CN113650609B - 基于模糊规则的人机共驾控制权柔性转移方法及*** - Google Patents

基于模糊规则的人机共驾控制权柔性转移方法及*** Download PDF

Info

Publication number
CN113650609B
CN113650609B CN202111142967.XA CN202111142967A CN113650609B CN 113650609 B CN113650609 B CN 113650609B CN 202111142967 A CN202111142967 A CN 202111142967A CN 113650609 B CN113650609 B CN 113650609B
Authority
CN
China
Prior art keywords
vehicle
driving
steering wheel
steering
machine
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
CN202111142967.XA
Other languages
English (en)
Other versions
CN113650609A (zh
Inventor
高洪波
王源源
何希
朱菊萍
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.)
Institute of Advanced Technology University of Science and Technology of China
Original Assignee
Institute of Advanced Technology University of Science and Technology of China
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 Institute of Advanced Technology University of Science and Technology of China filed Critical Institute of Advanced Technology University of Science and Technology of China
Priority to CN202111142967.XA priority Critical patent/CN113650609B/zh
Publication of CN113650609A publication Critical patent/CN113650609A/zh
Application granted granted Critical
Publication of CN113650609B publication Critical patent/CN113650609B/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
    • 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
    • B60W40/08—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 drivers or passengers
    • B60W40/09—Driving style or behaviour
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/005—Handover processes
    • B60W60/0051—Handover processes from occupants to 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/005—Handover processes
    • B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
    • 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
    • B60W2050/0008—Feedback, closed loop systems or details of feedback error signal
    • B60W2050/0011—Proportional Integral Differential [PID] controller
    • 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
    • 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)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明提供了基于模糊规则的人机共驾控制权柔性转移方法及***，包括：基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角；构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；根据方向盘转角输入和车辆质心偏离车道中心线距离信息判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数；建立人机共驾驾驶权共享模型，得到最终控制车辆转向运动的方向盘转角输入；根据计算得到的方向盘转角输入控制车辆的转向运动，对车辆当前的车道偏离状况进行修正。

Description

基于模糊规则的人机共驾控制权柔性转移方法及***
技术领域
本发明涉及智能汽车决策与控制领域，具体地，涉及一种基于模糊规则的人机共驾控制权柔性转移方法及***。
背景技术
近年来，随着我国综合国力和人民生活水平的逐步提升，人们对汽车的需求越来越大，汽车已成为当今社会人们的必需品之一。而随着新一代信息技术,人工智能理论的进步和人工智能等技术的飞速进展,全球汽车产业也正处于深度变革期，电动化、智能化及网联化成为汽车产业新的战略制高点，预计到2025年，全球智能汽车潜在经济影响为0.2万亿～1.9万亿美元，其中智能性和自主性是无人***区别于人机***需要完成的最核心的技术特征，自动驾驶智能汽车的概念应势而生。
智能驾驶车辆，是地面无人车辆(Unmanned Ground Vehicle，UGV)的一种，通过搭载先进的传感器装置，借助现代移动通信与网络技术实现交通参与物与彼此间的互换与共享，具有在行驶过程中自主识别周围道路环境、紧急避障以及自动刹车等功能，如果继续革新发展，未来将可能完全替代人类驾驶员操作，真正意义上实现高度/完全自动驾驶，成为具有革新意义的新一代汽车。
在智能化方面，《意见稿》以业内普遍接受的美国SAE分级定义作为基础，兼顾我国道路的自身特点与复杂性，将等级分为驾驶辅助(DA)、部分自动驾驶(PA)、有条件自动驾驶(CA)、高度自动驾驶(HA)和完全自动驾驶(FA)五个等级。其中FA实现了智能汽车的完全自动驾驶，是智能驾驶的终极目标。但就现有自动驾驶发展而言，无人驾驶技术还不成熟，由于无人驾驶汽车引起的交通事故也确实存在，相关法规也还不够完善，不能实现所有复杂道路环境下的无人驾驶，还不能做到完全自动化，即在未来很长一段时间内，都会是人与自动驾驶***共同存在的阶段。
人机共驾，即人类驾驶员和自动驾驶辅助驾驶***通过多层次合作，分享车辆控制权并协同完成驾驶任务，可以克服传统智能自动驾驶汽车所面临的安全、伦理和成本等问题，目前已成为自动驾驶技术逐步发展的重要途径，是智能驾驶技术的新型发展方向。
人机共驾是汽车安全辅助驾驶技术(Advanced Driver Assistance Systems，ADAS)领域的重要发展方向。ADAS，通过在车辆上安装各种传感器，实现数据收集、物体识别及危险预警等功能，从而达到增加汽车驾驶的舒适性和安全性的目的。而作为汽车安全辅助驾驶的一部分，人机共驾可以同时兼顾人类驾驶员和自动驾驶***的优势:能在对收集的数据信息进行归纳和推理的同时在任务变得频繁和复杂时进行迅速地响应，达到1+1>2的控制效果，提高了行车的舒适性和安全性。
人机共驾最为核心的是人机驾驶控制权的共享或切换，现有的大多数人机共驾***控制算法及***的研究，将驾驶员视作外界干扰，没有考虑人机共驾阶段下驾驶人与自动驾驶控制***的控制权的分配问题，易造成人机冲突，因此有必要提出一种新的人机共驾驾驶权的转移规则，在探索人机共驾控制权控制算法时，考虑人类驾驶员和自动控制***之间的柔性切换，保证驾驶的安全性和舒适性。
专利文献CN110539799A(申请号：CN201910954724.2)公开了一种基于驾驶员状态的分层架构人机共驾***，属于智能汽车决策领域，通过采将集到的驾驶员方向盘输入·力矩与辅助驾驶***计算得到的动态阈值比较，并通过采集汽车车速和方向盘输入角加速度以及驾驶员面部表情比例进一步感知驾驶员驾驶状态，据此分配驾驶权，发出警报，最后利用模糊控制方法控制前轮转角，直至人机共驾***达到平衡。本***还可以根据车内儿童状态调整辅助驾驶***当决策驾驶权比例，控制汽车在车内儿童可接受情况下安全行驶。
目前对人机共驾型智能汽车的驾驶控制权分配及转移已经有了一定的研究，如专利文献CN201910954724.2公开的一种基于驾驶员状态的分层架构人机共驾***中提出的一种通过将驾驶员输入转角与与辅助驾驶***计算得到的动态阈值比较，并结合驾驶员驾驶状态，分配驾驶控制权的方法，但此发明算法过于复杂，不利于推广；专利文献CN201610839897.6公开了一种人机共驾模型电动助力转向***及模式切换方法提出了一种通过在现有电动助力转向***上加装后置转矩/转角传感器，判断车辆转向模式，实现人驾模式和机驾模式的转换，但此发明没有考虑到人类驾驶员状态对模式切换带来的影响，判断因素不全面；专利文献 CN201810846175.2公开了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提出了一种通过评估驾驶员驾驶技能并考虑驾驶员期望转角与车道偏离控制器的期望转角的差值从而进行横向驾驶权分配的方法，但此发明只针对驾驶员在主动驾驶状态，没有考虑到驾驶员在驾驶过程中可能出现的疲惫、分心，容易造成驾驶权分配过程中的事故发生。
虽然现在对于人机共驾型智能汽车的驾驶控制权分配及转移有了一定研究，但综上看来，在现有的研究成果中，对于驾驶员本身状态对驾驶行为的影响考虑并不完整，容易造成人机间驾驶控制权的刚性切换，进而发生人机冲突，部分算法也过于复杂，不利于广泛推广。因此，针对现有问题，有必要提出一种新的基于模糊规则的人机共驾控制权柔性转移方法。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于模糊规则的人机共驾控制权柔性转移方法及***。
根据本发明提供的一种基于模糊规则的人机共驾控制权柔性转移方法，包括：
步骤S1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
步骤S2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
Figure BDA0003284405720000031
步骤S3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
步骤S4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
步骤S5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
Figure BDA0003284405720000032
方向盘目标转向角/>
Figure BDA0003284405720000033
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入/>
Figure BDA0003284405720000034
步骤S6：根据计算得到的方向盘转角输入
Figure BDA0003284405720000035
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶***在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出***，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶***之间进行柔性过渡，在车道发生偏离时及时纠正。
优选地，所述车辆的运动学模型采用：
Figure BDA0003284405720000041
Figure BDA0003284405720000042
Figure BDA0003284405720000043
vt+1＝vt+a*dt (4)
Figure BDA0003284405720000044
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
Figure BDA0003284405720000045
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
优选地，在所述步骤S2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID 控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器。
优选地，在所述步骤S4中：根据方向盘转角
Figure BDA00032844057200000410
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
优选地，所述人机共驾驾驶权共享模型采用：
Figure BDA0003284405720000046
其中，γ表示人机共驾驾驶权权重系数；
Figure BDA0003284405720000047
表示驾驶员输入方向盘转角；/>
Figure BDA0003284405720000048
表示方向盘目标转向角；/>
Figure BDA0003284405720000049
表示控制车辆转向运动的方向盘转角输入。
根据本发明提供的一种基于模糊规则的人机共驾控制权柔性转移***，包括：
模块M1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
模块M2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
Figure BDA0003284405720000051
模块M3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
模块M4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
模块M5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
Figure BDA0003284405720000052
方向盘目标转向角/>
Figure BDA0003284405720000053
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入/>
Figure BDA0003284405720000054
模块M6：根据计算得到的方向盘转角输入
Figure BDA0003284405720000055
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶***在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出***，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶***之间进行柔性过渡，在车道发生偏离时及时纠正。
优选地，所述车辆的运动学模型采用：
Figure BDA0003284405720000056
Figure BDA0003284405720000057
Figure BDA0003284405720000058
vt+1＝vt+a*dt(4)
Figure BDA0003284405720000059
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
Figure BDA00032844057200000510
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
优选地，在所述模块M2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID 控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器。
优选地，在所述模块M4中：根据方向盘转角
Figure BDA0003284405720000067
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
优选地，所述人机共驾驾驶权共享模型采用：
Figure BDA0003284405720000061
其中，γ表示人机共驾驾驶权权重系数；
Figure BDA0003284405720000062
表示驾驶员输入方向盘转角；/>
Figure BDA0003284405720000063
表示方向盘目标转向角；/>
Figure BDA0003284405720000064
表示控制车辆转向运动的方向盘转角输入。
与现有技术相比，本发明具有如下的有益效果：
1、本发明根据驾驶员的输入方向盘转角初步判断驾驶员状态，并结合汽车当前偏离车道中心线的情况对人机间的驾驶权进行柔性转移切换，实现人机协同智能驾驶，避免冲突；
2、本发明驾驶权在人机间柔性转移，权重系数实现连续变化，保证行车的安全性，提高了驾驶的舒适性；
3、本发明基于模糊逻辑规则确定人机共驾驾驶权权重系数，在降低了对输入参数精确度的要求前提下，又能满足当前既定的实际情况，相比现有算法，更加简单易实现；
4、本发明遵守最小干预原则，在输入方向盘转角
Figure BDA0003284405720000066
较大并且车辆横向偏差e较小时，认为驾驶员驾驶状态好，主动操纵车辆，此时对应共驾系数应较小或者为零, 保证了驾驶体验感；
5、本发明考虑驾驶员的驾驶状态以及车辆状态信息对驾驶权转移的影响，基于模糊规则考虑两者对人机共驾控制权权重系数的影响，计算得到当前时刻驾驶员和自动驾驶***应分配的驾驶权系数值，并基于人机共驾模型对其进行加权融合，得到最终控制车辆转向的方向盘转角
Figure BDA0003284405720000065
实现了较好的人机共驾控制权的柔性转移。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1本发明的原理流程示意图。
图2为本发明的驾驶权分配方法原理图。
图3为本发明的智能汽车的运动学模型示意图。
图4为本发明所述以
Figure BDA0003284405720000071
e为输入参数，γ为输出参数的驾驶权重模糊规则隶属度函数示意图。
图5为本发明自动驾驶车道保持的自适应模糊PID控制流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
根据本发明提供的一种基于模糊规则的人机共驾控制权柔性转移方法，包括：
步骤S1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
步骤S2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
Figure BDA0003284405720000072
步骤S3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
步骤S4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
步骤S5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
Figure BDA0003284405720000073
方向盘目标转向角/>
Figure BDA0003284405720000074
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入/>
Figure BDA0003284405720000075
步骤S6：根据计算得到的方向盘转角输入
Figure BDA0003284405720000076
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶***在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出***，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶***之间进行柔性过渡，在车道发生偏离时及时纠正。
具体地，所述车辆的运动学模型采用：
Figure BDA0003284405720000081
Figure BDA0003284405720000082
Figure BDA0003284405720000083
vt+1＝vt+a*dt (4)
Figure BDA0003284405720000084
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
Figure BDA0003284405720000085
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
具体地，在所述步骤S2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID 控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器。
具体地，在所述步骤S4中：根据方向盘转角
Figure BDA0003284405720000089
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
具体地，所述人机共驾驾驶权共享模型采用：
Figure BDA0003284405720000086
其中，γ表示人机共驾驾驶权权重系数；
Figure BDA00032844057200000810
表示驾驶员输入方向盘转角；/>
Figure BDA0003284405720000087
表示方向盘目标转向角；/>
Figure BDA0003284405720000088
表示控制车辆转向运动的方向盘转角输入。
根据本发明提供的一种基于模糊规则的人机共驾控制权柔性转移***，包括：
模块M1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
模块M2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
Figure BDA0003284405720000091
模块M3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
模块M4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
模块M5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
Figure BDA0003284405720000092
方向盘目标转向角/>
Figure BDA0003284405720000093
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入/>
Figure BDA0003284405720000094
模块M6：根据计算得到的方向盘转角输入
Figure BDA0003284405720000095
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶***在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出***，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶***之间进行柔性过渡，在车道发生偏离时及时纠正。
具体地，所述车辆的运动学模型采用：
Figure BDA0003284405720000096
Figure BDA0003284405720000097
Figure BDA0003284405720000098
vt+1＝vt+a*dt (4)
Figure BDA0003284405720000099
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
Figure BDA00032844057200000910
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
具体地，在所述模块M2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID 控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器。
具体地，在所述模块M4中：根据方向盘转角
Figure BDA0003284405720000106
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
具体地，所述人机共驾驾驶权共享模型采用：
Figure BDA0003284405720000101
其中，γ表示人机共驾驾驶权权重系数；
Figure BDA0003284405720000102
表示驾驶员输入方向盘转角；/>
Figure BDA0003284405720000103
表示方向盘目标转向角；/>
Figure BDA0003284405720000104
表示控制车辆转向运动的方向盘转角输入。
实施例2
实施例2是实施例1的优选例
如图1所示，本发明所述的一种基于模糊规则的人机共驾控制权柔性转移方法，包括如下步骤：
步骤(1)：如图3所示，对智能车辆进行运动学分析，简化为自行车模型建立车辆的运动学模型，车辆在垂直方向上的运动被忽略，简化为二维平面的运动物体，用方向盘转角代替前轮胎转角，后轮不偏转，具体表现为：
对车辆进行运动学分析，并简化为自行车模型建立其运动学模型，状态方程式为：
xt+1＝xt+vtcos(φt+β)*dt (1)
yt+1＝yt+vtsin(φt+β)*dt (2)
Figure BDA0003284405720000105
vt+1＝vt+a*dt (4)
式中，x为车辆当前的横坐标，单位为m；y为车辆当前的纵坐标，单位为m；φ为车辆偏航角，单位为rad；a为车辆当前的加速度，单位为m/s2；v是车辆当前的速度，单位为m/s；
Figure BDA0003284405720000111
式中，lf、lr为车辆的前轮和后轮到车辆重心的距离；δf为车辆方向盘转角；
步骤(2)：建立使车辆能够进行车道保持的自动驾驶转向控制器：
为了模拟自动驾驶***的车道保持的性能，建立转向控制器对转向进行控制，获取方向盘目标转向角
Figure BDA0003284405720000113
为了保证汽车转向的精确性，选择自适应模糊PID控制器作为转向控制器：
如图5所示，r(k)为理想值，即车道中心线横向坐标值，y(k)是测量值，即实时测得的横向偏差，即质心偏离中心线的横向距离，e(k)为两者的差值；e(k-1)为前一采样时刻的差值。取当前的采样值y(k),得到e(k)，即横向偏差；k时刻与k-1时刻的横向偏差的差值为ec(k),即e(k)的变化值；将k时刻的差值赋值给k-1时刻；对e(k)、 e(k-1)进行模糊化作为模糊算法的输入值，基于模糊规则推出ΔKp、ΔKi、ΔKd，得到当前时刻的KP、Ki、Kd，得到模糊PID输出。
以车辆质心距车道中心线的侧向距离e及其误差变化ec为输入参数，方向盘转角PID 控制器的三个参数的变化量ΔKp、ΔKi、ΔKd为输出参数，ΔKp、ΔKi、ΔKd为模糊控制器输出的PID参数增益值，建立两输入三输出的模糊PID控制器：
选取模糊PID控制器输入输出参数模糊论域为[-6,6],ΔKp、ΔKi及ΔKd的模糊论域分别为[2,5]，[1,2]，[0,1],并将其离散化；模糊PID控制器输入输出参数的模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别表示其数值的负大、负中、负小、零、正小、正中、正大7个状态，由于输入参数e和ec的基本论域分别为7个，所以共需定义7*7＝49条规则；
模糊规则制定原理如下：当|e|有较大值时，对应的ΔKp应取较大，以提高矫正响应的速度，但为了防止|ec|突然变大，ΔKd应取较小，同时为了防止出现较大超调，应对积分项加以限制；当|e|有较小时，对应的ΔKp、ΔKi应取较大，以使***拥有良好的稳定性，同时为了防止***出现震荡，ΔKd应取合适，同时***的响应影响也较大，ΔKi也不能取得过大；此外的|e|取值时，ΔKp应取较小，使***的响应超调较小，ΔKd、ΔKi应取合适。
定义模糊规则如表1、表2、表3：
表1：ΔKp的模糊规则
Figure BDA0003284405720000112
Figure BDA0003284405720000121
表2：ΔKi的模糊规则
Figure BDA0003284405720000122
表3：ΔKd的模糊规则
Figure BDA0003284405720000123
步骤(3)：建立驾驶员模型，构造随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入
Figure BDA0003284405720000131
使车辆在固定时间段发生车道偏移，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
步骤(4)：建立人机共驾驾驶权重分配规则，以驾驶员分心或疲惫状态下的方向盘转角
Figure BDA00032844057200001310
和车辆横向偏差e为输入参数，人机共驾驾驶权权重系数γ为输出参数，基于模糊逻辑规则建立分配规则：
模糊规则制定的依据是:当输入方向盘转角
Figure BDA0003284405720000139
较大并且车辆横向偏差e较小时，认为驾驶员驾驶状态好，主动操纵车辆，则此时对应共驾系数应较小或者为零,当处于相反状态时，共驾系数应较高。
定义车辆的横向偏差e>0，表示车辆向右偏移；e＝0表示车辆未发生偏移；e<0表示车辆向左偏移；驾驶员的输入方向盘转角
Figure BDA0003284405720000132
在顺时针时为正值，逆时针时为负值
设定驾驶员分心、疲惫状态下输入方向盘转角
Figure BDA0003284405720000134
的基本论域为[-300,300]°,汽车行驶过程中的汽车距离车道中心线的侧向距离e的基本论域为[-6,6]m，共驾系数γ的基本论域为[0,1]，驾驶员分心、疲惫状态下输入方向盘转角/>
Figure BDA0003284405720000135
和横向偏差e的模糊子集为 {NB,NM,NS,ZO,PS,PM,PB}，分别代表驾驶员分心、疲惫状态下输入方向盘转角/>
Figure BDA0003284405720000136
和横向偏差e的负大、负中、负小、零、正小、正中、正大7个状态，共驾系数γ的模糊子集为{S,M,ZO,L,VL}，分别代表共驾系数零、小、中、大、较大5个状态，由于输入参数/>
Figure BDA0003284405720000137
和e的基本论域分别为7个，所以共需定义7*7＝49条规则，模糊规则制定的依据是:当输入方向盘转角/>
Figure BDA0003284405720000138
较大并且车辆横向偏差e较小时认为驾驶员驾驶状态好，主动操纵车辆，则此时对应共驾系数γ应较小或者为零,当处于相反状态时，共驾系数应较高,具体规则见表 4:
表4:权重系数γ的模糊规则
Figure BDA0003284405720000133
Figure BDA0003284405720000141
如图4所示，为了保证权重系数的柔性过渡，选择高斯函数作为人机共驾驾驶权权重系数的隶属度函数；隶属度函数的选择属于模糊规则数据库设计中的一项，为了降低共驾系数的突变，输入变量和输出变量的隶属度函数都选择高斯隶属函数作为其隶属度函数；其中，图4中AA即为驾驶员疲惫、分心状态下的方向盘转角
Figure BDA0003284405720000148
E为车辆当前质心偏离车道中心线的距离e；A为人机共驾驾驶权权重系数γ。
步骤(5)：如图2所示，设计如图所示的共驾***输出最终方向盘转角
Figure BDA0003284405720000149
对汽车转向运动进行控制：
获取车辆前方的实时道路信息，采集所控车辆当前质心偏离车道中心线的距离e；
获取步骤(3)中的驾驶员疲惫、分心状态下的方向盘转角
Figure BDA00032844057200001410
根据步骤(4)的模糊逻辑规则确定人机共驾驾驶权权重系数γ；
最终控制车辆转向运动的方向盘转角
Figure BDA00032844057200001411
按照如下公式计算：
Figure BDA0003284405720000142
式中，
Figure BDA0003284405720000143
为驾驶员输入方向盘转角，γ为共驾系数，可根据实时所采集的数据进行调整，/>
Figure BDA0003284405720000144
为自动驾驶***提供的目标方向盘转角；方向盘输入/>
Figure BDA0003284405720000145
控制汽车转向。
根据计算得到的方向盘转角输入
Figure BDA0003284405720000146
来控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持，并保证自动驾驶***提供的目标方向盘转角/>
Figure BDA0003284405720000147
随驾驶员输入方向盘转角/>
Figure BDA00032844057200001412
及权重系数γ的变化而变化；
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的***、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的***、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (6)

1.一种基于模糊规则的人机共驾控制权柔性转移方法，其特征在于，包括：
步骤S1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
步骤S2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
Figure FDA0003928758770000011
步骤S3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
步骤S4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
步骤S5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
Figure FDA0003928758770000012
方向盘目标转向角
Figure FDA0003928758770000013
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入
Figure FDA0003928758770000014
步骤S6：根据计算得到的方向盘转角输入
Figure FDA0003928758770000015
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶***在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出***，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶***之间进行柔性过渡，在车道发生偏离时及时纠正；
在所述步骤S2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器；
在所述步骤S4中：根据方向盘转角
Figure FDA0003928758770000016
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
2.根据权利要求1所述的基于模糊规则的人机共驾控制权柔性转移方法，其特征在于，所述车辆的运动学模型采用：
Figure FDA0003928758770000021
Figure FDA0003928758770000022
Figure FDA0003928758770000023
vt+1＝vt+a*dt (4)
Figure FDA0003928758770000024
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
Figure FDA0003928758770000025
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
3.根据权利要求1所述的基于模糊规则的人机共驾控制权柔性转移方法，其特征在于，所述人机共驾驾驶权共享模型采用：
Figure FDA0003928758770000026
其中，γ表示人机共驾驾驶权权重系数；
Figure FDA0003928758770000027
表示驾驶员输入方向盘转角；
Figure FDA0003928758770000028
表示方向盘目标转向角；
Figure FDA0003928758770000029
表示控制车辆转向运动的方向盘转角输入。
4.一种基于模糊规则的人机共驾控制权柔性转移***，其特征在于，包括：
模块M1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
模块M2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
Figure FDA00039287587700000210
模块M3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
模块M4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
模块M5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
Figure FDA00039287587700000211
方向盘目标转向角
Figure FDA00039287587700000212
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入
Figure FDA00039287587700000213
模块M6：根据计算得到的方向盘转角输入
Figure FDA0003928758770000031
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶***在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出***，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶***之间进行柔性过渡，在车道发生偏离时及时纠正；
在所述模块M2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器；
在所述模块M4中：根据方向盘转角
Figure FDA0003928758770000032
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
5.根据权利要求4所述的基于模糊规则的人机共驾控制权柔性转移***，其特征在于，所述车辆的运动学模型采用：
Figure FDA0003928758770000033
Figure FDA0003928758770000034
Figure FDA0003928758770000035
vt+1＝vt+a*dt(4)
Figure FDA0003928758770000036
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
Figure FDA0003928758770000037
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
6.根据权利要求4所述的基于模糊规则的人机共驾控制权柔性转移***，其特征在于，所述人机共驾驾驶权共享模型采用：
Figure FDA0003928758770000041
其中，γ表示人机共驾驾驶权权重系数；
Figure FDA0003928758770000042
表示驾驶员输入方向盘转角；
Figure FDA0003928758770000043
表示方向盘目标转向角；
Figure FDA0003928758770000044
表示控制车辆转向运动的方向盘转角输入。
CN202111142967.XA 2021-09-28 2021-09-28 基于模糊规则的人机共驾控制权柔性转移方法及*** Active CN113650609B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111142967.XA CN113650609B (zh) 2021-09-28 2021-09-28 基于模糊规则的人机共驾控制权柔性转移方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111142967.XA CN113650609B (zh) 2021-09-28 2021-09-28 基于模糊规则的人机共驾控制权柔性转移方法及***

Publications (2)

Publication Number Publication Date
CN113650609A CN113650609A (zh) 2021-11-16
CN113650609B true CN113650609B (zh) 2023-03-24

Family

ID=78494432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111142967.XA Active CN113650609B (zh) 2021-09-28 2021-09-28 基于模糊规则的人机共驾控制权柔性转移方法及***

Country Status (1)

Country Link
CN (1) CN113650609B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114248805B (zh) * 2021-12-27 2023-07-11 中通客车股份有限公司 一种缓解人机冲突的智能驾驶控制权重分配方法及***
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
CN114524020B (zh) * 2022-02-28 2023-09-01 重庆长安汽车股份有限公司 一种车辆人机共驾的方向盘角度控制方法
CN115180017B (zh) * 2022-08-18 2023-10-17 苏州轻棹科技有限公司 一种对方向盘转角进行补偿的处理方法
CN117227834B (zh) * 2023-11-10 2024-01-30 中国矿业大学 一种特种车辆人机协同转向控制方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108454628B (zh) * 2018-04-17 2019-06-04 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
CN109795486B (zh) * 2019-03-01 2021-06-11 大连理工大学 在人机共驾车道保持***中驾驶权分配的方法
CN110539799B (zh) * 2019-10-09 2021-07-23 吉林大学 一种基于驾驶员状态的分层架构人机共驾***
US20210139028A1 (en) * 2019-11-13 2021-05-13 Sf Motors, Inc. Fuzzy logic based and machine learning enhanced vehicle dynamics determination

Also Published As

Publication number Publication date
CN113650609A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN113650609B (zh) 基于模糊规则的人机共驾控制权柔性转移方法及***
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
Zhou et al. Multiobjective optimization of lane-changing strategy for intelligent vehicles in complex driving environments
Li et al. Indirect shared control for cooperative driving between driver and automation in steer-by-wire vehicles
CN111055921B (zh) 一种基于数据驱动的四轮转向模型预测控制方法
CN106671982A (zh) 基于多智能体的无人驾驶电动汽车自动超车***及方法
CN107298103A (zh) 一种智能电动汽车自动换道分层控制***及方法
Cai et al. An intelligent longitudinal controller for application in semiautonomous vehicles
CN110162046A (zh) 基于事件触发型模型预测控制的无人车路径跟随方法
CN107272707B (zh) 基于ipv6的无人车自动轨迹模糊pid跟随控制方法
Liu et al. Handling and stability integrated control of AFS and DYC for distributed drive electric vehicles based on risk assessment and prediction
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
Bardaro et al. MPC-based control architecture of an autonomous wheelchair for indoor environments
CN114228690A (zh) 一种基于ddpg和迭代控制的自动驾驶车辆侧倾控制方法
CN115303289A (zh) 一种基于深度高斯车辆动力学模型、训练方法、智能汽车轨迹跟踪控制方法及终端设备
Chen et al. A new lane keeping method based on human-simulated intelligent control
Tian et al. Personalized lane change planning and control by imitation learning from drivers
Chen et al. Sideslip angle fusion estimation method of three-axis autonomous vehicle based on composite model and adaptive cubature Kalman filter
Fehér et al. Proving ground test of a ddpg-based vehicle trajectory planner
Zhang et al. Adaptive backstepping fuzzy lateral motion control approach for autonomous vehicles
Hakima et al. Designing a fuzzy logic controller to adjust the angle of tires in four wheel steering vehicles
Hegedüs et al. Hybrid trajectory planning for autonomous vehicles using neural networks
CN115214672A (zh) 一种考虑车间交互的自动驾驶类人决策、规划与控制方法
CN115202341A (zh) 一种自动驾驶车辆横向运动控制方法及***
Matsushita et al. Rear-wheel steering control reflecting driver personality via Human-In-The-Loop System

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