴的侧偏刚度,cf为车辆前轴的侧偏刚度,lr为车辆中心到后轴的距离,lf为车辆中心到前轴的距离,Jz为车辆绕Z轴的转动惯量,m为车辆质量,v为车速,m按空载计算;
其中,根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf,根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算;
步骤S141,对预测值进行修正:
设过程噪音的方差分别为Q和R,根据前一预测时域T内预估值和真实值,计算前一预测时域T的预测方差:
对该预测时域的预测值进行修正:
其中,所述步骤S15具体包括:
通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的横摆角速度的最大值γmax:
γmax=aug/v;
其中,a为标定量,u为附着系数,v为车速,g为重力加速度;
通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的质心侧偏角的最大值βmax:
其中,b,c,d均为标定量,u为附着系数,v为车速;
根据所述各横摆角速度的最大值γmax和质心侧偏角的最大值βmax建立失稳边界。
其中,所述步骤S16具体包括:
其中,所述预测时域T为0.2s~0.5s,所述每一控制周期t为0.02s~0.05s。
相应地,本发明实施例的另一方面,还提供一种用于预测自动驾驶车辆稳定性状态的***,其包括:
信息采集单元,用于实时采集目标路径信息、当前车辆信息以及环境信息,所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括:车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β,所述环境信息包括路面附着系数u;
失稳边界建立单元,用于计算当前车速v与路面附着系数u下,对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax,从而建立所述预测时域的失稳边界;
其中,所述第一前轮转角序列获得单元通过如下公式计算获得每一个控制周期t对应的前轮转角:
其中,所述车辆横摆角速度及质心侧偏角预测单元,具体包括:
第一计算单元,用于通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角:
其中,γ为车辆的横摆角速度,β为车辆的质心侧偏角,cr为车辆后轴的侧偏刚度,cf为车辆前轴的侧偏刚度,lr为车辆中心到后轴的距离,lf为车辆中心到前轴的距离,Jz为车辆绕Z轴的转动惯量,m为车辆质量,v为车速,m按空载计算;
其中,根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf,根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算;
所述车辆横摆角速度及质心侧偏角预测单元,具体包括:
第一计算单元,用于通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角:
其中,γ为车辆的横摆角速度,β为车辆的质心侧偏角,cr为车辆后轴的侧偏刚度,cf为车辆前轴的侧偏刚度,lr为车辆中心到后轴的距离,lf为车辆中心到前轴的距离,Jz为车辆绕Z轴的转动惯量,m为车辆质量,v为车速,m按空载计算;
其中,根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf,根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算;
修正处理单元,用于根据前一预测时域T的预测方差对第一计算单元所计算出的当前时域T内的预测值进行修正,包括:
预测方差计算子单元:用于根据前一预测时域T内预估值和真实值,计算前一预测时域T的预测方差:
修订单元,用于根据前一前一预测时域T的预测方差对该预测时域的预测值进行修正,具体通过下述公式进行计算:
其中,所述失稳边界建立单元具体包括:
横摆角速度的最大值计算单元,用于通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的横摆角速度的最大值γmax:
γmax=aug/v,
其中,a为标定量,u为附着系数,v为车速,g为重力加速度;
质心侧偏角的最大值计算单元,用于通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的质心侧偏角的最大值βmax:
其中,b,c,d均为标定量,u为附着系数,v为车速;
建立单元,用于根据所述各横摆角速度的最大值γmax和质心侧偏角的最大值βmax建立预时域的失稳边界。
其中,所述车辆稳定性判断单元具体包括:
其中,所述预测时域T为0.2s~0.5s,所述每一控制周期t为0.02s~0.05s。
实施本发明实施例,具有如下有益效果:
本发明公开了一种用于预测自动驾驶车辆稳定性状态的方法及***,通过采集当前车辆的信息、目标路径信息以及环境信息,可以预估车辆按既定轨迹行驶时,获得预测时域内的车辆的质心侧偏角及横摆角速度,从而建立预测时域内车辆的失稳边界,实现判断出车辆是否将面临失稳风险。本发明提出了可提前一个预测时域(如0.2s~0.5s)即可以预测出车辆稳定性状态,从而可以避免车辆进入失稳(侧滑)区域,有助于车辆稳定性控制及时采取减速或横摆控制等相关措施,保证自动驾驶车辆稳定性,并改善乘坐舒适性;
本发明基于自动驾驶车辆已有的装置和设备(如目标路径模块、车辆信息模块以及观测器等),是对已有的信息进行处理,无需增加新的硬件设备,适应性强,可以应用在各种自动驾驶车辆上。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明提供的一种用于预测自动驾驶车辆稳定性状态的方法的应用环境示意图;
图2是本发明提供的一种用于预测自动驾驶车辆稳定性状态的方法的主流程示意图;
图3是本发明提供的一种用于预测自动驾驶车辆稳定性状态的***的结构示意图;
图4是图3中车辆横摆角速度及质心侧偏角预测单元的结构示意图;
图5是图3中失稳边界建立单元的结构示意图;
图6是图3中车辆稳定性判断单元的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
本申请提供的用于预测自动驾驶车辆稳定性状态方法,可以应用于如图1所示的应用环境中。电子装置与各传感器通过总线进行通信。电子装置包括通过***总线连接的处理器、非易失性存储介质、内存储器、输入装置。其中,电子装置的非易失性存储介质存储有操作***,还包括用于预测自动驾驶车辆稳定性状态的***,该电子装置的用于预测自动驾驶车辆稳定性状态的***用于实现一种用于预测自动驾驶车辆稳定性状态的方法。该处理器用于提供计算和控制能力,支撑整个电子装置的运行。电子装置中的内存储器为非易失性存储介质中的用于预测自动驾驶车辆稳定性状态的***的运行提供环境。具体的,可以通过接受来自上层的路径曲率及曲率变化率,预估车辆按既定轨迹行驶时,预测时域内的车辆的质心侧偏角及横摆角速度,判断预测时域内车辆的失稳边界,判断车辆是否将面临失稳风险。其中,电子装置包括但不限于各种车载终端、车身控制器等,也可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
例如在一个例子中,所述包含有自动驾驶车辆稳定性状态的***的电子装置目前的乘用车的控制器通讯,这些乘用车的控制器可以是包括诸如电动助力转向***(EPS),变速箱控制器(TCU),车身稳定控制***(ESC),发动机控制器(EMS)、目标路径模块和观测器等。
如图2所示,示出了本发明提供的一种用于预测自动驾驶车辆稳定性状态的方法的主流程示意图;在该实施例中,所述方法包括如下的步骤:
步骤S10,实时采集目标路径信息、当前车辆信息以及环境信息,所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括:车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β,所述环境信息包括路面附着系数u;
步骤S15,计算当前车速v与路面附着系数u下,对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax,从而建立预测时域的失稳边界;
为理解本发明的原理,下述将对每一步骤进行详细说明:
在所述步骤S10中,在一个具体的实施例中,可以实时接收来自目标路径模块的目标路径曲率ρ及曲率变化率接收来自CAN线上的由车辆信息模块采集的车速信息v、横摆角速度信息γ、方向盘转角信息δw、车辆纵向加速度信息ax以及车辆轴距l等信息,接受来自观测器的路面附着系数信息u、车辆质心侧偏角信息β。可以理解的是,此处所提到的目标路径模块、车辆信息模块、观测器等设备均是自动驾驶汽车中经常使用的设备,在现有的自动驾驶汽车中均存在相同的设备或存在具有相同功能的设备,在此不进行赘述。
在所述步骤S11中,当前时刻的前轮转角可以通过公式δt=δw/τ计算出来,其中,δw为当前时刻的方向盘转角,τ为传动***的传动比。
从而可以根据目标路径曲率和曲率变化率对前轮转角进行预估,先假定一个预测时域T,所述预测时域包括多个控制周期t。
故预测时域T内,每一个控制周期t的前轮转角可以为:
根据车辆运动学可知:
δ1≈arc tan(l/R)=arc tan(lρ)
其中,l为车辆轴距,R为目标路径的半径,ρ为目标路径的曲率。
其中,δt为当前时刻的前轮转角,为当前控制周期预估的前轮转角变化率,为下一控制周期预估的前轮转角,ρ为目标路径曲率,为曲率变化率。在一个具体的例子中,所述预测时域T为0.2s~0.5s,所述每一控制周期t为0.02s~0.05s。
在所述步骤S12中,因为前轮转角具有延展性,可以通过历史前轮转角进行二次多项式拟合,根据拟合形成的拟合曲线来推算预测时域内的前轮转角,具体地可以通过类似下面的方式来获得拟合曲线。
具体地,首先选取多个历史前轮转角拆分成二次多项式,
从而算出二次多项式的系数p1、p2、p3,从而可以获得如下的曲线公式:
其中,ω1,ω2为加权系数,在实际应用中,可以根据实验进行标定,获得不同的车速下对应的权重系数。
所述步骤S14具体包括:
步骤S140,因为在稳态情况下预估车辆状态,因此采用模型预测方法,基于车辆二自由度线性模型预估,具体地通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角:
其中,γ为车辆的横摆角速度,β为车辆的质心侧偏角,cr为车辆后轴的侧偏刚度,cf为车辆前轴的侧偏刚度,lr为车辆中心到后轴的距离,lf为车辆中心到前轴的距离,Jz为车辆绕Z轴的转动惯量,m为车辆质量,v为车速,m按空载计算;
其中,根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf,根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算;
步骤S141,根据前一预测时域T的预测方差对当前时域T内的预测值进行修正:
设过程噪音的方差分别为Q和R,根据前一预测时域T内预估值和真实值,计算前一预测时域T的预测方差:
对该预测时域的预测值进行修正:
所述步骤S15具体包括:
通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的横摆角速度的最大值γmax:
γmax=aug/v;
其中,a为标定量,u为附着系数,v为车速,g为重力加速度;
通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的质心侧偏角的最大值βmax:
其中,b,c,d均为标定量,u为附着系数,v为车速。
可以理解的是,上述各标定量均可以通过实验获得,由于获得了预测时域内各控制周期对应的横摆角速度的最大值γmax和质心侧偏角的最大值βmax,从而可以建立预测时域内车辆的失稳边界。通过该失稳边界即可以进行车辆的稳定性判断。
所述步骤S16具体包括:
如果比较结果为且则判断结果为预测时域T内车辆没有失稳风险;否则判断结果为预测时域T内车辆存在失稳风险。如果存在失稳风险时,自动驾驶车辆可以及时进行车辆稳定性控制,例如可以及时采取减速或横摆控制等相关措施。关于自动驾驶车辆如何进行车辆稳定性控制在现有技术中存在多种实现方式,是本领域技术人员易于理解和实现的,在此不进行详述。
相应地,本发明的另一方面还提供一种用于预测自动驾驶车辆稳定性状态的***1,请参见图3至图6所示。所述***1包括:
信息采集单元10,用于实时采集目标路径信息、当前车辆信息以及环境信息,所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括:车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β,所述环境信息包括路面附着系数u;
失稳边界建立单元15,用于计算当前车速v与路面附着系数u下,对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax,从而建立所述预测时域的失稳边界;
更加具体地,在一个实施例中,所述第一前轮转角序列获得单元11通过如下公式计算获得每一个控制周期t对应的前轮转角:
具体地,首先选取多个历史前轮转角拆分成二次多项式:
从而算出二次多项式的系数p1、p2、p3,从而可以获得如下的曲线公式:
其中,ω1,ω2为加权系数,在实际应用中,可以根据实验进行标定,获得不同的车速下对应的权重系数。
在一个实施例中,所述车辆横摆角速度及质心侧偏角预测单元14具体包括:
第一计算单元140,用于通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角:
其中,γ为车辆的横摆角速度,β为车辆的质心侧偏角,cr为车辆后轴的侧偏刚度,cf为车辆前轴的侧偏刚度,lr为车辆中心到后轴的距离,lf为车辆中心到前轴的距离,Jz为车辆绕Z轴的转动惯量,m为车辆质量,v为车速,m按空载计算;
其中,根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf,根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算;
修正处理单元141,用于根据前一预测时域T的预测方差对所述第一计算单元所计算出的当前时域T内的预测值进行修正,包括:
预测方差计算子单元142:用于根据前一预测时域T内预估值和真实值,计算前一预测时域T的预测方差:
修订单元143,用于根据前一前一预测时域T的预测方差对该预测时域的预测值进行修正,具体通过下述公式进行计算:
在一个实施例中,所述失稳边界建立单元15具体包括:
横摆角速度的最大值计算单元150,用于通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的横摆角速度的最大值γmax:
γmax=aug/v,
其中,a为标定量,u为附着系数,v为车速,g为重力加速度;
质心侧偏角的最大值计算单元151,用于通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的质心侧偏角的最大值βmax:
其中,b,c,d均为标定量,u为附着系数,v为车速;
建立单元152,用于根据所述各横摆角速度的最大值γmax和质心侧偏角的最大值βmax建立预时域的失稳边界。
在一个实施例中,所述车辆稳定性判断单元16具体包括:
判断单元161,用于在比较单元的比较结果为且 则判断结果为预测时域T内车辆没有失稳风险;否则判断结果为预测时域T内车辆存在失稳风险。如果存在失稳风险时,自动驾驶车辆可以及时进行车辆稳定性控制,例如可以及时采取减速或横摆控制等相关措施。
在一个实施例中,所述预测时域T为0.2s~0.5s,所述每一控制周期t为0.02s~0.05s。
本实施例的更多的细节可以结合前述对图2的描述,在此不进行赘述。
其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上,实施本发明的实施例,具有如下的有益效果:
本发明公开了一种用于预测自动驾驶车辆稳定性状态的方法及***,通过采集当前车辆的信息、目标路径信息以及环境信息,可以预估车辆按既定轨迹行驶时,获得预测时域内的车辆的质心侧偏角及横摆角速度,从而建立预测时域内车辆的失稳边界,实现判断出车辆是否将面临失稳风险。本发明提出了可提前一个预测时域(如0.2s~0.5s)即可以预测出车辆稳定性状态,从而可以避免车辆进入失稳(侧滑)区域,有助于车辆稳定性控制及时采取减速或横摆控制等相关措施,保证自动驾驶车辆稳定性,并改善乘坐舒适性;
本发明基于自动驾驶车辆已有的装置和设备(如目标路径模块、车辆信息模块以及观测器等),是对已有的信息进行处理,无需增加新的硬件设备,适应性强,可以应用在各种自动驾驶车辆上。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (12)
1.一种用于预测自动驾驶车辆稳定性状态的方法,其特征在于,包括如下步骤:
步骤S10,实时采集目标路径信息、当前车辆信息以及环境信息,所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括:车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β,所述环境信息包括路面附着系数u;
步骤S15,计算当前车速v与路面附着系数u下,对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax,从而建立所述预测时域的失稳边界;
3.如权利要求2所述的一种用于预测自动驾驶车辆稳定性状态的方法,其特征在于,所述步骤S14具体包括:
步骤S140,通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角:
其中,γ为车辆的横摆角速度,β为车辆的质心侧偏角,cr为车辆后轴的侧偏刚度,cf为车辆前轴的侧偏刚度,lr为车辆中心到后轴的距离,lf为车辆中心到前轴的距离,Jz为车辆绕Z轴的转动惯量,m为车辆质量,v为车速,m按空载计算;
其中,根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf,根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算;
步骤S141,根据前一预测时域T的预测方差对当前时域T内的预测值进行修正:
设过程噪音的方差分别为Q和R,根据前一预测时域T内预估值和真实值,计算前一预测时域T的预测方差:
对该预测时域的预测值进行修正:
6.如权利要求1至5任一项所述的一种用于预测自动驾驶车辆稳定性状态的方法,其特征在于,所述预测时域T为0.2s~0.5s,所述每一控制周期t为0.02s~0.05s。
7.一种用于预测自动驾驶车辆稳定性状态的***,其特征在于,包括:
信息采集单元,用于实时采集目标路径信息、当前车辆信息以及环境信息,所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括:车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β,所述环境信息包括路面附着系数u;
失稳边界建立单元,用于计算当前车速v与路面附着系数u下,对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax,从而建立所述预测时域的失稳边界;
9.如权利要求8所述的一种用于预测自动驾驶车辆稳定性状态的***,其特征在于,所述车辆横摆角速度及质心侧偏角预测单元具体包括:
第一计算单元,用于通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角:
其中,γ为车辆的横摆角速度,β为车辆的质心侧偏角,cr为车辆后轴的侧偏刚度,cf为车辆前轴的侧偏刚度,lr为车辆中心到后轴的距离,lf为车辆中心到前轴的距离,Jz为车辆绕Z轴的转动惯量,m为车辆质量,v为车速,m按空载计算;
其中,根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf,根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算;
修正处理单元,用于根据前一预测时域T的预测方差对所述第一计算单元所计算出的当前时域T内的预测值进行修正,包括:
预测方差计算子单元:用于根据前一预测时域T内预估值和真实值,计算前一预测时域T的预测方差:
修订单元,用于根据前一前一预测时域T的预测方差对该预测时域的预测值进行修正,具体通过下述公式进行计算:
12.如权利要求6至11任一项所述的一种用于预测自动驾驶车辆稳定性状态的***,其特征在于,所述预测时域T为0.2s~0.5s,所述每一控制周期t为0.02s~0.05s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910225853.8A CN111731265B (zh) | 2019-03-25 | 2019-03-25 | 一种用于预测自动驾驶车辆稳定性状态的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910225853.8A CN111731265B (zh) | 2019-03-25 | 2019-03-25 | 一种用于预测自动驾驶车辆稳定性状态的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111731265A true CN111731265A (zh) | 2020-10-02 |
CN111731265B CN111731265B (zh) | 2021-06-11 |
Family
ID=72646350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910225853.8A Active CN111731265B (zh) | 2019-03-25 | 2019-03-25 | 一种用于预测自动驾驶车辆稳定性状态的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111731265B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112406853A (zh) * | 2020-11-25 | 2021-02-26 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆与侧倾稳定性集成控制方法 |
CN112706756A (zh) * | 2020-11-25 | 2021-04-27 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆稳定性控制方法 |
CN112918480A (zh) * | 2021-03-17 | 2021-06-08 | 北京经纬恒润科技股份有限公司 | 车辆的控制方法、装置、电子设备及计算机存储介质 |
CN112937551A (zh) * | 2021-03-04 | 2021-06-11 | 北京理工大学 | 一种考虑驾驶员输入特征的车辆控制方法及*** |
CN112947183A (zh) * | 2021-02-05 | 2021-06-11 | 上海擎度汽车科技有限公司 | 一种车身稳定性标定*** |
CN113276835A (zh) * | 2021-04-09 | 2021-08-20 | 清华大学 | 车辆转向稳定控制方法、装置、esc及车辆 |
CN113460055A (zh) * | 2021-06-11 | 2021-10-01 | 吉林大学 | 在线的车辆行驶控制区域划分及区域边界估计方法 |
CN114212104A (zh) * | 2021-12-14 | 2022-03-22 | 京东鲲鹏(江苏)科技有限公司 | 车辆控制方法、装置、车辆和存储介质 |
US20230126666A1 (en) * | 2021-10-27 | 2023-04-27 | GM Global Technology Operations LLC | System and method for maintaining stability of a motor vehicle |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080086248A1 (en) * | 2006-08-30 | 2008-04-10 | Ford Global Technologies, Llc | Integrated control system for stability control of yaw, roll and lateral motion of a driving vehicle using an integrated sensing system with pitch information |
CN104395158A (zh) * | 2012-06-21 | 2015-03-04 | 伊顿公司 | 预测性车辆稳定性控制方法 |
CN104401323A (zh) * | 2014-11-04 | 2015-03-11 | 河北工程大学 | 一种重型车辆侧翻预警方法及装置 |
CN104773170A (zh) * | 2015-04-28 | 2015-07-15 | 吉林大学 | 一种车辆稳定性集成控制方法 |
US20170327109A1 (en) * | 2016-05-15 | 2017-11-16 | Mechanical Simulation Corporation | System and method to stabilize motorcycles |
CN108107731A (zh) * | 2017-12-18 | 2018-06-01 | 长春工业大学 | 一种基于轮胎非线性特性的汽车稳定性控制方法 |
CN108482363A (zh) * | 2018-04-09 | 2018-09-04 | 吉林大学 | 车辆横摆稳定性预测模型控制方法 |
CN108622101A (zh) * | 2018-05-09 | 2018-10-09 | 南京航空航天大学 | 一种汽车转向工况下的路面附着系数估计方法 |
-
2019
- 2019-03-25 CN CN201910225853.8A patent/CN111731265B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080086248A1 (en) * | 2006-08-30 | 2008-04-10 | Ford Global Technologies, Llc | Integrated control system for stability control of yaw, roll and lateral motion of a driving vehicle using an integrated sensing system with pitch information |
CN104395158A (zh) * | 2012-06-21 | 2015-03-04 | 伊顿公司 | 预测性车辆稳定性控制方法 |
CN104401323A (zh) * | 2014-11-04 | 2015-03-11 | 河北工程大学 | 一种重型车辆侧翻预警方法及装置 |
CN104773170A (zh) * | 2015-04-28 | 2015-07-15 | 吉林大学 | 一种车辆稳定性集成控制方法 |
US20170327109A1 (en) * | 2016-05-15 | 2017-11-16 | Mechanical Simulation Corporation | System and method to stabilize motorcycles |
CN108107731A (zh) * | 2017-12-18 | 2018-06-01 | 长春工业大学 | 一种基于轮胎非线性特性的汽车稳定性控制方法 |
CN108482363A (zh) * | 2018-04-09 | 2018-09-04 | 吉林大学 | 车辆横摆稳定性预测模型控制方法 |
CN108622101A (zh) * | 2018-05-09 | 2018-10-09 | 南京航空航天大学 | 一种汽车转向工况下的路面附着系数估计方法 |
Non-Patent Citations (1)
Title |
---|
陈无畏,王晓,谈东奎,等: "基于最小能耗的电动汽车横摆稳定性灰色预测可拓控制研究", 《机械工程学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112706756B (zh) * | 2020-11-25 | 2022-03-29 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆稳定性控制方法 |
CN112706756A (zh) * | 2020-11-25 | 2021-04-27 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆稳定性控制方法 |
CN112406853A (zh) * | 2020-11-25 | 2021-02-26 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆与侧倾稳定性集成控制方法 |
CN112406853B (zh) * | 2020-11-25 | 2022-05-10 | 东风越野车有限公司 | 轮毂电机驱动越野车横摆与侧倾稳定性集成控制方法 |
CN112947183B (zh) * | 2021-02-05 | 2022-10-18 | 上海擎度汽车科技有限公司 | 一种车身稳定性标定*** |
CN112947183A (zh) * | 2021-02-05 | 2021-06-11 | 上海擎度汽车科技有限公司 | 一种车身稳定性标定*** |
CN112937551A (zh) * | 2021-03-04 | 2021-06-11 | 北京理工大学 | 一种考虑驾驶员输入特征的车辆控制方法及*** |
CN112918480A (zh) * | 2021-03-17 | 2021-06-08 | 北京经纬恒润科技股份有限公司 | 车辆的控制方法、装置、电子设备及计算机存储介质 |
CN113276835A (zh) * | 2021-04-09 | 2021-08-20 | 清华大学 | 车辆转向稳定控制方法、装置、esc及车辆 |
CN113460055A (zh) * | 2021-06-11 | 2021-10-01 | 吉林大学 | 在线的车辆行驶控制区域划分及区域边界估计方法 |
CN113460055B (zh) * | 2021-06-11 | 2022-05-31 | 吉林大学 | 在线的车辆行驶控制区域划分及区域边界估计方法 |
US20230126666A1 (en) * | 2021-10-27 | 2023-04-27 | GM Global Technology Operations LLC | System and method for maintaining stability of a motor vehicle |
US11713036B2 (en) * | 2021-10-27 | 2023-08-01 | GM Global Technology Operations LLC | System and method for maintaining stability of a motor vehicle |
CN114212104A (zh) * | 2021-12-14 | 2022-03-22 | 京东鲲鹏(江苏)科技有限公司 | 车辆控制方法、装置、车辆和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111731265B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111731265B (zh) | 一种用于预测自动驾驶车辆稳定性状态的方法及*** | |
US9645250B2 (en) | Fail operational vehicle speed estimation through data fusion of 6-DOF IMU, GPS, and radar | |
CN110171416B (zh) | 车辆行驶控制方法、装置、计算机可读介质及电子设备 | |
US9796421B1 (en) | Autonomous vehicle lateral control for path tracking and stability | |
US8583354B2 (en) | Continuous computation of center of gravity of a vehicle | |
CN112208515B (zh) | 一种车辆横向控制方法、装置、设备及介质 | |
CN111532339B (zh) | 一种智能车辆个性化侧向辅助驾驶方法及其*** | |
CN112849127B (zh) | 车辆转向控制的方法、装置、存储介质和设备 | |
US20160288830A1 (en) | Vehicle steering device and vehicle steering control method | |
EP2203340A2 (en) | Vehicle body speed estimating device | |
CN112109515A (zh) | 存储介质、车辆主动悬架的控制方法及装置 | |
US20230131835A1 (en) | Apparatus for controlling autonomous driving of independent driving electric vehicle and method thereof | |
US9026334B2 (en) | Vehicle attitude control system | |
CN109703616A (zh) | 自动驾驶转角控制方法、电子设备及存储介质 | |
US20190193781A1 (en) | Apparatus and method for controlling rotation of vehicle in consideration of slip | |
CN114228715B (zh) | 一种车辆队列联合控制方法、装置、设备及存储介质 | |
CN108860137B (zh) | 失稳车辆的控制方法、装置及智能车辆 | |
JP7069624B2 (ja) | 位置演算方法、車両制御方法及び位置演算装置 | |
CN115489335B (zh) | 基于能量回收的扭矩控制方法、装置、设备和介质 | |
CN112046465A (zh) | 一种车辆稳定性控制方法、装置、设备和存储介质 | |
CN113086006A (zh) | 通过电子动力转向单元进行转向干预以防止车辆倾翻或失控的方法和*** | |
CN114212081B (zh) | 车辆横向控制方法、装置、计算机设备和可读存储介质 | |
JP5962068B2 (ja) | 車両姿勢制御装置 | |
US20230409036A1 (en) | Apparatus for controlling driving of moving object and method thereof | |
CN117092909A (zh) | 一种车辆稳定性控制仿真方法和*** |
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 |