CN106681327B - 一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统 - Google Patents

Abstract

本发明公开了一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统，包括以下步骤：步骤一，根据车辆建立坐标系并给定期望轨迹和期望速度；步骤二，通过预瞄模型计算期望前轮航向角；步骤三，计算车辆实时前轮航向角；步骤四，计算车辆预估航向角；步骤五，计算航向偏差并根据控制率计算方向盘控制量；步骤六，计算纵向控制器驱动速度和制动减速度；步骤七，将控制量输入执行机构实现控制响应。该方法提升了大惯性客车无人驾驶环境下跟踪期望轨迹的控制精度，优化了控制结构，有效克服了其大惯性和滞后性，改善了大惯性无人驾驶客车控制的响应速度和跟踪效果。

Description

一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统

技术领域

本发明属于无人驾驶及其控制技术领域，特别涉及一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统。

背景技术

客车一旦发生交通事故，则损失较为惨重，群死群伤大都发生在客车的交通事故上。而很多交通事故是人为、天气、路况等因素造成，为了摆脱这些不安全因素，越来越多地安全技术出现在世人面前。仅中国每年就有超过8万人成为交通事故的牺牲品，碰撞经济损失每年数千亿元，而驾驶员的错误驾驶占碰撞事故原因的90％。自动驾驶汽车则可以有效减少因驾驶员疲劳或醉驾、开车素质造成的不规范行驶等因素造成的交通事故。客车比其他汽车更容易实现自动驾驶，客车的线路既定，更容易自动驾驶车辆记忆和学习。智慧城市的建立，也使公交系统能更快地纳入城市物联网络中。借助一系列智能感知等手段，自动驾驶的智能型汽车可大大提升车辆的主动安全性能，纠正驾驶员错误的驾驶行为，在未来智能化交通发展的前景下，智能型汽车将最终彻底消灭交通事故

运动控制是智能电动车辆研究的重要内容之一，主要包括横向控制和纵向控制。智能电动车辆为非完整运动约束系统，具有高度非线性动态特性、强耦合性以及其执行机构存在冗余等特点。目前，关于智能车辆运动控制的研究，主要通过横纵向动力学系统解耦，设计两个独立的控制系统来实现对车辆的横向控制和纵向控制，也有部分学者尝试采用横纵向耦合控制方法。但是，采用横纵向耦合的控制方法，使得控制器的设计复杂，而在实际应用过程中难度大，效果不明显。而设计两个独立的控制系统则切断了二者之间的联系，导致控制精度降低。

在无人驾驶及其控制领域，对跟踪控制器的控制精度提出了比较高的要求。无人驾驶应用的车辆平台多种多样，包括大客车、公交车以及巴士。这类长轴距车型要求跟踪控制方法具有高精度且克服其固有的大惯性和滞后性。为此，需研究一种大惯性电动客车的智能驾驶横纵向解耦控制方法，使得该方法能够简化控制结构并提高控制精度。并对于大惯性和滞后性，在保障实时和安全的同时，尽量预测车辆的未来趋势，以期提升大惯性无人驾驶客车控制的响应速度和跟踪效果。

发明内容

本发明所要解决的技术问题是提供一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统，以解决上述现有理论与设计上存在的缺陷或不足；该方法为了克服大客车的大惯性，通过在横向控制器中加入预瞄和预估算法，对于速度的给定充分考虑路况及客车转向系统的大惯性，实现横纵向解耦控制，简化控制器的设计，提升控制精度。

一种大惯性电动客车的智能驾驶横纵向解耦控制方法，包括以下步骤：

步骤1：根据车辆坐标系给定车辆行驶的期望轨迹和期望速度；

根据行驶状态而实时变化给定的期望速度，如在转弯、直道行驶、超车、前车跟随等不同的状态下，给定的期望速度均不同，同时保证其安全性和良好的转向性能，从而达到实现横纵向解耦控制的目的；

步骤2：根据GPS反馈的车辆实时速度，通过预瞄算法在期望轨迹上寻找采样点，并计算采样点的期望前轮航向角；

步骤3：根据GPS反馈的车辆航向角和车辆方向盘反馈的转角，计算车辆的实时前轮航向角；

步骤4：利用预估算法对车辆的实时前轮航向角进行预估，获取车辆的预估前轮航向角；

步骤5：利用车轮的期望前轮航向角和预估前轮航向角之间的偏差，以及实时采集的方向盘转角反馈信号，获得方向盘控制量，完成横向控制；

步骤6：利用车辆行驶的期望速度，对车辆实时速度进行修正，完成纵向控制。

由于客车车长较长，车头与车尾在转弯时存在较大的角度误差，GPS/IMU接收器安装在车头位置，有效减少车辆转向误差及GPS反馈误差；因此定义车辆坐标系，其中坐标原点为车头中心位置，车辆正前方为X轴，车辆正左方为Y轴，车辆正上方为Z轴；

进一步地，所述步骤2中的采样点的期望前轮航向角为θ_d：

其中，为y的一阶导数，y表示车辆行驶的期望轨迹，y＝A₃x³+A₂x²+A₁x+A₀，A₃为期望轨迹曲率变化率，A₂为期望轨迹曲率，A₁为期望轨迹航向角，A₀为期望轨迹Y轴距离，A₃,A₂,A₁,A₀均为给定值；x表示期望轨迹上的点在X轴上的坐标；

利用l＝v_rT_p和求解当前的采样点在X轴上的坐标x_d；

其中，l为预瞄距离，属于预瞄时间内期望轨迹对应的轨迹弧长；T_p为设定的预瞄时间；v_r为车辆实时速度，x₀为GPS反馈的车辆实时位置坐标(x₀,y₀)中横坐标值。

期望轨迹参考全局路径，每隔控制周期1.2s重新刷新一次，实现实时滚动优化，即便控制过程中存在横向的位置偏差，1.2s后也将重新给定一条以消除横向误差为目的同时保证安全性的新轨迹；控制器的采样时间为100ms。

进一步地，所述车辆的实时前轮航向角为θ：θ＝δ_f+θ_h；

其中，θ_h为GPS反馈的车辆实时车身航向角，δ_f为车辆实时前轮偏角，δ_s为实时采集的方向盘转角，b为方向盘转角与前轮偏角的比例系数。

进一步地，所述方向盘控制量为u：u＝δ_s+Δu；

其中，Δu为前轮航向偏差对应的方向盘转角变化量，Δu＝ke，k为航向偏差对应方向盘转角变化量的比例系数，且与车辆实时速度成反比；e为前轮航向的偏差量，e＝θ_d-θ_r；θ_r表示车辆的预估前轮航向角。

进一步地，所述车辆的预估前轮航向角采用以下公式计算获得：

其中，为车辆前轮航向角在一个采样周期内的变化量，T为采样周期，v为车辆实时速度，R为前轮绕运动中心的半径。

由于大客车执行机构的大滞后特性，根据当前车辆航向角θ与期望航向角θ_d的偏差来计算方向盘转角变化量Δu，容易造成控制的滞后，因此为横向控制器设计一种预估控制模型，来预测车辆的航向变化趋势并将其计入控制偏差，以此模型来优化并替代原始偏差(即θ_d-θ)；

通过控制方向盘角速度，一方面使车辆转向平缓；另一方面减小速度对转向的影响，实现横纵向解耦控制。

进一步地，所述纵向控制按以下步骤进行：

步骤6.1：起步控制

若v_r<v_th,v_d<(v_th+1)，则令输出的车辆目标速度v_target等于车辆期望速度v_d：v_target＝v_d；

若v_r≥v_th,v_d<(v_th+1)，则起步控制结束；

若v_r<v_th,v_d≥(v_th+1)，则令输出的车辆目标速度等于车辆速度阈值：v_target＝v_th；

若v_r≥v_th,v_d≥(v_th+1),v_r<v_target，则令v_target＝v_r+1，且v_target≤v_d；

若v_r≥v_d，则起步控制结束；

步骤6.2：加速控制

若v_d≤(v_r+1)，则令v_target＝v_d；

若v_d>(v_r+1)，则令v_target＝v_r+1；

步骤6.3：减速控制

计算减速度a＝(v_d-v_r)/t_th，其中，t_th为自定义的减速时间阈值；

若v_r≥v_d，a<a_th，则令a＝a_th，其中，a_th为自定义舒适性高的减速度阈值，不超过3m/s²；

若v_r≥v_d，a≥a_th，则保持a不变；

若v_r<v_d，则a＝0，车辆减速结束；

其中，v_th为车辆速度阈值，且v_th不超过3m/s，车辆目标速度v_target为控制器传给执行层的速度指令。

一种大惯性电动客车的智能驾驶横纵向解耦控制系统，包括：

车辆行驶期望轨迹和期望速度给定单元，根据车辆坐标系给定车辆行驶的期望轨迹和期望速度；

采样点生成单元，根据GPS反馈的车辆实时速度，通过在期望轨迹上预瞄寻找采样点；

采样点处车辆期望前轮航向角计算单元，用于计算采样点处的车辆期望前轮航向角；

车辆的预估前轮航向角计算单元，根据GPS反馈的车辆航向角和车辆方向盘反馈的转角，计算车辆的实时前轮航向角，利用预估算法对车辆的实时前轮航向角进行预估，获取车辆的预估前轮航向角；

横向控制单元，通过利用车轮的期望前轮航向角和预估前轮航向角之间的偏差，以及实时采集的方向盘转角反馈信号，获得方向盘控制量，完成横向控制；

纵向控制单元，利用车辆行驶的期望速度，对车辆实时速度进行修正，完成纵向控制；

所述采样点处车辆期望前轮航向角计算单元和车辆的预估前轮航向角计算单元采用上述的方法进行计算获得。

有益效果

本发明提供了一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统，其步骤包括：首先，给定平缓的期望轨迹以及根据路况的期望速度；其次，过预瞄算法在期望轨迹上寻找采样点，并计算该点的期望前轮航向角；采用GPS反馈的车辆航向角和车辆方向盘反馈的转角之和(前轮航向角)作为控制器反馈量；根据预估算法预测车辆前轮航向变化趋势，计算期望的前轮航向与预估后前轮航向的偏差，并根据横向控制器的控制率计算控制偏差，得到方向盘控制量；最后，计算纵向控制驱动和制动的速度控制量,并将所有控制量输出至执行机构实现控制响应；

该控制方法相对于现有技术而言具有以下几点优点：

1.横向控制过程包含航向角预估算法，期望轨迹采样点预瞄算法，而控制器的反馈量采用前轮航向，有效的克服了大客车的大惯性特性。

2.对于给定的期望速度，是基于当前的路况及车辆的转弯性能，简化横纵向控制的关系，实现横纵向的解耦控制；而且，易于实际应用，经过实际检验，在各种行驶路况下的横向误差与纵向误差小，控制效果良好。

3.纵向控制过程中考虑了起步控制的加速度缓冲、驱动过程的缓慢加速以及制动过程中限制减速度，提高车辆控制的舒适性和稳定性。

附图说明

图1为大惯性客车横纵向解耦控制框图；

图2为横纵向解耦控制算法流程图；

图3为车辆坐标系；

图4为实施例1直角弯横向控制效果图；

图5为纵向逻辑控制框图；

图6为实施例2横纵向联合控制效果图。

具体实施方式

下面将结合附图和实施例1对本发明做进一步的说明。

本实施例采用长12m，宽2.5m大客车改装的无人驾驶车，装有激光雷达，毫米波雷达，摄像头以及GPS/IMU系统，在标准直角弯道路展开横向控制实验。

参见图1所示，本发明用于大惯性客车横纵向解耦控制的控制框图。

参见图2所示横向控制算法流程图，一种大惯性电动客车的智能驾驶横纵向解耦控制方法，每控制周期(1.2s)内采用等采样周期(100ms)的计算机控制方式来实现对预定轨迹的跟踪，每采样周期具体包括以下步骤：

步骤一：根据车辆坐标系给定车辆行驶的期望轨迹和恒定的期望速度；

步骤二：根据GPS反馈的车辆实时速度，通过预瞄算法在期望轨迹上寻找采样点，并计算该点的期望前轮航向角；

步骤三：根据GPS反馈的车辆航向角和车辆方向盘反馈的转角，计算车辆实时的前轮航向角；

步骤四：根据预估算法预测车辆前轮航向变化趋势，并计算执行层(主要指控制车辆方向、驱动与制动的电机执行机构)响应时车辆预估前轮航向角。

步骤五：计算期望航向角(即步骤二计算结果)与预估实际航向角(即步骤四计算结果)的偏差，并根据横向控制器的控制率计算控制偏差，得到方向盘控制量。

所述的步骤一具体包括以下步骤：

(a)定义车辆坐标系，其中以车头安装GPS/IMU定位系统处为坐标原点，车辆正前方为X轴，车辆正左方为Y轴，车辆正上方为Z轴，满足右手定则，参见图3；

(b)给定车辆期望轨迹，其表达形式为三次多项式：

y＝A₃x³+A₂x²+A₁x+A₀ (1)

期望轨迹参考全局路径，每控制周期1.2s重新刷新一次，实现实时滚动优化，即便控制过程中存在横向的位置偏差，1.2s后也将重新给定一条以消除横向误差为目的同时保证安全性的新轨迹；控制器的采样时间为100ms；

(c)给定恒定的车辆期望速度v_d＝2m/s。

所述的步骤二具体包括以下步骤：

(a)根据车辆实时速度和预瞄时间，计算合适的预瞄距离，其计算公式为：

l＝v_rT_p (2)

其中，l为预瞄距离(对应轨迹的弧长)，v_r为从GPS反馈、由CAN总线读取的车辆实时速度，T_p为预瞄时间，设置T_p＝1.2s。

(b)根据期望轨迹，计算轨迹上满足预瞄距离的采样点坐标，其计算公式为：

其中，A₃,A₂,A₁,A₀系数由上层轨迹规划提供，A₃为轨迹曲率变化率，A₂为轨迹曲率，A₁为轨迹航向角，A₀为轨迹Y轴距离。x₀为GPS反馈的车辆实时位置坐标(x₀,y₀)中横坐标值，x_d表示求解的采样点X轴位置坐标，θ_d表示该采样点的期望前轮航向角，表示轨迹的一阶导，x为轨迹X轴变量且x∈[0,x_f]，x_f为轨迹终点(由上层轨迹规划提供)。

将式(2)代入式(3)，求解x_d并将其代入式(1)得到采样点坐标(x_d,y_d)，同时求解期望前轮航向角θ_d。

所述的步骤三具体包括以下步骤：

(a)计算车辆实时的前轮航向角，其计算公式为：

其中，θ_h为GPS反馈的车辆实时航向角，δ_s为采集的方向盘转角反馈，δ_f车辆当前前轮偏角，b为方向盘与前轮偏角的比例系数，θ为车辆实时的前轮航向角。对于大客车，车身的航向存在大滞后的特性，而前轮航向滞后小，易于快速控制。控制的控制量直接作用于方向盘，而通过大量实验得到，方向盘转角与前轮偏角的比例系数b为23.1。根据从CAN总线读取的θ_h、δ_s代入式(4)，可得到车辆实时的前轮航向角θ。

所述的步骤四具体包括以下步骤：

(4a)由于大客车执行机构的大滞后特性，根据当前车辆航向角θ与期望航向角θ_d的偏差来计算方向盘转角变化量Δu，容易造成控制的滞后，因此为横向控制器设计一种预估控制模型，来预测车辆的航向变化趋势并将其计入控制偏差，以此模型来优化并替代原始偏差(即θ_d-θ)，其模型可表示为：

其中，T为采样周期，v为纵向速度(以前轮速度v_r近似)，R为前轮绕运动中心的半径，L为车轴长度，δ_f为前轮偏角，为车辆前轮航向在一个控制周期的变化量。设置T＝1.2s，v＝2m/s，L＝6m，将式(4)解得的δ_f代入式(5)，解得R,

(4b)计算车辆的预估前轮航向角，其计算公式为：

其中，θ为车辆当前的前轮航向角，θ_r为车辆的预估前轮航向角。将式(4)(5)解得的θ，代入式(6)，解得车辆预估前轮航向角θ_r,通过对未来航向变化趋势的预测，能够在横向控制中有效克服车辆的大惯性。

所述步骤五具体包括以下步骤：

(5a)计算前轮航向的偏差量e，其计算公式为：

e＝θ_d-θ_r (7)

(5b)计算前轮航向偏差对应的方向盘转角变化量，其公式为：

其中，Δu为前轮航向偏差对应的方向盘转角变化量，k为航向偏差对应方向盘转角变化量的比例系数并与v_r成反比，c为k和v_r的比例常量，经大量实验测得c＝24。本实施例车辆实时速度恒定v_r＝2m/s，代入式(7)(8)可求解前轮航向偏差对应的方向盘转角变化量Δu。

(5c)计算输出的方向盘控制量，其计算公式为：

u＝δ_s+Δu (9)

其中，δ_s为采集的方向盘转角反馈，u为输出的方向盘控制量。根据车辆性能确定约束条件，包括u_min≤u≤u_max，u_min,u_max为实际行驶过程中方向盘转角的上下限，本实例中，u_min,u_max分别为-720°～+720°，当方向盘控制量为正时，方向盘向左旋转，反之方向盘向右旋转。将式(8)的Δu代入式(9)可得横向控制器的输出：方向盘控制量u。同时，也给定方向盘转角的角速度ω，其中，ω∈[100°/s,540°/s]，通过大量实验测得有经验驾驶员平均最大转角速度值，给定ω＝350°/s。

每采样周期均输出该采样周期内计算的方向盘控制量u，并由CAN总线传入车辆执行机构进行控制响应。

当前控制周期结束后，在新的控制周期内重复步骤一至步骤五，依次循环实现大惯性客车的横向控制。参见图4所示，实施例的全局路径为细实线，车辆行驶的实际轨迹为×点，虚圆表示的是直角弯道部分，可以看出车辆的实际行驶轨迹与给定的全局路径基本吻合。

下面将结合附图和实施例2对本发明做进一步的说明。

本实施例采用长12m，宽2.5m大客车改装的无人驾驶车，装有激光雷达，毫米波雷达，摄像头以及GPS/IMU系统，在该测试场地开展大惯性电动客车的智能驾驶横纵向解耦轨迹跟踪控制综合实验。参见图1所示，本发明用于大惯性客车横纵向解耦控制的控制框图。

参见图5所示纵向控制逻辑框图，每控制周期(1.2s)内采用等采样周期(100ms)的计算机控制方式来实现对预定轨迹的跟踪，每采样周期具体包括以下步骤：

步骤一：根据车辆坐标系给定车辆行驶的期望轨迹和变化的期望速度；

步骤二：根据GPS反馈的车辆实时速度，通过预瞄算法在期望轨迹上寻找采样点，并计算该点的期望前轮航向角；

步骤三：根据GPS反馈的车辆航向角和车辆方向盘反馈的转角，计算车辆实时的前轮航向角；

步骤四：根据预估算法预测车辆前轮航向变化趋势，并计算执行层(主要指控制车辆方向、驱动与制动的电机执行机构)响应时车辆预估前轮航向角；

步骤五：计算期望前轮航向角与实际预估前轮航向角的偏差，并根据横向控制器的控制率计算控制偏差，得到方向盘控制量；

步骤六：计算纵向控制器驱动速度和制动减速度。

所述的步骤一具体包括以下步骤：

(a)定义车辆坐标系，其中以车头安装GPS/IMU定位系统处为坐标原点，车辆正前方为X轴，车辆正左方为Y轴，车辆正上方为Z轴，满足右手定则，参见图3；

(b)给定车辆期望轨迹，其表达形式为三次多项式：

y＝A₃x³+A₂x²+A₁x+A₀ (1)

期望轨迹参考全局路径，每控制周期1.2s重新刷新一次，实现实时滚动优化，即便控制过程中存在横向的位置偏差，1.2s后也将重新给定一条以消除横向误差为目的同时保证安全性的新轨迹；控制器的采样时间为100ms；

(c)给定恒定的车辆期望速度v_d＝2m/s。

所述的步骤二具体包括以下步骤：

(a)根据车辆实时速度和预瞄时间，计算合适的预瞄距离，其计算公式为：

l＝v_rT_p (2)

其中，l为预瞄距离(对应轨迹的弧长)，v_r为从GPS反馈、由CAN总线读取的车辆实时速度，T_p为预瞄时间，设置T_p＝1.2s。

(b)根据期望轨迹，计算轨迹上满足预瞄距离的采样点坐标，其计算公式为：

其中，x_d表示求解的采样点X轴位置坐标，θ_d表示该采样点的期望前轮航向角，表示轨迹的一阶导，x为轨迹X轴变量且x∈[0,x_f]，x_f为轨迹终点(由上层轨迹规划提供)。

将式(2)代入式(3)，求解x_d并将其代入式(1)得到采样点坐标(x_d,y_d)，同时求解期望前轮航向角θ_d。

所述的步骤三具体包括以下步骤：

(a)计算车辆实时的前轮航向角，其计算公式为：

其中，θ_h为GPS反馈的车辆实时航向角，δ_s为采集的方向盘转角反馈，δ_f车辆当前前轮偏角，b为方向盘与前轮偏角的比例系数，θ为车辆实时的前轮航向角。对于大客车，车身的航向存在大滞后的特性，而前轮航向滞后小，易于快速控制。控制的控制量直接作用于方向盘，而通过大量实验得到，方向盘转角与前轮偏角的比例系数b为23.1。根据从CAN总线读取的θ_h、δ_s代入式(4)，可得到车辆实时的前轮航向角θ。

所述的步骤四具体包括以下步骤：

(4a)由于大客车执行机构的大滞后特性，根据当前车辆航向角θ与期望航向角θ_d的偏差来计算方向盘转角变化量Δu，容易造成控制的滞后，因此为横向控制器设计一种预估控制模型，来预测车辆的航向变化趋势并将其计入控制偏差，以此模型来优化并替代原始偏差(即θ_d-θ)，其模型可表示为：

其中，T为采样周期，v为纵向速度(以前轮速度v_r近似)，R为前轮绕运动中心的半径，L为车轴长度，δ_f为前轮偏角，为车辆前轮航向在一个控制周期的变化量。设置T＝1.2s，v＝2m/s，L＝6m，将式(4)解得的δ_f代入式(5)，解得R,

(4b)计算车辆的预估前轮航向角，其计算公式为：

其中，θ为车辆当前的前轮航向角，θ_r为车辆的预估前轮航向角。将式(4)(5)解得的θ，代入式(6)，解得车辆预估前轮航向角θ_r,通过对未来航向变化趋势的预测，能够在横向控制中有效克服车辆的大惯性。

所述步骤五具体包括以下步骤：

(5a)计算前轮航向的偏差量e，其计算公式为：

e＝θ_d-θ_r (7)

(5b)计算前轮航向偏差对应的方向盘转角变化量，其公式为：

其中，Δu为前轮航向偏差对应的方向盘转角变化量，k为航向偏差对应方向盘转角变化量的比例系数并与v_r成反比，c为k和v_r的比例常量，经大量实验测得c＝24。本实施车辆实时速度恒定v_r＝2m/s，代入式(7)(8)可求解前轮航向偏差对应的方向盘转角变化量Δu。

(5c)计算输出的方向盘控制量，其计算公式为：

u＝δ_s+Δu (9)

其中，δ_s为采集的方向盘转角反馈，u为输出的方向盘控制量。根据车辆性能确定约束条件，包括u_min≤u≤u_max，u_min,u_max为实际行驶过程中方向盘转角的上下限，本实例中，u_min,u_max分别为-720°～+720°，当方向盘控制量为正时，方向盘向左旋转，反之方向盘向右旋转。将式(8)的Δu代入式(9)可得横向控制器的输出：方向盘控制量u。同时，也给定方向盘转角的角速度ω，其中，ω∈[100°/s,540°/s]，通过大量实验测得有经验驾驶员平均最大转角速度值，给定ω＝350°/s。

步骤六具体包括以下步骤：

(6a)由于车辆驱动装置启动时，车辆加速度从0增加到最大，直至车辆速度达到目标速度才停止驱动，降低了车辆的稳定性和舒适性，因此为其设计了一种梯形起步控制来限制驱动时候的加速度，使其保持在一个舒适的范围内，其控制模型如下：

若v_r<v_th,v_d<(v_th+1)，则令输出目标速度等于期望速度v_target＝v_d；

若v_r≥v_th,v_d<(v_th+1)，则起步控制结束；

若v_r<v_th,v_d≥(v_th+1)，则令目标速度等于阈值速度v_target＝v_th；

若v_r≥v_th,v_d≥(v_th+1),v_r<v_target，则令v_target＝v_r+1，且v_target≤v_d；

若v_r≥v_d，则起步控制结束；

本实施例2设置v_th＝2m/s，起步控制流程为：(1)若v_r＝0，v_d＝2m/s，v_th＝1m/s，令v_target＝v_th＝1m/s；(2)车辆逐渐提速，当v_r≥v_th，起步控制结束，在v_d不变化的前提下一直给定v_target＝v_d＝2m/s。

(6b)车辆在行驶的过程中需要提速，则控制模型如下：

若v_d≤(v_r+1)，则令v_target＝v_d；

若v_d>(v_r+1)，则令v_target＝v_r+1；

本实施例2当车辆从弯道进入直道后，目标速度v_d从1m/s变化为2m/s，此时令v_target＝v_d＝2m/s，车辆开始加速；当v_r≥v_d时，车辆结束加速行为，v_target＝2m/s保持不变；同时，在加速和匀速保持阶段均令a＝0。

(6c)车辆在行驶的过程中收到减速信号，则控制模型如下：

计算减速度a＝(v_d-v_r)/t_th，其中t_th为自定义的减速时间阈值；

若v_r≥v_d，a<a_th，其中a_th为自定义舒适性高的减速度阈值，则令a＝a_th；

若v_r≥v_d，a≥a_th，则保持a不变。

若v_r<v_d，则a＝0，车辆减速结束。

本实施例2当车辆从弯道进入弯道时，目标速度v_d从2m/s变化为1m/s，此时v_r＝2m/s，定义减速时间阈值t_th＝2s，则令a＝(v_d-v_r)/t_th＝-0.5m/s²，此时a>a_th＝-2.5m/s²；当v_r≤v_d时，减速结束且令a＝0；同时，在减速过程中，令v_target＝0。

(6d)若车辆在行驶的过程中收到急停信号，则减速度为最大减速度a＝a_max＝2m/s²,v_target＝0；

每采样周期均输出该采样周期内计算的方向盘控制量u、驱动目标速度v_target以及制动减速度a，并由CAN总线传入车辆执行机构进行控制响应。

当前控制周期结束后，在新的控制周期内重复步骤一至步骤五，依次循环实现大惯性客车的横向控制。参见图6所示，实施例的全局路径为细实线，车辆行驶的实际轨迹为×点，多边形代表全局终点，粗实线代表未走完的全局路径，车辆的实际行驶轨迹与给定的全局路径基本吻合。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种大惯性电动客车的智能驾驶横纵向解耦控制方法，其特征在于，包括以下步骤：

步骤1：根据车辆坐标系给定车辆行驶的期望轨迹和期望速度；

步骤2：根据GPS反馈的车辆实时速度，通过预瞄算法在期望轨迹上寻找采样点，并计算采样点的期望前轮航向角；

步骤3：根据GPS反馈的车辆航向角和车辆方向盘反馈的转角，计算车辆的实时前轮航向角；

步骤4：利用预估算法对车辆的实时前轮航向角进行预估，获取车辆的预估前轮航向角；

步骤5：利用车轮的期望前轮航向角和预估前轮航向角之间的偏差，以及实时采集的方向盘转角反馈信号，获得方向盘控制量，完成横向控制；

步骤6：利用车辆行驶的期望速度，对车辆实时速度进行修正，完成纵向控制；

所述步骤2中的采样点的期望前轮航向角为θ_d：

其中，为y的一阶导数，y表示车辆行驶的期望轨迹，y＝A₃x³+A₂x²+A₁x+A₀，A₃为期望轨迹曲率变化率，A₂为期望轨迹曲率，A₁为期望轨迹航向角，A₀为期望轨迹Y轴距离，A₃,A₂,A₁,A₀均为给定值；x表示期望轨迹上的点在X轴上的坐标；

利用l＝v_rT_p和求解当前的采样点在X轴上的坐标x_d；

其中，l为预瞄距离，属于预瞄时间内期望轨迹对应的轨迹弧长；T_p为设定的预瞄时间；v_r为车辆实时速度，x₀为GPS反馈的车辆实时位置坐标(x₀,y₀)中横坐标值。

2.根据权利要求1所述的方法，其特征在于，所述车辆的实时前轮航向角为θ：θ＝δ_f+θ_h；

其中，θ_h为GPS反馈的车辆实时车身航向角，δ_f为车辆实时前轮偏角，δ_s为实时采集的方向盘转角，b为方向盘转角与前轮偏角的比例系数。

3.根据权利要求2所述的方法，其特征在于，所述方向盘控制量为u：u＝δ_s+Δu；

其中，Δu为前轮航向偏差对应的方向盘转角变化量，Δu＝ke，k为航向偏差对应方向盘转角变化量的比例系数，且与车辆实时速度成反比；e为前轮航向的偏差量，e＝θ_d-θ_r；θ_r表示车辆的预估前轮航向角。

4.根据权利要求3所述的方法，其特征在于，所述车辆的预估前轮航向角采用以下公式计算获得：

其中，为车辆前轮航向角在一个采样周期内的变化量，T为采样周期，v为车辆实时速度，R为前轮绕运动中心的半径。

5.根据权利要求1-4任一项所述的方法，其特征在，所述纵向控制按以下步骤进行：

步骤6.1：起步控制

若v_r＜v_th,v_d＜(v_th+1)，则令输出的车辆目标速度v_target等于车辆期望速度v_d：v_target＝v_d；

若v_r≥v_th,v_d＜(v_th+1)，则起步控制结束；

若v_r＜v_th,v_d≥(v_th+1)，则令输出的车辆目标速度等于车辆速度阈值：v_target＝v_th；

若v_r≥v_th,v_d≥(v_th+1),v_r＜v_target，则令v_target＝v_r+1，且v_target≤v_d；

若v_r≥v_d，则起步控制结束；

步骤6.2：加速控制

若v_d≤(v_r+1)，则令v_target＝v_d；

若v_d＞(v_r+1)，则令v_target＝v_r+1；

步骤6.3：减速控制

计算减速度a＝(v_d-v_r)/t_th，其中，t_th为自定义的减速时间阈值；

若v_r≥v_d，a＜a_th，则令a＝a_th，其中，a_th为自定义舒适性高的减速度阈值，不超过3m/s²；

若v_r≥v_d，a≥a_th，则保持a不变；

若v_r＜v_d，则a＝0，车辆减速结束；

其中，v_th为车辆速度阈值，且v_th不超过3m/s，车辆目标速度v_target为控制器传给执行层的速度指令。

6.一种大惯性电动客车的智能驾驶横纵向解耦控制系统，其特征在于，包括：

车辆行驶期望轨迹和期望速度给定单元，根据车辆坐标系给定车辆行驶的期望轨迹和期望速度；

采样点生成单元，根据GPS反馈的车辆实时速度，通过在期望轨迹上预瞄寻找采样点；

采样点处车辆期望前轮航向角计算单元，用于计算采样点处的车辆期望前轮航向角；

车辆的预估前轮航向角计算单元，根据GPS反馈的车辆航向角和车辆方向盘反馈的转角，计算车辆的实时前轮航向角，利用预估算法对车辆的实时前轮航向角进行预估，获取车辆的预估前轮航向角；

横向控制单元，通过利用车轮的期望前轮航向角和预估前轮航向角之间的偏差，以及实时采集的方向盘转角反馈信号，获得方向盘控制量，完成横向控制；

纵向控制单元，利用车辆行驶的期望速度，对车辆实时速度进行修正，完成纵向控制；

所述采样点处车辆期望前轮航向角计算单元和车辆的预估前轮航向角计算单元采用权利要求4所述的方法进行计算获得。