CN111806445A - 车辆横向控制方法和装置、介质、设备、车辆 - Google Patents
车辆横向控制方法和装置、介质、设备、车辆 Download PDFInfo
- Publication number
- CN111806445A CN111806445A CN202010476498.4A CN202010476498A CN111806445A CN 111806445 A CN111806445 A CN 111806445A CN 202010476498 A CN202010476498 A CN 202010476498A CN 111806445 A CN111806445 A CN 111806445A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- pid controller
- angle
- front wheel
- control
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 230000002068 genetic effect Effects 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 8
- 238000013461 design Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000013519 translation Methods 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
- 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
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本公开涉及一种车辆横向控制方法和装置、介质、设备、车辆。所述方法包括：获取所述车辆的目标航向角和当前航向角；控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定；控制所述车辆的前轮转角为所述PID控制器输出的前轮转角。通过上述技术方案，利用遗传算法，使车辆横向控制的PID控制器具有了自寻优的功能，减少了PID控制器控制参数整定的工作量，与使用模糊PID之类的基于规则的自寻优控制器相比，降低了设计上的逻辑复杂度，使车辆横向控制更高效。
Description
技术领域
本公开涉及车辆自动控制领域，具体地，涉及一种车辆横向控制方法和装置、介质、设备、车辆。
背景技术
车辆横向控制是指自动驾驶车辆的转向控制，其目的是根据当前道路情况和规划的轨迹使车辆沿着规划的航向行驶。为了确保车辆转向过程中的安全性和乘客的舒适性，在传统的车辆横向控制中，常用到比例积分微分(Proportion Integral Differential，PID)控制器。PID控制器是典型的线性控制器，其优点是设计简单、鲁棒性高。
PID控制器的设计包含了大量的控制参数整定工作。为了减少PID控制器设计过程中的大量参数整定工作，一些自适应(自整定)控制器逐渐被使用。例如，模糊PID控制、线性二次调节器(Linear Quadratic Regulator，LQR)、模型预测控制(Model PredictiveControl，MPC)等。
发明内容
本公开的目的是提供一种高效、准确、可靠的车辆横向控制方法和装置、介质、设备、车辆。
为了实现上述目的，本公开提供一种车辆横向控制方法，所述方法包括：
获取所述车辆的目标航向角和当前航向角；
控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定；
控制所述车辆的前轮转角为所述PID控制器输出的前轮转角。
可选地，所述PID控制器中的控制参数通过以下步骤来确定：
随机生成初始群体；
计算所述初始群体中的个体的适应度，其中，根据以下公式计算适应度：
其中，J为适应度，e(t)为输入所述PID控制器的目标值与反馈给所述PID控制器的反馈值之间的***误差；|·|为取模，t为时间；
根据所计算的适应度对所述初始群体进行筛选、交叉、变异的运算，得到下一代群体；
计算所述下一代群体中每个个体的适应度，直至产生满足结束条件的个体；
将满足所述结束条件的个体确定为所述PID控制器中的控制参数。
可选地，控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定，包括：
确定所述车辆的状态信息；
从预定的所述车辆的状态信息和所述PID控制器中的控制参数之间的对应关系中，查找与所确定的状态信息对应的控制参数，其中，所述PID控制器中的控制参数根据所确定的状态信息和遗传算法计算得到；
控制PID控制器根据所述目标航向角、所述当前航向角、以及查找到的控制参数，输出所述车辆的前轮转角。
可选地，所述车辆的状态信息为所述车辆的目标航向角所属的区间。
可选地，控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定，包括：
在控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角的同时，若满足触发条件，则根据遗传算法更新所述PID控制器中的控制参数。
本公开还提供一种车辆横向控制装置，所述装置包括：
获取模块，用于获取所述车辆的目标航向角和当前航向角；
第一控制模块，用于控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定；
第二控制模块，用于控制所述车辆的前轮转角为所述PID控制器输出的前轮转角。
可选地，所述第一控制模块包括：
确定子模块，用于确定所述车辆的状态信息；
查找子模块，用于从预定的所述车辆的状态信息和所述PID控制器中的控制参数之间的对应关系中，查找与所确定的状态信息对应的控制参数，其中，所述PID控制器中的控制参数根据所确定的状态信息和遗传算法计算得到；
第一控制子模块，用于控制PID控制器根据所述目标航向角、所述当前航向角、以及查找到的控制参数，输出所述车辆的前轮转角。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开提供的上述方法的步骤。
本公开还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开提供的上述方法的步骤。
本公开还提供一种车辆，包括控制器，所述控制器用于执行本公开提供的上述方法的步骤。
通过上述技术方案，利用遗传算法，使车辆横向控制的PID控制器具有了自寻优的功能，减少了PID控制器控制参数整定的工作量，与使用模糊PID之类的基于规则的自寻优控制器相比，降低了设计上的逻辑复杂度，使车辆横向控制更高效。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是一示例性实施例提供的车辆横向控制方法的流程图；
图2是另一示例性实施例提供的车辆横向控制方法的流程图；
图3是一示例性实施例提供的车辆横向控制方法的原理示意图；
图4是一示例性实施例提供的车辆横向控制装置的框图；
图5是一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1是一示例性实施例提供的车辆横向控制方法的流程图。如图1所示，车辆横向控制方法可以包括以下步骤：
步骤S11，获取车辆的目标航向角和当前航向角。
步骤S12，控制PID控制器根据目标航向角、当前航向角输出车辆的前轮转角，其中，PID控制器中的控制参数根据遗传算法确定。
步骤S13，控制车辆的前轮转角为PID控制器输出的前轮转角。
本公开应用于车辆自动驾驶中的横向控制，在横向控制中，应用PID控制器，根据路径规划中确定的目标航向角实时地确定车辆的前轮转角。并且，PID控制器中的控制参数，是根据遗传算法确定的。也就是，利用遗传算法对控制参数进行寻优，即进行PID控制器的自适应或自整定，最终将PID控制器中的控制参数确定为一个较优值。
其中，PID控制器中的控制参数可以通过以下步骤来确定：
1、随机生成初始群体。需要求解的算子是PID控制器中的控制参数KP、KI和KD值。初始化输入输出，产生初代算子群。
2、计算初始群体中的个体的适应度，其中，根据以下公式计算适应度：
其中，J为适应度，e(t)为输入所述PID控制器的目标值与反馈给所述PID控制器的反馈值之间的***误差；|·|为取模，t为时间。
3、根据所计算的适应度对初始群体进行筛选、交叉、变异的运算，得到下一代群体。即根据所计算的适应度选择进行运算的个体，适应度较高的个体将有更高的概率被选中。基于所选择的个体进行交叉、变异。
4、计算下一代群体中每个个体的适应度，直至产生满足结束条件的个体。将选出的下一代个体代入结束条件，如果满足结束条件，则输出最优的算子，如果不满足结束条件，则重新计算下一代个体的适应度。
5、将满足结束条件的个体确定为PID控制器中的控制参数。
例如，可以将KP、KI和KD的搜索范围设定在[0，100]之间，搜索步长为0.01，算子的更新代数设置为30代。遗传算法将通过一系列运算步骤求得所给搜索区间内的最优解。
另外，在PID控制器中，去除D控制器的超前激励可以更好地调节***响应，因此也可以使用PID控制器中的P控制项和I控制项，即使用PI控制器。
通过上述技术方案，利用遗传算法，使车辆横向控制的PID控制器具有了自寻优的功能，减少了PID控制器控制参数整定的工作量，与使用模糊PID之类的基于规则的自寻优控制器相比，降低了设计上的逻辑复杂度，使车辆横向控制更高效。
在一实施例中，PID控制器中的控制参数可以是预先根据遗传算法标定好的。图2是另一示例性实施例提供的车辆横向控制方法的流程图。如图2所示，在图1的基础上，控制PID控制器根据目标航向角、当前航向角输出车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定的步骤(步骤S12)可以包括以下步骤：
步骤S121，确定车辆的状态信息。
步骤S122，从预定的车辆的状态信息和PID控制器中的控制参数之间的对应关系中，查找与所确定的状态信息对应的控制参数，其中，PID控制器中的控制参数根据所确定的状态信息和遗传算法计算得到。
步骤S123，控制PID控制器根据目标航向角、当前航向角、以及查找到的控制参数，输出车辆的前轮转角。
车辆的状态信息可以包括车速、前轮转角、道路曲率、路面摩擦系数等。在车辆运行之前，可以预先对PID控制器中的控制参数进行标定。具体地，车辆的一个(组)状态信息对应于一组控制参数。即一组控制参数是在对应的一个(组)状态信息下根据遗传算法确定的。标定好的控制参数可以与对应的车辆的状态信息进行关联存储，生成车辆的状态信息和PID控制器中的控制参数之间的对应关系。在车辆实际运行过程中，不必要实时地应用遗传算来确定控制参数，只需要查找出与当前车辆的状态信息对应的控制参数，这样就减少了实时计算量，加快了数据处理速度，缩短了响应时间。
例如，车辆的状态信息可以为车辆的目标航向角所属的区间。预先将车辆的航向角划分为多个区间，分别在每个区间中时对PID控制器的控制参数进行标定，将各个区间和根据遗传算法确定的控制参数关联存储。在车辆实际运行时，直接根据目标航向角所属的区间来查找对应的控制参数，赋予PID控制器，由PID控制器对车辆的横向控制进行反馈控制。
由于车辆的目标航向角对车辆的横向控制的影响较大，因此，将车辆的目标航向角所属的区间作为确定PID控制器的控制参数的一个因素，能够较准确地体现PID控制器的控制参数的变化，从而使得用PID控制器能够较准确地控制的车辆按照预定路径行驶，从而提升车辆的自动驾驶功能。
在进行控制参数的标定时，可以采用实车试验的方法，也可以采用车辆模型进行模拟。图3是一示例性实施例提供的车辆横向控制方法的原理示意图。如图3所示，***通过PID控制器，消除目标航向角R(t)与***输出的当前航向角y(t)之间的偏差e(t)，u(t)是PID控制器给车辆模型的输入，即前轮转角。在PID控制器运行期间，可以同时采用遗传算法来更新PID控制器的控制参数。
其中，车辆模型可以使用具有二自由度的动力学模型，二自由度指的是车辆具有纵向、横向、垂向的平动以及侧倾、俯仰、横摆三个方向的转动。二自由度模型可以如下式所示：
其中，Vx为车辆的纵向速度，Vy为车辆的横向速度，δ为前轮转角，m为车辆的总质量，Iz为航向角的转动惯量，Cf为前轮侧偏刚度，Cr为后轮侧偏刚度，lf和lr分别为前、后轮距离车辆质心的距离，
为航向角，
为
的微分，t为时间。将上述二自由度模型作为车辆模型，由于模型简单运算量小，因此，处理速度快。
另外，还可以将上述的车辆模型进行线性化和离散化，生成线性离散的车辆模型。例如，可以经过四阶龙格-库塔算法求解。PID控制器和遗传算法都可以基于此离散的车辆模型来计算。
该实施例中，减少了车辆运行时的实时计算量，加快了数据处理速度，缩短了响应时间。
在又一实施例中，PID控制器中的控制参数也可以是在车辆运行过程中实时根据遗传算法更新的。该实施例中，在图1的基础上，控制PID控制器根据目标航向角、当前航向角输出车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定的步骤(步骤S12)可以包括以下步骤：
在控制PID控制器根据目标航向角、当前航向角输出车辆的前轮转角的同时，若满足触发条件，则根据遗传算法更新PID控制器中的控制参数。
在该实施例中，车辆横向控制方法的原理与图3中的相似。与图3不同的是，将图3中的车辆模型替换为真实的车辆。
具体地，在车辆运行期间，可以设置触发条件，若达到该触发条件，则利用遗传算法更新一次PID控制器的控制参数。该触发条件例如可以是时间周期、目标航向角区间、车速区间、前轮转角区间等。例如，每隔一小时就利用遗传算法更新一次，或者，目标航向角每到达一个新的航向角区间就更新一次，或者，车速每到达一个新的车速区间就更新一次，或者，前轮转角每到达一个新的转角区间就更新一次。也可以将上述因素相结合生成触发条件。例如，每隔一小时且车速到达一个新的车速区间就更新一次等等。
该实施例中，由于遗传算法是在车辆实际运行期间执行的，因此，PID参数更新的结果更加符合实际的车况，从而使车辆横向控制更加准确。
本公开还提供一种车辆横向控制装置。图4是一示例性实施例提供的车辆横向控制装置的框图。如图4所示，车辆横向控制装置10可以包括获取模块11、第一控制模块12和第二控制模块13。
获取模块11用于获取车辆的目标航向角和当前航向角。
第一控制模块12用于控制PID控制器根据目标航向角、当前航向角输出车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定。
第二控制模块13用于控制车辆的前轮转角为PID控制器输出的前轮转角。
可选地，第一控制模块12可以包括确定子模块、查找子模块和第一控制子模块。
确定子模块用于确定车辆的状态信息。
查找子模块用于从预定的车辆的状态信息和PID控制器中的控制参数之间的对应关系中，查找与所确定的状态信息对应的控制参数，其中，PID控制器中的控制参数根据所确定的状态信息和遗传算法计算得到。
第一控制子模块用于控制PID控制器根据目标航向角、当前航向角、以及查找到的控制参数，输出车辆的前轮转角。
可选地，车辆的状态信息为车辆的目标航向角所属的区间。
可选地，第一控制模块12可以包括第二控制子模块。
第二控制子模块用于在控制PID控制器根据目标航向角、当前航向角输出车辆的前轮转角的同时，若满足触发条件，则根据遗传算法更新PID控制器中的控制参数。
可选地，在第一控制模块12中，PID控制器中的控制参数通过以下步骤来确定：
随机生成初始群体；
计算初始群体中的个体的适应度，其中，根据以下公式计算适应度：
其中，J为适应度，e(t)为输入PID控制器的目标值与反馈给PID控制器的反馈值之间的***误差；|·|为取模，t为时间；
根据所计算的适应度对初始群体进行筛选、交叉、变异的运算，得到下一代群体；
计算下一代群体中每个个体的适应度，直至产生满足结束条件的个体；
将满足结束条件的个体确定为PID控制器中的控制参数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
通过上述技术方案，利用遗传算法，使车辆横向控制的PID控制器具有了自寻优的功能，减少了PID控制器控制参数整定的工作量，与使用模糊PID之类的基于规则的自寻优控制器相比，降低了设计上的逻辑复杂度，使车辆横向控制更高效。
本公开还提供一种电子设备，包括存储器和处理器。
存储器上存储有计算机程序；处理器用于执行所述存储器中的所述计算机程序，以实现本公开提供的上述方法的步骤。
图5是一示例性实施例示出的一种电子设备500的框图。如图5所示，该电子设备500可以包括：处理器501，存储器502。该电子设备500还可以包括多媒体组件503，输入/输出(I/O)接口504，以及通信组件505中的一者或多者。
其中，处理器501用于控制该电子设备500的整体操作，以完成上述的车辆横向控制方法中的全部或部分步骤。存储器502用于存储各种类型的数据以支持在该电子设备500的操作，这些数据例如可以包括用于在该电子设备500上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件503可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器502或通过通信组件505发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口504为处理器501和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件505用于该电子设备500与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件505可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的车辆横向控制方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的车辆横向控制方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器502，上述程序指令可由电子设备500的处理器501执行以完成上述的车辆横向控制方法。
本公开还提供一种车辆，包括控制器，该控制器用于执行本公开提供的上述方法的步骤。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (10)
1.一种车辆横向控制方法，其特征在于，所述方法包括：
获取所述车辆的目标航向角和当前航向角；
控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定；
控制所述车辆的前轮转角为所述PID控制器输出的前轮转角。
2.根据权利要求1所述的方法，其特征在于，所述PID控制器中的控制参数通过以下步骤来确定：
随机生成初始群体；
计算所述初始群体中的个体的适应度，其中，根据以下公式计算适应度：
J＝∫0 t|e(t)|dt
其中，J为适应度，e(t)为输入所述PID控制器的目标值与反馈给所述PID控制器的反馈值之间的***误差，|·|为取模，t为时间；
根据所计算的适应度对所述初始群体进行筛选、交叉、变异的运算，得到下一代群体；
计算所述下一代群体中每个个体的适应度，直至产生满足结束条件的个体；
将满足所述结束条件的个体确定为所述PID控制器中的控制参数。
3.根据权利要求1或2所述的方法，其特征在于，控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定，包括：
确定所述车辆的状态信息；
从预定的所述车辆的状态信息和所述PID控制器中的控制参数之间的对应关系中，查找与所确定的状态信息对应的控制参数，其中，所述PID控制器中的控制参数根据所确定的状态信息和遗传算法计算得到；
控制PID控制器根据所述目标航向角、所述当前航向角、以及查找到的控制参数，输出所述车辆的前轮转角。
4.根据权利要求3所述的方法，其特征在于，所述车辆的状态信息为所述车辆的目标航向角所属的区间。
5.根据权利要求1或2所述的方法，其特征在于，控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定，包括：
在控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角的同时，若满足触发条件，则根据遗传算法更新所述PID控制器中的控制参数。
6.一种车辆横向控制装置，其特征在于，所述装置包括：
获取模块，用于获取所述车辆的目标航向角和当前航向角；
第一控制模块，用于控制PID控制器根据所述目标航向角、所述当前航向角输出所述车辆的前轮转角，其中，所述PID控制器中的控制参数根据遗传算法确定；
第二控制模块，用于控制所述车辆的前轮转角为所述PID控制器输出的前轮转角。
7.根据权利要求6所述的装置，其特征在于，所述第一控制模块包括：
确定子模块，用于确定所述车辆的状态信息；
查找子模块，用于从预定的所述车辆的状态信息和所述PID控制器中的控制参数之间的对应关系中，查找与所确定的状态信息对应的控制参数，其中，所述PID控制器中的控制参数根据所确定的状态信息和遗传算法计算得到；
第一控制子模块，用于控制PID控制器根据所述目标航向角、所述当前航向角、以及查找到的控制参数，输出所述车辆的前轮转角。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
9.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-5中任一项所述方法的步骤。
10.一种车辆，其特征在于，包括控制器，所述控制器用于执行权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010476498.4A CN111806445A (zh) | 2020-05-29 | 2020-05-29 | 车辆横向控制方法和装置、介质、设备、车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010476498.4A CN111806445A (zh) | 2020-05-29 | 2020-05-29 | 车辆横向控制方法和装置、介质、设备、车辆 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111806445A true CN111806445A (zh) | 2020-10-23 |
Family
ID=72848129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010476498.4A Pending CN111806445A (zh) | 2020-05-29 | 2020-05-29 | 车辆横向控制方法和装置、介质、设备、车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111806445A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113788017A (zh) * | 2021-08-23 | 2021-12-14 | 武汉光庭信息技术股份有限公司 | 一种车道保持控制方法、***、电子设备及存储介质 |
| CN113848899A (zh) * | 2021-09-22 | 2021-12-28 | 中国第一汽车股份有限公司 | 车辆横向控制方法、装置、设备及存储介质 |
| WO2022095460A1 (zh) * | 2020-11-06 | 2022-05-12 | 广州小鹏自动驾驶科技有限公司 | 一种车辆横向控制方法、装置、车辆和可读存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101221447A (zh) * | 2008-01-18 | 2008-07-16 | 中国农业大学 | 一种机械自动转向控制方法 |
| JP2014046889A (ja) * | 2012-09-03 | 2014-03-17 | Mazda Motor Corp | 車両用制御装置 |
| US20150165905A1 (en) * | 2013-12-12 | 2015-06-18 | Ford Global Technologies, Llc | Rule-based cruise control system and method |
| US20170001648A1 (en) * | 2014-01-15 | 2017-01-05 | National University Of Defense Technology | Method and Device for Detecting Safe Driving State of Driver |
| CN109318905A (zh) * | 2018-08-22 | 2019-02-12 | 江苏大学 | 一种智能汽车路径跟踪混合控制方法 |
| CN109407674A (zh) * | 2018-12-19 | 2019-03-01 | 中山大学 | 基于遗传算法整定参数的Pure Pursuit结合PI的路径跟踪方法 |
| CN109733395A (zh) * | 2018-12-19 | 2019-05-10 | 江苏大学 | 一种基于可拓优度评价的自动驾驶汽车横向协调控制方法 |
| CN110979305A (zh) * | 2019-03-18 | 2020-04-10 | 长城汽车股份有限公司 | 车辆异常换道控制方法、装置及*** |
| CN111086510A (zh) * | 2019-12-30 | 2020-05-01 | 浙江大学 | 一种基于预测函数控制的前轮转向车辆车道保持控制方法 |
-
2020
- 2020-05-29 CN CN202010476498.4A patent/CN111806445A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101221447A (zh) * | 2008-01-18 | 2008-07-16 | 中国农业大学 | 一种机械自动转向控制方法 |
| JP2014046889A (ja) * | 2012-09-03 | 2014-03-17 | Mazda Motor Corp | 車両用制御装置 |
| US20150165905A1 (en) * | 2013-12-12 | 2015-06-18 | Ford Global Technologies, Llc | Rule-based cruise control system and method |
| US20170001648A1 (en) * | 2014-01-15 | 2017-01-05 | National University Of Defense Technology | Method and Device for Detecting Safe Driving State of Driver |
| CN109318905A (zh) * | 2018-08-22 | 2019-02-12 | 江苏大学 | 一种智能汽车路径跟踪混合控制方法 |
| CN109407674A (zh) * | 2018-12-19 | 2019-03-01 | 中山大学 | 基于遗传算法整定参数的Pure Pursuit结合PI的路径跟踪方法 |
| CN109733395A (zh) * | 2018-12-19 | 2019-05-10 | 江苏大学 | 一种基于可拓优度评价的自动驾驶汽车横向协调控制方法 |
| CN110979305A (zh) * | 2019-03-18 | 2020-04-10 | 长城汽车股份有限公司 | 车辆异常换道控制方法、装置及*** |
| CN111086510A (zh) * | 2019-12-30 | 2020-05-01 | 浙江大学 | 一种基于预测函数控制的前轮转向车辆车道保持控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 乔富强等: "基于遗传优化的车辆稳定性模糊控制器设计", 《机械与电子》 * |
| 毕文: "主动前轮转向汽车稳定性控制研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022095460A1 (zh) * | 2020-11-06 | 2022-05-12 | 广州小鹏自动驾驶科技有限公司 | 一种车辆横向控制方法、装置、车辆和可读存储介质 |
| CN113788017A (zh) * | 2021-08-23 | 2021-12-14 | 武汉光庭信息技术股份有限公司 | 一种车道保持控制方法、***、电子设备及存储介质 |
| CN113848899A (zh) * | 2021-09-22 | 2021-12-28 | 中国第一汽车股份有限公司 | 车辆横向控制方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111806445A (zh) | 车辆横向控制方法和装置、介质、设备、车辆 | |
| CN110789528B (zh) | 一种车辆行驶轨迹预测方法、装置、设备及存储介质 | |
| US10073458B2 (en) | Path determining apparatus for autonomous driving vehicle and path determining method | |
| US11092965B2 (en) | Method and device for driving dynamics control for a transportation vehicle | |
| KR102203275B1 (ko) | 차선 유지를 위한 차량 조향 제어 장치 및 방법 | |
| CN113120001A (zh) | 自动驾驶车辆的横向控制方法、装置及车辆 | |
| US11474497B2 (en) | Numerical control device, machine learning device, and numerical control method | |
| CN113515038B (zh) | 一种车辆换道方法、装置、设备及可读存储介质 | |
| JP6841852B2 (ja) | 制御装置及び制御方法 | |
| US20210263526A1 (en) | Method and device for supporting maneuver planning for an automated driving vehicle or a robot | |
| CN113561994A (zh) | 轨迹规划方法、装置、存储介质及电子设备 | |
| CN112947492A (zh) | 车辆控制方法、装置、存储介质、电子设备及车辆 | |
| US20190317472A1 (en) | Controller and control method | |
| CN115877841A (zh) | 无人矿车的轨迹跟踪控制方法、装置、设备及存储介质 | |
| KR102382047B1 (ko) | Pso를 이용한 모터 제어기의 자동 학습 튜닝 시스템 | |
| CN111806444A (zh) | 车辆横向控制方法和装置、介质、设备、车辆 | |
| CN116736866B (zh) | 一种物业室内机器人路径规划与轨迹控制方法及*** | |
| CN117387635A (zh) | 一种基于深度强化学习和pid控制器的无人机导航方法 | |
| US20240083496A1 (en) | Steering controller and steering control method | |
| CN114020018B (zh) | 导弹控制策略的确定方法、装置、存储介质及电子设备 | |
| CN113642103B (zh) | 动力学模型参数的调整方法、装置、介质及电子设备 | |
| Rubies-Royo et al. | Recursive regression with neural networks: Approximating the hji pde solution | |
| CN115877832A (zh) | 用于车辆的轨迹规划的方法和*** | |
| CN111966103B (zh) | 无人驾驶叉车零偏角的动态修正方法、装置、设备及介质 | |
| EP3885848A1 (en) | Controller with neural network and improved stability |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201023 |