CN109415058A - 用于控制车辆路径的装置 - Google Patents

Abstract

为了允许车辆(1)舒适地保持在车道上、特别地但不必是保持在包括具有高曲率半径弯道的车道上，用于控制车辆(1)的路径的装置包括观察器模块(2)，该观察器模块根据当前测量向量(η)实时生成以当前速度(v_a)移动的车辆(1)的估计车道保持状态向量(ζ)，以便产生第一转向锁定命令(u_st)以使该车辆的路径相对于该车道稳定。该装置进一步包括预测器模块(7)，该预测器模块将第二转向锁定命令(u_ff)添加到该第一转向锁定命令(u_st)，该第二转向锁定命令取决于待应用于该路径的曲率半径(ρ_ff)。

Description

用于控制车辆路径的装置

在本发明之前的工作受益于第607957号补贴协议下来自欧洲共同体煤钢研究基金的财政支持。

本发明总体上涉及一种用于实时控制车辆路径的装置。本发明更具体地涉及一种用于实时生成车辆转向锁定命令的侧向控制装置，特别是对于无人驾驶的机动车辆或部分委托驾驶式车辆、也就是说可以在没有人类驾驶员的情况下完全或部分地移动的车辆。

用于实时控制状态路径的装置或系统在包括机动车辆技术领域的许多技术领域中是已知的。

例如，专利EP 1074903 B1披露了一种用于通过车道标记检测来保持在车道的系统。直链动作模块基于来自图形处理器的目标线位置产生转向驱动项。所披露的元件允许考虑将此系统应用于笔直车道、甚至是具有低曲率弯道的车道，而不会对车辆的动力学产生显著影响。对于例如在山路上可能遇到的具有急弯的车道的应用可能引起车辆对灵活地保持在车道的动态响应问题。

再例如，专利US 8751089 B2披露了一种用于移动单元的路径保持控制系统。该系统对移动单元进行控制，以保持由自由形式的曲线描述的目标路径。虽然这种类型的系统可能适合于在不受约束的空间中控制机器人，该空间有可能抑制适合于目标路径的曲线的形式自由，但是该系统对于无人驾驶车辆可能会产生问题，对该无人驾驶车辆的控制不在于使其保持在目标路径而是在于无论车道几何形状施加的曲线形式如何都使其保持在行车道中。

文献WO 2014/006327披露了一种装置，该装置包括用于通过使从状态向量推导出的路径偏差的平方最小化来实时生成适用于车辆的稳定动作设定点的模块。

本发明的目的是解决现有技术状况所造成的问题，特别是在效率、响应性以及易于实现方面。

为了实现此目的，本发明的主题是一种用于实时控制车辆的路径的装置，该装置包括观测器模块，该观测器模块根据当前测量向量实时生成以当前速度移动的该车辆的估计车道保持状态向量，以便产生第一转向锁定命令以使该车辆相对于该车道的路径稳定。该装置值得注意的是，该装置包括预测器模块，该预测器模块将第二转向锁定命令添加到所述第一转向锁定命令，该第二转向锁定命令是待应用于该路径的曲率的函数。

因此，无论车道施加的曲率有多高，显然在通常由当前规则设定的极限内，该装置允许车辆舒适地越过由行车道的性质施加的许多曲线。

有利地，该曲率时在该车辆前方的一定距离处的车道曲率半径的倒数。

优选地，所述距离随该车辆的所述当前速度而变化。

特别地，该装置包括组合了光学相机和雷达的特性的单元，以便以多项式的形式提供该车道的至少一个引导线几何形状。

更特别地，该预测器模块包括用于通过以下公式计算来自该车道的中间引导线几何形状的曲率的子模块，该公式本身以关系式的形式表达，该关系式包括作为分子的多项式的二阶导数以及作为分母的多项式的一阶导数的平方加一的立方表达式的平方根。

还特别地，该预测器模块包括用于将该第二转向锁定命令计算作为动力学方程的解的子模块，该动力学方程给出稳定或具有零时间导数的状态向量。

更特别地，该预测器模块生成所述稳定状态向量的评估测量向量，以便从作为该观测器模块的输入的所述当前测量向量中移除所述评估测量向量。

还更特别地，该计算子模块还包括该第二转向锁定命令的可调增益。

还特别地，该当前测量向量包括与横摆速度和转向锁定角度相关的坐标，并且该估计状态向量包括与以下各项相关的坐标：该横摆速度、相对于该车辆的路径的偏差角度、转向锁定角度的时间导数、以及该转向锁定角度。

更特别地，为了在该道路车道上调准，该当前测量向量还包括与以下各项相关的坐标：相对于该车辆的路径的偏差角度、与该车辆的车道保持路径的侧向偏差、以及与该路径的侧向偏差的时间积分的相反数，并且该估计状态向量还包括与以下各项相关的坐标：与该车辆的路径的侧向偏差的时间导数、与该车辆的路径的侧向偏差、以及与该路径的侧向偏差的时间积分的相反数。

通过阅读以下说明并参见附图，其他的特征和优点将变得清楚，在附图中：

-图1表示了可以应用本发明的车辆，

-图2是根据本发明的装置的实施方式的图。

参照图1，由发动机(图中未表示出)牵引驱动的机动车辆1包括四个车轮，这四个车轮包括两个前轮11和两个后轮12，这两个前轮优选地是转向车轮。每个车轮分别配备有或未配备有瞬时速度传感器，从而使得可以知道车辆的当前速度v_a，具体为车辆的当前纵向速度v_a。

车辆1包括转向柱44，该转向柱的顶部配备有或未配备方向盘，方向盘对于纯粹的无人驾驶车辆而言变得毫无意义，并且该转向柱的底部作用在转向构件上，这使得可以使前轮转向。转向柱44配备有受命令信号u控制的致动器。转向构件在转向柱的基底处或在任何其他点(例如，在作用于前轮的齿条上)配备有传感器46，以测量车辆前轮的当前转向锁定角δ。传感器46例如是转矩传感器，该转矩传感器的值可以容易地转换成转向锁定角。

车辆1还包括关于车辆的横摆速度(即车辆围绕其在与车辆所行驶在的道路平面成直角的轴线上的重心旋转的速度)的传感器31。传感器31例如是位置非常靠近车辆重心(CoG)的陀螺仪。RaCam类型(即组合了光学相机和雷达的特性)的单元15使得可以测量车辆1前方的横向于车辆的中轴线的对象坐标Y_CAM和在中轴线上的对象坐标X_CAM。

如还从单元15的供应商所知的，光学测量和雷达测量的合并使得可以针对道路上的每个标记点检测此点相对于单元15的正面沿其视轴的距离x、以及此点相对于视轴的距离y。超出本发明范围的图像处理允许单元15以多项式的形式提供车辆的行车道的至少一条引导线(例如车道的左分界线和右分界线、或车道的位于这两条分界线中间的中线)的几何形状y(x)。对于给定的引导线，该多项式具有例如以下形式：

y＝p₃·x³+p₂·x²+p₁·x+p₀。

如本身已知的，车辆1配备有嵌入式计算机(未这样表示出)，该嵌入式计算机使得可以控制和命令车辆的不同构件。计算机可以通过连接、具体经由机动车辆CAN、Lin或以太网总线接收来自纵向速度传感器的信息、来自横摆速度传感器31的信息、来自转向锁定角δ的传感器46的信息、以及来自单元15的信息。嵌入式计算机还可以通过向转向柱44传送命令信号u来命令该转向柱。嵌入式计算机还可以托管控制器装置3，该控制器装置用于生成命令信号u_st从而使车辆的物理状态向量ξ符合设定点状态向量ξ*，以确保车辆1保持期望的路径。车辆的物理状态取决于在较大程度或较小程度上受到控制的且对其动态行为起作用的多种物理数据。嵌入式计算机托管观测器装置2，该观测器装置用于根据命令u_st并根据与以当前速度v_a移动的车辆1的路径保持物理状态向量ξ相关的当前测量向量η来实时地生成车辆1的估计路径保持状态向量如现在参照图2所解释的。

在图2所展示的实施例中，考虑到车辆1的有效状态向量ξ包括多于两个的标量坐标、或状态变量，其中例如可以以任何预先建立的顺序但优选是对于给定车辆而言确定地引用车辆的有效横摆速度车辆与其理想路径的有效相对偏差角度Ψ_rel，ef以及车辆重心偏离其理想路径的有效侧向速度有效相对偏差角度Ψ_rel,ef是实际上车辆的中轴线与所考虑的每个时刻的理想路径的切线所成的角度。重心偏离的有效侧向速度是车辆的重心实际上与所考虑时刻的理想路径的切线成直角地移动远离理想路径的速度。车辆1的有效状态向量ξ可以包括其他标量坐标，例如车辆的重心相对于其理想路径的有效偏离Y_cog,ef、车辆车轮的转向锁定角随时间推移的有效变化以及车轮的实际转向锁定角δ_ef。

状态变量可以具有与车辆运行模式无关的意义或针对车辆运行模式的意义。横摆速度与运行模式无关，所述横摆速度为车辆围绕与路面成直角的轴线进行枢转的速度。这同样适用于车辆车轮的转向锁定角随时间推移的有效变化并且适用于车轮的有效转向锁定角δ_ef，因为这些变量与车轮自身相对于正被控制的车辆的底盘的状态相关。相比之下，正被控制的车辆的重心相对于其理想路径的有效偏离Y_cog,ef是车道的引导线与正被控制的车辆的重心之间的、在与处于LCA模式下的车辆的轴线成直角的轴线上的侧向偏差。重心偏离的有效侧向速度是前述变量的时间变化。

车辆1的有效状态向量ξ还可以包括取决于车辆的运行模式而在数量和/或性质上不同的标量坐标。回到上面的说明性示例，可选状态变量∫-Y_COGdt可以表示：正被控制的车辆的重心相对于其应所在的车道的引导线的点的偏差的时间积分。事实上，此状态变量并不对应于任何真实的物理状态，而是从PID类型的闭环服务器控制继承的技巧，其中增益的积分分量使得可以对于应用到放大器的零误差而言获得该放大器的非零输出，具有在此对车辆重心相对于行车道中线的实际偏离Y_cog,ef施加零误差的技术效果。

车辆1的此有效状态向量ξ具有对应的参考状态向量ξ*，在受控车辆滚动时的每个时刻都希望获得该参考状态向量。例如，状态向量ξ的坐标Ψ_rel,ef、Y_CoG,ef具有状态向量ξ*的为零值的对应坐标Ψ_ref、Y_CoG,ref，因为显然期望受控车辆的有效路径与其理想路径之间不存在偏差。

车辆1的有效状态向量ξ是未知的，因为受自然物理定律支配的受控车辆的内部状态并非是全部可访问的。

将回想到的是，已知的物理定律规定：由车辆1构成的物理系统的状态向量ξ的时间演化的向量通过动态关系A而与状态向量ξ相关，该动态关系为：当不存在外部扰动时，总体上趋向于使车辆的状态达到最终稳定状态。由于车辆的最终稳定状态不一定是其所寻求实现的状态，因此本发明的目的是产生持续地扰动该系统以使有效状态向量ξ与参考状态向量ξ*保持一致的命令u。因而在时间演化向量上造成的扰动通过侵入式关系B而与命令u相关，该侵入式也受物理定律支配。由于本质为整体未知的其他外部扰动同样作用于由车辆1构成的物理系统，因此采用反馈控制机制，其中，观测器装置2的目的是实时地生成尽可能如实地表示有效状态向量ξ的估计状态向量

为了实现这一目的，观测器装置2包括模块4，该模块对由车辆1构成的物理系统进行建模，具体是在路径保持方面。模块4包括表示动态关系A的计算数字矩阵A^c以及表示侵入式关系B的数字矩阵B^s。

数字矩阵A^c可以具有不同的形式，每种形式适合于车辆的一种运行模式。数字矩阵A^c的形式本质上与车辆1的状态向量ξ相关并且与施加的动态关系相关。下文解释的形式的示例是基于自行车模型的，该自行车模型在所讨论的技术领域中是众所周知的，如比如FR 2925005或WO 2012084465等许多现有技术文献展示的。

在此考虑的示例是具有LCA模式的，对于这种模式，数字矩阵A^c具有以下形式：

其中一些系数是可变的，而其他系数在同一个滚动序列期间是恒定的。

可变系数本质上为取决于车辆的速度v、具体为纵向速度v_a的系数。为了适应速度变化，通过一方面读取嵌入式网络(机动车辆CAN、LIN、以太网总线或其他类型)上一般可访问的速度v、具体为纵向速度v_a并且另一方面通过读取存储器中一般可访问的参数借助于以下公式来实时重新计算可变系数：

其中参数c_r、c_f、l_r、l_f、I_z、M，如本身从其他地方(参见申请FR 1255068、FR 1255188或FR 12563339)已知的，各自分别对以下各项进行量化：后轮12的漂移刚度(rigidite dederive)和从车轮轮胎供应商或通过电路滚动测试得到的前轮11的漂移刚度、后轮轴线相对于车辆1的重心CoG的距离和前轮轴线相对于该重心的距离、车辆绕与经过前轮轴线和后轮轴线的平面垂直的线的惯性矩、以及最后是车辆的重量。

可以当车辆正被设计时可以预先计算在滚动序列上恒定的系数，然后存储在嵌入式计算机存储器中。这些系数是通过以下公式确定的：

a₅₅＝-2μω

a₅₆＝-ω²

其中，在一方面，μ和ω分别指代车轮转向锁定命令的传递函数的阻尼系数和特定脉冲。

每次车辆启动时，还可以计算在滚动序列上恒定的系数，以考虑到取决于乘客的数量和装载量而可能在每次启动时有所不同的重量M和惯性矩I_z。例如由燃料的消耗或乘客在旅途中离开车辆所造成的这些参数的变化一般不是非常显著。

单位系数存在于与状态变量的时间导数相对应的线上，该状态变量本身是秩与矩阵的列的秩相等的状态变量。

其他系数为零，除了其中系数全为零的最后一列和其中只有中值系数不为零但等于-1的最后一行，以人为地再现PID类型的常规线性服务器控制反馈。

矩阵的列数等于状态向量的坐标数，并且行数等于状态时间变化向量的坐标数，即等于其行数。将理解的是，数字矩阵A^c可以包括与上述示例中的行数和列数不同的行数和列数，具体为，如果认为需要考虑附加状态变量则为更大的数，或者如果认为一个状态变量毫无意义则为更小的数，具体为如上文所解释的与最后一行相对应的状态变量。

表示侵入式关系B的数字矩阵B^s适合于车辆命令的模式并且考虑了外部因素。数字矩阵B^s的形式本质上与状态向量η相关，所述状态向量的坐标数设定了行数，并且该数字矩阵的形式与和系统的交互相关，所述交互的数量设定了列数。下面说明的形式的主要示例对应于上面解释的示例。

对于LCA模式，数字矩阵B^s具有如下形式：

其中第一列在此与第一扰动相关联，该第一扰动是转向锁定命令u，而第二列与第二扰动相关联，该第二扰动是曲率γ_ref，该曲率等于在车辆所在的点处行车道本身的曲率半径ρ_ref的倒数。系数b₅₁在此再次等于车轮转向命令的传递函数的特定脉冲ω的平方。相比之下，在第二列中，假定曲率γ_ref直接作用于车辆与其理想路径的有效相对偏差角度Ψ_rel,_ef并且作用于车辆的重心偏离其理想路径的有效侧向速度则两个系数b₂₂和b₃₂是非零的。系数b₂₂等于车辆的纵向速度v_a的相反数，并且系数b₃₂等于车辆的纵向速度v_a的平方的相反数。

为了对车辆1进行建模，模块4接收命令u_st，从而通过借助于在以下公式中涉及的数字矩阵A^c和B^s再现动力学方程来生成估计状态向量

应当满足估计状态向量的多个条件以便如实地再现车辆的物理状态向量ξ。

在第一个公式(其是相对于时间的积分)中，在初始时刻，有必要使估计状态向量等于车辆的物理状态向量ξ。

在第二个公式中，有必要使数字矩阵A^c和B^s完美地对实际影响车辆的动态关系A和侵入式关系B进行建模。

清楚地理解到，出于许多原因不能满足这些条件，例如使车辆合格的参数由于制造差异而导致的准确性以及磨损老化、不可预测的扰动以及许多其他已知或未知的原因。

为了减小所计算的估计状态向量与未知的车辆物理状态向量ξ之间的偏差，观测器2以第二输入端接收表示车辆状态的当前测量向量η。当前测量向量η通过工具性关系C与物理状态向量ξ相关，该工具性关系取决于状态向量的配置、即取决于车辆的运行模式，并且取决于车辆所配备的测量传感器。

回到LCA运行模式的示例，当前测量向量η包括五个分量，这些分量是：由传感器31测量到的横摆速度由单元15测量到的以行车道的中线为目标的相对偏差角度Ψ_rel；重心相对于行车道的中线的径向偏离Y_CoG，使得此偏离从单元15获得；由传感器46测量到的车轮11的转向锁定角δ；以及由单元15提供的重心的偏离Y_CoG的相反数在时间上的累积∫-Y_CoGdt。通过将持续时间dt比作每个时刻k的采样周期，通过非常简单的公式获得该伪测量结果：

初始化为零。

工具性关系C在模块4中由数字矩阵C^c近似，以便根据针对所讨论的运行模式的估计状态向量来生成估计测量向量

在LCA运行模式下，数字矩阵C^c优选地具有如下形式：

其中，非零系数c₁₁、c₂₂、c₃₄、c₄₆和c₅₇是恒定的且单一的，因为所考虑的测量结果形成了状态变量的一部分。

模块4然后通过实时地将估计状态向量乘以矩阵C^c来计算估计测量向量

无论车辆的运行模式如何，估计增益(有时称为Kalman(卡尔曼)增益)模块5的功能是校正状态向量的时间导数使得来自估计状态向量的估计测量向量在稳态条件下与实际测量向量η一致，使得估计状态向量因此与车辆1的路径保持物理状态向量ξ一致。为此，模块5实时地调整估计状态向量的时间变化从而通过以下方式减小当前测量向量η与估计测量向量之间的稳定偏差：将该稳定偏差乘以估计增益矩阵L^c。

由于这两个测量向量η和之间的稳定偏差是维数与测量向量的维数相等的向量，并且由于有待添加到估计状态向量的时间变化的校正是维数与状态向量的维数相等的向量，因此矩阵L^c包括与状态向量的坐标数相等的行数以及与测量向量的坐标数相等的列数。

因而，观测器装置2可以表现为由以下方程定义的卡尔曼观测器：

矩阵L^c对应于卡尔曼观测器的增益矩阵，在此没有必要更详细地展开它是如何获得的，这是从别处已知的。

上面描述的卡尔曼观测器基本上是为了说明性目的而如此描述的，以便更好地理解本发明的实施方式，但是可以使用其他观测器，例如，高增益观测器、扩展的卡尔曼类型的观测器、龙伯格(Luenberger)观测器或贝叶斯(Bayesian)类型的其他滤波器，本领域技术人员应当能够毫无困难地转换在此阐述的教导。

控制器装置3生成命令u_st，以便具体通过整数类型的最后状态变量来减少直到消除参考状态ξ*与估计状态向量之间的差异。参考状态向量被定义为是具有尺寸为7×1的零向量，针对控制器提出的解决方案恰好是被称为“稳态返回”的常规方式，其由以下项来定义：

被定义为具有尺寸为7×1的增益矩阵K包含控制增益。共有七个参数有待设定，每个参数与一个不同的状态变量相关联：

以纯粹说明性而非限制性的方式，所使用的优化方法是基于李卡其(Ricatti)方程并基于解决方案矩阵S的最小化的线性二次型调节器(LQR)：

其中，在此再次，矩阵A和B是根据侧向动力学的方程产生的，Q_k是状态变量中每一个状态变量的权重的矩阵，并且R_k是命令的权重的矩阵(在本具体案例中，R被设定为单个标量，因为仅有一个命令u)。

必须完成的矩阵Q_k被定义如下：

矩阵Q_k被假定为是对角线的，因为认为状态变量的权重之间没有关联。

接下来快速概括了众所周知的分离原则，该分离原则对装置3中的命令优化与装置2中的观测器的优化之间的联系加以支配，这是非常强的，因为控制器的性能直接取决于观测器的估计结果，并且根据观测器所估计的值来进行命令的合成。

为了保证环状系统的稳定性，使用真实状态(A+BK)来独立地检查观测器(A-LC)的稳定性以及命令的稳定性是重要的。这种特性使得可以保证：对观测器的优化(换言之，对矩阵L^c的优化)以及对命令的优化(换言之，对增益矩阵K的优化)可以独立于彼此而进行，同时保证了系统的稳定性。此原则被称为分离原则。

然而，在行车道几何形状的高速率变化时，例如在山路或某些分岔口上就是这种情况，过度刚硬的优化可能对乘客的舒适性有害或者使车辆受力到其机械能力的极限，从而导致其老化加速。相反，欠优化带来灾难性接近困难弯道或施加无聊驾驶模式的风险。为了允许更好地优化状态控制回路而不损害乘客的舒适度或使车辆受力到其机械能力或道路抓地条件的极限，用于实时路径控制的装置包括预测器模块7，该预测器模块将第二转向锁定命令u_ff添加到从观测器模块2产生的第一转向锁定命令u_st，该第二转向锁定命令是待应用于该路径的曲率γ_ff的函数。

模块7包括对曲率γ_ff进行量化的第一计算子模块E和对第二转向锁定命令u_ff进行量化的第二计算子模块E。

计算子模块D对第二转向锁定命令u_ff进行量化，使得第二转向锁定命令是给出稳定的或具有零时间导数的状态向量ξ的动力学方程的解。换言之，转向锁定命令u_ff是通过移去由观测器模块2管理的保持不稳定性而生成的。在与车辆动力学相关的方程中，考虑了平衡状态ξ_eq和平衡时的转向锁定命令u_eq，并且重新使用矩阵A^c和B^s来对关系A和B进行建模。

或者，通过将状态变量的下标采用与状态向量相同的下标：

方程的第五行与第六行组合则给出：

或者，通过将系数a₅₆和b₅₁替换为它们的可参数化的机械评估结果，a₅₆＝-b₅₁＝-ω²：

在平衡时，u_eq＝δ_eq。

方程的第一行和第三行也与第四行组合、然后与第二行组合给出：

或者：

(a₁₂a₃₆-a₁₆a₃₂)δ_eq＝(a₁₂v²-a₁₂a₃₁(v)v+a₃₂a₁₁(v)v)γ_ff

这样，对方程求解给出：

或者，通过将矩阵的系数替换为它们的可参数化的机械评估结果：

应指出的是，当后轮和前轮的漂移刚度相等并且车辆的重心与后轮轴线和前轮轴线等距时，命令u_eq与车辆的速度v_a无关。因此，所有车轮具有相同漂移刚度C_f、C_r并且其重心与前轮轴线和后轮轴线等距的车辆将提供对其重量M和其惯性矩I_z进行独立控制的优点，该惯性矩是通过以下非常简单的公式计算出的：

u_eq＝(l_f+l_r)γ_ff

可以直接将命令u_ff＝u_eq＝δ_eq与该命令相加以获得应用于车轮的转向锁定命令u＝u_eq+u_st。

然而，鉴于因为可能未考虑到的因素或因为或者人为因素可能根据乘客的类型而变化，所以建模可能不能完全如实地表示车辆的真实行为，一个关心的变体包括将命令u_eq乘以增益G，该增益可以在车辆的测试期间进行调节并且可能可以根据运动、家庭或其他驾驶模式进行调制。术语增益应当以其最一般的意义来理解，其既可以对应于其大于一时的增加也可以对应于在其他方面的衰减。于是获得了下式：

u_ff＝G·u_eq

平衡时的状态向量ξ_eq具有对应的平衡时的测量伪向量η_eq：

然后，从有效测量向量η中减去在计算子模块D中获得的测量伪向量η_eq，以使观测器模块仅与路径偏差相关。

待应用于路径的曲率γ_ff可以例如涉及车辆为避开障碍物或改变车道所作出的偏差。现在解释的优选示例涉及车辆前方距离x处的车道曲率。因此，本发明的控制装置可以像驾驶员观看车辆前方的道路一样预测弯道的宣告以开始转弯，而不是好像车辆在轨道上一样引导车辆。

有利地，距离x随车辆的当前速度v_a而变化。作为纯粹说明性而非限制性的示例，可以考虑距离x等于速度v_a乘以给定响应时间与固定值或者本身是速度函数的值的乘积。此响应时间还可以是可参数化的，以允许在车辆测试期间对该响应时间进行调整。

然后，计算子模块E从单元15接收多项式y(x)，该多项式一般以向量(p₀,p₁,p₂,p₃)^T的形式给出车辆前方距离x处的每个点的行车道的引导线的几何形状，该向量的坐标对应于多项式的系数。

子模块E然后通过以下公式计算曲率γ_ff：

如果多项式是如上所述的三次的，则一阶导数由以下简单公式给出：

y’(x)＝3p₃x²+2p₂x+p₁

同样，二阶导数由以下简单公式给出：

y”(x)＝6p₃x+2p₂

因此，可以通过以下公式容易地实时计算曲率γ_ff：

Claims (9)

1.一种用于实时控制车辆(1)的路径的装置，该装置包括观测器模块(2)，该观测器模块根据当前测量向量(η)实时生成以当前速度(v_a)移动的该车辆(1)的估计车道保持状态向量以便产生第一转向锁定命令(u_st)以使该车辆相对于所述车道的路径稳定，其特征在于，该装置包括：

-预测器模块(7)，该预测器模块将第二转向锁定命令(u_ff)添加到所述第一转向锁定命令(u_st)，该第二转向锁定命令是待应用于该路径的曲率(γ_ff)的函数，所述曲率(γ_ff)等于在该车辆前方的一定距离(x)处的车道曲率半径的倒数。

2.如权利要求1所述的控制装置，其特征在于，所述距离(x)随所述当前速度(v_a)而变化。

3.如前述权利要求之一所述的控制装置，其特征在于，该控制装置包括组合了光学相机和雷达的特性的单元(15)，以便以多项式的形式提供该车道的至少一个引导线几何形状(y(x))。

4.如权利要求3所述的控制装置，其特征在于，该预测器模块(7)包括用于通过以下公式计算来自该车道的中间引导线几何形状(y(x))的曲率(γff)的子模块(E)：

5.如前述权利要求之一所述的控制装置，其特征在于，该预测器模块(7)包括用于将该第二转向锁定命令(u_ff)计算作为动力学方程的解的子模块(D)，该动力学方程给出稳定或具有零时间导数的状态向量。

6.如权利要求5所述的控制装置，其特征在于，该预测器模块(7)生成所述稳定状态向量的评估测量向量(η_eq)，以便从作为该观测器模块(2)的输入的所述当前测量向量(η)中移除所述评估测量向量(η_eq)。

7.如权利要求5和6之一所述的控制装置，其特征在于，该计算子模块(D)还包括该第二转向锁定命令(u_ff)的可调增益。

8.如前述权利要求之一所述的控制装置，其特征在于，所述当前测量向量(η)包括与横摆速度和转向锁定角度(δ)相关的坐标，并且其特征在于，该估计状态向量包括与以下各项相关的坐标：该横摆速度相对于该车辆(1)的路径的偏差角度(Ψ_rel)、转向锁定角度的时间导数以及该转向锁定角度(δ)。

9.如权利要求8所述的控制装置，其特征在于，为了在该道路车道上调准，所述当前测量向量(η)还包括与以下各项相关的坐标：相对于该车辆(1)的路径的偏差角度(Ψ_rel)、与该车辆(1)的车道保持路径的侧向偏差(Y_COG)、与该路径的侧向偏差的时间积分的相反数(∫-Y_COGdt)，并且其特征在于，该估计状态向量还包括与以下各项相关的坐标：与该车辆(1)的路径的侧向偏差的时间导数与该车辆(1)的路径的侧向偏差(Y_COG)、以及与该路径的侧向偏差的时间积分的相反数(∫-Y_COGdt)。