CN111409641B - 一种基于纵横向协调的轨迹跟踪控制方法及系统 - Google Patents

一种基于纵横向协调的轨迹跟踪控制方法及系统 Download PDF

Info

Publication number
CN111409641B
CN111409641B CN202010162715.2A CN202010162715A CN111409641B CN 111409641 B CN111409641 B CN 111409641B CN 202010162715 A CN202010162715 A CN 202010162715A CN 111409641 B CN111409641 B CN 111409641B
Authority
CN
China
Prior art keywords
control
vehicle
longitudinal
transverse
layer
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
CN202010162715.2A
Other languages
English (en)
Other versions
CN111409641A (zh
Inventor
高秀晶
陶林君
陈波波
赵可道
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.)
Xiamen University of Technology
Original Assignee
Xiamen University of Technology
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 Xiamen University of Technology filed Critical Xiamen University of Technology
Priority to CN202010162715.2A priority Critical patent/CN111409641B/zh
Publication of CN111409641A publication Critical patent/CN111409641A/zh
Application granted granted Critical
Publication of CN111409641B publication Critical patent/CN111409641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • 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
    • B60W30/14—Adaptive cruise control

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种基于纵横向协调的轨迹跟踪控制方法及系统，包括信息感知、轨迹规划、控制层建模以及驱动执行；所述信息感知实时采集智能汽车的交通环境信息和车辆状态信息；所述路径规划根据信息感知的数据规划出一条期望路径；所述控制层建模根据预瞄原理，建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成可执行的控制指令物理值；所述驱动执行根据控制指令物理值操纵车辆的执行机构，实现车辆的整体控制。本发明采用简单的两轮动力学模型和运动学对无人驾驶车辆进行建模，根据道路信息和车辆运动特性通过反步法原理设计反馈+前馈的转向控制，相比于传统的PID控制和非线性模型预测控制增加了精确度和实时性。

Description

一种基于纵横向协调的轨迹跟踪控制方法及系统
技术领域
本发明涉及智能汽车控制领域，尤其是涉及的是一种基于纵横向协调的轨迹跟踪控制方法及系统。
背景技术
无人驾驶车辆的控制技术分为横向控制和纵向控制，因此自动轨迹跟踪技术需要同时实现二者的融合控制。当前，轨迹跟踪控制只单独考虑在恒速或者一定速度下车辆横向控制，以及基于目标速度的纵向控制，该类技术只能保证在简单的道路工况例如高速公路及小曲率道路等的轨迹跟踪。在一般道路工况下，驾驶员会根据道路曲率不同适当调节车速以确保车辆稳定行驶，此时车辆转向的控制也需根据车速变化进行调节。因此，无人驾驶车辆需要根据道路的实际状况，实时地自适应控制纵向的车速；当车速发生变化时，横向控制也需根据车速变化自适应地调整，以达到平稳、舒适、精准的控制效果。
当前现有技术中，无人驾驶车辆轨迹跟踪纵横向控制中主要有两大类技术方案：基于车辆运动几何学的方法设计控制算法和基于车辆动力学的方法设计控制算法。基于运动几何学设计的车辆轨迹跟踪纵横向控制算法在低速低曲率道路下能保证一定的控制性能，且具有控制器设计比较简单、控制参数易于调节等优点，但是在高速或大曲率的道路上，由于车辆自身动力学特性的改变会减低轨迹跟踪控制的性能，无法满足高速和大曲率道路的自动驾驶控制。采用基于复杂车辆动力学模型来耦合纵横向控制，考虑车辆的动力学要素较为丰富，因此模型较为精确，但其模型复杂，不利于控制算法设计，同时基于复杂动力学设计的控制算法往往计算耗时大，实时性差；此外以上两种算法在动力学模型和控制模型上均未全面地考虑车辆以外的因素(如道路因素、环境因素等)对驾驶性能的影响，无法平稳且精确地满足无人驾驶轨迹跟踪的纵横向控制的要求。
发明内容
本发明的目的在于克服上述不足，提供一种基于纵横向协调的轨迹跟踪控制方法及系统。
为实现上述目的，本发明的技术解决方案是：一种基于纵横向协调的轨迹跟踪控制方法，包括信息感知、轨迹规划、控制层建模以及驱动执行；
所述信息感知实时采集智能汽车的交通环境信息和车辆状态信息，将相关事件进行实时收集并传递至控制层供控制层预先判断调用；
所述路径规划根据信息感知的数据规划出一条期望路径，此规划路径为从出发点到目的地点的路程最短、耗时最小的全局轨迹；
所述控制层建模根据预瞄原理，建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值；
所述驱动执行根据控制层建模输出的控制指令物理值操纵车辆的执行机构，实现车辆的整体控制。
优选的，所述控制层建模包括预瞄距离建模、横向控制偏差建模和纵向控制偏差建模。
优选的，所述预瞄距离Lp建模基于模糊算法自适应选取具体步骤如下:
①变量模糊化,将前方道路曲率和当前车辆速度作为输入变量，其论域分别为[a，b]m-1和[c，d]km/h。输出变量为预瞄距离Lp，其论域为[e，f]m。根据难度和控制效果，将输入输出模糊集论域分为n档，道路曲率为Ei(i表示道路曲率论域的分级，i＝1…n),车辆速度为Fj(j表示车辆速度论域的分级，j＝1…n)，预瞄距离为Dq(q表示预瞄距离论域的分级，q＝1…n)；
②隶属度函数选取，采用梯形隶属度函数和三角形隶属度函数相结合的函数；
③生成模糊规则，通过模糊条件语句根据①变化模糊化可知有n2条规则组成的模糊规则库；
④解模糊化，选取重心法来解模糊化。
优选的，所述模糊规则采用Mamdani法，其规则可以表示如下：IF：THEN：Lp＝Dq，式中Ei、Fj、Dq分别为输入、输出变量的语言变量。
优选的，所述横向控制偏差建模的依据为二自由度车辆横向动力学方程，所述自由度车辆横向动力学方程表达式为：
式中β表示质心侧偏角，γ表示横摆角速度，a11、a12、a21、a22、b1、b2分别表示车辆参数，δf表示车辆前轮转角；
车辆质心到目标轨迹最近点的横向偏差ey和航向偏差为：
车辆质心到预瞄点的预瞄偏差为：
若Lp＝0，则eyL＝ey
式中表示车辆质心处的X轴坐标值、Y轴坐标值和横摆角；
表示最近点Pn的X轴坐标值、Y轴坐标值和横摆角，ρ为Pn处的道路曲率，ey、eyL、/>根据位置反馈和车辆状态反馈实时更新。
优选的，所述纵向控制偏差建模的表达式为：
Vd＝MIN(Vp，Vrmax)
ev＝Vd-V
其中，Vp为预瞄速度，为道路平均曲率，ε为一个正数，V d为最优目标速度，Vrmax为当前路段限速，e v为速度误差，V为当前车速。
优选的，所述纵横向控制算法包括横向控制算法和纵向控制算法；所述横向控制算法基于反步法的反馈和前馈相结合的控制策略；所述纵向速度控制算法基于PID反馈的控制方法实现对目标速度的控制。
优选的，所述纵横向控制算法的表达式为：
其中，f(β)是自变量为车辆质心侧偏角β的函数，f(V,γ)是自变量为车速V和横摆角速度γ的函数，b是包含车辆参数的常数，K1、K2为反馈控制增益，Kρ为前馈控制增益，为前轮转角控制反馈项，/>前轮转角控制前馈项，Kp1、KI、KD是纵向控制增益。
优选的，所述控制层建模还包括建立期望约束，所述期望约束包括控制信号增量限制器和饱和限制器，对控制层建模输出的期望前轮转角值和期望加/减速度值进行限制处理，以获得平滑且安全的车辆转向行为或加减速行为。
一种基于纵横向协调的轨迹跟踪控制系统，包括感知层、轨迹规划层、控制层和驱动执行层；所述感知层实时采集智能汽车的交通环境信息和车辆状态信息，将相关事件进行实时收集并传递至控制层供控制层预先判断调用；所述路径规划根据信息感知的数据规划出一条期望路径，此规划路径为从出发点到目的地点的路程最短、耗时最小的全局轨迹；所述控制层根据预瞄原理，建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值；所述驱动执行层根据控制层建模输出的控制指令物理值驱动操纵车辆制动执行机构，实现车辆的整体控制。
优选的，所述感知层包括定位模块、障碍物感知模块和车辆状态感知模块，其中定位模块获取当前车辆所在的位置、航向信息，障碍物感知模块获取周边车辆、行人、驾驶条件，车辆状态感知模块获取本车当前运行的横摆角速度、纵横向加速度、纵横向速度、车辆质心侧偏角。
优选的，所述轨迹规划层包括滤波模块、高精度地图模块、轨迹规划模块，其中滤波模块对感知层采集到的感知信息进行有效的滤波处理，结合高精度地图模块，在轨迹规划模块中实时进行轨迹规划。
优选的，所述控制层包括纵横向协调策略模块、纵横向控制模块和控制信号处理模块，所述纵横向协调策略模块根据预瞄原理，建立纵横向策略，所述纵横向控制模块结合二轮车辆模型和反步法原理，形成前馈+反馈相结合的纵横向控制方法，所述控制信号处理模块对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值。
优选的，所述驱动执行层包括转向执行机构、油门执行机构、制动执行机构和中控执行机构，所述转向执行机构实现车辆转向控制，所述油门执行机构实现车辆加速控制，所述制动执行机构实现车辆刹车控制，所述中控执行机构实现中控控制。
优选的，所述轨迹规划模块包括全局规划模块和局部规划模块，所述全局规划模块根据高精度地图模块上设定目的地点，通过轨迹规划算法规划出一条从出发点到目的地点的路程最短、耗时最小的全局轨迹；所述局部规划模块根据实时交通环境来对目标轨迹实施局部规划。
优选的，还包括监测层，所述监测层包括监视模块和拓展模块，所述监视模块用于实时监测各个层级的运行状况，所述扩展模块为人机交互界面。
通过采用上述的技术方案，本发明的有益效果是：本申请提出了一种新型的基于纵横向协调轨迹跟踪控制方法及其系统，根据驾驶员驾驶的习惯，结合预瞄控制理论，提出基于纵横向协调的无人驾驶车辆的路径跟踪控制方法，并设计简单、实用、参数易于调节的横纵向控制系统。预瞄控制策略根据预瞄前方一定距离内的道路曲率通过模糊控制方法自适应选取轨迹跟踪预瞄点，结合二轮车辆模型和反步法设计前馈+反馈的横向控制算法；同时根据前方道路曲率，通过车辆侧向加速度约束自适应调节能保证安全行驶和舒适性的预瞄速度，并通过PID控制方法控制车辆速度，从而协调车辆进行纵横向协调控制。
附图说明
图1为本发明整体结构示意图；
图2为本发明侧面结构示意图；
图3为本发明轨迹跟踪示意图。
主要附图标记：S10、感知层；S110、定位模块；S120、障碍物感知模块；S130车辆状态感知模块；S20、轨迹规划层；S210、滤波模块；S220、高精度地图模块；S230、轨迹规划模块；S231、全局规划模块；S232、局部规划模块；S30、控制层；S310、纵横向协调策略模块；S320、纵横向控制模块；S330、控制信号处理模块；S40、驱动执行层；S410、转向执行机构；S420、油门执行机构；S430、制动执行机构；S440、中控执行机构；S50、监测层；S510、监视模块；S520、拓展模块；F10、纵横向协调预瞄算法；F110、前方道路信息获取模型；F120、模糊算法；F130、预瞄点选取；F140、横向控制偏差计算模型；F150、预瞄速度计算；F160、速度决策；F170、纵向控制偏差计算模型；F20、纵横向控制算法模块；F210、横向控制算法；F220、纵向控制算法；F30、控制信号处理模块；F310、转向增量限制器；F320、转向饱和限制器；F330、信息转化模块；F340、加/减速度增量限制器；F350、加/减速度饱和限制器；F360、信息转化模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施方式对本发明进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，但并不用于限定本发明。
另外，在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
如图1所示，一种基于纵横向协调的轨迹跟踪控制系统，包括感知层S10、轨迹规划层S20、控制层S30、车辆执行层S40和监测层S50。
感知层S10主要利用车载传感器构成，感知层S10主要包括定位模块S110、障碍物感知模块S120和车辆状态感知模块S130三大模块。定位模块S110是获取当前车辆所在的位置、航向信息；障碍物感知模块S120是获取周边车辆、行人、驾驶条件等交通环境信息；车辆状态感知模块S130是获取本车当前运行的横摆角速度、纵横向加速度、纵横向速度、车辆质心侧偏角等车辆状态信息。
轨迹规划层S20包括：滤波模块S210、高精度地图模块S220、轨迹规划模块S230。轨迹规划层S20获取来自感知层S10的感知信息，经过滤波模块S210进行有效的滤波处理以消除传感器噪声干扰的影响，再结合高精度地图模块S220，在轨迹规划模块S230中实时进行轨迹规划。轨迹信息包括位置、航向、道路曲率、道路坡度、速度限制、关键特征路点标识等信息的路点组成。轨迹规划模块S230分为全局规划模块S231和局部规划模块S232。全局规划模块S231是根据高精度地图模块S220上设定目的地点，通过轨迹规划算法规划出一条从出发点到目的地点的路程最短、耗时最小的全局轨迹。而车辆在全局轨迹下行驶时，还会受到交通环境的影响，因此，还需要局部规划模块S232根据实时交通环境来对目标轨迹实施局部规划，如自动换道超车轨迹、紧急避让轨迹、中转站靠站轨迹等。
控制层S30是根据感知层S10和轨迹规划层S20提供的感知信息和轨迹信息，建模根据预瞄原理，建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值。控制层S30包括纵横向协调策略模块S310、纵横向控制模块S320和控制信号处理模块S330。纵横向协调策略模块S310根据预瞄原理，为满足乘坐舒适度和行驶安全，建立纵横向协调策略；纵横向控制模块S320结合二轮车辆模型和反步法原理，设计一种新型的前馈+反馈相结合的纵横向控制方法。通过控制方法计算期望纵横向控制指令，包含转向信号、加/减速度信号、中控信号(如：转向灯、刹车灯等)；为保证车辆稳定控制，通过设计的控制信号处理模块S330对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值。
驱动执行层S40包含转向执行机构S410、油门执行机构S420、制动执行机构S430和中控执行机构S440。用于执行控制层S30的控制指令物理值，S410实现车辆转向控制，S420实现车辆加速控制，S430实现车辆刹车控制，S440包括转向灯、刹车灯、双闪等中控控制，以实现车辆的整体控制。
监测层S50包括监视模块S510和拓展模块S520。监视模块S510用于实时监测各个层级的运行状况，自动检测各层的运行安全和系统错误。当自检出错误时，使车辆采取相应措施以避免危险发生。如断开发生错误的层级的信息输出、控制层的控制指令输出，并紧急停车、自动亮起应急灯提醒周围车辆注意、靠边停车等，提高系统的自检能力和功能安全。拓展模块S520为人机交互界面(HMI)，当车辆为SAE-L3(含)以下的人机共存的车辆时，可为驾驶员提供系统控制的状态信息，当车辆为SAE-L4(含)以上的无人驾驶车辆时，监视层的信息也可通过无线通讯(V2X)的方式传输至管理中心，可远程监视车辆状态。
一种基于纵横向协调的轨迹跟踪控制方法，包括信息感知、轨迹规划、控制层建模、以及驱动执行；
所述信息感知实时采集智能汽车的交通环境信息和车辆状态信息，将相关事件进行实时收集并传递至控制层供控制层预先判断调用；
所述路径规划根据信息感知的数据规划出一条期望路径，此规划路径为从出发点到目的地点的路程最短、耗时最小的全局轨迹；
所述控制层建模根据预瞄原理，建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值；所述控制层建模包括预瞄距离建模、横向控制偏差建模和纵向控制偏差建模；
如图2所示，纵横向协调预瞄算法F10包括前方道路信息获取模型F110、模糊算法F120、预瞄点选取F130、横向控制偏差计算模型F140、预瞄速度计算F150、速度决策F160、纵向控制偏差计算模型F170；纵横向控制算法模块F20包括互相协调的横向控制算法F210和纵向控制算法F220；控制信号处理模块F30包括转向增量限制器F310、转向饱和限制器F320、信息转化模块F330、加/减速度增量限制器F340、加/减速度饱和限制器F350、信息转化模块F360。
首先，纵横向协调预瞄算法F10接收轨迹与感知信息，前方道路信息获取模型F110计算出当前车辆质心到目标轨迹上的最近路点Pn，并获取由该路点沿着目标轨迹向车辆行驶方向一定距离(s1,s2)内的道路平均曲率s1、s2为目标轨迹上的2个不同路点。
然后，根据道路平均曲率分别建立横向控制偏差计算模型F140和纵向控制偏差计算模型F170：
如图3所示，将道路平均曲率和当前车速V作为F120的输入，根据模糊算法输出为预瞄距离Lp，Lp为Pn沿着目标轨迹向车辆行驶方向的距离。F130根据以Pn为原点，Lp为半径作圆与目标轨迹的交点的方法计算得到预瞄点Pp，此处所述F130中的交点可能有多个，规定以车辆在目标轨迹上的行驶方向的交点为Pp。F140用于计算横向偏差ey、预瞄偏差eyL和航向偏差/>
1)预瞄距离建模
在实际工程预瞄应用中，预瞄距离长，车辆行驶稳定性好；预瞄距离短，则轨迹跟踪误差小。而预瞄距离跟道路曲率和车辆速度有关，因此本发明采用模糊算法，综合考虑道路曲率和车辆速度，提出了一种新型的基于模糊算法的预瞄距离自适应选取方法。所述模糊算法求取预瞄距离Lp的具体步骤如下：
①变量模糊化。在实际应用中认为，道路曲率越大，速度越小，则预瞄距离越小。此处将前方道路曲率和当前车辆速度作为输入变量，其论域分别为[a，b]m-1和[c，d]km/h。输出变量为预瞄距离Lp，其论域为[e，f]m。根据难度和控制效果，将输入输出模糊集论域分为n档，道路曲率为Ei(i表示道路曲率论域的分级，i＝1…n),车辆速度为Fj(j表示车辆速度论域的分级，j＝1…n)，预瞄距离为Dq(q表示预瞄距离论域的分级，q＝1…n)。
②隶属度函数选取。为保证输出平缓并兼顾预瞄距离调节的灵敏度，本发明采用梯形隶属度函数和三角形隶属度函数相结合的方法。
③生成模糊规则。通过模糊条件语句根据①可知有n2条规则组成的模糊规则库。模糊推理则采用Mamdani法，则规则可以表示如下：
IF：THEN：Lp＝Dq式中，Ei、Fj、Dq分别为输入、输出变量的语言变量。
④解模糊化。本实施例选取重心法作为解模糊化的方法。
2)纵向控制偏差建模
横向控制偏差计算模型F140根据预瞄点信息，计算出横向偏差、预瞄偏差和航向偏差计算式如下：
二自由度车辆横向动力学方程：
其中，β表示质心侧偏角，γ表示横摆角速度，a11、a12、a21、a22、b1、b2分别表示车辆参数，δf表示车辆前轮转角。
车辆质心到目标轨迹最近点的横向偏差ey和航向偏差为：
车辆质心到预瞄点的预瞄偏差为：
若Lp＝0，则eyL＝ey。
其中，表示车辆质心处的X轴坐标值、Y轴坐标值和横摆角；
表示最近点Pn的X轴坐标值、Y轴坐标值和横摆角，ρ为Pn处的道路曲率，ey、eyL、/>根据位置反馈和车辆状态反馈实时更新。
3)纵向控制偏差建模
将和车辆最优侧向加速度约束ayd作为预瞄速度计算F150输入，输出为满足安全性和舒适性的预瞄速度Vp。在速度决策F160中根据预瞄速度Vp、当前路段限速Vrmax关系决策出目标速度。将目标速度和当前车速进行差值计算作为纵向控制偏差计算模型F170的输出。预瞄速度计算F150如下
ε为一个很小的正数，以防止时，出现计算错误。
速度决策F160决策的最优目标速度
Vd＝MIN(Vp，Vrmax) (9)
从式(8)(9)可知，Vd是求预瞄速度和当前路段限速Vrmax二者间的最小值，当道路曲率绝对值为0(很小)时，表明前方路径为直线道路(低曲率)，车辆按照路段限速行驶即可，则此时Vd＝Vrmax；当前方路径曲率很大时，若无人驾驶车辆仍然按照路段限速行驶可能会产生很大的侧向加速度，甚至会造成横向控制误差变大而偏离本车道的危险，此时Vd＝Vp，从而保证车辆行驶的速度在最优侧向加速度约束和道路曲率约束下的。
道路曲率和当前速度变化自适应选取合适值，而当前速度又与道路曲率有关，因此，通过预瞄道路前方一定距离内的道路曲率来协调车辆纵横向控制。
纵向控制偏差计算模型F170速度误差ev＝Vd-V(10)
其次，F20是将F10输出的横向控制偏差和纵向控制偏差作为输入，并结合位置反馈和车辆状态反馈，通过纵横向控制算法来修正、消除偏差。所述横向控制算法F210提出了基于反步法(back stepping method)的反馈和前馈相结合的控制策略；纵向速度控制算法F220则提出PID反馈的控制方法实现对目标速度的控制，所述控制方法算式如下：
其中，f(β)是自变量为车辆质心侧偏角β的函数，f(V,γ)是自变量为车速V和横摆角速度γ的函数，b是包含车辆参数的常数，K1、K2为反馈控制增益，Kρ为前馈控制增益，前轮转角控制反馈项前轮转角控制前馈项Kp1、KI、KD是纵向控制增益。从式(11)和式(8)(9)(10)(12)可以看出，横向控制算法包含重要的速度信息，而当前车速通过纵向控制算法跟踪最优目标速度Vd求得，Vd则是根据道路前方曲率和车辆最优侧向加速度约束求得，从而实现纵横向协调控制。
所述驱动执行根据控制层建模输出的控制指令物理值操纵车辆的执行机构，实现车辆的整体控制。
最后，为使期望纵横向控制指令满足一定约束，如控制指令增量约束和饱和值约束以获得平滑且安全的车辆转向行为或加减速行为，本发明提出一种控制信号增量限制器和饱和限制器的组合设计，通过控制信号处理模块F30对纵横向控制算法模块F20输出的期望前轮转角值和期望加/减速度值进行限制处理。针对前轮转角指令，转向增量限制器F310和转向饱和限制器F320能防止快速转向造成乘坐不适和车辆失控；针对加/减速度指令，加/减速度增量限制器F340和F350防止快速加/减速度造成乘坐舒适度下降和增加执行器的压力，保障行驶安全和系统的功能安全。此外，根据车辆执行层的执行结构的要求，信息转化模块F330和信息转化模块F360将控制层输出的控制指令转换成控制指令物理值，如将方向盘转角信号、加/减速度信号、以及中控信号等转换成执行器能够执行的电压或电流指令信号。
整体来说，本发明提供种基于纵横向协调的轨迹跟踪控制方法及系统，相较于现有基于车辆运动几何学的方法设计控制算法和基于车辆动力学的方法设计控制算法来说，本发明具有如下优点①模型简单：本发明采用预瞄控制原理，设计出根据预瞄的车辆前方道路曲率采用模糊控制和根据车辆侧向加速度约束求解最优预瞄点和预瞄速度，从而协调纵横向控制，避免采用复杂的纵横向动力学模型耦合纵横向控制造成的控制难度大问题。②兼顾控制精度和控制实时性：本发明采用简单的两轮动力学模型和运动学对无人驾驶车辆进行建模，根据道路信息和车辆运动特性通过反步法原理设计反馈+前馈的转向控制，其结构简单，参数调节方便，相比于传统的PID控制增加了控制系统的精确度，而相对于非线性模型预测控制增加了系统运行的实时性。③安全舒适：本发明考虑驾驶安全和乘坐舒适性，采用增量限制器和饱和限制器相结合的设计防止车辆过度控制造成的失稳或乘坐舒适性差。④自检：本发明设计监测层S50，实时监测各层级运行状况进行自检，防止系统错误造成的经济损失和人员生命财产损失。⑤状态提示：本发明设计监测层S50的拓展模块S520，为无人驾驶或辅助驾驶提供一种信息交互界面，便于人员监测和查看车辆的运行状况，当出现系统或车辆运行出现意外提供一种即时的信息提示。⑥应用范围广：根据轨迹规划层S20规划的换道轨迹、超车轨迹等和控制层的速度决策，适用于加速超车控制、换道控制、车道保持控制、速度巡航控制等。
以上所述的，仅为本发明的较佳实施例而已，不能限定本发明实施的范围，凡是依本发明申请专利范围所作的均等变化与装饰，皆应仍属于本发明涵盖的范围内。

Claims (6)

1.一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：包括信息感知、轨迹规划、控制层建模和驱动执行；
所述信息感知实时采集智能汽车的交通环境信息和车辆状态信息，将相关事件进行实时收集并传递至控制层供控制层预先判断调用；
所述轨迹规划根据信息感知的数据规划出一条期望路径；
所述控制层建模，建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值；
所述驱动执行根据控制层建模输出的控制指令物理值操纵车辆的执行机构，实现车辆的整体控制；
所述控制层建模包括预瞄距离建模、横向控制偏差建模、纵向控制偏差建模和纵横向控制算法；
所述横向控制偏差建模的依据为二自由度车辆横向动力学方程，所述自由度车辆横向动力学方程表达式为：
式中β表示质心侧偏角，γ表示横摆角速度，a11、a12、a21、a22、b1、b2分别表示车辆参数，δf表示车辆前轮转角；
车辆质心到目标轨迹最近点Pn的横向偏差ey和航向偏差为：
车辆质心到预瞄点的预瞄偏差为：
若Lp＝0，则eyL＝ey
式中表示车辆质心处的X轴坐标值、Y轴坐标值和横摆角；/> 表示最近点Pn的X轴坐标值、Y轴坐标值和横摆角，ρ为最近点Pn处的道路曲率，ey、eyL、/>根据位置反馈和车辆状态反馈实时更新；Lp为预瞄距离；
所述纵向控制偏差建模的表达式为：
Vd＝MIN(Vp，Vrmax)
ev＝Vd-V
其中，Vp为预瞄速度，ayd为车辆与预瞄点之间的距离，为道路平均曲率，ε为一个正数，Vd为最优目标速度，Vrmax为当前路段限速，ev为速度误差，V为当前车速；
所述纵横向控制算法的表达式为：
其中，f(β)是自变量为车辆质心侧偏角β的函数，f(V,γ)是自变量为车速V和横摆角速度γ的函数，a为纵向控制反馈项，b是包含车辆参数的常数，K1、K2为反馈控制增益，Kρ为前馈控制增益，为前轮转角控制反馈项，/>前轮转角控制前馈项，Kp1、KI、KD是纵向控制增益。
2.根据权利要求1所述的一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：预瞄距离Lp建模基于模糊算法自适应选取具体步骤如下:
①变量模糊化,将前方道路曲率和当前车辆速度作为输入变量，其论域分别为[a，b]m-1和[c，d]km/h；输出变量为预瞄距离Lp，其论域为[e，f]m；根据难度和控制效果，将输入输出模糊集论域分为n档，道路曲率为Ei，i表示道路曲率论域的分级，i＝1…n,车辆速度为Fj，j表示车辆速度论域的分级，j＝1…n，预瞄距离为Dq，q表示预瞄距离论域的分级，q＝1…n；
②隶属度函数选取，采用梯形隶属度函数和三角形隶属度函数相结合的函数；
③生成模糊规则，通过模糊条件语句根据①变化模糊化可知有n2条规则组成的模糊规则库；
④解模糊化，选取重心法来解模糊化。
3.根据权利要求2所述的一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：所述模糊规则采用Mamdani法，其规则可以表示如下：IF：THEN：Lp＝q，式中Ei、Fj、Dq分别为输入、输出变量的语言变量。
4.根据权利要求1所述的一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：所述纵横向控制算法包括横向控制算法和纵向控制算法；所述横向控制算法基于反步法的反馈和前馈相结合的控制策略；所述纵向速度控制算法基于PID反馈的控制方法实现对目标速度的控制。
5.根据权利要求1所述的一种基于纵横向协调的轨迹跟踪控制方法，其特征在于：所述控制层建模还包括建立期望约束，所述期望约束包括控制信号增量限制器和饱和限制器，对控制层建模输出的期望前轮转角值和期望加/减速度值进行限制处理，以获得平滑且安全的车辆转向行为或加减速行为。
6.一种基于纵横向协调的轨迹跟踪控制系统，其执行如权利要求1所述的基于纵横向协调的轨迹跟踪控制方法；其特征在于：包括感知层、轨迹规划层、控制层和驱动执行层；所述感知层实时采集智能汽车的交通环境信息和车辆状态信息，将相关事件进行实时收集并传递至控制层供控制层预先判断调用；所述轨迹规划层根据信息感知的数据规划出一条期望路径，此期望路径为从出发点到目的地点的全局轨迹；所述控制层建立纵横向协调策略，对期望纵横向控制指令加以处理，并将期望纵横向控制指令转换成硬件机构可执行的控制指令物理值；所述驱动执行层根据控制层建模输出的控制指令物理值驱动操纵车辆制动执行机构，实现车辆的整体控制。
CN202010162715.2A 2020-03-10 2020-03-10 一种基于纵横向协调的轨迹跟踪控制方法及系统 Active CN111409641B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010162715.2A CN111409641B (zh) 2020-03-10 2020-03-10 一种基于纵横向协调的轨迹跟踪控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010162715.2A CN111409641B (zh) 2020-03-10 2020-03-10 一种基于纵横向协调的轨迹跟踪控制方法及系统

Publications (2)

Publication Number Publication Date
CN111409641A CN111409641A (zh) 2020-07-14
CN111409641B true CN111409641B (zh) 2023-07-25

Family

ID=71487590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010162715.2A Active CN111409641B (zh) 2020-03-10 2020-03-10 一种基于纵横向协调的轨迹跟踪控制方法及系统

Country Status (1)

Country Link
CN (1) CN111409641B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111703436B (zh) * 2020-08-18 2020-11-24 北京主线科技有限公司 一种自动驾驶车辆的控制方法及装置
CN112092825B (zh) * 2020-08-31 2022-04-29 英博超算(南京)科技有限公司 一种基于机器学习的车道保持方法
CN113428218B (zh) * 2021-07-29 2022-11-18 中汽创智科技有限公司 一种车辆转向控制方法、装置、设备及存储介质
CN113655789A (zh) * 2021-08-04 2021-11-16 东风柳州汽车有限公司 路径跟踪方法、装置、车辆及存储介质
CN113753124B (zh) * 2021-08-10 2023-04-07 北京智行者科技股份有限公司 车辆原地转向控制方法、自动驾驶控制系统及控制设备
CN113741462A (zh) * 2021-09-06 2021-12-03 吉林大学 一种大型智能电铲的无人控制自适应行走系统和方法
CN113753054B (zh) * 2021-09-23 2023-01-20 扬州亚星客车股份有限公司 一种车辆线控底盘控制方法、装置、电子设备及介质
CN113844535B (zh) * 2021-09-29 2022-11-01 安徽江淮汽车集团股份有限公司 基于方向盘转矩的主动转向控制方法
CN113895436B (zh) * 2021-10-20 2023-03-14 北京轻舟智航科技有限公司 一种变道路径规划方法
CN114137825B (zh) * 2021-11-29 2024-05-07 合肥井松智能科技股份有限公司 一种重载双舵轮agv车体的运动控制方法、系统及装置
CN115755919A (zh) * 2022-11-29 2023-03-07 淮阴工学院 一种化工巡检车轨迹跟踪方法及系统
CN117400945B (zh) * 2023-12-15 2024-02-23 广汽埃安新能源汽车股份有限公司 一种基于单目视觉信息的车辆控制方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108791491A (zh) * 2018-06-12 2018-11-13 中国人民解放军国防科技大学 一种基于自评价学习的车辆侧向跟踪控制方法
CN109857098A (zh) * 2018-12-11 2019-06-07 东南大学 一种基于mpc的自动驾驶农机轨迹跟踪系统及方法
CN110036353A (zh) * 2016-10-31 2019-07-19 马涅蒂-马瑞利公司 用于跟踪路线的地面车辆中的自适应控制方法和系统，尤其是在自动驾驶场景中

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110036353A (zh) * 2016-10-31 2019-07-19 马涅蒂-马瑞利公司 用于跟踪路线的地面车辆中的自适应控制方法和系统，尤其是在自动驾驶场景中
CN108791491A (zh) * 2018-06-12 2018-11-13 中国人民解放军国防科技大学 一种基于自评价学习的车辆侧向跟踪控制方法
CN109857098A (zh) * 2018-12-11 2019-06-07 东南大学 一种基于mpc的自动驾驶农机轨迹跟踪系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"基于二自由度模型的 无人驾驶车辆轨迹跟踪控制研究";秦万军等;《军事交通学院学报》;第第16卷卷(第第11期期);全文 *
"基于动力学模型的智能车辆横、纵向及综合控制策略研究";雷敏;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第第3期期);全文 *
"基于纵横向加速度的联合控制循迹模型研究";曹竞玮;《机械制造与自动化》;全文 *
"基于预瞄理论的智能驾驶客车轨迹跟踪控制方法研究";谢勇波;《客车技术与研究》(第第6期期);全文 *

Also Published As

Publication number Publication date
CN111409641A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN111409641B (zh) 一种基于纵横向协调的轨迹跟踪控制方法及系统
CN107943071B (zh) 无人车的编队保持控制方法及系统
US11059462B2 (en) Method and device for controlling a movement of a vehicle, and vehicle movement control system
WO2020143288A1 (zh) 一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法
CN111717204B (zh) 自动驾驶车辆的横向控制方法及系统
Naranjo et al. Power-steering control architecture for automatic driving
CN111717192B (zh) 一种自动驾驶车辆的控制方法及系统
CN111547066B (zh) 车辆轨迹跟踪方法、装置、设备及存储介质
CN110703754B (zh) 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法
CN107885932B (zh) 一种考虑人机和谐的汽车紧急避撞分层式控制方法
Hima et al. Trajectory tracking for highly automated passenger vehicles
CN110827535A (zh) 非线性车辆队列协同自适应抗扰纵向控制方法
Ren et al. Optimal path planning and speed control integration strategy for UGVs in static and dynamic environments
CN111522337B (zh) 一种基于模糊控制的多驱动轮agv导航方法
US11691647B2 (en) Vehicle control system
CN109683614A (zh) 用于无人矿用车辆的车辆路径控制方法及装置
Yu et al. MPC-based path following design for automated vehicles with rear wheel steering
CN212828326U (zh) 一种基于纵横向协调的轨迹跟踪控制系统
CN112644488B (zh) 自适应巡航系统
CN115407763A (zh) 用于对车辆进行轨迹规划的方法和设备
CN113553726B (zh) 一种冰雪环境下的主从博弈型人机协同转向控制方法
Cumali et al. Steering control of a vehicle equipped with automated lane centering system
CN110733505A (zh) 一种汽车车道保持控制系统的控制策略
Hayakawa et al. Driver-compatible steering system for wide speed-range path following
Alan et al. Integrating safety with performance in connected automated truck control: Experimental validation

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