CN115771520A - 一种基于模型参数的智能车辆横纵向协同运动控制方法 - Google Patents

Abstract

本发明提供一种基于模型参数的智能车辆横纵向协同控制方法，第一部分为车辆纵向控制，包括S11：车载传感器融合***实时反馈路况和车辆驾驶状态信息；S12：决策层根据信息输出期望速度和期望加速度；S13：控制***计算速度误差和加速度误差；S14：模糊纵向控制器计算油门踏板和制动踏板控制信号；S15：发动机，变速器，制动***和转向***执行相关动作；第二部分为车辆横向控制，包括S21：决策层输出参考路径；S22：预瞄模糊控制器输出预瞄距离；S23：驾驶员模型输出最优侧向加速度；S24：驾驶员模型的输出传到最优侧向加速度***；S25：最优侧向加速度***输出连接到道路‑车辆模型，实现车辆横向控制。

Description

一种基于模型参数的智能车辆横纵向协同运动控制方法

技术领域

本发明涉及智能汽车动力学控制技术领域，尤其涉及一种基于车辆模型的横向和纵向协同运动控制方法。

背景技术

随着汽车产业的快速发展，智能汽车的相关研究也越来越多，其中智能汽车的运动控制对汽车行驶的安全性和稳定性有着至关重要的影响，是车辆控制相关研究人员一直以来的重点研究方向。

智能车辆的运动控制是指根据当前的车辆实时位置、车速等行驶状态信息按照一定控制策略向转向、加速和制动等执行机构发出控制信号，使车辆按照期望的车速或轨迹行驶，是智能车实现自主行驶必不可少的基本环节，包括横向控制、纵向控制及横纵向综合控制。但现有相关车辆动力学控制的研究大多都基于单向控制，即只针对横向车辆动力学控制或者只针对车辆纵向动力学控制，很少有智能车辆横纵向协同控制相关的专利。

进一步的，在制定控制策略时，考虑到智能车辆***是高度非线性的，许多参数存在不确定性，再加上车辆行驶环境的时变不确定性以及传感器测量不精准问题，这些因素都将潜在的影响控制策略控制的精准性。同时，考虑到模糊方法可以有效处理控制***的非线性特性和控制***中存在的参数不确定性问题，所以本专利提出的控制策略中采用到模糊方法，以此来处理智能汽车***中存在的非线性特性和参数不确定性问题。其次，鉴于通过控制方向盘转角预瞄跟踪控制方法可以达到很好的车辆路径跟踪效果，所以本专利中横向控制部分将用到预瞄跟踪方法。

综上所述，设计一个鲁棒性好的横向与纵向运动控制方法，是实现自动驾驶的关键点，对智能车技术的发展有重要意义。

发明内容

本发明提供一种基于模型参数的智能车辆横纵向运动控制方法，旨在解决现有车辆动力学控制方法中存在的横纵向协同控制策略少，未考虑车辆控制***不确定性，控制效果不佳的问题。

为达到以上目的，本发明采取的技术方案是：

一种基于模型参数的智能车辆横纵向运动控制方法，所述设计方法如下：

第一方面，设计一种基于模糊控制方法的智能车辆纵向控制方法，所述方法如下：

S11、基于智能车辆配置的多传感器融合***检测车辆当前的道路信息和驾驶状态信息，包括车辆速度v，加速度a和道路曲率ρ；

S12、决策层算法基于当前路况信息算出车辆t时间内的期望纵向速度v_d和期望加速度a_desired；

S13、根据t时间内的实际纵向速度v和期望速度v_desired求出速度误差e_v，同理求出t时间内的加速度误差e_a，计算公式如下：

e_v＝v_desired-v

e_a＝a_desired-a；

S14、设计模糊纵向控制器；考虑到车辆***是一个具有高度非线性特性的***，特别是发动机***和制动***，这些***存在的不确定性使得建立精确地车辆模型变得非常困难，为了有效处理***存在的非线性特性和不确定性，本专利采用模糊控制方法来获得想要的油门踏板信息和制动踏板信息，其中油门踏板模糊控制器的输入是各个时间段内得到的速度和加速度误差e_v和e_a，在模糊控制器设计中e_v和e_a分别被分为不同的模糊子集，隶属函数为三角形隶属函数，经过模糊规则推理与清晰化后，油门踏板模糊控制器的输出是油门踏板开度的变化量Δδ，此时，任意时间段t下的油门踏板开度δ(t)为δ(t)＝Δδ+δ(t-1)，同理，制动踏板模糊控制器的输入是各个时间段内得到的速度和加速度误差e_v和e_a，在模糊控制器设计中e_v和e_a分别被分为不同的模糊子集，隶属函数为三角形隶属函数，经过模糊规则推理与清晰化后制动器模糊控制器的输出是制动踏板开度的变化量Δκ＝-Δδ，此时，藤椅时间段t下的油门踏板开度κ(t)为k(t)＝Δκ+κ(t-1)；为了防止油门踏板和制动踏板被同时压下，影响控制效果。本专利在此处设计了一个油门踏板控制器和制动器踏板控制器切换控制策略，该控制策略基于新引入的一个已知的速度阈值

来判断何时执行油门踏板控制器或制动踏板控制器的输出，此外，考虑到只用模糊控制器不能达到较好的控制效果，于是引入PID控制器来优化模糊控制器。通过提前调试优化PID控制器中比例、积分、微分项的参数，可以达到较好的控制效果；

S15、模糊纵向控制器的输出的油门开度控制量直接接到发动机，发动机再与变速器向连接；模糊纵向控制器的输出的制动踏板开度信息直接传递到车辆制动装置；基于上述描述，控制器最终可使车辆达到预期控制效果；S15中涉及的发动机模型为：T_e＝Eng(ω_e,P_th)，该公式中T_e表示发动机输出扭矩，ω_e为发动机转速，P_th为发动机节气门开度；S15中涉及的变速器模型为：

其中R_g表示变速器传递比，各个挡位传动比不相同，ω_t为涡轮的转动角速度，ω_s为传动轴的转动角速度，T_s为传动轴的转矩，T_t为涡轮的转矩，S15涉及的制动装置模型为：T_b＝2A_cP_cμ_brr_br，式中T_b表示制动力矩，A_c表示制动腔内隔板的有效面积，P_c制动腔内压力，μ_br制动盘和制动片的摩擦系数，r_br摩擦有限半径。

第二方面，设计一种基于预瞄方法和模糊控制方法的智能车辆横向控制方法，所述方法如下：

S21、由车载传感器群检测当前车辆路况信息如道路曲率半径ρ和车辆速度v，并由决策层输出参考驾驶路径；

S22、以实时变化的道路曲率半径ρ和纵向车速v为输入，设计一个模糊预瞄控制器，输出驾驶员预瞄距离。该模糊控制器的隶属函数为gaussmf函数，输入量和输出量的论语以及输入量和输出量的范围可根据实际情况而定；

S23、跟据预瞄跟踪理论与车辆运动学公式设计驾驶员模型。

S24、设计一个PID控制器来跟踪最优侧向加速度，该PID控制器的输入量由最优侧向加速度由驾驶员模型提供；

S25、将PID控制器输出传给车辆-道路动力学模型，从而达到车辆横向控制。

最后，将上述的纵向控制器和横向控制器综合起来，形成最终的横纵向综合控制器。整个横纵向协同控制器的输入为车辆纵向速度，实际纵向速度与期望纵向速度偏差，以及加速度偏差。控制器最终输出车辆前轮转角、油门控制信号、制动器控制信号。

本发明的有益效果在于：

1、本发明利用车载传感器群实时反馈路况信息和车辆运动信息设计智能车辆横纵向协同控制***，能有效提高车辆横纵向控制的稳定性和安全性。

2、本发明基于模糊PID控制原理分别设计制动踏板模糊PI控制器和油门踏板模糊PI控制器，设计了一种切换策略输出油门/制动指令来实现对期望速度的跟踪，从而实现纵向控制目标。

3、本发明充分考虑了预瞄距离的实变问题，并处理了道路曲率突变问题，提出了自适应预瞄横向控制器，进一步提高了控制器的精度。

附图说明

为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。

图1为本发明横纵向协同控制策略设计流程图。

图2为本发明纵向控制器策略图。

图3为本发明采用的模糊逻辑***结构图。

图4为本发明整体纵向控制策略图。

图5为本发明横向控制策略图。

图6为本发明横纵向协调控制方案策略图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当清楚，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任向具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本发明提供一种技术方案，第一方面，设计一种基于模糊控制方法的智能车辆纵向控制方法，所述方法如下：

S11、如附图1和附图2所示，基于智能车辆配置的车载传感器***负责检测车辆当前的道路信息和驾驶状态信息，包括车辆速度v，加速度a和道路曲率ρ；

S12、如附图1所示，车辆控制***中的决策层基于当前路况信息算出车辆t时间内的期望纵向速度v_d和期望加速度a_desired；

S13、根据t时间内的实际纵向速度v和期望速度v_desired求出速度误差e_v，同理求出t时间内的加速度误差e_a，计算公式如下：

e_v＝v_desired-v

e_a＝a_desired-a；

S14、车辆纵向模糊控制器涉及的模糊控制原理如附图3所示，同时，如附图2和附图4所示，在模糊纵向控制器的设计中，考虑到车辆***是一个具有高度非线性特性的***，特别是发动机***和制动***，这些***存在的不确定性使得建立精确地车辆模型变得非常困难。为了有效处理***存在的非线性特性和不确定性，本专利采用模糊控制方法来获得想要的油门踏板信息和制动踏板信息，其中油门踏板模糊控制器的输入是各个时间段内得到的速度和加速度误差e_v和e_a，在模糊控制器设计中e_v和e_a分别被分为不同的模糊子集，隶属函数为三角形隶属函数，经过模糊规则推理与清晰化后，油门踏板模糊控制器的输出是油门踏板开度的变化量Δδ，此时，任意时间段t下的油门踏板开度δ(t)为δ(t)＝Δδ+δ(t-1)，同理，制动踏板模糊控制器的输入是各个时间段内得到的速度和加速度误差e_v和e_a，在模糊控制器设计中e_v和e_a分别被分为不同的模糊子集，隶属函数为三角形隶属函数，经过模糊规则推理与清晰化后制动器模糊控制器的输出是制动踏板开度的变化量Δκ＝-Δδ，此时，该时间段t下的油门踏板开度κ(t)为κ(t)＝Δκ+κ(t-1)；

在S14中，为了防止油门踏板和制动踏板被同时压下，影响控制效果。本专利在此处设计了一个油门踏板控制器和制动器踏板控制器切换控制策略。该控制策略基于新引入的一个已知的速度阈值

来判断何时执行油门踏板控制器或制动踏板控制器的输出，另外，考虑到只用模糊控制器不能达到较好的控制效果，于是引入PID控制器来优化模糊控制器，通过提前调试优化PID控制器中比例、积分、微分项的参数，可以达到较好的控制效果；

S15、附图4中模糊纵向控制器的输出的油门开度控制量直接接到发动机，发动机再与变速器向连接；模糊纵向控制器的输出的制动踏板开度信息直接传递到车辆制动装置；基于上述描述，控制器最终可使车辆达到预期控制效果；S15中涉及的发动机模型为：T_e＝Eng(ω_e,P_th)，该公式中T_e表示发动机输出扭矩，ω_e为发动机转速，P_th为发动机节气门开度；S15中涉及的变速器模型为：

其中R_g表示变速器传递比，各个挡位传动比不相同，ω_t为涡轮的转动角速度，ω_s为传动轴的转动角速度，T_s为传动轴的转矩，T_t为涡轮的转矩。S15涉及的制动装置模型为：T_b＝2A_cP_cμ_brr_br，式中T_b表示制动力矩，A_c表示制动腔内隔板的有效面积，P_c制动腔内压力，μ_br制动盘和制动片的摩擦系数，r_br摩擦有限半径；

第二方面，设计一种基于预瞄方法和模糊控制方法的智能车辆横向控制方法，所述方法如下：

S21、如附图1和附图5所示，由车载传感器***检测当前车辆路况信息如道路曲率半径ρ和车辆速度v，并由决策层输出参考驾驶路径；

S22、如附图5所示，在横向控制策略中，以实时变化的道路曲率半径ρ和纵向车速v为输入，设计一个模糊预瞄控制器，输出驾驶员预瞄距离。该模糊预瞄控制器的隶属函数为gaussmf函数，输入量和输出量的论语以及输入量和输出量的范围可根据实际情况而定；

S23、跟据预瞄跟踪理论与车辆运动学公式设计驾驶员模型。在此处，基于预瞄原理，由运动学公式

得出在经过Δt时间后，可推导出车辆在t时刻的最优侧向加速度

其中v_y和

分别为侧向速度和侧向加速度，y_o为车辆质心C与预瞄点O之间的侧向位移值；给出车辆侧向加速度和方向盘转角的传递函数：

其中T_n和T_d为***时间常数，δ_f为方向盘转角；

S24、在横向控制策略中，设计一个PID控制器来跟踪最优侧向加速度，该PID控制器的输入量为最优侧向加速度，由附图5中驾驶员模型提供；

S25、将PID控制器输出传给附图5中的车辆-道路动力学模型，从而达到车辆横向控制，该模型如下，

其中

为侧向偏差加速度，

为航向角偏差加速度，

为侧向偏差速度，

为航向角偏差速度，

为车辆前轮转角速度，

为侧向速度，

为横摆角，y_o为车辆质心C与预瞄点O之间的侧向位移值，φ_o为车辆位置与驾驶预瞄位置的相对位置航向角，δ为车轮前轮转角，ρ为道路曲率，δ_f为方向盘转角，H为驾驶员预瞄距离，v_x为纵向速度，C_af车辆前轮侧偏刚度，C_ar为车辆后轮侧偏刚度，I_z为车辆横摆转动惯量，T_s为惯性环节时间常数；

最后，如附图6所示，将附图1中的纵向控制器和横向控制器综合起来，形成最终的横纵向综合控制器。整个横纵向协同控制器的输入为车辆纵向速度，实际纵向速度与期望纵向速度偏差，以及加速度偏差。控制器最终输出车辆前轮转角、油门控制信号、制动器控制信号。

Claims (9)

1.一种基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，该方法包括两个部分：车辆纵向控制策略部分和车辆横向控制策略部分。

2.根据权利要求1所述的基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，所述纵向控制策略控制方法包括以下步骤：

S11：车载多传感器融合***实时反馈路况信息和车辆行驶状态信息；

S12：决策层根据传感器返回的信息输出期望速度和期望加速度；

S13：基于期望速度和期望加速度计算速度误差和加速度误差；

S14：模糊纵向控制器基于速度误差和加速度误差计算出油门踏板和制动踏板控制信号；

S15：发动机，变速器，制动***和转向***基于纵向控制器的输出信息进行动作。

3.根据权利要求2所述的基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，S14所述的车辆纵向控制器，考虑到车辆***是一个具有高度非线性特性的***，特别是发动机***和制动***，这些***存在的不确定性使得建立精确地车辆模型变得非常困难，采用模糊控制方法来获得想要的油门踏板信息和制动踏板信息；其中油门踏板模糊控制器的输入是各个时间段内得到的速度和加速度误差e_v和e_a，在模糊控制器设计中e_v和e_a分别被分为不同的模糊子集，隶属函数为三角形隶属函数，经过模糊规则推理与清晰化后，油门踏板模糊控制器的输出是油门踏板开度的变化量Δδ；此时，任意时间段t下的油门踏板开度δ(t)为δ(t)＝Δδ+δ(t-1)；

同理，制动踏板模糊控制器的输入是各个时间段内得到的速度和加速度误差e_v和e_a，在模糊控制器设计中e_v和e_a分别被分为不同的模糊子集，隶属函数为三角形隶属函数，经过模糊规则推理与清晰化后制动器模糊控制器的输出是制动踏板开度的变化量Δκ＝-Δδ；此时，藤椅时间段t下的油门踏板开度κ(t)为κ(t)＝Δκ+κ(t-1)。

4.根据权利要求2所述的基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，S14所述的纵向控制器，设计了一个油门踏板控制器和制动器踏板控制器切换控制策略；该控制策略基于新引入的一个已知的速度阈值

来判断何时执行油门踏板控制器或制动踏板控制器的输出；同时，考虑到只用模糊控制器不能达到较好的控制效果，于是引入PID控制器来优化模糊控制器；通过提前调试优化PID控制器中比例、积分、微分项的参数。

5.根据权利要求2所述的基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，S15所述的发动机，变速器，制动***和转向***，模糊纵向控制器的输出的油门开度控制量直接接到发动机，发动机再与变速器向连接；模糊纵向控制器的输出的制动踏板开度信息直接传递到车辆制动装置；S15涉及的发动机模型为：T_e＝Eng(ω_e,P_th)，该公式中T_e表示发动机输出扭矩，ω_e为发动机转速，P_th为发动机节气门开度；S15中涉及的变速器模型为：

其中R_g表示变速器传递比，各个挡位传动比不相同，ω_t为涡轮的转动角速度，ω_s为传动轴的转动角速度，T_s为传动轴的转矩，T_t为涡轮的转矩，S15中涉及的制动装置模型为：T_b＝2A_cP_cμ_brr_br，式中T_b表示制动力矩，A_c表示制动腔内隔板的有效面积，P_c制动腔内压力，μ_br制动盘和制动片的摩擦系数，r_br摩擦有限半径。

6.根据权利要求1所述的基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，智能车辆横向控制策略，所述控制方法包括以下步骤：

S21：车载多传感器***检测车辆外部环境信息和车辆行驶状态信息，决策层输出参考路径；

S22：预瞄模糊控制器输入道路曲率和纵向速度，输出预瞄距离；

S23：预瞄距离传入驾驶员模型中，驾驶员模型输出最优侧向加速度；

S24：驾驶员模型的输出传到最优侧向加速度***；

S25：最优侧向加速度***输出连接到道路-车辆模型，实现车辆横向控制。

7.根据权利要求6所述的基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，S22所述的预瞄模糊控制器，以实时变化的道路曲率半径ρ和纵向车速v为输入，设计一个模糊控制器，输出驾驶员预瞄距离。该模糊控制器的隶属函数为gaussmf函数，输入量和输出量的论语以及输入量和输出量的范围可根据实际情况而定；S23所述的驾驶员模型，基于预瞄跟踪理论与车辆运动学公式；基于预瞄原理，由运动学公式

得出在经过Δt时间后，可推导出车辆在t时刻的最优侧向加速度

其中v_y和

分别为侧向速度和侧向加速度，y_o为车辆质心C与预瞄点O之间的侧向位移值；给出车辆侧向加速度和方向盘转角的传递函数：

其中T_n和T_d为***时间常数。

8.根据权利要求6所述的基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，S25所述的道路-车辆模型，将模糊控制器输出的预瞄距离当做车-路模型和驾驶员模型的输入量之一，进而实现车辆的横向控制；根据车辆-道路动力学方程和坐标变换法建立车辆弯道横向动力学模型如下：

其中

为侧向偏差加速度，

为航向角偏差加速度，

为侧向偏差速度，

为航向角偏差速度，

为车辆前轮转角速度，

为侧向速度，

为横摆角，y_o为车辆质心C与预瞄点O之间的侧向位移值，φ_o为车辆位置与驾驶预瞄位置的相对位置航向角，δ为车轮前轮转角，ρ为道路曲率，δ_f为方向盘转角，H为驾驶员预瞄距离，v_x为纵向速度，C_af车辆前轮侧偏刚度，C_ar为车辆后轮侧偏刚度，I_z为车辆横摆转动惯量，T_s为惯性环节时间常数。

9.根据权利要求6所述的基于模型参数的智能车辆横纵向协同运动控制方法，其特征在于，横向控制策略，采用回旋曲线理论对道路曲率突变进行平滑处理，道路曲率变化时车辆横摆角速度和侧向加速度波动较小；纵向和横向控制策略，将上述的纵向控制器和横向控制器综合起来，形成最终的横纵向综合控制器；整个横纵向协同控制***的输入为期望速度，期望加速度，道路曲率和车辆实时速度以及加速度；控制器最终输出车辆前轮转角信号、油门控制信号、制动器控制信号。

Images