CN113788022B

CN113788022B - 车辆控制方法、装置、计算机可读存储介质及电子设备

Info

Publication number: CN113788022B
Application number: CN202011302765.2A
Authority: CN
Inventors: 边学鹏; 张亮亮
Original assignee: Beijing Jingdong Qianshi Technology Co Ltd
Current assignee: Beijing Jingdong Qianshi Technology Co Ltd
Priority date: 2020-11-19
Filing date: 2020-11-19
Publication date: 2023-08-11
Anticipated expiration: 2040-11-19
Also published as: US20230303085A1; CN113788022A; JP2023537990A; EP4166410A1; EP4166410A4; WO2022105361A1

Abstract

本公开涉及车辆控制领域，具体涉及一种车辆控制方法、一种车辆控制装置、一种计算机可读存储介质和一种电子设备。获取车辆当前控制周期的滑移率；根据所述滑移率调用对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数；将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制。能够实现在不同滑移率情况下采用不同的计算策略来获取对应的道路摩擦系数，提高参数辨识精度，进而将高精度的道路摩擦系数用于构建车辆控制优化模型进行预测得到车辆控制指令，以提高车辆行驶路面切换的自适应控制精度。

Description

车辆控制方法、装置、计算机可读存储介质及电子设备

技术领域

本公开涉及车辆控制领域，具体涉及一种车辆控制方法、一种车辆控制装置、一种计算机可读存储介质和一种电子设备。

背景技术

随着自动驾驶技术的发展，无人车应用越来越广泛。目前对无人车的控制主要分为上下两层控制器，上层控制器主要作用是处理参考轨迹、并根据参考轨迹和车辆状态及定位信息生成油门刹车百分比，下层控制器主要作用是执行上层控制器输出的油门刹车指令、前轮转角指令驱动车辆行驶。

在现有技术中，对下层控制器技术较为成熟，而上层控制器方面还有待研究。通常采用标定表方法，当车辆行驶在不同摩擦系数的道路时，***实时获取车辆状态信息，从多维度分析然后对标定表进行在线更新，从而实现刹车油门的自适应输出。但该方法的弊端是需要事先离线采集数据生成标定表，同时由于车辆实时反馈的数据信噪比较差，在线更新标定表时未免会将噪声代入其中导致模型越来越差，从而增大了车辆不可控的风险。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种车辆控制方法、一种车辆控制装置、一种计算机可读存储介质和一种电子设备，旨在实现提高车辆在不同路面切换的自适应控制精度。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面，提供了一种车辆控制方法包括：获取车辆当前控制周期的滑移率；根据所述滑移率调用对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数；将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制。

根据本公开的一些实施例，基于前述方案，所述根据所述滑移率调用对应的计算策略包括：确定所述滑移率所处的滑移率区间；其中，各所述滑移率区域对应配置有各自的计算策略，包括：获取前后轮摩擦影响比例；基于所述前后轮摩擦影响比例以及滑移斜率与道路摩擦的系数计算整车纵向力；基于所述整车纵向力计算所述道路摩擦系数；若滑移率处于第一区间时，则调用对应的第一计算策略；或者若滑移率处于第二区间时，则调用对应的第二计算策略，包括：计算前后轮归一化的整车纵向力；基于所述整车纵向力计算所述道路摩擦系数。

根据本公开的一些实施例，基于前述方案，所述基于所述整车纵向力计算所述道路摩擦系数，包括：根据调用的计算策略确定系数输入值；以及获取车辆当前控制周期的参数，计算输出值；根据所述输入值和输出值采用遗忘因子最小二乘法计算待估计的道路摩擦参数。

根据本公开的一些实施例，基于前述方案，所述方法还包括预先构建所述车辆控制优化模型，包括：配置车辆控制优化模型的决策变量，包括状态变量和控制变量；建立损失函数作为目标函数，以及设定约束条件以构建车辆控制优化模型。

根据本公开的一些实施例，基于前述方案，所述状态变量包括车辆位置坐标、航向角、纵向线速度、轮胎滑移角和航向角加速度；所述控制变量包括整车纵向力和前轮转角。

根据本公开的一些实施例，基于前述方案，所述约束条件包括：动力学模型约束条件、起始点约束条件、前轮转角约束条件、前轮转角增量约束条件、纵向力约束条件、纵向力增量约束条件、速度约束条件、速度增量约束条件。

根据本公开的一些实施例，基于前述方案，配置预测的所述车辆的参考轨迹点状态变量的动力学模型方程作为所述动力学模型约束条件。

根据本公开的一些实施例，基于前述方案，配置所述车辆的起始点处的状态变量初始值作为所述起始点约束条件。

根据本公开的一些实施例，基于前述方案，配置基于所述车辆的最大横向加速度值、车辆轴距、纵向线速度和最大、最小前轮转角确定的前轮转角约束值范围作为所述前轮转角约束条件。

根据本公开的一些实施例，基于前述方案，配置基于所述车辆的最大、最小前轮转角增量确定的前轮转角增量约束值范围作为所述前轮转角增量约束条件。

根据本公开的一些实施例，基于前述方案，配置基于所述车辆的最大、最小纵向力确定的纵向力约束值范围作为所述纵向力约束条件。

根据本公开的一些实施例，基于前述方案，配置基于所述车辆的最大、最小纵向力增量确定的纵向力增量约束值范围作为所述纵向力增量约束条件。

根据本公开的一些实施例，基于前述方案，配置基于所述车辆的最大、最小纵向线速度确定的速度约束值范围作为所述速度约束条件。

根据本公开的一些实施例，基于前述方案，配置基于所述车辆的最大、最小纵向线速度增量确定的速度约束增量值范围作为所述速度增量约束条件。

根据本公开的一些实施例，基于前述方案，所述将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，包括：获取当前控制周期的状态变量参数值输入所述车辆控制优化模型；以及基于所述道路摩擦系数更新模型；基于所述车辆控制优化模型中的目标函数和约束条件求解得到控制变量参数值；基于所述控制变量参数值生成控制指令。

根据本公开实施例的第二个方面，提供了一种车辆控制装置，包括：滑移率模块，用于获取车辆当前控制周期的滑移率；摩擦系数模块，用于根据所述滑移率调用对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数；控制指令模块，用于将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制。

根据本公开实施例的第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中的车辆控制方法。

根据本公开实施例的第四个方面，提供了一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中的车辆控制方法。

本公开示例性实施例可以具有以下部分或全部有益效果：

在本公开的实施例所提供的技术方案中，根据车辆当前控制周期的滑移率调用对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数，再将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制。能够实现在不同滑移率情况下采用不同的计算策略来获取对应的道路摩擦系数，提高参数辨识精度，进而将高精度的道路摩擦系数用于构建车辆控制优化模型进行预测得到车辆控制指令，以提高车辆行驶路面切换的自适应控制精度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示意性示出本公开示例性实施例中一种车辆控制方法的流程示意图；

图2示意性示出本公开示例性实施例中一种计算道路摩擦系数方法的流程示意图；

图3示意性示出本公开示例性实施例中一种生成车辆控制指令方法的流程示意图；

图4示意性示出本公开示例性实施例中一种车辆控制装置的组成示意图；

图5示意性示出本公开示例性实施例中一种计算机可读存储介质的示意图；

图6示意性示出本公开示例性实施例中一种电子设备的计算机***的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

无人车轨迹跟踪控制器在自动驾驶软件***中具有重要作用，可以驱动车辆在规划的轨迹上行驶，目前控制器可以分为上下两层控制器：上层控制器主要作用是处理参考轨迹、并根据参考轨迹和车辆状态及定位信息生成油门刹车百分比，下层控制器包含线控***和车辆底盘控制器，主要作用是执行上层控制器输出的油门刹车指令、前轮转角指令驱动车辆行驶。下层控制器其技术已经非常成熟，目前主流研究大部分集中于上层控制器方面。

无人车在物流配送领域应用具有良好的前景，例如智能无人配送车，无人配送车行驶路况相较乘用车行驶路况更加复杂，其行驶道路一般为人行道，在夏季和冬季时，在带积水、雪面、冰面上行驶是比较常见的现象，前者行驶速度相比后者也较高。所以如何实现无人配送车在这些摩擦系数比较低的路面上良好行驶是一个比较重要的课题。另外，无人车虽然与轮式机器人较相似，但行驶工况却完全不同，前者多在室外行驶，后者多在室内行驶，前者行驶速度相比后者也较高。

目前无人车应对冰面、雪面的控制方法还较少，现有技术中通常采用标定表方法，当车辆行驶在不同摩擦系数的道路时，***实时获取车辆状态信息，从多维度分析然后对标定表进行在线更新，从而实现刹车油门的自适应输出。但该方法的弊端是需要事先离线采集数据生成标定表，同时由于车辆实时反馈的数据信噪比较差，在线更新标定表时未免会将噪声代入其中导致模型越来越差，从而增大了车辆不可控的风险。

鉴于相关技术中存在的问题，本公开提供一种车辆控制方法，通过在不同滑移率情况下考虑前、后轮的纵向力对摩擦系数的影响分别采用不同的计算策略计算对应的纵向力，从而得到精度较高的道路摩擦系数以用于车辆在不同摩擦系数路面上行驶的自适应控制。

以下对本公开实施例的技术方案的实现细节进行详细阐述。

图1示意性示出本公开示例性实施例中一种车辆控制方法的流程示意图。如图1所示，该车辆控制方法包括步骤S1至步骤S3：

S1，获取车辆当前控制周期的滑移率；

S2，根据所述滑移率调用对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数；

S3，将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制。

下面，将结合附图及实施例对本示例实施方式中的车辆控制方法的各个步骤进行更详细的说明。

在步骤S1中，获取车辆当前控制周期的滑移率。

在本公开的一个实施例中，需要在设定的控制周期内更新车辆的控制指令，因此需要实时监控车辆的运行状态，获取车辆当前控制周期的滑移率。控制周期是一个设定值，可以根据需求设定，例如20ms、50ms都可以。还可以根据车辆行驶的路面情况或外界环境进行合理设置，举例来说，在同一天气环境中，车辆行驶在柏油路面和水泥路面可以设置不同的周期，或者可以设置车辆行驶在冬季雨雪天气的控制周期小于夏季晴朗的行驶控制周期。

用σ_xf表示车辆的前轮滑移率，σ_xr表示车辆的后轮滑移率，那么计算车辆的滑移率首先分别计算车辆的前轮和后轮的滑移率，可分为两种情况：

1)加速运行时：

2)制动减速时

其中，v表示车辆纵向速度，可以通过速度传感器获取；v_fw表示前轮轮速，v_rw表示后轮轮速，可以分别由轮速计传感器观测获取。因此，在加速运行时，计算的滑移率值范围为[0,1]，在制动减速时，滑移率值范围为[-1,0]。

计算整车的滑移率时，可以根据前轮和后轮综合得到，例如取前轮的滑移率、后轮的滑移率、前后轮滑移率的均值或是其他取值方法，本公开在此不做具体限定。在本公开的实施例中，可以取前后轮滑移率的均值作为车辆整体的滑移率。

由于车辆采用的驱动方式可能存在不同，因此在计算滑移率时并不仅仅根据前轮或后轮获得，而是综合考虑，使其识别的车辆滑移率更贴近车辆实际运行情况。

在步骤S2中，根据所述滑移率调用对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数。

图2示意性示出本公开示例性实施例中一种计算道路摩擦系数的流程示意图，包括：

S201，确定所述滑移率所处的滑移率区间；其中，各所述滑移率区域对应配置有各自的计算策略；

S202，若滑移率处于第一区间时，则调用对应的第一计算策略；或者若滑移率处于第二区间时，则调用对应的第二计算策略。

在步骤S201中，考虑低滑移率和高滑移率两种情况进行道路摩擦系数的辨识，因此首先将车辆的滑移率分成对应的区间。

由上述方法可知滑移率σ_x∈[-1，1]，设定一个区间参数值σ'_x，其中σ'_x∈[0，1]，将[-σ'_x，σ'_x]设定为第一区间，对应于低滑移率，将[-1，-σ'_x]∪[σ'_x，1]设定为第二区间，对应于高滑移率。

其中，区间参数值σ'_x可以根据经验值给定，例如0.3、0.5等，也可以通过仿真模型验证后给定一个最优值，例如构建Simulink仿真，或是Carsim仿真实验。

在步骤202中，若计算的车辆滑移处于第一区间，也就是低滑移率的情况，调用对应的第一计算策略。

具体地，所述第一计算策略包括：获取前后轮摩擦影响比例；基于所述前后轮摩擦影响比例以及滑移斜率与道路摩擦的系数计算整车纵向力；基于所述整车纵向力计算所述道路摩擦系数。

在本公开的一个实施例中，在低滑移率时，计算整车纵向力时将前轮和后轮分开考虑，因此引入一个前后轮摩擦影响比例参数ρ。以无人配送车为例，无人配送车一般均为后轮驱动，其加速时前轮不提供驱动力，即ρ为0；在制动时，ρ值由底盘配置所决定，一般取0.1～0.3。

然后，基于所述前后轮摩擦影响比例以及滑移斜率与道路摩擦的系数计算整车纵向力，根据整车纵向力与车轮滑移率的关系：

F_x1＝kμ(ρF_zfσ_xf+F_zrσ_xr) (6)

其中，F_x1表示滑移率处于第一区间的整车纵向力，k表示车辆后轮的滑移斜率与道路摩擦系数的关系，μ表示道路摩擦系数，ρ表示前后轮摩擦影响比例，F_zf、F_zr分别表示前轮、后轮的法向力，可以通过以下方法获得：

其中，m表示车辆质量，g重力加速度，L_r、L_f分别表示车辆质心到前轴、后轴的距离，L表示车辆轴距，a_x表示车辆纵向加速度，h表示车辆质心高度，D表示空气阻力常数，h_a表示车辆前脸高度。

在低滑移率的情况下，考虑到无人车在不同驱动方式下，前后轮可能存在不同的行驶情况，因此在计算整车纵向力时引入前后轮摩擦影响比例，将前后轮的滑移率对整车纵向力的影响区分考虑，可以使得计算得到的整车纵向力更符合车辆的实际运行情况，纵向力值精确度更高，对于不同的无人车适用性也较高。

在步骤202中，若计算的车辆滑移处于第二区间，也就是低滑移率的情况，调用对应的第二计算策略。

具体地，所述第二计算策略包括：计算前后轮归一化的整车纵向力；基于所述整车纵向力计算所述道路摩擦系数。

在高滑移率下，或者是紧急制动情况下，滑移斜率值已经与道路摩擦系数μ呈非线性关系，所以低滑移率情况下的方法将无法应用。因此通过整车纵向力与车轮滑移率的关系：

F_x2＝F_z ^Tμ (9)

其中，F_x2表示滑移率处于第二区间的整车纵向力，F_z表示前后轮归一化的法向力，μ表示道路摩擦系数。

F_z可以通过以下方法获得：

在本公开的一个实施例中，计算整车纵向力时还可以采用魔术公式轮胎模型计算整车纵向力，即：

F_x2＝(F_zfsin[Carctan(Bσ_xf)]+F_zrsin[Carctan(Bσ_xf)])^Tμ (11)

其中，F_x2表示滑移率处于第二区间的整车纵向力，F_zf、F_zr分别表示前轮、后轮的法向力，σ_xf、σ_xr分别表示车辆前轮、后轮的滑移率，B、C分别表示轮胎模型参数，分别取值为14和1.3。

将两种计算策略下的最终应用标准的函数表示如下：

在本公开的一个实施例中，所述基于所述整车纵向力计算所述道路摩擦系数采用遗忘因子最小二乘法计算，具体步骤包括：根据调用的计算策略确定系数输入值；以及获取车辆当前控制周期的参数，计算输出值；根据所述输入值和输出值采用遗忘因子最小二乘法计算待估计的道路摩擦参数。

将式(12)表示为参数识别标准形式：

其中，y(t)表示整车纵向力F_x；表示输入值，在低滑移率和高滑移率下，其值分别为k(ρF_zfσ_xf+F_zrσ_xr)和F_z，若采用魔术公式轮胎模型，则输入值是F_zfsin[Carctan(Bσ_xf)]+F_zrsin[Carctan(Bσ_xf)]；θ(t)表示待估计的道路摩擦参数μ；e(t)表示为输出值和估计值的误差。

然后应用遗忘因子最小二乘法进行参数辨识，步骤如下：

1)获取车辆当前控制周期的参数，得到k时刻的整车纵向力F_x作为输出值y(k)，并基于上述方法计算输入值

2)计算输出值和估计值的误差e(k)：

其中，θ_k-1为k-1时刻的参数辨识结果，即上一控制周期的道路摩擦参数，为已知量。

3)计算增益矩阵K：

其中，P是中间变量矩阵，在算法启动之前，需要给P矩阵赋初值。k时刻P矩阵计算方法如下：

其中，I表示车辆绕z轴的转动惯量；λ表示遗忘因子，其值越大，收敛速度越慢，所以会导致参数更新较慢，导致车辆在不同摩擦系数道路切换时参数更新延迟较大；其值越小，收敛速度越快，但是参数抗干扰能力会变弱，导致噪声数据可能会耦合其中进而导致参数更新不准确。所以需要在快速响应和参数稳定性两者之间取得平衡。在本公开的一个实施例中，λ值取0.95。

4)计算待估计的道路摩擦参数θ(t)：

其中，θ_k为当前k时刻待辨识的道路摩擦参数μ。

在本公开的一个实施例中，滑移率区间还可以是多个区间，可例如增加第三个区间，第三个区间包含第一区间和第二区间的临界值，比如设定σ'_x＝0.3，则第一区间为[-0.3,0.3]，第二区间为[-1,-0.3]∪[0.3,1]，第三区间为[-0.4,-0.2]∪[0.2,0.4]，当滑移率处于第三区间时，可以取第一计算策略和第二计算策略计算出的较小值作为道路摩擦参数。根据滑移率的不同值对应的车辆运行性质，同时考虑到高低滑移率的中间区间，设计对应的计算策略以获取道路摩擦参数，进而进一步提高道路摩擦参数的精度。

在本公开的一个实施例中，估计完道路摩擦参数后，还可以添加校验步骤对参数的计算进行修正，例如将初步估计出的道路摩擦参数作为观测量，k、μ、ρ等对应的参数作为扩充状态建立状态方程和观测方程，利用扩展卡尔曼滤波算法建立标准滤波递推过程，过滤信号噪声计算最终的道路摩擦参数，使得道路摩擦参数计算更加精准。

由于无人车会在不同路面上行走，例如普通道路、冰面、雪面等，将车辆的滑移率分为低滑移率和高滑移率两种情况分别进行参数辨识，可以使得辨识的道路摩擦系数更符合车辆行驶的实际情况。

在步骤S3中，将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制。

在本公开的一个实施例中，步骤S3还包括步骤S300，预先构建所述车辆控制优化模型，包括：配置车辆控制优化模型的决策变量，包括状态变量和控制变量；建立损失函数作为目标函数，以及设定约束条件以构建车辆控制优化模型，其中，所述约束条件与所述道路摩擦系数相关。

首先确定车辆控制优化模型的决策变量为其中，决策变量包括六个状态变量，分别为全局坐标系下的车辆位置坐标x、y，航向角θ，纵向线速度v，轮胎滑移角α和航向角加速度/>以及两个控制变量，分别为整车纵向力F，前轮转角δ。

然后建立车辆控制优化模型,也就是通过滚动优化求取最优控制解,基于约束，使某一或某些性能指标达到最优实现控制作用。

建立优化模型的目标函数，目标函数的一般形式可表示为状态和控制输入的二次函数，此处为了对控制变量进行有效的抑制，也将其加入了目标函数，表示如下：

其中，J为损失函数，N_p、N_c分别为预测时域和控制时域，w_l、w_s、w_θ、w_v、w_α、w_F、w_δ分别表示各个优化目标的权重，e_l、e_s、e_θ、e_v、e_α、/>e_F、e_δ分别表示各个优化目标误差值。

构建损失函数为目标函数后，还需要设定约束条件，约束条件包括：动力学模型约束、起始点约束、前轮转角及前轮转角增量约束、纵向力及纵向力增量约束、速度及速度增量约束。具体内容如下：

1)动力学模型约束：

在本公开的一个实施例中，配置预测的所述车辆的参考轨迹点状态变量的动力学模型方程作为所述动力学模型约束条件。

建立动力学模型简化模型如下：

其中，X为状态变量，选取U为控制变量，选取U＝[Fδ]^T，A、B、C为动力学模型的矩阵参数。

对式(19)在任意参考轨迹点处采用泰勒级数公式展开得到离散化后的动力学模型如下：

x_k+1＝x_k+v_kTcos(θ+α)-vTsin(θ+α)·(θ_k+α_k)+vTsin(θ+α)·(θ+α) (20)

y_k+1＝y_k+v_kTsin(θ+α)+vTcos(θ+α)·(θ_k+α_k)-vTcos(θ+α)·(θ+α) (21)

其中，下标k表示参数在当前k时刻的取值，k+1表示在预测的k+1时刻的取值，无下标的参数表示参考轨迹点处的参数值，T表示控制周期，C_f表示车辆轮胎侧偏刚度，a、b分别表示前后轴到车辆质心的距离，m表示车辆质量，I表示车辆绕z轴的转动惯量，F_drag表示空气阻力，F_fric表示道路摩擦阻力。

空气阻力F_drag的计算方式如下：

F_drag＝Dv² (26)

其中，D为空气阻力常数；

道路摩擦阻力F_fric的计算方式如下：

F_fric＝μmg (27)

其中，μ表示道路摩擦系数，也就是基于上述方法获取的道路摩擦系数。

2)起始点约束：

在本公开的一个实施例中，配置所述车辆的起始点处的状态变量初始值作为所述起始点约束条件。

起始点约束表示在进行车辆状态预测时需从当前状态开始，约束条件如下：

x(0)＝x(vehicle) (28)

y(0)＝y(vehicle) (29)

θ(0)＝θ(vehicle) (30)

v(0)＝v(vehicle) (31)

α(0)＝α(vehicle) (32)

x(0)、y(0)、θ(0)、v(0)、α(0)和分别表示车辆起始位置坐标、航向角、速度、滑移角、航向角加速度的初始值，x(vehicle)、y(vehicle)、θ(vehicle)、v(vehicle)、α(vehicle)和/>分别表示车辆当前位置坐标、航向角、速度、滑移角、航向角加速度。

3)前轮转角及前轮转角增量约束：

在本公开的一个实施例中，配置基于所述车辆的最大横向加速度值、车辆轴距、纵向线速度和最大、最小前轮转角确定的前轮转角约束值范围作为所述前轮转角约束条件；配置基于所述车辆的最大、最小前轮转角增量确定的前轮转角增量约束值范围作为所述前轮转角增量约束条件。

为了防止车辆高速绕行或拐弯时发生侧翻，本公开对转角进行了约束。其约束范围随车速变化而改变：

其中，acc_lat为最大横向加速度值，L表示车辆轴距，v表示纵向线速度。

设置前轮转角约束如下：

δ_min＜δ_k＜δ_max (35)

其中，δ_k表示k时刻的转角，δ_min表示最终最小转角约束值，δ_min＝max(-▽δ,δ(min))，δ_max表示最终最大转角约束值，δ_max＝min(▽δ,δ(max))，δ(max)、δ(min)分别表示车辆实际可支持的最大和最小转角。

同时，设置前轮转角增量约束如下：

Δδ_min＜δ_k-δ_k-1＜Δδ_max (36)

其中，δ_k-1表示k-1时刻的转角，Δδ_min、Δδ_max分别表示最小、最大转角增量约束值。

4)纵向力及纵向力增量约束：

在本公开的一个实施例中，配置基于所述车辆的最大、最小纵向力确定的纵向力约束值范围作为所述纵向力约束条件；配置基于所述车辆的最大、最小纵向力增量确定的纵向力增量约束值范围作为所述纵向力增量约束条件。

纵向力约束参考车辆实际可支持的纵向力值，设置约束条件如下：

F_min＜F_k＜F_max (37)

其中，F_k表示k时刻的整车纵向力，F_min、F_max分别表示最小、最大纵向力约束值。

同时，设置纵向力增量约束如下：

ΔF_min＜F_k-F_k-1＜ΔF_max (38)

其中，F_k-1表示k-1时刻的整车纵向力，ΔF_min、ΔF_max分别表示最小、最大纵向力增量约束值。

5)速度及速度增量约束：

在本公开的一个实施例中，配置基于所述车辆的最大、最小纵向线速度确定的速度约束值范围作为所述速度约束条件；配置基于所述车辆的最大、最小纵向线速度增量确定的速度约束增量值范围作为所述速度增量约束条件。

为了防止车辆超速，有必要对车速进行约束，该约束设置基于车辆最大支持速度和自动驾驶***支持的最大速度，约束条件如下：

v_min＜v_k＜v_max (39)

其中，v_k表示k时刻的纵向线速度，v_min、v_max分别表示最小、最大纵向线速度。

速度增量约束由加速度进行获取，设置速度增量约束如下：

a_min·T＜v_k-v_k-1＜a_max·T (40)

其中，v_k-1表示k-1时刻的纵向线速度，T表示控制周期，a_min、a_max分别表示车辆支持的最大减速度和最大加速度。

在构建车辆控制优化模型时，对建立目标函数与设定约束条件的步骤顺序不做限定，也可以先设定约束条件再建立目标函数。

由于无人车在不同摩擦系数的路面上切换行驶，轮胎滑移角以及纵向滑移率的实时变化会严重影响其行驶效果。因此，对于轮胎滑移角，考虑将其作为车辆控制优化模型输入的状态变量轮胎滑移角α，对于纵向滑移率，采用不同纵向滑移率下的不同计算策略计算道路摩擦系数，以用于更新动力学模型进行预测，进而基于该模型进行滚动优化模型设计，从而提高模型预测的精度，实现车辆由普通公路切换到冰面、雪面时的自适应控制效果，改善车辆在高速行驶时的控制效果。

同时为了提高车辆纵向行驶的平稳性，添加了纵向力及纵向力增量约束、速度及速度增量约束等；为了增强车辆的横向稳定性，添加了前轮转角约束。

在设计车辆控制优化模型时，选取必要的状态变量，例如车辆坐标、航向角等，以及添加对行驶效果影响度较高的轮胎滑移角，可以保证在满足控制精度需求的同时避免了过多参数造成的计算过程冗杂和速度较慢。

图3示意性示出本公开示例性实施例中一种生成车辆控制指令的示意图，包括：

步骤S301，获取当前控制周期的状态变量参数值输入所述车辆控制优化模型。

当前控制周期的状态变量包括车辆位置坐标x、y，航向角θ，纵向线速度v，轮胎滑移角α和航向角加速度其中车辆位置坐标x、y可以通过车辆的GPS获取；航向角θ和航向角加速度/>可以通过车辆的雷电点云图计算得到；纵向线速度v可以通过轮速计获取；轮胎滑移角α可以通过上一控制周期的参数取值确定。

步骤S302，基于所述道路摩擦系数更新模型。

基于上述方法，将获取的道路摩擦系数μ带入至F_fric计算道路摩擦阻力，进而优化模型中的更新目标函数和约束条件。

步骤S303，基于所述车辆控制优化模型中的目标函数和约束条件求解得到控制变量参数值。

具体而言，车辆控制优化模型的输入为状态变量，输出为控制变量。将获取的当前控制周期的状态变量参数值输入更新后的优化模型，输出控制变量包括整车纵向力F和前轮转角δ。

步骤S304，基于所述控制变量参数值生成控制指令。

将优化模型输出的整车纵向力F转换为力矩输入到线控***，同时还将前轮转角δ生成前轮转角指令进行车辆控制。

通过配置整车纵向力为输出变量，使得车辆控制优化模型直接输出力矩指令，从而省去了传统方法由加速度指令转换为力矩的标定步骤，简化了***的同时也减小了***的延迟，增强了控制效果的实时性。

在本公开的一个实施例中，计算得到控制指令后，可以增加一个控制指令验证的环节，当指令验证通过后再输入控制器对车辆进行控制。事先采集车辆的行驶环境信息以生成车辆运行的虚拟环境，用来对车辆行驶状况进行实时监控，生成控制指令之后，在虚拟环境中提前进行指令运行仿真，若仿真通过，则使用该控制指令进行控制，若仿真显示车辆在运行指令后出现行驶异常，则不使用该控制指令，进行紧急制动。

其中，控制指令验证可以根据行驶情况选择性开启。例如车辆行驶在雨雪天气的湿滑路面，或者行驶路线中存在不平整路面或有坡度的行驶路况，又或者是输出的控制指令数据异常时，再选择开启指令验证环节。对计算得到的控制指令进行验证，可以进一步确保车辆自适应指令的正确性，避免因计算失误造成的车辆控制错误。

在本公开的一个实施例中，还可以在无人车的前端或者其他部位设置一个障碍物检测装置，当检测到障碍物与车辆之间的距离小于预设距离，则触发障碍物制动指令，该制动指令具有最高级优先权，可以使车辆紧急制动。通过设置障碍物制动指令的自动触发，可以避免因动物、行人、物品突然出现的突发情况而导致的车辆冲撞或损毁，减少不必要的损失。应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

图4示意性示出本公开示例性实施例中一种车辆控制装置的组成示意图，如图4所示，该车辆控制装置可以包括滑移率模块401、摩擦系数模块402和控制指令模块403。其中：

滑移率模块401，用于获取车辆当前控制周期的滑移率；

摩擦系数模块402，用于根据所述滑移率调用对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数；

控制指令模块403，用于将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制。

根据本公开的示例性实施例，所述摩擦系数模块402包括：滑移率区间单元和计算策略单元(图中未示出)，滑移率区间单元用于确定所述滑移率所处的滑移率区间；其中，各所述滑移率区域对应配置有各自的计算策略；计算策略单元用于若滑移率处于第一区间时，则调用对应的第一计算策略；或者若滑移率处于第二区间时，则调用对应的第二计算策略。

根据本公开的示例性实施例，所述计算策略单元包括第一计算策略单元，用于获取前后轮摩擦影响比例；基于所述前后轮摩擦影响比例以及滑移斜率与道路摩擦的系数计算整车纵向力；基于所述整车纵向力计算所述道路摩擦系数。

根据本公开的示例性实施例，所述计算策略单元还包括第二计算策略单元，用于计算前后轮归一化的整车纵向力；基于所述整车纵向力计算所述道路摩擦系数。

根据本公开的示例性实施例，所述基于所述整车纵向力计算所述道路摩擦系数采用遗忘因子最小二乘法计算。

根据本公开的示例性实施例，所述车辆控制装置还包括构建车辆控制优化模型模块(图中未示出)，用于配置车辆控制优化模型的决策变量，包括状态变量和控制变量；建立损失函数作为目标函数，以及设定约束条件以构建车辆控制优化模型，其中，所述约束条件与所述道路摩擦系数相关。

根据本公开的示例性实施例，所述状态变量包括车辆位置坐标、航向角、纵向线速度、轮胎滑移角和航向角加速度；所述控制变量包括整车纵向力和前轮转角。

根据本公开的示例性实施例，所述约束条件包括：动力学模型约束、起始点约束、前轮转角及前轮转角增量约束、纵向力及纵向力增量约束、速度及速度增量约束。

根据本公开的示例性实施例，控制指令模块403包括：输入单元、输出单元、控制指令单元(图中未示出)，其中输入单元用于获取当前控制周期的状态变量参数值输入所述车辆控制优化模型；以及基于所述道路摩擦系数更新模型；输出单元用于基于所述车辆控制优化模型中的目标函数和约束条件求解得到控制变量参数值；控制指令单元用于基于所述控制变量参数值生成控制指令。

上述的车辆控制装置400中各模块的具体细节已经在对应的车辆控制方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的存储介质。图5示意性示出本公开示例性实施例中一种计算机可读存储介质的示意图，如图5所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品500，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如手机上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。图6示意性示出本公开示例性实施例中一种电子设备的计算机***的结构示意图。

需要说明的是，图6示出的电子设备的计算机***600仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，计算机***600包括中央处理单元(Central Processing Unit，CPU)601，其可以根据存储在只读存储器(Read-Only Memory，ROM)602中的程序或者从存储部分608加载到随机访问存储器(Random Access Memory，RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有***操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(Input/Output，I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本公开的***中限定的各种功能。

需要说明的是，本公开实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims

1.一种车辆控制方法，其特征在于，包括：

获取车辆当前控制周期的滑移率；

确定所述滑移率所处的滑移率区间，并调用与所滑移率区间对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数；

将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制；

其中，若滑移率处于第一区间时，则调用对应的第一计算策略，包括：获取前后轮摩擦影响比例；基于所述前后轮摩擦影响比例以及滑移斜率与道路摩擦的系数计算整车纵向力；基于所述整车纵向力计算所述道路摩擦系数；或者

若滑移率处于第二区间时，则调用对应的第二计算策略，包括：计算前后轮归一化的整车纵向力；基于所述整车纵向力计算所述道路摩擦系数。

2.根据权利要求1所述的车辆控制方法，其特征在于，所述基于所述整车纵向力计算所述道路摩擦系数，包括：

根据调用的计算策略确定系数输入值；以及

获取车辆当前控制周期的参数，计算输出值；

根据所述输入值和输出值采用遗忘因子最小二乘法计算待估计的道路摩擦参数。

3.根据权利要求1所述的车辆控制方法，其特征在于，所述方法还包括预先构建所述车辆控制优化模型，包括：

配置车辆控制优化模型的决策变量，包括状态变量和控制变量；

建立损失函数作为目标函数，以及设定约束条件，以构建车辆控制优化模型，其中，所述约束条件与所述道路摩擦系数相关。

4.根据权利要求3所述的车辆控制方法，其特征在于，所述状态变量包括位置坐标、航向角、纵向线速度、轮胎滑移角和航向角加速度；所述控制变量包括整车纵向力和前轮转角。

5.根据权利要求3所述的车辆控制方法，其特征在于，所述约束条件包括：动力学模型约束条件、起始点约束条件、前轮转角约束条件、前轮转角增量约束条件、纵向力约束条件、纵向力增量约束条件、速度约束条件、速度增量约束条件。

6.根据权利要求5所述的车辆控制方法，其特征在于，配置预测的所述车辆的参考轨迹点状态变量的动力学模型方程作为所述动力学模型约束条件。

7.根据权利要求5所述的车辆控制方法，其特征在于，配置所述车辆的起始点处的状态变量初始值作为所述起始点约束条件。

8.根据权利要求5所述的车辆控制方法，其特征在于，配置基于所述车辆的最大横向加速度值、车辆轴距、纵向线速度和最大、最小前轮转角确定的前轮转角约束值范围作为所述前轮转角约束条件。

9.根据权利要求5所述的车辆控制方法，其特征在于，配置基于所述车辆的最大、最小前轮转角增量确定的前轮转角增量约束值范围作为所述前轮转角增量约束条件。

10.根据权利要求5所述的车辆控制方法，其特征在于，配置基于所述车辆的最大、最小纵向力确定的纵向力约束值范围作为所述纵向力约束条件。

11.根据权利要求5所述的车辆控制方法，其特征在于，配置基于所述车辆的最大、最小纵向力增量确定的纵向力增量约束值范围作为所述纵向力增量约束条件。

12.根据权利要求5所述的车辆控制方法，其特征在于，配置基于所述车辆的最大、最小纵向线速度确定的速度约束值范围作为所述速度约束条件。

13.根据权利要求5所述的车辆控制方法，其特征在于，配置基于所述车辆的最大、最小纵向线速度增量确定的速度约束增量值范围作为所述速度增量约束条件。

14.根据权利要求1所述的车辆控制方法，其特征在于，所述将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，包括：

获取当前控制周期的状态变量参数值输入所述车辆控制优化模型；以及基于所述道路摩擦系数更新模型；

基于所述车辆控制优化模型中的目标函数和约束条件求解得到控制变量参数值；

基于所述控制变量参数值生成控制指令。

15.一种车辆控制装置，其特征在于，包括：

滑移率模块，用于获取车辆当前控制周期的滑移率；

摩擦系数模块，用于确定所述滑移率所处的滑移率区间，并调用与所滑移率区间对应的计算策略，以计算所述车辆当前控制周期的道路摩擦系数；

控制指令模块，用于将所述道路摩擦系数输入车辆控制优化模型获取车辆当前控制周期的控制指令，以对所述车辆进行实时控制；

16.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1至14任一项所述的车辆控制方法。

17.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至14任一项所述的车辆控制方法。