CN108639061B - 一种自动驾驶车辆主动防晕车辅助驾驶控制方法 - Google Patents

Abstract

一种自动驾驶车辆主动防晕车辅助驾驶控制方法，针对自动驾驶车辆容易出现乘员晕车的问题，通过改善自动驾驶车辆乘坐的舒适性以防止乘客出现恶心和晕车现象，建立以防晕为评价指标的优化控制问题，在线计算命令加速度的可行区间，再通过MatLab命令函数fmincon计算加速度最优值，动态计算满足主动防晕车的加速度命令，实现自动驾驶车辆主动防晕车辅助驾驶控制。本发明设计参数少，设计简单、容易理解、在线实施简便、实用性强。

Description

一种自动驾驶车辆主动防晕车辅助驾驶控制方法

技术领域

本发明属于车辆自动驾驶控制领域，涉及一种自动驾驶车辆主动防晕车辅助驾驶控制方法。

背景技术

驾乘人员晕车是一个普遍问题，造成晕车的原因主要是：人脑平衡系统和视觉之间产生了混乱，大脑无法快速准确预期运动方向导致在车辆运动方向变化时，大脑无法进行自我控制。乘坐自动驾驶车辆的乘客，更加无法判断车辆运行状态，尤其是在车上阅读书物或者使用手持设备观看电影、玩游戏时会加剧晕车症状。随着自动驾驶越来越流行，驾驶员在一定时间段内也变为乘客，上述造成晕车症状的原因在自动驾驶中被强化。为解决驾驶过程中的晕车问题，工业界和学术组织做了很多努力。通过对现有自动驾驶车辆主动防晕车处理方法的文献的检索发现，目前自动驾驶车辆主动防晕车处理方法主要包括基于视觉信息的方法，包括Uber研发一套感官模拟系统，利用AR技术在车内呈现车外环境，弥补视觉与人脑之间的不平衡问题，密歇根大学也提交了一份专利，推出一套可穿戴设备，利用车内灯光，利用穿戴的设备模拟车外环境，原理与Uber的专利相似，苹果公司也提交了一份利用VR设备防晕车的专利，而谷歌公司针对晕车问题提交了一份专利，通过感知乘客的晕车情况，自动切换驾驶风格。这些专利借助一些视觉设备避免晕车状况，不仅增加成本，而且技术复杂，特别是不能根据复杂路况主动调整防晕车策略。因此，尽管针对主动防晕车以改善乘坐舒适性的问题研究取得了一些成果，但近年来相关学者对于这个具有挑战性的重要难题仍然进行了大量细致地研究和探讨，以满足当前面对各类复杂的交通状况，实现自动驾驶车辆主动防晕车辅助驾驶控制。

发明内容

为了克服自动驾驶车辆行驶过程主动防晕车辅助驾驶控制方法的理解抽象、在线计算复杂和实现困难的不足，本发明提供一种理解直观、设计简单、易于实现的自动驾驶车辆主动防晕车辅助驾驶控制方法。

本发明解决其技术问题所采用的技术方案是：

一种自动驾驶车辆主动防晕车辅助驾驶控制方法，所述方法包括如下步骤：

1)将自动驾驶车辆主动防晕车辅助驾驶控制问题描述为一个动态优化控制问题，参见式(1)：

其中，符号“s.t.”表示“约束”；变量k表示采样时刻；i|k表示对应变量在k时刻对未来k+i时刻的预测时间；常量N>0、β>0和T_s>0分别表示主动防晕车辅助驾驶控制器的预测步长、压缩因子和采样间隔；s(k)、v(k)、a_c(k)分别表示在当前k时刻的本车位置、速度和本车加速度命令；Δa_c(k)表示在k时刻本车的命令加速度变化量；常量Δa_min和Δa_max分别表示命令加速度的最小变化量和最大变化量；常量a_min和a_max分别表示最小命令加速度和最大命令加速度；常量v_min和v_max分别表示最小速度和最大命令加速度；J(·,·,·,·,·)为防晕车目标函数，参见式(2)：

其中，常量q_v>0和q_c>0分别为对应变量的权重系数,v_r为目标速度；

2)计算命令加速度变化量Δa_c(k)在当前k时刻的可行区间，参见式(3)：

其中，max和min分别为取最大值和最小值函数；

3)在线测量当前时刻k本车的位置和速度，通过MatLab命令函数fmincon计算式(1)的优化问题，得到最优加速度变化量Δa_c ^*(k)；

4)根据命令加速度变化量的最优解计算车辆命令加速度a_c(k)＝a_c(k-1)+Δa_c ^*(k)，作用于本车；在下一个控制周期时，重新在线测量本车位置和速度，如此周而复始，实现自动驾驶车辆主动防晕车辅助驾驶控制。

本发明的技术构思是：通过改善自动驾驶车辆乘坐的舒适性以防止乘客出现恶心和晕车现象，建立以防晕为评价指标的优化控制问题，在线计算命令加速度的可行区间，再通过MatLab命令函数fmincon计算加速度最优值，动态计算满足主动防晕车的加速度命令，实现自动驾驶车辆主动防晕车辅助驾驶控制。

本发明主要执行部分在车辆自动驾驶控制计算机上运行实施。本方法实施过程可以分以下三个阶段：

1、参数设置：输入预测步长N、压缩因子β、采样间隔T_s、命令加速度的最小变化量Δa_min和最大变化量Δa_max、最小命令加速度a_min和最大命令加速度a_max、最小速度v_min和最大速度v_max；输入参数确认后，由控制计算机将设置数据送入计算机存储单元RAM中保存。

2、离线调试：点击组态界面中的“调试”按钮，巡航控制系统进入控制器离线仿真调试阶段，调整控制器参数q_v和q_c，观察车辆加速度变化量曲线控制效果，由此确定一个能良好实现车辆自适应巡航控制的参数；参数q_v和q_c的调整规则：增大q_v的取值或者减小q_c的取值将加快车辆的速度追踪，但车辆加速度变化幅度同时增大，可能加剧晕车现象；相反，减小q_v的取值或者增大q_c的取值加速度变化量曲线平滑，有助于减缓晕车，但速度跟踪减缓，影响控制的快速性，因此，实际调试参数q_v和q_c时，应权衡车辆速度跟踪和本车命令加速度输出之间的综合性能。

3、在线运行：启动主控制计算机的CPU读取模型参数和控制器参数，通过在线测量当前时刻本车的位置和速度，实时计算车辆加速度变化量的最优值，进而得到车辆的加速度命令，作用于本车；在下一个控制周期时，重新在线测量本车位置和速度，如此周而复始，实现自动驾驶车辆主动防晕车辅助驾驶控制。

本发明的有益效果主要表现在：1、车辆行驶过程主动防晕车辅助驾驶控制器参数少，设计简单、容易理解、在线实施简便、实用性强；2、求解控制量增益等比变化量，使得车辆主动防晕车优化控制问题的在线求解不需要计算巡航性能函数的梯度信息，从而可以适用更复杂多样的行车场景，满足平缓加速度变化曲线要求，有助于减缓晕车。

附图说明

图1为在主动防晕车辅助驾驶控制下的自动驾驶车辆速度曲线，其中，实线为车辆的参考速度，点划线为车辆的实际速度。

图2为在主动防晕车辅助驾驶控制下的自动驾驶车辆加速度曲线。

图3为在主动防晕车辅助驾驶控制下的自动驾驶车辆加速度变化量曲线。

具体实施方式

下面结合附图对本发明的方法作进一步详细说明。

参照图1～图3，一种自动驾驶车辆主动防晕车辅助驾驶控制方法，所述方法包括如下步骤：

1)将自动驾驶车辆主动防晕车辅助驾驶控制问题描述为一个动态优化控制问题，参见式(1)：

其中，符号“s.t.”表示“约束”；变量k表示采样时刻；i|k表示对应变量在k时刻对未来k+i时刻的预测时间；常量N>0、β>0和T_s>0分别表示主动防晕车辅助驾驶控制器的预测步长、压缩因子和采样间隔；s(k)、v(k)、a_c(k)分别表示在当前k时刻的本车位置、速度和本车加速度命令；Δa_c(k)表示在k时刻本车的命令加速度变化量；常量Δa_min和Δa_max分别表示命令加速度的最小变化量和最大变化量；常量a_min和a_max分别表示最小命令加速度和最大命令加速度；常量v_min和v_max分别表示最小速度和最大命令加速度；J(·,·,·,·,·)为防晕车目标函数，参见式(2)：

其中，常量q_v>0和q_c>0分别为对应变量的权重系数,v_r为目标速度；

2)计算命令加速度变化量Δa_c(k)在当前k时刻的可行区间，参见式(3)：

其中，max和min分别为取最大值和最小值函数；

3)在线测量当前时刻k本车的位置和速度，通过MatLab命令函数fmincon计算式(1)的优化问题，得到最优加速度变化量Δa_c ^*(k)；

4)根据命令加速度变化量的最优解计算车辆命令加速度a_c(k)＝a_c(k-1)+Δa_c ^*(k)，作用于本车；在下一个控制周期时，重新在线测量本车位置和速度，如此周而复始，实现自动驾驶车辆主动防晕车辅助驾驶控制。

本实施例为自动驾驶车辆主动防晕车辅助控制计算过程，具体操作过程如下：

1、在参数设置界面中，输入车辆防晕优化控制模型参数，如下：预测步长N＝10、压缩因子β＝0.9、采样间T_s＝0.3s、加速度命令的最小变化量Δa_min＝-1.5和最大变化量Δa_max＝1、最小加速度命令a_min＝-3.5m/s²和最大命令加速度a_max＝3m/s²；最大速度v_max＝30m/s和最小速度v_min＝0m/s

2、在组态界面上点击“调试”按钮进入调试界面，启动主控计算机的CPU调用事先编制好的“控制计算程序”调试权值系数q_c和q_v，具体过程如下：根据参数q_c和q_v的取值与调整规则，综合考虑车辆自适应巡航优化控制计算过程的响应能力和巡航控制效果，调试参数得到q_c＝500和q_v＝1000，将调试结果保存到计算机存储单元RAM中；

3、点击组态界面中的“运行”按钮，启动主控计算机的CPU读取模型参数和计算器参数，通过在线测量当前时刻本车的位置和速度，实时优化计算车辆自适应巡航过程命令加速度的变化量的最优解，得到车辆命令加速度的最优解，驱动本车跟踪目标状态；在下一个控制周期时，重新在线测量本车的位置和速度，如此周而复始，实现自动驾驶车辆主动防晕车辅助驾驶控制。

实际控制效果如图1、图2和图3所示，其中，图1为在主动防晕车辅助驾驶控制下的自动驾驶车辆速度曲线，图2为在主动防晕车辅助驾驶控制下的自动驾驶车辆加速度曲线，图3为在主动防晕车辅助驾驶控制下的自动驾驶车辆加速度变化量曲线。

以上阐述的是本发明给出的一个实施例所表现出的优良的自动驾驶车辆主动防晕车辅助驾驶控制的效果。需要指出，上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改，都落入本发明的保护范围。

Claims (1)

1.一种自动驾驶车辆主动防晕车辅助驾驶控制方法，其特征在于，所述方法包括如下步骤：

1)将自动驾驶车辆主动防晕车辅助驾驶控制问题描述为一个动态优化控制问题，参见式(1)：

其中，符号“s.t.”表示“约束”；变量k表示采样时刻；i|k表示对应变量在k时刻对未来k+i时刻的预测时间；常量N>0、β>0和T_s>0分别表示主动防晕车辅助驾驶控制器的预测步长、压缩因子和采样间隔；s(k)、v(k)、a_c(k)分别表示在当前k时刻的本车位置、速度和本车加速度命令；Δa_c(k)表示在k时刻本车的命令加速度变化量；常量Δa_min和Δa_max分别表示命令加速度的最小变化量和最大变化量；常量a_min和a_max分别表示最小命令加速度和最大命令加速度；常量v_min和v_max分别表示最小速度和最大命令加速度；J(·,·,·,·,·)为防晕车目标函数，参见式(2)：

其中，常量q_v>0和q_c>0分别为对应变量的权重系数,v_r为目标速度；

2)计算命令加速度变化量Δa_c(k)在当前k时刻的可行区间，参见式(3)：

其中，max和min分别为取最大值和最小值函数；

3)在线测量当前时刻k本车的位置和速度，通过MatLab命令函数fmincon计算式(1)的优化问题，得到最优加速度变化量Δa_c ^*(k)；

4)根据命令加速度变化量的最优解计算车辆命令加速度a_c(k)＝a_c(k-1)+Δa_c ^*(k)，作用于本车；在下一个控制周期时，重新在线测量本车位置和速度，如此周而复始，实现自动驾驶车辆主动防晕车辅助驾驶控制。

Images