CN116917179A - 基于控制包络的车辆运动管理 - Google Patents
基于控制包络的车辆运动管理 Download PDFInfo
- Publication number
- CN116917179A CN116917179A CN202180094365.3A CN202180094365A CN116917179A CN 116917179 A CN116917179 A CN 116917179A CN 202180094365 A CN202180094365 A CN 202180094365A CN 116917179 A CN116917179 A CN 116917179A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- state
- future
- uncertainty
- 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.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 86
- 230000001133 acceleration Effects 0.000 claims abstract description 26
- 230000009471 action Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 208000035032 Multiple sulfatase deficiency Diseases 0.000 claims 3
- 201000006033 mucosulfatidosis Diseases 0.000 claims 3
- 230000006870 function Effects 0.000 description 35
- 239000002245 particle Substances 0.000 description 12
- 230000008901 benefit Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 238000009826 distribution Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/12—Limiting control by the driver depending on vehicle state, e.g. interlocking means for the control input for preventing unsafe operation
-
- 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
- B60W30/02—Control of vehicle driving stability
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
- B60W10/184—Conjoint control of vehicle sub-units of different type or different function including control of braking systems with wheel brakes
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/087—Interaction between the driver and the control system where the control system corrects or modifies a request from the driver
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the 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
- 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
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0037—Mathematical models of vehicle sub-units
-
- 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
- B60W2300/00—Indexing codes relating to the type of vehicle
- B60W2300/12—Trucks; Load vehicles
- B60W2300/125—Heavy duty trucks
-
- 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
- B60W2300/00—Indexing codes relating to the type of vehicle
- B60W2300/14—Tractor-trailers, i.e. combinations of a towing vehicle and one or more towed vehicles, e.g. caravans; Road trains
- B60W2300/145—Semi-trailers
-
- 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
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/26—Wheel slip
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/20—Data confidence level
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/25—Data precision
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Regulating Braking Force (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
一种用于控制重型车辆(100)的运动的方法,该方法包括:估计当前车辆状态(st0),该当前车辆状态至少包括速度(vt0)和加速度(at0),其中该估计的当前状态与当前状态不确定性相关联;基于该当前车辆状态(st0)并基于该车辆(100)的预测运动模型来估计未来车辆状态(st1),其中该未来车辆状态(st1)与未来车辆状态不确定性相关联;定义表示该车辆的操作极限的车辆控制包络,其中该车辆控制包络定义车辆状态的范围;将该估计的未来车辆状态(st1)和该相关联的未来车辆状态不确定性与该车辆控制包络进行比较;以及如果该未来车辆状态(st1)突破该控制包络的概率高于配置阈值,则限制该车辆(100)的运动能力。
Description
技术领域
本公开涉及用于确保安全且高效的车辆运动管理的方法和控制单元。该方法特别适合用于铰接式车辆,诸如包括多个车辆单元的卡车和半挂车。然而,本发明还可以应用于其他类型的重型车辆,例如施工设备、采矿车辆和林业车辆。
背景技术
诸如卡车和半挂车的重型车辆在危险驾驶场景中必须小心控制,以免发生诸如过度车轮滑移、转向不足、转向过度、车辆侧翻、弯折和挂车甩摆事件的非期望事件。缺乏经验的驾驶员可能会无意中将车辆控制到发生此类事件的状态,例如,由于发生意外情况下的反应过度,或者由于应用错误类型的控制输入。另一方面,有经验的驾驶员通常能够执行车辆控制,这通过对车辆进行更合理和温和的控制来防止车辆最终陷入危险情况。
自主和半自主车辆使用各种类型的传感器输入信号进行导航和车辆控制。高级驾驶员辅助***(ADAS)也是基于传感器输入信号。此类传感器输入信号可以用于例如通过就即将发生的危险通知警告驾驶员来提高车辆安全性。然而,这些传感器信号可能与某个不确定性(即,传感器误差)相关联。因此,基于传感器信号执行车辆运动管理的控制单元总是面临基于错误输入数据做出控制决策的风险。
需要降低上述非期望事件的风险的控制方法和装置。
US2020/0133281公开了一种车辆的安全***及其使用方法。所公开的方法使用其对未来驾驶模型状态的预测的不确定性来改变或更新驾驶模型的参数。执行这种操作是为了使得自主车辆能够在考虑到随之而来的更高水平的预测不确定性(例如,传感器数据减少或相机可见度较差)后更安全地操作。
JP2006099715A公开了一种碰撞预测***和方法。该碰撞预测***和方法在确定车辆与另一车辆碰撞的可能性的结果时使用综合可靠性。综合可靠性是基于车辆的环境和状态。
尽管如此,仍然迫切需要改进重型车辆运动管理的方法。
发明内容
本公开的目的是提供缓解或克服至少一些上述问题的技术。该目的至少部分地通过一种用于控制重型车辆的运动的方法来实现。该方法包括估计当前车辆状态,该当前车辆状态至少包括速度和加速度,其中该估计的当前状态与当前状态不确定性相关联。该方法包括基于该当前车辆状态并基于该车辆的预测运动模型来估计未来车辆状态,其中该未来车辆状态与未来车辆状态不确定性相关联。该方法还包括:定义表示该车辆的操作极限的车辆控制包络,其中该车辆控制包络定义车辆状态的范围;以及将该估计的未来车辆状态和该相关联的未来车辆状态不确定性与该车辆控制包络进行比较。如果该未来车辆状态突破该控制包络的概率高于配置阈值,则该方法指定限制该车辆的运动能力。
上述特征的一个优点在于,可以减少导致超出车辆性能约束的车辆运动控制的突然或过度驾驶员输入的影响,由此减少与这种类型的类驾驶员输入相关联的事故,诸如例如转向不足/转向过度、打滑、弯折或挂车甩摆。
利用包括车辆运动估计、车辆运动预测和车辆运动控制的集中式车辆运动管理***,可通过减少扭矩或通过施加制动和转向以使车辆状态回到控制包络内部来主动防止车辆最终超出车辆性能包络。所提出的方法能够考虑传感器数据和预测建模的不确定性,这是优势。例如,如果车辆最终处于难以据其预测未来车辆状态的车辆状态,则可以选择更保守的车辆控制策略。
根据各方面,该车辆状态还包括车轮滑移、车桥和/或车轮侧滑移、横向和/或纵向车轮力以及偏航运动中的任一者。因此,本文公开的方法是通用的并且可以与许多不同的车辆状态变量一起使用。
根据各方面,该方法包括基于与一个或多个传感器输入信号相关联的测量不确定性来确定该当前状态不确定性。优点是该方法能够考虑传感器测量误差等,因为这提高了车辆运动管理的稳健性。
根据各方面,该方法包括基于与该车辆的预测运动模型相关联的不确定性来确定该未来状态不确定性。因此,该方法能够考虑建模误差,从而进一步提高最终结果的稳健性。例如,车辆最终可能会处于难以据其预测未来行为的状态。通过考虑预测模型的不确定性,可以预先采取纠正动作来减少这种不确定性。
根据各方面,该方法包括基于与一个或多个运动支持装置(MSD)相关联的有界行为来确定该未来状态不确定性。MSD或车辆上的至少一些MSD可以根据合同进行操作,其中例如保证线性行为。这使得预测车辆行为变得更容易,因为模型中可以忽略非线性行为。例如,通过对车辆的车轮实施车轮滑移限制,可以保证线性轮胎力与车轮滑移行为。
根据各方面,该车辆是包括多个车辆单元的铰接式车辆,其中该方法还包括针对该多个车辆单元中的每个车辆单元单独地估计该相应的未来车辆状态。这意味着一些车辆单元可能被视为有进入危险状态的风险,而其他车辆单元没有进入危险状态的风险。这增加了车辆运动管理功能的操作的控制自由度。例如,车辆运动管理功能可以通过更稳定的车辆单元中的一者施加制动,以使车辆组合回到控制包络内。
根据各方面,该方法包括响应于该未来车辆状态突破该控制包络的概率高于配置阈值而执行该车辆的校正动作,其中该校正动作包括减小传送到MSD协调模块的期望全局力。
根据各方面,该方法还包括通过从该车辆的一个或多个MSD请求车轮滑移值和/或轮速值来控制该车辆。传统上,车辆运动控制器与能够向车辆的车轮输送扭矩的MSD之间的接口集中于从控制器向每个MSD发出基于扭矩的请求,而完全不考虑车轮滑移。然而,这种方法可能与和控制延迟相关的一些性能限制相关联。通过替代地在主要车辆控制器与一个或多个MSD控制器之间的接口上使用基于轮速或车轮滑移的请求,可以实现显著的益处,由此将困难的致动器速度控制回路转移到MSD控制器,该MSD控制器通常以比主要车辆控制器功能的采样时间更短的采样时间进行操作。与基于扭矩的控制接口相比,这种架构可以提供更好的干扰抑制,因此提高在轮胎路面接触面处生成的力的可预测性。
本文还公开了与上文讨论的优点相关联的控制单元、计算机程序、计算机可读介质、计算机程序产品和车辆。
通常,除非本文另外明确定义,否则在权利要求中使用的所有术语应当根据它们在本技术领域中的普通含义来解释。除非另外明确声明,否则所有提及的“一种/一个/该元件、设备、部件、装置、步骤等”将被开放性地解释为是指该元件、设备、部件、装置、步骤等的至少一个实例。除非明确声明,否则本文公开的任何方法的步骤并非必须按所公开的确切顺序来执行。当研究所附权利要求和以下描述时,本发明的进一步特征和优势将变得显而易见。本领域技术人员认识到,在不脱离本发明的范围的情况下,可以组合本发明的不同特征以产生不同于以下描述的那些实施方案的实施方案。
附图说明
下文将参考附图更详细地描述作为示例引用的本发明的实施方案。在附图中:
图1 示意性地示出了用于货物运输的车辆;
图2A 示出了非期望的弯折事件;
图2B 示出了非期望的挂车甩摆事件;
图2C 示出了车辆转向不足事件;
图2D 示出了车辆过度转向事件;
图3 示意性地示出了车辆运动估计和运动预测;
图4 示出了示例性车辆控制包络;
图5 示出了示例性车辆运动支持装置(MSD)控制***;
图6示出了分层车辆控制***的部件;
图7A至图7B示意性地示出了运动预测不确定性;
图8A至图8C示出了线性化轮胎建模;
图9 是示出方法的流程图;
图10 示意性地示出了传感器单元和/或控制单元;以及
图11示出了示例性计算机程序产品。
具体实施方式
现在将在下文参考附图更完整地描述本发明,在附图中示出了本发明的某些方面。然而,本发明可以以许多不同形式体现并且不应当被解释为限于本文阐述的实施方案和各方面;而是,以举例方式提供这些实施方案使得本公开将是透彻的并且完整的,并且将本发明的范围全面传达给本领域技术人员。贯穿本说明书,相同的附图标记指代相同的元件。
应当理解,本发明不限于本文描述和附图中所示的实施方案;而是,本领域技术人员将认识到可以在所附权利要求的范围内进行许多改变和修改。
飞行包络保护是飞机控制***的人机界面扩展,其防止飞机的飞行员发出将迫使飞机超出其结构和空气动力学操作极限的控制命令。它用于大多数现代商用电传操纵飞机。飞行包络保护***的优点在于,它们限制飞行员的过度控制输入(无论是对紧急情况的突然反应还是其他情况)转化为过度飞行控制移动。理论上,这允许飞行员对紧急情况做出快速反应,同时通过电子方式限制过度控制面移动来减弱因“惊吓”而导致的过度控制输入的影响,该过度控制面运动可能给机身带来过大压力并危及飞机的安全。
本公开涉及通过驾驶员或通过某种形式的自主或半自主控制***将类似的控制限制方法应用于对重型车辆的控制。然而,航空电子设备的飞行包络保护方法不能仅仅按原样应用于重型车辆的控制。许多关键的调试是必要的,这将在下面进行详细描述。
包括根据本公开的基于控制包络的车辆运动管理***的重型车辆将限制驾驶员的控制以减弱车辆的快速过度响应,由此避免车辆最终处于车辆操作极限之外的车辆状态。因此,可以避免诸如车辆转向不足和转向过度、车辆侧翻、弯折、过度挂车甩摆以及类似非期望事件的非期望事件,同时允许驾驶员在意外事件发生时对其快速做出反应。
在飞机中,机翼和控制面周围的流体动力学具有一定的迎角来生成升力,超过该迎角,飞机就有失速风险,这是非期望事件。这种类型的事件可以通过飞机模型来预测,并且控制***可以被布置成向飞行员提供指导,从而使得飞行员能够避免失速情况。以类似方式,可以通过使用车辆运动的预测模型来将商用重型车辆组合安全地控制在预测的控制包络内,该预测模型被布置成预测(即,预见)非期望车辆状态,例如,侧翻情况或严重转向不足事件。
本文公开的技术依赖于车辆包括连续地执行运动估计以及运动预测的车辆运动管理(VMM)功能。运动预测意味着车辆连续预测时间领先大约0.5至1.5s的未来车辆状态。该未来车辆状态定期地与表示车辆操作极限的车辆控制包络进行比较。如果控制器认为最终超出控制包络的风险太高,将采取某种形式的纠正动作。该纠正动作可以例如是减少向某种更高层控制算法报告的能力。报告能力可以是诸如牵引车或挂车的整个车辆单元的能力,或者是车辆单元的部分(诸如车桥或甚至单个车轮)的能力。能力可以例如是最大加速度或速度、侧滑等。因此,如果车辆上的运动估计功能意识到车辆正在进入危险状态,则运动协调将通过例如减小扭矩或进行制动和转向来使其回到安全状态。
VMM中的运动估计可以包括概率部分,其捕获了如下事实:在对未来进行预测时存在很大的不确定性,这既是由于当前车辆状态估计的不确定性,也是由于用于预测未来车辆状态的预测车辆模型的不确定性。例如,可能难以准确地对重型车辆组合的侧倾传递进行建模。通过检测车辆何时进入难以进行状态建模的一系列状态,可以分配更高级别的不确定性。使用这样的模型导致预测是概率分布而不是固定值。然后,这些分布可以用于决定如何以及何时限制车辆能力,以实现安全性(早期干预)和驾驶员舒适性(很少错误干预)的适当结合。
如果车辆遇到周围环境的意外变化(如在坑洼上行驶),也可能会引入模型误差。通过向车辆运动控制添加预测不确定性,可在车辆运动预测和车辆运动传感器输入不同的情况下限制例如车辆速度。
图1示出了用于货物运输的示例性车辆100,其中可以有利地应用本文公开的技术。车辆100包括支撑在前轮150和后轮160上的牵引车或拖车110,该前轮和后轮中的至少一些是从动轮。通常但不一定,牵引车上的所有车轮都是制动轮。牵引车110被配置为以已知方式通过第五轮连接拖曳支撑在挂车车轮170上的第一挂车单元120。挂车车轮通常是制动轮,但是也可以包括一个或多个车桥上的从动轮。
可以理解,本文公开的方法和控制单元也可以有利地应用于其他类型的重型车辆,诸如具有牵引杆连接件的卡车、包括一辆或多辆拖台车辆的多挂车车辆、施工设备、公共汽车等。
牵引车110包括车辆单元计算机(VUC)130以用于控制各种功能性,尤其是实现推进、制动和转向。一些挂车单元120还包括用于控制挂车的各种功能(诸如挂车车轮的制动、主动悬架、有时还包括挂车车轮推进)的VUC 140。VUC 130、140可以集中或分布在若干处理电路上。车辆控制功能的部分还可以远程执行,例如在经由无线链路和无线接入网络连接到车辆100的远程服务器上执行。
牵引车110上的VUC 130(以及挂车120上的可能的VUC 140)可以被配置为执行根据分层功能架构组织的车辆控制方法,其中一些功能性可以包括在更高层中的交通状况管理(TSM)域中并且一些其他功能性可以包括在驻留于较低功能层中的车辆运动管理(VMM)域中。
图2A至图2D示出了本文提出的方法旨在通过预测车辆运动管理来缓解的一些示例性非期望事件。
图2A示出了弯折事件200。如果驾驶员因转向不当而反应过度,则可能会发生这种类型的事件。力F1沿一个方向推动挂车,从而以非期望方式折叠组合车辆。
图2B示出了过度挂车甩摆210的示例。在驾驶员没有正确操纵车辆100的情况下,挂车120处可能生成大的横向力F2,这导致挂车向外甩摆。
图2C示出了发生转向不足的驾驶场景220。为了成功地通过图2C中所示的曲线,车辆组合应当遵循期望路径221(虚线),然而,车辆替代地遵循另一条路径222(点划线),即,转向不足。这种转向不足可能是由于例如路面摩擦力减小造成的。转向不足可能导致有驾驶员受伤和车辆损坏的重大风险。例如,如果需要在交叉路口右转,但是车辆进入交叉路口的速度太快且太晚施加车辆制动,则车辆将经历车轮滑移并且生成横向转向力的能力降低。如果车辆进入交叉路口区域时降低速度,则可以避免这种情况。为了改进这种情况,还可以施加校正偏航扭矩223。该校正偏航扭矩可以例如通过在牵引车车辆单元的右后轮处施加制动224而生成。通过本文提出的方法,VUC基于传感器输入来估计车辆状态,并使用预测车辆运动模型来预测未来车辆状态。如果车辆最终有陷入危险状态的风险,则车辆运动控制通过限制驾驶员的控制输入或者通过触发某个运动支持装置的致动(诸如图2C中施加的制动)更主动地采取纠正动作。
图2D示出了发生过度转向事件230的驾驶场景230。期望遵循虚线路径231,但是由于某种原因,挂车车辆单元过度转向并遵循点划线232。需要校正偏航运动233来避免这种情况。该校正偏航运动可以例如通过在车辆的左前轮处施加制动234而生成。对于图2C中的事件220,本文提出的方法能够预测车辆有最终处于过度转向场景的风险,并且能够采取纠正动作以避免非期望事件和/或缓解危险车辆状态的后果。
图3示出了包括车辆100沿着道路310行驶的另一个示例性场景300。车辆包括由VUC 130、140使用来估计当前车辆状态的一个或多个传感器。当前车辆状态包括诸如速度矢量[vx,vy]、加速度矢量[ax,ay]以及横摆力矩等变量。
在A点处,车辆100即将进入具有一定曲率的弯道。VUC 130、140估计此时的当前车辆状态。除了当前车辆状态之外,VUC还预测未来车辆状态,即,车辆被认为在某个未来时间点(诸如车辆在B点和C点时的时间点)具有的车辆状态。通过使用预测运动模型可实现这种预测,下面将讨论该预测运动模型的示例。
当然,这种对未来车辆状态的预测不会是完美的,而是与一定的误差相关联。例如,传感器输入信号不可能没有误差,并且运动预测也可能与误差相关联。另外,当然不可能在驾驶员的控制输入发生之前准确预测它们。该预测误差或车辆状态预测不确定性在图3中由生长区域320示出。应当理解,预测时间越领先,不确定性总体上就越会增加。
车辆100与表示车辆的操作极限的车辆控制包络相关联。该车辆控制包络定义被视为安全的车辆状态范围。只要车辆100具有控制包络内的状态,车辆运动就是可预测的(通常是线性的),并且与危险情况无关。然而,如果车辆100突破控制包络,则可能会出现非期望行为。例如,车轮力可能开始表现出依赖于车轮滑移或施加的扭矩的非线性行为。
例如,图3中的情况300可以与转向不足事件相关联,其中预测运动模型指示车辆100遵循点划线路径330的可能性。然后,本文提出的方法将预防性地采取行动以校正车辆运动,使得转向不足事件不会发生。例如,如上面结合图2C所讨论的校正偏航运动可以由车辆运动管理***生成。作为另一个示例,侧翻的风险可以与图3中的情况300中的增加的风险相关联。本文讨论的方法然后将进行干预以使车辆以预测方式回到控制包络内。
图4中示出了示例性控制包络400的示意图。在这里,将从与预测的未来车辆状态不确定性320相关联的误差分布的概率导出的不确定性椭圆410与控制包络进行比较。如果该不确定性椭圆的足够大的部分延伸超出控制包络,则车辆的不安全和/或不可预测的操作随之发生,并且可能发生如图2A至图2D中的那些非期望车辆事件。
图5示意性地示出了用于通过一些示例性MSD控制车轮560的功能性500,在这里所述MSD包括摩擦制动器550(诸如盘式制动器或鼓式制动器)和推进装置540(诸如电机)。摩擦制动器560和推进装置540是车轮扭矩生成装置的示例,所述车轮扭矩生成装置也可以被称为致动器并且可以由一个或多个运动支持装置控制单元530控制。该控制是基于例如从轮速传感器570和从其他车辆状态传感器580获得的测量数据,该其他车辆状态传感器诸如雷达传感器、激光雷达传感器,以及基于视觉的传感器(诸如相机传感器和红外检测器)。可以根据本文讨论的原理控制的其他示例性扭矩生成运动支持装置包括发动机减速器和动力转向装置。MSD控制单元530可以被布置成控制一个或多个致动器。例如,MSD控制单元530被布置成控制用于车桥上的两个车轮的MSD并不少见。
本文公开的一些技术涉及对制动***和/或诸如电动马达的推进装置提出要求,以便促进这样的***。本公开至少部分地基于如下观察:在任何时间点,车辆可以在例如轮胎上实现的最大可实现横向力Fy与最大纵向力Fx之间存在联系。这意味着,如果施加过高的纵向制动力,则车辆会丧失横向转向能力(并且车辆状态会突破控制包络)。从模型角度来看,这意味着如果允许不受限制的制动,则车辆的横向动力学将存在较大的不确定性。较大的不确定性导致对紧急操纵性能的保守分析,因此显著缩小了操作设计域(ODD)。本公开旨在通过对例如车轮扭矩装置(诸如制动器和推进装置)上的允许车轮滑移施加限制来克服该缺陷。
还参考图6,TSM功能510以例如1至10秒左右的时间范围计划驾驶操作。该时间范围对应于例如车辆100通过弯道所花费的时间。由TSM计划和执行的车辆操纵可以与加速度曲线和曲率曲线相关联,该加速度曲线和曲率曲线描述针对给定操纵的期望车辆速度和转向。TSM不断地从VMM功能520请求期望加速度曲线areq和曲率曲线creq,该VMM功能执行力分配来以安全稳健的方式满足来自TSM的请求。VMM功能520不断将能力信息(在这里以最大速度矢量vx,MAX和最大加速度矢量ax,MAX为例)反馈给TSM功能,该能力信息详细说明车辆当前例如在可以生成的力、最大速度和加速度方面的能力。
加速度曲线和曲率曲线也可以经由诸如方向盘、加速踏板和制动踏板的正常控制输入装置从重型车辆的驾驶员获得。所述加速度曲线和曲率曲线的来源不在本公开的范围内并且因此将不在本文中更详细地讨论。
VMM功能520以约0.1至1.5秒左右的时间范围操作,并且不断地将加速度曲线areq和曲率曲线creq转换为用于控制由车辆100的不同MSD 530致动的车辆运动功能的控制命令,所述MSD向VMM报告回能力,该能力进而用作车辆控制中的约束。VMM功能520执行车辆状态或运动估计610,即,VMM功能520通过使用布置在车辆100上通常但不总是与MSD 530相关的各种传感器570监测操作来不断地确定包括车辆组合中的不同单元的位置、速度、加速度、横摆运动和铰接角的车辆状态s(通常是矢量变量)。
运动估计610的结果(即,估计的车辆状态s)被输入到运动预测模块620,该运动预测模块使车辆的预测未来运动状态s'基于当前车辆状态s。
MSD协调功能630确定不同车辆单元所需的全局力以使车辆100根据所请求的加速度曲线areq和曲率曲线creq移动,并且分配车轮力并协调其他MSD,诸如转向和悬架。然后协调的MSD一起在车辆单元上提供期望横向力Fy和纵向力Fx,以及提供所需力矩Mz,以获得车辆组合100的期望运动。
通过使用例如全球定位***、基于视觉的传感器、轮速传感器、雷达传感器和/或激光雷达传感器确定车辆单元运动并将该车辆单元运动转化为给定车轮560的局部坐标系(在例如纵向速度分量方面和横向速度分量方面),可通过将车轮参考坐标系中的车辆单元运动与从结合车轮560布置的轮速传感器570获得的数据进行比较来准确地实时估计车轮滑移。反轮胎模型640可以用于在给定车轮i的期望纵向轮胎力Fxi与该车轮的等效车轮滑移λi之间转化。车轮滑移λ涉及车轮转速和对地速度之间的差异,并且将在下面更详细地讨论。轮速ω是车轮的转速,给定单位为例如每分钟转数(rpm),或者是角速度,给定单位为弧度/秒(rad/sec)或度/秒(deg/sec)。
在这里,轮胎模型是车轮行为的模型,该车轮行为描述作为车轮滑移的函数的在纵向方向(在滚动方向)和/或横向方向(正交于纵向方向)上生成的车轮力。在“Tyre andvehicledynamics”(Elsevier Ltd.2012,ISBN 978-0-08-097016-5)中,Hans Pacejka介绍了轮胎模型的基础知识。参见例如第7章,其中讨论了车轮滑移与纵向力之间的关系。
纵向车轮滑移λ可以根据SAE J670(SAE车辆动力学标准委员会2008年1月24日)被定义为
其中R是以米为单位的有效车轮半径,ωx是车轮的角速度,并且vx是车轮的纵向速度(在车轮的坐标系中)。因此,λ介于-1至1之间,并且量化车轮相对于路面滑移的程度。车轮滑移本质上是在车轮与车辆之间测量的速度差。因此,本文公开的技术可以适用于任何类型的车轮滑移定义。还应当理解,在车轮的坐标系中,在给定车轮在路面上的速度的情况下,车轮滑移值等于轮速值。
参考图8A至图8C,为了使车轮(或轮胎)产生车轮力,必须发生滑移。对于较小的滑移值,滑移与所生成的力之间的关系近似线性,其中比例常数通常被表示为轮胎的滑移刚度C。轮胎560受到纵向力Fx、横向力Fy和法向力Fz的作用。法向力Fz是确定一些重要车辆性质的关键。例如,法向力在很大程度上决定了车轮可达到的纵向轮胎力Fx,因为通常,Fx≤μFz,其中μ是与道路摩擦条件相关联的摩擦系数。给定横向滑移的最大可用横向力可以用所谓的魔术公式来描述,如Hans Pacejka在Elsevier有限公司2012年的ISBN为978-0-08-097016-5的“Tyre and vehicledynamics”中所述。
只要车轮滑移λ保持在车轮滑移极限λlim以下,力与滑移之间的关系就近似线性,如图8B和图8C中所示,其中Cx是纵向滑移刚度,其中Cy是横向滑移刚度。刚度系数可以通过法向力Fz、轮胎磨损和滑移(横向滑移)的函数来近似。
总而言之,VMM功能520管理力生成和MSD协调两者,即,其确定车辆单元需要什么力才能满足来自TSM功能510的请求,例如根据由TSM请求的所请求的加速度曲线来使车辆加速和/或生成也由TSM请求的特定的车辆曲率运动。力可以包括例如横摆力矩Mz、纵向力Fx和横向力Fy,以及施加在不同车轮处的不同类型的扭矩。
传统上,VMM与能够向车辆的车轮输送扭矩的MSD之间的接口集中于从VMM向每个MSD发出基于扭矩的请求,而完全不考虑车轮滑移。然而,这种方法可能与一些性能限制相关联。如果出现危及安全或过度滑移的情况,则在单独的控制单元上操作的相关安全功能(牵引力控制、防抱死制动等)通常会介入并请求扭矩超驰,以便恢复控制滑移。这种方法的问题在于,由于对致动器的主要控制和对致动器的滑移控制被分配给不同的电子控制单元(ECU),因此它们之间的通信所涉及的延时显著地限制了滑移控制性能。此外,相关致动器与在用于实现实际滑移控制的两个ECU中做出的滑移假设可能不一致,并且这进而可能导致次优性能。通过替代地在VMM与一个或多个MSD控制器之间的接口上使用基于轮速或车轮滑移的请求,可以获得很多益处,从而将困难的致动器速度控制回路转移到MSD控制器,MSD控制器通常以比VMM功能的采样时间更短的采样时间操作。与基于扭矩的控制接口相比,这种架构可以提供更好的干扰抑制,因此提高在轮胎路面接触面处生成的力的可预测性。
重新参考图6,反轮胎模型块640将由MSD协调块为每个车轮或车轮子集确定的所需车轮力Fxi、Fyi转化为等效轮速ωwi或车轮滑移λi。然后将这些轮速或滑移发送到相应的MSD控制器530。MSD控制器报告回能力,其可以用作例如MSD协调块630中的约束。注意,扭矩请求Ti也可以被发出到一些或所有扭矩生成MSD。
图6中的控制***还包括控制包络模块650。该包络控制模块被布置成将来自运动预测模块620的预测车辆状态s'与控制包络的配置定义660进行比较。在预测车辆状态突破该控制包络的情况下,控制包络模块650限制车辆100的能力,如从VMM层520向TSM层510报告的能力。这意味着车辆的驾驶员可能也许响应于使驾驶员惊慌的一些意外事件而突然转动方向盘。然而,该大的方向盘输入将通过图6中示意性所示的***传播,导致预测突破控制包络模块650的控制包络,并且导致车辆能力的限制。这种车辆能力的降低意味着推进扭矩、制动扭矩或转向角中的任一者都受到限制或者甚至减小,以免最终超出车辆的操作域。因此,驾驶员的过强反应将被限制以将车辆运动保持在可以执行车辆运动管理的可预测域内。
注意,发送到不同MSD的控制信号可以是车轮滑移λi、轮速ωi或施加的扭矩Ti。转向命令可以包括转向角δi。
图7A示出了包括估计预测车辆状态s'的不确定性的驾驶场景。车辆100在当前时间t0处于位置A,其中传感器信号用于估计当前车辆状态s(t0)。该状态s在这里包括位置x、车辆速度v和加速度a,它们全都是二维矢量。不确定性被建模为与均值和协方差相关联的多维高斯随机变量n(t0)。当前车辆状态的一般不确定性由不确定性椭圆710示出。这仅用于说明目的,因为应当理解,这种不确定性将具有两个以上的维度。
在B点处,车辆100获得更多传感器数据720。该传感器数据当然也与不确定性或误差分布相关联。该传感器误差会影响对车辆状态的当前估计。在C点处获得进一步的传感器数据730。
车辆不断预测未来车辆状态。例如,当车辆在C点处时,可以预测时间t1(对应于D点)处的车辆状态。该估计的未来车辆状态与未来状态不确定性740相关联,该未来状态不确定性当然随着预测模型误差、估计的当前状态中的误差以及由驾驶员或由车辆控制***的假设控制输入中的误差而增加。
所配置的车辆控制包络由点划线750示意性地示出。如果不确定性椭圆750超出该控制包络太远,则由VUC 130、140中的一者或两者触发动作。
例如,未来状态不确定性可以通过卡尔曼滤波器或类似的最小均方误差(MMSE)滤波器进行外推来获得。
在给定截至时间k的数据输入的情况下,卡尔曼滤波器算法在样本k(或等效地,离散时间索引k)处的协方差矩阵估计值Pk|k被确定为Pk|k=(I-KkHk)Pk|k-1(I-KkHk)T+KkRkKk T,其中Pk|k-1=FkPk-1|k-1Fk T+Qk,并且其中Pk|k-1是在给定截至时间k-1的数据的情况下在时间k处的协方差矩阵估计值,I是单位矩阵,Kk是时间步k下的卡尔曼增益,Hk是时间步k下的观测矩阵,Rk是测量噪声的假设协方差矩阵,即,描述输入传感器信号中的不确定性,Fk是时间步k下的状态转移矩阵,并且Qk是时间步k下的过程噪声。
注意,关系
Pk|k-1=FkPk-1|k-1Fk T+Qk
可以用于通过迭代地执行矩阵运算n次来预测从时间k开始的n个时间步的不确定性,给出Pk+n|k-1。使用卡尔曼滤波器进行的外推是已知的,因此本文将不再更详细地讨论。
还应注意,协方差矩阵Pk|k的估计值并不依赖于传感器数据的实际实现,而仅依赖于误差分布和过程的假设统计数据。因此,可以通过简单地迭代上述方程来确定不确定性椭圆740。
图7A中的不确定性椭圆序列可以从初始车辆状态s(t0)开始确定,其中相关联的不确定性椭圆710从位置(A)处的P0|0确定,直到与车辆状态相关联的计划轨道的结束位置(D)和相关联的不确定性椭圆740。
车辆状态实现在车辆控制包络之外的概率可以使用Q函数来评估。
对于单个变量
对于矢量状态变量,必须使用多维Q函数。可以使用近似值来评估Q函数,以便使计算更加高效。Q函数的许多不同近似是已知的,参见例如Abramowitz,M.&Stegun,IA(1972)在纽约州多佛发表的数学函数手册,第932页。
另一种替代方案是使用分位数函数来确定状态的极限值,使得该变量小于或等于极限值的概率等于可校准阈值概率。
图7B示出了可以如何估计未来车辆状态以及可以如何确定相关联的未来车辆状态不确定性的另一个示例760。该示例是基于粒子滤波器实施方式,其中使用大量粒子来估计车辆状态。每个粒子770将使用不同的传感器误差和运动预测误差实现来实现和更新,这意味着粒子将随着时间的推移而变得分散。粒子滤波器通常是已知的,因此本文将不再更详细地讨论。估计的未来车辆状态的不确定性由粒子的扩散给出。可以通过例如对位于限定车辆控制包络的边界多面体之外的粒子的数量进行计数来将粒子群与车辆控制包络进行比较。如果有足够多的粒子位于该边界多面体之外,则认为包络已被突破,并且采取对策以使车辆重新受到控制。
图9是例示上文讨论的技术的流程图。图9示出了用于控制重型车辆(诸如上文结合图1讨论的车辆100或某种其他类型的重型车辆)的运动的方法。重型车辆可以包括任意数量的车辆单元。车辆可以是刚性卡车、半挂车、或者甚至是包括一个或多个拖台车辆单元的多挂车车辆。
该方法包括估计S1当前车辆状态st0(由例如图7A中的s(t0)例示)。车辆状态至少包括速度vt0和加速度at0。速度和加速度两者都可以是二维或三维矢量,其也指示车辆单元的参考系中的速度或加速度的方向。车辆状态通常包含比速度和加速度更多的参数。例如,横摆力矩、车轮滑移、转向角、横向和/或纵向车轮力、车辆部件温度等也可以包括在车辆状态中。通常,针对组合车辆中的每个单元来估计车辆状态,即,牵引车与一种状态相关联,而挂车与另一种状态相关联。这两个状态当然是联系在一起的,因为两个车辆单元之间存在机械链接。
估计的当前状态与当前状态不确定性相关联。该状态不确定性可以使用概率函数(诸如概率密度函数(PDF)、累积密度函数(CDF)、似然函数或指示不确定性水平的某个其他函数)来描述。简单值(例如1至256)也可以用于指示不确定性,其中256表示高度不确定性,并且1表示非常高的确定性,即,信任估计状态值。应当理解,车辆状态中的不同参数可能具有随时间变化的不同的不确定性值。例如,可以高度确定性估计速度,而横向加速度可能不太确定。车辆状态可以被视为矢量,并且不确定性通过多维不确定性椭圆来可视化,如图7A的示例中所示。
根据一些方面,该方法包括基于与一个或多个传感器输入信号相关联的测量不确定性来确定S12当前状态不确定性。例如,VUC 130、140可以存储用于每个传感器的模型,其提供当前传感器可靠性值。例如,雷达传感器可能能够高精度地估计距对象的距离,但是在估计角度时不太准确。因此,如果状态参数依赖于雷达信息,则精度可能根据车辆单元和用于确定例如车辆速度和/或车辆加速度的目标对象的相对位置而变化。由于由所施加的扭矩生成的车轮滑移,轮速传感器在确定施加扭矩时段期间车辆单元对地速度时可能不太可靠。
本文讨论的方法和技术最有利地与涉及向不同MSD发送车轮滑移或轮速请求而不是扭矩请求的控制策略一起使用。然后,MSD能够通过利用高带宽控制环路控制车轮滑移来生成稳定的纵向力。因此,根据一些方面,该方法包括通过从车辆100的一个或多个MSD请求车轮滑移值和/或轮速值来控制S7车辆100。
该方法还包括基于当前车辆状态st0并基于车辆(100)的预测运动模型来估计S2未来车辆状态st1(由图7A中的s(t1)例示),其中未来车辆状态st1与未来车辆状态不确定性相关联。对未来车辆状态的估计可以通过多种不同的方式来实施。上面讨论了包括卡尔曼滤波器外推器和粒子滤波器的示例。使用高斯混合模型也可能具有优势。运动预测是研究相对充分的领域,并且有很多关于该主题的文献。因此,本文将不更详细地讨论运动预测本身。
在估计了不久将来的车辆状态及其不确定性之后,该方法然后开始确定该未来车辆状态是否与不可接受的风险水平相关联(如图4中所示),或者未来车辆状态是否在车辆的安全操作设计域内。
任选地,该方法包括基于与车辆100的预测运动模型相关联的不确定性来确定S21未来状态不确定性。适用于重型车辆的大多数预测运动模型也会输出与预测相关联的可靠性度量。例如,如果使用卡尔曼滤波器外推器来预测未来车辆状态,则滤波器的协方差矩阵给出了模型不确定性的概念。粒子滤波器预测器提供了粒子扩散不确定性的自然度量。结合当前车辆状态估计和运动预测的不确定性可以获得总不确定性的联合。如果初始车辆状态估计不太好,则未来车辆状态估计当然也会不准确,反之亦然。该方法包括至少部分地作为高斯混合模型GMM概率密度函数来估计S24一个或多个未来车辆状态st1。
如上所述,车辆100可以是包括多个车辆单元110、120的铰接式车辆。在这种情况下,该方法可以包括针对多个车辆单元110、120中的每个车辆单元单独地估计S23相应的未来车辆状态st1。
该方法还可以包括基于与一个或多个运动支持装置(MSD)相关联的有界行为来确定S22未来状态不确定性。该方法可以例如包括设定对至少一个车辆扭矩装置的操作的车轮滑移极限,并且然后基于所设定的车轮滑移极限获得与车辆动力学相关联的模型。这样,模型将被自动验证,因为可以假设车辆扭矩装置(制动器或推进装置)永远不会超过配置的车轮滑移。因此,所公开的方法允许使用车辆动力学的显式模型来分析车辆在例如紧急操纵期间的行为。与由数据隐式给出的模型相比,这是优势,因为显式模型i)可以更容易地被人类分析,并且ii)允许使用来自控制理论的完善的形式方法来分析紧急操作期间的行为。因此,当例如紧急操纵的执行被验证时,本文公开的方法提供了更有效的数据使用。与本文公开的方法相关联的另一个有益效果是,由于对车轮滑移的设定极限,维持能够在例如紧急操纵期间生成横向力的能力。这减少了必要的模型不确定性裕度,并且因此增加了车辆ODD,这是优势。
参考图8A至图8C,MSD的最大允许滑移的度量可以如下确定。假设车辆与某个操作设计域(ODD)相关联;例如,可能存在对速度vx和道路曲率Q的限制或对车辆操纵的某种其他类型的限制。最大横向加速度ay,max然后可以被确定为
其中vx,max是车辆的配置的速度极限或速度能力。该横向加速度产生横向轮胎力Fy(取决于车辆质量性质)。该横向轮胎力可以用于找到最大允许滑移极限340。在研究例如车辆侧偏响应时,将车桥上的所有轮胎的影响组合到一个虚拟轮胎中非常有用。这种假设(被称为单轨模型(或单轨模型或自行车模型))促进理解,而且也可以捕获重要现象。将车辆动力学模型简化为单轨模型是众所周知的并且本文将不更详细地讨论。横向车轮滑移syw可以被定义为
其中vy和vx分别表示横向和纵向速度。横向轮胎滑移syt可以被定义为
其中vy表示轮胎平移速度。如果没有纵向滑移,则vx=Rω并且syt=syw。车轮滑移角α可以被定义为
syw=tanα。对于小的横向轮胎滑移,如图8B中所示,横向轮胎力Fy可以被建模为
Fy=-Cysyt
其中Cy是常数,该常数有时被称为侧偏刚度并且取决于例如车轮滑移和法向力Fz。横向力Fy永远不能超过Fz*μ,其中μ是摩擦系数。在确定车辆可以如何加速时,一个或多个驱动车桥上的车桥负载尤其重要。驱动车桥上的低车桥负载通常意味着车轮更容易滑移。
车辆的侧偏刚度是车辆模型的一个示例,可以通过对车轮滑移设定极限来验证该模型。这至少部分是因为当车轮进入严重滑移状况时,侧偏刚度模型会发生显著变化,而较简单的模型对于低滑移值(即,对于小的横向轮胎滑移)可以假设为有效的。还应注意,通过对允许的车轮滑移施加极限,可以使用对小车轮滑移有效的简化车辆性质模型。这简化了车辆运动的预测。
该方法还包括定义S3表示车辆的操作极限的车辆控制包络。车辆控制包络定义车辆状态范围,诸如界定状态矢量中的值的多面体。
通过将估计的未来车辆状态st1和相关联的未来车辆状态不确定性与车辆控制包络进行比较S4,可以确认例如在当前驾驶员输入命令被允许传递到运动支持装置的情况下车辆是否有陷入危险情况或不可预测情况的风险。如果未来车辆状态st1突破控制包络的概率高于配置阈值,则车辆控制单元限制S5车辆100的运动能力。该限制可以例如简单地通过向更高层控制功能发送关于车辆或组合车辆中的特定车辆单元的新能力的报告来实施。该限制还可以通过直接将该能力限制发送到控制分配器来实施。可以首先当事情变得有风险但不太危险时通过仅向TSM发送能力限制、然后当事情变得非常危险时通过向控制分配器发送能力限制来实施多阶段干预机制。
根据各方面,该方法包括估计S25在时间上领先当前车辆状态st0为0.5至1.5秒之间的一个或多个未来车辆状态st1。已发现该时间范围可支持使用当前的车辆传感器技术和预测运动模型。当然,也可以使用更长和更短的时间范围两者。通常,由于考虑了未来车辆状态的不确定性,因此可以使用任何时间范围。如果使用太长的时间范围,则不确定性将趋于无穷大,指示估计中没有精确信息,即,没有与迄今为止在时间上领先的未来车辆状态相关的信息。
当未来车辆状态有突破控制包络的风险时,可能会触发不同的动作。例如,该方法可以包括以下任一者:限制S51车辆100的最大速度能力、限制S52车辆100的最大加速度能力、限制S53车辆100的最大转向角能力、限制S54车辆100的最大横摆力矩能力、限制S55特定车辆车桥的能力,以及限制S56特定车辆车轮的能力。
本文公开的方法还可以包括响应于未来车辆状态st1突破控制包络的概率高于配置阈值而执行S6车辆的校正动作。该校正动作可以例如包括减小传送到MSD协调模块的期望全局力。
图10在许多功能单元方面示意性地示出了根据本文讨论的实施方案的控制单元1000的部件,诸如VUC 130、140中的任一者。该控制单元1000可以包括在铰接式车辆1中。使用能够执行存储在例如呈存储介质1030的形式的计算机程序产品中的软件指令的合适的中央处理单元CPU、多处理器、微控制器、数字信号处理器DSP等中的一者或多者的任何组合来提供处理电路1010。处理电路1010可以进一步被提供为至少一个专用集成电路ASIC或现场可编程门阵列FPGA。
具体地,处理电路1010被配置为使控制单元1000执行一组操作或步骤,诸如结合图9所讨论的方法。例如,存储介质1030可以存储该组操作,并且处理电路1010可以被配置为从存储介质1030中检索该组操作以使控制单元1000执行该组操作。该组操作可以作为一组可执行指令来提供。因此,处理电路1010由此被布置为执行如本文公开的方法。
存储介质1030还可以包括持久性存储装置,其例如可以是磁存储器、光学存储器、固态存储器或甚至远程安装的存储器中的任何一种或其组合。
控制单元1000还可以包括用于与至少一个外部装置通信的接口1020。因而,接口1020可以包括一个或多个发射器和接收器,包括模拟和数字部件以及用于有线或无线通信的合适数量的端口。
处理电路1010(例如,通过向接口1020和存储介质1030发送数据和控制信号、通过从接口1020接收数据和报告以及通过从存储介质1030中检索数据和指令)对控制单元1000的一般操作进行控制。控制节点的其他部件以及相关功能性被省略以免使本文呈现的概念变得模糊。
图11示出了承载计算机程序的计算机可读介质1110,该计算机程序包括用于当所述程序产品在计算机上运行时执行图9中所示的方法的程序代码装置1120。计算机可读介质和代码装置可以一起形成计算机程序产品1100。
Claims (20)
1.一种用于控制重型车辆(100)的运动的方法,所述方法包括:
估计(S1)当前车辆状态(st0),所述当前车辆状态至少包括速度(vt0)和加速度(at0),其中所述估计的当前状态与当前状态不确定性相关联,
基于所述当前车辆状态(st0)并基于所述车辆(100)的预测运动模型来估计(S2)未来车辆状态(st1),其中所述未来车辆状态(st1)与未来车辆状态不确定性相关联,
定义(S3)表示所述车辆的操作极限的车辆控制包络,其中所述车辆控制包络定义车辆状态的范围,
将所述估计的未来车辆状态(st1)和所述相关联的未来车辆状态不确定性与所述车辆控制包络进行比较(S4),以及
如果所述未来车辆状态(st1)突破所述控制包络的概率高于配置阈值,
则限制(S5)所述车辆(100)的运动能力。
2.根据权利要求1所述的方法,其中所述车辆状态还包括车轮滑移(S11)、车桥侧滑移、横向和/或纵向车轮力以及偏航运动中的任一者。
3.根据权利要求1或2所述的方法,其包括基于与一个或多个传感器输入信号相关联的测量不确定性来确定(S12)所述当前状态不确定性。
4.根据任一前述权利要求所述的方法,其包括基于与所述车辆(100)的预测运动模型相关联的不确定性来确定(S21)所述未来状态不确定性。
5.根据任一前述权利要求所述的方法,其包括基于与一个或多个运动支持装置MSD相关联的有界行为来确定(S22)所述未来状态不确定性。
6.根据任一前述权利要求所述的方法,其中所述车辆(100)是包括多个车辆单元(110、120)的铰接式车辆,其中所述方法还包括针对所述多个车辆单元(110、120)中的每个车辆单元单独地估计(S23)相应的未来车辆状态(st1)。
7.根据任一前述权利要求所述的方法,其包括至少部分地作为高斯混合模型GMM概率密度函数来估计(S24)一个或多个未来车辆状态(st1)。
8.根据任一前述权利要求所述的方法,其包括估计(S25)在时间上领先所述当前车辆状态(st0)0.5至1.5秒之间的一个或多个未来车辆状态(st1)。
9.根据任一前述权利要求所述的方法,其包括限制(S51)所述车辆(100)的最大速度能力。
10.根据任一前述权利要求所述的方法,其包括限制(S52)所述车辆(100)的最大加速度能力。
11.根据任一前述权利要求所述的方法,其包括限制(S53)所述车辆(100)的最大转向角能力。
12.根据任一前述权利要求所述的方法,其包括限制(S54)所述车辆(100)的最大横摆力矩。
13.根据任一前述权利要求所述的方法,其包括限制(S55)特定车辆车桥的能力。
14.根据任一前述权利要求所述的方法,其包括限制(S56)特定车辆车轮的能力。
15.根据任一前述权利要求所述的方法,其包括响应于所述未来车辆状态(st1)突破所述控制包络的所述概率高于配置阈值而执行(S6)所述车辆的校正动作,其中所述校正动作包括减小传送到MSD协调模块的期望全局力。
16.根据任一前述权利要求所述的方法,其包括通过从所述车辆(100)的一个或多个MSD请求车轮滑移值和/或轮速值来控制(S7)所述车辆(100)。
17.一种计算机程序(1120),其包括用于当所述程序在计算机上或在控制单元(1100)的处理电路(1110)上运行时执行根据权利要求1至16中任一项所述的步骤的程序代码装置。
18.一种承载计算机程序(1120)的计算机可读介质(1110),所述计算机程序包括用于当所述程序产品在计算机上或在控制单元(1100)的处理电路(1110)上运行时执行根据权利要求1至16中任一项所述的步骤的程序代码装置。
19.一种用于确定铰接式车辆(1)的允许车辆状态空间的控制单元(1000),所述控制单元(1000)被配置为执行根据权利要求1至16中任一项所述的方法的步骤。
20.一种车辆(100),其包括根据权利要求19所述的控制单元(1000)。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2021/055448 WO2022184258A1 (en) | 2021-03-04 | 2021-03-04 | Control-envelope based vehicle motion management |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116917179A true CN116917179A (zh) | 2023-10-20 |
Family
ID=74859897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180094365.3A Pending CN116917179A (zh) | 2021-03-04 | 2021-03-04 | 基于控制包络的车辆运动管理 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240157957A1 (zh) |
EP (1) | EP4301643A1 (zh) |
JP (1) | JP2024509799A (zh) |
KR (1) | KR20230154426A (zh) |
CN (1) | CN116917179A (zh) |
WO (1) | WO2022184258A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230227032A1 (en) * | 2022-01-20 | 2023-07-20 | Motional Ad Llc | Vehicle Dynamics Classification for Collision and Loss of Control Detection |
WO2024114909A1 (en) * | 2022-12-01 | 2024-06-06 | Volvo Truck Corporation | Computer system and computer-implemented method for controlling a vehicle |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4544987B2 (ja) | 2004-09-06 | 2010-09-15 | ダイハツ工業株式会社 | 衝突予測方法及び衝突予測装置 |
US9915948B2 (en) * | 2016-07-14 | 2018-03-13 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling motion of vehicle |
WO2018230376A1 (ja) * | 2017-06-15 | 2018-12-20 | 日立オートモティブシステムズ株式会社 | 走行制御装置 |
US10678245B2 (en) * | 2018-07-27 | 2020-06-09 | GM Global Technology Operations LLC | Systems and methods for predicting entity behavior |
JP2022537798A (ja) * | 2019-05-08 | 2022-08-30 | ボルボトラックコーポレーション | 車両制御指令が将来の車両安全マニューバを除外するかどうかを判断するための方法 |
US20220306117A1 (en) * | 2019-06-14 | 2022-09-29 | Volvo Truck Corporation | Method for validating a model associated with vehicle dynamics |
US11314258B2 (en) | 2019-12-27 | 2022-04-26 | Intel Corporation | Safety system for a vehicle |
-
2021
- 2021-03-04 EP EP21710427.2A patent/EP4301643A1/en active Pending
- 2021-03-04 JP JP2023552358A patent/JP2024509799A/ja active Pending
- 2021-03-04 US US18/548,597 patent/US20240157957A1/en active Pending
- 2021-03-04 WO PCT/EP2021/055448 patent/WO2022184258A1/en active Application Filing
- 2021-03-04 KR KR1020237030159A patent/KR20230154426A/ko unknown
- 2021-03-04 CN CN202180094365.3A patent/CN116917179A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022184258A1 (en) | 2022-09-09 |
JP2024509799A (ja) | 2024-03-05 |
US20240157957A1 (en) | 2024-05-16 |
KR20230154426A (ko) | 2023-11-08 |
EP4301643A1 (en) | 2024-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3851345A1 (en) | Wheel slip based vehicle motion management for heavy duty vehicles | |
US20230047444A1 (en) | Vehicle motion management based on torque request with speed limit | |
CN116917179A (zh) | 基于控制包络的车辆运动管理 | |
US11447126B2 (en) | Preemptive chassis control intervention for autonomous vehicle | |
US20230063613A1 (en) | Vehicle control based on a dynamically configured sideslip limit | |
JP2022537798A (ja) | 車両制御指令が将来の車両安全マニューバを除外するかどうかを判断するための方法 | |
US20220410853A1 (en) | Method for controlling propulsion of a heavy-duty vehicle | |
WO2023169701A1 (en) | Robust vehicle speed over ground estimation using wheel speed sensors and inertial measurement units | |
EP2364891B1 (en) | Method for threat assessment in a vehicle | |
CN113994289A (zh) | 用于量化车辆模型的正确性的方法 | |
KR20220114016A (ko) | 지능형 커넥티드 차량의 제어 시스템 및 제어 방법 | |
US20220063575A1 (en) | Vehicle motion management with a redundant wheel control safety net function | |
US20240182019A1 (en) | Vehicle control based on dynamically configured longitudinal wheel slip limits | |
EP4151489A1 (en) | Vehicle control for improved minimum risk maneuvers | |
Alirezaei et al. | Experimental evaluation of collision avoidance system using state dependent Riccati equation technique | |
US20240132103A1 (en) | Trajectory planning system for an autonomous vehicle with a real-time function approximator | |
CN118119522A (zh) | 用于重型车辆的逆轮胎模型增强功能 | |
WO2024114923A1 (en) | Adjustment of global forces for vehicle control | |
KR20240105392A (ko) | 중장비 차량의 가속 및 감속을 위한 휠 슬립 기반 제어 | |
CN117836193A (zh) | 用于简化的自主驾驶的车辆控制 | |
이준영 | Robust Model Predictive Control based Automated Driving Control Algorithm for Improvement of Safety and Ride Comfort | |
WO2023169700A1 (en) | Selective free-rolling of wheels for robust vehicle speed over ground determination | |
CN118317900A (zh) | 基于具有可配置带宽的级联控制器的车辆控制 | |
WO2024061472A1 (en) | Estimating risk of a yaw instability of a vehicle | |
KR20240036968A (ko) | 로봇의 자율 주행을 보조하는 주행 보조 방법 및 장치 |
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 |