CN117087669A - 车辆速度跟踪控制方法、装置、车辆及存储介质 - Google Patents
车辆速度跟踪控制方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN117087669A CN117087669A CN202311363927.7A CN202311363927A CN117087669A CN 117087669 A CN117087669 A CN 117087669A CN 202311363927 A CN202311363927 A CN 202311363927A CN 117087669 A CN117087669 A CN 117087669A
- Authority
- CN
- China
- Prior art keywords
- speed
- vehicle
- target
- time
- initial
- 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 54
- 230000001133 acceleration Effects 0.000 claims abstract description 69
- 230000033001 locomotion Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- 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
- B60W30/18—Propelling 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
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Toys (AREA)
Abstract
本公开提出一种车辆速度跟踪控制方法、装置、车辆及存储介质,该车辆速度跟踪控制方法,包括:获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态,并获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长,再根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同,以及根据目标速度在第一时间对车辆进行速度跟踪控制,由此,能够有效地消除车辆本身存在延长对车辆速度跟踪控制带来的影响,有效地提升车辆速度跟踪控制效果。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种车辆速度跟踪控制方法、装置、车辆及存储介质。
背景技术
在智能驾驶技术领域,车辆的速度跟踪控制能够帮助避免超速行驶、减少追尾事故,从而提高车辆驾驶的安全性,车辆的速度跟踪控制,是指对通过对车辆速度进行跟踪,以实现对车辆速度的控制(例如,在特定的时间控制车辆具有特定的速度)。
相关技术中,由于车辆本身存在延迟(例如,在控制***发送速度调整指令后,车辆需要一定时间才能作出响应),从而会导致实际速度与预测速度之间存在一定的时间差,从而会影响车辆速度跟踪控制的准确性。
发明内容
为克服相关技术中存在的问题,本公开提供一种车辆速度跟踪控制方法、装置、车辆、存储有计算机指令的非瞬时计算机可读存储介质以及计算机程序产品。
本公开第一方面实施例提出的车辆速度跟踪控制方法,包括:获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态;获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长;根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同;根据目标速度在第一时间对车辆进行速度跟踪控制。
本公开第二方面实施例提出的车辆速度跟踪控制装置,包括:第一获取模块,用于获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态;第二获取模块,用于获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长;生成模块,用于根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同;控制模块,用于根据目标速度在第一时间对车辆进行速度跟踪控制。
本公开第三方面实施例提出的车辆,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为:实现如本公开第一方面实施例提出的车辆速度跟踪控制方法。
本公开第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开第一方面实施例提出的车辆速度跟踪控制方法。
本公开第五方面实施例提出了一种计算机程序产品,当计算机程序产品中的指令由处理器执行时,执行如本公开第一方面实施例提出的车辆速度跟踪控制方法。
本公开的实施例提供的车辆速度跟踪控制方法可以包括以下有益效果:通过获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态,并获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长,再根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同,以及根据目标速度在第一时间对车辆进行速度跟踪控制,由此,能够有效地消除车辆本身存在延长对车辆速度跟踪控制带来的影响,有效地提升车辆速度跟踪控制效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本公开的一些实施例示出的一种车辆速度跟踪控制方法的流程图;
图2是根据本公开的一些实施例示出的一种车辆速度跟踪控制方法的流程图;
图3是根据本公开的一些实施例示出的一种车辆速度跟踪控制装置框图;
图4是根据一示例性实施例示出的一种车辆的框图。
具体实施方式
这里将详细地对本公开一些实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。本文所描述的方法、装置和/或***的各种改变、变型及等同物将在理解本公开之后变得显而易见。例如,本文所描述的操作的顺序仅仅为示例,且并非受限于本文中所阐述的那些顺序,而是除了必须以特定顺序进行的操作之外,如在理解本公开之后变得显而易见的那样可进行改变。另外,为提升清楚性和简洁性,对本领域中已知的特征的描述可被省略。
以下本公开的一些实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据本公开的一些实施例示出的一种车辆速度跟踪控制方法的流程图,如图1所示,包括以下步骤:
S101:获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态。
其中,车辆的运动学模型用于描述车辆在行驶过程中的运动状态,通过车辆的运动学模型可以用于预测车辆在未来一段时间内的运动状态,而车辆相关的目标运动学模型可以是基于车辆速度确定需求对预先获取的初始运动学模型进行调整所得的运动学模型。
一些实施例中,获取与车辆相关的目标运动学模型,可以是收集车辆的运动数据(例如,车辆速度数据,加速度数据等),而后,可以是对收集到的数据进行处理与分析,提取出有用的信息,使用数学工具和数据分析技术,可以计算出车辆的位移、速度和加速度等参数,并对数据进行平滑处理以减少噪声,并基于微分方程的模型构建方法、轨迹拟合方法或插值方法建立车辆的初始运动学模型,再对建立的初始运动学模型进行验证和调整。可以将模型应用于实际场景或进行模拟仿真,与真实车辆行为进行比较,评估模型的准确性和适用性。如果初始运动学模型存在偏差或误差,需要对初始运动学模型进行调整和修正,以得到目标运动学模型。
可选地,一些实施例中,获取与车辆相关的目标运动学模型,可以是获取车辆的初始运动学模型、扰动数据以及与第一时间对应的初始速度,并根据扰动数据,初始速度及初始加速度调整初始运动学模型,以得到目标运动学模型。
其中,扰动数据是与车辆的加速度变化相关的数据,扰动数据是指对车辆速度控制***产生影响的各种外部或内部扰动源所引起的数据。这些扰动可以来自多个方面,例如,外部环境扰动,车辆负载扰动,传感器噪声等,对此不做限制。
其中,在车辆速度跟踪控制方法的初始执行阶段,获取到的未经处理的车辆相关的运动学模型即可以被称为初始运动学模型。
其中,第一时间可以是车辆历史行驶过程中的任意时间。
其中,车辆在第一时间时的速度即为初始速度。
其中,初始运动学模型可以表示为:
;
其中,为初始运动学模型的输入状态变量,/>为初始运动学模型的输出变量,u为输入加速度,上标“.”表示微分,/>为状态矩阵,/>为输入矩阵,/>为输出矩阵。
本公开实施例在获取车辆的初始运动学模型、扰动数据以及与第一时间对应的初始速度之后,可以将扰动数据和初始速度关联为新的状态变量,即组成,其中,v为初始速度,d为扰动数据,从而基于新的状态变量和初始加速度调整初始运动学模型,以得到目标运动学模型,该目标运动学模型可以表示为:
;
其中,为初始加速度,“.”表示微分,/>为状态矩阵,/>为输入矩阵,/>为输出矩阵,/>为目标运动学模型的输出变量。
S102:获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长。
其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长,该目标时长可以理解为车辆响应控制指令的延时时长。
其中,第一时间可以是车辆接收到初始加速度相关的控制指令的时间,车辆在接收到初始加速度相关的控制指令之后,基于初始加速度相关的控制指令作出相应响应的时间和第一时间之间的差值即为目标时长。
也即是说,本公开实施例中,获取与车辆相关的目标时长,可以是记录车辆接收到初始加速度相关的控制指令的第一时间,并对车辆的加速度进行监测,以监测车辆的加速度发生变化的另一时间,而后,可以是确定第一时间和另一时间之间的时间差值,并将该时间差值作为目标时长,对此不做限制。
S103:根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同。
其中,目标速度观测模型可以是用于对车辆的未来某一时间的速度进行观测的数学模型。
其中,第二时间和第一时间不相同,第二时间可以是第一时间之后的任意时间。
其中,车辆在第二时间时的预测速度即为目标速度。
本公开实施例中,根据目标时长和目标运动学模型,生成目标速度观测模型,可以是基于龙贝格算法处理目标时长和目标运动学模型,以生成目标速度观测模型,即可以是基于龙贝格算法处理目标运动学模型,以得到初始速度观测模型,而后可以是基于目标时长对初始速度观测模型进行调整(即可以是根据目标时长,将初始速度观测模型的输出状态向前推进相应的时间步长,并使用递推步骤,根据当前的观测量和先验信息得到校正后的状态和协方差估计,并重复前述步骤,可以在目标时长的每个时间步长处更新速度观测模型),以获取调整所得的目标速度观测模型,对此不做限制。
本公开实施例中,可以是基于龙贝格算法处理目标运动学模型,以得到初始速度观测模型,初始速度观测模型可以表示为:
其中,为状态矩阵,/>为输入矩阵,/>为输出矩阵,/>为观测收益矩阵,u为初始加速度,/>为初始速度观测模型的预测速度,/>为观测速度。
本公开实施例在获取初始速度观测模型之后,可以基于目标时长对初始速度观测模型进行调整,以获取目标速度观测模型,该目标速度观测模型可以表示为:
其中,为目标时长,t为第一时间。
本公开实施例中,第二时间是第一时间和目标时长之间的时间和值。
也即是说,本公开实施例中,可以是在根据目标时长和目标运动学模型,生成目标速度观测模型,基于目标速度观测模型确定车辆在第二时间的目标速度,从而能够有效地消除车辆本身存在延长对车辆速度确定带来的影响,准确地预测车辆的目标速度。
S104:根据目标速度在第一时间对车辆进行速度跟踪控制。
本公开实施例在根据目标时长和目标运动学模型,生成目标速度观测模型之后,可以基于目标速度观测模型预测车辆在第二时间的目标速度,并根据目标速度确定用于对车辆进行速度跟踪控制的反馈控制指令,以基于该反馈控制指令在第一时间对车辆进行速度跟踪控制。
其中,速度跟踪控制是指控制车辆能够在第一时间按照期望的目标速度进行运动。
本实施例中,通过获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态,并获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长,再根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同,以及根据目标速度在第一时间对车辆进行速度跟踪控制,由此,能够有效地消除车辆本身存在延长对车辆速度跟踪控制带来的影响,有效地提升车辆速度跟踪控制效果。
图2是根据本公开的一些实施例示出的一种车辆速度跟踪控制方法的流程图。
如图2所示,车辆速度跟踪控制方法,包括以下步骤:
S201:获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态。
S202:获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长。
S203:根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同。
S201- S203的描述说明具体可以参见上述实施例,在此不再赘述。
S204:将目标时长平均划分为多个目标子时长。
本公开实施例中,可以是将目标时长平均划分为多个子时长,该划分所得的多个子时长即为目标子时长。
举例而言,本公开实施例中,可以是将目标时长划分为n个目标子时长,每个目标子时长可以表示为/>。
S205:基于目标速度观测模型处理第三时间、初始加速度、初始速度,以得到车辆的与第三时间对应的第一预测速度,其中,第三时间是第一时间和目标时长的时间和值。
其中,第三时间是第一时间和目标时长的时间和值。
其中,第一预测速度可以是基于目标速度观测模型所预测的车辆在第三时间的预测速度。
本公开实施例在将目标时长平均划分为多个目标子时长之后,可以是基于目标速度观测模型处理第三时间、初始加速度、初始速度,以得到车辆的与第三时间对应的第一预测速度。
本公开实施例中,第一预测速度的确定方式可以表示为:
;
其中,为第一预测速度,/>为目标时长,/>为目标子时长,/>。
S206:基于目标速度观测模型处理第四时间、初始加速度、初始速度,以得到车辆的与第四时间对应的第二预测速度,其中,第三时间大于第四时间,第三时间和第四时间之间的时间差值为一个目标子时长。
其中,第三时间大于第四时间,第三时间和第四时间之间的时间差值为一个目标子时长。
其中,第二预测速度可以是基于目标速度观测模型所预测的车辆在第四时间的预测速度。
本公开实施例在将目标时长平均划分为多个目标子时长之后,可以是基于目标速度观测模型处理第四时间、初始加速度、初始速度,以得到车辆的与第四时间对应的第四估计速度。
本公开实施例中,第二预测速度的确定方式可以表示为:
;
其中,为第二预测速度。
S207:根据第一预测速度和第二预测速度,确定目标速度。
本公开实施例在确定第一预测速度和第二预测速度之后,可以根据初始速度、第一预测速度以及第二预测速度,确定目标速度。
一些实施例中,根据第一预测速度以及第二预测速度,确定目标速度,可以是分别确定第一预测速度和初始速度之间的第一速度偏差,并确定第二预测速度和初始速度之间的第二速度偏差,再确定第一速度偏差和第二速度偏差之间的最小速度偏差,并将该最小速度偏差对应的估计速度作为目标速度。
另一些实施例中,根据第一预测速度和第二预测速度,确定目标速度,还可以是对第一预测速度以及第二预测速度进行加权求和处理,并将前述加权求和所得的结果作为目标速度,由此,可以联合第一预测速度以及第二预测速度,准确地预测目标速度。
可选地,一些实施例中,根据第一预测速度和第二预测速度,确定目标速度,可以是获取与第一预测速度对应的第一参考速度,及与第二预测速度对应的第二参考速度;确定第一参考速度和第一预测速度时间的第一速度误差,及第二预测速度和第二参考速度之间的第二速度误差;根据第一速度误差和第二速度误差对第一预测速度进行修正,以得到目标速度。
也即是说,本公开实施例中,可以是基于上一时间步时目标速度观测模型的预测速度对下一时间步时目标速度观测模型的预测速度进行修正,以得到目标速度。
举例而言,目标速度的确定方式可以表示为:
;
其中,V为目标速度,为第一参考速度,/>为第一预测速度,/>为第二参考速度,/>为第二预测速度。
S208:根据目标速度在第一时间对车辆进行速度跟踪控制。
本公开实施例在根据第一预测速度以及第二预测速度,确定目标速度之后,可以根据目标速度在第一时间对车辆进行速度跟踪控制。
可选地,一些实施例中,控制车辆在第二时间以目标速度行驶,可以是根据初始速度,扰动数据以及目标速度,确定车辆的目标加速度,并控制车辆在第一时间至第二时间之间的时间段内基于目标加速度行驶。
也即是说,本公开实施例中,可以是根据初始速度,扰动数据以及目标速度,确定车辆的目标加速度,即可以是根据初始速度以及目标速度生成目标加速度对应的加速度指令,并将该目标加速度对应的加速度指令下发至车辆,以控制车辆行驶。
本公开实施例中,目标加速度的确定方式可以表示为:
其中,u为目标加速度,为速度补偿系数,/>为目标速度,/>预设参考速度,d为扰动数据,/>为扰动补偿系数。
本公开实施例中,通过获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态,并获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长,再根据目标时长和目标运动学模型,生成目标速度观测模型,并将目标时长平均划分为多个目标子时长,再基于目标速度观测模型处理第三时间、初始加速度、初始速度,以得到车辆的与第三时间对应的第一预测速度,再基于目标速度观测模型处理第四时间、初始加速度、初始速度,以得到车辆的与第四时间对应的第二预测速度,并根据初始速度、第一预测速度以及第二预测速度,确定目标速度,从而能够有效地消除车辆本身存在延长对车辆速度确定带来的影响,准确地确定车辆的目标速度,再根据目标速度在第一时间对车辆进行速度跟踪控制,从而能够有效地消除车辆本身存在延长对车辆速度跟踪控制带来的影响,有效地提升车辆速度跟踪控制效果,从而保障车俩驾驶的安全性。
图3是根据本公开的一些实施例示出的一种车辆速度跟踪控制装置框图。参照图3,该车辆速度跟踪控制装置30包括:第一获取模块301,第二获取模块302,生成模块303和控制模块304。
第一获取模块301,用于获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态;
第二获取模块302,用于获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长;
生成模块303,用于根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同;
控制模块304,用于根据目标速度在第一时间对车辆进行速度跟踪控制。
在本公开的一些实施例中,第一获取模块301,还用于:
获取车辆的初始运动学模型、扰动数据以及与第一时间对应的初始速度,其中,扰动数据是与车辆的加速度变化相关的数据;
根据扰动数据,初始速度及初始加速度调整初始运动学模型,以得到目标运动学模型。
在本公开的一些实施例中,车辆速度跟踪控制装置30,还包括:
划分模块,用于将目标时长平均划分为多个目标子时长;
第一处理模块,用于基于目标速度观测模型处理第三时间、初始加速度、初始速度,以得到车辆的与第三时间对应的第一预测速度,其中,第三时间是第一时间和目标时长的时间和值;
第二处理模块,用于基于目标速度观测模型处理第四时间、初始加速度、初始速度,以得到车辆的与第四时间对应的第二预测速度,其中,第三时间大于第四时间,第三时间和第四时间之间的时间差值为一个目标子时长;
确定模块,用于根据第一预测速度和第二预测速度,确定目标速度。
在本公开的一些实施例中,确定模块,还用于:
获取与第一预测速度对应的第一参考速度,及与第二预测速度对应的第二参考速度;
确定第一参考速度和第一预测速度时间的第一速度误差,及第二预测速度和第二参考速度之间的第二速度误差;
根据第一速度误差和第二速度误差对第一预测速度进行修正,以得到目标速度。
在本公开的一些实施例中,控制模块,还用于:
根据初始速度,扰动数据以及目标速度,确定车辆的目标加速度;
控制车辆在第一时间至第二时间之间的时间段内基于目标加速度行驶。
在本公开的一些实施例中,第二时间是第一时间和目标时长之间的时间和值。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本实施例中,通过获取与车辆相关的目标运动学模型,其中,目标运动学模型用于描述车辆在行驶过程中的运动状态,并获取与车辆相关的目标时长,其中,目标时长是车辆在确定初始加速度的第一时间和车辆基于初始加速度产生相应响应的时间之间所间隔的时长,再根据目标时长和目标运动学模型,生成目标速度观测模型,其中,目标速度观测模型用于预测车辆在第二时间的目标速度,第一时间和第二时间不相同,以及根据目标速度在第一时间对车辆进行速度跟踪控制,由此,能够有效地消除车辆本身存在延长对车辆速度跟踪控制带来的影响,有效地提升车辆速度跟踪控制效果。
图4是根据一示例性实施例示出的一种车辆的框图。例如,车辆400可以是混合动力车辆,也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆400可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。
参照图4,车辆400可包括各种子***,例如,信息娱乐***410、感知***420、决策控制***430、驱动***440以及计算平台450。其中,车辆400还可以包括更多或更少的子***,并且每个子***都可包括多个部件。另外,车辆400的每个子***之间和每个部件之间可以通过有线或者无线的方式实现互连。
在一些实施例中,信息娱乐***410可以包括通信***,娱乐***以及导航***等。
感知***420可以包括若干种传感器,用于感测车辆400周边的环境的信息。例如,感知***420可包括全球定位***(全球定位***可以是GPS***,也可以是北斗***或者其他定位***)、惯性测量单元(inertial measurement unit,IMU)、激光雷达、毫米波雷达、超声雷达以及摄像装置。
决策控制***430可以包括计算***、整车控制器、转向***、油门以及制动***。
驱动***440可以包括为车辆400提供动力运动的组件。在一个实施例中,驱动***440可以包括引擎、能量源、传动***和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。
车辆400的部分或所有功能受计算平台450控制。计算平台450可包括至少一个处理器451和存储器452,处理器451可以执行存储在存储器452中的指令453。
处理器451可以是任何常规的处理器,诸如商业可获得的CPU。处理器还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(Field ProgrammableGate Array,FPGA)、片上***(System on Chip,SOC)、专用集成芯片(ApplicationSpecific Integrated Circuit,ASIC)或它们的组合。
存储器452可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
除了指令453以外,存储器452还可存储数据,例如道路地图,路线信息,车辆的位置、方向、速度等数据。存储器452存储的数据可以被计算平台450使用。
在本公开实施例中,处理器451可以执行指令453,以完成上述的车辆速度跟踪控制方法的全部或部分步骤。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的车辆速度跟踪控制方法的步骤。
此外,在本文中使用词语“示例性的”以表示充当示例、实例、示图。在本文中被描述为“示例性的”任何方面或设计都不一定理解为与其他方面或设计相比是有利的。相反,使用词语示例性的旨在以具体的方式呈现概念。如在本文中所使用的,术语“或”旨在表示包括性的“或”而不是排他性的“或”。即,除非另外指定,或者从上下文中清楚,否则“X应用A或B”旨在表示自然的包括性排列中的任何一种排列。即,如果X应用A;X应用B;或者X应用A和B两者,则“X应用A或B”在前述实例中的任何一个实例下都满足。另外,除非另外指定或者从上下文中清楚指向单数形式,否则如在该申请和所附权利要求中所使用的冠词“一”和“一个”通常被理解为表示“一个或多个”。
同样,尽管已经关于一个或多个实现示出并描述了本公开,但是在阅读并理解了该说明书和附图之后,本领域技术人员将想到等同的变型和修改。本公开包括所有这样的修改和变型,并且仅由权利要求的范围来限制。特别关于由上文所描述的组件(例如,元件、资源等)执行的各种功能,除非另外指出,否则用于描述这样的组件的术语旨在对应于执行所描述的组件的具体功能的任何组件(功能上等价的),即使结构上不等价于所公开的结构。另外,尽管可以已经关于几个实现中的仅仅一个而公开了本公开的特定的特征,但是如可以是期望的并且有利于任何给定的或特定的应用的那样,这样的特征可以与其它实现的一个或多个其它特征相结合。此外,就在具体实施方式或者权利要求中所使用的“包括”、“拥有”、“具有”、“有”、或其变型而言,这样的术语旨在作为类似于术语“包含”的方式是包括性的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种车辆速度跟踪控制方法,其特征在于,所述方法包括:
获取与车辆相关的目标运动学模型,其中,所述目标运动学模型用于描述所述车辆在行驶过程中的运动状态;
获取与所述车辆相关的目标时长,其中,所述目标时长是所述车辆在确定初始加速度的第一时间和所述车辆基于所述初始加速度产生相应响应的时间之间所间隔的时长;
根据所述目标时长和所述目标运动学模型,生成目标速度观测模型,其中,所述目标速度观测模型用于预测所述车辆在第二时间的目标速度,所述第一时间和所述第二时间不相同;以及
根据所述目标速度在所述第一时间对车辆进行速度跟踪控制。
2.如权利要求1所述的方法,其特征在于,所述获取与车辆相关的目标运动学模型,包括:
获取所述车辆的初始运动学模型、扰动数据以及与所述第一时间对应的初始速度,其中,所述扰动数据是与车辆的加速度变化相关的数据;
根据所述扰动数据,所述初始速度及所述初始加速度调整所述初始运动学模型,以得到所述目标运动学模型。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
将所述目标时长平均划分为多个目标子时长;
基于所述目标速度观测模型处理第三时间、所述初始加速度、所述初始速度,以得到所述车辆的与所述第三时间对应的第一预测速度,其中,所述第三时间是所述第一时间和所述目标时长的时间和值;
基于所述目标速度观测模型处理第四时间、所述初始加速度、所述初始速度,以得到所述车辆的与所述第四时间对应的第二预测速度,其中,所述第三时间大于所述第四时间,所述第三时间和所述第四时间之间的时间差值为一个所述目标子时长;
根据所述第一预测速度和所述第二预测速度,确定所述目标速度。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一预测速度和所述第二预测速度,确定所述目标速度,包括:
获取与所述第一预测速度对应的第一参考速度,及与所述第二预测速度对应的第二参考速度;
确定所述第一参考速度和所述第一预测速度时间的第一速度误差,及所述第二预测速度和所述第二参考速度之间的第二速度误差;
根据所述第一速度误差和所述第二速度误差对所述第一预测速度进行修正,以得到所述目标速度。
5.如权利要求2所述的方法,其特征在于,所述根据所述目标速度在所述第一时间对车辆进行速度跟踪控制,包括:
根据所述初始速度,所述扰动数据以及所述目标速度,确定所述车辆的目标加速度;
控制所述车辆在第一时间至所述第二时间之间的时间段内基于所述目标加速度行驶。
6.如权利要求1所述的方法,其特征在于,所述第二时间是所述第一时间和所述目标时长之间的时间和值。
7.一种车辆速度跟踪控制装置,其特征在于,所述装置包括:
第一获取模块,用于获取与车辆相关的目标运动学模型,其中,所述目标运动学模型用于描述车辆在行驶过程中的运动状态;
第二获取模块,用于获取与所述车辆相关的目标时长,其中,所述目标时长是所述车辆在确定初始加速度的第一时间和所述车辆基于所述初始加速度产生相应响应的时间之间所间隔的时长;
生成模块,用于根据所述目标时长和所述目标运动学模型,生成目标速度观测模型,其中,所述目标速度观测模型用于预测所述车辆在第二时间的目标速度,所述第一时间和所述第二时间不相同;以及
控制模块,用于根据所述目标速度在所述第一时间对车辆进行速度跟踪控制。
8.如权利要求7所述的装置,其特征在于,所述第一获取模块,还用于:
获取所述车辆的初始运动学模型、扰动数据以及与所述第一时间对应的初始速度,其中,所述扰动数据是与车辆的加速度变化相关的数据;
根据所述扰动数据,所述初始速度及所述初始加速度调整所述初始运动学模型,以得到所述目标运动学模型。
9.一种车辆,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:实现权利要求1-6中任一项所述方法的步骤。
10.一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311363927.7A CN117087669B (zh) | 2023-10-20 | 2023-10-20 | 车辆速度跟踪控制方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311363927.7A CN117087669B (zh) | 2023-10-20 | 2023-10-20 | 车辆速度跟踪控制方法、装置、车辆及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117087669A true CN117087669A (zh) | 2023-11-21 |
CN117087669B CN117087669B (zh) | 2024-01-30 |
Family
ID=88771991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311363927.7A Active CN117087669B (zh) | 2023-10-20 | 2023-10-20 | 车辆速度跟踪控制方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117087669B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200225670A1 (en) * | 2019-01-16 | 2020-07-16 | Ford Global Technologies, Llc | Vehicle path identification |
CN112947047A (zh) * | 2021-01-26 | 2021-06-11 | 重庆长安汽车股份有限公司 | 一种基于自适应pid算法的自动驾驶加速度控制方法 |
CN113085858A (zh) * | 2021-04-27 | 2021-07-09 | 湖北文理学院 | 车辆速度跟踪控制方法、装置、设备及存储介质 |
CN113190055A (zh) * | 2021-05-28 | 2021-07-30 | 北京理工大学 | 一种电动汽车速度跟踪控制方法 |
CN114326385A (zh) * | 2021-11-30 | 2022-04-12 | 卡斯柯信号有限公司 | 基于自适应非奇异终端滑模的虚拟编组列车协同控制方法 |
CN115047766A (zh) * | 2022-06-13 | 2022-09-13 | 西南交通大学 | 一种基于预测控制模型的速度规划方法 |
CN115236973A (zh) * | 2022-07-27 | 2022-10-25 | 浙江工业大学 | 基于pso李雅普诺夫函数的agv轨迹跟踪控制方法 |
CN115257808A (zh) * | 2022-07-27 | 2022-11-01 | 驭势科技(北京)有限公司 | 车辆纵向控制方法、装置、电子设备和存储介质 |
US20220396264A1 (en) * | 2021-06-11 | 2022-12-15 | Hyundai Motor Company | Vehicle for tracking speed profile and control method thereof |
CN116184835A (zh) * | 2023-03-16 | 2023-05-30 | 燕山大学 | 考虑输入时延与速度时变的无人驾驶车辆跟踪控制方法 |
-
2023
- 2023-10-20 CN CN202311363927.7A patent/CN117087669B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200225670A1 (en) * | 2019-01-16 | 2020-07-16 | Ford Global Technologies, Llc | Vehicle path identification |
CN112947047A (zh) * | 2021-01-26 | 2021-06-11 | 重庆长安汽车股份有限公司 | 一种基于自适应pid算法的自动驾驶加速度控制方法 |
CN113085858A (zh) * | 2021-04-27 | 2021-07-09 | 湖北文理学院 | 车辆速度跟踪控制方法、装置、设备及存储介质 |
CN113190055A (zh) * | 2021-05-28 | 2021-07-30 | 北京理工大学 | 一种电动汽车速度跟踪控制方法 |
US20220396264A1 (en) * | 2021-06-11 | 2022-12-15 | Hyundai Motor Company | Vehicle for tracking speed profile and control method thereof |
CN114326385A (zh) * | 2021-11-30 | 2022-04-12 | 卡斯柯信号有限公司 | 基于自适应非奇异终端滑模的虚拟编组列车协同控制方法 |
CN115047766A (zh) * | 2022-06-13 | 2022-09-13 | 西南交通大学 | 一种基于预测控制模型的速度规划方法 |
CN115236973A (zh) * | 2022-07-27 | 2022-10-25 | 浙江工业大学 | 基于pso李雅普诺夫函数的agv轨迹跟踪控制方法 |
CN115257808A (zh) * | 2022-07-27 | 2022-11-01 | 驭势科技(北京)有限公司 | 车辆纵向控制方法、装置、电子设备和存储介质 |
CN116184835A (zh) * | 2023-03-16 | 2023-05-30 | 燕山大学 | 考虑输入时延与速度时变的无人驾驶车辆跟踪控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117087669B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3353494B1 (en) | Speed control parameter estimation method for autonomous driving vehicles | |
US20220073069A1 (en) | Autonomous driving system | |
CN112242069B (zh) | 一种确定车速的方法和装置 | |
JP2018037064A (ja) | 能動的探索なしの強化学習に基づくオンライン学習法及び車両制御方法 | |
CN111295318B (zh) | 用于调节车辆纵向位置的方法和装置 | |
US11269340B2 (en) | Method for determining a vehicle control parameter, apparatus for the same, vehicle on-board controller, and autonomous vehicle | |
US11436498B2 (en) | Neural architecture search system for generating a neural network architecture | |
KR101669622B1 (ko) | 무인주행차량의 자율주행을 위한 최적화기반 경로계획 방법 및 그 장치 | |
CN112158196B (zh) | 自动泊车方法及装置 | |
JP2019031268A (ja) | 能動的探索なしの強化学習に基づく制御ポリシー学習及び車両制御方法 | |
CN115042816B (zh) | 路径跟踪方法、装置、设备、介质及程序 | |
CN113260936B (zh) | 移动体控制装置、移动体控制学习装置及移动体控制方法 | |
CN116777984A (zh) | 用于校准自主交通载具中摄像头的外部参数的*** | |
JP2021062653A (ja) | 軌道生成装置、軌道生成方法及び軌道生成プログラム | |
EP4056441A1 (en) | Back propagation planning for adas/ad motion planning and control | |
CN117087669B (zh) | 车辆速度跟踪控制方法、装置、车辆及存储介质 | |
CN117171873B (zh) | 车辆空气动力学优化方法、装置和车辆 | |
CN115223015A (zh) | 模型训练方法、图像处理方法、装置和车辆 | |
US20230365144A1 (en) | Control arithmetic device | |
JP6409711B2 (ja) | 走行環境認識装置 | |
CN114043999B (zh) | 一种车辆的纵向控制方法和装置 | |
JP7388582B1 (ja) | 情報出力装置及び情報出力方法 | |
CN116659529B (zh) | 数据检测方法、装置、车辆及存储介质 | |
US20240140415A1 (en) | Trajectory processing system, trajectory processing device, and trajectory processing method | |
CN115900771B (zh) | 信息确定的方法、装置、车辆及存储介质 |
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 |