CN107264620B - 用于控制自控车辆的转向的方法和系统 - Google Patents

用于控制自控车辆的转向的方法和系统 Download PDF

Info

Publication number
CN107264620B
CN107264620B CN201710173695.7A CN201710173695A CN107264620B CN 107264620 B CN107264620 B CN 107264620B CN 201710173695 A CN201710173695 A CN 201710173695A CN 107264620 B CN107264620 B CN 107264620B
Authority
CN
China
Prior art keywords
steering
control algolithm
autonomous vehicle
vehicle
controlling
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.)
Active
Application number
CN201710173695.7A
Other languages
English (en)
Other versions
CN107264620A (zh
Inventor
P·古皮塔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN107264620A publication Critical patent/CN107264620A/zh
Application granted granted Critical
Publication of CN107264620B publication Critical patent/CN107264620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/103—Side slip angle of vehicle body
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
    • B62D6/002—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits computing target steering angles for front or rear wheels
    • B62D6/003—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits computing target steering angles for front or rear wheels in order to control vehicle yaw movement, i.e. around a vertical axis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明涉及用于控制自控车辆的转向的方法和系统。根据一个实施例，自控车辆包括一个或多个车轮传感器和处理器。一个或多个传感器配置为获得与自控车辆的侧滑角相关的传感器数据。通过使用两个线性控制器的组合来实现所需路径的跟踪和稳定性的双重任务。第一控制器辅助跟踪，而第二控制器辅助车辆稳定性。当稳定性事件发生时，发生朝向第二控制器的逐渐偏移，并且随着从稳定性事件恢复朝向第一控制器逐渐偏移。还添加了通过改变所需轨迹和动态控制增益适配对驾驶员行为进行的模拟。

Description

用于控制自控车辆的转向的方法和系统
技术领域
本公开大体上涉及车辆，并且更具体地涉及用于控制自控车辆的转向的方法和系统。
背景技术
自控车辆是能够感测自身环境并在很少或没有用户输入的情况下导航的车辆。自控车辆使用诸如雷达、激光雷达、图像传感器等的感测设备感测自身环境。自控车辆系统进一步使用来自诸如全球定位系统(GPS)的系统的信息来导航。然而，可能需要改进自控车辆的控制，例如自控车辆转向时的控制。
因此，可能需要提供用于改进自控车辆的转向的控制的技术。还可能需要提供结合这种技术的方法、系统和车辆。此外，结合附图以及前述技术领域和背景技术，从随后的具体实施方式和所附权利要求书中，本发明的其他所需特征和特性将变得显而易见。
发明内容
根据示例性实施例，提供了一种方法。该方法包含经由由传感器提供的信息来确定自控车辆的侧滑角，并且至少部分地基于侧滑角使用所选的控制算法经由处理器控制自控车辆的转向。所选的控制算法选自第一控制算法和第二控制算法。
根据另一个示例性实施例，提供了一种系统。该系统包含传感器和处理器。传感器配置为获得与自控车辆的侧滑角相关的传感器数据。处理器配置为至少部分地基于侧滑角使用所选的控制算法以至少辅助控制自控车辆的转向，其中所选的控制算法选自第一控制算法和第二控制算法。
根据进一步的示例性实施例，提供了一种自控车辆。自控车辆包括一个或多个传感器和处理器。一个或多个传感器配置为获得与自控车辆的侧滑角的传感器数据相关。处理器配置为至少部分地基于侧滑角使用所选的控制算法至少来辅助控制自控车辆的转向，其中所选的控制算法选自第一控制算法和第二控制算法。
附图说明
在下文中将结合以下附图描述本公开，其中相同的标号标记表示相同的元件，并且其中：
图1是根据示例性实施例的自控车辆的功能框图，并且该车辆包括用于至少部分地基于车辆的侧滑角使用不同的控制算法来控制转向的控制系统；
图2是根据示例性实施例的用于控制自控车辆中的转向的过程的流程图，并且其可以结合图1的系统和车辆使用；
图3和图4是用于图2的过程的概念框架的流程图。并且
图5是根据示例性实施例的示出了示例性侧滑角阈值校准的图表，其可以结合图2到图4的过程使用。
具体实施方式
以下具体实施方式本质上仅是示例性的，并不旨在限制本公开或其应用和使用。此外，不希望受前述背景技术或以下具体实施方式中所表现的任何理论的约束。
图1示出了根据示例性实施例的车辆100或汽车。车辆100是自控车辆。如下面更详细描述的，车辆100包括转向系统150和用于至少基于车辆100的侧滑角控制车辆100的转向的控制系统102。车辆100可以是多种不同类型的汽车中的任何一种，诸如例如轿车、货车、卡车或运动型多用途车(SUV)，并且可以是两轮驱动(2WD)(即，后轮驱动或前轮驱动)、四轮驱动(4WD)或全轮驱动(AWD)。
在图1中所示的一个实施例中，车辆100除了上面提到的控制系统102和转向系统150之外还包括底盘112、车身114、四个车轮116、电子系统(ECS)118、动力传动系129，以及制动系统160。车身114布置在底盘112上并且基本上包围了车辆100的其他部件。车身114和底盘112可以共同地形成框架。车轮116分别在车身114的相应拐角附近旋转地耦接到底盘112。如图1中所示，每个车轮116包含车轮组件，该车轮组件包括轮胎以及车轮和相关部件(并且为了本申请的目的，它们统称为“车轮116”)。在各种实施例中，车辆100可以与图1中所示的车辆不同。
在图1中所示的示例性实施例中，动力传动系129包括发动机130的致动器组件120。在各种其他实施例中，动力传动系129可以不同于图1中所示的和/或下面描述的动力传动系(例如，在一些实施例中，该动力传动系可包括气体燃烧发动机130，而在其他实施例中，动力传动系129可包括单独的或与一个或多个其他动力传动系129部件(例如，用于电动车辆、混合动力车辆等)组合的电动机)。在图1中所示的一个实施例中，致动器组件120和动力传动系129安装在驱动车轮116的底盘112上。在一个实施例中，发动机130包含内燃发动机。在各种其他实施例中，发动机130可包含电动机和/或一个或多个其他传动系统部件(例如，用于电动车辆)，来代替内燃发动机或附加到内燃发动机。
仍然参考图1，在一个实施例中，发动机130通过一个或多个驱动轴134耦接到至少一些车轮116上。在一些实施例中，发动机130机械地耦接到变速器。在其他实施例中，发动机130可以替代地耦接到发电机，该发电机用于为机械地耦接到变速器的电动机提供动力。在某些其他实施例中(例如，电动车辆)，可以不需要发动机和/或变速器。
转向系统150安装在底盘112上，并且控制车轮116的转向。在各种实施例中，车辆100经由至少部分地基于车辆100的侧滑角从控制系统102提供给转向系统150的指令来自动地控制车辆100的转向，例如进一步在下面更详细地描述的。
制动系统160安装在底盘112上，并为车辆100提供制动。在各种实施例中，车辆100经由从控制系统102提供给制动系统160的指令来自动地控制车辆100的制动。
在一个实施例中，控制系统102安装在底盘112上。如上所述并且在下面更详细地(以及结合图2到图4进一步在下面)讨论的，控制系统102经由提供给转向系统150的指令来控制车辆100的转向，该指令至少部分地基于车辆100的侧滑角，以及各种实施例中的各种其他参数(在某些实施例中，以示例的方式包括所需路径、偏航速率、横向速度，以及实际时间成本函数)。
如图1中所示，在一个实施例中，控制系统102包含各种传感器104(本文中也称为传感器阵列)和控制器106。传感器104包括提供用于控制车辆100的转向的测量结果的各种传感器。在所示的实施例中，传感器104包括一个或多个转向角传感器162、偏航传感器164、车轮传感器166、加速度计168，以及导航传感器170。
转向角传感器162测量关于车辆100的转向角的信息。在某些实施例中，转向角传感器162是转向系统150的一部分或耦接到转向系统。例如，在各种实施例中，转向角传感器162可以耦接到车辆100的方向盘(如果车辆100具有方向盘)、车辆100的转向柱、车辆100的一个或多个轴或驱动轴、车辆100的一个或多个车轮116和/或车辆100的一个或多个其他位置。
偏航传感器164测量关于车辆100的一个或多个偏航值的信息。在一个实施例中，偏航传感器164测量车辆100的偏航速率。
车轮传感器166测量关于车辆100的一个或多个车轮116的信息。在一个实施例中，车轮传感器166包含耦接到车辆100的每个车轮116上的车轮速度传感器。同样在一个实施例中，车轮传感器166提供车轮相关信息(包括每个不同车轮116的单独车轮速度)，该信息用于确定车辆100的侧轮滑以及车辆100的横向速度，以及其他值。
一个或多个加速度计168测量关于车辆100的加速度的信息。在各种实施例中，加速度计168测量车辆100的一个或多个加速度值，包括横向和纵向加速度。
导航传感器170获得关于车辆100的位置和运动的信息。在一个实施例中，导航传感器170跟踪车辆100相对于车辆100的所需路径的位置和移动。导航传感器170可以以示例的方式包括前相机传感器、其他相机传感器(例如，附加相机传感器，例如，在车辆的后部、在车辆的乘客侧上或在车辆的驾驶员侧上、附加到车辆前部的相机上)和/或各种其他可能的传感器，诸如雷达、激光雷达、声纳、机器视觉、霍尔效应和/或其他传感器。另外，在某些实施例中，导航传感器还可以用于确定车辆100的一个或多个速度和/或加速度值。在一个实施例中，导航传感器170是卫星提供的网络的一部分或耦接到卫星提供的网络，诸如全球通信系统(GPS)和/或GPS设备的一部分。
控制器106耦接到传感器104和转向系统150。控制器106利用来自传感器104的信息来确定车辆100的转向滑角，以及其他参数值(诸如，以示例的方式，车辆100的所需路径、偏航速率和横向速度)。控制器106利用转向滑角(在各种实施例中，以及一个或多个其他参数)向转向系统150提供指令来自动地控制车辆100的转向。在某些实施例中，指令可以经由车载的一个或多个有线连接107(例如，车辆CAN总线)由一个或多个其他系统(例如，ECS118)直接或间接地从控制器106发送到转向系统150。在其他实施例中，指令可以经由一个或多个无线通信网络108(诸如经由一个或多个因特网、卫星、蜂窝通信和/或短程(例如，蓝牙)网络、系统和/或设备)从控制器106发送到转向系统150。
如图1中所示，控制器106包含计算机系统。在某些实施例中，控制器106还可以包括传感器104的一个或多个传感器、一个或多个其他设备和/或系统，和/或它们的部件。另外，应当理解，控制器106可以与图1中所示的实施例不同。例如，控制器106可以耦接到或可以另外利用一个或多个远程计算机系统和/或其他系统，诸如车辆100的转向系统150和/或电子系统118，和/或车辆100的一个或多个其他系统。
在所示的实施例中，控制器106的计算机系统包括处理器172、存储器174、接口176、存储设备178，以及总线180。处理器172执行控制器106的计算和控制功能，并且可以包含任何类型的处理器或多个处理器、单个集成电路(诸如微处理器)或任何合适数量的协同工作以完成处理单元的功能的集成电路设备和/或电路板。在操作期间，处理器172执行存储器174内所含的一个或多个程序182和多个控制算法184，并且因此控制控制器106的一般操作和控制器106的计算机系统，通常在执行本文所述的过程中这样操作，诸如在下面结合图2到图4进一步描述的那些。
存储器174可以是任何类型的合适的存储器。例如，存储器174可以包括各种类型的动态随机存取存储器(DRAM)(诸如SDRAM)、各种类型的静态RAM(SRAM)，以及各种类型的非易失性存储器(PROM、EPROM和闪存)。在某些示例中，存储器174位于和/或共同位于与处理器172相同的计算机芯片上。在所示的实施例中，存储器174存储上面提到的程序182和控制算法184。如图1中所示，控制算法184包括第一控制算法187和第二控制算法188。同样在所示的实施例中，存储器174存储增益调度函数189，其用于为第一控制算法187与第二控制算法188的对比提供相对加权。控制器106至少部分地基于车辆100的侧滑角和增益调度函数189使用第一控制算法187和第二控制算法188中的一个或多个所选的算法来控制转向，诸如根据进一步在下面结合图2到图4描述的过程。总线180用于在控制器106的计算机系统的各种部件之间传输程序、数据、状态，以及其他信息或信号。接口176允许例如从系统驱动器和/或另一计算机系统到控制器106的计算机系统的通信，并且可以使用任何合适的方法和装置来实现。在一个实施例中，接口176从传感器104的传感器获得各种数据。接口176可以包括一个或多个网络接口来与其他系统或部件通信。接口176还可以包括与技术人员通信的一个或多个网络接口，和/或连接到存储装置(诸如存储设备178)的一个或多个存储接口。
存储设备178可以是任何合适类型的存储装置，包括诸如硬盘驱动器、闪存系统、软盘驱动器，以及光盘驱动器的直接存取存储设备。在一个示例性实施例中，存储设备178包含程序产品，存储器174可以从该程序产品接收执行本公开的一个或多个过程的一个或多个实施例的程序182，诸如进一步在下面结合图2到图4描述的步骤。在另一示例性实施例中，程序产品可以直接存储在存储器174和/或光盘(例如光盘186)中和/或由存储器和/或光盘以另外方式访问，诸如下面提到的。
总线180可以是连接计算机系统和部件的任何合适的物理或逻辑装置。这包括但不限于直接硬线连接、光纤、红外，以及无线总线技术。在操作期间，程序182存储在存储器174中并由处理器172执行。
应当理解，尽管在完全工作的计算机系统的上下文中描述了该示例性实施例，但是本领域技术人员将认识到，本公开的机制能够作为程序产品来分发，该产品具有一种或多种类型的用于存储程序及其指令并执行它们的分发的非瞬时性计算机可读信号承载介质，诸如承载程序并含有存储在其中用于使计算机处理器(诸如处理器172)实现和执行程序的计算机指令的非瞬时性计算机可读介质。这种程序产品可以采用各种形式，并且本公开等同地应用而不考虑用于执行分发的计算机可读信号承载介质的特定类型。信号承载介质的示例包括：可记录介质，诸如软盘、硬盘驱动器、存储卡和光盘，以及传输介质，诸如数字和模拟通信链路。应当理解，在某些实施例中也可以利用基于云的存储和/或其他技术。类似地应当理解，控制器106的计算机系统也可以与图1中所示的实施例不同，例如控制器106的计算机系统可以耦接到或可以另外利用一个或多个远程计算机系统和/或其他系统。
应当理解，车辆100可以通过车辆自身上的“自产生”的命令、指令和/或输入以自动方式操作。替代地或另外地，车辆100可以由车辆100外部的一个或多个部件或系统产生的命令、指令和/或输入来控制，包括但不限于：其他自控车辆；后端服务器系统；位于操作环境中的控制设备或系统等。因此，在某些实施例中，车辆100可以使用车辆到车辆数据通信、车辆到基础设施数据通信和/或基础设施到车辆通信，以及其他变型(包括由驾驶员或其他操作者在某些模式下部分或完全控制，例如如上所述的)。
参考图2，根据示例性实施例，提供了用于控制自控车辆中的转向的过程200的流程图。根据各种实施例，过程200可以结合图1的车辆100来实现，包括车辆的控制系统102和转向系统150。
如图2中所示，过程200开始于步骤202。在一个实施例中，过程200在自控车辆运行时开始，例如当车辆处于“驱动模式”、沿着路径或道路移动和/或准备沿着所需路径移动时。
获得关于车辆的各种数据(步骤204)。在各种实施例中，数据包括来自图1的传感器104的各种信息、测量结果和其他数据，诸如速度位置值、车辆运动值、车辆速度和/或加速度、车辆的目标路径，以及车辆位置、运动和/或滑移值。在各种实施例中，作为步骤204的一部分，获得偏航速率、横向速度和侧滑角。在一个实施例中，偏航速率由图1的一个或多个偏航传感器164测量，作为步骤204的数据的一部分。在另一个实施例中，图1的处理器172利用来自步骤204的偏航传感器164的原始测量值来计算偏航速率。在某些实施例中，横向速度由图1的处理器172使用来自图1的一个或多个传感器104的数据来确定，诸如一个或多个车轮速度传感器166、加速度计168和/或导航传感器170。在某些其他实施例中，横向速度可以由传感器104的一个或多个传感器直接测量或确定。在一个实施例中，侧滑角由图1的处理器172使用来自图1的车轮传感器166的数据来确定。用于确定侧滑角的一种技术在题为“System for Estimating the Lateral Velocity of a Vehicle”(《用于估计车辆横向速度的系统》)的美国专利第8234090号中讨论，其全部内容通过引用并入本文。
获得车辆所需路径(步骤205)。在一个实施例中，车辆路径包含用于使车辆到达预定目的地(例如由车辆乘员输入的)的预定路线或其他路径。在某些实施例中，经由图1的处理器172结合图1的导航传感器170和/或一个或多个相关联的单元和/或系统(例如，导航系统、GPS系统等)来确定车辆路径。
确定初级控制器转向角(步骤212)。在一个实施例中，图1的处理器172使用上述的某些输入用图1的第一控制算法187确定初级控制器转向角。如进一步在下面讨论的，在一个实施例中，初级控制器使用也由下面描述的次级控制器使用的一些输入，也使用一些不同的输入。在一个实施例中，初级控制器转向角使用第一控制算法187作为车道居中特征的一部分，在使车道居中时具有相对高的优先级。同样在一个实施例中，处理器172利用步骤205的所需路径、步骤206的偏航速率和步骤208的横向速度使用图1的第一控制算法187来确定初级控制器转向角。
在一个实施例中，用扩充的自行车模型来跟踪所需路径。同样在一个实施例中，用线性二次调节器(LQR)最优控制来反馈控制所需路径跟踪目标。然而，可以使用任何其他反馈控制器，诸如PID。在一个示例中，自行车模型与以下方程结合使用：
其中偏航由“ψ”表示，车辆的纵向速度由“Vx”表示，前/后轮胎偏转刚度由“Cαf、Cαr”表示，前/后轮胎滑角由“αf、αr”表示，前转向角由“δf”表示，从重心(CG)到后轴和前轴的距离分别由“a”和“b”表示，“I”表示围绕垂直于车辆位于的平面的质量中心的惯性矩，“m”表示车辆的质量，并且“y”表示与所需路径的偏移。
同样在一个实施例中，通过求解Ricatti方程来获得用于LQR控制器的反馈力度，以最小化以下优化目标，
其中u＝δF,Q1&R1 are time varying cost matries、u＝δF、Q1和R1是与第一控制器相关联的随时间变化的成本矩阵。
另外，在一个实施例中，LQR(线性二次调节器)方法包含用于第一控制器的线性反馈控制，其为线性系统(其中A和B为状态矩阵)给出了控制器u＝-Kx(其中“x”表示状态)。在一个实施例中，通过求解代数Ricatti方程来计算LQR控制的增益K，并且使用以下方程表示用于第一控制器的反馈控制器：
然而，应当理解，在各种实施例中，可以利用任何数量的反馈控制器，来替代LQR线性控制器或者附加到LQR线性控制器。在某些实施例中，反馈控制器可以根据以下方程推广：
另外，在一个实施例中，使用下面的不足转向梯度方程来为控制器1获得前馈控制。
δFF,1＝LρDsrd+Kusvx 2ρDsrd
其中ρDsrd是所需轨迹曲率，Vx是车辆的纵向速度，L是车辆的长度，Kus是不足转向系数。
同样在一个实施例中，通过使用以下方程组合前馈和反馈力度来获得最终控制器1力度(即，对于第一控制器)：
δF,1＝δFB,1+δFF,1
确定次级控制器转向角(步骤214)。如上所述，在一个实施例中，次级控制器使用也由上面描述的初级控制器使用的一些输入，也使用一些不同的输入。在一个实施例中，图1的处理器172使用图1的第二控制算法188确定次级控制器转向角。在一个实施例中，次级控制器转向角使用第二控制算法188作为车辆稳定性特征的一部分，在补偿车辆的侧滑时具有相对高的优先级。同样在一个实施例中，处理器172使用步骤205的所需路径和步骤206的偏航速率用图1的第二控制算法188来确定次级控制器转向角。
在一个实施例中，次级控制器根据以下方程使用自行车模型的不同表示：
在该方程中，横向速度状态被侧滑状态(β)替换(与初级控制器使用的自行车模型方程相比)。剩余状态定义与上面描述的用于初级控制器的定义保持一致。
在一个实施例中，通过求解Ricatti方程来获得用于LQR控制器的反馈力度，以最小化以下优化目标，
其中u＝δF、Q2和R2是与第二控制器相关联的随时间变化的成本矩阵。
另外，在一个实施例中，用于第二控制器的LQR方法包含线性反馈控制，其为线性系统(其中A和B为状态矩阵)给出了控制器u＝-Kx(其中“x”表示状态)。在一个实施例中，通过求解代数Ricatti方程来计算用于第二控制器的LQR控制的增益K，并且使用以下方程表示用于第二控制器的反馈控制器：
类似于上面对于第一控制器的讨论，在一个实施例中，选择线性反馈控制器u＝-Kx，其中使用LQR方法计算K。然而，也类似于上面的讨论，应当理解，在各种实施例中，可以利用任何数量的反馈控制器用于第二控制器，来替代LQR线性控制器或者附加到LQR线性控制器。
在一个实施例中，根据以下方程，通过仅使用反馈力度来获得最终控制器2力度(即，用于第二控制器)：
δF,2＝δFB,2
在一个实施例中，与第二控制算法188相比，在步骤212中使用的第一控制算法187具有用于使车道居中时相对较高的优先级。同样在一个实施例中，与第一控制算法187相比，第二控制算法188具有用于车辆稳定性的相对较高的优先级。另外，在一个实施例中，与第二控制算法188相比，第一控制算法187提供了相对更主动的转向
作出关于车辆的侧滑角是否小于第一预定阈值(k1)的确定(步骤216)。在一个实施例中，由图1的处理器172基于步骤210的结果进行该确定。在各种实施例中，侧滑角包含图1的车辆100的一个或多个车轮116的侧滑角。在一个实施例中，侧滑角是车辆100的每个车轮116的平均滑角。然而，这在其他实施例中可以变化。
在一个实施例中，根据前馈转向RWA计算来确定β控制开始处的侧滑角阈值。前馈项再次取决于所需的轨迹曲率。
δFF＝LρDsrd+Kusvx 2ρDsrd
同样在一个实施例中，获得侧滑角阈值作为校准表在图5中示出了一个这样的示例，其中x轴(502)表示前馈转向RWA，y轴(504)表示使β控制有效的侧滑角阈值。
如果在步骤216中确定侧滑角小于第一预定阈值(k1)，则利用步骤212的初级控制转向角(步骤218)。在一个实施例中，根据图1的第一控制算法187，经由图1的处理器172利用步骤212的初级控制转向角来向图1的转向系统150提供指令。在一个实施例中，在步骤218期间专门使用第一控制算法187，而不使用第二控制算法188。在其他实施例中，这可以变化。例如，在一个实施例中，其中侧滑角先前大于或等于预定阈值但是现在小于预定阈值的，第一控制算法187和第二控制算法188在侧滑角变得小于预定阈值之后在预定量的时间内一起使用(例如，在一个实施例中，在逐渐停止第二控制算法188的同时逐渐启用第一控制算法187)，之后如果侧滑角持续小于预定阈值，则专门使用第一控制算法187。在一个实施例中，在过渡时段期间利用图1的增益调度函数189，例如来为第一控制算法187与第二控制算法188的对比提供相对加权。在一个实施例中，该过程进行到步骤224，其进一步在下面讨论。
在一个实施例中，通过根据以下方程组合初级和次级控制器力度来获得输出增益调度的控制器力度：
δF＝(1-γgain,sched)δF,2+γgain,schedδF,1
其中γgain,sched是归一化增益调度函数。对于当前实施例，其被选为
其中K1是校准参数。然而，在各种实施例中，归一化增益调度函数的选项不限于上述方程式。
返回参考步骤216，如果反而确定侧滑角大于或等于第一预定阈值(k1)，则作出关于车辆的侧滑角是否大于第二预定阈值(k2)的确定(步骤219)。在一个实施例中，第二预定阈值(k2)大于第一预定阈值(k1)。同样在一个实施例中，由图1的处理器172基于步骤210的结果进行该确定。
如果在步骤219中确定侧滑角大于第二预定阈值(k2)，则逐渐停止经由第一控制器的控制(步骤220)。具体地，在一个实施例中，在步骤220期间，利用上述归一化增益调度函数来有效地对第一控制器进行插值和过渡。同样在一个实施例中，其经由图1的处理器172来实现。在一个实施例中，该过程进行到步骤224，其进一步在下面讨论。
相反地，如果在步骤219中确定侧滑角小于或等于第二预定阈值(k2)，则根据增益调度函数来组合第一控制器和第二控制器(步骤222)。在一个实施例中，这是经由图1的处理器172执行的，来使用存储在图1的存储器174中的增益调度函数189实现图1的第一控制算法187和第二控制算法188。
在一个实施例中，在步骤222期间，基于初级和/或次级控制器的使用来为车辆驱动确定实际成本，并且实际成本(作为初级和次级控制器的组合)连同图2的增益调度函数189一起用于转向控制。同样在一个实施例中，基于结合增益调度函数使用的实际成本来更新增益调度函数。同样在一个实施例中，在步骤222期间，初级和次级控制器的单独的力度(分别来自步骤212和步骤214)根据了以下方程的增益调度函数组合在一起：
δF＝(1-γgain,sched)δF,2+γgain,schedδF,1
在一个实施例中，增益调度函数由以下方程表征：
其中，δFF,1＝LρDsrd+Kusvx 2ρDsrd
因此，在一个这样的实施例中，用于增益调度函数的参数包含β、Vx和ρDsrd。在一个实施例中，后两个参数Vx和ρDsrd是通过校准参数(例如，图5中所示的)影响的间接参数。因此，在一个实施例中，γgain,sched的主要相关是关于β。因此，在一个实施例中，当β增加时γgain,sched减少，并且反之亦然。
因此，在一个实施例中，对于足够大的侧滑角(例如，其大于第二预定阈值k2)，则可以假定调度增益近似等于零，即，γgain,sched≈0。可以选择校准阈值K0，使得当γgain,sched<K0时，其中K0≈0，
然后，我们可以将增益调度控制力度近似为，δF＝(1-γgain,sched)δF,2＝δF,2因为γgain,sched≈0
因此，在一个实施例中，该过程可以，在侧滑角太大时基本上忽略第二控制器，对于中等的滑移角则经由增益调度方法组合第一和第二控制器，并且对于大侧滑角再忽略第一控制器，以获得最终控制力度(例如，在步骤220中，如上所述)。
因此，在一个实施例中，过程200满足以下双重任务(i)跟踪所需路径；和(ii)稳定性。然后在一个实施例中，初级控制器提供核心跟踪特征，而次级控制器通过使侧滑(其为稳定性控制的分量)最小化帮助将车辆保持在线性操作范围内。通过使用增益调度方案，这些控制器的组合提供了主要维持目标跟踪的控制算法，但是当我们最需要稳定性时也向我们给予稳定性。此外，在一个实施例中，当调用次级控制器时，次级控制器尝试通过使算法变得更良性来影响一个或多个所需轨迹计算算法，类似于在环路中的驾驶员将做出的行为。当稳定性事件消失并且过程返回到初级控制器时，初级控制器在一段时间内变得良性(通过过渡返回)。
图3是根据示例性实施例的用于图2的过程200的第一概念框架300的流程图。如图3中所示，利用对于不同类型的传感器信息(例如，相机、GPS、雷达)的融合302来获得对车辆的周围环境的描述，包括车道标记和/或道路和车辆的周围环境的其他特性。另外，使用传感器融合提供的数据利用路径规划304来规划轨迹以满足任何目标(例如，用于使车道居中和/或改变车道)。在一个实施例中，使用来自图1的导航传感器170(和/或相关联系统)的数据(例如，来自图2的步骤204)来确定所需路径(例如，对应于图2的步骤205)。
所需路径306连同偏航速率308一起提供给初级路径控制器318(例如，对应于图1的第一控制算法187)。此外，非线性自行车模型观测器/估计器310用于生成也提供给初级路径控制器318的横向速度312。初级路径控制器318还从实际时间成本函数314和实际时间状态空间矩阵316接收输入。此外，前馈路径跟踪控制器320从初级路径控制器318接收输入，并且还向初级路径控制器318发送输入。另外，次级控制器324(例如，对应于图1的第二控制算法188)接收关于车辆的侧滑角322的信息(如经由非线性自行车模型观测器/估计器310产生的)，连同关于所需路径306和偏航速率308的信息，以及实际时间成本函数314和实际时间状态空间矩阵316。
另外，路径跟踪控制器320还产生附加输入328(例如，关于车辆的操作条件)，其在334处用于基于特定输入328(例如，操作条件)确定最大可允许侧滑角336。此外，次级控制器324产生次级控制器转向角338(即，对应于图2的步骤214的次级控制器转向角)。向增益调度函数340提供初级控制器角332、最大可允许侧滑角336和次级控制器转向角338，以及侧滑角322中的每一个，增益调度函数然后产生增益调度转向角342来控制车辆的转向。
图4是根据示例性实施例的用于图2的过程200的第二概念框架400的流程图。如图4中所示，提供路径规划402(例如，包括车辆的所需目的地和所需路线或其他路径)给初级控制器404和次级控制器406。提供来自初级控制器404和次级控制器406的相应的转向角405、407给增益调度函数408。作出关于次级控制器406最近是否被激活过的确定410。如果次级控制器最近未被激活过，则不作出转向改变(步骤412)。相反地，如果次级控制器最近被激活过，则让路径规划402(由主控制器404和次级控制器406共同使用)使用附加输入414来选择更良性的所需路径，并且实际时间成本函数的增加的致动器成本也作为附加输入416提供给初级控制器404。
在LQR框架中，这意味着当稳定性事件发生时使用以下方程增加成本R1：
应当理解，所公开的方法、系统和车辆可以与附图所示和本文所述的那些不同。例如，车辆100、控制系统102和/或它们的各种部件可以与在图1中所示并结合图1进行描述的那些不同。类似地应当理解，显示项200、202可以与图2中所示的不同。另外，应当理解，概念框架300和过程400可以与图3和图4中分别所示的那些不同。
尽管在前面的具体实施方式中已经表示了至少一个示例性实施例，但是应当理解，存在着大量的变型。还应当理解，一个或多个示例性实施例仅仅是示例，并不旨在以任何方式限制本公开的范围、适用性或配置。相反地，前面的具体实施方式将为本领域技术人员实现一个或多个示例性实施例提供方便的路线图。应当理解，在不脱离所附权利要求书及其法律等同物的范围的情况下，可以对元件的功能和布置作出各种改变。

Claims (8)

1.一种用于控制自控车辆的转向的方法，包括：
获得关于自控车辆的侧滑角的信息；
使用至少部分地基于所述侧滑角的所选的控制算法经由处理器来控制所述自控车辆的转向，其中所述所选的控制算法选自第一控制算法和第二控制算法；
其中，控制所述自控车辆的所述转向的步骤包括：
如果所述侧滑角小于第一预定阈值，则使用所述第一控制算法来控制所述转向；
如果所述侧滑角大于第二预定阈值，则使用所述第二控制算法来控制所述转向；以及
其中，控制所述自控车辆的所述转向的步骤包括：
如果所述侧滑角先前小于所述第一预定阈值并且现在大于所述第一预定阈值，则从使用所述第一控制算法来控制所述转向转换成使用所述第二控制算法来控制所述转向。
2.根据权利要求1所述的用于控制自控车辆的转向的方法，其中控制所述自控车辆的所述转向的步骤包括：
如果所述侧滑角先前大于所述第一预定阈值并且现在小于所述第一预定阈值，则从使用所述第二控制算法来控制所述转向转换成使用所述第一控制算法来控制所述转向。
3.根据权利要求２所述的用于控制自控车辆的转向的方法，其中：
在过渡期间侧滑角小于所述第一预定阈值，则所述第一控制算法和所述第二控制算法都同时用于控制所述转向；并且
在侧滑角已经小于第一预定阈值之后，只利用所述第一控制算法而不用所述第二控制算法来控制转向。
4.根据权利要求1所述的用于控制自控车辆的转向的方法，其中与所述第二控制算法相比，所述第一控制算法提供相对更主动的转向。
5.根据权利要求1所述的用于控制自控车辆的转向的方法，其中：
与所述第二控制算法相比，所述第一控制算法具有用于使车道居中的相对较高的优先级；并且
与所述第一控制算法相比，所述第二控制算法具有用于车辆稳定性的相对较高的优先级。
6.根据权利要求1所述的用于控制自控车辆的转向的方法，其中：
控制算法的选择至少部分地基于结合了增益调度函数的所述侧滑角，所述增益调度函数结合了至少部分地基于所述侧滑角的实际时间成本函数。
7.一种用于控制自控车辆的转向的系统，包括：
配置为获得与自控车辆的侧滑角相关的传感器数据的传感器；以及
配置为使用至少部分地基于所述侧滑角的所选的控制算法至少来辅助控制所述自控车辆的转向的处理器，其中所述所选的控制算法选自第一控制算法和第二控制算法，其中，所述处理器配置为执行程序以实现根据权利要求1至６中任一项所述的用于控制自控车辆的转向的方法。
8.一种自控车辆，包括：
一个或多个配置为获得与自控车辆的侧滑角相关的传感器数据的传感器；以及
配置为使用至少部分地基于所述侧滑角的所选的控制算法以至少辅助控制所述自控车辆的转向的处理器，其中所述所选的控制算法选自第一控制算法和第二控制算法，其中，所述处理器配置为执行程序以实现根据权利要求1至６中任一项所述的用于控制自控车辆的转向的方法。
CN201710173695.7A 2016-04-07 2017-03-22 用于控制自控车辆的转向的方法和系统 Active CN107264620B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/093,052 US9796421B1 (en) 2016-04-07 2016-04-07 Autonomous vehicle lateral control for path tracking and stability
US15/093052 2016-04-07

Publications (2)

Publication Number Publication Date
CN107264620A CN107264620A (zh) 2017-10-20
CN107264620B true CN107264620B (zh) 2019-05-10

Family

ID=59929871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710173695.7A Active CN107264620B (zh) 2016-04-07 2017-03-22 用于控制自控车辆的转向的方法和系统

Country Status (3)

Country Link
US (1) US9796421B1 (zh)
CN (1) CN107264620B (zh)
DE (1) DE102017106684B4 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10343685B2 (en) * 2016-09-28 2019-07-09 Baidu Usa Llc Physical model and machine learning combined method to simulate autonomous vehicle movement
US10019008B2 (en) * 2016-09-28 2018-07-10 Baidu Usa Llc Sideslip compensated control method for autonomous vehicles
IT201600109633A1 (it) * 2016-10-31 2018-05-01 Magneti Marelli Spa Procedimento e sistema di controllo adattivo in un veicolo terrestre per l'inseguimento di un percorso, particolarmente in uno scenario di guida autonoma.
EP3360757B1 (en) 2017-02-10 2019-10-02 Volvo Car Corporation Steer torque manager for an advanced driver assistance system of a road vehicle
EP3375696B1 (en) * 2017-03-17 2019-11-20 Volvo Car Corporation Steer torque manager for an advanced driver assistance system of a road vehicle
EP3378731B1 (en) 2017-03-20 2020-01-15 Volvo Car Corporation Apparatus and method for driver activity dependent (adas) wheel angle controller
EP3378733B1 (en) * 2017-03-20 2020-01-15 Volvo Car Corporation Apparatus and method for situation dependent wheel angle control (had or adas)
CN107943060B (zh) * 2017-12-29 2021-12-07 上海司南卫星导航技术股份有限公司 一种自动驾驶仪、沿着跟踪直线引导车辆的方法以及计算机可读介质
US10576991B2 (en) 2018-02-09 2020-03-03 GM Global Technology Operations LLC Systems and methods for low level feed forward vehicle control strategy
US10909866B2 (en) 2018-07-20 2021-02-02 Cybernet Systems Corp. Autonomous transportation system and methods
CN110968088B (zh) * 2018-09-30 2023-09-12 百度（美国）有限责任公司 车辆控制参数的确定方法、装置、车载控制器和无人车
US10836395B2 (en) * 2018-11-16 2020-11-17 Great Wall Motor Company Limited Efficient optimal control with dynamic model for autonomous vehicle
US11447126B2 (en) 2019-01-31 2022-09-20 Gm Cruise Holdings Llc Preemptive chassis control intervention for autonomous vehicle
CN110209177B (zh) * 2019-07-02 2022-04-15 天津大学 基于模型预测和自抗扰的无人驾驶汽车控制方法
CN112394740B (zh) * 2019-08-12 2022-06-17 天津大学 一种无人驾驶碾压机前进过程的复合抗扰轨迹跟踪控制算法
RU2724008C1 (ru) * 2019-11-01 2020-06-18 Федеральное государственное унитарное предприятие "Центральный ордена Трудового Красного Знамени научно-исследовательский автомобильный и автомоторный институт "НАМИ" (ФГУП "НАМИ") Система автоматического управления траекторным движением транспортного средства с функцией курсовой устойчивости
FR3110130B1 (fr) 2020-05-12 2022-07-01 Renault Sas Module de contrôle de trajectoire, dispositif de contrôle de trajectoire et procédé associés
FR3110129B1 (fr) 2020-05-12 2023-03-10 Renault Sas Module de calcul de trajectoire, dispositif de contrôle de trajectoire et procédé associés
US11518412B2 (en) 2020-06-30 2022-12-06 Zoox, Inc. Trajectory determination for four-wheel steering
US11414127B2 (en) 2020-06-30 2022-08-16 Zoox, Inc. Trajectory tracking with four-wheel steering
US11345400B2 (en) * 2020-06-30 2022-05-31 Zoox, Inc. Trajectory tracking with four-wheel steering and steering limits
JP2022089701A (ja) * 2020-12-04 2022-06-16 パナソニックＩｐマネジメント株式会社 制御方法、プログラム、移動体システム及び部品実装システム
CN112859869B (zh) * 2021-01-20 2023-01-03 中车青岛四方机车车辆股份有限公司 一种车辆路径跟踪方法、装置、控制器、车辆和介质
FR3119141A1 (fr) 2021-01-25 2022-07-29 Renault S.A.S Module de calcul de trajectoire, dispositif de contrôle de trajectoire et procédé associés
CN113815602B (zh) * 2021-07-19 2023-10-24 北京理工大学 一种车辆横向自适应控制方法
WO2024005868A2 (en) * 2021-10-29 2024-01-04 Atieva, Inc. Lidar data compression and processing
EP4223616A1 (en) * 2022-02-02 2023-08-09 Aptiv Technologies Limited Methods and systems for lateral control of a vehicle

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5913376A (en) * 1995-10-31 1999-06-22 Honda Giken Kogyo Kabushiki Kaisha Automatic steering control apparatus
US5790966A (en) * 1996-04-01 1998-08-04 Ford Global Technologies, Inc. Method for determining steering position of automotive steering mechanism
US7689393B2 (en) * 2003-12-09 2010-03-30 Ford Motor Company Method and apparatus for controlling a vehicle computer model
US7788007B2 (en) * 2006-01-12 2010-08-31 Gm Global Technology Operations, Inc. Roll stability indicator for vehicle rollover control
US8180513B2 (en) * 2008-05-05 2012-05-15 Southwest Research Institute Autonomous ground vehicle control system for high-speed and safe operation
US8170739B2 (en) * 2008-06-20 2012-05-01 GM Global Technology Operations LLC Path generation algorithm for automated lane centering and lane changing control system
US8428843B2 (en) * 2008-06-20 2013-04-23 GM Global Technology Operations LLC Method to adaptively control vehicle operation using an autonomic vehicle control system
US8126642B2 (en) * 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US7908112B2 (en) 2008-11-24 2011-03-15 GM Global Technology Operations LLC Dynamic observer for the estimation of vehicle lateral velocity
IT1396906B1 (it) * 2009-05-21 2012-12-20 Piaggio & C Spa Metodo di controllo di un ammortizzatore di sterzo elettronicamente modulabile per un veicolo a due ruote ed apparato implementante lo stesso
DE102011082364A1 (de) * 2010-09-09 2012-03-22 Continental Teves Ag & Co. Ohg Lenkwinkelbestimmung für ein Kraftfahrzeug
US20120283912A1 (en) * 2011-05-05 2012-11-08 GM Global Technology Operations LLC System and method of steering override end detection for automated lane centering
US8775006B2 (en) * 2011-07-14 2014-07-08 GM Global Technology Operations LLC System and method for enhanced vehicle control
FR2989047B1 (fr) * 2012-04-05 2014-04-11 Renault Sa Systeme de commande de vehicule en mode autonome et vehicule comprenant un tel systeme de commande
US9340227B2 (en) * 2012-08-14 2016-05-17 Magna Electronics Inc. Vehicle lane keep assist system
DE112013007674B4 (de) * 2013-12-06 2022-11-03 GM Global Technology Operations LLC Vorwarnung bei Überschreiten eines Grenzwertes für ein Lenkdrehmoment eines LCC
US9150246B2 (en) * 2013-12-06 2015-10-06 GM Global Technology Operations LLC Algorithm for steering angle command to torque command conversion
CN104773170B (zh) * 2015-04-28 2017-03-29 吉林大学 一种车辆稳定性集成控制方法
DE102015216236A1 (de) 2015-08-25 2017-03-02 Continental Teves Ag & Co. Ohg Verfahren und eine Vorrichtung zur Spurführung eines autonomen Fahrzeuges
US10061326B2 (en) * 2015-12-09 2018-08-28 International Business Machines Corporation Mishap amelioration based on second-order sensing by a self-driving vehicle

Also Published As

Publication number Publication date
DE102017106684B4 (de) 2022-12-01
US20170291638A1 (en) 2017-10-12
DE102017106684A1 (de) 2017-10-12
CN107264620A (zh) 2017-10-20
US9796421B1 (en) 2017-10-24

Similar Documents

Publication Publication Date Title
CN107264620B (zh) 用于控制自控车辆的转向的方法和系统
JP4161923B2 (ja) 車両安定化制御システム
DE102007037209B4 (de) Verfahren zur Fahrzeugsteuerung
CN101288081B (zh) 车辆横摆稳定系统
DE102007037508B4 (de) Verfahren zur Fahrzeugsteuerung
JP3956693B2 (ja) 統合型車両運動制御装置
US11891048B2 (en) Method for generating a setpoint for the combined control of a wheel-steering system and of a differential braking system of a motor vehicle
JP4835054B2 (ja) 車両安定化制御システム
CN107085424A (zh) 用于自动驾驶的预瞄横向控制
US8078373B2 (en) Vehicle dynamics prediction with lane/path information using a preview-correction-prediction approach
CN105857301B (zh) 用于带有独立前推进系统和后推进系统的车辆的扭矩控制
CN108177692A (zh) 一种电动轮驱动汽车差动助力转向与稳定性协调控制方法
CN101674965A (zh) 车辆行为控制装置
Hang et al. Cooperative control framework for human driver and active rear steering system to advance active safety
CN105774905A (zh) 与电动助力转向控制器和后转向一体化的防碰撞控制
Lin et al. Coordinated control architecture for motion management in ADAS systems
WO2023287914A1 (en) System and methods of integrating vehicle kinematics and dynamics for lateral control feature at autonomous driving
CN114954507A (zh) 海拔转变期间自动驾驶的主动轨迹跟踪控制
Zhang Multi-axle vehicle modeling and stability control: a reconfigurable approach
Rengaraj Integration of active chassis control systems for improved vehicle handling performance
CN114475590B (zh) 一种电动汽车力矩控制方法和系统以及可读存储介质
Genta et al. Driving Assistance and Autonomous Vehicles
Singh et al. Design Evolution of Vehicle Dynamics and Controls from Mechanization, Electrification to Autonomy
Regolin Vehicle Dynamics Control in MAGV: Forces Estimation and Motion Planning Methods
CN116788346A (zh) 车辆中线控转向系统的不足转向度的补偿信息确定方法

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