CN109606363B - 一种多状态反馈的智能汽车可拓车道保持控制方法 - Google Patents

Abstract

本发明公开了一种多状态反馈的智能汽车可拓车道保持控制方法，本发明将基于偏差变化实时拓展控制器输出结果的可拓控制方法运用到智能汽车车道保持控制中，保证车辆运动过程中始终在车范围内运动。车道保持的控制目标是保证车辆运动过程中距离左侧车道线和右侧车道线的距离相等，以及航向偏差为0。为实现控制目标，本发明分别选取当前车辆运动状态量与下一时刻期望的状态的偏差作为可拓控制器特征量，并建立多状态可拓集合，对可拓集合进行域界划分，将整个可拓集合划分为经典域、可拓域和非域三个区域。通过车辆‑道路实时特征量计算关联函数值，基于关联函数值将每一个实时特征状态量分类到各个区域中，基于此分别计算输出前轮转角输出值。

Description

一种多状态反馈的智能汽车可拓车道保持控制方法

技术领域

本发明属于智能汽车控制技术领域，特别涉及了一种多状态反馈的智能汽车可拓车道保持控制方法。

背景技术

为满足安全、高效、智能化交通发展的要求，智能汽车成为其发展和研究的重要载体和主要对象，尤其是电动智能汽车对于改善环境污染、提高能源利用率、改善交通拥挤问题有着很大作用。其中，智能汽车在道路行驶过程中，车道保持能力逐渐成为关注的热点之一，尤其是弯道保持和高速车道保持性能。

智能汽车车道保持控制基于普通车辆平台，架构计算机、视觉传感器、自动控制执行机构以及信号通讯设备，实现自主感知、自主决策和自主执行操作保证安全行驶功能。常见车辆多为前轮驱动，通过调节前轮转角保证车辆横向控制精度和车辆行驶的安全性稳定性。车道保持基于摄像头等视觉传感器，通过车道线检测提取车道线信息，同时获取车辆在车道中的位置，确定下一时刻需要执行的前轮转角。具体控制方式主要有两种：预瞄式参考系统和非预瞄式参考系统，预瞄式参考系统主要以车辆前方位置的道路曲率作为输入，根据车辆与期望路径之间的横向偏差或航向偏差为控制目标，通过各种反馈控制方法设计对车辆动力学参数鲁棒的反馈控制系统，如基于雷达或摄像头等视觉传感器的参考系统。非预瞄式参考系统根据车辆附近的期望路径，通过车辆运动学模型计算出描述车辆运动的物理量，如车辆横摆角速度，然后设计反馈控制系统进行跟踪，此发明基于预瞄式控制方法，获取前方车辆运行点处的多个期望车辆状态，完成多状态反馈的可拓车道保持控制方法的设计。

发明内容

从目前主要研究内容看，智能汽车弯道和高速下车道保持控制精度和稳定性是研究的热点，本发明针对高速下智能汽车弯道车道保持的控制精度问题，提出一种多状态反馈的可拓车道保持控制方法。

本发明将可拓控制方法运用到智能汽车车道保持控制方法中，保证车辆运动过程中始终在车道范围内运动。车道保持的控制目标是保证车辆运动过程中车辆距离左侧车道线和右侧车道线的距离相等，以及航向偏差为0。为了实现控制目标，本发明分别选取当前车辆运动状态量与下一时刻期望的状态的偏差作为可拓控制器特征量，并建立多状态可拓集合，对可拓集合进行域界划分，将整个可拓集合划分为经典域、可拓域和非域三个区域。通过车辆-道路实时特征量计算关联函数值，基于关联函数值将每一个实时特征状态量分类到各个区域中，基于此分别计算前轮转角输出值。

本发明的有效效益为：

(1)一方面考虑了车辆在车道运动过程中位置偏差，保证了车辆跟踪车道线的跟踪位置精度，另一方面考虑了车辆运动过程中的运动状态，保证了车辆运动过程中的平顺性和稳定性。

(2)创新性的将可拓控制运用到智能汽车车道保持控制中，考虑多状态下可拓车道保持控制，使得智能汽车跟踪车道线不仅跟踪位置精度达到较高要求，同时保证运动状态具有更好的稳定性，尤其是针对高速运动下的弯道车道保持具有更加突出的表现。

附图说明

图1.智能汽车多状态反馈车道保持控制方法流程图

图2.可拓控制器结构

图3.二自由度车辆动力学模型

图4.轨迹跟踪预瞄误差模型

图5.多维可拓集合区域划分图

图6.关联函数与测度模式关系图

图7.测度模式为M₁下输出计算框图

图8.仿真验证道路模拟图

图9.车道保持结果图；

(a)期望轨迹，(b)轨迹跟踪横向位置偏差结果。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1所示，本发明智能汽车多状态反馈车道保持控制方法包括如下步骤：

Step1:建立二自由度车辆动力学模型

本发明采用车辆动力学模型为二自由度模型，其示意图如图3所示。车辆整车质量为M，车辆绕质心(CG)z轴的转动惯量为I_z，前后轴距离质心的距离分别为l_f、l_r，v_x、 v_y分别为车辆沿x轴和y轴的纵向速度和侧向速度，β、r分别为质心侧偏角和横摆角速度，F_yfl、F_yfr、F_yrl、F_yrr分别为四个车轮受到的侧向力，此处定义F_yf、F_yr分别为前轴和后轴轮胎受到的侧向合力，表示为F_yf＝F_yfl+F_yfr、F_yr＝F_yrl+F_yrr，前轮转角δ_f调节车辆行驶方向，δ_f作为车辆二自由度模型的输入参数，此处假设车辆纵向速度v_x为常数，左右车轮的侧偏角相同，I_z为绕质心的转动惯量。则车辆二自由度动力学模型数学方程可以表示为：

前后轮胎侧向力F_yf、F_yr与前后轮轮胎侧偏角α_f、α_r的关系为：

F_yf(t)＝c_fα_f(t)F_yr(t)＝c_rα_r(t) (2)

其中，c_f、c_r为前后轮胎侧偏刚度，在轮胎工作于线性区时，其值为定值。

前后轮胎侧偏角α_f、α_r可表示为：

将式(2)和(3)代入式(1)中，可以得到方程：

其中，

将其写成状态空间方程形式：

状态量x＝[β,r]^T，且

u＝δ_f

Step2:车道线拟合计算

车道线拟合采用二次多项式拟合，根据道路曲率值ρ和车辆摄像头距离左右车道线的距离D_L、D_r，可得到弯道时车道线拟合方程：

其中，ρ为道路曲率，D_L、D_r为车辆摄像头距离左右车道线的距离，

为车道线航向角；y_L为左侧车道线位置、y_r为右侧车道线位置。

考虑到车辆的航向偏差角范围在-1rad到1rad之间，通过设置参数范围将车道线曲率识别范围设置在-0.12/m到0.12/m之间。

Step3：状态量偏差计算

本发明车辆反馈状态量分别有：横摆角速度r，侧向加速度a_y，预瞄点横向位置偏差e_L，航向偏差

轨迹跟踪预瞄偏差动力学模型如图4所示，图中给出了车辆运动的参考轨迹，e_L为预瞄点处到参考轨迹的横向距离，定义为预瞄横向位置偏差；L为车辆质心CG到预瞄点的距离；

为参考轨迹预瞄点处航向角，

为车辆航向角，基于此轨迹跟踪预瞄偏差动力学模型，上述各个状态量的期望值和偏差根据几何关系可以计算得到：

期望横摆角速度

横摆角速度偏差

期望侧向加速度a_ydes：

侧向加速度偏差a_e为：

a_e＝a_ydes-a_y (10)

横向位置偏差e_L满足关系：

其中，横向位置偏差e_L期望值为0，航向偏差

期望值为0。ρ为参考轨迹的曲率。

Step4:多维可拓特征量提取和域界划分

本发明可拓控制器特征量选择横摆角速度r，侧向加速度a_y，预瞄点横向位置偏差e_L，航向偏差

由此构成多维特征状态集合，记做

可拓控制器结构如图4所示。对于自动驾驶汽车横向控制而言，控制目标为保证车辆在既定轨迹上保持车辆与目标轨迹之间横向位置偏差和航向偏差为零，以及上述状态量能够达到期望值。

确定各个特征量的经典域区域和可拓域区域，如图5所示，可以分别表示为：

经典域

其中，r_om、a_yom、e_Lom、

分别表示横摆角速度、侧向加速度、预瞄点点横向位置偏差和航向偏差经典域边界值。

可拓域

其中，r_m、a_ym、e_Lm、

分别表示横摆角速度、侧向加速度、预瞄点点横向位置偏差和航向偏差可拓域边界值。

非域为整个可拓集合中除去经典域和可拓域剩下的集合区域。

Step5:关联函数计算

关联函数值表征了特征量状态距离期望态点的远近，即体现了系统特征状态量转变为最优状态的困难程度，对于系统控制过程具有监控稳定性程度的作用。

基于上述期望状态量，此处关联函数值计算过程如下。

在车辆运动过程中，实时特征状态量记做

状态量对应的期望值点记做S₂＝[r_des(t) a_ydes(t) 0 0]^T，其中r_des(t)、a_ydes(t)分别表示期望的横摆角速度和期望的侧向加速度随时间的变化值，那么实时状态量与期望值点的可拓距为：

经典域可拓距为：

可拓域可拓距为：

如果实时特征状态量S₁与对应的期望值点S₂偏差特征状态量

位于经典域R_os中，则关联函数为：

K(S)＝1-|S₁S₂|/M_o (17)

否则，

K(S)＝(M_o-|S₁S₂|)/(M-M_o) (18)

所以，关联函数可以表示为：

Step6:控制系统输出前轮转角

，首先根据上述关联函数值对系统特征量

模式识别，如图6所示，模式识别规则如下所示：

记为测度模式M₁；

记为测度模式M₂；

ELSE记为测度模式M₃。

如图6所示为关联函数值与测度模式对应关系示意图。

基于对实时特征量的模式识别，在对应的模式下采用对应的控制器前轮转角输出值。

当测度模式为M₁时，车辆-道路系统处于稳定状态，此时控制器前轮转角输出值为：

δ_f＝-kS

其中，k为测度模式M₁基于特征量S的状态反馈系数，k＝[k_c1 k_c2 k_c3 k_c4]^T本文采用极点配置方法选择状态反馈系数，计算框图如图7所示。

当测度模式为M₂时，车辆-道路系统处于临界失稳状态，属于可调范围内，可以通过增加控制器附加输出项，将车辆-道路系统重新调节到稳定状态，控制器前轮转角输出值为：

δ_f＝-k{S+k′K(S)[-sgn(S)]} (20)

k^′为测度模式M₂下附加输出项控制系数，该系数主要基于测度模式M₁下控制量适量人工调节，保证附加输出项能够使得车辆-道路系统在此回到稳定状态。

其中，

k′K(S)[-sgn(S)]为控制器附加输出项，该项结合了关联函数值K(S)，关联函数体现了车辆在车道爆出中沿车道中心线运动的调节难度，因此，通过关联函数值的变化，根据控制难度实时改变控制器附加输出项的值。

当测度模式为M₃时，车辆由于距离车道中心线偏差较大，无法及时调节到稳定状态，为保证车辆安全，此时控制器前轮转角输出值为：

δ_f＝0 (22)

测度模式M₃在控制过程中应尽可能避免。

因此，对于特征量e_v控制器前轮转角输出值为：

将上述控制器的输出量反馈至车辆模型，实时调节模型中的相关参数，实现车辆能够实时调节轨迹跟踪状况

实施例:可行性仿真验证

本发明基于MATLAB(Simulink)-Carsim平台，车辆速度选择110km/h，轨迹跟踪误差模型中预瞄距离L＝15m；道路附着系数μ＝1.0，道路形状如图8所示，响应结果如图9所示，从图中可以看出，在车速保持在110km/h状态下，车辆通过如图9 (a)所示的期望车道，通过弯道时，横向位置偏差保持在-0.3～0.2m范围内，并且在直线车道中，始终运行在车道中心线上，能够满足车道保持功能。

根据高速工况下响应结果发现，本发明提出的多状态反馈可拓车道保持控制方法在高速时变曲率道路具有较高的跟踪精度，控制方法可靠性好。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (4)

1.一种多状态反馈的智能汽车可拓车道保持控制方法，其特征在于，

所述控制方法的实现包括如下步骤：

步骤1，建立二自由度动力学模型；

步骤2，计算车道线拟合；

步骤3，计算状态量偏差；所述状态量偏差是指选取当前车辆运动状态量与下一时刻期望的状态的偏差；

步骤4，多维可拓特征量提取和域界划分：将状态量偏差作为可拓控制器特征量，建立多状态可拓集合，对多状态可拓集合进行域界划分，将整个可拓集合划分为经典域、可拓域和非域三个区域；所述多维可拓特征量选择横摆角速度r，侧向加速度a_y，预瞄点横向位置偏差e_L，航向偏差

由此构成多维特征状态集合，记做

步骤5，计算关联函数；

步骤6，输出前轮转角；

步骤1的具体实现包括：

设车辆整车质量为M，车辆绕质心z轴的转动惯量为I_z，前后轴距离质心的距离分别为l_f、l_r，v_x、v_y分别为车辆沿x轴和y轴的纵向速度和侧向速度，β、r分别为质心侧偏角和横摆角速度，F_yfl、F_yfr、F_yrl、F_yrr分别为四个车轮受到的侧向力，定义F_yf、F_yr分别为前轴和后轴轮胎受到的侧向合力，表示为F_yf＝F_yfl+F_yfr、F_yr＝F_yrl+F_yrr，前轮转角δ_f调节车辆行驶方向，δ_f作为车辆二自由度模型的输入参数，假设车辆纵向速度v_x为常数，左右车轮的侧偏角相同，I_z为绕质心的转动惯量；则车辆二自由度动力学模型方程可以表示为：

前轴和后轴轮胎受到的侧向合力F_yf、F_yr与前后轮轮胎侧偏角α_f、α_r的关系为：

F_yf(t)＝c_fα_f(t) F_yr(t)＝c_rα_r(t) (2)

其中，c_f、c_r为前后轮胎侧偏刚度，在轮胎工作于线性区时，其值为定值；

前后轮胎侧偏角α_f、α_r可表示为：

将式(2)和(3)代入式(1)中，可以得到方程：

其中，

将其写成状态空间方程形式：

其中，状态量x＝[β,r]^T，且

u＝δ_f；

步骤5中，所述计算关联函数的方法如下：

在车辆运动过程中，实时特征状态量记做

状态量对应的期望值点记做S₂＝[r_des(t) a_ydes(t) 0 0]^T，那么实时状态量与期望值点的可拓距为：

经典域可拓距为：

r_om、a_yom、e_Lom、

分别表示横摆角速度、侧向加速度、预瞄点点横向位置偏差和航向偏差经典域边界值；

可拓域可拓距为：

r_m、a_ym、e_Lm、

分别表示横摆角速度、侧向加速度、预瞄点点横向位置偏差和航向偏差可拓域边界值；

如果实时特征状态量S₁与对应的期望值点S₂偏差特征状态量

位于经典域R_os中，r_des(t)、a_ydes(t)分别表示期望的横摆角速度和期望的侧向加速度随时间的变化值；

则关联函数为：

K(S)＝1-|S₁S₂|/M_o

否则，

K(S)＝(M_o-|S₁S₂|)/(M-M_o)

所以，关联函数表示为：

步骤6的具体实现包括：

步骤6.1，首先根据关联函数值对系统特征量

模式识别，模式识别规则如下所示：

IF K(S)≥0,THEN

为测度模式M₁；

IF -1≤K(S)<0,THEN

为测度模式M₂；

ELSE为测度模式M₃；

步骤6.2，基于对实时特征量的模式识别，在对应的模式下采用对应的前轮转角输出值；

当测度模式为M₁时，车辆-道路系统处于稳定状态，此时控制器前轮转角输出值为：

δ_f＝-kS

其中，k为测度模式M₁基于特征量S的状态反馈系数，k＝[k_c1 k_c2 k_c3 k_c4]^T，采用极点配置方法选择状态反馈系数；

当测度模式为M₂时，车辆-道路系统处于临界失稳状态，属于可调范围内，通过增加附加输出项，将车辆-道路系统重新调节到稳定状态，前轮转角输出值为：

δ_f＝-k{S+k′K(S)[-sgn(S)]}

k′为测度模式M₂下附加输出项控制系数，该系数基于测度模式M₁下控制量适量人工调节，保证附加输出项能够使得车辆-道路系统在此回到稳定状态；

其中，

k′K(S)[-sgn(S)]为附加输出项；

当测度模式为M₃时，前轮转角输出值为：

δ_f＝0；

因此，前轮转角输出值为：

上述R_S表示可拓域。

2.根据权利要求1所述的一种多状态反馈的智能汽车可拓车道保持控制方法，其特征在于，步骤2中，车道线拟合采用二次多项式拟合，具体实现包括：

根据道路曲率值ρ和车辆摄像头距离左右车道线的距离D_L、D_r，得到弯道时车道线拟合方程：

其中，ρ为道路曲率，D_L、D_r为车辆摄像头距离左右车道线的距离，

为车道线航向角，y_L为左侧车道线位置、y_r为右侧车道线位置。

3.根据权利要求1所述的一种多状态反馈的智能汽车可拓车道保持控制方法，其特征在于，步骤3中，所述状态量包括：横摆角速度r，侧向加速度a_y，预瞄点横向位置偏差e_L，航向偏差

计算状态量的方法包括：

设L为车辆质心CG到预瞄点的距离，

为参考轨迹预瞄点处航向角，

为车辆航向角，基于轨迹跟踪预瞄偏差动力学模型，各状态量的期望值和偏差根据几何关系计算得到：

期望横摆角速度

横摆角速度偏差

期望侧向加速度a_ydes：

侧向加速度偏差a_e为：

a_e＝a_ydes-a_y

预瞄点横向位置偏差e_L满足关系：

其中，预瞄点横向位置偏差e_L期望值为0，航向偏差

期望值为0，ρ′为参考轨迹的曲率。

4.根据权利要求1所述的一种多状态反馈的智能汽车可拓车道保持控制方法，其特征在于，步骤4中，

确定各个特征量的经典域区域和可拓域区域，分别表示为：

经典域

可拓域

其中，r_om、a_yom、e_Lom、

分别表示横摆角速度、侧向加速度、预瞄点点横向位置偏差和航向偏差经典域边界值；r_m、a_ym、e_Lm、

分别表示横摆角速度、侧向加速度、预瞄点点横向位置偏差和航向偏差可拓域边界值。

Images