CN113076641B - 基于风险评估的智能车人机协同转向控制并行计算方法 - Google Patents

基于风险评估的智能车人机协同转向控制并行计算方法 Download PDF

Info

Publication number
CN113076641B
CN113076641B CN202110348942.9A CN202110348942A CN113076641B CN 113076641 B CN113076641 B CN 113076641B CN 202110348942 A CN202110348942 A CN 202110348942A CN 113076641 B CN113076641 B CN 113076641B
Authority
CN
China
Prior art keywords
vehicle
front wheel
time
control
risk
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
Application number
CN202110348942.9A
Other languages
English (en)
Other versions
CN113076641A (zh
Inventor
陈虹
孟强
李斌
张琳
黄岩军
胡浩奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN202110348942.9A priority Critical patent/CN113076641B/zh
Publication of CN113076641A publication Critical patent/CN113076641A/zh
Priority to US17/562,021 priority patent/US11760349B2/en
Application granted granted Critical
Publication of CN113076641B publication Critical patent/CN113076641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • B60W50/0097—Predicting future 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
    • 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • 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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/22—Suspension systems
    • B60W2510/222—Stiffness
    • 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
    • B60W2520/06—Direction of travel
    • 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
    • B60W2520/12—Lateral 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
    • B60W2520/14—Yaw
    • 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
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/10—Weight
    • 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
    • B60W2540/10—Accelerator pedal position
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems
    • B60W2710/207—Steering angle of wheels
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/106—Longitudinal acceleration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明涉及一种基于风险评估的智能车人机协同转向控制并行计算方法，包括以下步骤：构建车辆的侧向动力学方程模型；以车辆行驶轨迹与车道中心线的偏移距离最小，且行驶过程中前轮转角和纵向加速度的变化尽量小为目标搭建目标函数；建立预测模型、目标函数的并行计算架构，所述的并行计算架构采用触发式并行计算方法同步计算预测模型和目标函数；采用反向传播的方式求解计算梯度，利用梯度下降法获取最优前轮转角控制量和纵向加速度控制量；基于模糊逻辑对驾驶权重进行计算获取期望前轮转角，完成实时控制。与现有技术相比，本发明缩短了模型预测控制求解时间，缩短了期望前轮转角求解的时间，提高了智能车人机协同转向控制实时性。

Description

基于风险评估的智能车人机协同转向控制并行计算方法
技术领域
本发明涉及并行计算技术领域，尤其是涉及一种基于风险评估的智能车人机协同转向控制并行计算方法。
背景技术
随着汽车的不断发展，虽然给人们的出行带来极大便利。但是，随着汽车保有量的逐年上升，使得车辆行驶的交通环境日趋复杂。而复杂的交通环境会增加驾驶员的心理负担和驾驶难度，使得驾驶员在驾驶过程中易出现疲劳，最终导致交通事故的发生。因此，通过降低驾驶员的驾驶负担来降低交通事故发生是最有效的方法之一。
随着传感器、通信技术和感知融合技术的发展，智能车也蓬勃发展起来。且智能车中的人机协同控制***可以有效的辅助驾驶员安全行驶，具体表现为：一方面可以降低驾驶员的驾驶负担，另一方面可以在驾驶出现误操作时及时接管车辆。虽然智能车人机协同***是降低交通事故的有效手段，但是，依据当前的驾驶员行为和交通状态，快速进行基于风险评估的最优前轮转角实时求解是一大挑战。它阻碍了智能车人机协同***的量产化。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于风险评估的智能车人机协同转向控制并行计算方法。
本发明的目的可以通过以下技术方案来实现：
一种基于风险评估的智能车人机协同转向控制并行计算方法，包括以下步骤：
S1：构建车辆的侧向动力学方程模型，并获取车辆的***离散化模型；
S2：将道路中心线作为理想行车轨迹，以车辆行驶轨迹与车道中心线的偏移距离最小，且行驶过程中前轮转角和纵向加速度的变化尽量小为目标搭建目标函数；
S3：建立预测模型、目标函数的并行计算架构，所述的并行计算架构采用触发式并行计算方法同步计算预测模型和目标函数；
S4：采用反向传播的方式求解计算梯度，利用梯度下降法优化前轮转角控制量和纵向加速度控制量，获取最优前轮转角控制量和纵向加速度控制量；
S5：基于模糊逻辑对驾驶权重进行计算，根据驾驶权重获取期望前轮转角，完成智能车人机协同转向实时控制。
优选地，所述的步骤S3的预测模型、目标函数的并行计算架构中，用当前计算步序中的预测模型和目标函数的求解均完成的标志作为下一步序预测计算开始的标志，实现预测模型、目标函数的并行计算。
优选地，所述的侧向动力学方程模型为：
Figure BDA0003001602240000021
式中：m是车辆质量；r是横摆角速度；υy为车辆侧向速度；υx为车辆纵向速度；ax为车辆纵向车速；Iz车辆绕z轴的转动惯量；a和b分别是从车辆质心到车辆前轴、后轴的距离；式中Cf和Cr分别表示前轮轮胎的侧偏刚度、后轮轮胎的侧偏刚度；δf是车辆的前轮转角；Y为车辆的侧向位移；X为车辆纵向位移。
优选地，所述的侧向动力学方程模型选取车辆的侧向位移Y、航向角
Figure BDA0003001602240000022
车辆侧向速度vy、横摆角速度r、车辆纵向位移X以及车辆纵向速度vx作为***的状态量，即状态量
Figure BDA0003001602240000023
车辆前轮转角δf和纵向加速ax作为输入，车辆的侧向位移Y作为***输出。
优选地，所述的步骤S1中采用三阶三段龙格-库塔公式进行离散化得到***离散化模型：
Figure BDA0003001602240000031
其中，k1、k2、k3为中间变量，Ts为离散步长，xk为k时刻的状态量，xk+1为k+1时刻的状态量，uk为k时刻的控制量。
优选地，所述的目标函数J为：
Figure BDA0003001602240000032
其中，ΔU(k+i|k)为第k时刻中第i步时的控制量的变化量，N为预测步长，P为终端的加权矩阵，Q为状态加权矩阵，R为控制量的加权矩阵，Y(k+i|k)为第k时刻中第i步时的车辆的侧向位移，r(k+1)为第k+1步中的横摆角速度，
Figure BDA0003001602240000033
为第k+1步的横摆角速度期望值。
优选地，所述的侧向动力学方程模型与目标函数间的递推关系为：
Figure BDA0003001602240000034
x(k+1|k)＝f(x(k|k)，U(k|k))
i＝1 J1＝J0+(Y(k+1|k)-r(k+1))Q(Y(k+1|k)-r(k+1))T
x(k+2|k)＝f(x(k+1|k)，U(k+1|k))
Figure BDA0003001602240000035
i＝N-1 JN-1＝JN-2+(Y(k+N-1|k)-r(k+1))Q(Y(k+N+1|k)-r(k+1))T
x(k+N|k)＝f(x(k+N+1|k)，U(k+N-1|k))
i＝N J＝JN-1+(Y(k+N|k)-r(k+1))P(Y(k+N|k)-r(k+1))T
其中，J为待优化的目标函数，f为侧向动力学方程模型，P为终端的加权矩阵，Q为状态加权矩阵，R为控制量的加权矩阵，ΔU(k+i|k)为第k时刻中第i步时的控制量的变化量，x(k+i|k)为第k时刻中第i步时的状态量预测值，U(k+i|k)第k时刻中第i步时的控制量预测值，r(k+1)为第k+1步中的横摆角速度。
优选地，所述的步骤S4具体包括：
S41：构建多个存储单元，每个存储单元中存储相关计算参数；
S42：根据各储存单元内存储的计算参数，基于反向传播获取目标函数对输入量的梯度；
S43：利用梯度下降法优化车辆前轮转角控制量和纵向加速度控制量：
Figure BDA0003001602240000041
其中，
Figure BDA0003001602240000042
分别为第k时刻中第0、1…Np-1步的前轮转角，
Figure BDA0003001602240000043
分别为第k时刻中第0、1… Np-1步的纵向加速，
当优化目标函数Jk输出结果与上一步长的目标函数结果Jk-1的差值小于设定值或达到限定优化次数或ΔJ为零，三个条件满足其一条，则完成优化过程，且最优控制序列为U(k) *：
Figure BDA0003001602240000044
其中，
Figure BDA0003001602240000045
分别为第k时刻中第0、1…Np-1步的控制量期望值，
Figure BDA0003001602240000046
分别为第k时刻中第0、1…Np-1步的前轮转角期望值，
Figure BDA0003001602240000047
分别为第k时刻中第0、1…Np-1步的纵向加速期望值，
最优控制序列计算公式如下所示：
Figure BDA0003001602240000048
其中，
Figure BDA0003001602240000049
为上一时刻的最优前轮转角，
Figure BDA00030016022400000410
为上一时刻的最优纵向加速度，Δt为控制步长，
将得到的最优控制序列
Figure BDA00030016022400000411
中的第一个元素中的
Figure BDA00030016022400000412
作为第k时刻的最优前轮转角控制量
Figure BDA00030016022400000413
并参与期望前轮转角的求解，最优控制序列
Figure BDA00030016022400000414
中的第一个元素中的
Figure BDA00030016022400000415
最为第k时刻的最优纵向加速度控制量，将直接作用与加速踏板。
优选地，所述的步骤S5具体包括：
S51：分别计算车辆的路径偏离风险和驾驶员操作风险，并根据路径偏离风险隶属度函数获取路径偏离风险等级，根据驾驶员操作风险隶属度函数获取驾驶员操作风险等级；
S52：构建基于风险评估的驾驶权重隶属度函数和基于风险评估的驾驶权重 map图，根据路径偏离风险和驾驶员操作风险获取驾驶权重；
S53：根据驾驶权重计算第k+1时刻的期望前轮转角：
δ(k+1)＝α*δh(k+1)+(1-α)*δm(k+1)
其中，δh(k+1)为第k+1时刻的驾驶员期望前轮转角，δm(k+1)第k+1时刻的机器决策期望前轮转角，δ(k+1)为第k+1时刻的期望转向***执行的前轮转角。
优选地，所述的路径偏离风险的计算公式为：
Dr＝|y(k)-R(k)|
其中，y(k)是智能车辆在k时刻的侧向位移，R(k)是k时刻车道中心线的侧向位移。
优选地，所述的驾驶员操作风险Dh的计算公式为：
Figure BDA0003001602240000051
其中，δh(k)是第k时刻的前轮转角，
Figure BDA0003001602240000052
是第k时刻的最优前轮转角控制量。
与现有技术相比，本发明基于在求解最优前轮转角和纵向速度控制量时，构建并行计算架构通过预测模型里各状态量间并行计算和预测模型与目标函数并行计算的方法缩短了模型预测控制求解时间；另外，本发明基于风险评估方法，并通过路径偏移风险和驾驶员操作风险并行计算的方法缩短了期望前轮转角求解的时间。因此，本发明提高了智能车人机协同转向控制实时性，使得该控制***运用于智能汽车起到降低交通事故发生的功能。
附图说明
图1为本发明的流程图；
图2为本发明的基于图模型的预测模型计数并行架构；
图3为本发明的模型预测控制并行计算架构；
图4为基于风险评估的智能车人机协同转向控制并行计算架构；
图5为车辆侧向位移Y的预测模型计数图；
图6为路径偏离风险隶属度函数；
图7为驾驶员操作风险隶属度函数；
图8为风险评估模糊规则表；
图9为驾驶权重权隶属度函数；
图10为基于风险评估的驾驶权重map图；
图11为驾驶权重并行计算架构。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例
一种基于风险评估的智能车人机协同转向控制并行计算方法，如图1、3所示，包括以下步骤：
S1：构建车辆的侧向动力学方程模型，并获取车辆的***离散化模型。
具体地，侧向动力学方程模型为：
Figure BDA0003001602240000061
式中：m是车辆质量；r是横摆角速度；υy为车辆侧向速度；υx为车辆纵向速度；ax为车辆纵向车速；Iz车辆绕z轴的转动惯量；a和b分别是从车辆质心到车辆前轴、后轴的距离；式中Cf和Cr分别表示前轮轮胎的侧偏刚度、后轮轮胎的侧偏刚度；δf是车辆的前轮转角；Y为车辆的侧向位移；X为车辆纵向位移。
如图2所示，基于图模型可以获得6个状态量并行并行计算的预测模型并行计算架构。
侧向动力学方程模型选取车辆的侧向位移Y、航向角
Figure BDA0003001602240000062
车辆侧向速度vy、横摆角速度r、车辆纵向位移X以及车辆纵向速度vx作为***的状态量，即状态量
Figure BDA0003001602240000063
车辆前轮转角δf和纵向加速ax作为输入，车辆的侧向位移Y作为***输出。
另外，由于MPC为离散模型控制器，需要对以上的状态空间模型进行离散化，本发明步骤S1中采用三阶三段龙格-库塔公式进行离散化得到***离散化模型：
Figure BDA0003001602240000071
其中，k1、k2、k3为中间变量，Ts为离散步长，xk为k时刻的状态量，xk+1为 k+1时刻的状态量，uk为k时刻的控制量。
S2：将道路中心线作为理想行车轨迹，以车辆行驶轨迹与车道中心线的偏移距离最小，且行驶过程中前轮转角和纵向加速度的变化尽量小为目标搭建目标函数。
即：假定驾驶员的理想行车轨迹用道路中心线来代替，则目标函数是使得车辆行驶轨迹与车道中心线的偏移距离最小的同时，保证驶过程中前轮转角和纵向加速度的变化尽可能的小，对应目标函数J为：
Figure BDA0003001602240000072
其中，ΔU(k+i|k)为第k时刻中第i步时的控制量的变化量，N为预测步长，P为终端的加权矩阵，Q为状态加权矩阵，R为控制量的加权矩阵，Y(k+i|k)为第k时刻中第i步时的车辆的侧向位移，r(k+1)为第k+1步中的横摆角速度，
Figure BDA0003001602240000073
为第k+1步的横摆角速度期望值。
以车辆侧向位移Y的递推计算为例，则依据图计数模型，可以绘制如图5的车辆侧向位移Y的预测模型计数图。
由于状态量均可以单独计算，则依据图计数模型，可以绘制如图2的基于图模型的预测模型计数并行架构。
S3：如图3所示，建立预测模型、目标函数的并行计算架构，所述的并行计算架构采用触发式并行计算方法同步计算预测模型和目标函数。步骤S3的预测模型、目标函数的并行计算架构中，用当前计算步序中的预测模型和目标函数的求解均完成的标志作为下一步序预测计算开始的标志，实现预测模型、目标函数的并行计算。本实施例中，依据模型预测控制计算图模型和现有的硬件并行技术(多核、多线程等)，本发明以多核单片机为例，可以构建模型预测控制并行计算架构。
在进行前向递推的过程中，预测模型和目标函数的计算将同步进行。由于并行任务中数据不是完全独立，而是存在耦合。但是针对每一步的预测过程，数据是是独立的，为此本发明结合触发式并行计算方式，即用第N步中的预测模型和目标函数的求解均完成的标志作为第(N+1)步预测计算开始的标志，以保证数据计算的顺序性，并缩短了目标函数求解时间。
侧向动力学方程模型与目标函数间的递推关系为：
Figure BDA0003001602240000081
x(k+1|k)＝f(x(k|k)，U(k|k))
i＝1 J1＝J0+(Y(k+1|k)-r(k+1))Q(Y(k+1|k)-r(k+1))T
x(k+2|k)＝f(x(k+1|k)，U(k+1|k))
Figure BDA0003001602240000082
i＝N-1 JN-1＝JN-2+(Y(k+N-1|k)-r(k+1))Q(Y(k+N+1|k)-r(k+1))T
x(k+N|k)＝f(x(k+N+1|k)，U(k+N-1|k))
i＝N J＝JN-1+(Y(k+N|k)-r(k+1))P(Y(k+N|k)-r(k+1))T
其中，J为待优化的目标函数，f为侧向动力学方程模型，P为终端的加权矩阵，Q为状态加权矩阵，R为控制量的加权矩阵，ΔU(k+i|k)为第k时刻中第i步时的控制量的变化量，x(k+i|k)为第k时刻中第i步时的状态量预测值，U(k+i|k)第k时刻中第i步时的控制量预测值，r(k+1)为第k+1步中的横摆角速度。
另外本实施例中，依据图模型思想，本发明提出并行计算驶员操作风险Dh和路径偏离风险Dr的驾驶权重并行计数架构，如图11所示，缩短了驾驶权重求解时间。
S4：采用反向传播的方式求解计算梯度，利用梯度下降法优化前轮转角控制量和纵向加速度控制量，获取最优前轮转角控制量和纵向加速度控制量。
步骤S4具体包括：
S41：构建多个存储单元，每个存储单元中存储相关计算参数；
S42：根据各储存单元内存储的计算参数，基于反向传播获取目标函数对输入量的梯度；
S43：利用梯度下降法优化车辆前轮转角控制量和纵向加速度控制量：
Figure BDA0003001602240000091
其中，
Figure BDA0003001602240000092
分别为第k时刻中第0、1…Np-1步的前轮转角，
Figure BDA0003001602240000093
分别为第k时刻中第0、1… Np-1步的纵向加速，
当优化目标函数Jk输出结果与上一步长的目标函数结果Jk-1的差值小于设定值或达到限定优化次数或ΔJ为零，三个条件满足其一条，则完成优化过程，且最优控制序列为U(k) *：
Figure BDA0003001602240000094
其中，
Figure BDA0003001602240000095
分别为第k时刻中第0、1…Np-1步的控制量期望值，
Figure BDA0003001602240000096
分别为第k时刻中第0、1…Np-1步的前轮转角期望值，
Figure BDA0003001602240000097
分别为第k时刻中第0、1…Np-1步的纵向加速期望值，
最优控制序列计算公式如下所示：
Figure BDA0003001602240000098
其中，
Figure BDA0003001602240000099
为上一时刻的最优前轮转角，
Figure BDA00030016022400000910
为上一时刻的最优纵向加速度，Δt为控制步长，
将得到的最优控制序列
Figure BDA00030016022400000911
中的第一个元素中的
Figure BDA00030016022400000912
作为第k时刻的最优前轮转角控制量
Figure BDA00030016022400000913
并参与期望前轮转角的求解，最优控制序列
Figure BDA00030016022400000914
中的第一个元素中的
Figure BDA00030016022400000915
最为第k时刻的最优纵向加速度控制量，将直接作用与加速踏板。
S5：基于模糊逻辑对驾驶权重进行计算，根据驾驶权重获取期望前轮转角，完成智能车人机协同转向实时控制。
车辆行驶过程中，风险主要包含两个分部，一部分是来自车辆所处的状态存在的风险；第二部分是由于驾驶员操作带来的风险。
步骤S5具体包括：
S51：分别计算车辆的路径偏离风险和驾驶员操作风险，并根据路径偏离风险隶属度函数获取路径偏离风险等级，根据驾驶员操作风险隶属度函数获取驾驶员操作风险等级；
S52：构建基于风险评估的驾驶权重隶属度函数和基于风险评估的驾驶权重 map图，根据路径偏离风险和驾驶员操作风险获取驾驶权重；
S53：根据驾驶权重计算第k+1时刻的期望前轮转角：
δ(k+1)＝α*δh(k+1)+(1-α)*δm(k+1)
其中，δh(k+1)为第k+1时刻的驾驶员期望前轮转角，δm(k+1)第k+1时刻的机器决策期望前轮转角，δ(k+1)为第k+1时刻的期望转向***执行的前轮转角。
路径偏离风险的计算公式为：
Dr＝|y(k)-R(k)|
其中，y(k)是智能车辆在k时刻的侧向位移，R(k)是k时刻车道中心线的侧向位移。
驾驶员操作风险Dh的计算公式为：
Figure BDA0003001602240000101
其中，δh(k)是第k时刻的前轮转角，
Figure BDA0003001602240000102
是第k时刻的最优前轮转角控制量。
具体地，本实施例中，将路径偏离风险分为S、MS、M、MB和B共5个等级，采用三角隶属度函数则可以绘制如图6所示的路径偏离风险隶属度函数，将驶员操作风险分为S、MS、M、MB和B共5个等级，采用三角隶属度函数则可以绘制如图7所示的驶员操作风险隶属度函数，当车辆偏离程度较低时，驾驶员操纵风险的容许范围较大，当车辆偏离程度较高时，驾驶员操纵风险的容许范围减小甚至完全移交给控制器。基于以上特性的考虑，设计了如图8所示的风险评估模糊规则表。
将驾驶权重的也进行均匀分割，也分割为S、MS、M、MB和B五部分，用三角隶属度函数则可以绘制如图9所示的驾驶权隶属度函数(其中驾驶权α表示驾驶员的驾驶权重)，并绘制如图10的基于风险评估的驾驶权重map图。通过驶员操作风险Dh和驶员操作风险Dh二维查表即可获得驾驶权重α。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (9)

1.一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，包括以下步骤：
S1：构建车辆的侧向动力学方程模型，并获取车辆的***离散化模型；
S2：将道路中心线作为理想行车轨迹，以车辆行驶轨迹与车道中心线的偏移距离最小，且行驶过程中前轮转角和纵向加速度的变化尽量小为目标搭建目标函数；
S3：建立预测模型、目标函数的并行计算架构，所述的并行计算架构采用触发式并行计算方法同步计算预测模型和目标函数；
S4：采用反向传播的方式求解计算梯度，利用梯度下降法优化前轮转角控制量和纵向加速度控制量，获取最优前轮转角控制量和纵向加速度控制量；
S5：基于模糊逻辑对驾驶权重进行计算，根据驾驶权重获取期望前轮转角，完成智能车人机协同转向实时控制，
所述的步骤S3的预测模型、目标函数的并行计算架构中，用当前计算步序中的预测模型和目标函数的求解均完成的标志作为下一步序预测计算开始的标志，实现预测模型、目标函数的并行计算，
所述的侧向动力学方程模型与目标函数间的递推关系为：
Figure FDA0003705399630000011
其中，J为待优化的目标函数，f为侧向动力学方程模型，P为终端的加权矩阵，Q为状态加权矩阵，R为控制量的加权矩阵，ΔU(k+i|k)为第k时刻中第i步时的控制量的变化量，x(k+i|k)为第k时刻中第i步时的状态量预测值，U(k+i|k)第k时刻中第i步时的控制量预测值，r(k+1)为第k+1步中的横摆角速度，Y为车辆的侧向位移。
2.根据权利要求1所述的一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，所述的侧向动力学方程模型为：
Figure FDA0003705399630000021
式中：m是车辆质量；r是横摆角速度；vy为车辆侧向速度；vx为车辆纵向速度；ax为车辆纵向车速；Iz车辆绕z轴的转动惯量；a和b分别是从车辆质心到车辆前轴、后轴的距离；式中Cf和Cr分别表示前轮轮胎的侧偏刚度、后轮轮胎的侧偏刚度；δf是车辆的前轮转角；Y为车辆的侧向位移；X为车辆纵向位移；
Figure FDA0003705399630000022
为航向角。
3.根据权利要求2所述的一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，所述的侧向动力学方程模型选取车辆的侧向位移Y、航向角
Figure FDA0003705399630000023
车辆侧向速度vy、横摆角速度r、车辆纵向位移X以及车辆纵向速度vx作为***的状态量，即状态量
Figure FDA0003705399630000024
车辆前轮转角δf和纵向加速ax作为输入，车辆的侧向位移Y作为***输出。
4.根据权利要求2所述的一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，所述的步骤S1中采用三阶三段龙格-库塔公式进行离散化得到***离散化模型：
Figure FDA0003705399630000025
其中，k1、k2、k3为中间变量，Ts为离散步长，xk为k时刻的状态量，xk+1为k+1时刻的状态量，uk为k时刻的控制量，f为侧向动力学方程模型。
5.根据权利要求1所述的一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，所述的目标函数J为：
Figure FDA0003705399630000031
其中，ΔU(k+i|k)为第k时刻中第i步时的控制量的变化量，N为预测步长，P为终端的加权矩阵，Q为状态加权矩阵，R为控制量的加权矩阵，Y(k+i|k)为第k时刻中第i步时的车辆的侧向位移，r(k+1)为第k+1步中的横摆角速度，
Figure FDA0003705399630000032
为第k+1步的横摆角速度期望值。
6.根据权利要求1所述的一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，所述的步骤S4具体包括：
S41：构建多个存储单元，每个存储单元中存储相关计算参数；
S42：根据各储存单元内存储的计算参数，基于反向传播获取目标函数对输入量的梯度；
S43：利用梯度下降法优化车辆前轮转角控制量和纵向加速度控制量：
Figure FDA0003705399630000033
其中，
Figure FDA0003705399630000038
分别为第k时刻中第0、1…Np-1步的前轮转角，
Figure FDA0003705399630000039
分别为第k时刻中第0、1…Np-1步的纵向加速，
当优化目标函数Jk输出结果与上一步长的目标函数结果Jk-1的差值小于设定值或达到限定优化次数或ΔJ为零，三个条件满足其一条，则完成优化过程，且最优控制序列为U(k) *：
Figure FDA0003705399630000034
其中，
Figure FDA0003705399630000035
分别为第k时刻中第0、1…Np-1步的控制量期望值，
Figure FDA0003705399630000036
分别为第k时刻中第0、1…Np-1步的前轮转角期望值，
Figure FDA0003705399630000037
分别为第k时刻中第0、1…Np-1步的纵向加速期望值，
最优控制序列计算公式如下所示：
Figure FDA0003705399630000041
其中，
Figure FDA0003705399630000042
为上一时刻的最优前轮转角，
Figure FDA0003705399630000043
为上一时刻的最优纵向加速度，Δt为控制步长，
将得到的最优控制序列
Figure FDA0003705399630000044
中的第一个元素中的
Figure FDA0003705399630000045
作为第k时刻的最优前轮转角控制量
Figure FDA0003705399630000046
并参与期望前轮转角的求解，最优控制序列
Figure FDA0003705399630000047
中的第一个元素中的
Figure FDA0003705399630000048
最为第k时刻的最优纵向加速度控制量，将直接作用与加速踏板。
7.根据权利要求1所述的一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，所述的步骤S5具体包括：
S51：分别计算车辆的路径偏离风险和驾驶员操作风险，并根据路径偏离风险隶属度函数获取路径偏离风险等级，根据驾驶员操作风险隶属度函数获取驾驶员操作风险等级；
S52：构建基于风险评估的驾驶权重隶属度函数和基于风险评估的驾驶权重map图，根据路径偏离风险和驾驶员操作风险获取驾驶权重；
S53：根据驾驶权重计算第k+1时刻的期望前轮转角：
δ(k+1)＝α*δh(k+1)+(1-α)*δm(k+1)
其中，δh(k+1)为第k+1时刻的驾驶员期望前轮转角，δm(k+1)第k+1时刻的机器决策期望前轮转角，δ(k+1)为第k+1时刻的期望转向***执行的前轮转角。
8.根据权利要求7所述的一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，所述的路径偏离风险的计算公式为：
Dr＝|y(k)-R(k)|
其中，y(k)是智能车辆在k时刻的侧向位移，R(k)是k时刻车道中心线的侧向位移。
9.根据权利要求8所述的一种基于风险评估的智能车人机协同转向控制并行计算方法，其特征在于，所述的驾驶员操作风险Dh的计算公式为：
Figure FDA0003705399630000049
其中，δh(k)是第k时刻的前轮转角，
Figure FDA00037053996300000410
是第k时刻的最优前轮转角控制量。
CN202110348942.9A 2021-03-31 2021-03-31 基于风险评估的智能车人机协同转向控制并行计算方法 Active CN113076641B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110348942.9A CN113076641B (zh) 2021-03-31 2021-03-31 基于风险评估的智能车人机协同转向控制并行计算方法
US17/562,021 US11760349B2 (en) 2021-03-31 2021-12-27 Parallel computing method for man-machine coordinated steering control of smart vehicle based on risk assessment

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110348942.9A CN113076641B (zh) 2021-03-31 2021-03-31 基于风险评估的智能车人机协同转向控制并行计算方法

Publications (2)

Publication Number Publication Date
CN113076641A CN113076641A (zh) 2021-07-06
CN113076641B true CN113076641B (zh) 2022-09-20

Family

ID=76614167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110348942.9A Active CN113076641B (zh) 2021-03-31 2021-03-31 基于风险评估的智能车人机协同转向控制并行计算方法

Country Status (2)

Country Link
US (1) US11760349B2 (zh)
CN (1) CN113076641B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114639079B (zh) * 2020-12-15 2023-06-30 北京百度网讯科技有限公司 匹配车道线数据的方法、装置、设备和存储介质
CN113553726B (zh) * 2021-08-06 2022-07-05 吉林大学 一种冰雪环境下的主从博弈型人机协同转向控制方法
CN115598983B (zh) * 2022-10-28 2023-06-13 湖南大学无锡智能控制研究院 一种考虑时变时延的无人车横纵向协同控制方法及装置
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***
CN117311346B (zh) * 2023-09-15 2024-05-28 广东省机场管理集团有限公司工程建设指挥部 机器人横向稳定协同转向控制方法、装置、终端及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009116614A (ja) * 2007-11-06 2009-05-28 Fuji Heavy Ind Ltd 車両の運転支援装置
JP2010244434A (ja) * 2009-04-08 2010-10-28 Toyota Motor Corp 車両走行制御装置および最適走行軌跡生成方法
CN107161207A (zh) * 2017-05-08 2017-09-15 江苏大学 一种基于主动安全的智能汽车轨迹跟踪控制***及控制方法
CN107856737A (zh) * 2017-11-06 2018-03-30 吉林大学 一种基于危险程度变权重的人机协同转向控制方法
CN108454628A (zh) * 2018-04-17 2018-08-28 吉林大学 一种驾驶员在环的人车协同转向滚动优化控制方法
CN110134042A (zh) * 2019-05-10 2019-08-16 吉林大学 车辆路径跟踪预测控制器及fpga异构加速实现方法
CN111890951A (zh) * 2020-08-07 2020-11-06 吉林大学 智能电动汽车轨迹跟踪与运动控制方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009047476A1 (de) * 2009-12-04 2011-06-09 Robert Bosch Gmbh Verfahren und Steuergerät zur Bestimmung einer Schnitttrajektorie eines Kurvenabschnitts einer Fahrbahn
KR101328363B1 (ko) * 2011-06-08 2013-11-11 도요타지도샤가부시키가이샤 차선 일탈 방지 지원 장치, 구분선 표시 방법, 프로그램
US9487235B2 (en) * 2014-04-10 2016-11-08 Magna Electronics Inc. Vehicle control system with adaptive wheel angle correction
JP7027738B2 (ja) * 2017-09-06 2022-03-02 株式会社デンソー 運転支援装置
CN107804315B (zh) * 2017-11-07 2019-07-16 吉林大学 一种考虑驾驶权实时分配的人车协同转向控制方法
CN109808707B (zh) * 2019-02-19 2020-12-08 武汉理工大学 一种基于随机模型预测的汽车转向控制方法及控制器
JP2022526735A (ja) * 2019-03-18 2022-05-26 コグナタ リミテッド 車両技術の評価のためのシステム及び方法
US11738749B2 (en) * 2020-11-09 2023-08-29 GM Global Technology Operations LLC Methods, systems, and apparatuses for scenario-based path and intervention adaptation for lane-keeping assist systems
US20210309221A1 (en) * 2021-06-15 2021-10-07 Nauto, Inc. Devices and methods for determining region of interest for object detection in camera images
US11891059B2 (en) * 2021-07-13 2024-02-06 Canoo Technologies Inc. System and methods of integrating vehicle kinematics and dynamics for lateral control feature at autonomous driving
US20230166743A1 (en) * 2021-12-01 2023-06-01 Nauto, Inc. Devices and methods for assisting operation of vehicles based on situational assessment fusing expoential risks (safer)

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009116614A (ja) * 2007-11-06 2009-05-28 Fuji Heavy Ind Ltd 車両の運転支援装置
JP2010244434A (ja) * 2009-04-08 2010-10-28 Toyota Motor Corp 車両走行制御装置および最適走行軌跡生成方法
CN107161207A (zh) * 2017-05-08 2017-09-15 江苏大学 一种基于主动安全的智能汽车轨迹跟踪控制***及控制方法
CN107856737A (zh) * 2017-11-06 2018-03-30 吉林大学 一种基于危险程度变权重的人机协同转向控制方法
CN108454628A (zh) * 2018-04-17 2018-08-28 吉林大学 一种驾驶员在环的人车协同转向滚动优化控制方法
CN110134042A (zh) * 2019-05-10 2019-08-16 吉林大学 车辆路径跟踪预测控制器及fpga异构加速实现方法
CN111890951A (zh) * 2020-08-07 2020-11-06 吉林大学 智能电动汽车轨迹跟踪与运动控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Hazard-evaluation-oriented moving horizon parallel steering control for driver-automation collaboration during automated driving;H. Guo et al.;《IEEE/CAA Journal of Automatica Sinica》;20180814;第5卷(第6期);全文 *

Also Published As

Publication number Publication date
US20220324443A1 (en) 2022-10-13
CN113076641A (zh) 2021-07-06
US11760349B2 (en) 2023-09-19

Similar Documents

Publication Publication Date Title
CN113076641B (zh) 基于风险评估的智能车人机协同转向控制并行计算方法
CN110362096B (zh) 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN111890951B (zh) 智能电动汽车轨迹跟踪与运动控制方法
CN111717204B (zh) 自动驾驶车辆的横向控制方法及***
CN107161207B (zh) 一种基于主动安全的智能汽车轨迹跟踪控制***及控制方法
CN111273668B (zh) 针对结构化道路的无人驾驶汽车运动轨迹规划***及方法
CN111152795B (zh) 一种基于模型和参数动态调整的自适应车辆状态预测***及预测方法
Hima et al. Trajectory tracking for highly automated passenger vehicles
CN111775949A (zh) 一种人机共驾控制***的个性化驾驶员转向行为辅助方法
CN114407931A (zh) 一种高度类人的自动驾驶营运车辆安全驾驶决策方法
CN107585207B (zh) 一种车辆线控四轮转向***及其控制方法
CN111086510B (zh) 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
CN112578672B (zh) 基于底盘非线性的无人驾驶汽车轨迹控制***及其轨迹控制方法
CN114379583A (zh) 一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪***及方法
CN112286212A (zh) 一种车网协同节能控制方法
CN116560371A (zh) 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法
CN113009829A (zh) 一种智能网联车队纵横向耦合控制方法
US20230049927A1 (en) Autonomous Drive Function Which Takes Driver Interventions into Consideration for a Motor Vehicle
CN115257789A (zh) 城市低速环境下的营运车辆侧向防撞驾驶决策方法
CN111959506A (zh) 车辆及车辆编队行驶的控制方法、装置
CN116834754A (zh) 一种自动驾驶车辆自适应调速的横纵协同控制方法
CN116252796A (zh) 一种基于信息物理迭代博弈的换道轨迹规划方法
CN114684109A (zh) 一种电动汽车横摆稳定性控制方法及装置
CN115042770A (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
CN113771864A (zh) 一种基于人工智能的新能源车辆侧翻预警方法

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