CN111381493B - 一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法 - Google Patents

一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法 Download PDF

Info

Publication number
CN111381493B
CN111381493B CN202010365706.3A CN202010365706A CN111381493B CN 111381493 B CN111381493 B CN 111381493B CN 202010365706 A CN202010365706 A CN 202010365706A CN 111381493 B CN111381493 B CN 111381493B
Authority
CN
China
Prior art keywords
vehicle
speed
control
path
time
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
Application number
CN202010365706.3A
Other languages
English (en)
Other versions
CN111381493A (zh
Inventor
郑柏立
单云霄
陈龙
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen 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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202010365706.3A priority Critical patent/CN111381493B/zh
Publication of CN111381493A publication Critical patent/CN111381493A/zh
Application granted granted Critical
Publication of CN111381493B publication Critical patent/CN111381493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • 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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
    • 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
    • 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
    • G05B13/048—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 using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D13/00—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover
    • G05D13/62—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover characterised by the use of electric means, e.g. use of a tachometric dynamo, use of a transducer converting an electric value into a displacement

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法，包括获取车辆的实时速度v、实时加速度a、待跟随的路径L等实时状态，并预测一段时间内车辆可能到达的最远距离s，计算跟随路径上s距离内的最大转弯半径，计算当前车辆的横向jerk值；模糊控制器根据实时的车辆横向jerk值与待跟随路径上的最大转弯半径值，评估出合适的期望速度；Pid控制器调节车辆速度至期望速度，使车辆以期望的速度行驶。在待跟随路径符合车辆动力学的情况下，可以自适应地调节车辆的速度以保证乘客的舒适度；同时，在车辆跟随路径的过程jerk值比较大时，可以适时得降低车速以调整车辆的平缓行驶，提高无人驾驶车辆的行驶安全。

Description

一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法
技术领域
本发明涉及自动驾驶技术领域，具体为一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法。
背景技术
在现代的自动驾驶系统的各项技术组成中，通过控制自动驾驶汽车的转向以实现对目标路径进行跟踪的路径跟踪技术是自动驾驶领域必不可少的技术部分，但是转向控制的性能又很大程度受到车辆速度的影响，合适的车辆速度不仅能提升乘客的舒适度，也能降低路径跟踪的误差，更甚的会影响无人驾驶车辆的行驶安全。目前自动驾驶车辆的控制策略总是将转向控制与速度控制分开，但是在大多数速度控制方面又没有很好的考虑其对转向控制性能的影响，为此我们提出一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法用于解决上述问题。
发明内容
本发明的目的在于提供一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法，包括如下步骤：
S1、基础数据获取与计算
获取车辆的实时速度v、实时加速度a、待跟随的路径L，并预测一段时间内车辆可能到达的最远距离s，计算待跟随路径上s距离内的最大转弯半径，计算当前车辆的横向jerk值；
S2、模糊控制
模糊控制器根据实时的车辆横向jerk值与待跟随路径上的最大转弯半径值，评估出合适的期望速度；
S3、Pid控制
Pid控制器调节车辆速度至期望速度，使车辆以期望的速度行驶。
优选的一种实施方式，步骤S1中，预测一段时间内车辆可能到达的最远距离s的方法是车辆的实时速度v，在5秒内的匀速位移计算得来，计算公式如下：s＝v·t，其中，s为位移距离，v为当前小车速度，t为选取的预测时间，这里取5s。
优选的一种实施方式，步骤S1中，最大转弯半径的计算方法是以0.1s每个采样间隔，对待跟随路径进行离散化调整，根据相邻的三个路径点p1、p2、p3，算出每个路径点上的角速度ω，由以下公式可得:
Figure GDA0003064620040000021
Figure GDA0003064620040000022
Figure GDA0003064620040000023
Figure GDA0003064620040000024
其中Δt的值为0.1s，
根据速度与角速度的关系可算出此时的转弯半径：
Figure GDA0003064620040000025
优选的一种实施方式，步骤S1中，车辆的横向jerk值计算方法是取数据采集的两个相邻时刻车辆的横向加速度可得到车辆的横向jerk值，计算公式如下所示：
Figure GDA0003064620040000026
其中，下标x表示为横向方向，i与i+1表示相邻的两个时刻。
优选的一种实施方式，步骤S2中，模糊控制以车辆横向jerk值与待跟随路径上的最大转弯半径值为输入量，期望速度为输出量，输入量与输出量的隶属函数选择都是中间取三角形隶属函数，边界取钟型隶属函数(高斯型隶属函数)进行计算控制。
优选的一种实施方式，步骤S3中，利用pid控制器进行油门控制，pid的控制原理如下公式所示：
Figure GDA0003064620040000031
与现有技术相比，本发明的有益效果是：在待跟随路径符合车辆动力学的情况下，可以自适应地调节车辆的速度以保证乘客的舒适度；同时，在车辆跟随路径的过程jerk值比较大时，可以适时得降低车速以调整车辆的平缓行驶，提高无人驾驶车辆的行驶安全。
附图说明
图1为本发明总体框架示意图；
图2为本发明计算最大转弯半径流程图；
图3为本发明车辆期望速度的计算流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供一种技术方案：一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法，包括如下步骤：
S1、基础数据获取与计算
1)获取车辆的实时速度v、实时加速度a、待跟随的路径L等实时状态，并预测一段时间内车辆可能到达的最远距离s，计算公式如下：
s＝v·t，
其中s为位移距离，v为当前小车速度，t为选取的预测时间，这里取5s，即以车辆的实时速度v，在5秒内的匀速位移计算得得出车辆可能到达的最远距离s；
2)对待跟随的路径重新调整离散化，采用实时车辆的速度，以0.1s每个采样间隔，对待跟随路径进行离散化调整，每个离散化后的路径点默认速度为当前小车的速度，同时根据相邻的三个路径点(p1、p2、p3)，不难算出每个路径点上的角速度ω，由以下公式可得:
Figure GDA0003064620040000041
Figure GDA0003064620040000042
Figure GDA0003064620040000043
Figure GDA0003064620040000044
相邻的三个离散化的路径点，可以算出两个相邻的角度，此时也即得到了车辆的角速度，其中Δt的值为0.1s，根据速度与角速度的关系可算出此时的转弯半径：
Figure GDA0003064620040000045
R即为该路径点上所求的转弯半径值。
3)根据数据采集的两次车辆的实时加速度可以得到实时的加加速度(jerk)状态，本方法只需要用到车辆的横向jerk值，因此，只取数据采集的两个相邻时刻车辆的横向加速度可得到车辆的横向jerk值，计算公式如下所示：
Figure GDA0003064620040000051
其中，下标x表示为横向方向，i与i+1表示相邻的两个时刻。
S2、模糊控制
根据上述计算得到的jerk值与最大转弯半径值R，设定一个模糊控制系统，其输入为上述计算得到的jerk值与最大转弯半径值R，分别选择|E|及|EC|为其输入语言变量，输出为期望的速度|V|。|E|与|EC|的语言值为“超大(h)”“大(b)”、“中(m)”、“小(s)”。|V|的语言值为：“超慢(ss)”、“慢(s)”、“适中(m)”、“快(b)”、“超快(h)”。
在隶属函数的选取上，中间取三角形隶属函数，边界取钟型隶属函数。
首先需要对输入、输出进行模糊化：
1)对输入的jerk数据(|E|)进行模糊化
为了安全且舒适的驾驶体验，jerk应小于0.5m/s^3，且jerk数据虽然有正有负，但是在本方法中只需要考虑jerk数据的绝对值，因此对输入的jerk值模糊化如下：
小(s)：0～0.25m/s^3
中(m)：015m/s^3～0.35m/s^3
大(b)：0.3m/s^3～0.5m/s^3
超大(h)：045m/s^3～正无穷；
2)对输入的转弯半径数据进行模糊化
因为车辆的最小转弯半径是由车辆自身的硬件条件所限制的，在这里假设最小转弯半径为r且默认待跟随的路径其已经符合车辆的动力学约束。则对输入的转弯半径数据进行模糊化如下：
小(s)：r～2r
中(m)：1.5r～25r
大(b)：2r～3r
超大(h)：2.5r～正无穷；
3)对输出的期望速度进行模糊化
超慢(ss)：0～25km/h
慢(s)：20km/h～45km/h
适中(m)：35km/h～65km/h
快(b)：50km/h～90km/h
超快(h)：80km/h～120km/h
其次，设定该控制系统的模糊规则
根据上述设定的输入量，这里共有16条规则，如下表所示：
Figure GDA0003064620040000061
S3、Pid控制
根据迷糊控制系统输出的期望的车辆速度，Pid控制器调节车辆速度至期望速度，使车辆以期望的速度行驶，利用pid控制器进行油门控制，pid的控制原理如下公式所示：
Figure GDA0003064620040000071
通过了上述的实施案例，本发明在待跟随路径符合车辆动力学的情况下，可以自适应地调节车辆的速度以保证乘客的舒适度；同时，在车辆跟随路径的过程jerk值比较大时，可以适时得降低车速以调整车辆的平缓行驶。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (4)

1.一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法，其特征在于，包括如下步骤：
S1、基础数据获取与计算
获取车辆的实时速度v、实时加速度a、待跟随的路径L，并预测一段时间内车辆可能到达的最远距离s，计算待跟随路径上s距离内的最大转弯半径，计算当前车辆的横向jerk值；预测一段时间内车辆可能到达的最远距离s的方法是车辆的实时速度v，在5秒内的匀速位移计算得来，计算公式如下：s＝v·t，其中，s为位移距离，v为当前小车速度，t为选取的预测时间，这里取5s；最大转弯半径的计算方法是以0.1s每个采样间隔，对待跟随路径进行离散化调整，根据相邻的三个路径点p1、p2、p3，算出每个路径点上的角速度ω，由以下公式可得:
Figure FDA0003064620030000011
Figure FDA0003064620030000012
Figure FDA0003064620030000013
Figure FDA0003064620030000014
其中Δt的值为0.1s，根据速度与角速度的关系可算出此时的转弯半径：
Figure FDA0003064620030000015
S2、模糊控制
模糊控制器根据实时的车辆横向jerk值与待跟随路径上的最大转弯半径值，评估出合适的期望速度；
S3、Pid控制
Pid控制器调节车辆速度至期望速度，使车辆以期望的速度行驶。
2.根据权利要求1所述的一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法，其特征在于：步骤S1中，车辆的横向jerk值计算方法是取数据采集的两个相邻时刻车辆的横向加速度可得到车辆的横向jerk值，计算公式如下所示：
Figure FDA0003064620030000021
其中，下标x表示为横向方向，i与i+1表示相邻的两个时刻。
3.根据权利要求1所述的一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法，其特征在于：步骤S2中，模糊控制以车辆横向jerk值与待跟随路径上的最大转弯半径值为输入量，期望速度为输出量，输入量与输出量的隶属函数选择都是中间取三角形隶属函数，边界取钟型隶属函数进行计算控制。
4.根据权利要求1所述的一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法，其特征在于：步骤S3中，利用pid控制器进行油门控制，pid的控制原理如下公式所示：
Figure FDA0003064620030000022
CN202010365706.3A 2020-04-30 2020-04-30 一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法 Active CN111381493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010365706.3A CN111381493B (zh) 2020-04-30 2020-04-30 一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010365706.3A CN111381493B (zh) 2020-04-30 2020-04-30 一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法

Publications (2)

Publication Number Publication Date
CN111381493A CN111381493A (zh) 2020-07-07
CN111381493B true CN111381493B (zh) 2021-08-20

Family

ID=71217710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010365706.3A Active CN111381493B (zh) 2020-04-30 2020-04-30 一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法

Country Status (1)

Country Link
CN (1) CN111381493B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112520581B (zh) * 2020-12-04 2023-09-05 上海驭矩信息科技有限公司 一种提高轮胎式起重机大车运动控制精度的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015007459A (ja) * 2013-06-26 2015-01-15 Ntn株式会社 電気自動車の変速制御装置
CN108121335A (zh) * 2016-11-28 2018-06-05 比亚迪股份有限公司 车辆路径跟踪控制方法、装置及车辆
CN108254741A (zh) * 2018-01-16 2018-07-06 中国人民解放军海军航空大学 基于循环神经网络的目标航迹预测方法
CN109407666A (zh) * 2018-10-11 2019-03-01 智久(厦门)机器人科技有限公司上海分公司 一种无人车辆的控制方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015007459A (ja) * 2013-06-26 2015-01-15 Ntn株式会社 電気自動車の変速制御装置
CN108121335A (zh) * 2016-11-28 2018-06-05 比亚迪股份有限公司 车辆路径跟踪控制方法、装置及车辆
CN108254741A (zh) * 2018-01-16 2018-07-06 中国人民解放军海军航空大学 基于循环神经网络的目标航迹预测方法
CN109407666A (zh) * 2018-10-11 2019-03-01 智久(厦门)机器人科技有限公司上海分公司 一种无人车辆的控制方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111381493A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
US7308961B2 (en) Vehicle cruise control device and method
CN112519882B (zh) 一种车辆参考轨迹跟踪方法及系统
JP3651259B2 (ja) 先行車追従制御装置
JP5127917B2 (ja) 車両制御装置
CN111409639B (zh) 一种主车网联巡航控制方法及系统
CN110962848A (zh) 自动驾驶纵向运动控制的方法及系统
Dong et al. Model predictive longitudinal motion control for the unmanned ground vehicle with a trajectory tracking model
CN111338353A (zh) 一种动态驾驶环境下智能车辆变道轨迹规划方法
CN110962849A (zh) 一种弯道自适应巡航方法
Negash et al. Anticipation-based autonomous platoon control strategy with minimum parameter learning adaptive radial basis function neural network sliding mode control
CN112644488B (zh) 自适应巡航系统
CN112937551B (zh) 一种考虑驾驶员输入特征的车辆控制方法及系统
CN110920616A (zh) 一种智能车换道轨迹及换道轨迹跟随控制方法
CN113183957A (zh) 车辆控制方法、装置、设备及自动驾驶车辆
Attia et al. Reference generation and control strategy for automated vehicle guidance
CN111381493B (zh) 一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法
CN116560371A (zh) 基于自适应模型预测控制的自动驾驶车辆路径跟踪方法
CN113619574A (zh) 一种车辆避让方法、装置、计算机设备和存储介质
CN114889599A (zh) 一种基于模型预测控制的自适应巡航控制算法
CN106168758B (zh) 四轮独立驱动电动汽车的航向跟踪控制方法
CN116061921B (zh) 一种具有时滞和控制方向未知的汽车横向约束控制方法
Kim et al. Combined throttle and brake control for vehicle cruise control: A model free approach
Zhan et al. A dual closed-loop longitudinal speed controller using smooth feedforward and fuzzy logic for autonomous driving vehicles
Alika et al. A modified sliding mode controller based on fuzzy logic to control the longitudinal dynamics of the autonomous vehicle
CN110989346B (zh) 一种集成驾驶员决策行为的智能操纵方法

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