CN110481563B - 基于驾驶员神经肌肉模型的人机共驾共享控制算法 - Google Patents
基于驾驶员神经肌肉模型的人机共驾共享控制算法 Download PDFInfo
- Publication number
- CN110481563B CN110481563B CN201910821313.6A CN201910821313A CN110481563B CN 110481563 B CN110481563 B CN 110481563B CN 201910821313 A CN201910821313 A CN 201910821313A CN 110481563 B CN110481563 B CN 110481563B
- Authority
- CN
- China
- Prior art keywords
- driver
- controller
- neuromuscular
- model
- driving
- 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.)
- Active
Links
Images
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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- 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
-
- 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
- B60W2050/0029—Mathematical model of the driver
-
- 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
- B60W2050/0034—Multiple-track, 2D vehicle model, e.g. four-wheel model
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
Description
技术领域
本发明属于无人驾驶汽车决策与控制领域,具体涉及一种基于驾驶员神经肌肉模型的人机共驾共享控制算法。
背景技术
近年来,为了缓解交通压力,降低交通事故发生率及缓解驾驶员的负担,无人驾驶汽车得到了迅速发展。目前针对无人驾驶汽车的发展进程,比较权威的划分是由美国汽车工程学会(SAE)提出的。它将无人驾驶分为六个阶段,分别是:无自动驾驶(L0)、驾驶辅助(L1)、部分自动驾驶(L2)、有条件的自动驾驶(L3)、高度自动驾驶(L4)及完全自动驾驶(L5)。其中,(L0)~(L2)这一阶段要求驾驶员试课在环即使驾驶员辅助系统处于工作状态,驾驶员要始终监督者车载驾驶辅助系统,并在必要的时刻采取转向,制动或加速行为以保证车辆安全。(L3)~(L5)这一阶段允许驾驶员可以脱离驾驶任务当相应的车载驾驶辅助系统处于工作状态时。其中,(L3)级别的自动驾驶要求当驾驶辅助系统功能受限时,驾驶员必须能够及时回到驾驶任务中来,而(L4)和(L5)级别的自动驾驶将不会要求驾驶员重新回到驾驶任务中来。
目前,尽管有些机构选择直接跳过(L3)级别的自动驾驶直接研究(L4)级别的自动驾驶,但鉴于现有技术及社会因素的制约,(L3)级别的自动驾驶即人机共驾仍然具有广泛大的研究前景。以自主巡航(ACC)为例,自主巡航系统可以探测前方是否有汽车,自动保持与前车的距离,可在紧急情况下自动刹车。其可以使驾驶员暂时脱离驾驶任务,缓解驾驶员的疲劳,然而ACC也有其自身的动力学及情境限制,如恶劣天气的状况会影响跟车效果;急弯及环形交叉路口使得前车突然消失;自主加减速的权限收到限制等问题。即外部环境的突然变化会削弱ACC的功能,这个时候就要就驾驶员可以及时接管车辆的控制权以保证行车安全。
为了实现与驾驶员的交流,ACC可以在达到它的功能极限时向驾驶员发出预警,驾驶员可以在必要时候关闭ACC功能重新掌握驾驶权限。
最近,为了促进二者之间交流的连续性,不少研究者做了相关研究来保证驾驶员与ACC控制之间更有效和平稳的切换。其中,人机共享控制是一种有效的方式,它可以将驾驶员的控制行为和ACC的控制行为叠加,而且可以将系统与驾驶员之间的信息持续性地联系起来共同感知当前的环境并立即决策出解决方案,即使是在系统功能可作用的边界之外,并且这种驾驶员与系统之间的连续交互可以保证驾驶员的舒适感。
共享控制,即驾驶员和控制器共同控制车辆的运动,因此,驾驶员与控制器之间的交互至关重要。如果驾驶员与控制器各自单独行动,其控制信号只是机械地叠加在一起,则控制器发出的控制行为很有可能会对驾驶员造成干扰,严重时甚至有可能会造成驾驶员的恐慌,并进一步威胁行车安全。因此,在设计控制器的控制输出时,要考虑驾驶员的行为,保证控制器的输出可以根据驾驶员的状态调整。
发明内容
本发明所要解决的技术问题是:提供一种基于驾驶员神经肌肉模型的人机共驾共享控制算法,解决了现有技术展人机共享控制中的人机交互复杂,容易冲突的问题。
本发明为解决上述技术问题采用以下技术方案:
基于驾驶员神经肌肉模型的人机共驾共享控制算法,包括如下步骤:
步骤1、根据车辆二自由度横向动力学参数,建立车辆二自由度横向动力学模型;根据驾驶员神经肌肉敏感度,建立驾驶员神经肌肉模型,表征其与方向盘转角的关系;
步骤2、根据驾驶员神经肌肉模型,评估驾驶员当前时刻的驾驶能力,确定驾驶员当前时刻所需要的最佳辅助水平;
步骤3、设计相应的H∞/LQR控制器,获取状态增益矩阵,计算控制器的输出;
步骤4、根据驾驶员当前时刻所需要的最佳辅助水平和驾驶员的驾驶能力之间的关系,建立控制器的转矩输出模型,计算控制器的转矩输出;
步骤5、根据步骤4中控制器的转矩输出,来控制车辆的运动,对车辆当前的运动状态进行修正,并保证控制器的转矩输出值随驾驶员的状态而变化。
驾驶员的神经肌肉模型如下:
J=Jdr+Jsw,Jdr为驾驶员手臂的惯量;Jsw为方向盘的惯量。
驾驶员当前时刻所需要的最佳辅助水平α(θ(t))根据如下公式确定:
α(θ(t))=(θ(t)-0.5)2+αmin,其中,αmin为给定的最低辅助水平,θ(t)为驾驶员当前时刻的驾驶能力,
步骤3中状态增益矩阵K按照如下公式计算:
K=Y*N-1,其中,Y、N为要求解的矩阵,应用仿真工具从控制器的性能指标矩阵中求解获得。
M=Mdr+Msw,其中,Mdr为驾驶员神经肌肉系统的黏性阻尼系数,Msw为方向盘承座的黏性阻尼系数。
所述控制器的输出按照如下公式计算
步骤4中控制器的转矩输出Ta按照如下公式计算:
Ta=α(θ(t))u(t)。
与现有技术相比,本发明具有以下有益效果:
1、本发明考虑了驾驶员神经肌肉模型。在车辆行驶过程中,辅助系统对驾驶员的辅助程度要根据驾驶员当前的驾驶能力而定,驾驶员的生物力学状态可以反映驾驶员当前的驾驶能力,因此本发明考虑了驾驶员的神经肌肉敏捷度这一因素,实时评估驾驶员此刻的驾驶能力,以确定驾驶辅助系统当前时刻的最佳辅助。
2、本发明针对系统的内部干扰及模型误差的,基于李雅普诺夫稳定性理论,提出了一种H∞/LQR控制器,在保证车辆最佳的车道保持性能的同时提高系统的响应特性,并能够保证在系统内部干扰及模型误差存在大的情况下该控制器依然具有很好的稳定性。
附图说明
图1为本发明基于驾驶员转矩变化率的人机共驾控制算法设计流程图。
图2为本发明基于车道保持功能的二自由度车辆横向动力学系统示意图。
图3为本发明不同负荷下驾驶员所需辅助水平与驾驶员驾驶能力关系示意图。
具体实施方式
下面结合附图对本发明的结构及工作过程作进一步说明。
为了实现人机共享控制中的人机交互问题,减少人机冲突,提出了一种基于驾驶员神经肌肉模型的人机共享控制算法,要求其能够实现车道保持功能,并减少车辆在行驶过程中车载控制器对驾驶员的干扰,保证行车安全的同时提高驾驶员的舒适感。
本发明实现的是基于驾驶员转矩变化率的人机共驾共享控制算法。首先,通过图像采集器获得穿刺环境图像,并从图像中确定靶点和障碍物的位置;然后执行下面的步骤所实现的一个流程,基于驾驶员神经肌肉模型的人机共驾共享控制算法,包括如下步骤:
步骤1、根据车辆二自由度横向动力学参数,建立车辆二自由度横向动力学模型;根据驾驶员神经肌肉敏感度,建立驾驶员神经肌肉模型,表征其与方向盘转角的关系;
步骤2、根据驾驶员神经肌肉模型,评估驾驶员当前时刻的驾驶能力,确定驾驶员当前时刻所需要的最佳辅助水平;
步骤3、设计相应的H∞/LQR控制器,获取状态增益矩阵,计算控制器的输出;
步骤4、根据驾驶员当前时刻所需要的最佳辅助水平和驾驶员的驾驶能力之间的关系,建立控制器的转矩输出模型,计算控制器的转矩输出;
步骤5、根据步骤4中控制器的转矩输出,来控制车辆的运动,对车辆当前的运动状态进行修正,并保证控制器的转矩输出值随驾驶员的状态而变化。
具体实施例,如图1至图3所示,
步骤1、基于车道保持功能的要求,根据车辆二自由度横向动力学参数,建立车辆二自由度横向动力学模型;根据驾驶员神经肌肉敏感度,建立驾驶员神经肌肉模型,表征其与方向盘转角的关系,并以此对车辆二自由度横向动力学模型进行修正;车辆二自由度横向动力学参数包括车辆的横向速度vy(m/s);车辆的横摆角速度r(rad/s);航向角误差ψl;横向位移yl;方向盘转角δ(rad);方向盘转角速度后轮侧偏刚度Cr;前轮侧偏刚度Cf;车辆的总质量m(kg);车辆的纵向速度vx(m/s);后轮中心轴线与车辆质心之间的距离lr(m);前轮中心轴线与车辆质心之间的距离lf(m);车辆关于Z轴的转动惯量Iz;转向系统的惯量Is;转向系统的传动比Rs;是轮胎与地面的接触长度ηt(m);侧向风作用中心点距离车辆质心的距离Iw(m)。
(1)基于车道保持功能,车辆在路面行驶的横向动力学状态空间可以表示为:
其中,Bs是转向系统的阻尼系数;Ta是控制器的转矩输出;Td为驾驶员的输入转矩(Nm)。
(2)建立驾驶员神经肌肉模型,确定当前时刻驾驶员的转矩并以此进一步确定驾驶员的神经肌肉敏感度,来评估驾驶员当前的驾驶能力。
驾驶员的神经肌肉模型可以表示为如下形式:
其中,
J=Jdr+Jsw M=Mdr+Msw (5)
因此,上述车辆动力学模型可以进一步转化为以下状态空间模型:
其中,
步骤2、根据驾驶员神经肌肉模型,考虑驾驶员神经肌肉敏捷度这一因素,评估驾驶员当前时刻的驾驶能力,确定驾驶员当前时刻所需要的最佳辅助水平;
驾驶员当前时刻所需要的最佳辅助水平α(θ(t))根据如下公式确定:
α(θ(t))=(θ(t)-0.5)2+αmin (9)
其中,αmin为给定的最低辅助水平,θ(t)为驾驶员当前时刻的驾驶能力,
ε1和ε2是要求设计的参数,通过驾驶模拟实验获得,Td/Tdmax表示驾驶员神经肌肉敏捷度,Tdmax为驾驶员的最大输入转矩。
基于驾驶员当前时刻所需的最佳辅助水平与此刻驾驶员驾驶能力之间的函数关系,上述系统状态空间模型可以进一步表述为:
步骤3、基于上述建立的动力学模型,力求在保证极佳的车道保持效果的同时提高系统的响应特性,设计相应的H∞/LQR控制器,获取状态增益矩阵K,计算控制器的输出u(t);
本发明设计的控制器目的是为了根据驾驶员的神经肌肉状态评估驾驶员此刻的驾驶能力,并基于此确定驾驶员当前时刻所需要的一个最佳辅助转矩,在保证车辆安全性的同时减少对驾驶员的干扰。考虑到系统内部干扰及模型误差等因素会影响控制效果的精确性和稳定性,所以设计了一种H∞/LQR控制器,在保证极佳的车道保持功能的同时提高其响应特性,相应的闭环控制系统可以表示为如下形式:
其中,
z(t)表示控制输出,考虑到本发明主要用来实现汽车的车道保持功能,因此我们需要保证相应的车道保持跟踪效果,同时保证车辆的稳定性及驾驶员的舒适度和提高系统的响应特性,所以选取航向角误差ψl,横摆角速度r以及方向盘转角速度及输入u(t)为控制量,Q和R为加权矩阵,其中矩阵R可调。
为了获得一个较为稳定的控制效果,保证控制器的鲁棒性同时改善响应特性,本发明基于李雅普诺夫稳定性理论,提出了一种H∞/LQR控制器,具体如下:
针对上述控制系统(12),选取以下李雅普诺夫稳定性函数:
V(t)=xT(t)Px(t) (14)
然后仅仅保证系统是稳定的还远远不够,针对系统的内部干扰及模型误差等问题,为了消除这些因素对控制器稳定性的影响,保证控制器的鲁棒性同时改善其响应特性,本发明提出了以下H∞性能:
||z(t)||2<γ||Tdis||2 (15)
其中γ是H∞的性能指标,是需要被优化的参数。
为了保证系统(12)的稳定性,同时减少系统内部干扰及模型误差的影响,保证控制器的鲁棒性,本发明引入了如下性能指标:
如果可以保证Ψ<0,即不仅可以保证系统的稳定性同时还可以获得相应的鲁棒性。
因此,将公式(12)及公式(14)代入公式(16)可以得到如下矩阵不等式:
其中,Y、N为要求解的矩阵,应用仿真工具从控制器的性能指标矩阵中求解获得;F,Ω,I均为要求解的矩阵变量。
该实施例运用matlab自带的LMI工具箱可以优化求解上述矩阵不等式,通过优化一个最小的γ值即可以获得较好的鲁棒性,并最终可以求解出状态增益矩阵K=Y*N-1。
M=Mdr+Msw,其中,Mdr为驾驶员神经肌肉系统的黏性阻尼系数,Msw为方向盘承座的黏性阻尼系数。
所述控制器的输出按照如下公式计算:
步骤4、根据驾驶员当前时刻所需要的最佳辅助水平和驾驶员的驾驶能力之间的关系,建立控制器的转矩输出模型,计算控制器的转矩输出;控制器的转矩输出模型如下:
Ta=α(θ(t))u(t) (18)
步骤5、根据步骤4中得到的控制器的转矩输出,来控制车辆的运动,对车辆当前的运动状态进行修正,并保证控制器的转矩输出值随驾驶员的状态而变化。
Claims (8)
1.基于驾驶员神经肌肉模型的人机共驾共享控制算法,其特征在于:包括如下步骤:
步骤1、根据车辆二自由度横向动力学参数,建立车辆二自由度横向动力学模型;根据驾驶员神经肌肉敏感度,建立驾驶员神经肌肉模型,表征其与方向盘转角的关系;
步骤2、根据驾驶员神经肌肉模型,评估驾驶员当前时刻的驾驶能力,确定驾驶员当前时刻所需要的最佳辅助水平;
步骤3、设计相应的H∞/线性二次型调节控制器,获取状态增益矩阵,计算控制器的输出;
步骤4、根据驾驶员当前时刻所需要的最佳辅助水平和驾驶员的驾驶能力之间的关系,建立控制器的转矩输出模型,计算控制器的转矩输出;
步骤5、根据步骤4中控制器的转矩输出,来控制车辆的运动,对车辆当前的运动状态进行修正,并保证控制器的转矩输出值随驾驶员的状态而变化。
3.根据权利要求2所述的基于驾驶员神经肌肉模型的人机共驾共享控制算法,其特征在于:
J=Jdr+Jsw,Jdr为驾驶员手臂的惯量;Jsw为方向盘的惯量。
5.根据权利要求4所述的基于驾驶员神经肌肉模型的人机共驾共享控制算法,其特征在于:步骤3中状态增益矩阵K按照如下公式计算:
K=Y*N-1,其中,Y、N为要求解的矩阵,应用仿真工具从控制器的性能指标矩阵中求解获得。
6.根据权利要求5所述的基于驾驶员神经肌肉模型的人机共驾共享控制算法,其特征在于:
M=Mdr+Msw,其中,Mdr为驾驶员神经肌肉系统的黏性阻尼系数,Msw为方向盘承座的黏性阻尼系数。
8.根据权利要求7所述的基于驾驶员神经肌肉模型的人机共驾共享控制算法,其特征在于:步骤4中控制器的转矩输出Ta按照如下公式计算:
Ta=α(θ(t))u(t)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910821313.6A CN110481563B (zh) | 2019-09-02 | 2019-09-02 | 基于驾驶员神经肌肉模型的人机共驾共享控制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910821313.6A CN110481563B (zh) | 2019-09-02 | 2019-09-02 | 基于驾驶员神经肌肉模型的人机共驾共享控制算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110481563A CN110481563A (zh) | 2019-11-22 |
CN110481563B true CN110481563B (zh) | 2020-08-11 |
Family
ID=68556008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910821313.6A Active CN110481563B (zh) | 2019-09-02 | 2019-09-02 | 基于驾驶员神经肌肉模型的人机共驾共享控制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110481563B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111731316B (zh) * | 2020-06-08 | 2022-08-05 | 南京航空航天大学 | 一种考虑车辆侧翻特性的驾驶员模型的建立方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5688809B2 (ja) * | 2012-11-16 | 2015-03-25 | 本田技研工業株式会社 | 運転者状態推定装置 |
CN104859650A (zh) * | 2015-05-28 | 2015-08-26 | 吉林大学 | 一种多时间尺度的车辆横摆稳定性滚动优化控制方法 |
WO2016132032A1 (fr) * | 2015-02-19 | 2016-08-25 | Renault S.A.S. | Procede et dispositif de detection d'un changement de comportement de conducteur d'un vehicule automobile |
US9669813B2 (en) * | 2015-04-08 | 2017-06-06 | Toyota Jidosha Kabushiki Kaisha | Vehicle driving support control device |
CN107618500A (zh) * | 2017-09-12 | 2018-01-23 | 江苏开放大学 | 一种基于神经肌肉动态性模型驾驶员转向控制方法 |
CN107804315A (zh) * | 2017-11-07 | 2018-03-16 | 吉林大学 | 一种考虑驾驶权实时分配的人车协同转向控制方法 |
CN109177974A (zh) * | 2018-08-28 | 2019-01-11 | 清华大学 | 一种智能汽车的人机共驾型车道保持辅助方法 |
CN110077418A (zh) * | 2019-04-08 | 2019-08-02 | 东南大学 | 考虑驾驶员特性的差动辅助转向与共享控制系统建模方法 |
-
2019
- 2019-09-02 CN CN201910821313.6A patent/CN110481563B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5688809B2 (ja) * | 2012-11-16 | 2015-03-25 | 本田技研工業株式会社 | 運転者状態推定装置 |
WO2016132032A1 (fr) * | 2015-02-19 | 2016-08-25 | Renault S.A.S. | Procede et dispositif de detection d'un changement de comportement de conducteur d'un vehicule automobile |
US9669813B2 (en) * | 2015-04-08 | 2017-06-06 | Toyota Jidosha Kabushiki Kaisha | Vehicle driving support control device |
CN104859650A (zh) * | 2015-05-28 | 2015-08-26 | 吉林大学 | 一种多时间尺度的车辆横摆稳定性滚动优化控制方法 |
CN107618500A (zh) * | 2017-09-12 | 2018-01-23 | 江苏开放大学 | 一种基于神经肌肉动态性模型驾驶员转向控制方法 |
CN107804315A (zh) * | 2017-11-07 | 2018-03-16 | 吉林大学 | 一种考虑驾驶权实时分配的人车协同转向控制方法 |
CN109177974A (zh) * | 2018-08-28 | 2019-01-11 | 清华大学 | 一种智能汽车的人机共驾型车道保持辅助方法 |
CN110077418A (zh) * | 2019-04-08 | 2019-08-02 | 东南大学 | 考虑驾驶员特性的差动辅助转向与共享控制系统建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110481563A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110481541B (zh) | 汽车爆胎安全稳定控制方法 | |
US7212896B2 (en) | Vehicle control | |
US6856877B2 (en) | Integration of active assist and vehicle dynamics control and method | |
US6816764B2 (en) | Suspension coordinator subsystem and method | |
US6622074B1 (en) | Vehicle motion control subsystem and method | |
CN110001782A (zh) | 自动换道方法、系统及计算机可读存储介质 | |
EP3663153A1 (en) | Vehicle control device | |
US20160236679A1 (en) | Vehicle driving support control device | |
DE102016104753A1 (de) | Fahrtunterstützungssystem für ein Fahrzeug | |
JP2018203032A (ja) | 自動運転システム | |
US7120529B2 (en) | Drive train and brakes coordinator subsystem and method | |
EP3663152A1 (en) | Vehicle control device | |
CN104290806A (zh) | 车辆用转向装置 | |
CN102166982A (zh) | 自适应前照灯系统的车灯控制方法 | |
CN109164814A (zh) | 面向高速公路场景的自动驾驶控制系统 | |
JP2022024356A (ja) | 自動操舵システム | |
CN110920616A (zh) | 一种智能车换道轨迹及换道轨迹跟随控制方法 | |
CN110481563B (zh) | 基于驾驶员神经肌肉模型的人机共驾共享控制算法 | |
CN106168758B (zh) | 四轮独立驱动电动汽车的航向跟踪控制方法 | |
CN113291293B (zh) | 基于车身稳定控制驾驶模式的方法及系统 | |
CN212828326U (zh) | 一种基于纵横向协调的轨迹跟踪控制系统 | |
Trotta et al. | A feedback linearization based approach for fully autonomous adaptive cruise control | |
CN114275041B (zh) | 自动驾驶车辆横向控制的方法、装置、车辆及存储介质 | |
CN109677403A (zh) | 一种基于微分平坦的智能车避障控制方法 | |
Liu et al. | Research on path-tracking control of articulated vehicle with a trailer based on advanced model prediction control strategy |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |