CN110329255B - 一种基于人机协同策略的车道偏离辅助控制方法 - Google Patents

Abstract

本发明提供了一种基于人机协同策略的车道偏离辅助控制方法，包括建立车辆‑道路模型、转向机构动力学模型、以及驾驶员模型；建立基于跨道时间的车道偏离决策；建立基于车辆道路模型以及模型预测的车道偏离辅助控制器；引入协同控制因子动态决策驾驶员与控制器对转向盘的控制主权，并调整辅助转向力矩。本发明采用模型预测控制(MPC)方法设计车道偏离辅助控制器，考虑驾驶员因注意力分散或驾驶经验不足而导致的车道偏离问题，采用跨道时间实现车道偏离预警并决定辅助控制器介入时刻，根据驾驶员状态及车路相对位置关系等决策驾驶员与控制器协同控制因子，实时调整控制主权及辅助系统作用于转向盘上的辅助力矩，更好的防止车道偏离问题。

Description

一种基于人机协同策略的车道偏离辅助控制方法

技术领域

本发明属于辅助驾驶领域，尤其是涉及一种基于人机协同策略的车道偏离辅助控制方法。

背景技术

单一车辆事故中，因驾驶员疲劳、注意力不集中而导致的车辆偏离道路占较大比例.基于车道保持的车辆自动驾驶系统需要较多的传感器和执行器，而当这些部件发生故障时，可能会引发严重交通事故。考虑自动驾驶系统的容错性能尚不成熟及当前复杂的交通状况，自动驾驶系统的可靠性有待进一步提高。车道偏离辅助系统是当驾驶员操纵失误时，使车道偏离辅助控制器与驾驶员共同控制车辆，并实时调配转向盘控制主权，保证车辆在预定轨迹中行驶.与完全依靠驾驶员单独操纵车辆及自动驾驶系统相比，辅助控制器与驾驶员协同控制车辆可有效解决因驾驶员操纵失误及自动驾驶系统故障而引发的车辆安全行驶问题，是当前车辆主动安全技术研究中的热点问题。

目前的一些有关车道偏离辅助控制系统的研究中，基于视觉系统分别采用不同的控制方法及执行机构实现车道保持控制，其主要缺陷是并未考虑车速变化对车道保持性能的影响，同时也并未深入研究驾驶员与车道保持系统之间的内在关系。驾驶员和车道偏离辅助控制器共同控制车辆时，主要需解决两个关键问题：其一是使辅助控制器适时介入并有效避免车道偏离；其二是辅助控制器和驾驶员在共享转向盘控制主权时减小冲突，降低驾驶员的不舒适感；一些人在假设驾驶员输入转矩有界的情况下，将驾驶员输入视为系统干扰，通过估计车道偏离的不变集分析驾驶员输入对车道保持系统性能的影响，由于车道保持系统始终具有控制主权，驾驶员转矩与车道保持系统转矩相互抵抗而导致驾驶舒适性较差；另外，一些人建立了驾驶员在环的人-车-路闭环模型，并针对闭环系统设计全局T-S模糊控制器，由于在设计控制器时充分“理解”驾驶员意图，该方法明显提高了人机协调性，但并未考虑驾驶员参数变化对系统性能的影响或针对不同熟练程度的驾驶员不具有鲁棒性。

发明内容

有鉴于此，本发明旨在提出一种基于人机协同策略的车道偏离辅助控制方法，以解决驾驶员因注意力分散或驾驶经验不足发生操纵失误而导致的车道偏离的问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于人机协同策略的车道偏离辅助控制方法，包括如下步骤：

步骤1：建立车辆-道路模型、转向机构动力学模型、以及驾驶员模型；

步骤2：建立基于跨道时间的车道偏离决策；

步骤3：建立基于车辆道路模型以及模型预测的车道偏离辅助控制器；

步骤4:引入协同控制因子动态决策驾驶员与控制器对转向盘的控制主权，并调整辅助转向力矩。

进一步的，所述步骤1中建立车辆-道路模型具体包括如下步骤：

步骤1.1：车辆上安装视觉系统，根据车辆在道路上的位置，则在预瞄距离l_s处车辆的横向位置偏差y_L及航向角偏差ψ_L为

y_L＝y_CG+l_ssinψ_L (1)

ψ_L＝ψ_v-ψ_R (2)

其中：y_CG为车辆质心距道路中心线的距离，ψ_V为车辆航向角，ψ_R为期望航向角；

步骤1.2：假设航向角偏差ψ_L较小，则y_L及ψ_L关于时间t的导数

式中：v_x、v_y分别为车辆纵向速度和侧向速度；r为车辆横摆角速度，ρ_ref为道路曲率；

步骤1.3：忽略空气动力学的影响，考虑具有侧向及横摆运动的车辆横向动力学模型：

式中，F_yf、F_yr分别为前后轮胎的侧向力，l_f、l_r分别为前后轴至质心间的距离，I_z为车身绕z轴的转动惯量，m为整车质量，β为车辆质心侧偏角；

步骤1.4：在轮胎侧偏角较小时，轮胎侧向力与轮胎侧偏角的关系认为是线性的，即

F_yi＝C_iα_i (6)

i＝f，r分别代表前、后轮，C_i为轮胎的侧偏刚度，α_i为轮胎侧偏角，其近似值为：

步骤1.5：将式(6)与式(7)代入式(5)中，得：

进一步的，所述步骤1中建立转向机构动力学模型具体包括如下步骤：

步骤1.1：驾驶员转向力矩与辅助控制系统力矩在转向机构处耦合，而车道偏离辅助系统力矩由EPS助力电动机产生，EPS系统的输出轴子模型为：

其中：J_e为输出轴的转动惯量；θ_e为输出轴的旋转角；B_e为输出轴的阻尼系数；T_sen为扭杆的反作用转矩；G为减速机构的减速比；T_L为电动机的负载转矩；T_w为作用在输出轴上的反作用转矩；

步骤1.2：忽略转向系统摩擦阻力，转向阻力矩T_r与前轮侧偏角的关系为：

T_r＝2C_fα_fη_t (10)

式中，η_t为轮胎拖距，转向盘转角与前轮转角满足关系式θ_c＝R_Sδ_f，θ_C为转向管柱转角，R_S为前轮与转向机构的减速比；

步骤1.3：取状态向量

控制输入u＝T_c+T_d；T_d与T_c分别为驾驶员转矩及辅助系统提供的转矩，输出y_v＝[a_yψ_Ly_CG]^T；以纵向车速为时变参数，则车辆-道路LTV模型可表示为

其中：

D_w＝[0 0 -v_x(t)-l_sv_x(t) 0 0]^T

式中：

J_C、B_C分别为转动惯量、阻尼。

进一步的，所述步骤1中建立驾驶员模型采用由单点最优预瞄加速度模型和神经肌肉系统组成驾驶员模型，车辆稳态增益表达式为

式中，K为稳定性因子，

进一步的，所述步骤2具体包括如下步骤：

步骤2.1：设航向角偏差逆时针为正，横向位移偏差位于车道中心线左侧为正，道路宽度为D_R，车辆宽度为D_V，y_ll、y_rr分别为左侧车轮与左侧车道线的横向距离及右侧车轮与右侧车道线的横向距离

步骤2.2：则在直道上跨道时间

步骤2.3：当车辆在曲率为ρ_ref的道路上行驶时，可将弯道近似为直道，并等效为存在一个大小为

的侧向加速度，对跨道时间的求解转化为求二次方程运算，当左侧车轮偏离左侧车道时，

步骤2.4：令：

b＝v_xsinψ_L，c＝-y_ll

步骤2.5：

步骤2.6：设定跨道时间预警阈值t_LC，ON为0.5s，当跨道时间小于预警阈值时触发车道偏离预警并启动车道偏离辅助系统；同时，为避免辅助系统频繁启动给驾驶员及车辆舒适性带来的负面影响，设定辅助系统关闭阈值t_LC，OFF为2s，即认为只有当跨道时间大于关闭阈值时，车辆才完全脱离发生车道偏离的危险.

进一步的，所述步骤3具体包括如下步骤：

步骤3.1：在线性时变系统中，不考虑驾驶员的转矩输入，即认为T_d＝0设定采样时间T_s，将系统离散化，获得离散的车辆-道路模型为：

其中，下标“t”表示当前时刻，小标“k,t”表示t+kT_s时刻.设定预测时域N_p、控制时域N_C，并有N_p≥N_C；

步骤3.2：为进行模型预测控制器的设计并适当简化计算，作如下假设：

(1)式(20)中的状态变量及道路曲率均可测量或可估计；

(2)各参数矩阵在预测时域内保持不变，以A_k，t为例，即：

A_k，t＝A_t，k＝1，2，…，N_p (21)

步骤3.3：基于步骤吧3.2的假设，式(20)可进一步写为：

其中：

步骤3.4：取Δx_p(k+1)＝x_p(k+1)-x_p(k)，

并令x(k+1)＝[Δx_p(k+1)^Ty_p(k+1)]^T，式(22)可写为：

其中：

步骤3.5：根据式(23)，在采样点k_i处，预测时域N_P内状态变量的变化序列为：

步骤3.6：根据状态变量序列，可得输出向量序列：

步骤3.7：令：

Y_p＝[y(k_i+1|k_i) y(k_i+2|k_i)…y(k_i+N_p|k_i)]^T，

ΔU_p＝[Δu(k_i) Δu(k_i+1)…Δu(k_i+N_c-1)]^T

可将上述关系式写为矩阵形式：

Y_P＝Hx(k_i)+MΔU_p (24)

其中：

步骤3.8：选择控制目标函数

步骤3.9：目标函数中第一项反应了系统对控制目标期望值的逼近能力，第二项则反应了对控制量平稳变化的要求，式中，R_s为输出向量的期望值，Q为输出向量的加权系数矩阵，

为控制输入增量的加权系数；

步骤3.10：考虑助力电动机输出转矩的有界性及辅助转矩对车辆舒适性的影响，限制辅助转矩的大小及转矩增量的大小，同时，考虑路面附着条件对车辆稳定性的影响，限制侧向加速的大小

|a_y|≤0.85μg (26)

式中，μ为路面附着系数，g为重力加速度.

步骤，3.11：综合上述的目标函数及约束条件，基于动力学模型的车道偏离辅助控制器在各控制周期内需求解如下优化问题

s.t.u_min≤u≤u_max

Δu_min≤Δu≤Δu_max

|a_y|≤μg

步骤3.12：结合二次规划的标准矩阵及约束条件进行模型预测控制器的求解，得到控制时域内的一系列控制输入增量：

步骤3.13：将控制序列中的第一个元素作为实际的控制输入增量作用于系统实现模型预测控制的反馈机制，并在下一控制周期重复上述过程，即可完成MPC控制器的设计。

进一步的，所述步骤4具体包括如下步骤：

步骤4.1：当车道偏离预警未触发时，认为驾驶员正确操纵车辆，车道偏离辅助控制器并不干预驾驶员的正常操纵，此时协同控制因子α＝0，即驾驶员完全掌握控制主权；

步骤4.2：当在t时刻触发车道偏离预警时，设定采样区域Δt及驾驶员状态判断阈值T_d，thd，如果

时，此时认为驾驶员处于疲劳驾驶状态，完全失去对车辆的转向控制，协同控制因子α＝1，即控制器完全掌握车辆控制主权，此时，辅助系统并不受跨道时间关闭阈值控制，直至驾驶员重新恢复转向控制；

步骤4.3：当在t时刻触发车道偏离预警时，如果

时，认为驾驶员注意力不集中或操纵失误，但仍有部分控制车辆转向的能力，此时，驾驶员与控制器共同拥有转向控制权。

进一步的，所述步骤4中，协同控制因子α由驾驶员转矩T_d、车速v_x及预瞄处偏差y_L三个变量通过编制模糊规则确定，

设定|T_d|的论域为[0,8]Nm，v_x的论域为[60,120]km/h，|y_L|的论域[0,1]m，各输入变量的模糊子集均为{S，M，L}，分别表示变量的小、中、大三种状态，输入变量均采用三角形隶属度函数，输出变量为协同控制因子α，其论域为[0,1]，模糊子集为{Z，S，M，L，VL}，分别表示零、小、中、大、较大五种状态，

模糊规则的制定原则为：当车道偏离预警触发后，|T_d|越小，驾驶员转向控制不足，需较大的协同控制因子；v_x及|y_L|越大，发生车道偏离的可能性越大，需较大的协同控制因子进行转向纠正。

相对于现有技术，本发明所述的一种基于人机协同策略的车道偏离辅助控制方法具有以下优势：

本发明采用模型预测控制(MPC)方法设计车道偏离辅助控制器，考虑驾驶员因注意力分散或驾驶经验不足而导致的车道偏离问题，采用跨道时间实现车道偏离预警并决定辅助控制器介入时刻，根据驾驶员状态及车路相对位置关系等决策驾驶员与控制器协同控制因子，实时调整控制主权及辅助系统作用于转向盘上的辅助力矩，更好的防止车道偏离问题。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为基于人机协同策略的车道偏离辅助控制系统结构框图；

图2为车辆-道路模型示意图；

图3为驾驶员模型示意图；

图4为基于人机协同控制的车道偏离辅助控制策略示意图；

图5为车辆-道路位置信息示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示为人机协同道偏离辅助系统，包括驾驶员模型，车辆—道路模型，转向机构力学模型。其中，所述人机协同车道偏离辅助系统包括基于LTV-MPC的车道偏离辅助控制器设计、协同控制因子决策、基于跨道时间的车道偏离决策。

本发明提供了一种基于人机协同策略的车道偏离辅助控制方法，包括以下步骤：

步骤1：建立车辆-道路模型，具体如下：

步骤1.1：假设车辆安装视觉系统，根据如图2所示的车辆与道路的位置关系，在预瞄距离l_s处车辆的横向位置偏差y_L及航向角偏差ψ_L为

y_L＝y_CG+l_ssinψ_L (1)

ψ_L＝ψ_V-ψ_R (2)

其中：y_CG为车辆质心距道路中心线的距离，ψ_V为车辆航向角，ψ_R为期望航向角。

步骤1.2：假设航向角偏差ψ_L较小，则y_L及ψ_L关于时间t的导数

式中：v_x、v_y分别为车辆纵向速度和侧向速度；r为车辆横摆角速度，ρ_ref为道路曲率.

步骤1.3：忽略空气动力学的影响，考虑具有侧向及横摆运动的车辆横向动力学模型：

式中，F_yf、F_yr·分别为前后轮胎的侧向力，l_f、l_r分别为前后轴至质心间的距离，I_z为车身绕z轴的转动惯量，m为整车质量，β为车辆质心侧偏角。

步骤1.4：在轮胎侧偏角较小时，轮胎侧向力与轮胎侧偏角的关系可以认为是线性的，即

F_yi＝C_iα_i (6)

i＝f，r分别代表前、后轮，C_i为轮胎的侧偏刚度，α_i为轮胎侧偏角，其近似值为：

δ_f是前轮转角；

步骤1.5：将式(6)与式(7)代入式(5)中，得：

步骤2：建立转向机构动力学模型，具体步骤如下：

步骤2.1：驾驶员转向力矩与辅助控制系统力矩在转向机构处耦合，而车道偏离辅助系统力矩由EPS助力电动机产生，以转向管柱式EPS为例，转向机构动力学模型如下：

式中，θ_c、J_c、B_c分别为转向管柱转角、转动惯量、阻尼；T_d与T_C分别为驾驶员转矩及辅助系统提供的转矩；R_S为前轮与转向机构的减速比；T_r为转向阻力矩；

步骤2.2：忽略转向系统摩擦阻力，转向阻力矩T_r主要由轮胎回正力矩引起，其与前轮侧偏角的关系为：

T_r＝2C_fα_fη_t (10)

式中，η_t为轮胎拖距，转向盘转角与前轮转角满足关系式θ_c＝R_sδ_f。

步骤2.3：取状态向量

控制输入u＝T_c+T_d，输出y_v＝[a_yψ_Ly_CG]^T；

以纵向车速为时变参数，则车辆-道路LTV模型可表示为

其中：

B_u＝[0 0 0 0 0 1/J_c]^T

D_w＝[0 0 -v_x(t) -l_sv_x(t) 0 0]^T

式中：

步骤3：建立驾驶员模型，具体如下：

步骤3.1：采用由单点最优预瞄加速度模型和神经肌肉系统组成驾驶员模型，如图3所示.

步骤3.2：图中，y^*、y分别为期望及实际侧向位移，

θ_c分别为期望及实际转向盘转角，t_p、t_d、t_c分别为驾驶员预瞄时间、神经反应滞后时间及微分校正时间常数，G_ay为车辆稳态增益，其表达式为：

式中，K为稳定性因子，

步骤3.3：ω_c、B_t、K_t、t_n分别为神经肌肉系统的上截止频率、反射阻尼、反射刚度及神经传递的滞后时间；K_a为神经肌肉收缩产生的主动刚度。

步骤4：建立人机协同车道偏离辅助系统控制策略，具体如下：

步骤4.1：基于人机协同的车道偏离辅助控制系统主要由CarSim环境中的车辆模型及视觉系统、基于LTV-MPC的车道偏离辅助控制器、车道偏离决策模块及协同控制因子决策模块等组成，如图4所示。

步骤4.2：LTV-MPC车道偏离辅助控制器的设计目标是在满足相关约束的条件下求解使车辆稳定跟踪车道中心线的转向力矩；MPC以LTV车路模型作为预测模型，通过建立目标函数及相关约束，将控制器的求解问题转化为二次规划问题，并在各控制周期内不断采取滚动优化及反馈校正，实现基于LTV-MPC车道偏离辅助控制器的设计。

步骤4.3：车道偏离决策模块以跨道时间作为触发和消除车道偏离预警的依据.考虑车速、车路相对位置关系及航向角偏差计算跨道时间，并设定适当的阈值控制辅助系统的启动和关闭。

步骤4.4：引入协同控制因子动态决策驾驶员与控制器对转向盘的控制主权并调整辅助转向力矩，协同控制因子α由驾驶员状态及车辆与道路相对位置等信息在线实时调整其在[0,1]间变化，以协同控制因子与车道偏离辅助控制器输出转矩的乘积作为辅助系统的输出转矩。

步骤5：基于跨道时间的车道偏离决策的设计，具体如下：

步骤5.1：跨道时间是指车辆前轮由当前位置到达车道边缘线的时间，是检测车辆偏离车道线的有效指标，其精确计算涉及车辆状态估计、道路信息估计及驾驶员的有意调整等众多非线性因素。为适当简化计算并较为真实地反应跨道时间，考虑车速、车辆位置及航向角偏差三个因素进行跨道时间的计算；如图5所示，以车辆在直道上行驶为例，假设航向角偏差逆时针为正，横向位移偏差位于车道中心线左侧为正，道路宽度为D_R，车辆宽度为D_v，y_ll、y_rr分别为左侧车轮与左侧车道线的横向距离及右侧车轮与右侧车道线的横向距离

步骤5.2：则在直道上跨道时间

步骤5.3：当车辆在曲率为ρ_ref的道路上行驶时，可将弯道近似为直道，并等效为存在一个大小为

的侧向加速度，对跨道时间的求解转化为求二次方程运算，以左侧车轮偏离左侧车道为例，

步骤5.4：令：

b＝v_xsinψ_L，c＝-y₁₁，

步骤5.5：设定跨道时间预警阈值t_LC，ON为0.5s，当跨道时间小于预警阈值时触发车道偏离预警并启动车道偏离辅助系统；同时，为避免辅助系统频繁启动给驾驶员及车辆舒适性带来的负面影响，设定辅助系统关闭阈值t_LC，OFF为2s，即认为只有当跨道时间大于关闭阈值时，车辆才完全脱离发生车道偏离的危险；

步骤6：基于LTV-MPC的车道偏离辅助控制器设计，具体如下：

步骤6.1：车道偏离辅助控制器的设计目标是辅助系统输出的转矩能使车辆稳定地跟踪车道中心线，同时又要考虑助力电机输出转矩的有界性及其增量变化的平稳性，而且不能使车辆发生失稳现象；因此，控制器的设计是一个有约束条件的优化控制问题，模型预测控制既可在一定的时域内获得最优解，同时还可实现对系统的输入、输出及状态变量进行相关约束，是解决有约束优化控制的有效方法。

步骤6.2：在线性时变系统(11)中，不考虑驾驶员的转矩输入，即认为T_d＝0,设定采样时间T_s，将系统离散化，获得离散的车辆-道路模型为：

其中，下标“t”表示当前时刻，小标“k,t”表示t+kT_s时刻.设定预测时域N_p、控制时域N_c，并有N_p≥N_c

步骤6.3：为进行模型预测控制器的设计并适当简化计算，作如下假设：

(1)式(20)中的状态变量及道路曲率均可测量或可估计；

(2)各参数矩阵在预测时域内保持不变，以A_k，t为例，即：

A_k，t＝A_t，k＝1，2，…，N_p (21)

步骤6.4：基于步骤吧6.3的假设，式(20)可进一步写为：

其中：

步骤6.5：取Δx_p(k+1)＝x_p(k+1)-x_p(k)，

并令x(k+1)＝[Δx_p(k+1)^Ty_p(k+1)]^T，式(22)可写为：

其中：

步骤6.6：根据式(23)，在采样点k_i处，预测时域N_p内状态变量的变化序列为：

步骤6.7：根据状态变量序列，可得输出向量序列：

步骤6.8：令：

Y_p＝[y(k_i+1|k_i) y(k_i+2|k_i)…y(k_i+N_p|k_i)]^T，

ΔU_p＝[Δu(k_i) Δu(k_i+1)…Δu(k_i+N_c-1)]^T

可将上述关系式写为矩阵形式：

Y_p＝Hx(k_i)+MΔU_p (24)

其中：

步骤6.9：选择控制目标函数

步骤6.10：目标函数中第一项反应了系统对控制目标期望值的逼近能力，第二项则反应了对控制量平稳变化的要求。式中，R_S为输出向量的期望值，Q为输出向量的加权系数矩阵，

为控制输入增量的加权系数。

步骤6.11：考虑助力电动机输出转矩的有界性及辅助转矩对车辆舒适性的影响，限制辅助转矩的大小及转矩增量的大小。同时，考虑路面附着条件对车辆稳定性的影响，限制侧向加速的大小

|a_y|≤0.85μg (26)

式中，μ为路面附着系数，g为重力加速度。

步骤6.12：综合上述的目标函数及约束条件，基于动力学模型的车道偏离辅助控制器在各控制周期内需求解如下优化问题

s.t.u_min≤u≤u_max

Δu_min≤Δu≤Δu_max

|a_y|≤μg

步骤6.13：结合二次规划的标准矩阵及约束条件进行模型预测控制器的求解，得到控制时域内的一系列控制输入增量：

步骤6.14：将控制序列中的第一个元素作为实际的控制输入增量作用于系统实现模型预测控制的反馈机制，并在下一控制周期重复上述过程，即可完成MPC控制器的设计。

步骤7：协同控制因子决策，具体如下：

步骤7.1：当车道偏离预警未触发时，认为驾驶员正确操纵车辆，车道偏离辅助控制器并不干预驾驶员的正常操纵，此时协同控制因子α＝0，即驾驶员完全掌握控制主权。

步骤7.1：当在t时刻触发车道偏离预警时，设定采样区域Δt及驾驶员状态判断阈值T_d，thd，如果

时，此时认为驾驶员处于疲劳驾驶状态，完全失去对车辆的转向控制，协同控制因子α＝1，即控制器完全掌握车辆控制主权。此时，辅助系统并不受跨道时间关闭阈值控制，直至驾驶员重新恢复转向控制。

步骤7.1：当在t时刻触发车道偏离预警时，如果

时，认为驾驶员注意力不集中或操纵失误，但仍有部分控制车辆转向的能力，此时，驾驶员与控制器共同拥有转向控制权，协同控制因子α由驾驶员转矩T_d、车速v_x及预瞄处偏差y_L三个变量通过编制模糊规则确定，设定|T_d|的论域为[0,8]Nm，v_x的论域为[60,120]km/h，|y_L|的论域[0,1]m，各输入变量的模糊子集均为{S，M，L}，分别表示变量的小、中、大三种状态，输入变量均采用三角形隶属度函数，输出变量为协同控制因子α，其论域为[0,1]，模糊子集为{Z，S，M，L，VL}，分别表示零、小、中、大、较大五种状态，模糊规则的制定原则为：当车道偏离预警触发后，|T_d|越小，驾驶员转向控制不足，需较大的协同控制因子；v_x及|y_L|越大，发生车道偏离的可能性越大，需较大的协同控制因子进行转向纠正.具体的模糊规则库如表1所示。

表1协同控制因子模糊规则推理库

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于人机协同策略的车道偏离辅助控制方法，其特征在于：包括如下步骤：

步骤1：建立车辆-道路模型、转向机构动力学模型、以及驾驶员模型；

步骤2：建立基于跨道时间的车道偏离决策；

步骤2.1：设航向角偏差逆时针为正，横向位移偏差位于车道中心线左侧为正，道路宽度为D_R，车辆宽度为D_v，y₁₁、y_rr分别为左侧车轮与左侧车道线的横向距离及右侧车轮与右侧车道线的横向距离

步骤2.2：则在直道上跨道时间

步骤2.3：当车辆在曲率为ρ_ref的道路上行驶时，可将弯道近似为直道，并等效为存在一个大小为

的侧向加速度，对跨道时间的求解转化为求二次方程运算，当左侧车轮偏离左侧车道时，

步骤2.4：令：

b＝v_xsinψ_L，c＝-y₁₁

步骤2.5：

步骤2.6：设定跨道时间预警阈值t_LC，ON为0.5s，当跨道时间小于预警阈值时触发车道偏离预警并启动车道偏离辅助系统；同时，为避免辅助系统频繁启动给驾驶员及车辆舒适性带来的负面影响，设定辅助系统关闭阈值t_LC，OFF为2s，即认为只有当跨道时间大于关闭阈值时，车辆才完全脱离发生车道偏离的危险.

步骤3：建立基于车辆-道路模型以及模型预测的车道偏离辅助控制器；

步骤3.1：在线性时变系统中，不考虑驾驶员的转矩输入，即认为T_d= 0，设定采样时间T_s，将系统离散化，获得离散的车辆-道路模型为：

其中，下标“t”表示当前时刻，小标“k，t”表示t+kT_s时刻.设定预测时域N_p、控制时域N_c，并有N_p≥N_c；

步骤3.2：为进行模型预测控制器的设计并适当简化计算，作如下假设：

(1)式(20)中的状态变量及道路曲率均可测量或可估计；

(2)各参数矩阵在预测时域内保持不变，如A_k，t，即：

A_k，t＝A_t，k＝1，2，…，N_p (21)

步骤3.3：基于步骤3.2的假设，式(20)可进一步写为：

其中：

步骤3.4：取Δx_p(k|1)-x_p(k|1)x_p(k)，

并令x(k+1)＝[Δx_p(k+1)^Ty_p(k+1)]^T，式(22)可写为：

其中：

步骤3.5：根据式(23)，在采样点k₁处，预测时域N_p内状态变量的变化序列为：

步骤3.6：根据状态变量序列，可得输出向量序列：

步骤3.7：令：

Y_p＝[y(k₁+1|k₁) y(k₁+2|k₁) … y(k₁+N_p|k₁)]^T，

ΔU_p-[Δu(k₁) Δu(k₁|1) … Δu(k₁|N_q 1)]^T

可将上述关系式写为矩阵形式：

Y_p＝Hx(k_i)+MΔU_p (24)

其中：

步骤3.8：选择控制目标函数

步骤3.9：目标函数中第一项反应了系统对控制目标期望值的逼近能力，第二项则反应了对控制量平稳变化的要求，式中，R_s为输出向量的期望值，Q为输出向量的加权系数矩阵，

为控制输入增量的加权系数；

步骤3.10：考虑助力电动机输出转矩的有界性及辅助转矩对车辆舒适性的影响，限制辅助转矩的大小及转矩增量的大小，同时，考虑路面附着条件对车辆稳定性的影响，限制侧向加速的大小

|a_y|≤0.85μg (26)

式中，μ为路面附着系数，g为重力加速度；

步骤3.11：综合上述的目标函数及约束条件，基于动力学模型的车道偏离辅助控制器在各控制周期内需求解如下优化问题

s.t.u_min≤u≤u_max

Δu_min≤Δu≤Δu_max

|a_y|≤μg

步骤3.12：结合二次规划的标准矩阵及约束条件进行模型预测控制器的求解，得到控制时域内的一系列控制输入增量：

步骤3.13：将控制序列中的第一个元素作为实际的控制输入增量作用于系统实现模型预测控制的反馈机制，并在下一控制周期重复步骤3.1-3.12，即可完成模型预测控制器的设计；

步骤4：引入协同控制因子动态决策驾驶员与控制器对转向盘的控制主权，并调整辅助转向力矩；

步骤4.1：当车道偏离预警未触发时，认为驾驶员正确操纵车辆，车道偏离辅助控制器并不干预驾驶员的正常操纵，此时协同控制因子α＝0，即驾驶员完全掌握控制主权；

步骤4.2：当在t时刻触发车道偏离预警时，设定采样区域Δt及驾驶员状态判断阈值T_d，thd，如果

时，此时认为驾驶员处于疲劳驾驶状态，完全失去对车辆的转向控制，协同控制因子α＝1，即控制器完全掌握车辆控制主权，此时，辅助系统并不受跨道时间关闭阈值控制，直至驾驶员重新恢复转向控制；

步骤4.3：当在t时刻触发车道偏离预警时，如果

时，认为驾驶员注意力不集中或操纵失误，但仍有部分控制车辆转向的能力，此时，驾驶员与控制器共同拥有转向控制权；

步骤4中，协同控制因子α由驾驶员转矩T_d、车速v_x及预瞄处偏差y_L三个变量通过编制模糊规则确定，

设定|T_d|的论域为[0，8]Nm，v_x的论域为[60，120]km/h，|y_L|的论域[0，1]m，各输入变量的模糊子集均为{S，M，L}，分别表示变量的小、中、大三种状态，输入变量均采用三角形隶属度函数，输出变量为协同控制因子α，其论域为[0，1]，模糊子集为{Z，S，M，L，VL}，分别表示零、小、中、大、较大五种状态，

模糊规则的制定原则为：当车道偏离预警触发后，|T_d|越小，驾驶员转向控制不足，需较大的协同控制因子；v_x及|γ_L|越大，发生车道偏离的可能性越大，需较大的协同控制因子进行转向纠正。

2.根据权利要求1所述的一种基于人机协同策略的车道偏离辅助控制方法，其特征在于：所述步骤1中建立车辆-道路模型具体包括如下步骤：

步骤1.1：车辆上安装视觉系统，根据车辆在道路上的位置，则在预瞄距离l_s处车辆的横向位置偏差y_L及航向角偏差ψ_L为

y_L＝y_cc+l_Rsinψ_r (1)

ψ_L＝ψ_V-ψ_R (2)

其中：y_cc为车辆质心距道路中心线的距离，ψ_v为车辆航向角，ψ_R为期望航向角；

步骤1.2：假设航向角偏差ψ_L较小，则y_L及ψ_L关于时间t的导数

式中：v_x、v_y分别为车辆纵向速度和侧向速度；r为车辆横摆角速度，ρ_ref为道路曲率；

步骤1.3：忽略空气动力学的影响，考虑具有侧向及横摆运动的车辆横向动力学模型：

式中，F_yf、F_yr分别为前后轮胎的侧向力，l_f、l_r分别为前后轴至质心间的距离，I_z为车身绕z轴的转动惯量，m为整车质量，β为车辆质心侧偏角；

步骤1.4：在轮胎侧偏角较小时，轮胎侧向力与轮胎侧偏角的关系认为是线性的，即

i＝f，r分别代表前、后轮，C_i为轮胎的侧偏刚度，α_i为轮胎侧偏角，其近似值为：

步骤1.5：将式(6)与式(7)代入式(5)中，得：

3.根据权利要求2所述的一种基于人机协同策略的车道偏离辅助控制方法，其特征在于：所述步骤1中建立转向机构动力学模型具体包括如下步骤：

步骤1.1：驾驶员转向力矩与辅助控制系统力矩在转向机构处耦合，而车道偏离辅助系统力矩由EPS助力电动机产生，EPS系统的输出轴子模型为：

其中：J_e为输出轴的转动惯量；θ_e为输出轴的旋转角；B_e为输出轴的阻尼系数；T_sen为扭杆的反作用转矩；G为减速机构的减速比；T_L为电动机的负载转矩；T_w为作用在输出轴上的反作用转矩；

步骤1.2：忽略转向系统摩擦阻力，转向阻力矩T_r与前轮侧偏角的关系为：

T_r＝2C_fα_fη_t (10)

式中，η_t为轮胎拖距，转向盘转角与前轮转角满足关系式θ_a＝R_sδ_f，θ_a为转向管柱转角，R_s为前轮与转向机构的减速比；

步骤1.3：取状态向量

控制输入u＝T_c|T_d， T_d与T_c分别为驾驶员转矩及辅助系统提供的转矩，输出y_v＝[a_yψ_Ly_CG]^T；

以纵向车速为时变参数，则车辆-道路LTV模型可表示为

其中：

D_w＝[0 0 -v_x(t) -l_sv_x(t) 0 0]^T

式中：

J_c、B_c分别为转动惯量、阻尼。

4.根据权利要求3所述的一种基于人机协同策略的车道偏离辅助控制方法，其特征在于：所述步骤1中建立驾驶员模型采用由单点最优预瞄加速度模型和神经肌肉系统组成驾驶员模型，车辆稳态增益表达式为

式中，K为稳定性因子，

Images