CN111717207A - 一种考虑人车冲突的协同转向控制方法 - Google Patents
一种考虑人车冲突的协同转向控制方法 Download PDFInfo
- Publication number
- CN111717207A CN111717207A CN202010654864.0A CN202010654864A CN111717207A CN 111717207 A CN111717207 A CN 111717207A CN 202010654864 A CN202010654864 A CN 202010654864A CN 111717207 A CN111717207 A CN 111717207A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driver
- formula
- cooperative
- control
- 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
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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
-
- 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
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
- B60W2050/0034—Multiple-track, 2D vehicle model, e.g. four-wheel model
Abstract
本发明提供了一种考虑人车冲突的协同转向控制方法,基于一种驾驶员和协同转向控制器同时在环的驾驶模式,该模式下当驾驶员控制目标与协同转向控制器控制目标不一致产生控制冲突时,通过构建博弈关系使得驾驶员与协同转向控制器实现博弈平衡来削减控制冲突程度;驾驶过程中驾驶员与协同转向控制器目标不一致产生控制冲突时,使得人车之间实现博弈平衡来保证车辆安全完成转向操作;在驾驶员和协同转向控制器目标不一致时通过预测对方的控制策略而采取自身最优的控制策略实现博弈平衡,改善了人机控制策略的冲突程度;重构驾驶员和协同转向控制器之间关系模型,使得驾驶员和协同转向控制器能够依据分配的驾驶权重实现控制策略的自动调整。
Description
技术领域
本发明属于汽车驾驶控制技术领域,涉及一种人车协同驾驶方法,更加具体的来讲,涉及一种考虑人车冲突的协同转向控制方法。
背景技术
随着车辆智能等级提高,驾驶员辅助系统的能力不断提升,在特定情况下甚至无需驾驶员干预完全控制车辆,但全域无人驾驶的实现是一个长期的过程,过早的应用无人驾驶系统会给交通安全带来巨大威胁。以目前世界汽车行业水准来看,人们认为司机应该将自己的手停留在方向盘上与驾驶辅助系统共同驾驶车辆,工业界和学术界正在努力设计更具合作性的驾驶员在环人车共驾辅助系统,这些系统与传统的辅助系统相比,其创新性在于人机共同控制车辆完成驾驶任务。
驾驶员行为有着个性化难以预测的特征,行车过程中人车之间难免出现意图不一致,如何在人车目标不一致情况下,实现驾驶辅助系统和驾驶员之间实现最佳的低水平合作仍然是个挑战。
发明内容
本发明为解决驾驶员与协同转向控制器在目标不一致条件下的控制冲突问题,提出一种可以实现人车博弈平衡的协同转向控制方法。
本发明所述的一种考虑人车冲突的协同转向控制方法,是采用如下技术方案实现的:
一种考虑人车冲突的协同转向控制方法,基于一种驾驶员和协同转向控制器同时在环的驾驶模式,该种模式下当驾驶员控制目标与协同转向控制器控制目标不一致产生控制冲突时,通过构建博弈关系使得驾驶员与协同转向控制器实现博弈平衡来削减控制冲突程度,本方法具体步骤如下:
步骤一、建立共驾车辆系统模型:
建立大地坐标系:原点O固结于地面,X轴正方向为车辆初始运动方向,Y轴的正方向为X轴逆时针旋转90度方向;
建立车辆坐标系:以车辆质心o为坐标原点,x轴的正方向为车辆前进的方向,y轴的正方向为x轴逆时针旋转90度方向;
用车辆运动学模型表征车辆的操纵稳定性与车辆的侧向运动的关系,并用二自由度车辆动力学模型表征车辆的操纵稳定性和车辆的横摆运动之间的关系,具体过程如下:
假定车辆是一个质量块,以车辆前轮作为转向轮,根据车辆运动学方程以及车辆运动的几何关系得到车辆的运动学模型如式(1)所示:
式中xo为车辆质心o的纵向位移,单位m;yo为车辆质心o的侧向位移,单位m;v为车辆质心的速度,单位m/s;r为车辆的横摆角速度,单位rad/s;ψ为车辆的航向角,单位rad;β为车辆的质心侧偏角,单位rad;
考虑到实际道路的曲率通常很小,车辆在实际行驶时航向角ψ同样可以认为是很小的,且实际车辆的质心侧偏角β变化范围也很小,所以有:sin(ψ+β)≈ψ+β,cos(ψ+β)≈1,当车辆匀速行驶时可以忽略纵向车速的影响,同时结合式(1)可以得到简化的车辆运动学模型,如式(2)所示:
本方法通过控制车辆的前轮转角来实现路径跟踪的目的,并且认为车辆保持匀速状态行驶,所以只需要考虑车辆的侧向运动,根据牛顿第二定律与力矩平衡关系,可得到如式(3)所示的二自由度车辆动力学模型:
式中vx为车辆质心处的纵向速度,单位m/s;Fyf为车辆前轮侧向力,单位N;Fyr为车辆后轮侧向力,单位N;m为车辆的质量,单位kg;Iz为车辆绕z轴的转动惯量,单位kg·m2;a为车辆质心o到车辆前轴的距离,单位m;b为车辆质心o到车辆后轴的距离,单位m;δf为车辆前轮转角,单位rad;
车辆实际的前轮转角δf通常在小范围内变化,可以近似认为:cosδf≈1,sinδf≈0,因此对式(3)进行简化,简化后的二自由度车辆动力学模型如式(4)所示:
车辆侧向轮胎力未达到饱和时,车辆侧向轮胎力Fy与轮胎侧偏角α可近似看作呈线性关系如式(5)所示:
式中Cf为车辆前轮的轮胎侧偏刚度,单位N·rad;Cr为车辆后轮的轮胎侧偏刚度,单位N·rad;αf为车辆前轮的轮胎侧偏角,单位rad;αr为车辆后轮的轮胎侧偏角,单位rad;
在车辆坐标系下,前轮的轮胎侧偏角αf和后轮的轮胎侧偏角αr有如式(6)的关系:
结合式(4)、式(5)和式(6),整理可得式(7):
驾驶员和协同转向控制器之间的驾驶权重α可以根据驾驶员的意愿进行提前设定,设定范围为0≤α≤1,驾驶员和协同转向控制器共同驾驶车辆时车辆前轮转角δf由两部分组成,驾驶员当前时刻决策出的前轮转角δh,协同转向控制器当前时刻决策出的前轮转角δa,后再按照式(8)给出的比例关系进行叠加执行到车辆的前轮:
δf=αδh+(1-α)δa (8)
式中δa为当前时刻协同转向控制器前轮转角,单位rad;δh为驾驶员当前时刻前轮转角,单位rad;
结合式(2)、式(7)和式(8),由于侧向车速相对于纵向车速较小可以近似看作v≈vx,整理可得共驾车辆系统模型如式(9):
该共驾车辆系统模型选取车辆质心o的侧向位移yo作为人车协同转向系统的输出,同时选取人车协同转向系统的辅助前轮转角δa作为人车协同转向系统系统模型的控制输入,选取状态向量x=[yo ψ β r]T,人车协同转向系统模型可被描述成如式(10)所示的状态空间形式:
其中A为系统矩阵,表示系统内部状态变量的关系;Ba为协同转向控制器的控制矩阵,表示协同转向控制器的输入变量如何控制状态变量;表示输出变量如何反映状态;Bh为驾驶员的控制矩阵,表示驾驶员的输入变量如何控制状态变量;C为输出矩阵,各个矩阵表达式如下:
C=[1 0 0 0];
为了方便控制器设计,将式(10)的共驾车辆系统模型进行离散化得到离散化以后的共驾车辆系统模型如式(11):
步骤二、博弈平衡条件下人机协同控制策略设计:
驾驶员的决策过程与协同转向控制器类似,因此驾驶员和协同转向控制器均采用预测控制进行决策,当依据驾驶员的驾驶能力和驾驶习惯选定驾驶权重后,驾驶员通过一段时间的适应以后能够理解共驾车辆的特性和协同转向控制器辅助特性,在对协同转向控制器动作预测的基础上实现自身的决策;协同转向控制器能够实时采集驾驶员的驾驶信息,预测驾驶员未来的控制动作实现对驾驶员的辅助,驾驶员和协同转向控制器双方进行决策都是基于式(11)的离散化以后的共驾车辆系统模型,定义Ca=Ch=Cc,依据预测控制原理,定义预测时域为P,控制时域为N,驾驶员的预测输出方程如式(12)所示:
Yh(k)=Sh1x(k)+Sh2Uh(k)+Sh3Ua(k). (12)
式(12)中的Yh(k)为预测时域内驾驶员预测的车辆侧向位移,Uh(k)为预测时域内驾驶员决策的控制序列,Ua(k)为预测时域内驾驶员决策的控制序列协同转向控制器其状态预测的基本原理与驾驶员类似,其预测方程如下所示:
Ya(k)=Sa1x(k)+Sa2Uh(k)+Sa3Ua(k), (13)
其中Ya(k)为预测时域内协同转向控制器预测的车辆侧向位移,式(12)与式(13)中:
驾驶员和协同转向控制器的决策可以表达为如下优化目标的形式:
式(14)中为驾驶员的控制目标,式(15)中为协同转向控制器的控制目标,式(14)与式(15)中ya=yh=yo,Γhq、Γhr、Γaq与Γar分别为正定加权对角矩阵,Rh(k)为驾驶员的参考轨迹序列,Ra(k)为协同转向控制器的参考轨迹序列,通过传感感知模块获取;
驾驶员和人机协同转向控制器的理想路径存在差别,即Rh(k)≠Ra(k),则博弈双方形成的为非合作博弈关系,当驾驶员和控制器双方都为了实现自身的期望路径而采取最优控制策略时,此时人机之间的策略组合就构成了纳什均衡策略,当双方达成博弈平衡时满足以下条件:
式中为博弈平衡条件下驾驶员最优控制序列,为博弈平衡条件下协同转向控制器的最优控制序列,在转向控制的博弈过程中,如果驾驶员和协同转向控制器之间没有进行最优路径之间信息沟通,驾驶员与协同转向控制器双方都没有改变自身最优控制量的可能,因为单边改变自身最优控制量都会使得自身对参考路径的跟踪精度下降,因此达到均衡条件时,驾驶员和协同转向控制器双方均达成了自身的最优控制策略,虽然这不一定是全局条件下双方可能达到的全局最优策略,但一定程度上通过实现的博弈的平衡削减了人机冲突的程度;
步骤三、博弈平衡条件下人机最优控制策略求解:
上式(17)等价于
式(19)中博弈平衡条件下驾驶员最优控制序列和博弈平衡条件下协同转向控制器最优控制序列相互耦合,博弈双方优化问题的求解需要已知对方优化的结果,因此无法直接求解最优的控制策略,因此为了解决这个问题,可以添加如下凸迭代伴随方程求解:
其中ω1与ω2为加权系数并且满足ω2+ω2=1,p代表的是迭代的步数,表示迭代过程中第p步时的驾驶员的最优控制序列,Uh(k)[p]表示迭代过程中第p步时的驾驶员的非最优控制序列,Uh(k)[p+1]表示迭代过程中第p+1步时的驾驶员的非最优控制序列,表示迭代过程中第p步时的协同转向控制器的最优控制序列,Ua(k)[p]表示迭代过程中第p步时的协同转向控制器的非最优控制序列,Ua(k)[p+1]表示迭代过程中第p+1步时的协同转向控制器的非最优控制序列;当迭代步数一定时,其迭代的顺序如下:首先给定p=0时驾驶员和控制器的控制输入初值,式(19)可以用来求取p=0时的“最优”人机控制输入,利用式(20)可以求得p+1人机所采取的控制策略,以此循环往复;当迭代步数到达无穷时,即p→∞,时,将方程和代入式(19)可以求得:
其中:
Δh=(I-ΦhSh3ΦaSh2)-1Φh,Δa=(I-ΦaSh2ΦhSh3)-1Φa.
可以看出为对称满秩方阵,因此其逆也为对称满秩方阵,观察矩阵也为对称满秩矩阵,因此ΦhSh3则为对称满秩方阵,同理ΦaSh2也为对称满秩方阵,则矩阵I-ΦhSh3ΦaSh2与矩阵I-ΦaSh2ΦhSh3也为对称满秩方阵,则式(19)则必定有解;
步骤四、人车协同转向控制执行:
当前时刻车辆前轮转角δf作为最终控制量传给车辆,车辆通过相应的执行机构执行控制量δf,即可完成驾驶员控制目标和协同转向控制器控制目标发生冲突的条件下的协同转向控制。
进一步的技术方案包括:
步骤二中驾驶员的参考轨迹序列Rh(k)通过求取均值的方法获得,具体是通过反复采集驾驶员通过某一路段的行驶轨迹,将多次行驶轨迹进行叠加并求取均值获得。
本发明的有益效果为:
1.本发明提出了一种考虑人车冲突的协同转向控制方法,在驾驶过程中驾驶员与协同转向控制器目标不一致产生控制冲突时,使得人车之间实现博弈平衡来保证车辆安全完成转向操作;
2.本发明利用博弈论重构驾驶员和协同转向控制器之间关系模型,驾驶员和协同转向控制器目标不一致时通过预测对方的控制策略而采取自身最优的控制策略而实现博弈平衡,博弈平衡改善了人机控制策略的冲突程度;
3.本发明根据重构驾驶员和协同转向控制器之间关系模型,使得驾驶员和协同转向控制器能够依据设定的驾驶权重实现控制策略的自动调整。
附图说明:
图1为本发明所述的一种考虑人车冲突的协同转向控制方法的流程简图;
图2为本发明所述的一种考虑人机冲突的协同转向控制方法的原理示意图;
图3为车辆运动学模型的示意图;
图4为车辆二自由度动力学模型的示意图;
具体实施方式
下面结合附图对本发明进行详细说明:
本发明提出一种考虑人车冲突的协同转向控制方法,如图1所示,具体实施步骤如下:
步骤一、建立共驾车辆系统模型:
建立大地坐标系:原点O固结于地面,X轴正方向为车辆初始运动方向,Y轴的正方向为X轴逆时针旋转90度方向;
建立车辆坐标系:以车辆质心o为坐标原点,x轴的正方向为车辆前进的方向,y轴的正方向为x轴逆时针旋转90度方向;
用车辆运动学模型表征车辆的操纵稳定性与车辆的侧向运动的关系,并用二自由度车辆动力学模型表征车辆的操纵稳定性和车辆的横摆运动之间的关系,具体过程如下:
图3为车辆运动学模型示意图,假定车辆是一个质量块,以车辆前轮作为转向轮,根据车辆运动学方程以及车辆运动的几何关系得到车辆的运动学模型如式(1)所示:
式中xo为车辆质心o的纵向位移,单位m;yo为车辆质心o的侧向位移,单位m;v为车辆质心的速度,单位m/s;r为车辆的横摆角速度,单位rad/s;ψ为车辆的航向角,单位rad;β为车辆的质心侧偏角,单位rad;
考虑到实际道路的曲率通常很小,车辆在实际行驶时航向角ψ同样可以认为是很小的,且实际车辆的质心侧偏角β变化范围也很小,所以有:sin(ψ+β)≈ψ+β,cos(ψ+β)≈1,,当车辆匀速行驶时可以忽略纵向车速的影响,同时结合式(1)可以得到简化的车辆运动学模型,如式(2)所示:
图4为车辆二自由度动力学模型示意图,本方法通过控制车辆的前轮转角来实现路径跟踪的目的,并且认为车辆保持匀速状态行驶,所以只需要考虑车辆的侧向运动,根据牛顿第二定律与力矩平衡关系,可得到如式(3)所示的二自由度车辆动力学模型:
式中vx为车辆质心处的纵向速度,单位m/s;Fyf为车辆前轮侧向力,单位N;Fyr为车辆后轮侧向力,单位N;m为车辆的质量,单位kg;Iz为车辆绕z轴的转动惯量,单位kg·m2;a为车辆质心o到车辆前轴的距离,单位m;b为车辆质心o到车辆后轴的距离,单位m;δf为车辆前轮转角,单位rad;
车辆实际的前轮转角δf通常在小范围内变化,可以近似认为:cosδf≈1,sinδf≈0,因此对式(3)进行简化,简化后的二自由度车辆动力学模型如式(4)所示:
车辆侧向轮胎力未达到饱和时,车辆侧向轮胎力Fy与轮胎侧偏角α可近似看作呈线性关系如式(5)所示:
式中Cf为车辆前轮的轮胎侧偏刚度,单位N·rad;Cr为车辆后轮的轮胎侧偏刚度,单位N·rad;αf为车辆前轮的轮胎侧偏角,单位rad;αr为车辆后轮的轮胎侧偏角,单位rad;
在车辆坐标系下,前轮的轮胎侧偏角αf和后轮的轮胎侧偏角αr有如式(6)的关系:
结合式(4)、式(5)和式(6),整理可得二自由度车辆动力学模型如式(7)所示:
如图2所示,驾驶员和协同转向控制器之间的驾驶权重α可以根据驾驶员的意愿进行提前设定,设定范围为0≤α≤1,驾驶员和协同转向控制器共同驾驶车辆时车辆前轮转角δf由两部分组成,驾驶员当前时刻决策出的前轮转角δh,协同转向控制器当前时刻决策出的前轮转角δa,后再按照式(8)给出的比例关系进行叠加执行到车辆的前轮:
δf=αδh+(1-α)δa (8)
式中δa为当前时刻协同转向控制器前轮转角,单位rad;δh为驾驶员当前时刻前轮转角,单位rad;
结合式(2)、式(7)和式(8),由于侧向车速相对于纵向车速较小可以近似看作v≈vx,整理可得共驾车辆系统模型如式(9):
该共驾车辆系统模型选取车辆质心o的侧向位移yo作为人车协同转向系统的输出,同时选取人车协同转向系统的辅助前轮转角δa作为人车协同转向系统系统模型的控制输入,选取状态向量x=[yo ψ β r]T,人车协同转向系统模型可被描述成如式(10)所示的状态空间形式:
其中A为系统矩阵,表示系统内部状态变量的关系;Ba为协同转向控制器的控制矩阵,表示协同转向控制器的输入变量如何控制状态变量;表示输出变量如何反映状态;Bh为驾驶员的控制矩阵,表示驾驶员的输入变量如何控制状态变量;C为输出矩阵,各个矩阵表达式如下:
C=[1 0 0 0];
为了方便控制器设计,将式(10)的共驾车辆系统模型进行离散化得到离散化以后的共驾车辆系统模型如式(11):
步骤二、博弈平衡条件下人机协同控制策略设计:
驾驶员的决策过程与协同转向控制器类似,因此驾驶员和协同转向控制器均采用预测控制进行决策,当依据驾驶员的驾驶能力和驾驶习惯选定驾驶权重后,驾驶员通过一段时间的适应以后能够理解共驾车辆的特性和协同转向控制器辅助特性,在对协同转向控制器动作预测的基础上实现自身的决策;协同转向控制器能够实时采集驾驶员的驾驶信息,预测驾驶员未来的控制动作实现对驾驶员的辅助,驾驶员和协同转向控制器双方进行决策都是基于式(11)的离散化以后的共驾车辆系统模型,定义Ca=Ch=Cc,依据预测控制原理,定义预测时域为P,控制时域为N,驾驶员的预测输出方程如式(12)所示:
Yh(k)=Sh1x(k)+Sh2Uh(k)+Sh3Ua(k). (12)
式(12)中的Yh(k)为预测时域内驾驶员预测的车辆侧向位移,Uh(k)为预测时域内驾驶员决策的控制序列,Ua(k)为预测时域内驾驶员决策的控制序列;
协同转向控制器其状态预测的基本原理与驾驶员类似,其预测方程如下所示:
Ya(k)=Sa1x(k)+Sa2Uh(k)+Sa3Ua(k), (13)
其中Ya(k)为预测时域内协同转向控制器预测的车辆侧向位移,式(12)与式(13)中:
驾驶员和协同转向控制器的决策可以表达为如下优化目标的形式:
式(14)中为驾驶员的控制目标,式(15)中为协同转向控制器的控制目标,式(14)与式(15)中ya=yh=yo,Γhq、Γhr、Γaq与Γar分别为正定加权对角矩阵,Rh(k)为驾驶员的参考轨迹序列,参考轨迹序列Rh(k)通过求取均值的方法获得,具体是通过反复采集驾驶员通过某一路段的行驶轨迹,将多次行驶轨迹进行叠加并求取均值获得;Ra(k)为协同转向控制器的参考轨迹序列,通过传感感知模块获取;
驾驶员和人机协同转向控制器的理想路径存在差别,即Rh(k)≠Ra(k),则博弈双方形成的为非合作博弈关系,当驾驶员和控制器双方都为了实现自身的期望路径而采取最优控制策略时,此时人机之间的策略组合就构成了纳什均衡策略,当双方达成博弈平衡时满足以下条件:
式中为博弈平衡条件下驾驶员最优控制序列,为博弈平衡条件下协同转向控制器的最优控制序列,在转向控制的博弈过程中,如果驾驶员和协同转向控制器之间没有进行最优路径之间信息沟通,驾驶员与协同转向控制器双方都没有改变自身最优控制量的可能,因为单边改变自身最优控制量都会使得自身对参考路径的跟踪精度下降,因此达到均衡条件时,驾驶员和协同转向控制器双方均达成了自身的最优控制策略,虽然这不一定是全局条件下双方可能达到的全局最优策略,但一定程度上通过实现的博弈的平衡削减了人机冲突的程度;
步骤三、博弈平衡条件下人机最优控制策略求解:
上式(17)等价于
式(19)中博弈平衡条件下驾驶员最优控制序列和博弈平衡条件下协同转向控制器最优控制序列相互耦合,博弈双方优化问题的求解需要已知对方优化的结果,因此无法直接求解最优的控制策略,因此为了解决这个问题,可以添加如下凸迭代伴随方程求解:
其中ω1与ω2为加权系数并且满足ω2+ω2=1,p代表的是迭代的步数,表示迭代过程中第p步时的驾驶员的最优控制序列,Uh(k)[p]表示迭代过程中第p步时的驾驶员的非最优控制序列,Uh(k)[p+1]表示迭代过程中第p+1步时的驾驶员的非最优控制序列,表示迭代过程中第p步时的协同转向控制器的最优控制序列,Ua(k)[p]表示迭代过程中第p步时的协同转向控制器的非最优控制序列,Ua(k)[p+1]表示迭代过程中第p+1步时的协同转向控制器的非最优控制序列;当迭代步数一定时,其迭代的顺序如下:首先给定p=0时驾驶员和控制器的控制输入初值,式(19)可以用来求取p=0时的“最优”人机控制输入,利用式(20)可以求得p+1人机所采取的控制策略,以此循环往复;当迭代步数到达无穷时即p→∞,时,将方程和代入式(19)可以求得:
其中:
Δh=(I-ΦhSh3ΦaSh2)-1Φh,Δa=(I-ΦaSh2ΦhSh3)-1Φa.
可以看出为对称满秩方阵,因此其逆也为对称满秩方阵,观察矩阵也为对称满秩矩阵,因此ΦhSh3则为对称满秩方阵,同理ΦaSh2也为对称满秩方阵,则矩阵I-ΦhSh3ΦaSh2与矩阵I-ΦaSh2ΦhSh3也为对称满秩方阵,则式(19)则必定有解;
步骤四、人车协同转向控制执行:
当前时刻车辆前轮转角δf作为最终控制量传给车辆,车辆通过相应的执行机构执行控制量δf,即可完成驾驶员控制目标和协同转向控制器控制目标发生冲突的条件下的协同转向控制。
Claims (2)
1.一种考虑人车冲突的协同转向控制方法,基于一种驾驶员和协同转向控制器同时在环的驾驶模式,该种模式下当驾驶员控制目标与协同转向控制器控制目标不一致产生控制冲突时,通过构建博弈关系使得驾驶员与协同转向控制器实现博弈平衡来削减控制冲突程度,其特征在于,本方法具体步骤如下:
步骤一、建立共驾车辆系统模型:
建立大地坐标系:原点O固结于地面,X轴正方向为车辆初始运动方向,Y轴的正方向为X轴逆时针旋转90度方向;
建立车辆坐标系:以车辆质心o为坐标原点,x轴的正方向为车辆前进的方向,y轴的正方向为x轴逆时针旋转90度方向;
用车辆运动学模型表征车辆的操纵稳定性与车辆的侧向运动的关系,并用二自由度车辆动力学模型表征车辆的操纵稳定性和车辆的横摆运动之间的关系,具体过程如下:
假定车辆是一个质量块,以车辆前轮作为转向轮,根据车辆运动学方程以及车辆运动的几何关系得到车辆的运动学模型如式(1)所示:
式中xo为车辆质心o的纵向位移,单位m;yo为车辆质心o的侧向位移,单位m;v为车辆质心的速度,单位m/s;r为车辆的横摆角速度,单位rad/s;ψ为车辆的航向角,单位rad;β为车辆的质心侧偏角,单位rad;
考虑到实际道路的曲率通常很小,车辆在实际行驶时航向角ψ同样可以认为是很小的,且实际车辆的质心侧偏角β变化范围也很小,所以有:sin(ψ+β)≈ψ+β,cos(ψ+β)≈1,当车辆匀速行驶时可以忽略纵向车速的影响,同时结合式(1)可以得到简化的车辆运动学模型,如式(2)所示:
本方法通过控制车辆的前轮转角来实现路径跟踪的目的,并且认为车辆保持匀速状态行驶,所以只需要考虑车辆的侧向运动,根据牛顿第二定律与力矩平衡关系,可得到如式(3)所示的二自由度车辆动力学模型:
式中vx为车辆质心处的纵向速度,单位m/s;Fyf为车辆前轮侧向力,单位N;Fyr为车辆后轮侧向力,单位N;m为车辆的质量,单位kg;Iz为车辆绕z轴的转动惯量,单位kg·m2;a为车辆质心o到车辆前轴的距离,单位m;b为车辆质心o到车辆后轴的距离,单位m;δf为车辆前轮转角,单位rad;
车辆实际的前轮转角δf通常在小范围内变化,可以近似认为:cosδf≈1,sinδf≈0,因此对式(3)进行简化,简化后的二自由度车辆动力学模型如式(4)所示:
车辆侧向轮胎力未达到饱和时,车辆侧向轮胎力Fy与轮胎侧偏角α可近似看作呈线性关系如式(5)所示:
式中Cf为车辆前轮的轮胎侧偏刚度,单位N·rad;Cr为车辆后轮的轮胎侧偏刚度,单位N·rad;αf为车辆前轮的轮胎侧偏角,单位rad;αr为车辆后轮的轮胎侧偏角,单位rad;
在车辆坐标系下,前轮的轮胎侧偏角αf和后轮的轮胎侧偏角αr有如式(6)的关系:
结合式(4)、式(5)和式(6),整理可得式(7):
驾驶员和协同转向控制器之间的驾驶权重α可以根据驾驶员的意愿进行提前设定,设定范围为0≤α≤1,驾驶员和协同转向控制器共同驾驶车辆时车辆前轮转角δf由两部分组成,驾驶员当前时刻决策出的前轮转角δh,协同转向控制器当前时刻决策出的前轮转角δa,后再按照式(8)给出的比例关系进行叠加执行到车辆的前轮:
δf=αδh+(1-α)δa (8)
式中δa为当前时刻协同转向控制器前轮转角,单位rad;δh为驾驶员当前时刻前轮转角,单位rad;
结合式(2)、式(7)和式(8),由于侧向车速相对于纵向车速较小可以近似看作v≈vx,整理可得共驾车辆系统模型如式(9):
该共驾车辆系统模型选取车辆质心o的侧向位移yo作为人车协同转向系统的输出,同时选取人车协同转向系统的辅助前轮转角δa作为人车协同转向系统系统模型的控制输入,选取状态向量x=[yo ψ β r]T,人车协同转向系统模型可被描述成如式(10)所示的状态空间形式:
其中A为系统矩阵,表示系统内部状态变量的关系;Ba为协同转向控制器的控制矩阵,表示协同转向控制器的输入变量如何控制状态变量;表示输出变量如何反映状态;Bh为驾驶员的控制矩阵,表示驾驶员的输入变量如何控制状态变量;C为输出矩阵,各个矩阵表达式如下:
C=[1 0 0 0];
为了方便控制器设计,将式(10)的共驾车辆系统模型进行离散化得到离散化以后的共驾车辆系统模型如式(11):
步骤二、博弈平衡条件下人机协同控制策略设计:
驾驶员的决策过程与协同转向控制器类似,因此驾驶员和协同转向控制器均采用预测控制进行决策,当依据驾驶员的驾驶能力和驾驶习惯选定驾驶权重后,驾驶员通过一段时间的适应以后能够理解共驾车辆的特性和协同转向控制器辅助特性,在对协同转向控制器动作预测的基础上实现自身的决策;协同转向控制器能够实时采集驾驶员的驾驶信息,预测驾驶员未来的控制动作实现对驾驶员的辅助,驾驶员和协同转向控制器双方进行决策都是基于式(11)的离散化以后的共驾车辆系统模型,定义Ca=Ch=Cc,依据预测控制原理,定义预测时域为P,控制时域为N,驾驶员的预测输出方程如式(12)所示:
Yh(k)=Sh1x(k)+Sh2Uh(k)+Sh3Ua(k). (12)
式(12)中的Yh(k)为预测时域内驾驶员预测的车辆侧向位移,Uh(k)为预测时域内驾驶员决策的控制序列,Ua(k)为预测时域内驾驶员决策的控制序列;
协同转向控制器其状态预测的基本原理与驾驶员类似,其预测方程如下所示:
Ya(k)=Sa1x(k)+Sa2Uh(k)+Sa3Ua(k), (13)
其中Ya(k)为预测时域内协同转向控制器预测的车辆侧向位移,式(12)与式(13)中:
驾驶员和协同转向控制器的决策可以表达为如下优化目标的形式:
式(14)中为驾驶员的控制目标,式(15)中为协同转向控制器的控制目标,式(14)与式(15)中ya=yh=yo,Γhq、Γhr、Γaq与Γar分别为正定加权对角矩阵,Rh(k)为驾驶员的参考轨迹序列,Ra(k)为协同转向控制器的参考轨迹序列,通过传感感知模块获取;
驾驶员和人机协同转向控制器的理想路径存在差别,即Rh(k)≠Ra(k),则博弈双方形成的为非合作博弈关系,当驾驶员和控制器双方都为了实现自身的期望路径而采取最优控制策略时,此时人机之间的策略组合就构成了纳什均衡策略,当双方达成博弈平衡时满足以下条件:
式中为博弈平衡条件下驾驶员最优控制序列,为博弈平衡条件下协同转向控制器的最优控制序列,在转向控制的博弈过程中,如果驾驶员和协同转向控制器之间没有进行最优路径之间信息沟通,驾驶员与协同转向控制器双方都没有改变自身最优控制量的可能,因为单边改变自身最优控制量都会使得自身对参考路径的跟踪精度下降,因此达到均衡条件时,驾驶员和协同转向控制器双方均达成了自身的最优控制策略,虽然这不一定是全局条件下双方可能达到的全局最优策略,但一定程度上通过实现的博弈的平衡削减了人机冲突的程度;
步骤三、博弈平衡条件下人机最优控制策略求解:
上式(17)等价于
式(19)中博弈平衡条件下驾驶员最优控制序列和博弈平衡条件下协同转向控制器最优控制序列相互耦合,博弈双方优化问题的求解需要已知对方优化的结果,因此无法直接求解最优的控制策略,因此为了解决这个问题,可以添加如下凸迭代伴随方程求解:
其中ω1与ω2为加权系数并且满足ω2+ω2=1,p代表的是迭代的步数,表示迭代过程中第p步时的驾驶员的最优控制序列,Uh(k)[p]表示迭代过程中第p步时的驾驶员的非最优控制序列,Uh(k)[p+1]表示迭代过程中第p+1步时的驾驶员的非最优控制序列,表示迭代过程中第p步时的协同转向控制器的最优控制序列,Ua(k)[p]表示迭代过程中第p步时的协同转向控制器的非最优控制序列,Ua(k)[p+1]表示迭代过程中第p+1步时的协同转向控制器的非最优控制序列;当迭代步数一定时,其迭代的顺序如下:首先给定p=0时驾驶员和控制器的控制输入初值,式(19)可以用来求取p=0时的“最优”人机控制输入,利用式(20)可以求得p+1人机所采取的控制策略,以此循环往复;当迭代步数到达无穷时,即p→∞,时,将方程和代入式(19)可以求得:
其中:
Δh=(I-ΦhSh3ΦaSh2)-1Φh,Δa=(I-ΦaSh2ΦhSh3)-1Φa.
可以看出为对称满秩方阵,因此其逆也为对称满秩方阵,观察矩阵也为对称满秩矩阵,因此ΦhSh3则为对称满秩方阵,同理ΦaSh2也为对称满秩方阵,则矩阵I-ΦhSh3ΦaSh2与矩阵I-ΦaSh2ΦhSh3也为对称满秩方阵,则式(19)则必定有解;
步骤四、人车协同转向控制执行:
当前时刻车辆前轮转角δf作为最终控制量传给车辆,车辆通过相应的执行机构执行控制量δf,即可完成驾驶员控制目标和协同转向控制器控制目标发生冲突的条件下的协同转向控制。
2.根据权利要求1所述的一种考虑人车冲突的协同转向控制方法,其特征在于,步骤二中驾驶员的参考轨迹序列Rh(k)通过求取均值的方法获得,具体是通过反复采集驾驶员通过某一路段的行驶轨迹,将多次行驶轨迹进行叠加并求取均值获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010654864.0A CN111717207B (zh) | 2020-07-09 | 2020-07-09 | 一种考虑人车冲突的协同转向控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010654864.0A CN111717207B (zh) | 2020-07-09 | 2020-07-09 | 一种考虑人车冲突的协同转向控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111717207A true CN111717207A (zh) | 2020-09-29 |
CN111717207B CN111717207B (zh) | 2021-07-23 |
Family
ID=72573961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010654864.0A Active CN111717207B (zh) | 2020-07-09 | 2020-07-09 | 一种考虑人车冲突的协同转向控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111717207B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348198A (zh) * | 2020-10-30 | 2021-02-09 | 上海对外经贸大学 | 一种人机混合决策的机器行为在冲突中的协调方法 |
CN112373470A (zh) * | 2020-11-17 | 2021-02-19 | 聊城大学 | 紧急避让工况自动驾驶转向制动Nash博弈控制方法 |
CN112721943A (zh) * | 2021-01-20 | 2021-04-30 | 吉林大学 | 一种具有冲突消解功能的人机共驾横向控制方法 |
CN113200056A (zh) * | 2021-06-22 | 2021-08-03 | 吉林大学 | 一种非完全信息非合作博弈人机共驾控制方法 |
CN113341730A (zh) * | 2021-06-28 | 2021-09-03 | 上海交通大学 | 一种远程人机协同下的车辆转向控制方法 |
CN113553726A (zh) * | 2021-08-06 | 2021-10-26 | 吉林大学 | 一种冰雪环境下的主从博弈型人机协同转向控制方法 |
CN114179831A (zh) * | 2021-12-29 | 2022-03-15 | 吉林大学 | 一种基于驾驶员分心判断的人机转向切换控制方法 |
CN116729417A (zh) * | 2023-05-22 | 2023-09-12 | 南京航空航天大学 | 一种基于非合作博弈的人机共驾横纵向联合控制方法 |
WO2023197609A1 (zh) * | 2022-04-14 | 2023-10-19 | 京东鲲鹏(江苏)科技有限公司 | 人机共驾冲突控制方法、装置、存储介质及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1431160A1 (en) * | 2002-12-20 | 2004-06-23 | Ford Global Technologies, Inc. | Control strategy for computer-controlled steering |
CN107323457A (zh) * | 2017-07-06 | 2017-11-07 | 吉林大学 | 一种人机协同的共享转向控制方法 |
CN107804315A (zh) * | 2017-11-07 | 2018-03-16 | 吉林大学 | 一种考虑驾驶权实时分配的人车协同转向控制方法 |
CN108454628A (zh) * | 2018-04-17 | 2018-08-28 | 吉林大学 | 一种驾驶员在环的人车协同转向滚动优化控制方法 |
CN108595823A (zh) * | 2018-04-20 | 2018-09-28 | 大连理工大学 | 一种联合驾驶风格和博弈理论的自主车换道策略的计算方法 |
CN110321605A (zh) * | 2019-06-19 | 2019-10-11 | 中汽研(天津)汽车工程研究院有限公司 | 一种基于多重模型预测控制的人机交互协调控制策略 |
CN110826192A (zh) * | 2019-10-15 | 2020-02-21 | 南京航空航天大学 | 一种基于纳什谈判准则的人-车合作型博弈控制方法 |
-
2020
- 2020-07-09 CN CN202010654864.0A patent/CN111717207B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1431160A1 (en) * | 2002-12-20 | 2004-06-23 | Ford Global Technologies, Inc. | Control strategy for computer-controlled steering |
CN107323457A (zh) * | 2017-07-06 | 2017-11-07 | 吉林大学 | 一种人机协同的共享转向控制方法 |
CN107804315A (zh) * | 2017-11-07 | 2018-03-16 | 吉林大学 | 一种考虑驾驶权实时分配的人车协同转向控制方法 |
CN108454628A (zh) * | 2018-04-17 | 2018-08-28 | 吉林大学 | 一种驾驶员在环的人车协同转向滚动优化控制方法 |
CN108595823A (zh) * | 2018-04-20 | 2018-09-28 | 大连理工大学 | 一种联合驾驶风格和博弈理论的自主车换道策略的计算方法 |
CN110321605A (zh) * | 2019-06-19 | 2019-10-11 | 中汽研(天津)汽车工程研究院有限公司 | 一种基于多重模型预测控制的人机交互协调控制策略 |
CN110826192A (zh) * | 2019-10-15 | 2020-02-21 | 南京航空航天大学 | 一种基于纳什谈判准则的人-车合作型博弈控制方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348198A (zh) * | 2020-10-30 | 2021-02-09 | 上海对外经贸大学 | 一种人机混合决策的机器行为在冲突中的协调方法 |
CN112373470B (zh) * | 2020-11-17 | 2022-01-28 | 聊城大学 | 紧急避让工况自动驾驶转向制动纳什博弈控制方法 |
CN112373470A (zh) * | 2020-11-17 | 2021-02-19 | 聊城大学 | 紧急避让工况自动驾驶转向制动Nash博弈控制方法 |
CN112721943A (zh) * | 2021-01-20 | 2021-04-30 | 吉林大学 | 一种具有冲突消解功能的人机共驾横向控制方法 |
CN112721943B (zh) * | 2021-01-20 | 2021-08-03 | 吉林大学 | 一种具有冲突消解功能的人机共驾横向控制方法 |
CN113200056A (zh) * | 2021-06-22 | 2021-08-03 | 吉林大学 | 一种非完全信息非合作博弈人机共驾控制方法 |
CN113341730A (zh) * | 2021-06-28 | 2021-09-03 | 上海交通大学 | 一种远程人机协同下的车辆转向控制方法 |
CN113553726A (zh) * | 2021-08-06 | 2021-10-26 | 吉林大学 | 一种冰雪环境下的主从博弈型人机协同转向控制方法 |
CN113553726B (zh) * | 2021-08-06 | 2022-07-05 | 吉林大学 | 一种冰雪环境下的主从博弈型人机协同转向控制方法 |
CN114179831A (zh) * | 2021-12-29 | 2022-03-15 | 吉林大学 | 一种基于驾驶员分心判断的人机转向切换控制方法 |
CN114179831B (zh) * | 2021-12-29 | 2023-02-17 | 吉林大学 | 一种基于驾驶员分心判断的人机转向切换控制方法 |
WO2023197609A1 (zh) * | 2022-04-14 | 2023-10-19 | 京东鲲鹏(江苏)科技有限公司 | 人机共驾冲突控制方法、装置、存储介质及电子设备 |
CN116729417A (zh) * | 2023-05-22 | 2023-09-12 | 南京航空航天大学 | 一种基于非合作博弈的人机共驾横纵向联合控制方法 |
CN116729417B (zh) * | 2023-05-22 | 2024-03-15 | 南京航空航天大学 | 一种基于非合作博弈的人机共驾横纵向联合控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111717207B (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111717207B (zh) | 一种考虑人车冲突的协同转向控制方法 | |
CN107804315B (zh) | 一种考虑驾驶权实时分配的人车协同转向控制方法 | |
CN111890951B (zh) | 智能电动汽车轨迹跟踪与运动控制方法 | |
CN109017778B (zh) | 四轮独立驱动车辆的期望路径主动转向控制方法 | |
CN108454628B (zh) | 一种驾驶员在环的人车协同转向滚动优化控制方法 | |
CN111497826B (zh) | 一种电动汽车横摆稳定性协调控制方法及系统 | |
CN109017760B (zh) | 车辆期望轨迹跟踪方法、装置及滚动时域优化算法 | |
CN109050661B (zh) | 电子差速和主动差动转向的协调控制方法及协调控制装置 | |
CN104859650B (zh) | 一种多时间尺度的车辆横摆稳定性滚动优化控制方法 | |
Chen et al. | Dynamic drifting control for general path tracking of autonomous vehicles | |
CN111873985B (zh) | 一种四轮驱动电动汽车的集成底盘控制方法 | |
Zhai et al. | MPC-based integrated control of trajectory tracking and handling stability for intelligent driving vehicle driven by four hub motor | |
CN104977933A (zh) | 一种自主驾驶车辆的区域型路径跟踪控制方法 | |
CN112141101B (zh) | 一种基于cnn和lstm的预瞄安全路径的方法及系统 | |
Koga et al. | Realization of different driving characteristics for autonomous vehicle by using model predictive control | |
CN109177744B (zh) | 一种轮毂电机驱动汽车车道偏离辅助控制方法 | |
CN109017804B (zh) | 力矩分配控制器为车辆各轮毂电机分配驱动力矩的方法 | |
CN109291806B (zh) | 轮毂电机驱动汽车的车道偏离辅助控制系统及控制方法 | |
CN109017446B (zh) | 期待路径车辆纵向速度追踪控制方法及装置 | |
CN111158264A (zh) | 面向车载应用的模型预测控制快速求解方法 | |
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 | |
CN105644566A (zh) | 一种基于车联网的电动汽车辅助换道轨迹的跟踪方法 | |
CN114987537A (zh) | 基于神经网络动力学的自动驾驶车辆道路自适应漂移控制系统与方法 | |
CN110654386B (zh) | 弯道下多智能电动汽车协作式巡航纵横向综合控制方法 | |
CN109017447B (zh) | 无人驾驶车辆总的驱动力矩输出方法 |
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 |