CN115346366B - 一种考虑路面附着系数的智能网联车队控制方法及*** - Google Patents
一种考虑路面附着系数的智能网联车队控制方法及*** Download PDFInfo
- Publication number
- CN115346366B CN115346366B CN202210866656.6A CN202210866656A CN115346366B CN 115346366 B CN115346366 B CN 115346366B CN 202210866656 A CN202210866656 A CN 202210866656A CN 115346366 B CN115346366 B CN 115346366B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- front wheel
- transverse
- longitudinal
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000001133 acceleration Effects 0.000 claims description 56
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 3
- 210000001258 synovial membrane Anatomy 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 10
- 238000011160 research Methods 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种考虑路面附着系数的智能网联车队控制方法及***,其特征在于:基于单点预瞄原理和车辆队列横向误差模型,得到理想前轮转角,将不同道路的路面附着系数作为约束条件输入主动转向控制器中,得到附加前轮转角;理想前轮转角和附加前轮转角构成控制车辆的前轮转角,从而控制车辆的横向误差。考虑不同路面工况下的智能网联车队横、纵向运动的协同控制,使得无人驾驶车队能够适应更多的路面进行稳定行驶。
Description
技术领域
本发明涉及先进辅助驾驶***(ADAS),特别是指一种自适应路面的智能网联横纵向协同控制方法和***。
背景技术
随着网络通信技术、控制算法理论、计算机技术的不断跨越式发展和传感器价格的降低,智联网联汽车也逐渐进入研究的热门。现阶段的智能网联汽车主要是通过多种传感器和车车之间车联网通讯获取自身和前车的速度、相对车距、道路信息和车辆转角等信息,将信息处理之后,通过合适的控制策略,实现车队的跟随。
现如今,车辆的智能化和驾驶安全性需求越来越高,无人驾驶的研究也日趋火热,其中汽车运动控制逐渐成为了研究的热门。汽车运动控制主要包括横向运动控制和纵向运动控制。在实际车辆行驶过程中,单独的横、纵向运动控制对车辆的控制效果不好。当有在弯道进行车队跟随时,产生纵向跟随误差也会对横向误差造成影响并有一定的误差叠加,需要对车辆的横、纵向运动同时进行控制,才能对前车或期望路径有良好的跟踪效果。
现在大多数的研究都假设车辆行驶在干燥的柏油路面,有较高的路面附着系数,使得路面能够提供较大的摩擦力,轮胎不易打滑。但是在现实生活中,不同的路面之间路面的工况相差较大,对车辆的稳定性会有不同的影响,对控制的精度和控制效果影响比较大。
发明内容
本发明要解决的技术问题是针对现有车辆控制方案没有考虑路面附着系数的不足之处,提出一种考虑不同路面工况下的智能网联车队横、纵向运动的协同控制,使得无人驾驶车队能够适应更多的路面进行稳定行驶。
本发明为解决上述技术问题,采用如下技术方案:
一种考虑路面附着系数的智能网联车队控制方法,其特征在于:基于单点预瞄原理和车辆队列横向误差模型,得到理想前轮转角,将不同道路的路面附着系数作为约束条件输入主动转向控制器中,得到附加前轮转角;理想前轮转角和附加前轮转角构成控制车辆的前轮转角,从而控制车辆的横向误差。
上述技术方案中,按如下步骤控制车辆的横向误差:
S1:车辆获得期望轨迹之后,对期望轨迹及其曲率、转角等信息进行投影转换,将大地坐标系下的坐标转换为frenet坐标系的坐标;
S2:设置单点预瞄模型的最长预瞄距离、最短预瞄距离、预瞄时间、预瞄距离转换的最小速度和最大速度,以便在不同的速度采用相对应的预瞄距离,使得车辆在行驶到预瞄点时,横向误差减少并趋向于零;
S3:车辆的位置信息进行投影转换,将转换后的位置信息与期望路径转换后的道路信息导入到单点预瞄模型,得到预瞄距离,把预瞄距离在车辆横向分量与frenet坐标系下的车辆横向坐标进行相减得到车辆的横向误差;
S4:在前车感知路面信息之后,通过车联网通讯将路面信息传输给跟随车;路面信息、车辆横向误差和车辆的位置状态导入车辆队列横向误差模型中,得到横向误差的导数,再通过横向控制器的计算得到理想前轮转角;
S5:将路面附着系数和被控车的质心侧偏角和横摆角速度作为输入,通过主动前轮转向控制器,得到附加前轮转角,附加前轮转角和理想前轮转角构成前轮转角,从而保证车辆行驶稳定。
一种考虑路面附着系数的智能网联车队控制方法,其特征在于还包括分层纵向控制步骤:上层控制器根据被控车辆的现有状态、前车的现有状态和路面的信息就算出使得被控车辆稳定驾驶的期望加速度,再将计算所得的期望加速度输入下层控制器中,下层控制器基于此期望加速度计算出被控车辆所需的节气门开度或制动压力,从而控制车辆的加速或减速,保证车队的纵向稳定性。
上述技术方案中,还包括分层纵向控制相对应的直接控制,上层控制器直接控制车队纵向稳定性。
上述技术方案中,分层纵向控制具体包括如下步骤:
M1:通过车联网和传感器的感知,获得前车的位置、速度、航向角和道路的曲率、转角信息,同时得到被控车的位置、速度、转角信息;将前车和被控车的上述信息数据通过投影转换成frenet坐标系下的坐标;
M2:车车之间的间距政策采用固定时距策略,设置车与车之间的安全距离和时间常数,将得到的前车与被控车的坐标信息进行计算,得到前车与被控车之间在固定时距策略下的纵向误差;
M3:将道路、前车和被控车的信息传入车辆队列纵向误差模型,同时将计算得到的纵向误差传入之后,计算得到纵向误差导数;
M4:将M3中得到的纵向误差导数输入滑膜控制器中得到车辆的期望加速度,通过M1中得到的路面附着系数作为约束条件,对期望加速度进行优化,得到考虑道路信息的期望加速度,此时计算被控车的加速度与期望加速度的差值,将差值成为下层控制器的输入;
M5:将上层得到的优化期望加速度,输入到下层控制器中,先对期望加速度进行判断,判断由驱动***工作或是由制动***工作,在经过制动/驱动逻辑之后,由被控车的加速度与期望加速度的差值计算出相应的节气门开度或制动压力,控制车辆尽可能的使得与前车的距离误差为零。
一种考虑路面附着系数的智能网联车队控制方法,其特征在于还包括横纵向耦合控制步骤,在横纵向耦合控制步骤中,取纵向车速为车辆横纵向控制的耦合点,分别进行横向控制和纵向控制;
横向控制步骤:基于单点预瞄原理和车辆队列横向误差模型,得到理想前轮转角,将不同道路的路面附着系数作为约束条件输入主动转向控制器中,得到附加前轮转角;理想前轮转角和附加前轮转角构成控制车辆的前轮转角,从而控制车辆的横向误差;
纵向控制步骤:上层控制器根据被控车辆的现有状态、前车的现有状态和路面的信息就算出使得被控车辆稳定驾驶的期望加速度,再将计算所得的期望加速度输入下层控制器中,下层控制器基于此期望加速度计算出被控车辆所需的节气门开度或制动压力,从而控制车辆的加速或减速,保证车队的纵向稳定性。
一种考虑路面附着系数的智能网联车队控制***,其特征在于至少包括:
横向控制模块,用于通过基于单点预瞄原理和车辆队列横向误差模型,得到理想前轮转角,将不同道路的路面附着系数作为约束条件输入主动转向控制器中,得到附加前轮转角,理想前轮转角和附加前轮转角构成控制车辆的前轮转角,从而控制车辆的横向误差;
纵向控制模块:用于通过上层控制器根据被控车辆的现有状态、前车的现有状态和路面的信息就算出使得被控车辆稳定驾驶的期望加速度,再将计算所得的期望加速度输入下层控制器中,下层控制器基于此期望加速度计算出被控车辆所需的节气门开度或制动压力,从而控制车辆的加速或减速,保证车队的纵向稳定性。
上述技术方案中,纵向控制模块和横向控制模块取纵向车速为车辆横纵向控制的耦合点。
现有技术车队的横纵向控制研究一般都假定车辆行驶在良好路面条件的道路上,相对于现有技术,本发明考虑路面附着系数会使得车队的控制更具有鲁棒性和稳定性。本发明可以使得车队在不同路面附着系数的道路上行驶更具稳定性。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明考虑路面附着系数的智能网联车队横纵向协同控制方法纵向控制策略图。
图2为本发明横向控制策略图。
图3为本发明横纵向协同控制图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示为本发明考虑路面附着系数的智能网联车队横纵向协同控制方法纵向控制策略图。
当车辆在车速较快或易打滑的情况下,车辆轮胎的侧向力容易饱和,所提供的侧向力也会减少,车辆侧向运动容易失去稳定性,导致转向能力不足,车辆的路径跟踪能力下降,更有甚者会影响车辆行驶的安全性,造成交通事故。
本发明基于单点预瞄原理和车辆队列横向误差模型,得到理想前轮转角。将不同道路的路面附着系数作为约束条件输入主动转向控制器中,得到附加前轮转角。理想前轮转角和附加前轮转角构成控制车辆的前轮转角,从而控制车辆的横向误差。
步骤一:车辆获得期望轨迹之后,对期望轨迹及其曲率、转角等信息进行投影转换,将大地坐标系下的坐标转换为frenet坐标系的坐标。
步骤二:设置单点预瞄模型的最长预瞄距离、最短预瞄距离、预瞄时间、预瞄距离转换的最小速度和最大速度,以便在不同的速度采用相对应的预瞄距离。使得车辆在行驶到预瞄点时,横向误差减少并趋向于零。
步骤三:车辆的位置信息进行投影转换,将转换后的位置信息与期望路径转换后的道路信息导入到单点预瞄模型,得到预瞄距离,把预瞄距离在车辆横向分量与frenet坐标系下的车辆横向坐标进行相减得到车辆的横向误差。
步骤四:在前车感知路面信息之后,通过车联网通讯将路面信息传输给跟随车。路面信息、车辆横向误差和车辆的位置状态导入车辆队列横向误差模型中,可得到横向误差的导数,再通过横向控制器的计算得到理想前轮转角。
步骤五:由于车辆的驱动、转向***的有一定的延迟,实际车辆的横向运动学模型具有非线性,车辆行驶的路面工况复杂,如果车辆在无反馈的***下进行控制,车辆的控制效果可能不尽人意。将路面附着系数和被控车的质心侧偏角和横摆角速度作为输入,通过主动前轮转向控制器,得到附加前轮转角。附加前轮转角和理想前轮转角构成前轮转角,从而保证车辆行驶稳定。
如图2所示为车队纵向控制方案:
车队的队列稳定性和单个车辆的驾驶稳定性对无人驾驶车队的正常行驶都具有很重要的作用,而道路的复杂工况对车队的队列稳定和单个车辆的驾驶跟随有很大得影响。考虑不同路面附着系数对队列稳定性和车辆的行驶稳定有重要的现实意义。
当车辆行驶在低路面附着系数的路面上时,车辆轮胎的纵向力非常容易达到饱和,车辆的驱动力和制动力都会受到严重的影响,使得车辆在加速或减速时达不到预期的效果,车辆的纵向运动稳定性难以保证,从而影响整个车队的行驶安全。此方案提出在设计车辆的纵向控制器时,将路面因素考虑入内,可以使车辆在路面附着系数较低的路面稳定行驶。纵向控制可以分为直接控制和分层控制,分层控制可以使得车辆的各个***不会相互干涉,同时,对某一层的控制算法进行优化时也会更加的方便。上层控制器主要根据被控车辆的现有状态、前车的现有状态和路面的信息就算出使得被控车辆稳定驾驶的期望加速度,再将计算所得的期望加速度输入下层控制器中,下层控制器基于此期望加速度计算出被控车辆所需的节气门开度或制动压力,从而控制车辆的加速或减速,保证车队的纵向稳定性。
步骤一:通过车联网和传感器的感知,获得前车的位置、速度、航向角和道路的曲率、转角信息,同时得到被控车的位置、速度、转角信息。将这些数据通过投影转换成frenet坐标系下的坐标,便于计算。
步骤二:车车之间的间距政策采用固定时距策略。设置车与车之间的安全距离和时间常数,将得到的前车与被控车的坐标信息进行计算,得到前车与被控车之间在固定时距策略下的纵向误差。
步骤三:纵向误差与很多因素相关。将道路、前车和被控车的信息传入车辆队列纵向误差模型,同时将计算得到的纵向误差传入之后,计算可得纵向误差导数。
步骤四:将步骤三中得到的纵向误差导数输入滑膜控制器中可以得到车辆的期望加速度。此时通过步骤一中得到的路面附着系数作为约束条件,对期望加速度进行优化,得到考虑道路信息的期望加速度。此时计算被控车的加速度与期望加速度的差值,将成为下层控制器的输入。
步骤五:将上层得到的优化期望加速度,输入到下层控制器中。先对期望加速度进行判断,判断由驱动***工作或是由制动***工作。在经过制动/驱动逻辑之后,将被控车的加速度与期望加速度的差值通过一定的控制算法和传动***逆模型或制动***逆模型计算出相应的节气门开度或制动压力。控制车辆尽可能的使得与前车的距离误差为零。
如图3所示为车辆横纵向综合控制:
前面的横纵向控制方案都是单独的横向或纵向的控制方案,将横纵向耦合控制有利于车辆的控制稳定性。在横向控制方案中,纵向速度和驾驶员模型的预测距离、车辆队列横向误差模型都有关系,车速的变化将导致横向误差的变化,从而影响车辆转角变化。而在纵向控制方案中,车速不仅是车辆跟随距离的依据,还是车辆纵向误差模型的影响因素,更是纵向控制器最终控制的因素,以确保跟车距离。所以,取纵向车速为车辆横纵向控制的耦合点。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种考虑路面附着系数的智能网联车队控制方法,其特征在于:基于单点预瞄原理和车辆队列横向误差模型,得到理想前轮转角,将不同道路的路面附着系数作为约束条件输入主动转向控制器中,得到附加前轮转角;理想前轮转角和附加前轮转角构成控制车辆的前轮转角,从而控制车辆的横向误差;
按如下步骤控制车辆的横向误差:
S1:车辆获得期望轨迹之后,对期望轨迹及其曲率、转角信息进行投影转换,将大地坐标系下的坐标转换为frenet坐标系下的坐标;
S2:设置单点预瞄模型的最长预瞄距离、最短预瞄距离、预瞄时间、预瞄距离转换的最小速度和最大速度,以便在不同的速度采用相对应的预瞄距离,使得车辆在行驶到预瞄点时,横向误差减少并趋向于零;
S3:车辆的位置信息进行投影转换,将转换后的位置信息与期望路径转换后的道路信息导入到单点预瞄模型,得到预瞄距离,把预瞄距离在车辆横向分量与frenet坐标系下的车辆横向坐标进行相减得到车辆的横向误差;
S4:在前车感知路面信息之后,通过车联网通讯将路面信息传输给跟随车;路面信息、车辆横向误差和车辆的位置状态导入车辆队列横向误差模型中,得到横向误差的导数,再通过横向控制器的计算得到理想前轮转角;
S5:将路面附着系数和被控车的质心侧偏角和横摆角速度作为输入,通过主动前轮转向控制器,得到附加前轮转角,附加前轮转角和理想前轮转角构成前轮转角,从而保证车辆行驶稳定。
2.根据权利要求1所述的考虑路面附着系数的智能网联车队控制方法,其特征在于还包括分层纵向控制步骤:
上层控制器根据被控车辆的现有状态、前车的现有状态和路面信息计算出使得被控车辆稳定驾驶的期望加速度,再将计算所得的期望加速度输入下层控制器中,下层控制器基于此期望加速度计算出被控车辆所需的节气门开度或制动压力,从而控制车辆的加速或减速,保证车队的纵向稳定性。
3.根据权利要求2所述考虑路面附着系数的智能网联车队控制方法,其特征在于还包括分层纵向控制相对应的直接控制,上层控制器直接控制车队纵向稳定性。
4.根据权利要求2所述考虑路面附着系数的智能网联车队控制方法,其特征在于分层纵向控制具体包括如下步骤:
M1:通过车联网和传感器的感知,获得前车的位置、速度、航向角和道路的曲率、转角信息,同时得到被控车的位置、速度、转角信息;将前车和被控车的上述信息数据通过投影转换成frenet坐标系下的坐标;
M2:车车之间的间距政策采用固定时距策略,设置车与车之间的安全距离和时间常数,将得到的前车与被控车的坐标信息进行计算,得到前车与被控车之间在固定时距策略下的纵向误差;
M3:将道路、前车和被控车的信息传入车辆队列纵向误差模型,同时将计算得到的纵向误差传入之后,计算得到纵向误差导数;
M4:将M3中得到的纵向误差导数输入滑膜控制器中得到车辆的期望加速度,将路面附着系数作为约束条件,对期望加速度进行优化,得到考虑道路信息的期望加速度,此时计算被控车的加速度与期望加速度的差值,将差值作为下层控制器的输入;
M5:将上层得到的优化期望加速度,输入到下层控制器中,先对期望加速度进行判断,判断由驱动***工作或是由制动***工作,在经过制动/驱动逻辑之后,由被控车的加速度与期望加速度的差值计算出相应的节气门开度或制动压力,控制车辆尽可能的使得与前车的距离误差为零。
5.根据权利要求1所述的考虑路面附着系数的智能网联车队控制方法,其特征在于还包括横纵向耦合控制步骤,在横纵向耦合控制步骤中,取纵向车速为车辆横纵向控制的耦合点,分别进行横向控制和纵向控制;
横向控制步骤:基于单点预瞄原理和车辆队列横向误差模型,得到理想前轮转角,将不同道路的路面附着系数作为约束条件输入主动转向控制器中,得到附加前轮转角;理想前轮转角和附加前轮转角构成控制车辆的前轮转角,从而控制车辆的横向误差;
纵向控制步骤:上层控制器根据被控车辆的现有状态、前车的现有状态和路面的信息计算出使得被控车辆稳定驾驶的期望加速度,再将计算所得的期望加速度输入下层控制器中,下层控制器基于此期望加速度计算出被控车辆所需的节气门开度或制动压力,从而控制车辆的加速或减速,保证车队的纵向稳定性。
6.一种考虑路面附着系数的智能网联车队控制***,其特征在于用于执行权利要求1-5任一项所述考虑路面附着系数的智能网联车队控制方法,该考虑路面附着系数的智能网联车队控制***至少包括:
横向控制模块,用于通过基于单点预瞄原理和车辆队列横向误差模型,得到理想前轮转角,将不同道路的路面附着系数作为约束条件输入主动转向控制器中,得到附加前轮转角,理想前轮转角和附加前轮转角构成控制车辆的前轮转角,从而控制车辆的横向误差;
纵向控制模块:用于通过上层控制器根据被控车辆的现有状态、前车的现有状态和路面的信息计算出使得被控车辆稳定驾驶的期望加速度,再将计算所得的期望加速度输入下层控制器中,下层控制器基于此期望加速度计算出被控车辆所需的节气门开度或制动压力,从而控制车辆的加速或减速,保证车队的纵向稳定性。
7.根据权利要求6所述的考虑路面附着系数的智能网联车队控制***,其特征在于纵向控制模块和横向控制模块取纵向车速为车辆横纵向控制的耦合点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210866656.6A CN115346366B (zh) | 2022-07-22 | 2022-07-22 | 一种考虑路面附着系数的智能网联车队控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210866656.6A CN115346366B (zh) | 2022-07-22 | 2022-07-22 | 一种考虑路面附着系数的智能网联车队控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115346366A CN115346366A (zh) | 2022-11-15 |
CN115346366B true CN115346366B (zh) | 2023-11-28 |
Family
ID=83949869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210866656.6A Active CN115346366B (zh) | 2022-07-22 | 2022-07-22 | 一种考虑路面附着系数的智能网联车队控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115346366B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011053304A1 (en) * | 2009-10-30 | 2011-05-05 | Ford Global Technologies, Llc | Vehicle with identification system |
CN109318905A (zh) * | 2018-08-22 | 2019-02-12 | 江苏大学 | 一种智能汽车路径跟踪混合控制方法 |
CN110329255A (zh) * | 2019-07-19 | 2019-10-15 | 中汽研(天津)汽车工程研究院有限公司 | 一种基于人机协同策略的车道偏离辅助控制方法 |
CN111610780A (zh) * | 2019-02-25 | 2020-09-01 | 广州汽车集团股份有限公司 | 一种自动驾驶车路径跟踪控制方法及其装置 |
CN111923908A (zh) * | 2020-08-18 | 2020-11-13 | 哈尔滨理工大学 | 一种融合稳定性的智能汽车路径跟踪控制方法 |
CN112109732A (zh) * | 2020-09-03 | 2020-12-22 | 南京理工大学 | 一种智能驾驶自适应曲线预瞄方法 |
CN112148001A (zh) * | 2020-08-31 | 2020-12-29 | 江苏大学 | 一种基于模糊模型预测控制的智能车队纵向跟随控制方法 |
CN113031443A (zh) * | 2021-03-04 | 2021-06-25 | 北京理工大学 | 一种带有主动安全和自适应预瞄的车辆横向运动控制方法 |
CN113386781A (zh) * | 2021-05-24 | 2021-09-14 | 江苏大学 | 一种基于数据驱动车辆动力学模型的智能车辆轨迹跟踪控制方法 |
WO2022027753A1 (zh) * | 2020-08-03 | 2022-02-10 | 北京理工大学 | 基于路面附着系数识别的整车动态性能控制方法及*** |
CN114179818A (zh) * | 2021-12-31 | 2022-03-15 | 江苏理工学院 | 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法 |
CN114228715A (zh) * | 2021-11-30 | 2022-03-25 | 武汉理工大学 | 一种车辆队列联合控制方法、装置、设备及存储介质 |
CN114625002A (zh) * | 2022-02-28 | 2022-06-14 | 浙江零跑科技股份有限公司 | 一种基于模型预测控制的车辆横纵向集成控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8258934B2 (en) * | 2009-10-30 | 2012-09-04 | Ford Global Technologies, Llc | Vehicle and method of advising a driver therein |
-
2022
- 2022-07-22 CN CN202210866656.6A patent/CN115346366B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011053304A1 (en) * | 2009-10-30 | 2011-05-05 | Ford Global Technologies, Llc | Vehicle with identification system |
CN109318905A (zh) * | 2018-08-22 | 2019-02-12 | 江苏大学 | 一种智能汽车路径跟踪混合控制方法 |
CN111610780A (zh) * | 2019-02-25 | 2020-09-01 | 广州汽车集团股份有限公司 | 一种自动驾驶车路径跟踪控制方法及其装置 |
CN110329255A (zh) * | 2019-07-19 | 2019-10-15 | 中汽研(天津)汽车工程研究院有限公司 | 一种基于人机协同策略的车道偏离辅助控制方法 |
WO2022027753A1 (zh) * | 2020-08-03 | 2022-02-10 | 北京理工大学 | 基于路面附着系数识别的整车动态性能控制方法及*** |
CN111923908A (zh) * | 2020-08-18 | 2020-11-13 | 哈尔滨理工大学 | 一种融合稳定性的智能汽车路径跟踪控制方法 |
CN112148001A (zh) * | 2020-08-31 | 2020-12-29 | 江苏大学 | 一种基于模糊模型预测控制的智能车队纵向跟随控制方法 |
CN112109732A (zh) * | 2020-09-03 | 2020-12-22 | 南京理工大学 | 一种智能驾驶自适应曲线预瞄方法 |
CN113031443A (zh) * | 2021-03-04 | 2021-06-25 | 北京理工大学 | 一种带有主动安全和自适应预瞄的车辆横向运动控制方法 |
CN113386781A (zh) * | 2021-05-24 | 2021-09-14 | 江苏大学 | 一种基于数据驱动车辆动力学模型的智能车辆轨迹跟踪控制方法 |
CN114228715A (zh) * | 2021-11-30 | 2022-03-25 | 武汉理工大学 | 一种车辆队列联合控制方法、装置、设备及存储介质 |
CN114179818A (zh) * | 2021-12-31 | 2022-03-15 | 江苏理工学院 | 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法 |
CN114625002A (zh) * | 2022-02-28 | 2022-06-14 | 浙江零跑科技股份有限公司 | 一种基于模型预测控制的车辆横纵向集成控制方法 |
Non-Patent Citations (5)
Title |
---|
Estimation of tire-road peak adhesion coefficient for intelligent electric vehicles based on camera and tire dynamics information fusion;Bo Leng et al.;EL Sevier;第150卷(第2021期);全文 * |
不同车辆工况对协同自适应巡航控制 车队行驶安全的影响;覃频频等;交通运输***工程与信息;第19卷(第4期);全文 * |
冰雪路面城市快速路跟驰模型研究;张诗悦;科学技术与工程;第14卷(第19期);全文 * |
基于单点预瞄最优曲率的4WDEV人-车-路闭环仿真研究;牛晶;;机械研究与应用(第03期);全文 * |
智能汽车横向控制方法研究综述;陈慧岩;陈舒平;龚建伟;;兵工学报(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115346366A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109669461B (zh) | 一种复杂工况下自动驾驶车辆决策***及其轨迹规划方法 | |
CN110286681B (zh) | 一种变曲率弯道的动态自动驾驶换道轨迹规划方法 | |
CN106681327B (zh) | 一种大惯性电动客车的智能驾驶横纵向解耦控制方法及*** | |
CN107521496B (zh) | 一种无人车辆的横纵向协调控制轨迹跟随控制方法 | |
CN109131312B (zh) | 一种智能电动汽车acc/esc集成控制***及其方法 | |
JP3956693B2 (ja) | 統合型車両運動制御装置 | |
CN110979304B (zh) | 车辆在变附着工况下力矩分配方法 | |
CN110827535B (zh) | 非线性车辆队列协同自适应抗扰纵向控制方法 | |
CN103754221A (zh) | 一种车辆自适应巡航控制*** | |
CN105799549A (zh) | 一种用于电动轮汽车eps与dyc集成控制***及其方法 | |
CN104881030A (zh) | 基于快速终端滑模原理的无人车侧纵向耦合跟踪控制方法 | |
CN114312848B (zh) | 基于双层mpc的智能驾驶汽车轨迹规划与跟踪控制方法 | |
Attia et al. | Reference generation and control strategy for automated vehicle guidance | |
KR20200017571A (ko) | 자율주행 차량을 위한 횡방향 제어 파라미터 보정 장치 및 방법 | |
CN110155059A (zh) | 一种弯道优化控制方法及*** | |
CN204452443U (zh) | 一种自适应巡航*** | |
CN114228715B (zh) | 一种车辆队列联合控制方法、装置、设备及存储介质 | |
CN108594830A (zh) | 一种基于空间域的网联智能车编队行驶控制方法 | |
CN115346366B (zh) | 一种考虑路面附着系数的智能网联车队控制方法及*** | |
KR20110125280A (ko) | 경사로의 적응 순항 제어 방법 | |
CN116880486A (zh) | 一种考虑跟踪误差约束的自动驾驶汽车轨迹跟踪控制方法 | |
CN114357631B (zh) | 基于协同分布式优化的集成式车辆防侧翻主动控制方法 | |
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 | |
CN113327457B (zh) | 一种基于车路协同技术的车辆避碰***及方法 | |
CN111661048B (zh) | 多铰接式车辆及其轨迹跟随控制方法与*** |
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 |