CN110008514A - 一种进行线性化处理的方法和设备 - Google Patents
一种进行线性化处理的方法和设备 Download PDFInfo
- Publication number
- CN110008514A CN110008514A CN201910169511.9A CN201910169511A CN110008514A CN 110008514 A CN110008514 A CN 110008514A CN 201910169511 A CN201910169511 A CN 201910169511A CN 110008514 A CN110008514 A CN 110008514A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- vehicle
- state
- angle information
- front wheel
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 230000008569 process Effects 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims description 25
- 230000001133 acceleration Effects 0.000 claims description 10
- 241000208340 Araliaceae Species 0.000 claims description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 6
- 235000008434 ginseng Nutrition 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Classifications
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种进行线性化处理的方法和设备,用以解决现有技术中存在的对无人驾驶汽车的误差模型进行线性化时,线性化效果差的问题。本发明实施例首先根据目标车辆的参考前轮偏角信息并通过二维动力方程,确定该目标车辆的至少一个状态矢量的参考状态,然后在确定的参考状态处对该目标车辆的误差模型进行线性化处理,其中,该二维车辆动力学方程中的参数是根据该目标车辆的当前运动状态确定的,该目标车辆的前轮偏角信息是根据预设规划线确定的。由于参考状态是根据目标车辆的前轮偏角信息并通过二维车辆动力学方程确定的,更接近该目标车辆的当前运动状态,因此线性化效果更好,能够提高误差模型的精确度,进而能够使驾驶更精确。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种进行线性化处理的方法和设备。
背景技术
随着人工智能的不断发展,智能汽车已逐渐进入到人们的生活中,给人们的生活带来极大的方便。
无人驾驶汽车是智能汽车的一种,也称为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。
无人驾驶汽车可以通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。它可以利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。
无人驾驶汽车在自动驾驶时,汽车会按照预设条件进行驾驶,比如,按照道路的中心线驾驶,以恒定速度驾驶等。误差模型是使无人驾驶汽车按预设条件进行驾驶的一个重要因素,比如,汽车当前速度小于预设的驾驶速度,则通过误差模型,使汽车的速度调整为预设速度。
误差模型需要进行线性化处理,将非线性化误差模型转化为线性化模型,在进行线性化处理时,选取的参考状态为预设参考状态。
目前,无人驾驶汽车的误差模型需要线性化,在线性化时选取的参考状态为预设参考状态,线性化效果差。
发明内容
本发明提供一种进行线性化处理的方法和设备,用以解决现有技术中存在的对无人驾驶汽车的误差模型进行线性化时,线性化效果差的问题。
第一方面,本发明实施例提供一种进行线性化处理的方法,该方法包括:
根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态;
在所述参考状态处对所述目标车辆的误差模型进行线性化处理;
其中,所述二维车辆动力学方程中的参数是根据所述目标车辆的当前运动状态确定的;所述目标车辆的参考前轮偏角信息是根据预设规划线确定的。
上述方法,首先根据目标车辆的参考前轮偏角信息并通过二维动力方程,确定该目标车辆的至少一个状态矢量的参考状态,然后在确定的参考状态处对该目标车辆的误差模型进行线性化处理,其中,该二维车辆动力学方程中的参数是根据该目标车辆的当前运动状态确定的,该目标车辆的前轮偏角信息是根据预设规划线确定的。由于在对误差模型进行线性化处理时,是在根据目标车辆的前轮偏角信息并通过二维车辆动力学方程确定的参考状态处进行的线性化处理,确定的该参考状态更接近该目标车辆的当前运动状态,因此在确定的该参考状态处进行线性化时,线性化效果更好,能够提高误差模型的精确度,进而能够使驾驶更精确。
在一种可能的实现方式中,所述确定所述目标车辆的至少一个状态矢量的参考状态,包括:
将所述目标车辆的参考前轮偏角信息代入到所述二维车辆动力学方程中;
通过四阶龙格库塔法对代入所述参考前轮偏角信息的二维车辆动力学方程进行运算,确定所述目标车辆的至少一个状态矢量的参考状态。
上述方法,给出了一种根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程求取参考状态的方法,首先将该目标车辆的参考前轮偏角信息代入到该二维车辆动力学方程中,然后通过四阶龙格库塔法对代入该参考前轮偏角信息的二维车辆动力学方程进行运算,确定该目标车辆的至少一个状态矢量的参考状态,从而根据该确定的参考状态对误差模型进行线性化。
在一种可能的实现方式中,所述根据预设规划线确定所述目标车辆的参考前轮偏角信息,包括:
将所述目标车辆的轴距与所述预设规划线的半径的比值作为所述目标车辆的参考前轮偏角信息;
其中,所述轴距为所述目标车辆的前轴和后轴之间的距离。
上述方法,在确定目标车辆的前轮偏角信息时,根据该目标车辆的轴距与该预设规划线的半径的比值作为给目标车辆的参考前轮偏角信息,其中,该轴距为该目标车辆的前轴和后轴之间的距离,确定了参考偏角信息后,根据该参考偏角信息并通过二维车辆动力学方程确定该目标车辆的至少一个状态矢量的参考状态。
在一种可能的实现方式中,所述在所述参考状态处对所述目标车辆的误差模型进行线性化处理之后,还包括:
根据在所述参考状态处进行线性化处理后的误差模型对所述目标车辆的所述至少一个状态矢量进行调整。
上述方法,确定了该目标车辆的至少一个状态矢量的参考状态,在该参考状态处对目标车辆的误差模型进行线性化处理后,根据线性化后的误差模型对该目标车辆的至少一个状态矢量进行调整,使该目标车辆能够精确驾驶。
在一种可能的实现方式中,所述状态矢量为下列中的部分或全部:
位置误差矢量、速度误差矢量、加速度误差矢量、航向角误差矢量。
上述方法,目标车辆的状态矢量可以为位置误差矢量、速度误差矢量、加速度误差矢量、航向角误差矢量,其中,任意一种目标车辆的状态矢量的参考状态都可以根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程确定,只是目标动力学方程中的参数不同,确定了参考状态后,在该参考状态处对该目标车辆的误差模型进行线性化,从而实现更加精确的驾驶。
第二方面,本发明实施例提供一种进行线性化处理的设备,该设备包括:至少一个处理单元及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行下列过程:
根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态;
在所述参考状态处对所述目标车辆的误差模型进行线性化处理;
其中,所述二维车辆动力学方程中的参数是根据所述目标车辆的当前运动状态确定的;所述目标车辆的参考前轮偏角信息是根据预设规划线确定的。
在一种可能的实现方式中,所述处理单元具体用于:
将所述目标车辆的参考前轮偏角信息代入到所述二维车辆动力学方程中;
通过四阶龙格库塔法对代入所述参考前轮偏角信息的二维车辆动力学方程进行运算,确定所述目标车辆的至少一个状态矢量的参考状态。
在一种可能的实现方式中,所述处理单元具体用于:
将所述目标车辆的轴距与所述预设规划线的半径的比值作为所述目标车辆的参考前轮偏角信息;
其中,所述轴距为所述目标车辆的前轴和后轴之间的距离。
在一种可能的实现方式中,所述处理单元还用于:
根据在所述参考状态处进行线性化处理后的误差模型对所述目标车辆的所述至少一个状态矢量进行调整。
在一种可能的实现方式中,所述状态矢量为下列中的部分或全部:
位置误差矢量、速度误差矢量、加速度误差矢量、航向角误差矢量。
第三方面,本发明实施例还提供一种进行线性化处理的设备,该设备包括:
确定模块,用于根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态;
处理模块,用于在所述参考状态处对所述目标车辆的误差模型进行线性化处理;
其中,所述二维车辆动力学方程中的参数是根据所述目标车辆的当前运动状态确定的;所述目标车辆的参考前轮偏角信息是根据预设规划线确定的。
在一种可能的实现方式中,所述确定模块具体用于:
将所述目标车辆的参考前轮偏角信息代入到所述二维车辆动力学方程中;
通过四阶龙格库塔法对代入所述参考前轮偏角信息的二维车辆动力学方程进行运算,确定所述目标车辆的至少一个状态矢量的参考状态。
在一种可能的实现方式中,所述确定模块具体用于:
将所述目标车辆的轴距与所述预设规划线的半径的比值作为所述目标车辆的参考前轮偏角信息;
其中,所述轴距为所述目标车辆的前轴和后轴之间的距离。
在一种可能的实现方式中,所述在所述参考状态处对所述目标车辆的误差模型进行线性化处理之后,所述处理模块还用于:
根据在所述参考状态处进行线性化处理后的误差模型对所述目标车辆的所述至少一个状态矢量进行调整。
在一种可能的实现方式中,所述状态矢量为下列中的部分或全部:
位置误差矢量、速度误差矢量、加速度误差矢量、航向角误差矢量。
第四方面,本发明实施例还提供一种计算机存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面所述方法的步骤。
另外,第二方面至第四方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果,此处不再赘述。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种进行线性化处理的方法流程示意图;
图2为本发明实施例提供的第一种进行线性化处理的设备的结构示意图;
图3为本发明实施例提供的第二种进行线性化处理的设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
自动驾驶汽车能够自动规划路线,也可以自动确定自动驾驶条件,比如,自动驾驶时,速度为80km/h,加速度为0km/h2,航向角为0度,驾驶的过程中要沿着道路中心线行驶。上述都是自动驾驶的预设驾驶条件,在实际自动驾驶的过程中,有可能会未按预设驾驶条件驾驶,因此,自动驾驶汽车未按预设驾驶条件进行驾驶时,需要对驾驶条件进行调整,使调整后的驾驶条件无限接近预设驾驶条件或与预设驾驶条件一致。
自动驾驶汽车未按预设驾驶条件进行驾驶时,说明存在误差,可以通过误差模型确定存在的误差,比如,位置误差、速度误差、加速度误差、航向角误差等。误差的确定直接影响自动驾驶的精确度。
在确定误差模型时,为了后续更好的使用,需要将非线性化误差模型转换为线性化误差模型。在对误差模型进行线性化处理时,根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程确定目标车辆的参考状态,在确定的参考状态处对该目标车辆的误差模型进行线性化处理,相比在预设的参考位置处对目标车辆的误差模型进行线性化,根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程确定的参考状态,更接近目标车辆的当前的运动状态,从而使线性化效果好,提高目标车辆的驾驶精确度。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。
针对上述应用场景,本发明实施例提供了一种进行线性化处理的方法,如图1所示,该方法具体包括如下步骤:
S100、根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态;
S101、在所述参考状态处对所述目标车辆的误差模型进行线性化处理;
其中,所述二维车辆动力学方程中的参数是根据所述目标车辆的当前运动状态确定的;所述目标车辆的参考前轮偏角信息是根据预设规划线确定的。
本发明实施例中,首先根据目标车辆的参考前轮偏角信息并通过二维动力方程,确定该目标车辆的至少一个状态矢量的参考状态,然后在确定的参考状态处对该目标车辆的误差模型进行线性化处理,其中,该二维车辆动力学方程中的参数是根据该目标车辆的当前运动状态确定的,该目标车辆的前轮偏角信息是根据预设规划线确定的。由于在对误差模型进行线性化处理时,是在根据目标车辆的前轮偏角信息并通过二维车辆动力学方程确定的参考状态处进行的线性化处理,确定的该参考状态更接近该目标车辆的当前运动状态,因此在确定的该参考状态处进行线性化时,线性化效果更好,能够提高误差模型的精确度,进而能够使驾驶更精确。
这里的目标车辆的至少一个状态矢量,可以是位置误差矢量、速度误差矢量、加速度误差矢量,还可以是航向角误差矢量。
以上对目标车辆的状态矢量只是举例说明,除了以上举例的状态矢量外,其它状态矢量也适用本发明实施例。
需要说明的是,本发明实施例中的二维车辆动力学方程为以下方程:
其中,y为两自由度用车辆侧向位置,ψ为车辆方向角,Cαf为前轮的侧偏刚度,Cαr为后轮的侧偏刚度,m为车辆的质量,vx为车辆在质心处的纵向速度,lf为车辆质心到前轴的距离,lr为车辆质心到后轴的距离,Iz为车辆质心绕z轴的转矩,δ为车辆参考前轮偏角信息。
以上是对二维车辆动力学方程的说明,由上述的二维车辆动力学方程可以看出,二维车辆动力学方程中的参数可以根据该目标车辆的当前运动状态确定,比如目标车辆在质心处的纵向速度,目标车辆的质心绕z轴的转矩等。
二维车辆动力学方程中的参数除了目标车辆的当前运动状态外,还包括该目标车辆自身特性,比如,目标车辆的质量,目标车辆的车辆质心到后轴的距离等。
目标车辆的参考前轮偏角信息可以根据预设规划线确定,这里的预设规划线可以为目标车辆自动驾驶自动规划的路线。
具体的,根据规划线确定该目标车辆的参考前轮偏角信息时,可以将该目标车辆的轴距与该预设规划线的半径的比值作为该目标车辆的参考前轮偏角信息,其中,该轴距为该目标车辆的前轴和后轴之间的距离。
下面根据具体例子进行说明。
比如,目标车辆的前轴和后轴之间的距离为l,预设规划线的半径为R,目标车辆的参考前轮偏角用δ表示,则:
确定了目标车辆的参考前轮偏角信息后,在具体实施中,根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态时,可以将该目标车辆的参考前轮偏角信息代入到上述二维车辆动力学方程中,然后通过四阶龙格库塔法对代入了目标车辆参考前轮偏角信息的二维车辆动力学方程进行运算,也就是通过四阶龙格库塔法对该二维车辆动力学方程进行求解,求解得到的结果为该目标车辆的至少一个状态矢量的参考状态。也就是采用四阶龙格库塔法对进行求解,得到的结果即为目标车辆的至少一个状态矢量的参考状态。
通过四阶龙格库塔法对代入了参考前轮偏角信息的二维车辆动力学方程求解只是举例说明,利用其它方法对代入了参考前轮偏角信息的二维车辆动力学方程求解也适用本发明实施例。
龙格库塔法是用于非线性常微分方程的解的重要的一类隐式或显式迭代法,是一种在工程上应用广泛的高精度单步算法。四阶龙格库塔法是各种龙格库塔法中常用的一种方法,该方法主要是在已知方程倒数和初值信息,利用计算机仿真时应用,省去求解微分方程的复杂过程。
本发明实施例,通过四阶龙格库塔法对代入了参考前轮偏角信息的二维车辆动力学方程进行求解,可以省去求解微分方程的复杂过程,从而使运算更加简便。
对目标车辆的误差模型进行线性化处理后,根据线性化处理后的误差模型对该目标测量的至少一个状态矢量进行调整。
由于目标车辆的误差模型为非线性误差模型,为了将非线性误差模型转化为线性误差模型,需要对非线性误差模型进行线性化,得到线性化误差模型。得到线性化模型后,根据线性化模型对该目标车辆的至少一个状态矢量进行调整,使目标车辆在驾驶时可以按照预设的驾驶条件进行驾驶。
比如,状态矢量为速度误差矢量,确定的速度误差矢量的坐标信息对应的速度为70km/h,预设速度为80km/h,所以需要将速度增加10km/h,使自动驾驶的速度达到预设速度。
以上只是举例说明,具体的状态矢量可能会有多个,本发明实施例对此不做限制。
本发明实施例中,对非线性化误差模型进行线性化时,在确定的目标车辆的至少一个状态矢量的参考状态处进行线性化,由于该参考状态是根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程确定的,所以该参考状态相比于预设的参考状态更接近目标车辆当前的运动状态,因此在确定的参考状态处进行线性化时,线性化效果更好,能够提高误差模型的精确度,进而能够使驾驶更精确。
基于同一发明构思,本发明实施例中还提供了一种进行线性化处理的设备,由于该设备对应的是本发明实施例中进行线性化处理的方法对应的设备,并且该设备解决问题的原理与该方法相似,因此该设备的实施可以参见方法的实施,重复之处不再赘述。
如图2所示,为本发明实施例提供的第一种调整目标车辆运动状态的设备,该设备包括:至少一个处理单元200及至少一个存储单元201,其中,所述存储单元201存储有程序代码,当所述程序代码被所述处理单元200执行时,使得所述处理单元200执行下列过程:
根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态;
在所述参考状态处对所述目标车辆的误差模型进行线性化处理;
其中,所述二维车辆动力学方程中的参数是根据所述目标车辆的当前运动状态确定的;所述目标车辆的参考前轮偏角信息是根据预设规划线确定的。
可选的,所述处理单元200具体用于:
将所述目标车辆的参考前轮偏角信息代入到所述二维车辆动力学方程中;
通过四阶龙格库塔法对代入所述参考前轮偏角信息的二维车辆动力学方程进行运算,确定所述目标车辆的至少一个状态矢量的参考状态。
可选的,所述处理单元200具体用于:
将所述目标车辆的轴距与所述预设规划线的半径的比值作为所述目标车辆的参考前轮偏角信息;
其中,所述轴距为所述目标车辆的前轴和后轴之间的距离。
可选的,所述处理单元200还用于:
根据在所述参考状态处进行线性化处理后的误差模型对所述目标车辆的所述至少一个状态矢量进行调整。
可选的,所述状态矢量为下列中的部分或全部:
位置误差矢量、速度误差矢量、加速度误差矢量、航向角误差矢量。
基于同一发明构思,本发明实施例中还提供了一种进行线性化处理的设备,由于该设备对应的是本发明实施例中进行线性化处理的方法对应的设备,并且该设备解决问题的原理与该方法相似,因此该设备的实施可以参见方法的实施,重复之处不再赘述。
如图3所示,为本发明实施例提供的第二种进行线性化处理的设备,该设备包括:确定模块300、处理模块301。
确定模块300,用于根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态;
处理模块301,用于在所述参考状态处对所述目标车辆的误差模型进行线性化处理;
其中,所述二维车辆动力学方程中的参数是根据所述目标车辆的当前运动状态确定的;所述目标车辆的参考前轮偏角信息是根据预设规划线确定的。
可选的,所述确定模块300具体用于:
将所述目标车辆的参考前轮偏角信息代入到所述二维车辆动力学方程中;
通过四阶龙格库塔法对代入所述参考前轮偏角信息的二维车辆动力学方程进行运算,确定所述目标车辆的至少一个状态矢量的参考状态。
可选的,所述确定模块300具体用于:
将所述目标车辆的轴距与所述预设规划线的半径的比值作为所述目标车辆的参考前轮偏角信息;
其中,所述轴距为所述目标车辆的前轴和后轴之间的距离。
可选的,所述在所述参考状态处对所述目标车辆的误差模型进行线性化处理之后,所述处理模块301还用于:
根据在所述参考状态处进行线性化处理后的误差模型对所述目标车辆的所述至少一个状态矢量进行调整。
可选的,所述状态矢量为下列中的部分或全部:
位置误差矢量、速度误差矢量、加速度误差矢量、航向角误差矢量。
本发明实施例还提供了一种进行线性化处理的可读存储介质,包括程序代码,当所述程序代码在计算设备上运行时,所述程序代码用于使所述计算机设备执行确定种类信息的方法的步骤。
以上参照示出根据本申请实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图描述本申请。应理解,可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置,以产生机器,使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。
相应地,还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本申请。更进一步地,本申请可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式,其具有在介质中实现的计算机可使用或计算机可读程序代码,以由指令执行系统来使用或结合指令执行系统而使用。在本申请上下文中,计算机可使用或计算机可读介质可以是任意介质,其可以包含、存储、通信、传输、或传送程序,以由指令执行系统、装置或设备使用,或结合指令执行系统、装置或设备使用。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种进行线性化处理的方法,其特征在于,该方法包括:
根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态;
在所述参考状态处对所述目标车辆的误差模型进行线性化处理;
其中,所述二维车辆动力学方程中的参数是根据所述目标车辆的当前运动状态确定的;所述目标车辆的参考前轮偏角信息是根据预设规划线确定的。
2.如权利要求1所述的方法,其特征在于,所述确定所述目标车辆的至少一个状态矢量的参考状态,包括:
将所述目标车辆的参考前轮偏角信息代入到所述二维车辆动力学方程中;
通过四阶龙格库塔法对代入所述参考前轮偏角信息的二维车辆动力学方程进行运算,确定所述目标车辆的至少一个状态矢量的参考状态。
3.如权利要求1所述的方法,其特征在于,所述根据预设规划线确定所述目标车辆的参考前轮偏角信息,包括:
将所述目标车辆的轴距与所述预设规划线的半径的比值作为所述目标车辆的参考前轮偏角信息;
其中,所述轴距为所述目标车辆的前轴和后轴之间的距离。
4.如权利要求1所述的方法,其特征在于,所述在所述参考状态处对所述目标车辆的误差模型进行线性化处理之后,还包括:
根据在所述参考状态处进行线性化处理后的误差模型对所述目标车辆的所述至少一个状态矢量进行调整。
5.如权利要求1~4任一所述的方法,其特征在于,所述状态矢量为下列中的部分或全部:
位置误差矢量、速度误差矢量、加速度误差矢量、航向角误差矢量。
6.一种进行线性化处理的设备,其特征在于,该设备包括:至少一个处理单元及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行下列过程:
根据目标车辆的参考前轮偏角信息并通过二维车辆动力学方程,确定所述目标车辆的至少一个状态矢量的参考状态;
在所述参考状态处对所述目标车辆的误差模型进行线性化处理;
其中,所述二维车辆动力学方程中的参数是根据所述目标车辆的当前运动状态确定的;所述目标车辆的参考前轮偏角信息是根据预设规划线确定的。
7.如权利要求6所述的设备,其特征在于,所述处理单元具体用于:
将所述目标车辆的参考前轮偏角信息代入到所述二维车辆动力学方程中;
通过四阶龙格库塔法对代入所述参考前轮偏角信息的二维车辆动力学方程进行运算,确定所述目标车辆的至少一个状态矢量的参考状态。
8.如权利要求6所述的设备,其特征在于,所述处理单元具体用于:
将所述目标车辆的轴距与所述预设规划线的半径的比值作为所述目标车辆的参考前轮偏角信息;
其中,所述轴距为所述目标车辆的前轴和后轴之间的距离。
9.如权利要求6所述的设备,其特征在于,所述处理单元还用于:
根据在所述参考状态处进行线性化处理后的误差模型对所述目标车辆的所述至少一个状态矢量进行调整。
10.如权利要求6~9任一所述的设备,其特征在于,所述状态矢量为下列中的部分或全部:
位置误差矢量、速度误差矢量、加速度误差矢量、航向角误差矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910169511.9A CN110008514A (zh) | 2019-03-06 | 2019-03-06 | 一种进行线性化处理的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910169511.9A CN110008514A (zh) | 2019-03-06 | 2019-03-06 | 一种进行线性化处理的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110008514A true CN110008514A (zh) | 2019-07-12 |
Family
ID=67166498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910169511.9A Pending CN110008514A (zh) | 2019-03-06 | 2019-03-06 | 一种进行线性化处理的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110008514A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649983A (zh) * | 2016-11-09 | 2017-05-10 | 吉林大学 | 用于无人驾驶车辆高速运动规划的车辆动力学模型建模方法 |
CN108248605A (zh) * | 2018-01-23 | 2018-07-06 | 重庆邮电大学 | 一种智能车辆轨迹跟随的横纵向协调控制方法 |
CN108958246A (zh) * | 2018-06-29 | 2018-12-07 | 长安大学 | 无人车在U-Turn场景的轨迹跟踪控制方法 |
CN109017808A (zh) * | 2018-08-16 | 2018-12-18 | 天津大学 | 一种无人驾驶汽车模型预测控制器设计方法 |
CN109017984A (zh) * | 2018-07-25 | 2018-12-18 | 吉林大学 | 一种无人车的轨迹跟随控制方法、控制系统及相关装置 |
CN109407517A (zh) * | 2018-12-19 | 2019-03-01 | 驭势科技(北京)有限公司 | 一种拖车系统路径跟踪方法、装置、系统及存储介质 |
-
2019
- 2019-03-06 CN CN201910169511.9A patent/CN110008514A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649983A (zh) * | 2016-11-09 | 2017-05-10 | 吉林大学 | 用于无人驾驶车辆高速运动规划的车辆动力学模型建模方法 |
CN108248605A (zh) * | 2018-01-23 | 2018-07-06 | 重庆邮电大学 | 一种智能车辆轨迹跟随的横纵向协调控制方法 |
CN108958246A (zh) * | 2018-06-29 | 2018-12-07 | 长安大学 | 无人车在U-Turn场景的轨迹跟踪控制方法 |
CN109017984A (zh) * | 2018-07-25 | 2018-12-18 | 吉林大学 | 一种无人车的轨迹跟随控制方法、控制系统及相关装置 |
CN109017808A (zh) * | 2018-08-16 | 2018-12-18 | 天津大学 | 一种无人驾驶汽车模型预测控制器设计方法 |
CN109407517A (zh) * | 2018-12-19 | 2019-03-01 | 驭势科技(北京)有限公司 | 一种拖车系统路径跟踪方法、装置、系统及存储介质 |
Non-Patent Citations (4)
Title |
---|
安林芳: "智能车辆自动驾驶路径规划研究", 《中国优秀硕士学位论文全文数据库电子期刊 工程科技II辑》, vol. 2018, no. 7, pages 2 * |
张万枝等: "线性时变模型预测控制器提高农业车辆导航路径自动跟踪精度", 《农业工程学报》, vol. 33, no. 13, pages 1 * |
韩睿: "车道偏离预警系统中轨迹预测方法的研究", 《中国优秀硕士学位论文全文数据库电子期刊 工程科技II辑》, vol. 2011, no. 11 * |
高洪波等: "智能汽车横向轨迹跟踪的离散时间模型预测控制", 《指挥与控制学报》, vol. 4, no. 4, pages 1 - 2 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108482379B (zh) | 轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法 | |
Menhour et al. | Coupled nonlinear vehicle control: Flatness-based setting with algebraic estimation techniques | |
Sharp et al. | Optimal preview car steering control | |
US9310808B2 (en) | Apparatus and method for autonomous control and balance of a vehicle and for imparting roll and yaw moments on a vehicle for test purposes | |
CN106828464A (zh) | 一种基于路面附着系数估算的车身稳定控制方法及系统 | |
CN107783540A (zh) | 一种四轮驱动转向的控制方法及装置 | |
CN107963126A (zh) | 一种多轴转向车辆大曲率自动驾驶转向控制方法 | |
CN105253141A (zh) | 一种基于车轮纵向力调节的车辆操纵稳定性控制方法 | |
US20220236063A1 (en) | Vehicle position detection device and parameter set creation device for vehicle position detection | |
CN102582626A (zh) | 重型半挂车状态估计方法 | |
EP2964502A1 (en) | Method for calculating a desired yaw rate for a vehicle | |
CN106274907A (zh) | 一种基于卡尔曼滤波的多列车铰接角视觉测量优化方法 | |
CN111006884B (zh) | 基于傅立叶变换的车轮车轴侧偏角与侧偏刚度的测量方法 | |
CN113682282A (zh) | 一种车辆稳定性控制方法、系统、车辆和存储介质 | |
CN108394413B (zh) | 一种四轮独立驱动与转向的电动汽车状态与参数校正方法 | |
CN111399504A (zh) | 基于双轮驱动的agv仿真方法、装置及计算机设备 | |
CN109001976B (zh) | 一种自动驾驶车的双路协同可拓横向控制方法 | |
JP2018089996A (ja) | 車両操舵装置 | |
CN105676674A (zh) | 基于指令滤波器的无人机前轮转向控制方法 | |
Mu et al. | Modified tire-slip-angle model for chaotic vehicle steering motion | |
CN109987097A (zh) | 一种调整目标车辆运动状态的方法和设备 | |
Kone | Lateral and longitudinal control of an autonomous racing vehicle. | |
CN110362088B (zh) | 一种适用于无人驾驶跨运车的循迹控制系统和方法 | |
Garcia et al. | Design and simulation for path tracking control of a commercial vehicle using MPC | |
CN112389438A (zh) | 一种车辆转向系统传动比的确定方法及装置 |
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 |