CN110626340B - 基于灰狼算法的智能汽车路径跟踪控制系统及方法 - Google Patents

Abstract

本发明提供了一种基于灰狼算法的智能汽车路径跟踪控制系统及方法，该系统包括依次连接的路径规划系统、路径跟踪决策系统和汽车底盘执行系统，其中路径跟踪决策系统包括驾驶员预测控制器和GWO姿态控制器两个子系统，所述的预测控制器采用基于车辆侧向加速度反馈修正的预瞄‑跟随驾驶员模型，GWO姿态控制器采用了灰狼算法。本发明由路径规划系统规划出理想路径，路径跟踪决策系统接收理想路径信息，通过汽车底盘执行系统的线控转向执行器、轮毂电机制动执行器调整汽车行驶状态，实现对理想路径的精准跟踪，并提高汽车的行驶稳定性。

Description

基于灰狼算法的智能汽车路径跟踪控制系统及方法

技术领域

本发明涉及智能汽车路径跟踪技术领域，具体是一种基于灰狼算法的智能汽车路径跟踪控制系统及方法。

背景技术

随着时代进步以及技术发展，汽车“四化”(电动化、智能化、网联化、共享化)的进程逐渐加快，具有L1(驾驶支援)、L2(部分自动化)等级自动驾驶功能的汽车已陆续上市。在实现自动驾驶的历程中，人-机共驾是一个很重要的发展阶段。而在整个驾驶过程中，驾驶员的人为因素占了很大的比重，一旦出现驾驶员长时间驾车、疲劳驾车、判断失误的情况，很容易造成交通事故。通常的路径跟踪控制方法，仅注重于对于汽车的轨迹控制，而忽略了驾驶员操纵行为对汽车行驶状况的影响；并且，通常的路径跟踪控制方法仅采取以汽车的质心侧向位移为控制对象，未考虑汽车航向角等行驶姿态对路径跟踪精度的影响。

发明内容

本发明为了解决现有技术的问题，提供了一种基于灰狼算法的智能汽车路径跟踪控制系统及方法，由路径规划系统规划出理想路径，路径跟踪决策系统接收理想路径信息，分别由驾驶员预测控制器、GWO姿态控制器跟踪理想路径的侧向位置以及航向角，输出方向盘转角和车轮制动力矩，通过汽车底盘执行系统的线控转向执行器、轮毂电机制动执行器调整汽车行驶状态，实现对理想路径的精准跟踪，并提高汽车的行驶稳定性。

本发明提供了一种基于灰狼算法的智能汽车路径跟踪控制系统，包括依次连接的路径规划系统、路径跟踪决策系统和汽车底盘执行系统。

其中路径规划系统为汽车行车电脑中内置的路径规划程序，其可根据汽车传感器系统感知前方道路及障碍物，并规划出未来时刻的最优行驶路径。目前，路径规划系统在智能驾驶领域已得到研究应用，在此不再赘述。

路径跟踪决策系统包括驾驶员预测控制器和GWO(灰狼算法)姿态控制器两个子系统，所述的预测控制器采用基于车辆侧向加速度反馈修正的预瞄-跟随驾驶员模型，用于描述及预测驾驶员的操纵行为，以汽车质心侧向位置与理想路径侧向位置的误差最小为控制目标，驾驶员首先预瞄前方道路，然后根据理想路径信息以及车辆当前的行驶状态(如位置、车速、加速度等)调整方向盘转角进行主动转向控制，使得车辆能以最小侧向位置误差跟随理想路径。GWO姿态控制器采用了灰狼算法，用于辅助驾驶员进行路径跟踪，以汽车横摆角与理想路径斜率的误差最小为控制目标，该控制器的输入为理想路径的斜率、汽车的横摆角速度，输出为车轮的制动力矩，进行差动制动控制。

进一步改进，所述的汽车底盘执行系统包括线控转向执行器、轮毂电机制动执行器，线控转向执行器接收驾驶员预测控制器输出的方向盘转角，直接作用于转向机构，控制车轮转动；轮毂电机制动执行器接收GWO姿态控制器输出的车轮制动力矩，控制相应车轮制动，产生附加横摆力矩，调整汽车横摆角速度。

本发明还提供了一种基于灰狼算法的智能汽车路径跟踪控制方法，包括以下步骤：

步骤1：路径规划系统根据传感器系统识别的道路及障碍物信号，规划出未来时刻的理想路径，并将理想路径参数传输至路径跟踪决策系统；

步骤2：路径跟踪决策系统接收理想路径参数以及汽车行驶状态参数，计算汽车当前侧向位置与理想路径侧向位置偏差，汽车当前横摆角与理想路径斜率角偏差，分别输入到驾驶员预测控制器、GWO姿态控制器，经过计算后输出方向盘转角作用于线控转向执行器，输出车轮制动力矩作用于轮毂电机制动执行器；

步骤3：汽车底盘执行系统中的线控转向执行器、轮毂电机制动执行器分别接收路径跟踪决策系统输出的方向盘转角和车轮制动力矩，控制汽车按照理想路径进行行驶，实现路径跟踪的控制目标。

进一步改进，步骤2)所述的GWO姿态控制器采用灰狼算法，具体为：以单只狼个体的位置X表示优化对象即汽车四个车轮的附加制动力矩，以猎物气味浓度Y表示优化目标即汽车横摆角与理想路径航向角的误差，游走步长、奔袭步长、攻击步长Step分别表示在不同的优化阶段中优化对象每一次增加或减少的量，最后输出头狼的位置即为优化对象的最优解。

本发明有益效果在于：

1)综合考虑了驾驶员操纵行为对当前以及未来汽车运动状态的影响，结合驾驶员模型的侧向位置误差与GWO姿态控制器的横摆角速度，提高路径跟踪的精度以及汽车的稳定性；

2)灰狼算法对于不同特征的复杂函数具有较好的鲁棒性及全局收敛性能，进一步提高了控制系统的精度和效率。

附图说明

图1为本发明的控制系统示意图；

图2为本发明中驾驶员预测控制器理论流程图；

图3为本发明中灰狼算法流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

本发明提供了一种基于灰狼算法的智能汽车路径跟踪控制系统，该系统如图1所示，包括依次连接的路径规划系统、路径跟踪决策系统和汽车底盘执行系统。

其中路径规划系统为汽车行车电脑中内置的路径规划程序，其可根据汽车传感器系统感知前方道路及障碍物，并规划出未来时刻的最优行驶路径。目前，路径规划系统在智能驾驶领域已得到研究应用，在此不再赘述。

所述的路径跟踪决策系统包括驾驶员预测控制器和GWO(灰狼算法)姿态控制器两个子系统，所述的预测控制器采用基于车辆侧向加速度反馈修正的预瞄-跟随驾驶员模型，用于描述及预测驾驶员的操纵行为，以汽车质心侧向位置与理想路径侧向位置的误差最小为控制目标，驾驶员首先预瞄前方道路，然后根据理想路径信息以及车辆当前的行驶状态(如位置、车速、加速度等)调整方向盘转角进行主动转向控制，使得车辆能以最小侧向位置误差跟随理想路径。GWO姿态控制器采用了灰狼算法，用于辅助驾驶员进行路径跟踪，以汽车横摆角与理想路径斜率的误差最小为控制目标，该控制器的输入为理想路径的斜率、汽车的横摆角速度，输出为车轮的制动力矩，进行差动制动控制。

所述的汽车底盘执行系统包括线控转向执行器、轮毂电机制动执行器，线控转向执行器接收驾驶员预测控制器输出的方向盘转角，直接作用于转向机构，控制车轮转动；轮毂电机制动执行器接收GWO姿态控制器输出的车轮制动力矩，控制相应车轮制动，产生附加横摆力矩，调整汽车横摆角速度。

本发明的工作方法为：

步骤1：路径规划系统根据传感器系统识别的道路及障碍物信号，规划出未来时刻的理想路径，并将理想路径参数传输至路径跟踪决策系统；

步骤2：路径跟踪决策系统接收理想路径参数以及汽车行驶状态参数，计算汽车当前侧向位置与理想路径侧向位置偏差，汽车当前横摆角与理想路径斜率角偏差，分别输入到驾驶员预测控制器、GWO姿态控制器，经过计算后输出方向盘转角作用于线控转向执行器，输出车轮制动力矩作用于轮毂电机制动执行器；

如图2所示，上述步骤2中，驾驶员预测控制器的具体方法为：

步骤2.1.1：假设当前时刻为t₀，读取汽车的实际侧向位置为Y(t₀)，纵向速度为v_x，侧向速度为v_y，选定驾驶员预瞄时间T，驾驶员预瞄前方v_x*T处的路径，获取预瞄点处的路径侧向位置Y(t₀+T)；

步骤2.1.2：若汽车此时以理想侧向加速度a_y ^*做侧向匀加速运动，可在T时刻后到达目标轨迹点，则有：

由此易得：

步骤2.1.3：汽车理想侧向加速度a_y ^*与汽车理想方向盘转角δ_SW ^*间的关系可由稳态增益G_ay来表示，可以得到理想的方向盘转角的推导公式：

其中，稳态增益G_ay是有关于纵向速度v_x的变量，但由于以上驾驶员模型建立于汽车的纵向速度为匀速的提前下，因此仅仅依据上式建立的驾驶员模型对车辆方向盘转角的控制是不够精确的。

步骤2.1.4：在以上基础上，建立基于车辆侧向加速度反馈修正的预瞄驾驶员模型，将汽车的实际侧向加速度a_y作为优化行为的反馈信息，建立PID转向控制器，将a_y ^*与a_y的误差值e(t)作为输入信息，输出理想方向盘的修正量△δ：

Vδ＝Kp*e(t)+Ki*∫e(t)dt+Kd*de(t)/dt

基于以上计算，输出最终的方向盘转角δ：

如图3所示，上述步骤2中，GWO姿态控制器的具体方法为：

步骤2.2.1：数值初始化

a)初始化狼群数量N以及每只狼的位置信息X_i(F_x1,F_x2,F_x3,F_x4)，i＝(1,N)，所述位置信息为四维坐标，F_x1,F_x2,F_x3,F_x4分别代表汽车左前轮、右前轮、左后轮、右后轮的制动力矩；

b)设置每只狼对应的猎物气味浓度Y_i，即为理想路径斜率角θ与汽车横摆角速度w_r构成的目标函数：

Y_i＝|∫w_rdt-θ|

其中：

F_y1,F_y2,F_y3,F_y4分别为汽车左前轮、右前轮、左后轮、右后轮的侧向力，t_w为汽车轮距，I_z为汽车横摆转动惯量；l_f，l_r分别为质心位置到前、后轴的距离。

c)根据控制精度及求解速度需求，设置最大迭代次数k_max、最大游走次数T_max、探狼比例因子α、距离判定因子ω、步长因子S以及更新比例因子σ；

d)选取当前猎物气味浓度最高的人工狼为头狼s，取其位置为X_lead、猎物气味浓度为Y_lead；

步骤2.2.2：游走行为

a)将N只狼的猎物气味浓度从大到小排列，取除头狼外前N*α个猎物气味浓度较高的对应人工狼为探狼，除头狼与探狼外的所有人工狼为猛狼；

b)对于探狼j，其猎物气味浓度为Y_j ⁰，此时Y_j ⁰＜Y_lead，j＝(1,N*α),其进行游走行为，向h个方向分别前进一个游走步长step_a，记录每前进一步后所感知的猎物气味浓度后退回原位置，则向第p(p＝1,2,3…h)个方向前进后探狼j的位置为X_j ^p、猎物气味浓度为Y_j ^p；

c)选择Y_j ^p最大且大于当前位置的猎物气味浓度Y_j ⁰的方向前进一个游走步长step_a，更新探狼j的位置信息X_j；

d)重复以上的游走行为，直到某只探狼感知到的猎物气味浓度Y_j＞Y_lead,此时该探狼成为头狼，Y_lead＝Y_j，或游走次数T达到最大游走次数T_max，此时维持原头狼不变；

步骤2.2.3：召唤/奔袭行为

a)头狼通过嚎叫发起召唤行为，召集周围的N*(1-α)-1只猛狼向头狼所在位置迅速靠拢，猛狼以奔袭步长step_b＝2*step_a快速逼近头狼所在位置；

b)奔袭途中，若猛狼z(z＝(1,N*(1-α)-1))感知到的猎物气味浓度Y_z＞Y_lead，则该猛狼转化为头狼并发起召唤行为，此时Y_lead＝Y_z；

c)奔袭途中，若猛狼z感知到的猎物气味浓度Y_z＜Y_lead，则猛狼z继续奔袭直到其与头狼s之间的距离d_zs小于d_near时加入到对猎物的攻击行列，即转入围攻行为；

步骤2.2.4：围攻行为

a)将此时离猎物最近的狼即头狼的位置视为猎物的移动位置，猛狼联合探狼以攻击步长step_c向猎物紧密逼近以期将其捕获；

b)若实施围攻行为后，某只人工狼感知到的猎物气味浓度大于其原位置状态所感知的猎物气味浓度，则更新此人工狼的位置，若不然，人工狼位置不变；

c)若更新人工狼位置后，某只人工狼感知到的猎物气味浓度大于头狼所感知到的猎物气味浓度，则该人工狼转化为头狼，将该人工狼的位置视为猎物所在位置，其他人工狼以该狼为中心继续围攻行为；

d)更新头狼位置后，判断是否达到优化精度或最大迭代次数k_max，若达到则输出此头狼的位置，即所求的最优解，否则转步骤2.2.2。

步骤3：汽车底盘执行系统中的线控转向执行器、轮毂电机制动执行器分别接收路径跟踪决策系统输出的方向盘转角和车轮制动力矩，控制汽车按照理想路径进行行驶，实现路径跟踪的控制目标。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (3)

1.一种基于灰狼算法的智能汽车路径跟踪控制方法，其特征在于包括以下步骤：

步骤1：路径规划系统根据传感器系统识别的道路及障碍物信号，规划出未来时刻的理想路径，并将理想路径参数传输至路径跟踪决策系统；

步骤2：路径跟踪决策系统接收理想路径参数以及汽车行驶状态参数，计算汽车当前侧向位置与理想路径侧向位置偏差，汽车当前横摆角与理想路径斜率角偏差，分别输入到驾驶员预测控制器、GWO姿态控制器，经过计算后输出方向盘转角作用于线控转向执行器，输出车轮制动力矩作用于轮毂电机制动执行器；

步骤3：汽车底盘执行系统中的线控转向执行器、轮毂电机制动执行器分别接收路径跟踪决策系统输出的方向盘转角和车轮制动力矩，控制汽车按照理想路径进行行驶，实现路径跟踪的控制目标；

上述方法采用的控制系统包括依次连接的路径规划系统、路径跟踪决策系统和汽车底盘执行系统，其中路径跟踪决策系统包括驾驶员预测控制器和GWO姿态控制器两个子系统，所述的预测控制器采用基于车辆侧向加速度反馈修正的预瞄-跟随驾驶员模型，GWO姿态控制器采用了灰狼算法。

2.根据权利要求1所述的基于灰狼算法的智能汽车路径跟踪控制方法，其特征在于：步骤2）所述的驾驶员预测控制器的具体方法为：

步骤2.1.1：假设当前时刻为t₀，读取汽车的实际侧向位置为Y(t₀)，纵向速度为v_x，侧向速度为v_y，选定驾驶员预瞄时间T，驾驶员预瞄前方v_x*T处的路径，获取预瞄点处的路径侧向位置Y(t₀+T)；

步骤2.1.2：若汽车此时以理想侧向加速度a_y ^*做侧向匀加速运动，可在T时刻后到达目标轨迹点，则有：

；

由此易得：

；

步骤2.1.3：汽车理想侧向加速度a_y ^*与汽车理想方向盘转角δ_SW ^*间的关系可由稳态增益G_ay来表示，可以得到理想的方向盘转角的推导公式：

；

其中，稳态增益G_ay是有关于纵向速度v_x的变量；

步骤2.1.4：在以上基础上，建立基于车辆侧向加速度反馈修正的预瞄驾驶员模型，将汽车的实际侧向加速度a_y作为优化行为的反馈信息，建立PID转向控制器，将a_y ^*与a_y的误差值e(t)作为输入信息，输出理想方向盘的修正量△δ：

；

基于以上计算，输出最终的方向盘转角δ：

。

3.根据权利要求1所述的基于灰狼算法的智能汽车路径跟踪控制方法，其特征在于：

步骤2）所述的GWO姿态控制器采用灰狼算法，具体为：以单只狼个体的位置X表示优化对象即汽车四个车轮的附加制动力矩，以猎物气味浓度Y表示优化目标即汽车横摆角与理想路径航向角的误差，游走步长、奔袭步长、攻击步长Step分别表示在不同的优化阶段中优化对象每一次增加或减少的量，最后输出头狼的位置即为优化对象的最优解。

Images