CN110297489A - 无人驾驶车辆的控制方法及控制系统 - Google Patents

无人驾驶车辆的控制方法及控制系统 Download PDF

Info

Publication number
CN110297489A
CN110297489A CN201910398410.9A CN201910398410A CN110297489A CN 110297489 A CN110297489 A CN 110297489A CN 201910398410 A CN201910398410 A CN 201910398410A CN 110297489 A CN110297489 A CN 110297489A
Authority
CN
China
Prior art keywords
vehicle
fuzzy
formula
automatic driving
motor
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
Application number
CN201910398410.9A
Other languages
English (en)
Inventor
温宗周
郭伏
李丽敏
张顺锋
陈鹏年
陈曙东
张峪维
刘德阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Polytechnic University
Original Assignee
Xian Polytechnic University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Polytechnic University filed Critical Xian Polytechnic University
Priority to CN201910398410.9A priority Critical patent/CN110297489A/zh
Publication of CN110297489A publication Critical patent/CN110297489A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开的无人驾驶车辆的控制方法，首先通过无人驾驶车辆控制系统采集实时路况环境数据、建立车辆的动态模型，确定车辆当前状态的环境信息；然后，建立模糊控制器；将车辆当前状态的环境信息作为输入量，输入到模糊控制器中，对输入的车辆的环境信息进行优化处理，实现车辆的路径规划。本发明的无人驾驶车辆的控制方法，根据人们的经验与实际场合需求，切合实际的对车辆所处的环境进行划分，建立本系统及控制模型构建，并能实时更新环境状态数据，时效性佳，可靠性强，能够达到预期的无人驾驶功能。

Description

无人驾驶车辆的控制方法及控制系统
技术领域
本发明属于无人驾驶技术领域，具体涉及一种无人驾驶车辆的控制方法，还涉及一种无人驾驶车辆的控制系统。
背景技术
随着机器人相关技术的迅猛发展，机器人渐渐融入人类的生活，由于自动化技术开始渐渐进入人们的视野，人们开始研制智能车辆来帮助人们运输生产出来的商品以减少货物运输中所消耗的人力。
无人驾驶系统是一个多变量、非线性、时变的系统，各变量之间具有耦合关系，很难建立精确的数学模型，且鲁棒性和自适应性都较差。对于这种具有高度不确定性的MIMO系统，传统的控制方法不能达到很好的控制效果。模糊推理控制方法将人类的驾驶经验融入系统控制之中，可以有效提升系统控制精度，较好地满足系统自适应性、鲁棒性和实时性的要求。
发明内容
本发明的目的是提供一种无人驾驶车辆的控制方法，解决了传统控制系统不能自适应，鲁棒性和实时性差的问题。
本发明的另一目的是提供一种无人驾驶车辆的控制系统。
本发明所采用的技术方案是，无人驾驶车辆的控制方法，具体操作过程包括如下步骤：
步骤1，采集实时路况环境数据、建立车辆的动态模型，确定车辆当前状态的环境信息；
步骤2，建立模糊控制器；
步骤3，将步骤1的车辆当前状态的环境信息作为输入量，输入到步骤 2中的模糊控制器中，经模糊控制器器处理得到输出，并发送给车辆的执行机构，执行机构做出相应的动作，完成车辆的路径规划。
本发明的其他特点还在于，
步骤1中建立车辆的动态模型，确定车辆当前状态的环境信息的具体过程如下：
步骤1.1，车辆的同一侧车轮受到同一个信号驱动状态，利用四个电机转速不同构成转速差，实现智能车辆前进、后退、左旋转、右旋转；
建立车辆的数学模型，首先推导车辆的航姿：以车辆运动的出发点为坐标系的原点，车辆要到达的目标点为(x,y)，将车辆看作质点，在任意t时刻车辆的位姿表示为(x(t),y(t),θ(t))三个参量，其中x(t)，y(t)分别表示车辆在水平和竖直坐标系中的分量，θ(t)表示车辆运动方向与X轴正方向的夹角，v(t) 表示车辆的运动方向，φ(t)表示车辆运动方向与车辆质点与目标点之间连线的夹角，则有：
式中，x(t+l)，y(t+l)为t+l时刻车辆在坐标系中的坐标；
由车辆的位姿描述得到车辆的运动方程为：
式中，v(t)为车辆运行的线速度，ω(t)为车辆运行的角速度；
设车辆的行程为l，则dl＝ν(t)dt代入式(4)得到：
将式(5)两边同时积分如式(6)所示：
令Δl为行程计步长，Δti为车辆第i段行程步长耗时，有l＝n·Δl；代入式(6)得：
式(6)为航姿推算法的理想方程；式(7)为离散化后的航姿数学表达式，表示行程计每隔一行程产生一个脉冲，系统响应此脉冲信号计算该行程的耗时以及该时刻的角速度，计算后得到该行程内车辆坐标和角度的增量，最后累积得到车辆的瞬时位姿；
步骤1.2，对车辆的环境状态进行划分，根据车辆自身的前进组传感器、倒车组传感器、车辆位姿和目标点坐标三个方向上的距离信息，将车辆的环境状态分为：I，无障路径规划模式，定义为环境类别a；II，障碍物在目标点一侧模式，分别定义环境类别e和环境类别f；III，避障路径规划模式，分别定义为环境类别b、环境类别c、环境类别d、环境类别g和环境类别h；
定义x1，x2，x3，x4和x5作为输入量，y1和y2为输出量，其中x1， x2，x3分别表示智能车辆距离障碍物前方、左方和右方的距离；x4表示环境类别；x5表示目标点与车辆当前车身方向夹角Δθ；y1表示车辆转向装置控制差值变化率Δp；y2表示转向装置控制差值p＝PWM1-PWM2。
优选的，步骤2中建立模糊控制器的具体过程如下：
步骤2.1，模糊化环境类别的num的隶属函数，将步骤1中的输入变量 x4的用类别号No表示，量化到[0～7]，模糊语言变量为{“0、1、2、3、4、 5、6、7”}；
步骤2.2，定义步骤1中的输入变量x1用DMid表示其模糊化隶属函数， m∈(0,150)cm，模糊语言变量Mid取值为{B(远)，M(中)，S(近)}三档；
步骤2.3，定义步骤1中的输入变量x2和x3分别用leftD和rightD表示其模糊化隶属函数，其中，left和right均取值为{B(远)，M(中)，S(近)} 三档；
步骤2.4，将步骤1中的输入变量x5用Daim表示其模糊化隶属函数如式(8)所示：
式中，LZ和RZ分别表示目标点在车辆左侧和右侧；
步骤2.5，将步骤1中的输入变量y1用语言变量值WD表示，分为：1—直前进(DM)，2—右拐(RD)，-2—左拐(LD)和-1—后退(BA)四档；
步骤2.6，将步骤1中的输入变量y2，语言变量值为：{LB(左大转弯)， LM(左直拐弯)，LS(左小转弯)，G(保持当前方向当前速度)，RM(右直拐弯)，RS(右小转弯)，RB(右大转弯)}七档，分别对应转向机构控制差值-p3～p3。
优选的，步骤3的具体过程如下：
将步骤1得到的车辆当前状态的环境信息利用步骤2建立的模糊规则在 MATLAB中具体实现方式如下：
If(No＝Noi&Mid＝Midj&R＝Rk&L＝Lq&Daim＝Daimm)
Then(Δp＝Δpijklm)
其中，i＝0,1…7；j＝0,1，2；k＝0,1,2；q＝0,1,2；m＝0,1；
采用系数加权平均法解模糊化，模糊输出为权值，对输出模糊子集对应的模糊单点集值求加权平均，采用式(9)确定控制输出：
式中，Uu为各个输出模糊子集对应的模糊单点集的值；Ui为输出对该子集的隶属度，即Δp中隶属度函数(DM,RD,LD,BA)对应的值和p中隶属度函数(LB,LM,LS,G,RM,RS,RB)对应的值；n为输出模糊子集数；
结合实际汽车驾驶的思维方式和上述的模糊规则实现无人驾驶车辆的路径规划。
本发明的另一技术方案是，无人驾驶车辆的控制系统，包括数据采集模块，用于采集实时路况环境数据；
主控模块，用于建立模糊控制器，将车辆当前状态的环境信息作为输入量，输入到模糊控制器中，对输入的车辆的环境信息进行优化处理，实现车辆的路径规划；
主控模块还分别连接调试接口、数据存储模块、电源模块、通讯接口和执行机构。
优选的，数据采集模块的输入端分别连接红外传感器和超声波传感器。
执行机构包括两个L298N驱动芯片，每个L298N驱动芯片均连接直流电机和舵机，每个L298N驱动芯片用于控制车辆的方向机和制动器工作，直流电机包括第一级电机和第二级电机，第一级电机包括安装在车辆上的前左电机和前右电机，第二级电机包括安装在车辆上的后左电机和后右电机，第一级前左电机与第二级后左电机连接同一个LM298N驱动芯片，第一级前右电机与第二级后右电机连接另一个LM298N驱动芯片。
优选的，电源模块包括LM2596降压模块和XL6009升压模块，LM2596 降压模块连接红外传感器和超声波传感器，XL6009升压模块连接舵机。
本发明的有益效果是，无人驾驶车辆的控制方法及控制系统，通过分别建立车体的动态模型，根据环境划分和设计避障系统，建立模糊控制器，完成对车辆的路径规划，从而使车辆能够按照最优路径行驶，具有有效性和可靠性，本发明公开的无人驾驶车辆的控制系统，通过主控模块、模糊控制器、超声波传感器、红外传感器、舵机、电机驱动芯片和电机实时对路面状况进行检测处理，从而使车辆能够按照最优路径行驶，能够达到预期的无人驾驶功能。
附图说明
图1是本发明的无人驾驶车辆的控制系统的结构示意图；
图2是本发明建立的无人驾驶车辆的动态模型图；
图3是本发明的无人驾驶车辆的控制系统的环境划分图；
图4是本发明的无人驾驶车辆的控制系统避障规划控制系统；
图5是本发明的避障路径规划模糊控制器隶属函数。
图中，1.主控模块，2.调试接口，3.通讯接口，4.电源模块，5.方向机， 6.直流电机，7.舵机，8.制动器，9.数据存储模块，10.超声波传感器，11.红外传感器，12.执行机构，13.数据采集模块。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明的无人驾驶车辆的控制系统，如图1所示，包括数据采集模块13，用于采集实时路况环境数据；
主控模块1，用于建立模糊控制器，将数据采集模块13采集的车辆当前状态的环境信息作为输入量，输入到模糊控制器中，对输入的车辆的环境信息进行优化处理，实现车辆的路径规划的程序；
主控模块1还分别连接调试接口2、数据存储模块9、电源模块4、通讯接口3和执行机构12。
数据采集模块13的输入端分别连接红外传感器11和超声波传感器10。
执行机构12包括两个L298N驱动芯片，每个L298N驱动芯片均连接直流电机6和舵机7，每个L298N驱动芯片用于控制车辆的方向机5和制动器 8工作，直流电机6包括第一级电机和第二级电机，第一级电机包括安装在车辆上的前左电机和前右电机，第二级电机包括安装在车辆上的后左电机和后右电机，第一级前左电机与第二级后左电机连接同一个LM298N驱动芯片，第一级前右电机与第二级后右电机连接另一个LM298N驱动芯片。
电源模块包括LM2596降压模块和XL6009升压模块，LM2596降压模块连接红外传感器11和超声波传感器10，XL6009升压模块连接舵机7。
其中，主控模块1的采用的芯片型号为STM32F103RC8T6，主控模块1 对数据采集模块13中红外传感器11和超声波传感器10采集来的数据进行处理，判断当前状态下，车辆是否需要动作，若不需要则车辆保持原来状态；若车辆需要动作，则主控模块1发送给执行机构12，电机6和舵机7根据控制量进行相应的动作。
电源模块4，利用电压转换芯片AMS-1117-3.3V和稳压电路转换成3.3V，为主控模块1供电。
数据存储模块9的芯片型号为AT45DB161D，通过USART的通讯方式和主控模块1相连，用于保存数据采集模块13采集到的数据。
数据采集模块13对红外传感器11(检测是否有障碍物)和超声波传感器10(监测障碍物距离)采集来的数据进行标准化处理，然后打包发送给主控模块1，数据采集模块13的主要功能是检测当前车辆周围有没有障碍物及地表黑白线。
调试接口2用于程序烧录，调试，与电脑端USB串口连接。
通讯接口3用于和汽车其它ECU器件进行通信。
本发明的无人驾驶车辆的控制方法，具体操作过程包括如下步骤：
步骤1，采集实时路况环境数据、建立车辆的动态模型，确定车辆当前状态的环境信息(包括车辆距前方、左方、右方障碍物距离、环境类别、目标点与车辆当前车身方向夹角)；
步骤1中建立车辆的动态模型，确定车辆当前状态的环境信息的具体过程如下：
步骤1.1，如图2所示，车辆的同一侧车轮受到同一个信号驱动状态，利用四个电机转速不同构成转速差，实现智能车辆前进、后退、左旋转、右旋转；
建立车辆的数学模型，首先推导车辆的航姿：以车辆运动的出发点为坐标系的原点，车辆要到达的目标点为(x,y)，将车辆看作质点，在任意t时刻车辆的位姿表示为(x(t),y(t),θ(t))三个参量，其中x(t)，y(t)分别表示车辆在水平和竖直坐标系中的分量，θ(t)表示车辆运动方向与X轴正方向的夹角，v(t) 表示车辆的运动方向，φ(t)表示车辆运动方向与车辆质点与目标点之间连线的夹角，则有：
式中，x(t+1)，y(t+1)为t+1时刻车辆在坐标系中的坐标；
由车辆的位姿描述得到车辆的运动方程为：
式中：v(t)为车辆运行的线速度，ω(t)为车辆运行的角速度；
设车辆的行程为l，则dl＝ν(t)dt代入式(4)得到：
将式(5)两边同时积分如式(6)所示：
令Δl为行程计步长，Δti为车辆第i段行程步长耗时，有：l＝n·Δl；代入式(6)得：
式(6)为航姿推算法的理想方程；式(7)为离散化后的航姿数学表达式，表示行程计每隔一行程产生一个脉冲，系统响应此脉冲信号计算该行程的耗时以及该时刻的角速度，计算后得到该行程内车辆坐标和角度的增量，最后累积得到车辆的瞬时位姿；有了车辆的位姿描述及车辆行程信息，将这些信息传递给控制器，通过控制器控制车辆舵机转角；
步骤1.2，如图3所示，对车辆的环境状态进行划分，根据车辆自身的前进组传感器、倒车组传感器、车辆位姿和目标点坐标三个方向上的距离信息，将车辆的环境状态分为：I，无障路径规划模式，定义为环境类别a； II，障碍物在目标点一侧模式，分别定义环境类别e和环境类别f；III，避障路径规划模式，分别定义为环境类别b、环境类别c、环境类别d、环境类别g和环境类别h。
如图4所示，模糊控制器的输入变量为x1，x2，x3，x4和x5，输出y1 和y2；
其中，x1，x2，x3分别表示智能车辆距离障碍物前方、左方和右方的距离；x4表示环境类别；x5表示目标点与车辆当前车身方向夹角Δθ；y1表示车辆转向装置控制差值变化率Δp，y2表示转向装置控制差值 p＝PWM1-PWM2。
步骤2，建立模糊控制器；
步骤2中建立模糊控制器的具体过程如下：
步骤2.1，如图5a所示，模糊化环境类别的num的隶属函数，将八种环境类别(即步骤1中的输入变量x4)的用类别号No表示，量化到[0～7]，模糊语言变量为{“0、1、2、3、4、5、6、7”}；
步骤2.2，如图5b所示，定义车辆前方障碍物距离(即步骤1中的输入变量x1)用DMid表示其模糊化隶属函数，m∈(0,150)cm，模糊语言变量Mid 取值为{B(远)，M(中)，S(近)}三档；
步骤2.3，如图5c，5d所示，定义车辆左右两侧障碍物距离(即步骤1 中的输入变量x2和x3)分别用leftD和rightD表示其模糊化隶属函数，其中，left和right的均取值为{B(远)，M(中)，S(近)}三档；
步骤2.4，如图5e所示，车辆车身与理想方向的偏差Δθ(即步骤1中的输入变量x5)，用Daim表示其模糊化隶属函数如式(8)所示：
式中，LZ和RZ分别表示目标点在车辆左侧和右侧；
步骤2.5，如图5f所示，车轮转向装置控制差值变化量Δp(即步骤1 中的输入变量y1)用语言变量值WD表示，分为：1—直前进(DM)，2—右拐(RD)，-2—左拐(LD)和-1—后退(BA)四档；
步骤2.6，如图5g所示，车辆转向装置控制差值p(即步骤1中的输入变量y2)，语言变量值为：{LB(左大转弯)，LM(左直拐弯)，LS(左小转弯)，G(保持当前方向当前速度)，RM(右直拐弯)，RS(右小转弯)，RB (右大转弯)}七档，分别对应转向机构控制差值-p3～p3；
步骤3，将步骤1的车辆当前状态的环境信息作为输入量，输入到步骤 2中的模糊控制器中，经模糊器处理得到输出，最终控制器将该输出发送给执行机构，由执行做出相应的动作；
步骤3的具体过程如下：
将步骤1得到的车辆当前状态的环境信息利用步骤2的建立的模糊规则表示为：
其在MATLAB中具体实现方式如下：
If(No＝Noi&Mid＝Midj&R＝Rk&L＝Lq&Daim＝Daimm)
then(Δp＝Δpijklm)
其中，i＝0，1…7；j＝0，1，2；k＝0，1，2；q＝0，1，2；m＝0，1；
经模糊推理之后得到输出量，而此时的输出量依旧是一个模糊量，它是不能够直接用来控制被控对象，所以必须把得到的模糊输出量转化为精确值。
采用系数加权平均法解模糊化，模糊输出为权值，对输出模糊子集对应的模糊单点集值求加权平均，采用式(9)确定控制输出：
式中，Uu为各个输出模糊子集对应的模糊单点集的值；Ui为输出对该子集的隶属度，即Δp中隶属度函数(DM,RD,LD,BA)对应的值和p中隶属度函数(LB,LM,LS,G,RM,RS,RB)对应的值；n为输出模糊子集数。
根据盲人走路和汽车驾驶的思维方式制定如下所示的控制规则：
①若环境类别为a，则保持当前速度行驶；
②若环境类别为b，前方障碍物距离较大，目标点在车辆右方，则向右小转弯；
③若环境类别为b，前方障碍物距离较大，目标点在车辆左方，则向左小转弯；
④若环境类别为b，前方障碍物距离中等，目标点在车辆右方，则向右直转弯；
⑤若环境类别为b，前方障碍物距离较小，目标点在车辆左方，则向左大转弯；
⑥若环境类别为b，前方障碍物距离较小，目标点在车辆右方，则向右大转弯；
⑦若环境类别为c，前方障碍物距离较大，右方障碍物距离较大，目标在车辆右方，则向右小拐弯；
⑧若环境类别为c，前方障碍物距离较大，右方障碍物距离较小，目标在车辆右方，则向右大拐弯；
⑨若环境类别为c，前方障碍物距离较大，右方障碍物距离中等，目标在车辆右方，则向右直拐弯；这里只列出部分，根据专家经验实现路径规划。

Claims (8)

1.无人驾驶车辆的控制方法，其特征在于，具体操作过程包括如下步骤：
步骤1，采集实时路况环境数据、建立车辆的动态模型，确定车辆当前状态的环境信息；
步骤2，建立模糊控制器；
步骤3，将步骤1的车辆当前状态的环境信息作为输入量，输入到步骤2中的模糊控制器中，经模糊控制器器处理得到输出，并发送给车辆的执行机构，执行机构做出相应的动作，完成车辆的路径规划。
2.如权利要求1所述的无人驾驶车辆的控制方法，其特征在于，所述步骤1中建立车辆的动态模型，确定车辆当前状态的环境信息的具体过程如下：
步骤1.1，车辆的同一侧车轮受到同一个信号驱动状态，利用四个电机转速不同构成转速差，实现智能车辆前进、后退、左旋转、右旋转；
建立车辆的数学模型，首先推导车辆的航姿：以车辆运动的出发点为坐标系的原点，车辆要到达的目标点为(x,y)，将车辆看作质点，在任意t时刻车辆的位姿表示为(x(t),y(t),θ(t))三个参量，其中x(t)，y(t)分别表示车辆在水平和竖直坐标系中的分量，θ(t)表示车辆运动方向与X轴正方向的夹角，v(t)表示车辆的运动方向，φ(t)表示车辆运动方向与车辆质点与目标点之间连线的夹角，则有：
式中，x(t+l)，y(t+l)为t+l时刻车辆在坐标系中的坐标；
由车辆的位姿描述得到车辆的运动方程为：
式中，v(t)为车辆运行的线速度，ω(t)为车辆运行的角速度；
设车辆的行程为l，则dl＝ν(t)dt代入式(4)得到：
将式(5)两边同时积分如式(6)所示：
令Δl为行程计步长，Δti为车辆第i段行程步长耗时，有l＝n·Δl；代入式(6)得：
式(6)为航姿推算法的理想方程；式(7)为离散化后的航姿数学表达式，表示行程计每隔一行程产生一个脉冲，系统响应此脉冲信号计算该行程的耗时以及该时刻的角速度，计算后得到该行程内车辆坐标和角度的增量，最后累积得到车辆的瞬时位姿；
步骤1.2，对车辆的环境状态进行划分，根据车辆自身的前进组传感器、倒车组传感器、车辆位姿和目标点坐标三个方向上的距离信息，将车辆的环境状态分为：I，无障路径规划模式，定义为环境类别a；II，障碍物在目标点一侧模式，分别定义环境类别e和环境类别f；III，避障路径规划模式，分别定义为环境类别b、环境类别c、环境类别d、环境类别g和环境类别h；
定义x1，x2，x3，x4和x5作为输入量，y1和y2为输出量，其中x1，x2，x3分别表示智能车辆距离障碍物前方、左方和右方的距离；x4表示环境类别；x5表示目标点与车辆当前车身方向夹角Δθ；y1表示车辆转向装置控制差值变化率Δp；y2表示转向装置控制差值p＝PWM1-PWM2。
3.如权利要求2所述的无人驾驶车辆的控制方法，其特征在于，所述步骤2中建立模糊控制器的具体过程如下：
步骤2.1，模糊化环境类别的num的隶属函数，将步骤1中的输入变量x4的用类别号No表示，量化到[0～7]，模糊语言变量为{“0、1、2、3、4、5、6、7”}；
步骤2.2，定义步骤1中的输入变量x1用DMid表示其模糊化隶属函数，m∈(0,150)cm，模糊语言变量Mid取值为{B(远)，M(中)，S(近)}三档；
步骤2.3，定义步骤1中的输入变量x2和x3分别用leftD和rightD表示其模糊化隶属函数，其中，left和right均取值为{B(远)，M(中)，S(近)}三档；
步骤2.4，将步骤1中的输入变量x5用Daim表示其模糊化隶属函数如式(8)所示：
式中，LZ和RZ分别表示目标点在车辆左侧和右侧；
步骤2.5，将步骤1中的输入变量y1用语言变量值WD表示，分为：1—直前进(DM)，2—右拐(RD)，-2—左拐(LD)和-1—后退(BA)四档；
步骤2.6，将步骤1中的输入变量y2，语言变量值为：{LB(左大转弯)，LM(左直拐弯)，LS(左小转弯)，G(保持当前方向当前速度)，RM(右直拐弯)，RS(右小转弯)，RB(右大转弯)}七档，分别对应转向机构控制差值-p3～p3。
4.如权利要求3所述的无人驾驶车辆的控制方法，其特征在于，所述步骤3的具体过程如下：
将步骤1得到的车辆当前状态的环境信息利用步骤2建立的模糊规则在MATLAB中具体实现方式如下：
If(No＝Noi&Mid＝Midj&R＝Rk&L＝Lq&Daim＝Daimm)
Then(Δp＝Δpijklm)
其中，i＝0,1…7；j＝0,1，2；k＝0,1,2；q＝0,1,2；m＝0,1；
采用系数加权平均法解模糊化，模糊输出为权值，对输出模糊子集对应的模糊单点集值求加权平均，采用式(9)确定控制输出：
式中，Uu为各个输出模糊子集对应的模糊单点集的值；Ui为输出对该子集的隶属度，即Δp中隶属度函数(DM,RD,LD,BA)对应的值和p中隶属度函数(LB,LM,LS,G,RM,RS,RB)对应的值；n为输出模糊子集数；
结合实际汽车驾驶的思维方式和上述的模糊规则实现无人驾驶车辆的路径规划。
5.无人驾驶车辆的控制系统，其特征在于，包括数据采集模块(13)，用于采集实时路况环境数据；
主控模块(1)，用于建立模糊控制器，将车辆当前状态的环境信息作为输入量，输入到模糊控制器中，对输入的车辆的环境信息进行优化处理，实现车辆的路径规划；
所述主控模块(1)还分别连接调试接口(2)、数据存储模块(9)、电源模块(4)、通讯接口(3)和执行机构(12)。
6.如权利要求5所述的无人驾驶车辆的控制方法，其特征在于，所述数据采集模块(13)的输入端分别连接红外传感器(11)和超声波传感器(10)。
7.如权利要求6所述的无人驾驶车辆的控制方法，其特征在于，所述执行机构(12)包括两个L298N驱动芯片，每个所述L298N驱动芯片均连接直流电机(6)和舵机(7)，每个所述L298N驱动芯片用于控制车辆的方向机(5)和制动器(8)工作，所述直流电机(6)包括第一级电机和第二级电机，所述第一级电机包括安装在车辆上的前左电机和前右电机，所述第二级电机包括安装在车辆上的后左电机和后右电机，所述第一级前左电机与第二级后左电机连接同一个所述LM298N驱动芯片，所述第一级前右电机与第二级后右电机连接另一个所述LM298N驱动芯片。
8.如权利要求7所述的无人驾驶车辆的控制方法，其特征在于，所述电源模块包括LM2596降压模块和XL6009升压模块，所述LM2596降压模块连接红外传感器(11)和超声波传感器(10)，所述XL6009升压模块连接所述舵机(7)。
CN201910398410.9A 2019-05-14 2019-05-14 无人驾驶车辆的控制方法及控制系统 Pending CN110297489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910398410.9A CN110297489A (zh) 2019-05-14 2019-05-14 无人驾驶车辆的控制方法及控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910398410.9A CN110297489A (zh) 2019-05-14 2019-05-14 无人驾驶车辆的控制方法及控制系统

Publications (1)

Publication Number Publication Date
CN110297489A true CN110297489A (zh) 2019-10-01

Family

ID=68026872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910398410.9A Pending CN110297489A (zh) 2019-05-14 2019-05-14 无人驾驶车辆的控制方法及控制系统

Country Status (1)

Country Link
CN (1) CN110297489A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112068542A (zh) * 2020-06-30 2020-12-11 武汉乐庭软件技术有限公司 一种基于模糊控制的自动驾驶行为规划方法
WO2023115909A1 (zh) * 2021-12-20 2023-06-29 北京三快在线科技有限公司 一种无人设备控制方法、装置、存储介质及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69121751D1 (de) * 1990-03-30 1996-10-10 Shinko Electric Co Ltd Steuerungssystem für ein unbemanntes Trägerfahrzeug
JP2004249748A (ja) * 2003-02-18 2004-09-09 Univ Nihon 自動車の追突防止制御システム
CN101758827A (zh) * 2010-01-15 2010-06-30 南京航空航天大学 一种未知环境下基于行为融合的智能探测车自主避障方法
CN104133482A (zh) * 2014-06-26 2014-11-05 中国人民解放军理工大学 一种无人机模糊控制飞行方法
TW201806807A (zh) * 2016-08-25 2018-03-01 崑山科技大學 車輛切換車道之自動控制方法
CN108407808A (zh) * 2018-04-23 2018-08-17 安徽车鑫保汽车销售有限公司 一种汽车行驶智能预测系统
CN108491071A (zh) * 2018-03-05 2018-09-04 东南大学 一种基于模糊控制的脑控车辆共享控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69121751D1 (de) * 1990-03-30 1996-10-10 Shinko Electric Co Ltd Steuerungssystem für ein unbemanntes Trägerfahrzeug
JP2004249748A (ja) * 2003-02-18 2004-09-09 Univ Nihon 自動車の追突防止制御システム
CN101758827A (zh) * 2010-01-15 2010-06-30 南京航空航天大学 一种未知环境下基于行为融合的智能探测车自主避障方法
CN104133482A (zh) * 2014-06-26 2014-11-05 中国人民解放军理工大学 一种无人机模糊控制飞行方法
TW201806807A (zh) * 2016-08-25 2018-03-01 崑山科技大學 車輛切換車道之自動控制方法
CN108491071A (zh) * 2018-03-05 2018-09-04 东南大学 一种基于模糊控制的脑控车辆共享控制方法
CN108407808A (zh) * 2018-04-23 2018-08-17 安徽车鑫保汽车销售有限公司 一种汽车行驶智能预测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姚佳: "智能小车的避障及路径规划", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *
李晓娟等: "基于蓝牙的智能小车循迹避障设计与实现", 《河南科技学院学报（自然科学版）》 *
温宗周等: "基于模糊控制的自动泊车的研究", 《汽车技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112068542A (zh) * 2020-06-30 2020-12-11 武汉乐庭软件技术有限公司 一种基于模糊控制的自动驾驶行为规划方法
CN112068542B (zh) * 2020-06-30 2024-02-09 武汉乐庭软件技术有限公司 一种基于模糊控制的自动驾驶行为规划方法
WO2023115909A1 (zh) * 2021-12-20 2023-06-29 北京三快在线科技有限公司 一种无人设备控制方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
WO2021114888A1 (zh) 一种双agv协同运载控制系统及方法
CN109032138B (zh) 基于一致性算法的多机器人编队控制系统及方法
CN105138044B (zh) 一种基于信息物理网的车队编队控制装置及编队控制方法
Kolski et al. Autonomous driving in structured and unstructured environments
CN107963077A (zh) 一种车辆通过路口的控制方法、装置及系统
CN107139917A (zh) 一种基于混杂理论的无人驾驶汽车横向控制系统和方法
CN106054896A (zh) 一种智能导航机器人小车系统
CN107097241A (zh) 一种服务机器人及其控制方法
CN105159291B (zh) 一种基于信息物理网的车队智能避障装置及避障方法
CN108021133A (zh) 一种多传感器融合高速无人车探测避障系统
CN112068574A (zh) 一种无人车在动态复杂环境中的控制方法及系统
CN107146247A (zh) 基于双目摄像头的汽车辅助驾驶系统及方法
CN112101120B (zh) 基于自动驾驶应用场景的地图模型及其应用方法
CN201965486U (zh) 智能循迹小车
CN111619590A (zh) 港口运输设备控制系统以及控制方法
CN110297489A (zh) 无人驾驶车辆的控制方法及控制系统
CN108037756A (zh) 一种多传感器融合中速无人车探测避障系统
Jun et al. Autonomous driving system design for formula student driverless racecar
CN108469820A (zh) 一种两轮驱动低速全天候无人驾驶巡逻车系统
CN108287553A (zh) 一种两轮驱动低速无人驾驶巡逻车系统及工作方法
CN111376263B (zh) 一种复合机器人人机协作系统及其交叉耦合力控制方法
CN109656242A (zh) 一种自动驾驶行车路径规划系统
CN102745196A (zh) 基于粒计算的缩微智能车智能控制装置及方法
CN212605079U (zh) 港口运输设备控制系统
CN212683969U (zh) 一种果园多机器人物理模型

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191001