CN108357485B - 一种自动驾驶车辆的横向冗余控制方法和系统 - Google Patents

Abstract

本发明提供了一种自动驾驶车辆的横向冗余控制方法，包括：基于目标纵向加速度和目标横摆角速度分别计算车辆的总目标纵向力和目标横摆力矩；基于实际纵向加速度和实际横向加速度计算每个车轮的极限纵向力估计值；根据所计算的总目标纵向力、目标横摆力矩和极限纵向力估计值构建目标函数，以及根据所述极限纵向力估计值和车辆的当前最大驱动力构建约束规则；对所构建的目标函数和约束规则进行求解，得到每个车轮的目标纵向力；基于所得到的每个车轮的目标纵向力确定需求的总驱动力和每个车轮所需求的制动力；基于所确定的总驱动力和每个车轮所需求的制动力进行相应的控制。本发明能够同时兼顾纵向目标和横向目标的实现，提升了车辆可控性及安全性。

Description

一种自动驾驶车辆的横向冗余控制方法和系统

技术领域

本发明涉及自动驾驶车辆控制领域，具体涉及一种在转向系统失效情况下，基于纵向力差动控制的自动驾驶车辆的横向冗余控制方法和系统。

背景技术

自动驾驶正以强劲的势头席卷全球汽车业，世界多国均发布了由驾驶辅助逐渐过渡到完全自动驾驶的战略目标。随着自动驾驶等级的提升，驾驶员的操作逐渐减少，特别是在国际自动机械工程师学会(SAE)定义中三级及以上的自动驾驶车辆，主要由机器监控行车环境，人类驾驶员不需要一直坐在驾驶座上手握方向盘。对于这些高级自动驾驶车辆，其通常可分为环境感知、智能决策及控制执行三大技术层次。其中控制执行层包括车辆的驱动/制动系统和转向系统,自动执行驱动、制动和转向操作，从而实现车辆的纵向和横向控制目标，使车辆跟随期望轨迹。而如果一旦执行系统出现故障，驾驶员无法快速介入，仍需要通过计算机操作进行认知判别干预，因此在车辆转向、制动执行系统的设计中需要考虑失效情况下无驾驶员操作可自动执行的系统冗余方案。

车辆的横向控制目标实现通常依赖转向系统如电子助力转向(EPS)，其可在无驾驶员操作的情况下，由电机主动控制方向盘转角，从而控制前轮转角使车辆跟随目标轨迹。对于自动驾驶等级较低的车辆，其在EPS失效的情况下可由驾驶员进行无助力转向，而高级自动驾驶车辆驾驶员在EPS系统失效时尚未介入，智能决策层的横向控制目标就需要一套横向冗余系统来实现。

目前通过车辆左右侧车轮纵向力不同来控制车辆转向的纵向力差动控制方法可以实现横向冗余控制，与双EPS电机等方法相比，具有明显的低成本优势，并且对于转向系统机械卡死的情况下，双EPS方案无法实现冗余控制。但现有的纵向力差动控制冗余方案，仅考虑横向控制目标，在车辆驱动力及制动力分配上并未综合考虑其引起车辆纵向速度的变化，无法满足高级自动驾驶对于纵向控制目标的需求，容易导致车辆尚未到达安全区域即进入车速过低甚至刹停状态，存在安全隐患。

因此，在通过纵向力差动进行横向冗余控制时，如果同时兼顾自动驾驶车辆的纵向控制目标，将能够更好的提升自动驾驶车辆的安全性。

发明内容

本发明的目的在于解决现有技术存在的以上问题，提出一种在转向系统失效情况下，基于纵向力差动控制且能够兼顾横纵向控制目标的横向冗余控制方法和系统。

本发明采用的技术方案为：

本发明实施例提供一种自动驾驶车辆的横向冗余控制方法，包括：基于目标纵向加速度、车辆的行驶阻力以及第一预设运算关系计算车辆的总目标纵向力；基于目标横摆角速度和第二预设运算关系计算车辆的目标横摆力矩；基于车辆的实际纵向加速度、实际横向加速度和第三预设运算关系计算每个车轮的极限纵向力估计值；根据所计算的总目标纵向力、目标横摆力矩和极限纵向力估计值构建目标函数，以及根据所述极限纵向力估计值和车辆的当前最大驱动力构建约束规则；对所构建的目标函数和约束规则进行求解，得到每个车轮的目标纵向力；基于所得到的每个车轮的目标纵向力确定需求的总驱动力和每个车轮所需求的制动力；以及基于所确定的总驱动力和每个车轮所需求的制动力进行相应的控制。

进一步地，所述基于目标纵向加速度、车辆的行驶阻力以及第一预设运算关系计算车辆的总目标纵向力包括根据下述公式(1)计算所述总目标纵向力：

其中，F_{x_all}为总目标纵向力，m为整车质量，f为滚动阻力系数，C_D为空气阻力系数，A_s为迎风面积，ρ为空气密度，V为车速，δ为旋转质量换算系数，K_{p_a}为比例控制增益系数，a_{x_e}为目标纵向加速度，a_x为实际纵向加速度。

进一步地，所述基于目标横摆角速度和第二预设运算关系计算车辆的目标横摆力矩包括根据下述公式(2)计算所述目标横摆力矩：

其中，M为目标横摆力矩，r_e为目标横摆加速度，r为实际横摆角速度，s为传递函数，K_{p_M}为比例控制增益系数，δ_sw为方向盘转角，n为转向传动比，ω_n为整车固有频率，ζ为阻尼常数；和分别为单位前轮转向角和横摆力矩输入下的车辆横摆角速度稳态响应，T_r和T_M为时间常数。

进一步地，所述基于车辆的实际纵向加速度、实际横向加速度和第三预设运算关系计算每个车轮的极限纵向力估计值包括根据下述公式(3)计算所述每个车轮的极限纵向力估计值：

其中，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，m为整车质量，h为车辆的质心高度，B为前轮之间的轮距，l为前轴和后轴之间的轴距，l_r为后轴到质心的距离，l_f为前轴到质心的距离，μ为地面附着系数，k_safe为安全系数，a_x为实际横向加速度，a_y为实际纵向加速度。

进一步地，所述根据所计算的总目标纵向力、目标横摆力矩和极限纵向力估计值构建目标函数包括根据下述公式(4)构建目标函数：

其中，J_min为目标函数，F_{x_all}为总目标纵向力，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力，M为目标横摆力矩，B为前轮之间的轮距，k₁和k₂分别为预设的纵向及横向控制目标权重。

进一步地，所述根据所述极限纵向力估计值和车辆的当前最大驱动力构建约束规则包括根据下述公式(5)构建所述约束规则：

其中，T_e-max为车辆当前最大驱动力，i_g为当前变速器传动比，i₀为主减速器传动比，r_t为车轮半径，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力。

进一步地，基于所得到的每个车轮的目标纵向力确定需求的总驱动力包括根据下述公式(6)确定所需求的驱动力：

F_drive＝max(max(f_xfl+f_xrl+f_xfr+f_xrr,f_xfl+f_xrl),f_xfr+f_xrr) (6)

其中，F_drive为需求的总驱动力，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力。

进一步地，基于所确定的每个车轮的目标纵向力确定每个车轮所需求的制动力包括：根据所确定的每个车轮的目标纵向力确定每个车轮为驱动还是制动；根据所确定的驱动和制动情况，确定每个车轮所需求的制动力。

本发明另一实施例提供一种自动驾驶车辆的横向冗余控制系统，包括：第一计算模块，用于基于目标纵向加速度、车辆的行驶阻力以及第一预设运算关系计算车辆的总目标纵向力；第二计算模块，用于基于目标横摆角速度和第二预设运算关系计算车辆的目标横摆力矩；第三计算模块，用于基于车辆的实际纵向加速度、实际横向加速度和第三预设运算关系计算每个车轮的极限纵向力估计值；构建模块，包括第一构建模块和第二构建模块，所述第一构建模块用于根据所述第一计算模块所计算的总目标纵向力、所述第二计算模块所计算的目标横摆力矩和第三计算模块所计算的极限纵向力估计值构建目标函数，所述第二构建模块用于根据极限纵向力估计值和车辆的当前最大驱动力构建约束规则；第四计算模块，用于对所构建的目标函数和约束规则进行求解，得到每个车轮的目标纵向力；第五计算模块，用于基于所述第四计算模块所得到的每个车轮的目标纵向力确定需求的总驱动力和每个车轮所需求的制动力；以及控制模块，用于基于所述第五计算模块所确定的总驱动力和每个车轮所需求的制动力进行相应的控制。

本发明实施例提供的自动驾驶车辆的横向冗余控制方法和系统，通过目标纵向加速度和目标横摆角速度计算总目标纵向力和目标横摆力矩，然后结合每个车轮的极限纵向力估计值构建目标函数和约束规则，形成二次规划问题，求解得到最优的每个车轮的目标纵向力，然后基于得到的每个车轮的目标纵向力来确定发动机总驱动力和每个车轮的制动力，能够同时兼顾纵向目标和横向目标的实现，提升了车辆可控性及安全性。

附图说明

图1为本发明实施例提供的自动驾驶车辆的横向冗余控制方法的控制框架图；

图2为本发明实施例提供的自动驾驶车辆的横向冗余控制方法的流程示意图；

图3为本发明实施例提供的自动驾驶车辆的横向冗余控制系统的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明提供的自动驾驶车辆的横向冗余控制方法，适用于驱动力可控且四个车轮可独立控制制动力的自动驾驶车辆，该控制方法可在设置的纵向力差动控制模块中执行。如图1所示，纵向力差动控制模块从上层智能决策控制模块获取纵向控制目标-纵向加速度以及横向控制目标-横摆角速度。首先，根据当前车辆状态计算需求纵向力和横摆力矩；然后，根据车辆横纵向加速度进行车辆四个车轮极限纵向力估计；最后，进行车轮纵向力的分配，将总驱动力和每个车轮制动力控制目标分别发送至发动机控制模块和制动力控制模块，实现车辆的纵向和横向控制。

具体地，如图2所示，本发明实施例提供的自动驾驶车辆的横向冗余控制方法，包括以下步骤：

S101、基于目标纵向加速度、车辆的行驶阻力以及第一预设运算关系计算车辆的总目标纵向力。

S102、基于目标横摆角速度和第二预设运算关系计算车辆的目标横摆力矩。

S103、基于车辆的实际纵向加速度、实际横向加速度和第三预设运算关系计算每个车轮的极限纵向力估计值。

S104、根据所计算的总目标纵向力、目标横摆力矩和极限纵向力估计值构建目标函数，以及根据所述极限纵向力估计值和车辆的当前最大驱动力构建约束规则。

S105、对所构建的目标函数和约束规则进行求解，得到每个车轮的目标纵向力。

S106、基于所得到的每个车轮的目标纵向力确定需求的总驱动力和每个车轮所需求的制动力。

S107、基于所确定的总驱动力和每个车轮所需求的制动力进行相应的控制。

本发明实施例提供的自动驾驶车辆的横向冗余控制方法，通过目标纵向加速度和目标横摆角速度计算总目标纵向力和目标横摆力矩，然后结合每个车轮的极限纵向力估计值构建目标函数和约束规则，形成二次规划问题，求解得到最优的每个车轮的目标纵向力，然后基于得到的每个车轮的目标纵向力来确定发动机总驱动力和每个车轮的制动力，能够同时兼顾纵向目标和横向目标的实现，提升了车辆可控性及安全性。

进一步地，在步骤S101中，可根据下述公式(1)来计算所述总目标纵向力：

上述公式(1)右边的前3项之和为车辆的行驶阻力，分别为地面摩擦阻力、风阻和加速阻力，其中，F_{x_all}为总目标纵向力，m为进行控制的车辆的整车质量，f为滚动阻力系数，C_D为空气阻力系数，A_s为迎风面积，ρ为空气密度，V为车速，可通过车速传感器获得，δ为旋转质量换算系数，K_{p_a}为比例控制增益系数，a_{x_e}为目标纵向加速度，可通过从对车辆进行整体控制的智能决策控制模块获得，a_x为车辆实际纵向加速度，可通过加速度传感器获得。在一个具体示例中，m可取1231kg，f可取0.015，C_D可取0.36，A_s可取1.6m²，ρ可取1.206kg/m³，δ可取1.2，K_{p_a}可取1000。

进一步地，在步骤S102中，可根据下述公式(2)计算所述目标横摆力矩：

其中，M为目标横摆力矩，r_e为目标横摆加速度，可通过从对车辆进行整体控制的智能决策控制模块获得，r为实际横摆角速度，可通过横摆角速度传感器获得，s为传递函数，K_{p_M}为比例控制增益系数，δ_sw为方向盘转角，可通过方向盘角度传感器获得，n为转向传动比，ω_n为整车固有频率，ζ为阻尼常数；和分别为单位前轮转向角和横摆力矩输入下的车辆横摆角速度稳态响应，T_r和T_M为时间常数。在一个具体示例中，K_{p_M}可取1000，n可取15.6。其中，T_r、T_M、ω_n和ζ的取值可通过下述公式(3)至(9)得到：

其中，A为车辆稳定性因子；K_f和K_r分别为前轮和后轮的侧偏刚度；l为前轴与后轴之间的轴距；l_f和l_r分别为前轴、后轴到车辆的质心的距离；I为车辆的横摆转动惯量。在一个具体示例中，K_f和K_r可均取89000N/rad；l可取2.6m；l_f和l_r可分别取1.04m和1.56m；I可取2031.4kg/m²。

进一步地，在步骤S103中，可根据下述公式(10)计算所述每个车轮的极限纵向力估计值：

其中，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，m为整车质量，h为车辆的质心高度，B为前轮之间的轮距，l为前轴和后轴之间的轴距，l_r为后轴到质心的距离，l_f为前轴到质心的距离，μ为地面附着系数，k_safe为安全系数，a_x为实际横向加速度，a_y为实际纵向加速度，a_x和a_y可通过加速度传感器获得。在一个具体示例中，h可取0.54m，B可取1.481m，l可取2.6m，l_f和l_r可分别取1.04m和1.56m，μ可取0.75，k_safe可取0.85。

在本实施例中，可根据总目标纵向力需求F_{x_all}和目标横摆力矩需求M(向左逆时针转动为正)，可先确定左右两侧车轮的目标纵向力之和，如下式(11)和(12)所示，然后根据前后车轮的制动力分配系数以及驱动力极限、地面附着极限确定每个车轮的目标纵向力f_xfl、f_xfr、f_xrl和f_xrr。

F_x-all＝f_xfl+f_xrl+f_xfr+f_xrr (11)

由于每个车轮的纵向力需要满足车辆驱动能力以及地面附着能力的限制，上式(11)和(12)可能无法同时满足，因此需将其转化为目标函数的形式，并附加驱动力及附着能力约束，构建目标函数和约束规则，通过优化求解出纵向力分配。具体地，可分别根据下述公式(13)和(14)来构建目标函数和约束规则：

其中，J_min为目标函数，F_{x_all}为总目标纵向力，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力，M为目标横摆力矩，B为前轮之间的轮距，k₁和k₂分别为预设的纵向及横向控制目标权重，可根据横纵向控制要求进行调节。

上述公式(13)所构造的目标函数的第一项用于使得优化求解出的纵向力f_xfl、f_xfr、f_xrl和f_xrr尽可能等于总目标纵向力，即满足等式(11)，第二项用于使得优化求解出的纵向力等尽可能满足等式(12)，第三项和第四项目标用于使得左侧和右侧的纵向力分配比例尽可能与其极限纵向力估计值的比值相近(即：使得)。

其中，T_e-max为车辆当前最大驱动力，可从发动机控制模块获得；i_g为当前变速器传动比，可从变速器控制模块获得；i₀为主减速器传动比，r_t为车轮半径。

这样，通过求解公式(13)和(14)的优化目标及约束形成的二次规划问题，即可求解出最优的每个车轮的目标纵向力f_xfl、f_xfr、f_xrl和f_xrr。

进一步地，在步骤S105中，可根据下述公式(15)确定所需求的驱动力：

F_drive＝max(max(f_xfl+f_xrl+f_xfr+f_xrr,f_xfl+f_xrl),f_xfr+f_xrr) (15)

其中，F_drive为需求的总驱动力。

在确定需求的总驱动力后，可得到相应的需求发动机驱动力矩，具体可通过下述公式(16)确定：

其中，T_e-req为需求发动机驱动力矩。

进一步地，步骤S106可包括：根据所确定的每个车轮的目标纵向力确定每个车轮为驱动还是制动；根据所确定的驱动和制动情况，确定每个车轮所需求的制动力。

具体地，各车轮端的制动力需求需要对前轴和后轴分别进行计算。首先根据每个车轮的目标纵向力f_xfl、f_xfr、f_xrl和f_xrr的正负情况，即可确定每个车轮为驱动(正)或是制动(负)，以前轴为例需要分三种情况进行考虑：

第一种情况：当左右两侧纵向力均大于0时，即(f_xfl>0和f_xfr>0)，驱动力较小的一侧的车轮需要进行制动，制动力大小为-|f_xfl-f_xfr|，另一侧无需制动。

第二种情况：当左右两侧一侧驱动，另一侧制动时，驱动一侧无需施加制动力，制动一侧施加制动力，制动力大小为-|f_xfl-f_xfr|，另一侧无需制动。

第三种情况，当左右两侧均为制动时，则直接分别施加相应f_xfl和f_xfr制动力即可。

后轴的制动力与前轴的制动力分配相同，为简便起见，在此不再赘述。

这样，在纵向力差动控制模块确定好需求发动机驱动力矩和每个车轮的制动力后，将总驱动力和每个车轮制动力控制目标分别发送至发动机控制模块和制动力控制模块，从而实现车辆的纵向和横向控制。

综上，本实施例提供的自动驾驶车辆的横向冗余控制方法不需要在转向系统上做双倍冗余，仅用车上现有的驱动力控制系统和制动力控制系统就可以实现，从而降低了成本。此外，在转向系统机械部件故障等情况下，采用双电机EPS的横向冗余控制系统会由于共因失效产生故障，而本发明的方法仍可以通过横摆力矩控制，实现横向冗余控制。并且，相对于其他已有的差动制动方案，本发明在目标纵向力计算时已经考虑了自动驾驶车辆的纵向加速度需求，并控制发动机驱动力和轮端制动，进而能够同时兼顾纵向目标和横向目标的实现，提升了车辆可控性及安全性。

基于同一发明构思，本发明实施例还提供了一种自动驾驶车辆的横向冗余控制系统，由于该系统所解决问题的原理与前述自动驾驶车辆的横向冗余控制方法相似，因此该系统的实施可以参见前述方法的实施，重复之处不再赘述。

图3为本发明实施例提供的自动驾驶车辆的横向冗余控制系统的结构示意图。如图3所示，本发明实施例提供的自动驾驶车辆的横向冗余控制系统，包括：

第一计算模块201，用于基于目标纵向加速度、车辆的行驶阻力以及第一预设运算关系计算车辆的总目标纵向力；

第二计算模块202，用于基于目标横摆角速度和第二预设运算关系计算车辆的目标横摆力矩；

第三计算模块203，用于基于车辆的实际纵向加速度、实际横向加速度和第三预设运算关系计算每个车轮的极限纵向力估计值；

构建模块204，包括第一构建模块和第二构建模块，所述第一构建模块用于根据所述第一计算模块所计算的总目标纵向力、所述第二计算模块所计算的目标横摆力矩和第三计算模块所计算的极限纵向力估计值构建目标函数，所述第二构建模块用于根据极限纵向力估计值和车辆的当前最大驱动力构建约束规则；

第四计算模块205，用于对所构建的目标函数和约束规则进行求解，得到每个车轮的目标纵向力；

第五计算模块206，用于基于所述第四计算模块所得到的每个车轮的目标纵向力确定需求的总驱动力和每个车轮所需求的制动力；以及

控制模块207，用于基于所述第五计算模块所确定的总驱动力和每个车轮所需求的制动力进行相应的控制。

进一步地，所述第一计算模块201根据下述公式(16)计算所述总目标纵向力：

其中，F_{x_all}为总目标纵向力，m为整车质量，f为滚动阻力系数，C_D为空气阻力系数，A_s为迎风面积，ρ为空气密度，V为车速，δ为旋转质量换算系数，K_{p_a}为比例控制增益系数，a_{x_e}为目标纵向加速度，a_x为车辆实际纵向加速度。

进一步地，所述第二计算模块202根据下述公式(17)计算所述目标横摆力矩：

其中，M为目标横摆力矩，r_e为目标横摆加速度，r为实际横摆角速度，s为传递函数，K_{p_M}为比例控制增益系数，δ_sw为方向盘转角，n为转向传动比，ω_n为整车固有频率，ζ为阻尼常数；和分别为单位前轮转向角和横摆力矩输入下的车辆横摆角速度稳态响应，T_r和T_M为时间常数。

进一步地，所述第三计算模块203根据下述公式(18)计算所述每个车轮的极限纵向力估计值：

其中，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，m为整车质量，h为车辆的质心高度，B为前轮之间的轮距，l为前轴和后轴之间的轴距，l_r为后轴到质心的距离，l_f为前轴到质心的距离，μ为地面附着系数，k_safe为安全系数，a_x为实际横向加速度，a_y为实际纵向加速度。

进一步地，所述第一构建模块根据下述公式(19)构建目标函数：

其中，J_min为目标函数，F_{x_all}为总目标纵向力，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力，M为目标横摆力矩，B为前轮之间的轮距，k₁和k₂分别为预设的纵向及横向控制目标权重。

进一步地，所述第二构建模块根据下述公式(20)构建所述约束规则：

其中，T_e-max为车辆当前最大驱动力，i_g为当前变速器传动比，i₀为主减速器传动比，r_t为车轮半径，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力。

进一步地，所述第五计算模块206根据下述公式(21)确定所需求的驱动力：

F_drive＝max(max(f_xfl+f_xrl+f_xfr+f_xrr,f_xfl+f_xrl),f_xfr+f_xrr) (21)

其中，F_drive为需求的总驱动力，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力。

进一步地，第五计算模块206根据如下步骤确定每个车轮的制动力：根据所确定的每个车轮的目标纵向力确定每个车轮为驱动还是制动；根据所确定的驱动和制动情况，确定每个车轮所需求的制动力。

上述各模块的功能可对应于图2所示流程中的相应处理步骤，在此不再赘述。

以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (4)

1.一种自动驾驶车辆的横向冗余控制方法，其特征在于，包括：

基于目标纵向加速度、车辆的行驶阻力以及第一预设运算关系计算车辆的总目标纵向力；

基于目标横摆角速度和第二预设运算关系计算车辆的目标横摆力矩；

基于车辆的实际纵向加速度、实际横向加速度和第三预设运算关系计算每个车轮的极限纵向力估计值；

根据所计算的总目标纵向力、目标横摆力矩和极限纵向力估计值构建目标函数，以及根据所述极限纵向力估计值和车辆的当前最大驱动力构建约束规则；

对所构建的目标函数和约束规则进行求解，得到每个车轮的目标纵向力；

基于所得到的每个车轮的目标纵向力确定需求的总驱动力和每个车轮所需求的制动力；以及

基于所确定的总驱动力和每个车轮所需求的制动力进行相应的控制；

其中，根据下述公式(1)计算所述总目标纵向力：

其中，F_{x_all}为总目标纵向力，m为整车质量，f为滚动阻力系数，C_D为空气阻力系数，A_s为迎风面积，ρ为空气密度，V为车速，δ为旋转质量换算系数，K_{p_a}为比例控制增益系数，a_{x_e}为目标纵向加速度，a_x为实际纵向加速度；

根据下述公式(2)计算所述目标横摆力矩：

其中，M为目标横摆力矩，r_e为目标横摆加速度，r为实际横摆角速度，s为传递函数，K_{p_M}为比例控制增益系数，δ_sw为方向盘转角，n为转向传动比，ω_n为整车固有频率，ζ为阻尼常数；和分别为单位前轮转向角和横摆力矩输入下的车辆横摆角速度稳态响应，T_r和T_M为时间常数；

根据下述公式(3)计算所述每个车轮的极限纵向力估计值：

其中，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，m为整车质量，h为车辆的质心高度，B为前轮之间的轮距，l为前轴和后轴之间的轴距，l_r为后轴到质心的距离，l_f为前轴到质心的距离，μ为地面附着系数，k_safe为安全系数，a_x为实际横向加速度，a_y为实际纵向加速度；

根据下述公式(4)构建目标函数：

其中，J_min为目标函数，F_{x_all}为总目标纵向力，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力，M为目标横摆力矩，B为前轮之间的轮距，k₁和k₂分别为预设的纵向及横向控制目标权重；

根据下述公式(5)构建所述约束规则：

其中，T_e-max为车辆当前最大驱动力，i_g为当前变速器传动比，i₀为主减速器传动比，r_t为车轮半径，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力。

2.根据权利要求1所述的控制方法，其特征在于，基于所得到的每个车轮的目标纵向力确定需求的总驱动力包括根据下述公式(6)确定所需求的驱动力：

F_drive＝max(max(f_xfl+f_xrl+f_xfr+f_xrr,f_xfl+f_xrl),f_xfr+f_xrr) (6)

其中，F_drive为需求的总驱动力，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力。

3.根据权利要求1所述的控制方法，其特征在于，基于所确定的每个车轮的目标纵向力确定每个车轮所需求的制动力包括：

根据所确定的每个车轮的目标纵向力确定每个车轮为驱动还是制动；

根据所确定的驱动和制动情况，确定每个车轮所需求的制动力。

4.一种自动驾驶车辆的横向冗余控制系统，其特征在于，包括：

第一计算模块，用于基于目标纵向加速度、车辆的行驶阻力以及第一预设运算关系计算车辆的总目标纵向力；

第二计算模块，用于基于目标横摆角速度和第二预设运算关系计算车辆的目标横摆力矩；

第三计算模块，用于基于车辆的实际纵向加速度、实际横向加速度和第三预设运算关系计算每个车轮的极限纵向力估计值；

构建模块，包括第一构建模块和第二构建模块，所述第一构建模块用于根据所述第一计算模块所计算的总目标纵向力、所述第二计算模块所计算的目标横摆力矩和第三计算模块所计算的极限纵向力估计值构建目标函数，所述第二构建模块用于根据极限纵向力估计值和车辆的当前最大驱动力构建约束规则；

第四计算模块，用于对所构建的目标函数和约束规则进行求解，得到每个车轮的目标纵向力；

第五计算模块，用于基于所述第四计算模块所得到的每个车轮的目标纵向力确定需求的总驱动力和每个车轮所需求的制动力；以及

控制模块，用于基于所述第五计算模块所确定的总驱动力和每个车轮所需求的制动力进行相应的控制；

其中，所述第一计算模块根据下述公式(7)计算所述总目标纵向力：

其中，F_{x_all}为总目标纵向力，m为整车质量，f为滚动阻力系数，C_D为空气阻力系数，A_s为迎风面积，ρ为空气密度，V为车速，δ为旋转质量换算系数，K_{p_a}为比例控制增益系数，a_{x_e}为目标纵向加速度，a_x为实际纵向加速度；

所述第二计算模块根据下述公式(8)计算所述目标横摆力矩：

其中，M为目标横摆力矩，r_e为目标横摆加速度，r为实际横摆角速度，s为传递函数，K_{p_M}为比例控制增益系数，δ_sw为方向盘转角，n为转向传动比，ω_n为整车固有频率，ζ为阻尼常数；和分别为单位前轮转向角和横摆力矩输入下的车辆横摆角速度稳态响应，T_r和T_M为时间常数；

所述第三计算模块根据下述公式(9)计算所述每个车轮的极限纵向力估计值：

其中，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，m为整车质量，h为车辆的质心高度，B为前轮之间的轮距，l为前轴和后轴之间的轴距，l_r为后轴到质心的距离，l_f为前轴到质心的距离，μ为地面附着系数，k_safe为安全系数，a_x为实际横向加速度，a_y为实际纵向加速度；

所述第一构建模块根据下述公式(10)构建目标函数：

其中，J_min为目标函数，F_{x_all}为总目标纵向力，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力，M为目标横摆力矩，B为前轮之间的轮距，k₁和k₂分别为预设的纵向及横向控制目标权重；

所述第二构建模块根据下述公式(11)构建所述约束规则：

其中，T_e-max为车辆当前最大驱动力，i_g为当前变速器传动比，i₀为主减速器传动比，r_t为车轮半径，f_{xfl_lmt}、f_{xfr_lmt}、f_{xrl_lmt}和f_{xrr_lmt}分别表示左前车轮、右前车轮、左后车轮和右后车轮的极限纵向力估计值，f_xfl、f_xfr、f_xrl和f_xrr分别表示左前车轮、右前车轮、左后车轮和右后车轮的目标纵向力。