CN111497842B - 一种人机双闭环分层协同纵向跟车控制方法 - Google Patents

Abstract

本发明公开了一种人机双闭环分层协同纵向跟车控制方法，包括以下步骤：限定自动驾驶车辆配置、跟车任务和场景；构建车辆纵向动力学模型；建立纵向跟车状态空间表达式；人机双闭环分层协同方法设计；设计车速跟随控制器；构建车速跟随闭环控制系统；求解车速跟随控制器增益；设计指导驾驶员车间距调节策略。本发明避免了目前通行的两类人车协同跟车控制方法的缺陷，提高系统稳定性，提高了驾驶员的驾驶体验；延长控制元件的使用寿命，同时能降低其他风险。

Description

一种人机双闭环分层协同纵向跟车控制方法

技术领域

本发明属于智能汽车人机共驾领域，特别是针对智能汽车纵向跟车控制任务，涉及一种人机双闭环分层协同纵向跟车控制方法，通过人机分层协同保持驾驶员在环，避免人机作用冲突，提升智能汽车跟车稳定性、安全性和舒适性。

背景技术

目前在智能汽车控制领域，因人机协同可充分发挥驾驶员和驾驶自动化系统各自的优势，被认为是提升智能汽车稳定性、安全性和舒适性的可行技术手段，正受到学术界和产业界的广泛关注。

目前较为前沿的智能汽车人机协同跟车控制方法大体可分为两类：第一类是通过人机分时切换驾驶的方法使驾驶员保持较高的注意力水平，该类方法根据需求的目标，通过各种优化算法对人机切换的时间点进行优化，但这种频繁的切换不能从根本上避免驾驶员不在环的风险，同时也会严重影响驾驶员对自动驾驶的驾乘体验。第二类是通过将跟车任务分解为车速控制和车间距调节等任务进行人机分工协同，综合驾驶自动化系统和驾驶员的控制作用对车辆进行控制，但这种人机分工控制策略因人机控制处于同一控制回路，会出现人机作用冲突的现象。也就是说，当驾驶员通过踩油门减小车间距时，驾驶自动化系统可能会通过控制刹车进行减速；或者当驾驶员通过踩刹车增大车间距的时候，驾驶自动化系统可能会通过控制油门进行加速。虽然可以通过将驾驶员设置较高的控制权限来保证车辆的可控性，但人机作用的内在冲突仍然可能会影响车辆控制元件的使用寿命或带来一些其他风险。

发明内容

为了避免这些问题，本发明针对跟车场景，提出了一种人机双闭环分层协同控制策略，减少驾驶员操作负荷，避免人机作用冲突的同时，提升智能汽车跟车稳定性和安全性。

为实现上述目标，本发明的技术方案是：一种人机双闭环分层协同纵向跟车控制方法，包括以下步骤：

步骤一：限定车辆配置、跟车任务和场景

假设前车与跟随车处于同一车道上，前车为普通正常车辆，跟随车为配备驾驶自动化系统的智能车辆，车间距可由驾驶员通过人眼观察感知得到；所述驾驶自动化系统包括可感知前车速度的传感器；

步骤二：构建车辆纵向动力学模型

考虑跟随车辆的车速调节过程，定义车速跟随误差e_v(t)＝v_ref(t)-v(t)，其中v_ref(t)为时间t时刻的期望车速，v(t)则为时间t时刻的实际车速。另外，分别用a(t)、x(t)和

表示跟随车在时间t时刻的加速度、位置和急动度，跟随车车速调节过程的非线性动力学关系可表示为：/>

u_engine为发动机输入，另外f₁(v(t),a(t))和f₂(v(t))的定义分别为：

其中σ为空气密度常数，A表示车辆的横截面积，μ为发动机时间常数，m表示车辆的质量，c_dc和d_mc分别为车辆的拽力系数和机械拽力。

采用反馈线性化方法，设计如下控制器：

u(t)表示待设计的车速控制输入。此时，车辆纵向非线性动力学方程可转化为如下线性形式：

步骤三：建立纵向跟车状态空间表达式

选取e_v(t)和a(t)为状态变量，车辆纵向动力学的状态空间方程可表示为：

x(t)＝(A+ΔA)x(t)+(B+ΔB)u(t)+Eω(t)

其中x(t)＝[e_v(t),a(t)]^T,

根据参数不确定性的假设，可以得到

[ΔA ΔB]＝HΣ(t)[F₁ F₂]

其中，

式中，α＞0，ε＞0为参数不确定性大小辅助表示系数，Σ(t)满足Σ^T(t)Σ(t)≤I。

步骤四：人机双闭环分层协同方法设计

双闭环分层协同策略将跟车控制分为内环和外环，内环由所述驾驶自动化系统对车速进行控制，外环由驾驶员对车间距进行调节并生成内环期望速度；

所述驾驶自动化系统包括先进的控制器和高精度的执行机构，并内附合适的控制算法，从而对车速进行快速、精准和稳定的控制。

而对于外环车间距调节，首先定义车间距误差为：

e_d(t)＝x_p(t)-x(t)-hv(t)-s₀

式中，h表示驾驶员的期望车头时距，s₀代表安全停车距离。假设驾驶员根据车间距误差对车间距进行调节，当e_d(t)＞0时，车间距相对当前的车速偏大，驾驶员通过踩油门提高所述内环期望车速以期减小车间距；当e_d(t)＜0时，车间距相对于当前车速偏小，驾驶员通过踩刹车降低所述内环期望速度以期增大车间距。

在人机双闭环协同控制策略中，设计所述内环期望速度等于前车车速与驾驶员控制作用之和，也就是

v_ref(t)＝v_p+u_hum(t)

当u_hum(t)＞0时，v_ref(t)＞v_p(t)，只要内环速度控制具有快速稳定的响应性能，车辆的速度v(t)也将大于v_p(t)，车间距将逐步减小；当u_hum(t)＜0时，v_ref(t)＜v_p(t)，内环车速快速响应跟踪期望车速v_ref(t)，车速v(t)也将小于前车车速v_p(t)，车间距将逐步增大。

步骤五：设计车速跟随控制器

对于内环车速控制，可以采用状态反馈控制器对内环车速进行调控，即

u(t)＝Kx(t)

其中K＝[k₁,k₂]，k₁、k₂为待优化的具体控制增益。

针对车辆动力学参数存在不确定性的问题，可以采用H_∞控制对k₁和k₂的值进行优化，使得内环车速的跟踪性能达到期望的性能指标。假设内环速度控制的期望性能指标为如下二次型形式：

其中Q为权重矩阵，ρ为权重系数，此时，内环驾驶自动化系统车速调控问题已转化为通过H_∞控制方法优化k₁和k₂的值，使J达到最小。

步骤六：构建车速跟随闭环控制系统

结合步骤三构建的跟车状态空间表达式和步骤五设计的车速跟随控制器，内环车速调控闭环系统可表示为：

其中，

A_c＝A+BK

ΔA_c＝ΔA+ΔBK＝HΣ(t)F₁+HΣ(t)F₂K＝HΣ(t)F_c

F_c＝F₁+F₂K

定义辅助输出信号

z(t)＝Cx(t)+D₁u(t)+D₂ω(t) (0.3)

此时H_∞控制问题可表示为：

步骤七：求解车速跟随控制器增益

对于给定的常数γ＞0，λ＞0，如果存在对称正定矩阵P和W＝P^-1，矩阵Y，使得

成立，则所述内环车速调控闭环系统是渐进稳定的且具有γ的H_∞扰动抑制等级。即，在零初始状态对所有ω∈L₂[0,∞)，||z||₂≤γ||ω||₂恒成立。此外，可得到控制器的增益如下：

K＝YW^-1

因此，在给定具体的γ值时，通过求解以上线性矩阵不等式，得到状态反馈控制增益K＝YW^-1，使得所述内环车速调控闭环系统满足期望的优化性能。

步骤八：设计指导驾驶员车间距调节策略

假设驾驶员基于简单的反馈控制思想进行车间距调节，同时考虑到驾驶员感知和操作的模糊特性，驾驶员对车间距的调控策略可表示为：

C_hum(s)＝k_pf(e_d)

其中,k_p为反馈控制增益，0≤f(e_d)≤1反应驾驶员对车间距误差的模糊感知与反应关系。

针对期望速度v_ref(t)，假设内环驾驶自动化系统在H_∞状态反馈控制的作用下，对车速调控的动态性能足够好，内环车速跟随控制系统可等效为一个惯性时间常数为μ_c的一阶惯性环节，即

此时前车车速v_p(s)到跟车误差e_d(s)的传递函数表达式可表示为：

进一步可以得到系统的特征多项式为：

d(s)＝μ_cs²+(hk_pf(e_d)+1)s+k_pf(e_d)

由μ_c＞0，h＞0，容易得到，对于0≤f(e_d)≤1的非线性模糊关系，k_p＞0时，特征多项式的各项系数均大于零，根据劳斯稳定性判据，系统必然稳定，也就是车间距误差e_d(t)收敛。

进一步，所述步骤一中的所述可感知前车速度的传感器为激光雷达或毫米波雷达。

进一步，对所述步骤二中的急动度方程进一步优化，考虑车辆运动动力学关系中的参数

不确定性，急动度

方程进一步优化为：/>

假设|Δμ(t)|＝g(t)，g(t)为Lebesgue-measurable连续函数，并且满足α²g²(t)≥ε，α＞0，ε＞0为参数不确定性大小辅助表示系数。

由于采用了上述技术方案，本发明具有如下的有益效果：

本发明提出的人机双闭环分层协同纵向跟车控制方法，避免了技术背景中提到的目前通行的两类人车协同跟车控制方法的缺陷：一是避免了人机之间的频繁切换，消除了驾驶员不在环的风险，提高系统稳定性，提高了驾驶员的驾驶体验；二是避免了人机分工控制策略因人机控制处于同一控制回路而带来的人机内在冲突的问题，提高了智能跟车系统的稳定性，延长控制元件的使用寿命，同时能降低其他风险。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究，对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述：

图1为纵向跟车示意图；

图2为人机双闭环分层协同纵向跟车控制方法的控制方框图。

具体实施方式

下面结合实施例对本发明作进一步说明。

实施例1

如图1-2所示的一种人机双闭环分层协同纵向跟车控制方法，包括以下步骤：

步骤一：限定车辆配置、跟车任务和场景

假设前车与跟随车处于同一车道上，前车为普通正常车辆，跟随车为配备驾驶自动化系统的智能车辆，车间距可由驾驶员通过人眼观察感知得到；所述驾驶自动化系统包括可感知前车速度的传感器；

步骤二：构建车辆纵向动力学模型

考虑跟随车辆的车速调节过程，定义车速跟随误差e_v(t)＝v_ref(t)-v(t)，其中v_ref(t)为时间t时刻的期望车速，v(t)则为时间t时刻的实际车速。另外，分别用a(t)、x(t)和

表示跟随车在时间t时刻的加速度、位置和急动度，跟随车车速调节过程的非线性动力学关系可表示为：

u_engine为发动机输入，另外f₁(v(t),a(t))和f₂(v(t))的定义分别为：

其中σ为空气密度常数，A表示车辆的横截面积，μ为发动机时间常数，m表示车辆的质量，c_dc和d_mc分别为车辆的拽力系数和机械拽力。

采用反馈线性化方法，设计如下控制器：

u(t)表示待设计的车速控制输入。此时，车辆纵向非线性动力学方程可转化为如下线性形式：

步骤三：建立纵向跟车状态空间表达式

选取e_v(t)和a(t)为状态变量，车辆纵向动力学的状态空间方程可表示为：

x(t)＝(A+ΔA)x(t)+(B+ΔB)u(t)+Eω(t)

其中x(t)＝[e_v(t),a(t)]^T,

根据参数不确定性的假设，可以得到

[ΔA ΔB]＝HΣ(t)[F₁ F₂]

其中，

式中，α＞0，ε＞0为参数不确定性大小辅助表示系数，Σ(t)满足Σ^T(t)Σ(t)≤I。

步骤四：人机双闭环分层协同方法设计

双闭环分层协同策略将跟车控制分为内环和外环，内环由所述驾驶自动化系统对车速进行控制，外环由驾驶员对车间距进行调节并生成内环期望速度；

所述驾驶自动化系统包括先进的控制器和高精度的执行机构，并内附合适的控制算法，从而对车速进行快速、精准和稳定的控制。

而对于外环车间距调节，首先定义车间距误差为：

e_d(t)＝x_p(t)-x(t)-hv(t)-s₀

式中，h表示驾驶员的期望车头时距，s₀代表安全停车距离。假设驾驶员根据车间距误差对车间距进行调节，当e_d(t)＞0时，车间距相对当前的车速偏大，驾驶员通过踩油门提高所述内环期望车速以期减小车间距；当e_d(t)＜0时，车间距相对于当前车速偏小，驾驶员通过踩刹车降低所述内环期望速度以期增大车间距。

在人机双闭环协同控制策略中，设计所述内环期望速度等于前车车速与驾驶员控制作用之和，也就是

v_ref(t)＝v_p+u_hum(t)

当u_hum(t)＞0时，v_ref(t)＞v_p(t)，只要内环速度控制具有快速稳定的响应性能，车辆的速度v(t)也将大于v_p(t)，车间距将逐步减小；当u_hum(t)＜0时，v_ref(t)＜v_p(t)，内环车速快速响应跟踪期望车速v_ref(t)，车速v(t)也将小于前车车速v_p(t)，车间距将逐步增大。

步骤五：设计车速跟随控制器

对于内环车速控制，可以采用状态反馈控制器对内环车速进行调控，即

u(t)＝Kx(t)

其中K＝[k₁,k₂]，k₁、k₂为待优化的具体控制增益。

针对车辆动力学参数存在不确定性的问题，可以采用H_∞控制对k₁和k₂的值进行优化，使得内环车速的跟踪性能达到期望的性能指标。假设内环速度控制的期望性能指标为如下二次型形式：

其中Q为权重矩阵，ρ为权重系数，此时，内环驾驶自动化系统车速调控问题已转化为通过H_∞控制方法优化k₁和k₂的值，使J达到最小。

步骤六：构建车速跟随闭环控制系统

结合步骤三构建的跟车状态空间表达式和步骤五设计的车速跟随控制器，内环车速调控闭环系统可表示为：

其中，

A_c＝A+BK

ΔA_c＝ΔA+ΔBK＝HΣ(t)F₁+HΣ(t)F₂K＝HΣ(t)F_c

F_c＝F₁+F₂K

定义辅助输出信号

z(t)＝Cx(t)+D₁u(t)+D₂ω(t) (0.5)

此时H_∞控制问题可表示为：

步骤七：求解车速跟随控制器增益

对于给定的常数γ＞0，λ＞0，如果存在对称正定矩阵P和W＝P^-1，矩阵Y，使得

/>

成立，则所述内环车速调控闭环系统是渐进稳定的且具有γ的H_∞扰动抑制等级。即，在零初始状态对所有ω∈L₂[0,∞)，||z||₂≤γ||ω||₂恒成立。此外，可得到控制器的增益如下：

K＝YW^-1

因此，在给定具体的γ值时，通过Matlab提供的LMI工具箱求解以上线性矩阵不等式，得到状态反馈控制增益K＝YW^-1，使得所述内环车速调控闭环系统满足期望的优化性能。

步骤八：设计指导驾驶员车间距调节策略

假设驾驶员基于简单的反馈控制思想进行车间距调节，同时考虑到驾驶员感知和操作的模糊特性，驾驶员对车间距的调控策略可表示为：

C_hum(s)＝k_pf(e_d)

其中,k_p为反馈控制增益，0≤f(e_d)≤1反应驾驶员对车间距误差的模糊感知与反应关系。

针对期望速度v_ref(t)，假设内环驾驶自动化系统在H_∞状态反馈控制的作用下，对车速调控的动态性能足够好，内环车速跟随控制系统可等效为一个惯性时间常数为μ_c的一阶惯性环节，即

此时前车车速v_p(s)到跟车误差e_d(s)的传递函数表达式可表示为：

进一步可以得到系统的特征多项式为：

d(s)＝μ_cs²+(hk_pf(e_d)+1)s+k_pf(e_d)

由μ_c＞0，h＞0，容易得到，对于0≤f(e_d)≤1的非线性模糊关系，k_p＞0时，特征多项式的各项系数均大于零，根据劳斯稳定性判据，系统必然稳定，也就是车间距误差e_d(t)收敛。

所述步骤一中的所述可感知前车速度的传感器为激光雷达。

对所述步骤二中的急动度方程进一步优化，考虑车辆运动动力学关系中的参数不确定性，急动度

方程进一步优化为：

假设|Δμ(t)|＝g(t)，g(t)为Lebesgue-measurable连续函数，并且满足α²g²(t)≥ε。

实施例2

本实施例和实施例1的区别在于所述步骤一中的可感知前车速度的传感器为毫米波雷达，其他内容与实施例1相同。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (3)

1.一种人机双闭环分层协同纵向跟车控制方法，其特征在于，包括以下步骤：

步骤一：限定车辆配置、跟车任务和场景

假设前车与跟随车处于同一车道上，前车为普通正常车辆，跟随车为配备驾驶自动化系统的智能车辆，车间距可由驾驶员通过人眼观察感知得到；所述驾驶自动化系统包括可感知前车速度的传感器；

步骤二：构建车辆纵向动力学模型

考虑跟随车辆的车速调节过程，定义车速跟随误差e_v(t)＝v_ref(t)-v(t)，其中v_ref(t)为时间t时刻的期望车速，v(t)则为时间t时刻的实际车速；另外，分别用a(t)、x(t)和

表示跟随车在时间t时刻的加速度、位置和急动度，跟随车车速调节过程的非线性动力学关系可表示为：

u_engine为发动机输入，另外f₁(v(t),a(t))和f₂(v(t))的定义分别为：

其中σ为空气密度常数，A表示车辆的横截面积，μ为发动机时间常数，m表示车辆的质量，c_dc和d_mc分别为车辆的拽力系数和机械拽力；

采用反馈线性化方法，设计如下控制器：

u(t)表示待设计的车速控制输入；此时，车辆纵向非线性动力学方程可转化为如下线性形式：

步骤三：建立纵向跟车状态空间表达式

选取e_v(t)和a(t)为状态变量，车辆纵向动力学的状态空间方程可表示为：

x(t)＝(A+△A)x(t)+(B+△B)u(t)+Eω(t)

其中

根据参数不确定性的假设，可以得到

[△A △B]＝HΣ(t)[F₁ F₂]

其中，

式中，α>0，ε>0为参数不确定性大小辅助表示系数，Σ(t)满足Σ^T(t)Σ(t)≤I；g(t)＝|△μ(t)|，g(t)为Lebesgue-measurable连续函数，并且满足α²g²(t)≥ε，I为单位矩阵；

步骤四：人机双闭环分层协同方法设计

双闭环分层协同策略将跟车控制分为内环和外环，内环由所述驾驶自动化系统对车速进行控制，外环由驾驶员对车间距进行调节并生成内环期望速度；

所述驾驶自动化系统包括先进的控制器和高精度的执行机构，并内附合适的控制算法，从而对车速进行快速、精准和稳定的控制；

而对于外环车间距调节，首先定义车间距误差为：

e_d(t)＝x_p(t)-x(t)-hv(t)-s₀

式中，h表示驾驶员的期望车头时距，s₀代表安全停车距离；假设驾驶员根据车间距误差对车间距进行调节，当e_d(t)>0时，车间距相对当前的车速偏大，驾驶员通过踩油门提高内环期望车速以期减小车间距；当e_d(t)<0时，车间距相对于当前车速偏小，驾驶员通过踩刹车降低所述内环期望速度以期增大车间距；

在人机双闭环协同控制策略中，设计所述内环期望速度等于前车车速与驾驶员控制作用之和，也就是

v_ref(t)＝v_p+u_hum(t)

当u_hum(t)>0时，v_ref(t)>v_p(t)，只要内环速度控制具有快速稳定的响应性能，车辆的速度v(t)也将大于v_p(t)，车间距将逐步减小；当u_hum(t)<0时，v_ref(t)<v_p(t)，内环车速快速响应跟踪期望车速v_ref(t)，车速v(t)也将小于前车车速v_p(t)，车间距将逐步增大；

步骤五：设计车速跟随控制器

对于内环车速控制，采用状态反馈控制器对内环车速进行调控，即

u(t)＝Kx(t)

其中K＝[k₁,k₂]，k₁、k₂为待优化的具体控制增益；

针对车辆动力学参数存在不确定性的问题，采用H_∞控制对k₁和k₂的值进行优化，使得内环车速的跟踪性能达到期望的性能指标；假设内环速度控制的期望性能指标为如下二次型形式：

其中Q为权重矩阵，ρ为权重系数，此时，内环驾驶自动化系统车速调控问题已转化为通过H_∞控制方法优化k₁和k₂的值，使J达到最小；

步骤六：构建车速跟随闭环控制系统

结合步骤三构建的跟车状态空间表达式和步骤五设计的车速跟随控制器，内环车速调控闭环系统可表示为：

其中，

A_c＝A+BK

△A_c＝△A+△BK＝HΣ(t)F₁+HΣ(t)F₂K＝HΣ(t)F_c

F_c＝F₁+F₂K

定义辅助输出信号

z(t)＝Cx(t)+D₁u(t)+D₂ω(t) (0.1)

此时H_∞控制问题可表示为：

其中，C、D₁、D₂为辅助变量；

步骤七：求解车速跟随控制器增益

对于给定的常数γ>0，λ>0，如果存在对称正定矩阵P和W＝P^-1，矩阵Y，使得

成立，则所述内环车速调控闭环系统是渐进稳定的且具有γ的H_∞扰动抑制等级；即，在零初始状态对所有ω∈L₂[0,∞)，||z||₂≤γ||ω||₂恒成立；此外，可得到控制器的增益如下：

K＝YW^-1

因此，在给定具体的γ值时，通过求解以上线性矩阵不等式，得到状态反馈控制增益K＝YW^-1，使得所述内环车速调控闭环系统满足期望的优化性能，其中，L₂表示向量值平方可积的标准勒贝格空间；

步骤八：设计指导驾驶员车间距调节策略

假设驾驶员基于简单的反馈控制思想进行车间距调节，同时考虑到驾驶员感知和操作的模糊特性，驾驶员对车间距的调控策略可表示为：

C_hum(s)＝k_pf(e_d)

其中,k_p为反馈控制增益，0≤f(e_d)≤1反应驾驶员对车间距误差的模糊感知与反应关系；

针对期望速度v_ref(t)，假设内环驾驶自动化系统在H_∞状态反馈控制的作用下，对车速调控的动态性能足够好，内环车速跟随控制系统可等效为一个惯性时间常数为μ_c的一阶惯性环节，即

此时前车车速v_p(s)到跟车误差e_d(s)的传递函数表达式可表示为：

进一步可以得到系统的特征多项式为：

d(s)＝μ_cs²+(hk_pf(e_d)+1)s+k_pf(e_d)

由μ_c>0，h>0，容易得到，对于0≤f(e_d)≤1的非线性模糊关系，k_p>0时，特征多项式的各项系数均大于零，根据劳斯稳定性判据，系统必然稳定，也就是车间距误差e_d(t)收敛。

2.根据权利要求1所述的一种人机双闭环分层协同纵向跟车控制方法，其特征在于：所述步骤一中的所述可感知前车速度的传感器为激光雷达或毫米波雷达。

3.根据权利要求1所述的一种人机双闭环分层协同纵向跟车控制方法，其特征在于：对所述步骤二中的急动度方程进一步优化，考虑车辆运动动力学关系中的参数不确定性，急动度

方程进一步优化为：

假设|△μ(t)|＝g(t)，g(t)为Lebesgue-measurable连续函数，并且满足α²g²(t)≥ε，α>0，ε>0为参数不确定性大小辅助表示系数。

Images