CN111717282B - 一种基于模型预测控制的人机共享驾驶辅助转向方法 - Google Patents

一种基于模型预测控制的人机共享驾驶辅助转向方法 Download PDF

Info

Publication number
CN111717282B
CN111717282B CN202010646213.7A CN202010646213A CN111717282B CN 111717282 B CN111717282 B CN 111717282B CN 202010646213 A CN202010646213 A CN 202010646213A CN 111717282 B CN111717282 B CN 111717282B
Authority
CN
China
Prior art keywords
steering
vehicle
model
control
time domain
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
CN202010646213.7A
Other languages
English (en)
Other versions
CN111717282A (zh
Inventor
徐昕
张兴龙
方强
周星
刘学卿
尹昕
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.)
National University of Defense Technology
Original Assignee
National University of Defense 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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010646213.7A priority Critical patent/CN111717282B/zh
Publication of CN111717282A publication Critical patent/CN111717282A/zh
Application granted granted Critical
Publication of CN111717282B publication Critical patent/CN111717282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • 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
    • B60W50/0097—Predicting future conditions
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种基于模型预测控制的人机共享驾驶辅助转向方法，包括以下步骤：A、通过车载的雷达、摄像头和定位装置对车辆行驶场景数据信息进行获取，然后生成局部规划路线；B、建立车辆动力学模型和运动学模型；C、将车辆模型线性化和离散化；D、根据预测时域和控制时域，对模型进行预测；E、构造目标函数，将模型预测的矩阵和约束条件带入目标函数，求解得到转向控制序列，获得次优条件下的转向控制并作用于辅助转向电机，产生辅助转向力矩或预转向力矩；F、驾驶员根据自身对车辆行驶状态的判断，对转向力矩进行主动修正。本发明能够解决现有技术的不足，通过减少预测时域和控制时域，求得目标函数最优解，来满足求解的实时性要求。

Description

一种基于模型预测控制的人机共享驾驶辅助转向方法
技术领域
本发明属于智能车辆控制技术领域，具体是一种基于模型预测控制的人机共享驾驶辅助转向方法。
背景技术
根据美国汽车工程师学会(Society of Automotive Engineers，SAE)定义的六个级别的车辆自动化(L0-L5),短期内实现全工况自动驾驶(L5)仍然存在诸多困难。在实现L5之前，将结合驾驶员和智能车控制系统的人机共享驾驶技术运用到智能车辆系统中是当前智能汽车技术研究的主要方向之一。近年来，作为智能车控制算法之一的模型预测控制(Model Predictive Control，MPC)得到了广泛的应用。然而，该控制算法应用L5自动驾驶主要存在两个问题：a)如何辨识出车辆的动力学模型，以完成较准确的模型预测；b)在有约束的条件下，求解目标函数，即最优化问题，如果要达到最优的跟踪效果，实时性的要求还难以满足。另一方面，现有的辅助转向系统及控制方法中，以纯电动线控汽车人机共享驾驶为实验平台，结合MPC和人机共享驾驶的车辆辅助转向系统及方法还鲜有公开。
发明内容
本发明要解决的技术问题是提供一种基于模型预测控制的人机共享驾驶辅助转向方法，能够解决现有技术的不足，通过减少预测时域和控制时域(即次优条件)，求得目标函数最优解，来满足求解的实时性要求。
本发明的内容包括以下步骤，
A、通过车载的雷达、摄像头和定位装置对车辆行驶场景数据信息进行获取，然后生成局部规划路线；
B、建立车辆动力学模型和运动学模型；
C、将车辆模型线性化和离散化；
D、根据预测时域和控制时域，对模型进行预测；
E、构造目标函数，将模型预测的矩阵和约束条件带入目标函数，求解得到转向控制序列，获得次优条件下的转向控制并作用于辅助转向电机，产生辅助转向力矩或预转向力矩；
F、驾驶员根据自身对车辆行驶状态的判断，对转向力矩进行主动修正。
作为优选，步骤B中，建立车辆动力学模型和运动学模型包括以下步骤，
设
Figure GDA0003305956180000011
为常值，即车辆沿纵轴方向做匀速运动，
Figure GDA0003305956180000021
Figure GDA0003305956180000022
其中，m为车辆总质量，
Figure GDA0003305956180000023
为车辆横向加速度，
Figure GDA0003305956180000024
为车辆沿纵轴方向的速度，
Figure GDA0003305956180000025
为车辆沿横轴方向的速度，af为前轮侧偏角，ar为后轮侧偏角，δf为前轮转角，Iz为车辆的转动惯量，
Figure GDA0003305956180000026
为航向角加速度，lf为前轴到质心的距离，lr为后轴到质心的距离，ψ为航向角，
Figure GDA0003305956180000027
为横摆角速度；
得前后轮侧偏角，
Figure GDA0003305956180000028
Figure GDA0003305956180000029
前后轮的侧偏力为，
Figure GDA00033059561800000210
Figure GDA00033059561800000211
其中，Caf和Car分别表示前后轮的侧偏刚度；
结合运动学方程，得到二轮车模型，
Figure GDA00033059561800000212
Figure GDA00033059561800000213
Figure GDA00033059561800000214
Figure GDA00033059561800000215
Figure GDA00033059561800000216
用非线性动力学模型表示：
Figure GDA00033059561800000217
状态量为
Figure GDA00033059561800000218
控制量为ud＝δf。
作为优选，步骤C中，将车辆模型线性化和离散化包括以下步骤，
将非线性动力学模型线性化得线性时变方程：
Figure GDA0003305956180000031
其中，
Figure GDA0003305956180000032
Figure GDA0003305956180000033
Figure GDA0003305956180000034
Figure GDA0003305956180000035
Figure GDA0003305956180000036
Figure GDA0003305956180000037
Figure GDA0003305956180000038
Figure GDA0003305956180000039
Figure GDA00033059561800000310
Figure GDA00033059561800000311
Figure GDA00033059561800000312
由前向欧拉公式得离散化得线性时变方程：
ζd(k+1)＝Ad(k)ζd(k)+Bd(k)ud(k)
Ad(k)＝I+TAd(t)Bd(k)＝TBd(t)，
其中T为采样时间。
作为优选，步骤D中，对模型进行预测包括以下步骤，
令
Figure GDA0003305956180000041
将线性时变方程转化为，
φ(k+1|t)＝Ak，tφ(k|t)+Bk，tΔU(k|t)
ξ(k+1|t)＝Ck，tφ(k+1|t)，
其中，
Figure GDA0003305956180000042
Ck，t＝[C 0]，C＝[0 1 0 1 1]，设预测时域为Np，控制时域为Nc，得模型预测方程：
Yp(t)＝Ap(t)φ(k|t)+Up(t)ΔU(k|t)，
其中，
Yp(t)＝[ξ(k+1|t) ξ(k+2|t) ξ(k+3|t) ... ξ(k+Np|t)]T
Figure GDA0003305956180000043
Figure GDA0003305956180000044
ΔU(k|t)＝[Δu(k|t) Δu(k+1|t) Δu(k+2|t) ... Δu(k+Nc|t)]T。
作为优选，步骤E中，求解得到转向控制序列包括一下步骤，
构造带有松弛因子ε和输入约束的目标函数：
Figure GDA0003305956180000045
s.t.ΔUmin≤ΔU(k|t)≤ΔUmax
Umin≤AΔU(k|t)+U(k-1|t)≤Umax
Ymin-ε≤YP(t)≤Ymax+ε，ε＞0
其中Q半正定对称矩阵，R为正定对称矩阵，ρ为权重系数，
Figure GDA0003305956180000051
Figure GDA0003305956180000052
在每个控制周期通过求解目标函数，得到控制时域内输入增量和松弛因子：
ΔU*＝[Δu*(k|t) Δu*(k+1|t)Δu*(k+2|t) … Δu*(k+Nc-1) ε*]T
取求解的控制序列第一个控制增量作用于系统：
u(t)＝u(t-1)+Δu*(k|t)，
每个控制周期进行一次求解，循环此过程产生追踪局部路径的转向角；
将得到的控制量通过PID算法转换成辅助电机需施加给方向盘的力矩，再将力矩和角度打包成CAN报文，经通信设备传至车辆CAN总线，控制辅助电机产生用于轨迹跟踪的转向或预转向。
作为优选，步骤F中，驾驶员对转向力矩进行主动修正包括以下步骤，
当驾驶员施加给方向盘力矩的方向与辅助电机施加给方向盘力矩的方向一致，可实现扭矩叠加，即人机共享转向，以更精确的完成轨迹跟踪；当驾驶员施加给方向盘力矩的方向与辅助电机施加给方向盘力矩的方向不一致，且力矩值大于辅助电机所施的力矩值，以驾驶员的操作为准，否则，车辆为自主转向。
本发明的有益效果是，通过减少预测时域和控制时域，以控制精度来缩短求解时间满足实时性，通过控制辅助电机而不直接控制转向系统实现人机共享转向控制，整体机械装置简单，稳定性高，执行效率高。
附图说明
图1为二轮车模型图。
图2为辅助转向力矩的产生流程图
图3为人机共享转向控制的流程图。
具体实施方式
本发明包括以下步骤，
A、通过车载的雷达、摄像头和定位装置对车辆行驶场景数据信息进行获取，然后生成局部规划路线；
B、建立车辆动力学模型和运动学模型；
C、将车辆模型线性化和离散化；
D、根据预测时域和控制时域，对模型进行预测；
E、构造目标函数，将模型预测的矩阵和约束条件带入目标函数，求解得到转向控制序列，获得次优条件下的转向控制并作用于辅助转向电机，产生辅助转向力矩或预转向力矩；
F、驾驶员根据自身对车辆行驶状态的判断，对转向力矩进行主动修正。
步骤B中，建立车辆动力学模型和运动学模型包括以下步骤，
设
Figure GDA0003305956180000061
为常值，即车辆沿纵轴方向做匀速运动，
Figure GDA0003305956180000062
Figure GDA0003305956180000063
其中，m为车辆总质量，
Figure GDA0003305956180000064
为车辆横向加速度，
Figure GDA0003305956180000065
为车辆沿纵轴方向的速度，
Figure GDA0003305956180000066
为车辆沿横轴方向的速度，af为前轮侧偏角，ar为后轮侧偏角，δf为前轮转角，Iz为车辆的转动惯量，
Figure GDA0003305956180000067
为航向角加速度，lf为前轴到质心的距离，lr为后轴到质心的距离，ψ为航向角，
Figure GDA00033059561800000612
为横摆角速度；
得前后轮侧偏角，
Figure GDA0003305956180000068
Figure GDA0003305956180000069
前后轮的侧偏力为，
Figure GDA00033059561800000610
Figure GDA00033059561800000611
其中，Caf和Car分别表示前后轮的侧偏刚度；
结合运动学方程，得到二轮车模型，
Figure GDA0003305956180000071
Figure GDA0003305956180000072
Figure GDA0003305956180000073
Figure GDA0003305956180000074
Figure GDA0003305956180000075
用非线性动力学模型表示：
Figure GDA0003305956180000076
状态量为
Figure GDA0003305956180000077
控制量为ud＝δf。
步骤C中，将车辆模型线性化和离散化包括以下步骤，
将非线性动力学模型线性化得线性时变方程：
Figure GDA0003305956180000078
其中，
Figure GDA0003305956180000079
Figure GDA00033059561800000710
Figure GDA00033059561800000711
Figure GDA00033059561800000712
Figure GDA00033059561800000713
Figure GDA00033059561800000714
Figure GDA00033059561800000715
Figure GDA0003305956180000081
Figure GDA0003305956180000082
Figure GDA0003305956180000083
Figure GDA0003305956180000084
由前向欧拉公式得离散化得线性时变方程：
ζd(k+1)＝Ad(k)ζd(k)+Bd(k)ud(k)
Ad(k)＝I+TAd(t)Bd(k)＝TBd(t)，
其中T为采样时间。
步骤D中，对模型进行预测包括以下步骤，
令
Figure GDA0003305956180000085
将线性时变方程转化为，
φ(k+1|t)＝Ak，tφ(k|t)+Bk，tΔU(k|t)
ξ(k+1|t)＝Ck，tφ(k+1|t)，
其中，
Figure GDA0003305956180000086
Ck，t＝[C 0]，C＝[0 1 0 1 1]，设预测时域为Np，控制时域为Nc，得模型预测方程：
Yp(t)＝Ap(t)φ(k|t)+Up(t)ΔU(k|t)，
其中，
Yp(t)＝[ξ(k+1|t) ξ(k+2|t) ξ(k+3|t) ... ξ(k+Np|t)]T
Figure GDA0003305956180000087
Figure GDA0003305956180000091
ΔU(k|t)＝[Δu(k|t) Δu(k+1|t) Δu(k+2|t) ... Δu(k+Nc|t)]T。
步骤E中，求解得到转向控制序列包括一下步骤，
构造带有松弛因子ε和输入约束的目标函数：
Figure GDA0003305956180000092
s.t.ΔUmin≤ΔU(k|t)≤ΔUmax
Umin≤AΔU(k|t)+U(k-1|t)≤Umax
Ymin-ε≤YP(t)≤Ymax+ε，ε＞0
其中Q半正定对称矩阵，R为正定对称矩阵，ρ为权重系数，
Figure GDA0003305956180000093
Figure GDA0003305956180000094
在每个控制周期通过求解目标函数，得到控制时域内输入增量和松弛因子：
ΔU*＝[Δu*(k|t) Δu*(k+1|t) Δu*(k+2|t) … Δu*(k+Nc-1)ε*]T
取求解的控制序列第一个控制增量作用于系统：
u(t)＝u(t-1)+Δu*(k|t)，
每个控制周期进行一次求解，循环此过程产生追踪局部路径的转向角；
将得到的控制量通过PID算法转换成辅助电机需施加给方向盘的力矩，再将力矩和角度打包成CAN报文，经通信设备传至车辆CAN总线，控制辅助电机产生用于轨迹跟踪的转向或预转向。
步骤F中，驾驶员对转向力矩进行主动修正包括以下步骤，
当驾驶员施加给方向盘力矩的方向与辅助电机施加给方向盘力矩的方向一致，可实现扭矩叠加，即人机共享转向，以更精确的完成轨迹跟踪；当驾驶员施加给方向盘力矩的方向与辅助电机施加给方向盘力矩的方向不一致，且力矩值大于辅助电机所施的力矩值，以驾驶员的操作为准，否则，车辆为自主转向。

Claims (2)

1.一种基于模型预测控制的人机共享驾驶辅助转向方法，其特征在于包括以下步骤，
A、通过车载的雷达、摄像头和定位装置对车辆行驶场景数据信息进行获取，然后生成局部规划路线；
B、建立车辆动力学模型和运动学模型；
建立车辆动力学模型和运动学模型包括以下步骤，
设
Figure FDA0003305956170000011
为常值，即车辆沿纵轴方向做匀速运动，
Figure FDA0003305956170000012
Figure FDA0003305956170000013
其中，m为车辆总质量，
Figure FDA0003305956170000014
为车辆横向加速度，
Figure FDA0003305956170000015
为车辆沿纵轴方向的速度，
Figure FDA0003305956170000016
为车辆沿横轴方向的速度，af为前轮侧偏角，ar为后轮侧偏角，δf为前轮转角，Iz为车辆的转动惯量，
Figure FDA0003305956170000017
为航向角加速度，lf为前轴到质心的距离，lr为后轴到质心的距离，ψ为航向角，
Figure FDA0003305956170000018
为横摆角速度；
得前后轮侧偏角，
Figure FDA0003305956170000019
Figure FDA00033059561700000110
前后轮的侧偏力为，
Figure FDA00033059561700000111
Figure FDA00033059561700000112
其中，Caf和Car分别表示前后轮的侧偏刚度；
结合运动学方程，得到二轮车模型，
Figure FDA0003305956170000021
Figure FDA0003305956170000022
Figure FDA0003305956170000023
Figure FDA0003305956170000024
Figure FDA0003305956170000025
用非线性动力学模型表示：
Figure FDA0003305956170000026
状态量为
Figure FDA0003305956170000027
控制量为ud＝δf；
C、将车辆模型线性化和离散化；
将车辆模型线性化和离散化包括以下步骤，
将非线性动力学模型线性化得线性时变方程：
Figure FDA0003305956170000028
其中，
Figure FDA0003305956170000029
Figure FDA0003305956170000031
Figure FDA0003305956170000032
Figure FDA0003305956170000033
Figure FDA0003305956170000034
Figure FDA0003305956170000035
Figure FDA0003305956170000036
Figure FDA0003305956170000037
Figure FDA0003305956170000038
Figure FDA0003305956170000039
Figure FDA00033059561700000310
由前向欧拉公式得离散化得线性时变方程：
ζd(k+1)＝Ad(k)ζd(k)+Bd(k)ud(k)
Ad(k)＝I+TAd(t) Bd(k)＝TBd(t)，
其中T为采样时间；
D、根据预测时域和控制时域，对模型进行预测；
对模型进行预测包括以下步骤，
令
Figure FDA00033059561700000311
将线性时变方程转化为，
φ(k+1|t)＝Ak，tφ(k|t)+Bk，tΔU(k|t)
ξ(k+1|t)＝Ck，tφ(k+1|t)，
其中，
Figure FDA00033059561700000312
Ck，t＝[C 0]，C＝[0 1 0 1 1]，设预测时域为Np，控制时域为Nc，得模型预测方程：
Yp(t)＝Ap(t)φ(k|t)+Up(t)ΔU(k|t)，
其中，
Yp(t)＝[ξ(k+1|t) ξ(k+2|t) ξ(k+3|t)...ξ(k+Np|t)]T
Figure FDA0003305956170000046
Figure FDA0003305956170000041
ΔU(k|t)＝[Δu(k|t) Δu(k+1|t) Δu(k+2|t)...Δu(k+Nc|t)]T；
E、构造目标函数，将模型预测的矩阵和约束条件带入目标函数，求解得到转向控制序列，获得次优条件下的转向控制并作用于辅助转向电机，产生辅助转向力矩或预转向力矩；次优条件指的是减少预测时域和控制时域；
求解得到转向控制序列包括一下步骤，
构造带有松弛因子ε和输入约束的目标函数：
s.t.
Figure FDA0003305956170000042
其中Q半正定对称矩阵，R为正定对称矩阵，ρ为权重系数，
Figure FDA0003305956170000043
Figure FDA0003305956170000044
在每个控制周期通过求解目标函数，得到控制时域内输入增量和松弛因子：
ΔU*＝[Δu*(k|t) Δu*(k+1|t) Δu*(k+2|t)…Δu*(k+Nc-1) ε*]T
取求解的控制序列第一个控制增量作用于系统：
u(t)＝u(t-1)+Δu*(k|t)，
每个控制周期进行一次求解，循环此过程产生追踪局部路径的转向角；
将得到的控制量通过PID算法转换成辅助电机需施加给方向盘的力矩，再将力矩和角度打包成CAN报文，经通信设备传至车辆CAN总线，控制辅助电机产生用于轨迹跟踪的转向或预转向；
F、驾驶员根据自身对车辆行驶状态的判断，对转向力矩进行主动修正。
2.如权利要求1所述的基于模型预测控制的人机共享驾驶辅助转向方法，其特征在于：步骤F中，驾驶员对转向力矩进行主动修正包括以下步骤，
当驾驶员施加给方向盘力矩的方向与辅助电机施加给方向盘力矩的方向一致，可实现扭矩叠加，即人机共享转向，以更精确的完成轨迹跟踪；当驾驶员施加给方向盘力矩的方向与辅助电机施加给方向盘力矩的方向不一致，且力矩值大于辅助电机所施的力矩值，以驾驶员的操作为准，否则，车辆为自主转向。
CN202010646213.7A 2020-07-07 2020-07-07 一种基于模型预测控制的人机共享驾驶辅助转向方法 Active CN111717282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010646213.7A CN111717282B (zh) 2020-07-07 2020-07-07 一种基于模型预测控制的人机共享驾驶辅助转向方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010646213.7A CN111717282B (zh) 2020-07-07 2020-07-07 一种基于模型预测控制的人机共享驾驶辅助转向方法

Publications (2)

Publication Number Publication Date
CN111717282A CN111717282A (zh) 2020-09-29
CN111717282B true CN111717282B (zh) 2021-12-03

Family

ID=72572983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010646213.7A Active CN111717282B (zh) 2020-07-07 2020-07-07 一种基于模型预测控制的人机共享驾驶辅助转向方法

Country Status (1)

Country Link
CN (1) CN111717282B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114516342B (zh) * 2020-11-19 2024-05-03 上海汽车集团股份有限公司 一种车辆控制方法、装置及车辆
CN113771830B (zh) * 2020-12-18 2024-02-06 北京京东乾石科技有限公司 一种车辆控制方法和装置
CN114179909B (zh) * 2021-12-24 2022-10-18 中汽创智科技有限公司 行驶方向修正方法、装置、介质、设备及车辆
CN115923845B (zh) * 2023-01-09 2023-05-23 北京科技大学 自动驾驶车辆前向避撞场景下干预型共享控制方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE1351129A1 (sv) * 2013-09-30 2015-03-31 Scania Cv Ab System och metod i samband med fordonståg
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
CN108327717A (zh) * 2018-02-06 2018-07-27 合肥工业大学 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法
CN109795502A (zh) * 2018-09-27 2019-05-24 吉林大学 智能电动汽车路径跟踪模型预测控制方法
CN110329255A (zh) * 2019-07-19 2019-10-15 中汽研（天津）汽车工程研究院有限公司 一种基于人机协同策略的车道偏离辅助控制方法
CN110696793A (zh) * 2019-09-19 2020-01-17 江苏理工学院 一种四轮转向联合差动制动的智能车辆分层控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9493149B2 (en) * 2008-07-02 2016-11-15 Michael Phelan Driver authentication system and method for monitoring and controlling vehicle usage
CN108007417B (zh) * 2016-10-27 2021-02-05 上海华测导航技术股份有限公司 一种农机自动驾驶控制系统角度传感器自动标定方法
US9969386B1 (en) * 2017-01-10 2018-05-15 Mitsubishi Electric Research Laboratories, Inc. Vehicle automated parking system and method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE1351129A1 (sv) * 2013-09-30 2015-03-31 Scania Cv Ab System och metod i samband med fordonståg
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
CN108327717A (zh) * 2018-02-06 2018-07-27 合肥工业大学 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法
CN109795502A (zh) * 2018-09-27 2019-05-24 吉林大学 智能电动汽车路径跟踪模型预测控制方法
CN110329255A (zh) * 2019-07-19 2019-10-15 中汽研（天津）汽车工程研究院有限公司 一种基于人机协同策略的车道偏离辅助控制方法
CN110696793A (zh) * 2019-09-19 2020-01-17 江苏理工学院 一种四轮转向联合差动制动的智能车辆分层控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于MPC的车道保持系统转向控制策略";罗莉华;《上海交通大学学报》;20140725;第48卷(第7期);第1015-1020页 *
"智能交通条件下车辆自主驾驶技术展望";贺汉根 等;《中国科学基金》;20160315;第106-111页 *

Also Published As

Publication number Publication date
CN111717282A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN111717282B (zh) 一种基于模型预测控制的人机共享驾驶辅助转向方法
CN112622903B (zh) 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法
Hima et al. Trajectory tracking for highly automated passenger vehicles
Xu et al. Model predictive control for lane keeping system in autonomous vehicle
Marino et al. A nested PID steering control for lane keeping in vision based autonomous vehicles
CN109177746A (zh) 一种用于轮边电机驱动车辆差动转向的控制系统及方法
CN113009829B (zh) 一种智能网联车队纵横向耦合控制方法
CN113460088A (zh) 基于非线性轮胎和驾驶员模型的无人车路径跟踪控制方法
CN116552550A (zh) 基于参数不确定性和横摆稳定性的车辆轨迹跟踪控制系统
CN116872910A (zh) 无人驾驶车辆轨迹跟踪与横摆稳定性控制方法及系统
CN114148403B (zh) 一种线控转向系统多工况稳定性控制方法
Dong et al. Real-time model predictive control for simultaneous drift and trajectory tracking of autonomous vehicles
CN109849898A (zh) 基于遗传算法混合优化gpc的车辆横摆稳定性控制方法
CN111413979B (zh) 一种基于快速模型预测的汽车轨迹跟踪控制方法
WO2024114037A1 (zh) 智能电动汽车路径跟踪控制方法及装置
Tong et al. Trajectory tracking control for four-wheel independently driven electric vehicle based on model predictive control and sliding model control
Wang et al. Model predictive control‐based longitudinal control for autonomous electric vehicle with changing mass
CN116520700A (zh) 一种欠驱动自动驾驶车辆的路径跟踪控制方法
CN116834754A (zh) 一种自动驾驶车辆自适应调速的横纵协同控制方法
Li et al. Path tracking control based on the prediction of tire state stiffness using the optimized steering sequence
Liu et al. Design of driverless racing chassis based on MPC
Kapania et al. An autonomous lanekeeping system for vehicle path tracking and stability at the limits of handling
Iyer et al. Sliding mode control using power rate exponential reaching law for urban platooning
Jian et al. An Optimal Controller for Trajectory Tracking of Automated Guided Vehicle
Zhang et al. Hierarchical control for reference trajectory tracking of autonomous vehicles

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