CN113619563A - 基于人机共享的智能电动汽车横向控制***及方法 - Google Patents
基于人机共享的智能电动汽车横向控制***及方法 Download PDFInfo
- Publication number
- CN113619563A CN113619563A CN202111038399.9A CN202111038399A CN113619563A CN 113619563 A CN113619563 A CN 113619563A CN 202111038399 A CN202111038399 A CN 202111038399A CN 113619563 A CN113619563 A CN 113619563A
- Authority
- CN
- China
- Prior art keywords
- intelligent electric
- steering
- driver
- man
- electric vehicle
- 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 45
- 238000013528 artificial neural network Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 230000003111 delayed effect Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 abstract description 2
- 210000004027 cell Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- 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
-
- 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
-
- 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
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
-
- 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
- B60W2050/0029—Mathematical model of the driver
-
- 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
- B60W2050/0037—Mathematical models of vehicle sub-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
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
基于人机共享的智能电动汽车横向控制***及方法,属于汽车智能驾驶领域。所述基于人机共享的智能电动汽车横向控制***包括车辆信息采集模块、道路检测模块、CCD视觉传感器模块、驾驶员模型、时滞鲁棒保性能转向控制器、深度神经网络驾驶权优化模块。为使得智能电动汽车转向过程更好的体现驾驶员跟车特性,建立描述驾驶员转向行为的驾驶员转向模型,设计基于模型预测控制的转向控制器,提出基于深度学习的人机共享控制驾驶权分配模块,构建基于人机共享的智能电动汽车横向控制***及方法,实现智能电动汽车协同控制。明显增强智能电动汽车横向控制***性能。
Description
技术领域
本发明属于汽车智能驾驶领域,特别是涉及到一种基于人机共享的智能电动汽车横向控制***及方法。
背景技术
智能电动汽车作为无人驾驶的典型代表,它是由传感器技术、通信技术、感知融合、机器视觉、微电子技术、控制和决策等众多高新技术交叉结合的集合体。
横向控制协同驾驶员对方向盘进行控制,在尽可能地减轻驾驶员的驾驶负担的同时还可以保证车辆行驶的稳定性,兼顾舒适性和安全性。文献1(曾玮攀.基于人机共驾的转向辅助***控制研究[D],湖南大学硕士论文,2019.),提出一种自适应驾驶员行为的人机共驾辅助控制律.通过分析驾驶员对转向辅助的实际需求,建立相关函数表达式,由驾驶员实时输入的力矩以及上层驾驶员监测***所得到的驾驶员状态数据确定驾驶员行为。在人机共享控制的过程中,人类驾驶员的驾驶状态显然是时刻变化的,对于横向辅助***的需求也会不断变化,所以也不是随时都需要横向辅助***对驾驶员进行协同控制,考虑到现阶段驾驶员显然才是人机共驾中的主体,如何实现驾驶权重的合理分配,最大化减小人机冲突具有重要的意义。
鉴于此,本发明提出一种基于人机共享的智能电动汽车横向控制***及方法,有效增强智能电动汽车横向控制***的舒适和安全等综合性能。
发明内容
本发明的目的是针对如何实现驾驶权重的合理分配,最大化减小人机冲突等难题,提供一种基于人机共享的智能电动汽车横向控制***及方法。为使得智能电动汽车转向过程更好的体现驾驶员跟车特性,本发明建立描述驾驶员转向行为的驾驶员转向模型,设计基于模型预测控制的转向控制器,提出基于深度学习的人机共享控制驾驶权分配模块,构建基于人机共享的智能电动汽车横向控制***及方法,实现智能电动汽车协同控制。
基于人机共享的智能电动汽车横向控制***,包括车辆信息采集模块、道路检测模块、CCD视觉传感器模块、驾驶员模型、时滞鲁棒保性能转向控制器、深度神经网络驾驶权优化模块;车辆信息采集模块的输出端接驾驶员模型和滞鲁棒保性能转向控制器的输入端,驾驶员模型和滞鲁棒保性能转向控制器的输出端接深度神经网络驾驶权优化模块,深度神经网络驾驶权优化模块的输出端接人机共享的智能电动汽车;
所述车辆信息采集模块,用于采集人类驾驶员驾驶车辆转向过程中车辆的状态信息及驾驶员操作信息并传送给驾驶员模型和时滞鲁棒保性能转向控制器;所述车辆的状态信息包括车辆横摆角速度、横向位移、横向速度、纵向速度、方位偏差、角度偏差、驾驶员的方向盘转角等;
所述CCD视觉传感器模块用于采集智能电动汽车周围环境信息;
所述道路检测模块用于检测智能电动汽车前方行驶的道路;
所述驾驶员模型,基于专家***建立,用于描述智能电动汽车转向过程参数不确定性和外界干扰;
时滞鲁棒保性能转向控制器,基于鲁棒控制理论设计,用于解决参数不确定性、干扰和时滞特性的智能电动汽车转向控制问题;
深度神经网络驾驶权优化模块,用于实现对人类驾驶员和转向控制器的人机协同,实现智能电动汽车横向控制人机共享。
基于人机共享的智能电动汽车横向控制方法,包括以下步骤:
步骤1:针对行驶道路复杂多变等特征,提出基于深度学习的智能电动汽车前方道路检测方法;
第一步,对采集的图像进行预处理,将图像转变成为需要的输入尺寸,之后经由Darknet53网络将图片划分为多个单元格;
第二步,在Darknet53网络之后加入类空间金字塔池化的特征增强模块;
第三步,当被预测道路落在任意单元格中,该单元格便对被检测道路提进行检测,输出预测框的宽与高、置信度以及类别。
步骤2:根据驾驶员转向行为特性,建立模拟驾驶员转向特征的专家***模型;
第一步,采集人类驾驶员驾驶车辆转向过程中车辆的状态信息及驾驶员操作信息;
第二步,选择车辆横摆角速度、横向位移、横向速度、纵向速度、驾驶员的方向盘转角对驾驶员转向行为特性分析;
第三步,以横摆角速度、横向位移、横向速度纵向速度为输入信息,以前轮转角和附加横摆力矩为输出信息,建立驾驶员模型的驾驶知识库、推理机、解释器及信息获取器;
步骤3:建立描述智能电动汽车转向过程参数不确定性和外界干扰的转向控制模型;
第一步,根据视觉***获取的智能电动汽车相对于前方道路的位置信息,建立描述车辆相对于期望轨迹的预瞄运动学模型;
第二步,以智能电动汽车横摆角速度和横向速度为状态量,前轮转角为输入量建立智能电动汽车转向动力学模型;
第三步,综合预瞄运动学模型和转向动力学模型,建立包含侧偏刚度不确定性和外界干扰的智能电动汽车转向控制模型。
步骤4,针对智能电动汽车转向***的时滞特性,采用鲁棒控制理论设计解决参数不确定性、干扰和时滞特性的保性能转向控制器;
第一步,针对转向控制模型,设计智能电动汽车道路跟踪的代价函数;
第二步,设计考虑时滞时间的状态反馈保性能控制器结构形式;
第三步,为保证闭环***稳定,采用线性矩阵不等式方法,求解出智能电动汽车转向控制器的状态反馈矩阵。
步骤5:采用深度神经网络(Deep Neural Networks,DNN)设计智能电动汽车人机协同控制策略,实现智能电动汽车横向控制人机共享。
第一步,分析人机冲突机理,建立描述驾驶员和转向控制器协同机理的数学模型。
第二步,采用深度神经网络(Deep Neural Networks,DNN)在线调节驾驶员、转向控制器协同控制因子。
本发明的效果和益处是:本发明提出一种人机共享的智能电动汽车横向控制***及方法,实现智能电动汽车横向控制***的人机交互和共享,有效解决智能电动汽车转向过程中复杂的多任务要求及模型不确定性等问题,明细增强智能电动汽车横向控制***舒适和安全性能。
附图说明
图1为本发明实施例所述基于人机共享的智能电动汽车横向控制***的结构示意图。
具体实施方式
以下实施例将结合附图对本发明作进一步的说明。
如图1所示,本发明实施例所述基于人机共享的智能电动汽车横向控制***,包括车辆信息采集模块、道路检测模块、CCD视觉传感器模块、驾驶员模型、时滞鲁棒保性能转向控制器、深度神经网络驾驶权优化模块;车辆信息采集模块的输出端接驾驶员模型和滞鲁棒保性能转向控制器的输入端,驾驶员模型和滞鲁棒保性能转向控制器的输出端接深度神经网络驾驶权优化模块,深度神经网络驾驶权优化模块的输出端接人机共享的智能电动汽车;
CCD视觉传感器模块用于采集智能电动汽车周围环境信息。
道路检测模块用于检测智能电动汽车前方行驶的道路。
所述车辆信息采集模块,用于采集人类驾驶员驾驶车辆转向过程中车辆的状态信息及驾驶员操作信息并传送给驾驶员模型和时滞鲁棒保性能转向控制器;所述车辆的状态信息包括车辆横摆角速度、横向位移、横向速度、纵向速度、方位偏差、角度偏差、驾驶员的方向盘转角等;
所述驾驶员模型,基于专家***建立,用于描述智能电动汽车转向过程参数不确定性和外界干扰;
时滞鲁棒保性能转向控制器,基于鲁棒控制理论设计,用于解决参数不确定性、干扰和时滞特性的智能电动汽车转向控制问题;
深度神经网络驾驶权优化模块,用于实现对人类驾驶员和转向控制器的人机协同,实现智能电动汽车横向控制人机共享。
本发明实施例所述所述基于人机共享的智能电动汽车横向控制方法,首先设计基于深度学习的智能电动汽车前方道路检测方法;其次,分析驾驶员转向行为特性,建立基于专家***的驾驶员转向模型。然后,建立描述智能电动汽车转向过程参数不确定性和外界干扰的转向控制模型,针对智能电动汽车转向***的时滞特性,采用鲁棒控制理论设计解决参数不确定性、干扰和时滞特性的保性能转向控制器,用深度神经网络(Deep NeuralNetworks,DNN)设计智能电动汽车人机协同控制策略,实现智能电动汽车横向控制人机共享。具体步骤如下所示:
步骤1:针对前方道路复杂多变等特征,提出基于改进YoLo-v3的智能电动汽车前方道路深度学习检测方法。
步骤1.1,将图像转变成为需要的输入尺寸,之后经由Darknet53网络将图片划分为多个单元格。
步骤1.2,在Darknet53网络之后加入类空间金字塔池化的特征增强模块。
步骤1.3,当被预测道路落在任意单元格中,该单元格便对被检测道路提进行检测,输出预测框的宽于高,置信度以及类别。
步骤2:根据驾驶员转向行为特性,建立模拟驾驶员转向特征的专家***模型。
步骤2.1,采集人类驾驶员驾驶车辆转向过程中车辆的状态信息及驾驶员操作信息。
步骤2.2,选择车辆横摆角速度、横向位移、横向速度、纵向速度、驾驶员的方向盘转角对驾驶员转向行为特性分析。
步骤2.3,以横摆角速度、横向位移、横向速度、纵向速度为输入信息,以驾驶员方向盘转角为输出信息,建立驾驶员模型的驾驶知识库、推理机、解释器及信息获取器。
步骤2.4,综合驾驶知识库、推理机、解释器及信息获取器,建立模拟驾驶员转向特征的数学模型。
步骤3:建立描述智能电动汽车转向过程参数不确定性和外界干扰的转向控制模型。
步骤3.1,根据视觉***获取的智能电动汽车相对于前方道路的方位偏差ea,和距离偏差ey,建立描述车辆相对于期望轨迹的预瞄运动学模型,如下所示:
其中,Ld表示预瞄距离,ρL(t)表示道路曲率,r表示横摆角速度,β表示侧偏角。
步骤3.2,以智能电动汽车横摆角速度和横向速度为状态量,前轮转角为输入量建立智能电动汽车转向动力学模型。
其中,Cf和Cr分别表示前后轮胎侧偏刚度,Iz表示转动惯量,lf和lr分别表示测量质心到前轴和后轴的距离,m表示车辆质量,δf表示前轮转角,ΔMz表示附加横摆力矩。
步骤3.3,综合预瞄运动学模型和转向动力学模型,定义状态变量x=[β r eL ea]T,控制输入变量u=[δf ΔM]T,输出变量y=[eL ea]T,外界干扰w=[ρ(t)]建立包含侧偏刚度不确定性和外界干扰的智能电动汽车转向控制模型,如下:
其中:
其中,ΔA和ΔB表示如下:
ΔA=DFE1;ΔB=DFE2
其中,
其中,Cf0和Cr0表示前后轮胎侧偏刚度的名义值,ΔfandΔr表示前后轮胎侧偏刚度的偏差幅值。nfand nr表示干扰因子。
步骤4,针对智能电动汽车转向***的时滞特性,采用鲁棒控制理论设计解决参数不确定性、干扰和时滞特性的保性能转向控制器。
步骤4.1,针对模型(3),设计智能电动汽车道路跟踪的代价函数,如下:
其中,Q,R表示对称矩阵。
步骤4.2,状态反馈保性能控制器设计如下:
u(t)=Kx(t-τ(t)) (5)
其中,K是状态反馈矩阵,τ(t)表示时滞时间。
步骤4.3,将(5)带入到控制模型(3),得到如下状态闭环***模型:
步骤4.5,根据求解出的S、J1和J2,可得到解决时滞、参数不确定和干扰的智能电动汽车转向控制器的状态反馈矩阵K。
步骤5:采用深度神经网络(Deep Neural Networks,DNN)设计智能电动汽车人机协同控制策略,实现智能电动汽车横向控制人机共享。
步骤5.1,分析人机冲突机理,建立描述驾驶员和转向控制器协同机理的数学模型。
步骤5.2,采用深度神经网络(Deep Neural Networks,DNN)在线调节驾驶员、转向控制器协同控制因子。
步骤5.2.1,建立用于调节协同控制因子的包含目标Q网络和Q网络的深度神经网络网络结构。
步骤5.2.2,调节控制因子的Q网络由输入层、隐藏层以及输出层组成,输入层激活函数为ReLU,隐藏层共有两层激活函数为ReLU,神经元的个数分别为200个和100个;输出层有50个神经元。
步骤5.2.3,调节控制因子的目标Q网络的输入为车辆下一时刻的状态信息,包括车辆下一时刻的横摆角速度、加速度以及方向盘转角电量,输出为控制因子的目标值。
步骤5.2.4,建立调节控制因子损失函数,采用梯度下降法更新动作网络参数。
以上内容是结合优选技术方案对本发明所做的进一步详细说明,不能认定发明的具体实施仅限于这些说明。对本发明所属技术领域的普通技术人员来说,在不脱离本发明的构思的前提下,还可以做出简单的推演及替换,都应当视为本发明的保护范围。
Claims (7)
1.基于人机共享的智能电动汽车横向控制***,其特征在于包括车辆信息采集模块、道路检测模块、CCD视觉传感器模块、驾驶员模型、时滞鲁棒保性能转向控制器、深度神经网络驾驶权优化模块;车辆信息采集模块的输出端接驾驶员模型和滞鲁棒保性能转向控制器的输入端,驾驶员模型和滞鲁棒保性能转向控制器的输出端接深度神经网络驾驶权优化模块,深度神经网络驾驶权优化模块的输出端接人机共享的智能电动汽车;
所述车辆信息采集模块,用于采集人类驾驶员驾驶车辆转向过程中车辆的状态信息及驾驶员操作信息并传送给驾驶员模型和时滞鲁棒保性能转向控制器;车辆的状态信息包括车辆横摆角速度、横向位移、横向速度、纵向速度、方位偏差、角度偏差、驾驶员的方向盘转角;
所述CCD视觉传感器模块用于采集智能电动汽车周围环境信息;
所述道路检测模块用于检测智能电动汽车前方行驶的道路;
所述驾驶员模型,基于专家***建立,用于描述智能电动汽车转向过程参数不确定性和外界干扰;
时滞鲁棒保性能转向控制器,基于鲁棒控制理论设计,用于解决参数不确定性、干扰和时滞特性的智能电动汽车转向控制问题;
深度神经网络驾驶权优化模块,用于实现对人类驾驶员和转向控制器的人机协同,实现智能电动汽车横向控制人机共享。
2.基于人机共享的智能电动汽车横向控制方法,其特征在于包括以下步骤:
步骤1:针对行驶道路复杂多变,提出基于深度学习的智能电动汽车前方道路检测方法;
步骤2:根据驾驶员转向行为特性,建立模拟驾驶员转向特征的专家***模型;
步骤3:建立描述智能电动汽车转向过程参数不确定性和外界干扰的转向控制模型;
步骤4:针对智能电动汽车转向***的时滞特性,采用鲁棒控制理论设计解决参数不确定性、干扰和时滞特性的保性能转向控制器;
步骤5:采用深度神经网络设计智能电动汽车人机协同控制策略,实现智能电动汽车横向控制人机共享。
3.如权利要求2所述基于人机共享的智能电动汽车横向控制方法,其特征在于在步骤1中,所述针对行驶道路复杂多变,提出基于深度学习的智能电动汽车前方道路检测方法,包括以下子步骤:
第一步,对采集的图像进行预处理,将图像转变成为需要的输入尺寸,经由Darknet53网络将图片划分为多个单元格;
第二步,在Darknet53网络之后加入类空间金字塔池化的特征增强模块;
第三步,当被预测道路落在任意单元格中,该单元格便对被检测道路提进行检测,输出预测框的宽与高、置信度以及类别。
4.如权利要求2所述基于人机共享的智能电动汽车横向控制方法,其特征在于在步骤2中,所述根据驾驶员转向行为特性,建立模拟驾驶员转向特征的专家***模型,包括以下子步骤:
第一步,采集人类驾驶员驾驶车辆转向过程中车辆的状态信息及驾驶员操作信息;
第二步,选择车辆横摆角速度、横向位移、横向速度、纵向速度、驾驶员的方向盘转角对驾驶员转向行为特性分析;
第三步,以横摆角速度、横向位移、横向速度纵向速度为输入信息,以前轮转角和附加横摆力矩为输出信息,建立驾驶员模型的驾驶知识库、推理机、解释器及信息获取器。
5.如权利要求2所述基于人机共享的智能电动汽车横向控制方法,其特征在于在步骤3中,所述建立描述智能电动汽车转向过程参数不确定性和外界干扰的转向控制模型,包括以下子步骤:
第一步,根据视觉***获取的智能电动汽车相对于前方道路的位置信息,建立描述车辆相对于期望轨迹的预瞄运动学模型;
第二步,以智能电动汽车横摆角速度和横向速度为状态量,前轮转角为输入量建立智能电动汽车转向动力学模型;
第三步,综合预瞄运动学模型和转向动力学模型,建立包含侧偏刚度不确定性和外界干扰的智能电动汽车转向控制模型。
6.如权利要求2所述基于人机共享的智能电动汽车横向控制方法,其特征在于在步骤4中,所述针对智能电动汽车转向***的时滞特性,采用鲁棒控制理论设计解决参数不确定性、干扰和时滞特性的保性能转向控制器,包括以下子步骤:
第一步,针对转向控制模型,设计智能电动汽车道路跟踪的代价函数;
第二步,设计考虑时滞时间的状态反馈保性能控制器结构形式;
第三步,为保证闭环***稳定,采用线性矩阵不等式方法,求解出智能电动汽车转向控制器的状态反馈矩阵。
7.如权利要求2所述基于人机共享的智能电动汽车横向控制方法,其特征在于在步骤5中,所述采用深度神经网络设计智能电动汽车人机协同控制策略,实现智能电动汽车横向控制人机共享,包括以下子步骤:
第一步,分析人机冲突机理,建立描述驾驶员和转向控制器协同机理的数学模型;
第二步,采用深度神经网络在线调节驾驶员、转向控制器协同控制因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111038399.9A CN113619563B (zh) | 2021-09-06 | 2021-09-06 | 基于人机共享的智能电动汽车横向控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111038399.9A CN113619563B (zh) | 2021-09-06 | 2021-09-06 | 基于人机共享的智能电动汽车横向控制***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113619563A true CN113619563A (zh) | 2021-11-09 |
CN113619563B CN113619563B (zh) | 2022-08-30 |
Family
ID=78389139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111038399.9A Active CN113619563B (zh) | 2021-09-06 | 2021-09-06 | 基于人机共享的智能电动汽车横向控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113619563B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113978548A (zh) * | 2021-11-12 | 2022-01-28 | 京东鲲鹏(江苏)科技有限公司 | 应用于无人车的转向协同控制方法、装置、设备及介质 |
CN114265310A (zh) * | 2021-11-26 | 2022-04-01 | 重庆大学 | 不可靠数据传输环境下车辆鲁棒保性能耦合控制方法 |
CN114323698A (zh) * | 2022-02-11 | 2022-04-12 | 吉林大学 | 一种面向人机共驾智能汽车的实车实验平台测试方法 |
CN114638051A (zh) * | 2022-03-08 | 2022-06-17 | 浙江大学 | 一种基于***不变量的智能汽车时滞稳定性分析方法 |
CN115107868A (zh) * | 2022-07-12 | 2022-09-27 | 吉林大学 | 一种基于分布式驱动电动汽车的双驾驶方转向执行方法 |
CN115432009A (zh) * | 2022-10-09 | 2022-12-06 | 海南大学 | 一种自动驾驶车辆轨迹跟踪控制*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154831A (zh) * | 2016-07-25 | 2016-11-23 | 厦门大学 | 一种基于学习法的智能汽车纵向神经滑模控制方法 |
CN106275061A (zh) * | 2016-09-21 | 2017-01-04 | 江苏大学 | 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 |
CN108819951A (zh) * | 2018-07-27 | 2018-11-16 | 重庆大学 | 一种考虑驾驶员驾驶技能的人机共驾横向驾驶权分配方法 |
CN110509930A (zh) * | 2019-08-16 | 2019-11-29 | 上海智驾汽车科技有限公司 | 人机共驾控制方法以及装置、电子设备、存储介质 |
CN110962839A (zh) * | 2019-12-18 | 2020-04-07 | 厦门大学 | 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法 |
CN111007722A (zh) * | 2019-12-18 | 2020-04-14 | 厦门大学 | 一种四轮转向自动驾驶汽车横向鲁棒容错控制***及方法 |
CN111688704A (zh) * | 2020-06-24 | 2020-09-22 | 吉林大学 | 一种基于驾驶状态预测的人机力矩协同转向控制方法 |
CN112319610A (zh) * | 2020-10-14 | 2021-02-05 | 华南理工大学 | 一种智能汽车的人机共享转向控制方法 |
CN113341730A (zh) * | 2021-06-28 | 2021-09-03 | 上海交通大学 | 一种远程人机协同下的车辆转向控制方法 |
-
2021
- 2021-09-06 CN CN202111038399.9A patent/CN113619563B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154831A (zh) * | 2016-07-25 | 2016-11-23 | 厦门大学 | 一种基于学习法的智能汽车纵向神经滑模控制方法 |
CN106275061A (zh) * | 2016-09-21 | 2017-01-04 | 江苏大学 | 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 |
CN108819951A (zh) * | 2018-07-27 | 2018-11-16 | 重庆大学 | 一种考虑驾驶员驾驶技能的人机共驾横向驾驶权分配方法 |
CN110509930A (zh) * | 2019-08-16 | 2019-11-29 | 上海智驾汽车科技有限公司 | 人机共驾控制方法以及装置、电子设备、存储介质 |
CN110962839A (zh) * | 2019-12-18 | 2020-04-07 | 厦门大学 | 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法 |
CN111007722A (zh) * | 2019-12-18 | 2020-04-14 | 厦门大学 | 一种四轮转向自动驾驶汽车横向鲁棒容错控制***及方法 |
CN111688704A (zh) * | 2020-06-24 | 2020-09-22 | 吉林大学 | 一种基于驾驶状态预测的人机力矩协同转向控制方法 |
CN112319610A (zh) * | 2020-10-14 | 2021-02-05 | 华南理工大学 | 一种智能汽车的人机共享转向控制方法 |
CN113341730A (zh) * | 2021-06-28 | 2021-09-03 | 上海交通大学 | 一种远程人机协同下的车辆转向控制方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113978548A (zh) * | 2021-11-12 | 2022-01-28 | 京东鲲鹏(江苏)科技有限公司 | 应用于无人车的转向协同控制方法、装置、设备及介质 |
CN113978548B (zh) * | 2021-11-12 | 2023-01-31 | 京东鲲鹏(江苏)科技有限公司 | 应用于无人车的转向协同控制方法、装置、设备及介质 |
CN114265310A (zh) * | 2021-11-26 | 2022-04-01 | 重庆大学 | 不可靠数据传输环境下车辆鲁棒保性能耦合控制方法 |
CN114323698A (zh) * | 2022-02-11 | 2022-04-12 | 吉林大学 | 一种面向人机共驾智能汽车的实车实验平台测试方法 |
CN114323698B (zh) * | 2022-02-11 | 2023-09-08 | 吉林大学 | 一种面向人机共驾智能汽车的实车实验平台测试方法 |
CN114638051A (zh) * | 2022-03-08 | 2022-06-17 | 浙江大学 | 一种基于***不变量的智能汽车时滞稳定性分析方法 |
CN114638051B (zh) * | 2022-03-08 | 2024-02-27 | 浙江大学 | 一种基于***不变量的智能汽车时滞稳定性分析方法 |
CN115107868A (zh) * | 2022-07-12 | 2022-09-27 | 吉林大学 | 一种基于分布式驱动电动汽车的双驾驶方转向执行方法 |
CN115107868B (zh) * | 2022-07-12 | 2023-08-04 | 吉林大学 | 一种基于分布式驱动电动汽车的双驾驶方转向执行方法 |
CN115432009A (zh) * | 2022-10-09 | 2022-12-06 | 海南大学 | 一种自动驾驶车辆轨迹跟踪控制*** |
CN115432009B (zh) * | 2022-10-09 | 2023-09-05 | 海南大学 | 一种自动驾驶车辆轨迹跟踪控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN113619563B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113619563B (zh) | 基于人机共享的智能电动汽车横向控制***及方法 | |
CN107561942B (zh) | 基于模型补偿的智能车辆轨迹跟踪模型预测控制方法 | |
CN111890951B (zh) | 智能电动汽车轨迹跟踪与运动控制方法 | |
CN110568762B (zh) | 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法 | |
CN110962839B (zh) | 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法 | |
CN107380161B (zh) | 一种辅助驾驶员实现理想行驶轨迹的主动转向控制装置 | |
CN112622903B (zh) | 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法 | |
CN107719372B (zh) | 基于动态控制分配的四驱电动汽车动力学多目标控制*** | |
CN111873985B (zh) | 一种四轮驱动电动汽车的集成底盘控制方法 | |
CN111332362B (zh) | 一种融合驾驶员个性的智能线控转向控制方法 | |
CN114379583B (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 | |
CN107585207B (zh) | 一种车辆线控四轮转向***及其控制方法 | |
CN111267834A (zh) | 一种车辆横摆稳定预测控制方法及*** | |
CN113009829B (zh) | 一种智能网联车队纵横向耦合控制方法 | |
Zhang et al. | Path tracking control for active rear steering vehicles considering driver steering characteristics | |
CN113104048A (zh) | 一种考虑车内乘员晕动的车辆控制***与方法 | |
CN105644566B (zh) | 一种基于车联网的电动汽车辅助换道轨迹的跟踪方法 | |
Niasar et al. | Yaw moment control via emotional adaptive neuro-fuzzy controller for independent rear wheel drives of an electric vehicle | |
CN113341994B (zh) | 一种基于分段仿射***最优控制的智能汽车路径跟踪控制方法 | |
CN108569138A (zh) | 一种基于神经网络的纯电动汽车四轮转速独立控制方法 | |
CN113002527B (zh) | 一种自主电动汽车横向稳定性鲁棒容错控制方法 | |
CN110162045B (zh) | 一种基于自适应三步法的卡车编队行驶跟随车控制方法 | |
CN115042770B (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 | |
CN112115554B (zh) | 一种降低智能车辆碰撞伤害的控制方法和*** | |
CN115782851A (zh) | 基于dmpc的混合动力汽车能量管理控制方法 |
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 |