CN116118730A - 一种预见性巡航***的控制方法、装置、设备及介质 - Google Patents
一种预见性巡航***的控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116118730A CN116118730A CN202310282911.7A CN202310282911A CN116118730A CN 116118730 A CN116118730 A CN 116118730A CN 202310282911 A CN202310282911 A CN 202310282911A CN 116118730 A CN116118730 A CN 116118730A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- self
- information
- acceleration
- next moment
- 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 61
- 230000001133 acceleration Effects 0.000 claims abstract description 110
- 230000007613 environmental effect Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 33
- 230000036461 convulsion Effects 0.000 claims description 21
- 238000005096 rolling process Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012887 quadratic function 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
- B60W30/14—Adaptive cruise control
- B60W30/143—Speed control
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W50/0097—Predicting future conditions
-
- 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
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/08—Electric propulsion units
- B60W2710/083—Torque
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- 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)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种预见性巡航***的控制方法、装置、设备及介质,所述方法包括:获取当前时刻的自车信息和环境信息;基于自车信息和环境信息,建立自车的上层控制模型,并通过上层控制模型预测自车在下一时刻的期望加速度;根据自车在下一时刻的期望加速度以及自车的纵向动力学模型,建立下层控制模型,并通过下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度;根据自车在下一时刻的电机驱动扭矩和制动减速度,通过自车的驱动***确定所述自车在下一时刻的执行决策。本申请采用的分层式控制模型,能够预测出自车在复杂路况下的期望加速度,同时,可以制定出更为准确的执行决策,提高了车辆的安全性、舒适性和稳定性。
Description
技术领域
本申请涉及高级辅助驾驶***技术领域,尤其涉及一种预见性巡航***的控制方法、装置、设备及介质。
背景技术
传统的定速巡航***能够使得卡车以设定的车速为目标进行匀速行驶,但在道路***错综复杂,多山地区路况复杂的情况下,会加大卡车的能量消耗,增加运输成本。商用车预见性巡航技术相对于传统定速巡航***具有明显的节能优势。
然而,目前的预见性巡航控制算法中,大多仅考虑车辆的能量消耗及通行效率两个因素,并未考虑驾驶员及乘客的安全性及乘坐舒适性。在实际应用场景下,车辆的加速度及加加速度变化频繁,不仅严重影响了驾驶员的驾驶体验,而且增加了能量的额外消耗,进而提高了***控制器的故障率。
发明内容
本申请实施例提供了一种预见性巡航***的控制方法、装置、设备及介质,以达到提高车辆行驶安全性及驾驶员乘坐的舒适性,提升控制器鲁棒性、并且使得车辆节能、高效运行的技术效果。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供了一种预见性巡航***的控制方法,所述方法包括:
获取当前时刻的自车信息和环境信息;
基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,并通过所述上层控制模型预测所述自车在下一时刻的期望加速度;
根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立下层控制模型,并通过所述下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度;
根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策。
可选地,所述自车信息包括自车运行状态信息,以及自车定位道路信息;
所述环境信息包括所述自车的周边环境中的车道线信息,以及所述自车的周边环境中的目标车辆信息。
可选地,所述方法包括:根据所述自车运行状态信息和所述自车定位道路信息,确定所述自车的目标巡航速度;根据所述自车定位道路信息,确定所述自车的预设巡航速度以及所述自车的预设最大巡航速度。
可选地,所述基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,包括:
根据所述自车的目标巡航速度、所述自车的预设巡航速度、所述自车的预设最大巡航速度,确定所述自车的参考速度;
根据所述自车的速度、所述自车的加速度、所述自车的加加速度、以及所述自车的参考速度,建立所述自车的预设目标函数。
可选地,所述方法还包括:
设置所述预设目标函数中变量的约束条件,所述变量至少包括如下之一:自车速度变量、自车加速度变量、自车加加速度变量、以及自车位置变量;
基于所述自车的预设目标函数以及所述预设目标函数中变量的约束条件,求解所述自车在下一时刻的期望加速度。
可选地,所述根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型包括:根据所述自车在坡道上所受的驱动力、空气阻力、滚动阻力以及坡度阻力,建立所述自车的纵向动力学模型,其中,所述自车的纵向动力学模型为:旋转质量换算系数×自车的质量×期望加速度=驱动力-空气阻力-滚动阻力-坡度阻力;根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型。
可选地,所述根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策包括:
当所述自车的电机驱动扭矩小于0且所述自车的期望加速度小于0时,将所述期望加速度作为制动减速度,并通过所述自车的制动器执行该制动减速度;
当所述自车的电机驱动扭矩大于0时,通过所述自车的驱动执行器执行该电机驱动扭矩;
当所述自车的电机驱动扭矩小于0且所述自车的期望加速度大于0时,判断所述自车的电机驱动扭矩是否大于所述自车的预设扭矩,其中,所述预设扭矩为电机扭矩最大值的负值;
若所述自车的电机驱动扭矩大于所述自车的预设电机扭矩,则通过所述自车的驱动执行器执行该电机驱动扭矩,
若所述自车的电机驱动扭矩不大于所述自车的预设电机扭矩,则通过所述自车的制动器执行点刹,并由所述自车的驾驶员接管所述自车的控制权限。
第二方面,本申请实施例还提供了一种预见性巡航***的控制装置,所述控制装置包括:
获取模块,用于获取当前时刻的自车信息和环境信息;
第一预测模块,用于基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,并通过所述上层控制模型预测所述自车在下一时刻的期望加速度;
第二预测模块,用于根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立下层控制模型,并通过所述下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度;
决策模块,用于根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策。
第三方面,本申请实施例还提供了一种电子设备,该电子设备包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上述任一项所述的预见性巡航***的控制方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现如上述任一项所述的预见性巡航***的控制方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
获取当前时刻的自车信息和环境信息;基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,并通过所述上层控制模型预测所述自车在下一时刻的期望加速度;根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立下层控制模型,并通过所述下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度;根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策。本申请采用分层式的控制模型架构,适用于复杂路况下的车辆巡航控制场景,通过建立上层控制模型的方式,能够在保证车辆的性能和运行安全的约束条件下,预测出自车车辆的期望加速度;通过构建下层控制模型的方式,实现了对于自车期望加速度的跟踪,同时能够为自车制定出准确稳定地执行决策。由此不但保证了自车运行的平滑性,提高了车辆行驶安全性及驾驶员乘坐的舒适性,而且还提升了控制器的鲁棒性,使得车辆能够节能、高效地运行。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请一个实施例中的预见性巡航***的控制方法的流程示意图;
图2为本申请一个实施例中的预见性巡航***中分层式的控制模型的架构示意图;
图3为本申请一个实施例中的预见性巡航***的控制方法中自车在坡道上的受力分析示意图;
图4为本申请一个实施例中的预见性巡航***的控制方法中执行决策时的流程示意图;
图5为本申请一个实施例中的预见性巡航***的控制装置的结构示意图;
图6为本申请一个实施例中的电子设备的结构示意图;
图7为本申请一个实施例中的计算机可读存储介质的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
预见性巡航技术是一种利用地图定位提供的道路坡度、曲率和限速信息,以运输时效为基本约束条件,计算车辆行驶前方道路所需驱动力矩,从而实现最优经济性驾驶的巡航控制技术。针对预见性巡航这一工况,当前常用算法为采用PID控制算法(proportional-integral-derivativecontrol,比例积分微分控制),以控制实车按照期望的巡航速度行驶。具体地,可以获取车辆前方道路信息,根据所述道路信息将道路按坡度、曲率、限速进行重构得到至少一个路段,进而根据前方道路的坡度信息,将其分为上坡场景,及下坡场景,在上坡场景中,采用在爬坡前先将目标巡航车速提高,爬坡过程中将目标巡航测速降低的方法来进行节能控制;在下坡场景中,采用下坡前先将目标车速降低,下坡过程中尽量采用滑行的方式节能行驶。然而,如前所述,现有***存在驾驶员的驾驶体验较差、能量的额外消耗较大、控制器运行不稳定等问题。
基于此,本申请提出了一种预见性巡航***的控制方法、装置、设备及介质,适用于高级辅助驾驶***的自适应巡航控制,以达到提高车辆行驶安全性及驾驶员乘坐的舒适性,提升控制器鲁棒性、并且使得车辆节能、高效运行的技术效果。
本申请的技术构思在于构建分层式的控制模型架构,针对传统预见性巡航控制算法中仅考虑车辆的能量消耗及通行效率两个因素的问题,增加了对车辆行驶安全及舒适性的约束条件。通过建立上层控制模型的方式,构建了自车的预设目标函数,能够在保证车辆的性能和运行安全的同时,预测出自车车辆的期望加速度;通过构建下层控制模型的方式,实现了对于自车期望加速度的跟踪,同时在下层控制中构建了车辆的纵向动力学模型,能够将上层控制中预测得到的期望加速度转换为电机扭矩或制动减速度,并且为自车制定出准确、稳定地执行决策。由此不但保证了自车运行的平滑性,提高了车辆行驶安全性及驾驶员乘坐的舒适性,而且还提升了控制器的鲁棒性、降低了控制器的故障率,使得车辆能够节能、高效地运行。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,所述方法包括如下的步骤S110至步骤S140:
步骤S110,获取当前时刻的自车信息和环境信息。
在本申请的一个实施例中,所述自车信息包括自车运行状态信息,以及自车定位道路信息;所述环境信息包括所述自车的周边环境中的车道线信息,以及所述自车的周边环境中的目标车辆信息。
具体地,如图2所示,预见性巡航***中至少包括环境感知模块、地图定位模块、分层控制模块等,在环境感知模块中,通过摄像头、毫米波雷达、激光雷达等多种传感器来感知自车的周边环境,从而获取周边环境中车道线及车辆的相对位置、车速、航向角、障碍物等信息,并根据上述信息明确待跟随的目标车辆信息,将上述信息传输给上层控制模块,并利用***中的上层控制器实现优化控制。在地图定位模块中,通过GPS信号和高精度地图实现地图定位,以获取到当前时刻的自车信息,并将车辆前方待行驶路径的坡度,曲率,限速等定位道路信息发送至上层控制模块。
可以理解,本申请中的自车表示将要进行预见性巡航***控制的本车车辆,目标车辆代表位于自车前方并且相对于自车进行运动的周围环境车辆。
步骤S120,基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,并通过所述上层控制模型预测所述自车在下一时刻的期望加速度。
在所述自车的上层控制模型中,利用获取到的自车信息和环境信息,可以通过设计预设目标函数来实现优化控制。在本实施例中,上层控制模型的控制方法具体包括:根据所述自车的目标巡航速度vcru、所述自车的预设巡航速度vslope、所述自车的预设最大巡航速度vkappa,确定所述自车的参考速度根据所述自车的速度、所述自车的加速度、所述自车的加加速度、以及所述自车的参考速度,建立所述自车的预设目标函数。
可以理解,所述自车的加加速度又称为变加速度、急动度或冲动度,是描述加速度变化快慢的物理量。由此可见,本申请中建立的包含速度、加速度、加加速度等在内的上层控制模型更具有普适性,特别适用于不同复杂路况场景下的加速度突变问题,既能够保证加速度的平滑性,又可以提高驾驶员的乘坐舒适性。
在本申请的一个实施例中,建立的预设目标函数如下:
其中,i代表将要进行规划的未来任意时刻,vi代表i时刻所述自车的速度、ai代表i时刻所述自车的加速度、Ji代表i时刻所述自车的加加速度;
代表i时刻所述自车的参考速度,n代表未来任意时刻的取值数量,即代表i的取值范围为0至n-1;可以理解,当i=0代表初始时刻,此时,需根据初始时刻所述自车的实际速度v0、实际加速度a0、实际加加速度J0等建立预设目标函数,之后即可通过预设目标函数实现对于未来任意i时刻的速度vi、加速度ai、加加速度Ji的预测。
在本申请的一个实施例中,为保证车辆在优化求解过程中能够得到可行解,需引入松弛变量和权重系数(可根据经验赋值),上述预设目标函数中的ε1、ε2为引入的松弛变量;ωv、ωa、ωj、ωε2、ωε2为权重系数。
同时,上式中的第一项表征了自车对目标车速的跟踪能力,权重系数ωv可以表征车辆在行驶过程中的巡航性能。由于驾驶员在行驶过程的舒适性同自车的加速度大小及加加速度(加速度的变换率)息息相关,频繁的加速刹车严重影响驾驶员的驾驶体验,因此,在本申请的实施例中,权重系数ωa、ωj用于表征车辆行驶过程中的驾驶舒适性。此外,本领域相关技术人员可以理解,加速度的大小还与电动汽车的能耗密切相关,加速度越小,消耗的能量将越少,因此,权重系数ωa也可用于表示自车车辆的节能性需求。
在本申请的一个实施例中,为求解所述的参考速度所述方法包括:根据所述自车运行状态信息和所述自车定位道路信息,确定所述自车的目标巡航速度;根据所述自车定位道路信息,确定所述自车的预设巡航速度以及所述自车的预设最大巡航速度。
具体地,在预见性巡航工控场景下,受坡度及道路曲率的影响,所述自车的参考车速可表示为:
其中,vslope代表根据地图定位模块下发的前方道路坡度信息及坡道长度设定的预设巡航速度,vkappa为根据地图定位模块下发的前方道路曲率信息设定的预设最大巡航速度,vmax为地图定位模块下发的道路限速;
具体地,预设巡航速度的具体计算公式为:
其中,Δv表示根据坡度大小标定的坡底速度及坡顶速度的差值,L为坡长;Δt为相邻两个点之间的时间间隔;vcru代表所述自车在当前时刻的目标巡航速度,其根据所述自车运行状态信息和所述自车定位道路信息确定;
同时,预设最大巡航速度vkappa的计算公式如下:
其中,kappa表示道路的曲率半径,alat为满足舒适性要求的最大横向加速度。
在本申请的一个实施例中,为输出所述自车的期望加速度,保证车辆行驶的安全性、舒适性、经济性,需要在保证车辆的性能、运行安全的约束条件下求得车辆的期望加速度。因此,需要根据实际要求对上述变量添加对应的约束条件,具体包括:设置所述预设目标函数中变量的约束条件,所述变量至少包括如下之一:自车速度变量、自车加速度变量、自车加加速度变量、以及自车位置变量;基于所述自车的预设目标函数以及所述预设目标函数中变量的约束条件,求解所述自车在下一时刻的期望加速度。
具体地,所述预设目标函数中变量的约束条件如下:
上式中,s0表示起点时自车的纵向位置,si obs为i时刻障碍物位置,设置si obs条件可以避免自车与障碍物发生碰撞;vmin,vmax分别表示根据执行器性能及设计要求所允许的所述自车的最小行驶速度及最大行驶速度;amin,amax分别表示执行器性能及舒适性要求所允许的最小加速度及最大加速度;Jmin,Jmax表示执行器性能及舒适性要求所允许的最小加加速度及最大加加速度;
ε1i、ε2i表示在i时刻引入的松弛变量,分别代表了松弛变量ε1的最小值和最大值,分别代表了松弛变量ε2的最小值和最大值;εi+1表示i+1时刻自车的纵向位置,vi+1表示i+1时刻所述***规划出的自车的预测速度,d0表示自车与目标障碍物之间的最小安全距离;Tthw表示跟车时距;
进一步地,在本申请的一个实施例中,当搭建完预设目标函数以及所述预设目标函数中变量的约束条件后,就可以通过QP求解器(Quadratic Programming,二次规划)求得各个时刻车辆的期望加速度,并将其下发至下层控制器。可以理解,QP求解器是求解数学优化问题的过程,是为了(线性约束)二次优化问题,即优化(最小化或最大化)多个变量的二次函数,并服从于这些变量的线性约束。当然,本领域相关技术人员也可以采用本领域常见的其他求解器来计算所述自车在未来任意时刻的期望加速度,并以此实现对于所述自车的巡航过程的规划。
步骤S130,根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立下层控制模型,并通过所述下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度。
在卡车等商用车的实际运行过程中,应满足最基本的运动学及动力学要求,才能保证车辆在实际坡道场景下安全高效地运行。如图2所示,下层控制器的输入信息为期望加速度ades,通过自车的纵向动力学模型将上层控制器下发的期望加速度信息转换对应的电机驱动转矩及制动减速度。
在本申请的一个实施例中,所述根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型包括:根据所述自车在坡道上所受的驱动力、空气阻力、滚动阻力以及坡度阻力,建立所述自车的纵向动力学模型,其中,所述自车的纵向动力学模型为:旋转质量换算系数×自车的质量×期望加速度=驱动力-空气阻力-滚动阻力-坡度阻力;根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型。
具体地,如图3所示,质量为m(kg)的卡车以速度v(m/s)在上坡道路上行驶,其所受的力主要包括:驱动力Ft,空气阻力Fw,滚动阻力Ff,坡度阻力Fi。按照牛顿第二定律,在行驶过程中的任意时刻,所述自车车辆总能满足纵向动力学模型的计算公式:δmades=Ft-Fw-Ff-Fi;
其中,δ表示旋转质量换算系数,对于卡车而言,其取值范围一般在1.03~1.05之间;
滚动阻力Ff的计算公式为:Ff=mgcosαf,其中,α为坡度角,f为滚动阻力系数;
坡度阻力Fi的计算公式为:Fi=mgsinα,其中,α为坡度角
将上述各种力的计算公式带入上述纵向动力学模型的计算公式:δma=Ft-Fw-Ff-Fi中,可以得到电机驱动扭矩的表达式为:
进一步地,将电机驱动扭矩和制动减速度(期望加速度)的预测值传递至底层的执行控制器中,就可以实现对于自车车辆加速或者减速的控制,最后实现预见性巡航功能。
步骤S140,根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策。
因为卡车的重量较大,所以在行驶过程中,车辆的阻力较大,因此对于自车的驱动***进行改进,同时下发对应的控制量,即,将预测得到的驱动扭矩和制动减速度在所述驱动***中进行转换。
在本申请的一个实施例中,结合图2和图4所示,自动驾驶通常可以分为上层控制和下层控制,纵向的上层控制由各个功能根据不同的功能要求,获取跟踪目标速度或目标位置,根据控制算法计算出车辆的目标加速度;再由下层控制模块控制驱动执行器的扭矩或加速度及制动执行器的减速度去跟踪自动驾驶的目标加速度。
在本实施例中,所述根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策包括:
当所述自车的电机驱动扭矩小于0且所述自车的期望加速度小于0时,即T<0且ades<0时,将所述期望加速度ades作为所述自车的制动减速度,并通过所述自车的制动器执行该制动减速度,也就是说,则将所述上层控制器所需的加速度值指令发送至车辆制动***,所述车辆制动***用于仅接收负加速度指令;
当所述自车的电机驱动扭矩大于0时,即T>0时,通过所述自车的驱动执行器执行该电机驱动扭矩,也就是说,在所述扭矩值为正扭矩的情况下,则将该正扭矩值发送至车辆驱动***中的驱动执行器的电子控制单元;
当所述自车的电机驱动扭矩小于0且所述自车的期望加速度大于0时,即T<0且ades>0时,判断所述自车的电机驱动扭矩是否大于所述自车的预设扭矩,其中,所述预设扭矩为电机扭矩最大值的负值,即,需要判断T是否大于-Tmax,其中Tmax为预先设定的电机扭矩最大值,此时,
若所述自车的电机驱动扭矩大于所述自车的预设电机扭矩,即T>-Tmax时,则通过所述自车的驱动执行器执行该电机驱动扭矩,
若所述自车的电机驱动扭矩不大于所述自车的预设电机扭矩,即T≤-Tmax时,则通过所述自车的制动器执行点刹,并由所述自车的驾驶员接管所述自车的控制权限,当超过预设时间n秒后退出该巡航***。
由此,就可以将上层控制器中的期望加速度转换为电机驱动扭矩或者制动减速度,并且将其数值下发至电机或者EBS(Electronic Brake Systems,电子制动***)去完成相应的执行决策。
本申请的实施例中还提供了一种预见性巡航***的控制装置500,如图5所示,所述装置包括:
获取模块510,用于获取当前时刻的自车信息和环境信息。
在本申请的一个实施例中,所述自车信息包括自车运行状态信息,以及自车定位道路信息;所述环境信息包括所述自车的周边环境中的车道线信息,以及所述自车的周边环境中的目标车辆信息。
具体地,如图2所示,预见性巡航***中至少包括环境感知模块、地图定位模块、分层控制模块等,在环境感知模块中,通过摄像头、毫米波雷达、激光雷达等多种传感器来感知自车的周边环境,从而获取周边环境中车道线及车辆的相对位置、车速、航向角、障碍物等信息,并根据上述信息明确待跟随的目标车辆信息,将上述信息传输给上层控制模块,并利用***中的上层控制器实现优化控制。在地图定位模块中,通过GPS信号和高精度地图实现地图定位,以获取到当前时刻的自车信息,并将车辆前方待行驶路径的坡度,曲率,限速等定位道路信息发送至上层控制模块。
可以理解,本申请中的自车表示将要进行预见性巡航***控制的本车车辆,目标车辆代表位于自车前方并且相对于自车进行运动的周围环境车辆。
第一预测模块520,用于基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,并通过所述上层控制模型预测所述自车在下一时刻的期望加速度。
在本申请的一个实施例中,建立的预设目标函数如下:
其中,i代表将要进行规划的未来任意时刻,vi代表i时刻所述自车的速度、ai代表i时刻所述自车的加速度、Ji代表i时刻所述自车的加加速度;代表i时刻所述自车的参考速度,n代表未来任意时刻的取值数量,即代表i的取值范围为0至n-1;可以理解,当i=0代表初始时刻,此时,需根据初始时刻所述自车的实际速度、实际加速度、实际加加速度等建立目标函数,之后即可通过预设目标函数实现对于未来任意i时刻的速度vi、加速度ai、加加速度Ji的预测。
在本申请的一个实施例中,为保证车辆在优化求解过程中能够得到可行解,需引入松弛变量和权重系数(可根据经验赋值),上述预设目标函数中的ε1、ε2为引入的松弛变量;ωv、ωa、ωj、ωε2、ωε2为权重系数。
同时,上式中的第一项表征了自车对目标车速的跟踪能力,权重系数ωv可以表征车辆在行驶过程中的巡航性能。由于驾驶员在行驶过程的舒适性同自车的加速度大小及加加速度(加速度的变换率)息息相关,频繁的加速刹车严重影响驾驶员的驾驶体验,因此,在本申请的实施例中,权重系数ωa、ωj用于车辆行驶过程中的驾驶舒适性。此外,本领域相关技术人员可以理解,加速度的大小还与电动汽车的能耗密切相关,加速度越小,消耗的能量将越少,因此,权重系数ωa也可用于表示自车车辆的节能性需求。
第二预测模块530,用于根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立下层控制模型,并通过所述下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度。
在卡车等商用车的实际运行过程中,应满足最基本的运动学及动力学要求,才能保证车辆在实际坡道场景下安全高效地运行。如图2所示,下层控制器的输入信息为期望加速度ades,通过自车的纵向动力学模型将上层控制器下发的期望加速度信息转换对应的电机驱动转矩及制动减速度。
在本申请的一个实施例中,所述根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型包括:根据所述自车在坡道上所受的驱动力、空气阻力、滚动阻力以及坡度阻力,建立所述自车的纵向动力学模型,其中,所述自车的纵向动力学模型为:旋转质量换算系数×自车的质量×期望加速度=驱动力-空气阻力-滚动阻力-坡度阻力;
根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型。
决策模块540,用于根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策。
因为卡车的重量较大,所以在行驶过程中,车辆的阻力较大,因此对于自车的驱动***进行改进,同时下发对应的控制量,即将预测得到的驱动扭矩和制动减速度在所述驱动***中进行转换。
在本申请的一个实施例中,自动驾驶通常可以分为上层控制和下层控制,纵向的上层控制由各个功能根据不同的功能要求,获取跟踪目标速度或目标位置,根据控制算法计算出车辆的目标加速度;再由下层控制模块控制驱动执行器的扭矩或加速度及制动执行器的减速度去跟踪自动驾驶的目标加速度。
在本申请的一个实施例中,在所述获取模块510中,所述自车信息包括自车运行状态信息,以及自车定位道路信息;
所述环境信息包括所述自车的周边环境中的车道线信息,以及所述自车的周边环境中的目标车辆信息。
在本申请的一个实施例中,所述第一预测模块520用于,
根据所述自车运行状态信息和所述自车的定位道路信息,确定所述自车的目标巡航速度;
根据所述自车定位道路信息,确定所述自车的预设巡航速度以及所述自车的预设最大巡航速度。
在本申请的一个实施例中,在所述第一预测模块520中,
所述基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,包括:
根据所述自车的目标巡航速度、所述自车的预设巡航速度、所述自车的预设最大巡航速度,确定所述自车的参考速度;
根据所述自车的速度、所述自车的加速度、所述自车的加加速度、以及所述自车的参考速度,建立所述自车的预设目标函数。
在本申请的一个实施例中,所述第一预测模块520用于,
设置所述预设目标函数中变量的约束条件,所述变量至少包括如下之一:自车速度变量、自车加速度变量、自车加加速度变量、以及自车位置变量;
基于所述自车的预设目标函数以及所述预设目标函数中变量的约束条件,求解所述自车在下一时刻的期望加速度。
在本申请的一个实施例中,在所述第二预测模块530中,
所述根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型包括:
根据所述自车在坡道上所受的驱动力、空气阻力、滚动阻力以及坡度阻力,建立所述自车的纵向动力学模型,其中,所述自车的纵向动力学模型为:
旋转质量换算系数×自车的质量×期望加速度=驱动力-空气阻力-滚动阻力-坡度阻力;根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型。
在本申请的一个实施例中,在所述决策模块540中,
所述根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策包括:
当所述自车的电机驱动扭矩小于0且所述自车的期望加速度小于0时,将所述期望加速度作为制动减速度,并通过所述自车的制动器执行该制动减速度;
当所述自车的电机驱动扭矩大于0时,通过所述自车的驱动执行器执行该电机驱动扭矩;
当所述自车的电机驱动扭矩小于0且所述自车的期望加速度大于0时,判断所述自车的电机驱动扭矩是否大于所述自车的预设扭矩,其中,所述预设扭矩为电机扭矩最大值的负值;
若所述自车的电机驱动扭矩大于所述自车的预设电机扭矩,则通过所述自车的驱动执行器执行该电机驱动扭矩,
若所述自车的电机驱动扭矩不大于所述自车的预设电机扭矩,则通过所述自车的制动器执行点刹,并由所述自车的驾驶员接管所述自车的控制权限,当超过预设时间n秒后退出该巡航***。
综上所述,本申请的技术方案至少达到了如下的技术效果:
获取当前时刻的自车信息和环境信息;基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,并通过所述上层控制模型预测所述自车在下一时刻的期望加速度;根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立下层控制模型,并通过所述下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度;根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策。本申请适用于坡道等复杂路况场景,采用了分层式的控制模型架构,通过建立上层控制模型的方式,能够在保证车辆的性能和运行安全的约束条件下,预测出自车车辆的期望加速度;通过构建下层控制模型的方式,实现了对于自车期望加速度的跟踪,同时能够为自车制定出准确稳定地执行决策。由此不但保证了自车运行的平滑性,提高了车辆行驶安全性及驾驶员乘坐的舒适性,而且还提升了控制器的鲁棒性,使得车辆能够节能、高效地运行。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的预见性巡航***的控制装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
例如,图6示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备600包括处理器610和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器620。存储器620可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器620具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码631的存储空间630。例如,用于存储计算机可读程序代码的存储空间630可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码631。计算机可读程序代码631可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图7所示的计算机可读存储介质。
图7示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质700存储有用于执行根据本申请的方法步骤的计算机可读程序代码631,可以被电子设备600的处理器610读取,当计算机可读程序代码631由电子设备600运行时,导致该电子设备600执行上面所描述的方法中的各个步骤,具体来说,该计算机可读存储介质存储的计算机可读程序代码631可以执行上述任一实施例中示出的方法。计算机可读程序代码631可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种预见性巡航***的控制方法,其特征在于,所述方法包括:
获取当前时刻的自车信息和环境信息;
基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,并通过所述上层控制模型预测所述自车在下一时刻的期望加速度;
根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立下层控制模型,并通过所述下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度;
根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策。
2.如权利要求1所述方法,其特征在于,所述自车信息包括自车运行状态信息,以及自车定位道路信息;
所述环境信息包括所述自车的周边环境中的车道线信息,以及所述自车的周边环境中的目标车辆信息。
3.如权利要求2所述方法,其特征在于,所述方法包括:
根据所述自车运行状态信息及所述自车定位道路信息,确定所述自车的目标巡航速度;
根据所述自车定位道路信息,确定所述自车的预设巡航速度以及所述自车的预设最大巡航速度。
4.如权利要求3所述方法,其特征在于,所述基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,包括:
根据所述自车的目标巡航速度、所述自车的预设巡航速度、所述自车的预设最大巡航速度,确定所述自车的参考速度;
根据所述自车的速度、所述自车的加速度、所述自车的加加速度、以及所述自车的参考速度,建立所述自车的预设目标函数。
5.如权利要求4所述方法,其特征在于,所述方法还包括:
设置所述预设目标函数中变量的约束条件,所述变量至少包括如下之一:自车速度变量、自车加速度变量、自车加加速度变量、以及自车位置变量;
基于所述自车的预设目标函数以及所述预设目标函数中变量的约束条件,求解所述自车在下一时刻的期望加速度。
6.如权利要求1所述方法,其特征在于,所述根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型包括:
根据所述自车在坡道上所受的驱动力、空气阻力、滚动阻力以及坡度阻力,建立所述自车的纵向动力学模型,其中,所述自车的纵向动力学模型为:
旋转质量换算系数×自车的质量×期望加速度=驱动力-空气阻力-滚动阻力-坡度阻力;
根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立所述下层控制模型。
7.如权利要求1所述方法,其特征在于,所述根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策包括:
当所述自车的电机驱动扭矩小于0且所述自车的期望加速度小于0时,将所述期望加速度作为制动减速度,并通过所述自车的制动器执行该制动减速度;
当所述自车的电机驱动扭矩大于0时,通过所述自车的驱动执行器执行该电机驱动扭矩;
当所述自车的电机驱动扭矩小于0且所述自车的期望加速度大于0时,判断所述自车的电机驱动扭矩是否大于所述自车的预设扭矩,其中,所述预设扭矩为电机扭矩最大值的负值;
若所述自车的电机驱动扭矩大于所述自车的预设电机扭矩,则通过所述自车的驱动执行器执行该电机驱动扭矩,
若所述自车的电机驱动扭矩不大于所述自车的预设电机扭矩,则通过所述自车的制动器执行点刹,并由所述自车的驾驶员接管所述自车的控制权限。
8.一种预见性巡航***的控制装置,其特征在于,所述控制装置包括:
获取模块,用于获取当前时刻的自车信息和环境信息;
第一预测模块,用于基于所述自车信息和所述环境信息,建立所述自车的上层控制模型,并通过所述上层控制模型预测所述自车在下一时刻的期望加速度;
第二预测模块,用于根据所述自车在下一时刻的期望加速度以及所述自车的纵向动力学模型,建立下层控制模型,并通过所述下层控制模型计算所述自车在下一时刻的电机驱动扭矩和制动减速度;
决策模块,用于根据所述自车在下一时刻的电机驱动扭矩和制动减速度,通过所述自车的驱动***确定所述自车在下一时刻的执行决策。
9.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行权利要求1~7之任一所述方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行权利要求1~7之任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310282911.7A CN116118730B (zh) | 2023-03-22 | 2023-03-22 | 一种预见性巡航***的控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310282911.7A CN116118730B (zh) | 2023-03-22 | 2023-03-22 | 一种预见性巡航***的控制方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116118730A true CN116118730A (zh) | 2023-05-16 |
CN116118730B CN116118730B (zh) | 2023-11-03 |
Family
ID=86299289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310282911.7A Active CN116118730B (zh) | 2023-03-22 | 2023-03-22 | 一种预见性巡航***的控制方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116118730B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116494974A (zh) * | 2023-06-26 | 2023-07-28 | 北京理工大学 | 基于道路风险评估的自适应巡航控制方法、***及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014149042A1 (en) * | 2013-03-20 | 2014-09-25 | International Truck Intellectual Property Company, Llc | Smart cruise control system |
CN106553650A (zh) * | 2015-09-16 | 2017-04-05 | 丰田自动车株式会社 | 自动减速控制装置 |
CN107808027A (zh) * | 2017-09-14 | 2018-03-16 | 上海理工大学 | 基于改进模型预测控制的自适应跟车算法 |
CN108466618A (zh) * | 2017-02-23 | 2018-08-31 | 上海汽车集团股份有限公司 | 车辆自适应巡航控制方法及*** |
CN109532833A (zh) * | 2018-12-18 | 2019-03-29 | 重庆长安汽车股份有限公司 | 自适应巡航***过弯控制方法及计算机可读存储介质 |
CN109552327A (zh) * | 2018-12-18 | 2019-04-02 | 重庆长安汽车股份有限公司 | 提升自适应巡航***弯道性能的***及方法 |
CN113044030A (zh) * | 2021-03-23 | 2021-06-29 | 江铃汽车股份有限公司 | 一种汽车智能自适应巡航控制***及其控制方法 |
CN114670828A (zh) * | 2022-03-18 | 2022-06-28 | 中山大学 | 一种采用复合模型预测控制器的自适应巡航控制方法 |
CN115009277A (zh) * | 2022-06-15 | 2022-09-06 | 东风汽车集团股份有限公司 | 一种汽车自适应巡航***下坡控制方法及*** |
CN115465248A (zh) * | 2022-09-20 | 2022-12-13 | 北京京深深向科技有限公司 | 纵向控制方法、装置及电子设备、存储介质 |
-
2023
- 2023-03-22 CN CN202310282911.7A patent/CN116118730B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014149042A1 (en) * | 2013-03-20 | 2014-09-25 | International Truck Intellectual Property Company, Llc | Smart cruise control system |
CN106553650A (zh) * | 2015-09-16 | 2017-04-05 | 丰田自动车株式会社 | 自动减速控制装置 |
CN108466618A (zh) * | 2017-02-23 | 2018-08-31 | 上海汽车集团股份有限公司 | 车辆自适应巡航控制方法及*** |
CN107808027A (zh) * | 2017-09-14 | 2018-03-16 | 上海理工大学 | 基于改进模型预测控制的自适应跟车算法 |
CN109532833A (zh) * | 2018-12-18 | 2019-03-29 | 重庆长安汽车股份有限公司 | 自适应巡航***过弯控制方法及计算机可读存储介质 |
CN109552327A (zh) * | 2018-12-18 | 2019-04-02 | 重庆长安汽车股份有限公司 | 提升自适应巡航***弯道性能的***及方法 |
CN113044030A (zh) * | 2021-03-23 | 2021-06-29 | 江铃汽车股份有限公司 | 一种汽车智能自适应巡航控制***及其控制方法 |
CN114670828A (zh) * | 2022-03-18 | 2022-06-28 | 中山大学 | 一种采用复合模型预测控制器的自适应巡航控制方法 |
CN115009277A (zh) * | 2022-06-15 | 2022-09-06 | 东风汽车集团股份有限公司 | 一种汽车自适应巡航***下坡控制方法及*** |
CN115465248A (zh) * | 2022-09-20 | 2022-12-13 | 北京京深深向科技有限公司 | 纵向控制方法、装置及电子设备、存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116494974A (zh) * | 2023-06-26 | 2023-07-28 | 北京理工大学 | 基于道路风险评估的自适应巡航控制方法、***及设备 |
CN116494974B (zh) * | 2023-06-26 | 2023-08-25 | 北京理工大学 | 基于道路风险评估的自适应巡航控制方法、***及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116118730B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106740846B (zh) | 一种双模式切换的电动汽车自适应巡航控制方法 | |
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 | |
US11072329B2 (en) | Ground vehicle control techniques | |
CN113788021B (zh) | 一种结合前车速度预测的自适应跟车巡航控制方法 | |
CN103085816B (zh) | 一种用于无人驾驶车辆的轨迹跟踪控制方法及控制装置 | |
CN111867911A (zh) | 车辆控制方法和设备 | |
US20190375394A1 (en) | Ground Vehicle Control Techniques | |
EP4051550B1 (en) | Real-time performance handling virtual tire sensor | |
CN112061106B (zh) | 自动驾驶控制方法、装置、车辆和存储介质 | |
JP2004521026A (ja) | 対象の移動軌線の予報方法及び装置 | |
CN111002993B (zh) | 一种基于场景识别的自动驾驶低油耗运动规划方法及*** | |
Marzbanrad et al. | Self-tuning control algorithm design for vehicle adaptive cruise control system through real-time estimation of vehicle parameters and road grade | |
US20190129447A1 (en) | Coordinated control of vehicle cohorts | |
CN116118730B (zh) | 一种预见性巡航***的控制方法、装置、设备及介质 | |
Sajadi-Alamdari et al. | Nonlinear model predictive extended eco-cruise control for battery electric vehicles | |
CN110879595A (zh) | 一种基于深度强化学习的无人矿卡循迹控制***及方法 | |
CN114450207B (zh) | 对机动车的驱动机以及车辆部件的基于模型的预测性控制 | |
KR20230092060A (ko) | 차량용 최적 배터리 효율 운전 제어 방법 | |
JP2023512548A (ja) | 車両を制御する方法 | |
US20220371450A1 (en) | Model-Based Predictive Regulation of an Electric Machine in a Drivetrain of a Motor Vehicle | |
CN112797151B (zh) | 档位决定装置、方法及仿真装置 | |
CN116513213A (zh) | 车辆预测控制方法以及使用该方法的车辆驾驶控制*** | |
CN116494974B (zh) | 基于道路风险评估的自适应巡航控制方法、***及设备 | |
CN114585977A (zh) | 基于模型预测性调整机动车的多个部件 | |
Herda et al. | The Design of Vehicle Speed Profile for Semi-autonomous Driving |
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 | ||
CP03 | Change of name, title or address |
Address after: 100176 room 601-11a, unit 2, floor 6, building 21, yard 1, Desheng North Street, economic development zone, Daxing District, Beijing Patentee after: Anhui Shenxiang Technology Co.,Ltd. Country or region after: Zhong Guo Address before: 100176 room 601-11a, unit 2, floor 6, building 21, yard 1, Desheng North Street, economic development zone, Daxing District, Beijing Patentee before: Beijing Jingxiang Technology Co.,Ltd. Country or region before: Zhong Guo |
|
CP03 | Change of name, title or address |