CN110843781A - 一种基于驾驶员行为的车辆弯道自动控制方法 - Google Patents
一种基于驾驶员行为的车辆弯道自动控制方法 Download PDFInfo
- Publication number
- CN110843781A CN110843781A CN201911184009.1A CN201911184009A CN110843781A CN 110843781 A CN110843781 A CN 110843781A CN 201911184009 A CN201911184009 A CN 201911184009A CN 110843781 A CN110843781 A CN 110843781A
- Authority
- CN
- China
- Prior art keywords
- steering wheel
- deviation amount
- driver
- steering
- ideal
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 34
- 230000001133 acceleration Effects 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 18
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18145—Cornering
-
- 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
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明一种基于驾驶员行为的车辆弯道自动控制方法,包括步骤1,在给定的路径上获取理想驾驶员模型与实际驾驶员的横向轨迹偏差量、方向盘转角偏差量、车速偏差量、加速度偏差量;步骤2,建立转向模糊控制器后输入横向轨迹偏差量、横向轨迹偏差量变化率、方向盘转角偏差量和方向盘转角偏差量变化率,建立制动模糊控制器后输入车速偏差量和加速度偏差量变化率,然后分别建立模糊子集以及对应的隶属函数;步骤3,解模糊化后得到方向盘转角调整量和制动力调整量;步骤4,转向执行器针对理想驾驶员模型的方向盘转角进行不断调整,制动执行器针对理想驾驶员模型的制动踏板的踏板力输入量不断调整,实现车辆弯道转向和车速自动控制。
Description
技术领域
本发明属于车辆自动驾驶领域,具体为一种基于驾驶员行为的车辆弯道自动控制方法。
背景技术
车辆在过弯的过程中,由于驾驶员的视野局限性以及受到外部雷雨、大雾因素干扰的情况下,无法安全准确的通过弯道,再加上路面条件复杂会对驾驶员的行驶安全带来一定的隐患。
随着车辆智能化的发展,自动驾驶车辆是未来的发展趋势。驾驶员模型是基于一段设定的路径,使车辆按照给定的轨迹运动。驾驶员模型是汽车动力学仿真和控制算法开发的重要环节,随着交通事故的频繁发生,驾驶员模型成为当前汽车领域的重要研究课题之一。车辆的这种运动方式只是一种理想的驾驶员模型,在实际行驶过程中,因每个人的驾驶习惯差异,在安全行驶所允许的情况下,对同一段路面车辆运行的轨迹也会有所不同,故驾驶员模型不应限定于理想驾驶员模型,而是应该以不同的驾驶员个体为基础做控制方法的开发。
公开号为CN102001338A的中国发明专利,名称为车辆安全行驶的控制方法和装置,其利用GPS获取弯道的起始点、弯道曲率和终止点,再根据弯道曲率计算过弯时的安全车速范围进而实现车辆的安全行驶。申请号为CN201711481266.2的中国发明专利,名称为一种融合型自适应巡航弯道控制方法及装置,该专利需要通过GPS来计算弯道曲率进而实现车速控制。因此,以不同的驾驶员个体为基础做驾驶员模型自动控制方法的开发还未见报道。
发明内容
针对现有技术中存在的问题,本发明提供一种基于驾驶员行为的车辆弯道自动控制方法,能同时控制转角和车速,最终实现了基于驾驶员行为的车辆弯道自动控制。
本发明是通过以下技术方案来实现:
一种基于驾驶员行为的车辆弯道自动控制方法,包括如下步骤,
步骤1,在给定的路径上获取理想驾驶员模型与实际驾驶员的横向轨迹偏差量,以及理想驾驶员模型与实际驾驶员的方向盘转角偏差量;
在给定的路径上获取理想驾驶员模型与实际驾驶员的车速偏差量,以及理想驾驶员模型与实际驾驶员的加速度偏差量;
步骤2,先建立转向模糊控制器,在转向模糊控制器中输入横向轨迹偏差量、横向轨迹偏差量变化率、方向盘转角偏差量和方向盘转角偏差量变化率,其中横向轨迹偏差量变化率通过对横向轨迹偏差量求导得到,方向盘转角偏差量变化率通过对方向盘转角偏差量求导得到,然后对所述的四个输入量分别建立模糊子集以及对应的隶属函数;
先建立制动模糊控制器,在制动模糊控制器中输入车速偏差量和加速度偏差量变化率,然后对这两个输入量分别建立模糊子集以及对应的隶属函数;
步骤3,对转向模糊控制器的输入量和输出量制定模糊规则,解模糊化后得到方向盘转角调整量;
对制动模糊控制器的输入量和输出量制定模糊规则,解模糊化后得到制动力调整量;
步骤4,车辆上安装的转向执行器接收方向盘转角调整量信息后,转向执行器针对理想驾驶员模型的方向盘转角进行不断调整,得到基于驾驶员行为的方向盘转角,实现基于驾驶员行为的车辆弯道转向自动控制;
车辆上安装的制动执行器接收制动力调整量信息后,制动执行器针对理想驾驶员模型的制动踏板的踏板力输入量不断调整,实现基于驾驶员行为的车辆弯道车速自动控制。
优选的,步骤1中,按如下步骤得到理想驾驶员模型与实际驾驶员的方向盘转角偏差量,
步骤1a,车辆内安装的整车控制器根据路况规划出一条理想的通过弯道的路径,相机对弯道进行拍摄,之后将拍摄的弯道图像进行图像处理得到车道线图像;
步骤1b,在车道线图像上的局部区域提取三个特征点,将这三个特征点作为该局部区域内弯道曲率圆上的三点,进而求得该区域的弯道曲率;
步骤1c,重复步骤1b,在不同时刻对该车道线图像按照三个点一组的方式提取特征点,得到基于时间序列的弯道曲率值,将其作为一个集合得到整条弯道随时间变化的曲率值;
步骤1d,将所得的曲率值输入到预瞄模型中计算得到最优方向盘转角大小,得到理想驾驶员模型的方向盘转角;
步骤1e,将安装在转向盘的方向盘转角传感器得到的实际驾驶员的方向盘转角与理想驾驶员模型的方向盘转角比较后,理想驾驶员模型与实际驾驶员的方向盘转角偏差量按以下公式得到,
Δδi=δ’i-δi,
其中,Δδi为理想驾驶员模型与实际驾驶员的方向盘转角偏差量,δ'i为实际驾驶员的方向盘转角,δi为理想驾驶员模型的方向盘转角。
进一步,步骤1b中,按如下过程得到所述区域的弯道曲率,
先根据三点确定圆的一般方程为:Ax2+Ay2+Bx+Cy+D=0,再按如下行列式求得A、B、C和D:
则曲率圆的半径按如下公式得到:
优选的,步骤1中,按如下步骤得到理想驾驶员模型与实际驾驶员的横向轨迹偏差量,
用GPS分别采集理想驾驶员模型和实际驾驶员通过相同弯道时的位置数据,将在任一相同弯道位置处二者的坐标点定为A(xi,yi)和A'(xi',yi'),则横向轨迹偏差量为:
Δxi=xi'-xi。
优选的,步骤1中,理想驾驶员模型与实际驾驶员的方向盘转角偏差量利用安装在转向盘的方向盘转角传感器获取。
优选的,步骤2中,横向轨迹偏差量、横向轨迹偏差量变化率、方向盘转角偏差量和方向盘转角偏差量变化率分别对应的模糊子集为{NB、NM、NS、ZE、PS、PM、PB},其中NB、NM、NS、ZE、PS、PM和PB分别表示负大、负中、负小、零、正小、正中和正大。
优选的,步骤2中,车速偏差量和加速度偏差量变化率分别对应的模糊子集为{NB、NM、NS、ZE、PS、PM、PB},其中NB、NM、NS、ZE、PS、PM和PB分别表示负大、负中、负小、零、正小、正中和正大。
优选的,步骤3中,利用重心法解模糊化得到方向盘转角调整量和制动力调整量。
优选的,步骤4中,所述的转向执行器为转向液压缸。
优选的,步骤4中,所述的制动执行器为制动缸。
与现有技术相比,本发明具有以下有益的技术效果:
本发明基于驾驶员行为的车辆弯道自动控制方法充分考虑了驾驶员的操作习惯,按照类似的方式分别同时自动控制转向和车速;首先在在给定的路径上获取了理想驾驶员模型与实际驾驶员的横向轨迹偏差量、理想驾驶员模型与实际驾驶员的方向盘转角偏差量、理想驾驶员模型与实际驾驶员的车速偏差量和理想驾驶员模型与实际驾驶员的加速度偏差量,然后分别通过建立转向模糊控制器和制动模糊控制器,在转向模糊控制器中输入横向轨迹偏差量、横向轨迹偏差量变化率、方向盘转角偏差量和方向盘转角偏差量变化率,在制动模糊控制器中输入车速偏差量和加速度偏差量变化率,对这些输入量分别建立模糊子集以及对应的隶属函数,接下来分别对转向模糊控制器的输入量和输出量制定模糊规则,解模糊化后可得到方向盘转角调整量,对制动模糊控制器的输入量和输出量制定模糊规则,解模糊化后可得到制动力调整量,最后通过车辆上安装的转向执行器和制动执行器分别针对理想驾驶员模型的方向盘转角进行不断调整、针对理想驾驶员模型的制动踏板的踏板力输入量不断调整,实现基于驾驶员行为的车辆弯道转向和车速的自动控制;设计的控制算法适用于不同的驾驶员个体,用于在车辆进入弯道后模拟驾驶员的操作行为对车辆进行自动控制,针对不同驾驶习惯的驾驶员能得出不同的控制策略并进行相应的车辆控制,使车辆能顺利安全的通过弯道,用途较广。
附图说明
图1为本发明所述装置的示意图。
图2为本发明所述的车辆弯道控制流程示意图。
图中:车辆1、单目相机2、全球定位系统3和控制盒4。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
本发明一种基于驾驶员行为的车辆弯道自动控制方法,其中在车辆1上安装有全球定位系统、方向盘转角传感器、车速传感器、控制盒4和图像获取装置,图1展示了车辆1、单目相机2、全球定位系统3和控制盒4;
其中的车辆1示例性地为一辆四轮的家用轿车,也可以是其他类型的车辆,如公交车或货车;在本例中,在车辆1的顶部安装有全球定位系统3,即GPS,当然并不局限于车辆1的顶部,GPS用于采集车辆1的位置数据,进而得到理想驾驶员模型与实际驾驶员的横向轨迹偏差量;在车辆1的转向盘处安装有方向盘转角传感器,用于采集车辆1的方向盘转角;车速传感器安装在车辆1的车轮上,用于采集理想驾驶员模型与实际驾驶员下车辆1的车速偏差量和加速度偏差量;图像获取装置在本例中为相机,用于获取弯道图像,相机可安装在车顶,具体为单目相机2,在使用时用单目面阵相机;转向模糊控制器用于得到方向盘转角调整量,进而实现基于驾驶员行为的转向控制;制动模糊控制器用于得到制动力调整量,进而实现基于驾驶员行为的车速控制。
如图2所示,当车辆1进入弯道时,车辆内安装的整车控制器根据路况规划出一条理想的通过弯道的路径,可根据该弯道的曲率建立理想的驾驶员模型。
本发明的弯道状态信息是根据机器视觉,即单目相机2来获取,下面利用单目相机2进行弯道曲率计算。首先,单目面阵相机对弯道进行拍摄,将单目面阵相机与计算机进行连接,计算机上的图像处理软件对拍摄的弯道图像进行图像处理,在图像处理后的车道线图像上提取三个特征点,将这三个特征点作为该局部区域内弯道曲率圆上三点,进而求得该区域的弯道曲率。重复上述方法,在不同时刻对该车道线按照三个点一组的方式提取特征点,可得到基于时间序列的弯道曲率值,将其作为一个集合即可得到整条弯道随时间变化的曲率值,再将所得的曲率值输入到预瞄模型中计算得到最优方向盘转角大小,作为理想驾驶员模型的方向盘转角输出值。
具体地,首先对图像进行图像处理,单目面阵相机的拍摄环境在户外的公路上,户外环境会对拍摄的成像造成干扰,因此需对图像进行滤波处理。这里采用中值滤波法,首先从采样窗口中取出奇数个数据,再将这些数据的中值作为当前像素点的灰度值:
再对滤波后的图像进行二值化处理,设定一个阈值T,当图像的像素值大于阈值时,则认定为白色;反之,当图像的像素值小于阈值时,则认定为黑色。
之后用Roberts算子对道路图像进行边缘提取,用对角线方向相邻两像素之差近似梯度幅值的方法来检测边缘,运算公式如下:
式中,f(x,y)为输入图像,g(x,y)为输出图像,x和y分别为图像的像素坐标点。
接下来是提取图像特征点,路面车道线是白色的间断虚线,因此可基于检测边缘得到的车道线选取特征点。本发明选取靠近车辆1的一侧任一点作为特征点A1,沿着该车道线距离点前方再选取两个特征点A2和A3,A2和A3可以沿着车道线等间距,也可以不等间距。下面进行特征点的提取,首先对图像中一点在σ尺度上计算Hessian矩阵,其表达式为:
式中,Lxx(x,σ)表示图像点与高斯二阶微分的卷积,Lxy(x,σ)表示图像点与高斯二阶微分的卷积,Lyx(x,σ)表示图像点与高斯二阶微分的卷积,Lyy(x,σ)表示图像点与高斯二阶微分的卷积。利用盒式滤波结构近似代替高斯二阶微分,计算待选的特征点及其周围点的Hessian值,结合积分图可以进行快速计算,判别式为:
Det(Hessian(x,σ))=Dxx×Dyy-(0.9Dxy)2 (4)
式中,Det(Hessian(x,σ))代表Hessian矩阵的行列式,Dxx、Dyy、Dxy分别为用盒式滤波器得到的Lxx(x,σ)、Lyy(x,σ)、Lxy(x,σ)。若Hessian矩阵的行列式值为正,且该像素点在附近像素点中的特征值最大,则认定为特征点,加权系数0.9是为了平衡盒式滤波器的近似误差。
建立小孔成像模型,利用张正友标定法对单目面阵相机标定,得到面阵相机的内参和外参,进而得到特征点的像素坐标系与世界坐标系的转换关系为:
式中,fx=f/dx,fy=f/dy,fx和fy分别表示图像水平轴和垂直轴的尺度因子,cx和cy分别图像坐标系原点在像素坐标系中的坐标,Zc为常数,u、v分别表示特征点在像素坐标系下的横坐标值和纵坐标值,R、t为外部参数,Xw、Yw和Zw分别代表世界坐标系里的三维坐标,M为投影矩阵,M1、M2由面阵相机标定所得的内、外参确定,为特征点在世界坐标系下的坐标值。
经过上述图像处理及坐标转换后,分别得到特征点A1、A2、A3在世界坐标系下的坐标值为A1(X1,Y1)、A2(X2,Y2)和A3(X3,Y3)。
作为一个改进点,本发明将这三个点认为是道路曲率圆上的三点,则根据三点确定圆的一般方程为:
Ax2+Ay2+Bx+Cy+D=0 (6)
圆的系数由如下行列式求得:
则曲率圆的半径为:
进而得到该段路的曲率为:
重复上述方法可得到不同时刻的道路曲率集合:
ρ(t)={ρ1,ρ1,…ρt} (10)
根据上述方法可得到道路曲率,再经过拉氏变换得到车辆预瞄控制传递函数为:
式中,l为车辆轴距,K为车辆转换系数,Kr为后轮侧偏刚度系数,V为纵向车速,lp为前轴到预瞄点的距离,lf为车辆质心到前轴的距离,I为车辆转向系数比,m为整车质量,T1、T2、Tp1、Tp2均为常数,其中Tp1、Tp2分别由式(12)、(13)计算求得,s为传递函数的变量符号。
对上式进行求解得到道路曲率与方向盘转角的转换关系,其中δ为方向盘转角,因此可由给定路径的曲率得到所需的方向盘转角值,从而使车辆1沿着理想路径行驶得到理想驾驶员模型情况下的方向盘转角。
接下来对实际驾驶员通过弯道的数据进行采集。利用安装在车辆1上的GPS可得到车辆的实时位置。用GPS分别采集理想驾驶员模型和实际驾驶员通过相同弯道时的位置数据,将在任一相同弯道位置处二者的坐标点定为A(xi,yi)和A'(xi',yi'),则横向轨迹偏差量为:
Δxi=xi'-xi (14)
利用安装在转向盘的方向盘转角传感器可得到实际驾驶员的方向盘转角大小,将其与之前计算得到的相同路段实际驾驶员的方向盘转角进行比较,则方向盘转角偏差量为:
Δδi=δi'-δi (15)
其中,Δδi为理想驾驶员模型与实际驾驶员的方向盘转角偏差量,δi'为实际驾驶员的方向盘转角,δi为理想驾驶员模型的方向盘转角。
本发明先通过GPS采集理想驾驶员模型和实际驾驶员在日常过弯时的驾驶习惯,将得到的位置数据进行比较,得出二者的横向轨迹偏差量;再利用方向盘转角传感器采集的方向盘转角数据与理想驾驶员模型情况下的方向盘转角可得出方向盘转角偏差量;最后通过转向模糊控制器得到方向盘转角调整量。该方向盘转角调整量即为实际驾驶员与理想驾驶员模型在驾驶转角习惯上的差异,基于此,通过对方向盘转角输入量不断调整以达到基于驾驶员行为的车辆弯道自动控制。
此外,通过车速传感器采集理想驾驶员模型和实际驾驶员在日常过弯时的驾驶习惯,将得到的位置数据进行比较,得出二者的车速偏差量和加速度偏差量,通过制动模糊控制器得到制动力调整量。该制动力调整量即为实际驾驶员与理想驾驶员模型在驾驶车速习惯上的差异,通过对制动踏板的踏板力输入量不断调整以达到驾驶员过弯时的车速自动控制。
通过同时控制转角和车速最终实现基于驾驶员行为的车辆弯道控制;具体地,建立控制量,即各变量的隶属函数,得到模糊控制器,将各个控制量用模糊语言来表示。
对于转向控制而言,通过MATLAB中Fuzzy工具箱建立转向模糊控制器,在编辑窗口添加输入变量为4个,输出变量为1个,在主界面解模糊化方法选为centroid。对输入量分别建立7个模糊子集以及对应的隶属函数,并制定输入输出的模糊规则,将其导入至微控制器中。转向模糊控制器安装在控制盒4中,该控制盒为一种硬件设备,具体可以为单片机类的微控制器,转向模糊控制器的输入为横向轨迹偏差量、横向轨迹偏差量变化率、方向盘转角偏差量、方向盘转角偏差量变化率,其中横向轨迹偏差量变化率通过对横向轨迹偏差量求导得到,方向盘转角偏差量变化率通过对方向盘转角偏差量求导得到,建立横向轨迹偏差量、横向轨迹偏差量变化率、方向盘转角偏差量、方向盘转角偏差量变化率的隶属函数,这四个变量分别对应由子集NB、NM、NS、ZE、PS、PM和PB组成的模糊集合{NB、NM、NS、ZE、PS、PM、PB}中的一个子集,其中NB、NM、NS、ZE、PS、PM和PB分别表示负大、负中、负小、零、正小、正中和正大,转向模糊控制器6的输出为方向盘转角调整量。对转向模糊控制器的输入量和输出量制定模糊规则,再利用重心法解模糊化。这个过程可以根据转向模糊控制器得到车辆1的方向盘转角调整量,转向执行器,即带有助力转向车辆中的转向液压缸针对理想驾驶员模型计算所得的理想方向盘转角进行不断调整,转向执行器通过车身自带的线路与控制盒4连接,转向执行器接收控制盒发出的方向盘转角调整量信息后,转向执行器接受控制盒4的控制,得到基于驾驶员行为的方向盘转角,实现基于驾驶员行为的转向控制。
通过车速传感器采集实际驾驶员与理想驾驶员模型在日常过弯时的车速偏差量和加速度偏差量,对于车速控制而言,通过MATLAB中Fuzzy工具箱建立制动模糊控制器,在编辑窗口添加输入变量为2个,输出变量为1个,在主界面解模糊化方法选为centroid。对输入量分别建立7个模糊子集以及对应的隶属函数,并制定输入输出的模糊规则,将其导入至微控制器中。制动模糊控制器安装在控制盒中,该控制盒4为一种硬件设备,具体可以为单片机类的微控制器,制动模糊控制器的输入为车速偏差量和加速度偏差量变化率,其中车速偏差和加速度变化率通过车速传感器得到,同样建立车速偏差和加速度变化率的隶属函数,这两个变量分别对应由子集NB、NM、NS、ZE、PS、PM和PB组成的模糊集合{NB、NM、NS、ZE、PS、PM、PB}中的一个子集,其中NB、NM、NS、ZE、PS、PM和PB分别表示负大、负中、负小、零、正小、正中和正大,制动模糊控制器输出为制动力调整量。对制动模糊控制器的输入量和输出量制定模糊规则,再利用重心法解模糊化。这个过程可以经制动模糊控制器输出得到制动力调整量,该制动力调整量即为实际驾驶员与理想驾驶员模型在车速驾驶习惯上的差异,通过制动模糊控制器得到车辆1的制动力调整量,再经过制动执行器,即制动缸作用于刹车片上对车辆1进行制动控制。通过对制动踏板的踏板力输入量不断调整,制动缸通过车身自带的线路与控制盒4连接,制动缸接收控制盒发出的制动力调整量信息后,转向执行器接受控制盒4的控制,通过控制制动力以达到驾驶员过弯时的车速控制。
Claims (10)
1.一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,包括如下步骤,
步骤1,在给定的路径上获取理想驾驶员模型与实际驾驶员的横向轨迹偏差量,以及理想驾驶员模型与实际驾驶员的方向盘转角偏差量;
在给定的路径上获取理想驾驶员模型与实际驾驶员的车速偏差量,以及理想驾驶员模型与实际驾驶员的加速度偏差量;
步骤2,先建立转向模糊控制器,在转向模糊控制器中输入横向轨迹偏差量、横向轨迹偏差量变化率、方向盘转角偏差量和方向盘转角偏差量变化率,其中横向轨迹偏差量变化率通过对横向轨迹偏差量求导得到,方向盘转角偏差量变化率通过对方向盘转角偏差量求导得到,然后对所述的四个输入量分别建立模糊子集以及对应的隶属函数;
先建立制动模糊控制器,在制动模糊控制器中输入车速偏差量和加速度偏差量变化率,然后对这两个输入量分别建立模糊子集以及对应的隶属函数;
步骤3,对转向模糊控制器的输入量和输出量制定模糊规则,解模糊化后得到方向盘转角调整量;
对制动模糊控制器的输入量和输出量制定模糊规则,解模糊化后得到制动力调整量;
步骤4,车辆上安装的转向执行器接收方向盘转角调整量信息后,转向执行器针对理想驾驶员模型的方向盘转角进行不断调整,得到基于驾驶员行为的方向盘转角,实现基于驾驶员行为的车辆弯道转向自动控制;
车辆上安装的制动执行器接收制动力调整量信息后,制动执行器针对理想驾驶员模型的制动踏板的踏板力输入量不断调整,实现基于驾驶员行为的车辆弯道车速自动控制。
2.根据权利要求1所述的一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,步骤1中,按如下步骤得到理想驾驶员模型与实际驾驶员的方向盘转角偏差量,
步骤1a,车辆内安装的整车控制器根据路况规划出一条理想的通过弯道的路径,相机对弯道进行拍摄,之后将拍摄的弯道图像进行图像处理得到车道线图像;
步骤1b,在车道线图像上的局部区域提取三个特征点,将这三个特征点作为该局部区域内弯道曲率圆上的三点,进而求得该区域的弯道曲率;
步骤1c,重复步骤1b,在不同时刻对该车道线图像按照三个点一组的方式提取特征点,得到基于时间序列的弯道曲率值,将其作为一个集合得到整条弯道随时间变化的曲率值;
步骤1d,将所得的曲率值输入到预瞄模型中计算得到最优方向盘转角大小,得到理想驾驶员模型的方向盘转角;
步骤1e,将安装在转向盘的方向盘转角传感器得到的实际驾驶员的方向盘转角与理想驾驶员模型的方向盘转角比较后,理想驾驶员模型与实际驾驶员的方向盘转角偏差量按以下公式得到,
Δδi=δi’-δi,
其中,Δδi为理想驾驶员模型与实际驾驶员的方向盘转角偏差量,δi'为实际驾驶员的方向盘转角,δi为理想驾驶员模型的方向盘转角。
4.根据权利要求1所述的一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,步骤1中,按如下步骤得到理想驾驶员模型与实际驾驶员的横向轨迹偏差量,
用GPS分别采集理想驾驶员模型和实际驾驶员通过相同弯道时的位置数据,将在任一相同弯道位置处二者的坐标点定为A(xi,yi)和A'(xi',yi'),则横向轨迹偏差量为:
Δxi=xi’-xi。
5.根据权利要求1所述的一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,步骤1中,理想驾驶员模型与实际驾驶员的方向盘转角偏差量利用安装在转向盘的方向盘转角传感器获取。
6.根据权利要求1所述的一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,步骤2中,横向轨迹偏差量、横向轨迹偏差量变化率、方向盘转角偏差量和方向盘转角偏差量变化率分别对应的模糊子集为{NB、NM、NS、ZE、PS、PM、PB},其中NB、NM、NS、ZE、PS、PM和PB分别表示负大、负中、负小、零、正小、正中和正大。
7.根据权利要求1所述的一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,步骤2中,车速偏差量和加速度偏差量变化率分别对应的模糊子集为{NB、NM、NS、ZE、PS、PM、PB},其中NB、NM、NS、ZE、PS、PM和PB分别表示负大、负中、负小、零、正小、正中和正大。
8.根据权利要求1所述的一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,步骤3中,利用重心法解模糊化得到方向盘转角调整量和制动力调整量。
9.根据权利要求1所述的一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,步骤4中,所述的转向执行器为转向液压缸。
10.根据权利要求1所述的一种基于驾驶员行为的车辆弯道自动控制方法,其特征在于,步骤4中,所述的制动执行器为制动缸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184009.1A CN110843781B (zh) | 2019-11-27 | 2019-11-27 | 一种基于驾驶员行为的车辆弯道自动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184009.1A CN110843781B (zh) | 2019-11-27 | 2019-11-27 | 一种基于驾驶员行为的车辆弯道自动控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110843781A true CN110843781A (zh) | 2020-02-28 |
CN110843781B CN110843781B (zh) | 2021-02-26 |
Family
ID=69605244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911184009.1A Active CN110843781B (zh) | 2019-11-27 | 2019-11-27 | 一种基于驾驶员行为的车辆弯道自动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110843781B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112109732A (zh) * | 2020-09-03 | 2020-12-22 | 南京理工大学 | 一种智能驾驶自适应曲线预瞄方法 |
CN113291286A (zh) * | 2021-05-20 | 2021-08-24 | 东风汽车集团股份有限公司 | 基于弯道横摆稳定性的辅助驾驶系统及其控制方法 |
CN113548036A (zh) * | 2020-04-17 | 2021-10-26 | 广州汽车集团股份有限公司 | 发动机输出力矩调整方法及其系统、控制设备 |
CN113807333A (zh) * | 2021-11-19 | 2021-12-17 | 智道网联科技(北京)有限公司 | 用于检测车道线的数据处理方法及存储介质 |
CN114347024A (zh) * | 2021-12-31 | 2022-04-15 | 深圳市普渡科技有限公司 | 机器人速度的调整方法、装置、机器人和存储介质 |
CN114510047A (zh) * | 2022-01-27 | 2022-05-17 | 中国第一汽车股份有限公司 | 一种路径跟踪的原路径返回方法、装置、车辆及介质 |
CN115285219A (zh) * | 2022-08-24 | 2022-11-04 | 北京宾理信息科技有限公司 | 车辆控制方法和装置 |
CN116522507A (zh) * | 2023-05-29 | 2023-08-01 | 长安大学 | 一种半挂汽车弯道转向模型构建方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101537853A (zh) * | 2009-03-04 | 2009-09-23 | 长安大学 | 汽车四轮主动转向操纵控制系统 |
CN101778753A (zh) * | 2007-08-15 | 2010-07-14 | 沃尔沃技术公司 | 用于支持车辆的车道保持的操作方法和系统 |
WO2013180206A1 (ja) * | 2012-05-30 | 2013-12-05 | 日立オートモティブシステムズ株式会社 | 車両制御装置 |
CN104260725A (zh) * | 2014-09-23 | 2015-01-07 | 北京理工大学 | 一种含有驾驶员模型的智能驾驶系统 |
CN105741637A (zh) * | 2016-02-01 | 2016-07-06 | 辽宁工业大学 | 四轮轮毂电机电动汽车智能转向控制方法 |
CN108688674A (zh) * | 2017-03-30 | 2018-10-23 | 马自达汽车株式会社 | 车辆驾驶支援系统以及车辆驾驶支援方法 |
US20180348786A1 (en) * | 2017-06-02 | 2018-12-06 | Honda Motor Co., Ltd. | Travel control apparatus, travel control method, and storage medium |
CN110155056A (zh) * | 2019-05-07 | 2019-08-23 | 重庆工程职业技术学院 | 一种自动驾驶车辆的侧滑补偿方法及系统 |
CN110248861A (zh) * | 2018-01-07 | 2019-09-17 | 辉达公司 | 在车辆操纵过程中使用机器学习模型来引导车辆 |
-
2019
- 2019-11-27 CN CN201911184009.1A patent/CN110843781B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101778753A (zh) * | 2007-08-15 | 2010-07-14 | 沃尔沃技术公司 | 用于支持车辆的车道保持的操作方法和系统 |
CN101537853A (zh) * | 2009-03-04 | 2009-09-23 | 长安大学 | 汽车四轮主动转向操纵控制系统 |
WO2013180206A1 (ja) * | 2012-05-30 | 2013-12-05 | 日立オートモティブシステムズ株式会社 | 車両制御装置 |
CN104260725A (zh) * | 2014-09-23 | 2015-01-07 | 北京理工大学 | 一种含有驾驶员模型的智能驾驶系统 |
CN105741637A (zh) * | 2016-02-01 | 2016-07-06 | 辽宁工业大学 | 四轮轮毂电机电动汽车智能转向控制方法 |
CN108688674A (zh) * | 2017-03-30 | 2018-10-23 | 马自达汽车株式会社 | 车辆驾驶支援系统以及车辆驾驶支援方法 |
US20180348786A1 (en) * | 2017-06-02 | 2018-12-06 | Honda Motor Co., Ltd. | Travel control apparatus, travel control method, and storage medium |
CN110248861A (zh) * | 2018-01-07 | 2019-09-17 | 辉达公司 | 在车辆操纵过程中使用机器学习模型来引导车辆 |
CN110155056A (zh) * | 2019-05-07 | 2019-08-23 | 重庆工程职业技术学院 | 一种自动驾驶车辆的侧滑补偿方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113548036A (zh) * | 2020-04-17 | 2021-10-26 | 广州汽车集团股份有限公司 | 发动机输出力矩调整方法及其系统、控制设备 |
CN113548036B (zh) * | 2020-04-17 | 2023-12-01 | 广州汽车集团股份有限公司 | 发动机输出力矩调整方法及其系统、控制设备 |
CN112109732A (zh) * | 2020-09-03 | 2020-12-22 | 南京理工大学 | 一种智能驾驶自适应曲线预瞄方法 |
CN113291286A (zh) * | 2021-05-20 | 2021-08-24 | 东风汽车集团股份有限公司 | 基于弯道横摆稳定性的辅助驾驶系统及其控制方法 |
CN113291286B (zh) * | 2021-05-20 | 2022-08-30 | 东风汽车集团股份有限公司 | 基于弯道横摆稳定性的辅助驾驶系统及其控制方法 |
CN113807333A (zh) * | 2021-11-19 | 2021-12-17 | 智道网联科技(北京)有限公司 | 用于检测车道线的数据处理方法及存储介质 |
CN113807333B (zh) * | 2021-11-19 | 2022-03-18 | 智道网联科技(北京)有限公司 | 用于检测车道线的数据处理方法及存储介质 |
CN114347024A (zh) * | 2021-12-31 | 2022-04-15 | 深圳市普渡科技有限公司 | 机器人速度的调整方法、装置、机器人和存储介质 |
CN114510047A (zh) * | 2022-01-27 | 2022-05-17 | 中国第一汽车股份有限公司 | 一种路径跟踪的原路径返回方法、装置、车辆及介质 |
CN115285219A (zh) * | 2022-08-24 | 2022-11-04 | 北京宾理信息科技有限公司 | 车辆控制方法和装置 |
CN116522507A (zh) * | 2023-05-29 | 2023-08-01 | 长安大学 | 一种半挂汽车弯道转向模型构建方法 |
CN116522507B (zh) * | 2023-05-29 | 2024-04-26 | 长安大学 | 一种半挂汽车弯道转向模型构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110843781B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110843781B (zh) | 一种基于驾驶员行为的车辆弯道自动控制方法 | |
CN106407931B (zh) | 一种深度卷积神经网络运动车辆检测方法 | |
CN106379237B (zh) | 基于增强现实的车辆换道全过程辅助驾驶系统 | |
CN107577996A (zh) | 一种车辆驾驶路径偏移的识别方法及系统 | |
CN109606368B (zh) | 一种智能汽车可拓车速自适应变化轨迹跟踪控制方法 | |
EP2045155A1 (en) | A control system for a vehicle and trailer combination | |
CN110588272B (zh) | 基于视觉传感技术的汽车悬架系统及路面不平度测量方法 | |
CN107010066A (zh) | 车辆的行驶控制装置 | |
EP3029538B1 (en) | Vehicle position/bearing estimation device and vehicle position/bearing estimation method | |
CN107031630A (zh) | 车辆的行驶控制装置 | |
US20220135030A1 (en) | Simulator for evaluating vehicular lane centering system | |
CN114715158B (zh) | 一种基于路面纹理特征的路面附着系数的测定装置及方法 | |
CN114265411A (zh) | 一种解决车辆预测模型性能受限于感知数据性能的方法 | |
CN104951758A (zh) | 市区环境下基于视觉的车载行人检测与跟踪方法及系统 | |
CN110320916A (zh) | 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 | |
EP1588910B1 (de) | Verfahren zur Analyse und Regelung der Fahrdynamik eines Kraftfahrzeugs sowie Kraftfahrzeug zur Durchführung des Verfahrens | |
CN113936259B (zh) | 一种基于视觉感知的智能汽车车身姿态控制方法及系统 | |
CN109001976B (zh) | 一种自动驾驶车的双路协同可拓横向控制方法 | |
CN107792052B (zh) | 有人或无人双模驾驶电动工程车 | |
CN114043984A (zh) | 一种基于车联网环境下的智能汽车换道控制系统和方法 | |
Rao et al. | Research on path tracking algorithm of autopilot vehicle based on image processing | |
CN116461522A (zh) | 一种车辆变道轨迹规划方法、系统及汽车 | |
CN116311136A (zh) | 用于辅助驾驶的车道线参数计算方法 | |
DE102022119666A1 (de) | Systeme und Verfahren zur Bestimmung, ob sich ein Fahrzeug in einer Unter- oder Übersteuerung befindet | |
CN112507620A (zh) | 一种人机共驾过程中驾驶员肌肉状态估计方法 |
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 |