CN112046467B - 一种基于量子计算的自动驾驶控制方法及系统 - Google Patents

一种基于量子计算的自动驾驶控制方法及系统 Download PDF

Info

Publication number
CN112046467B
CN112046467B CN202010913504.8A CN202010913504A CN112046467B CN 112046467 B CN112046467 B CN 112046467B CN 202010913504 A CN202010913504 A CN 202010913504A CN 112046467 B CN112046467 B CN 112046467B
Authority
CN
China
Prior art keywords
quantum
state
motion information
register
controlled
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
CN202010913504.8A
Other languages
English (en)
Other versions
CN112046467A (zh
Inventor
魏世杰
龙桂鲁
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.)
Beijing Institute Of Quantum Information Science
Original Assignee
Beijing Institute Of Quantum Information Science
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 Beijing Institute Of Quantum Information Science filed Critical Beijing Institute Of Quantum Information Science
Priority to CN202010913504.8A priority Critical patent/CN112046467B/zh
Publication of CN112046467A publication Critical patent/CN112046467A/zh
Application granted granted Critical
Publication of CN112046467B publication Critical patent/CN112046467B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60W30/02—Control of vehicle driving stability
    • 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • 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
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • 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
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Feedback Control In General (AREA)

Abstract

本申请提供一种基于量子计算的自动驾驶控制方法及系统，包括：获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态；将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路；执行所述量子线路对初始量子态进行演化；获取初始量子态演化后的量子末态数据；根据获取的量子末态数据获得待控制对象下一时刻的运动信息，根据下一时刻的运动信息控制待控制对象的运动状态。本申请明显降低了计算的复杂度，提高了数据处理速度，提高自动驾驶控制的反馈控制速度，并且，在计算下一时刻运动信息的过程中考虑了车辆本身的特性和路径跟踪偏差值，提高了车辆反馈控制的准确度。

Description

一种基于量子计算的自动驾驶控制方法及系统
技术领域
本申请涉及自动控制技术领域，尤其涉及一种基于量子计算的自动驾驶控制方法及系统。
背景技术
量子计算，自从20世纪八十年代被提出以来，一直得到了广泛的研究和关注。由于量子叠加和量子纠缠的存在，量子计算具有并行的优势，利用量子优势进行量子算法设计可以对于一些经典问题的求解达到加速，比如二十世纪九十年代中后期提出的Shor算法能够对于大数质因数分解这个问题存在指数的加速，Grover算法能够在数据空间搜索中相对于传统算法存在着多项式的加速。
量子计算机的操作过程被称为幺正演化，幺正演化将保证每种可能的状态都以并行的方式演化，这意味着量子计算机如果有500个量子比特，则量子计算的每一步会对2^500种可能性同时做出了操作，可以展现比传统计算机更快的处理速度。
自动驾驶控制的横向控制根据上层运动规则输出的路径和曲率等信息进行跟踪控制，以减少跟踪误差，同时保证车辆行驶的稳定性和舒适性。
现有的横向控制算法有PID控制算法，将车辆当前的路径跟踪偏差作为输入量，对跟踪偏差进行比例、积分和微分控制得到转向控制量，但该算法计算的过程较为复杂，处理速度慢，反馈速度慢，并且，未考虑车辆本身的特性，对外界干扰的鲁棒性较差。
发明内容
本申请的目的在于提供一种基于量子计算的自动驾驶控制方法及系统，该控制方法基于量子计算，明显降低了计算的复杂度，提高了数据处理速度，提高了自动驾驶控制的反馈控制速度，并且，在计算下一时刻运动信息的过程中考虑了车辆本身的特性和路径跟踪偏差值，提高了车辆反馈控制的准确度。
为达到上述目的，本申请提供一种基于量子计算的自动驾驶控制方法，包括：
获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态；
将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路；
执行所述量子线路对初始量子态进行演化；
获取初始量子态演化后的量子末态数据；
根据获取的量子末态数据获得待控制对象下一时刻的运动信息，根据下一时刻的运动信息控制待控制对象的运动状态。
如上的，其中，获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态包括如下子步骤：
采集待控制对象的运动信息；
将运动信息映射变换为包含运动信息的向量；
将包含运动信息的向量进行归一化处理，获得初始量子态。
如上的，其中，预先构建运动信息随时间变化的状态方程包括：车辆横向动力学模型的状态方程和车辆横向控制所需的路径跟踪偏差状态方程。
如上的，其中，将求解车辆横向动力学模型的状态方程的过程表示为量子门操作，映射成第一量子线路；
将求解车辆横向控制所需的路径跟踪偏差状态方程的过程表示为量子门操作，映射成第二量子线路。
如上的，其中，量子门操作包括单比特酉操作门和两比特酉操作门。
如上的，其中，将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路的方法包括如下子步骤：
预先构建量子系统；
将预先构建运动信息随时间变化的状态方程的解展开为多个幺正算符线性叠加的表达式；
将展开后的表达式映射至量子系统，形成量子线路。
如上的，其中，量子系统包括第一量子寄存器、第二量子寄存器、第三量子寄存器和工作系统。
如上的，其中，将预先构建运动信息随时间变化的状态方程的解展开的幺正算符分别作用到所述第一量子寄存器、所述第二量子寄存器和所述第三量子寄存器上。
如上的，其中，对第一寄存器、第二寄存器和第三寄存器进行测量，当三个寄存器上所有比特都处于0时，测量工作系统的量子末态，其中，使用一组测量基矢通过量子态重构方法获取量子末态。
本申请还提供一种基于量子计算的自动驾驶控制系统，包括:
感知器，用于获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态；
量子线路映射模块，用于将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路；
量子处理器，用于执行所述量子线路对初始量子态进行演化；
量子末态数据获取模块，用于获取初始量子态演化后的量子末态数据；
车辆控制器，用于根据获取的量子末态数据获得待控制对象下一时刻的运动信息，根据下一时刻的运动信息控制待控制对象的运动状态。
本申请实现的有益效果如下：
(1)本申请采用量子计算机求解运动信息随时间变化的状态方程，在一定的条件下将求解过程的复杂度降低，提高状态方程的求解速率，进而提高车辆反馈控制的速率，使自动驾驶的过程更加灵活顺畅。
(2)本申请在计算下一时刻运动信息的量子末态数据后还计算了路径跟踪偏差数据，通过路径跟踪偏差数据修正下一时刻的运动控制数据，提高了反馈控制的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种基于量子计算的自动驾驶控制方法的流程图。
图2为本申请实施例的将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路的方法的流程图。
图3为本申请实施例的一种基于量子计算的自动驾驶控制系统的结构示意图。
附图标记：10-感知器；20-量子线路映射模块；30-量子处理器；40-量子末态数据获取模块；50-车辆控制器；100-自动驾驶控制系统。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
实施例一
如图1所示，本申请提供了一种基于量子计算的自动驾驶控制方法，该方法包括如下步骤：
步骤S1，获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态。
具体的，步骤S1包括如下子步骤：
步骤S110，采集待控制对象的运动信息。
具体的，通过经典感知器采集待控制车辆的运动信息，运动信息包括车辆位置、车辆摆角、车辆摆角速度、车轮前摆角速度等。
步骤S120，将运动信息映射变换为包含运动信息的向量。
步骤S130，将包含运动信息的向量进行归一化处理，获得初始量子态。
步骤S2，将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路。
其中，预先构建运动信息随时间变化的状态方程包括：车辆横向动力学模型的状态方程和车辆横向控制所需的路径跟踪偏差状态方程。
根据本发明的一个具体实施例，将求解车辆横向动力学模型的状态方程的过程表示为量子门操作，映射成第一量子线路。其中，量子门操作包括单比特酉操作门和两比特酉操作门。
根据本发明的另一个具体实施例，将求解车辆横向控制所需的路径跟踪偏差状态方程的过程表示为量子门操作，映射成第二量子线路。
根据本发明的一个具体实施例，车辆横向动力学模型的状态方程的构建方法为：假设车辆的纵向速度保持不变，预先构建车辆横向动力学模型，车辆横向动力学模型包括横向运动和横摆运动，车辆横向动力学模型的状态方程如下：
Figure BDA0002664215900000051
其中，y表示横向位移，
Figure BDA0002664215900000052
表示车辆质心处的横向速度，ψ表示横摆角，也即车身坐标x轴与全局坐标系中x轴的夹角,
Figure BDA0002664215900000053
表示横摆角速度；m表示车辆的质量，Vx表示纵向速度，Cαf表示前轮侧偏刚度,Cαr表示后轮侧偏刚度；lf表示前轮轴心距，lr表示后轮轴心距，Iz表示转动惯量；δ表示车身纵轴与轮胎纵轴的夹角，即前轮转角。
根据车辆横向动力学模型的状态方程，在给定的前轮转角δ的条件下，可分析车辆的横向位移y、车辆质心处的横向速度
Figure BDA0002664215900000061
横摆角ψ、横摆角速度
Figure BDA0002664215900000062
的响应值。
车辆横向动力学模型的状态方程的解析解表示为：
X(t)＝eAtX(0)+(eAt-I)A-1b；
其中，X(t)表示t时刻的向量X；
Figure BDA0002664215900000063
T表示转置；X(0表示初始时刻的向量X；b表示已知的常数向量
Figure BDA0002664215900000064
t表示时间，e表示自然常数；A表示系数矩阵；A-1代表A的逆矩阵,I表示4*4(4行4列)的单位矩阵。
其中，系数矩阵A为：
Figure BDA0002664215900000065
将系数矩阵A按照
Figure BDA0002664215900000066
分解成多项幺正矩阵Ai的线性求和。优选的，L＝10。
其中，
Figure BDA0002664215900000067
其中，
Figure BDA0002664215900000068
Figure BDA0002664215900000069
其中，
Figure BDA00026642159000000610
i取值为1～10。
其中，
Figure BDA00026642159000000611
如图2所示，将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路的方法包括如下子步骤：
步骤S210，预先构建量子系统。
预先构建的整个量子系统包括第一量子寄存器、第二量子寄存器、第三量子寄存器和工作系统。
其中，第一量子寄存器包括1个比特，初态是|0＞；第二量子寄存器包括k个比特，初态是
Figure BDA0002664215900000071
第三量子寄存器由k个能级系统构成，能级系统包括L个子能级系统，初态是
Figure BDA0002664215900000072
步骤S220，将预先构建运动信息随时间变化的状态方程的解展开为多个幺正算符线性叠加的表达式。
具体的，将车辆横向动力学模型的状态方程的解析解展开为幺正算符线性叠加的表达式为：
Figure BDA0002664215900000073
其中，
Figure BDA0002664215900000074
Figure BDA0002664215900000075
Figure BDA0002664215900000076
t表示时间；m,n均表示参数；！表示阶乘；k表示泰勒展开级数；Ai表示幺正矩阵；αi表示幺正矩阵Ai的分解系数；|x(t)＞表示t时刻的量子态；|x(0)＞表示初始量子态；|b＞表示常数向量b的量子态。泰勒展开级数k的级数越高近似越精确。
上述由一系列幺正算符叠加的方程包含了车辆本身的状态信息，在计算下一时刻的运动信息的过程中，将车辆本身的信息考虑在内，从而提高了计算的准确度和反馈控制的准确度。
步骤S230，将车辆横向动力学模型的状态方程的解析解展开后的表达式映射至量子系统，形成量子线路。
映射方法包括：
步骤S231，在第一寄存器映射一个幺正算符V。
其中，
Figure BDA0002664215900000081
其中，
Figure BDA0002664215900000082
其中，G1,G2是参数，m、n均表示求和公式的下角标变量；||X(0)||表示X(0)的归一化值；αi表示幺正矩阵Ai的分解系数；L表示幺正矩阵Ai的分解个数；t表示时间。
步骤S232，在第三寄存器映射k个幺正算符VT。
其中，
Figure BDA0002664215900000083
其中，
Figure BDA0002664215900000084
表示幺正算符VT的第一列元素；
Figure BDA0002664215900000085
表示幺正算符VT的行数；
Figure BDA0002664215900000086
表示参数。
步骤S233，映射由第一寄存器控制的算符，当第一寄存器的量子比特的状态处于0时，在第二寄存器和工作系统分别映射算符VS1和Ux，当第一寄存器的量子比特的状态处于1时，在第二寄存器和工作系统分别映射算符VS2和Ub。
VS1、VS2的第一列元素的计算方法如下：
Figure BDA0002664215900000087
where
Figure BDA0002664215900000088
Figure BDA0002664215900000089
其中，
Figure BDA0002664215900000091
该公式表示为：Ux是将
Figure BDA0002664215900000092
的算符；
Figure BDA0002664215900000093
表示初始量子态；
Figure BDA0002664215900000094
Ub表示将
Figure BDA0002664215900000095
Figure BDA0002664215900000096
|b>表示常数向量b的量子态；
Figure BDA0002664215900000097
表示VS1的第一列元素；
Figure BDA0002664215900000098
表示VS2的第一列元素；j表示参数。
步骤S234，在工作系统器映射一系列由第二和第三寄存器联合控制的算符A；算符A对应于系数矩阵A。
具体的，算符A由A1，A2，…，AL构成。其中，第二寄存器的第0，1，…，2k-1个状态与第三寄存器的第0，1，…，L-1个状态进行联合控制。
具体的，第一个算符A由以下作用构成：A1由第二寄存器的第1个状态与第三寄存器的第0个状态进行联合控制；A2由第二寄存器的第1个状态与第三寄存器的第1个状态进行联合控制；AL由第二寄存器的第1个状态与第三寄存器的第L-1个状态进行联合控制。依此类推，第k个算符A由以下作用构成：A1由第二寄存器的第2k-1到2k-1之间的任意一个状态与第三寄存器的第0个状态进行联合控制；A2由第二寄存器的第2k-1到2k-1之间的任意一个状态与第三寄存器的第1个状态进行联合控制；AL由第二寄存器的第2k-1到2k-1之间的任意一个状态与第三寄存器的第L-1个状态进行联合控制。
横向跟踪控制的目的是为了减小跟踪偏差，需要的状态方程是能够分析在给定的前轮转角下车辆跟踪偏差的响应，车辆跟踪偏差的响应包括横向位置偏差e1及横向位置偏差变化率
Figure BDA0002664215900000099
横摆角偏差e2及横摆角偏差变化率
Figure BDA00026642159000000910
根据本发明的另一个具体实施例，预先建立车辆横向控制所需的路径跟踪偏差状态方程如下：
Figure BDA0002664215900000101
其中，e1表示横向位置偏差；
Figure BDA0002664215900000102
表示横向位置偏差变化率；e2表示横摆角偏差；
Figure BDA0002664215900000103
表示横摆角偏差变化率；
Figure BDA0002664215900000104
为车辆期望的横摆角速度；Cαf前轮侧偏刚度；Cαr后轮侧偏刚度；m是汽车质量；Vx是纵向速度；lf是前轮轴心距，lr是后轮轴心距，Iz是转动惯量；δ是车身纵轴与轮胎纵轴的夹角，即前轮转角。
车辆横向控制所需的路径跟踪偏差状态方程的解表示为：
Y(t)＝eBtY(0)+(eBt-I16)B-1c；
其中，Y(0)表示初始时刻的
Figure BDA0002664215900000105
T表示转置；Y(t)表示初始时刻的Y；
Figure BDA0002664215900000106
I16表示16*16的单位矩阵；t表示时间，e表示自然常数。
c表示已知的常数向量，
Figure BDA0002664215900000107
B表示系数矩阵，系数矩阵B表示为：
Figure BDA0002664215900000108
将系数矩阵B按照
Figure BDA0002664215900000109
分解为16项幺正矩阵Bj的线性求和；J＝16。
其中，
Figure BDA0002664215900000111
其中，
Figure BDA0002664215900000112
Figure BDA0002664215900000113
其中，
Figure BDA0002664215900000114
Figure BDA0002664215900000115
j取值1～16。
其中，
Figure BDA0002664215900000116
将车辆横向控制所需的路径跟踪偏差状态方程的解映射至量子系统，形成第二量子线路，其映射方法与运动信息随时间变化的微分方程组的解映射成第一量子线路的方法相同。
步骤S3，执行所述量子线路对初始量子态进行演化。
根据本发明的一个具体实施例，通过执行车辆横向动力学模型的状态方程的解析解映射的量子线路对初始量子态进行演化，获得包含车辆运动信息的量子末态。
根据本发明的一个具体实施例，执行第一量子线路获得第一量子末态数据，第一量子末态数据包含车辆的横向位移y、车辆质心处的横向速度
Figure BDA0002664215900000117
横摆角ψ、横摆角速度
Figure BDA0002664215900000118
的响应值。
根据本发明的另一个具体实施例，执行第二量子线路获得第二量子末态数据，第二量子末态数据包含横向位置偏差e1；横向位置偏差变化率
Figure BDA0002664215900000119
横摆角偏差e2；横摆角偏差变化率
Figure BDA00026642159000001110
响应值。
具体的，对初始量子态进行演化，获得包含车辆运动信息的量子末态的方法如下：
步骤S310，初始量子态从工作系统输入,初态是|φ>。
步骤S320，在第一寄存器作用幺正算符V。
步骤S330，在第二寄存器作用幺正算符VS1和VS2。
步骤S340，在第三寄存器作用幺正算符VT。
步骤S350，在第二寄存器和工作系统的联合作用下，作用控制位为0控制的算符
Figure BDA0002664215900000121
和控制位为1控制的算符
Figure BDA0002664215900000122
执行完步骤S350后，整个系统的状态变为：
Figure BDA0002664215900000123
Figure BDA0002664215900000124
其中，|b>表示常数向量b的量子态；|0〉表示控制位0；|1〉表示控制位1；k表示泰勒展开级数；
Figure BDA0002664215900000125
表示第二量子寄存器的初态；
Figure BDA0002664215900000126
表示第三量子寄存器的初态；
Figure BDA0002664215900000127
表示张量积运算符号。
步骤S360，作用由第二寄存器的状态和第三寄存器的状态联合控制的一系列算符A。
步骤S370，在第二寄存器上作用由第一寄存器控制的算符Ws1和算符Ws2。
算符Ws1为的算符VS1的共轭算符；算符Ws2为算符VS2的共轭算符。
步骤S380，在第三寄存器上作用幺正算符VT的共轭算符WT。
步骤S390，在第一寄存器上作用幺正算符V的共轭算符W。
根据本发明的另一个具体实施例，按照上述演化方法，通过执行车辆横向控制所需的路径跟踪偏差状态方程的解析解映射的量子线路对初始量子态进行演化，获得包含车辆路径跟踪偏差信息的量子末态。
步骤S4，获取初始量子态演化后的量子末态数据。
具体的，对第一寄存器、第二寄存器和第三寄存器进行测量，当三个寄存器上所有比特都处于0时，测量工作系统的状态(量子末态)。
量子末态为：
Figure BDA0002664215900000128
上述量子末态为工作系统初始量子态经过时间t演化后的状态，对应于车辆横向动力学模型的状态方程在t时刻时的解。因此，测得的工作系统状态即为t时刻状态方程自变量的取值，对应于t时刻车辆的运动信息，运动信息包括t时刻横向位移y、车辆质心处的横向速度
Figure BDA0002664215900000131
横摆角ψ、横摆角速度
Figure BDA0002664215900000132
根据本发明的一个具体实施例，量子末态通过量子态重构的方法获取。其中，量子态重构使用一组测量基矢，如{σx，σy，σz}.
步骤S5，根据量子末态数据获得待控制对象下一时刻的运动信息，根据下一时刻的运动信息控制待控制对象的运动状态。
具体的，根据预测的下一时刻的运动信息通过车辆控制器对车辆的运动状态进行控制，包括改变车轮转动角速度和调节车身平动速度。
实施例二
如图3所示，本申请提供一种基于量子计算的自动驾驶控制系统100，包括:
感知器10，用于获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态；其中，感知器为经典感知器。
量子线路映射模块20，用于将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路；
量子处理器30，用于执行所述量子线路对初始量子态进行演化；
量子末态数据获取模块40，用于获取初始量子态演化后的量子末态数据；
车辆控制器50，用于根据获取的量子末态数据获得待控制对象下一时刻的运动信息，根据下一时刻的运动信息控制待控制对象的运动状态。
本申请实现的有益效果如下：
(1)本申请采用量子计算机求解运动信息随时间变化的状态方程，在一定的条件下将求解过程的复杂度降低，提高状态方程的求解速率，进而提高车辆反馈控制的速率，使自动驾驶的过程更加灵活顺畅。
(2)本申请在计算下一时刻运动信息的量子末态数据后还计算了路径跟踪偏差数据，通过路径跟踪偏差数据修正下一时刻的运动控制数据，提高了反馈控制的准确度。
上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所做的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

Claims (10)

1.一种基于量子计算的自动驾驶控制方法，其特征在于，包括：
获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态；
将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路；
执行所述量子线路对初始量子态进行演化；
获取初始量子态演化后的量子末态数据；
根据获取的量子末态数据获得待控制对象下一时刻的运动信息，根据下一时刻的运动信息控制待控制对象的运动状态。
2.根据权利要求1所述的基于量子计算的自动驾驶控制方法，其特征在于，获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态包括如下子步骤：
采集待控制对象的运动信息；
将运动信息映射变换为包含运动信息的向量；
将包含运动信息的向量进行归一化处理，获得初始量子态。
3.根据权利要求1所述的基于量子计算的自动驾驶控制方法，其特征在于，预先构建运动信息随时间变化的状态方程包括：车辆横向动力学模型的状态方程和车辆横向控制所需的路径跟踪偏差状态方程。
4.根据权利要求3所述的基于量子计算的自动驾驶控制方法，其特征在于，将求解车辆横向动力学模型的状态方程的过程表示为量子门操作，映射成第一量子线路；
将求解车辆横向控制所需的路径跟踪偏差状态方程的过程表示为量子门操作，映射成第二量子线路。
5.根据权利要求4所述的基于量子计算的自动驾驶控制方法，其特征在于，量子门操作包括单比特酉操作门和两比特酉操作门。
6.根据权利要求1所述的基于量子计算的自动驾驶控制方法，其特征在于，将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路的方法包括如下子步骤：
预先构建量子系统；
将预先构建运动信息随时间变化的状态方程的解展开为多个幺正算符线性叠加的表达式；
将展开后的表达式映射至量子系统，形成量子线路。
7.根据权利要求6所述的基于量子计算的自动驾驶控制方法，其特征在于，量子系统包括第一量子寄存器、第二量子寄存器、第三量子寄存器和工作系统。
8.根据权利要求7所述的基于量子计算的自动驾驶控制方法，其特征在于，将预先构建运动信息随时间变化的状态方程的解展开的幺正算符分别作用到所述第一量子寄存器、所述第二量子寄存器和所述第三量子寄存器上。
9.根据权利要求8所述的基于量子计算的自动驾驶控制方法，其特征在于，对第一寄存器、第二寄存器和第三寄存器进行测量，当三个寄存器上所有比特都处于0时，测量工作系统的量子末态，其中，使用一组测量基矢通过量子态重构方法获取量子末态。
10.一种基于量子计算的自动驾驶控制系统，执行权利要求1-9所述的控制方法，其特征在于，包括:
感知器，用于获取待控制对象的包含运动信息的向量，将包含运动信息的向量归一化为初始量子态；
量子线路映射模块，用于将求解预先构建运动信息随时间变化的状态方程的过程映射成量子线路；
量子处理器，用于执行所述量子线路对初始量子态进行演化；
量子末态数据获取模块，用于获取初始量子态演化后的量子末态数据；
车辆控制器，用于根据获取的量子末态数据获得待控制对象下一时刻的运动信息，根据下一时刻的运动信息控制待控制对象的运动状态。
CN202010913504.8A 2020-09-03 2020-09-03 一种基于量子计算的自动驾驶控制方法及系统 Active CN112046467B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010913504.8A CN112046467B (zh) 2020-09-03 2020-09-03 一种基于量子计算的自动驾驶控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010913504.8A CN112046467B (zh) 2020-09-03 2020-09-03 一种基于量子计算的自动驾驶控制方法及系统

Publications (2)

Publication Number Publication Date
CN112046467A CN112046467A (zh) 2020-12-08
CN112046467B true CN112046467B (zh) 2021-06-04

Family

ID=73608055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010913504.8A Active CN112046467B (zh) 2020-09-03 2020-09-03 一种基于量子计算的自动驾驶控制方法及系统

Country Status (1)

Country Link
CN (1) CN112046467B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114764618B (zh) * 2020-12-31 2023-08-04 本源量子计算科技（合肥）股份有限公司 一种针对线性系统的量子预处理方法及装置
CN114219093A (zh) * 2022-02-21 2022-03-22 国汽智控(北京)科技有限公司 基于量子计算的自动驾驶控制方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206922808U (zh) * 2017-03-02 2018-01-23 浙江神州量子网络科技有限公司 一种基于量子加密的智能汽车通信系统以及量子车载终端
CN108549402A (zh) * 2018-03-19 2018-09-18 哈尔滨工程大学 基于量子乌鸦群搜索机制的无人机群任务分配方法
CN110471426A (zh) * 2019-09-02 2019-11-19 哈尔滨工程大学 基于量子狼群算法的无人驾驶智能车自动避碰方法
CN110738321A (zh) * 2019-10-15 2020-01-31 北京百度网讯科技有限公司 一种量子信号处理方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206922808U (zh) * 2017-03-02 2018-01-23 浙江神州量子网络科技有限公司 一种基于量子加密的智能汽车通信系统以及量子车载终端
CN108549402A (zh) * 2018-03-19 2018-09-18 哈尔滨工程大学 基于量子乌鸦群搜索机制的无人机群任务分配方法
CN110471426A (zh) * 2019-09-02 2019-11-19 哈尔滨工程大学 基于量子狼群算法的无人驾驶智能车自动避碰方法
CN110738321A (zh) * 2019-10-15 2020-01-31 北京百度网讯科技有限公司 一种量子信号处理方法及装置

Also Published As

Publication number Publication date
CN112046467A (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
CN112046467B (zh) 一种基于量子计算的自动驾驶控制方法及系统
CN109885883B (zh) 一种基于gk聚类算法模型预测的无人车横向运动的控制方法
Mammar et al. Vehicle handling improvement by active steering
US20210139028A1 (en) Fuzzy logic based and machine learning enhanced vehicle dynamics determination
CN111258218B (zh) 基于最大相关熵准则的智能车辆路径跟踪方法
US8041491B2 (en) Reconfigurable structure method of estimating vehicle lateral velocity
CN113065289B (zh) 位姿预测方法、装置、电子设备及存储介质
CN113682282A (zh) 一种车辆稳定性控制方法、系统、车辆和存储介质
CN107585207B (zh) 一种车辆线控四轮转向系统及其控制方法
Becker et al. Model-and acceleration-based pursuit controller for high-performance autonomous racing
Nadarajan et al. Probability estimation for predicted-occupancy grids in vehicle safety applications based on machine learning
Chen et al. Robust H∞ path tracking control of autonomous vehicles with delay and actuator saturation
CN111240327A (zh) 一种基于变速率模型的智能车辆迭代轨迹跟踪控制方法
Fouka et al. Motorcycle state estimation and tire cornering stiffness identification applied to road safety: Using observer-based identifiers
Junqueira et al. A Model-less Approach for Estimating Vehicles Sideslip Angle by a Neural Network Concept
Gao et al. Network-based gain-scheduled control for preview path tracking of autonomous electric vehicles subject to communication delays
Gao et al. Vehicle longitudinal velocity estimation with adaptive Kalman filter
CN113060117B (zh) 转向制动控制方法、装置、介质及电子设备
Raksincharoensak et al. Autonomous vehicle trajectory planning and control based on virtual disturbance compensation via simulation of feedback control systems
El Youssfi et al. TS fuzzy observers to design actuator fault-tolerant control for automotive vehicle lateral dynamics
CN110471277A (zh) 基于输出反馈增益规划的智能商用车自动循迹控制方法
El Youssfi et al. Actuator fault estimation and fault tolerant control for vehicle lateral dynamics
Weyrer et al. Path Following and Stabilisation of a Bicycle Model using a Reinforcement Learning Approach
CN117806175B (zh) 分布式驱动车辆模型误差自学习轨迹跟踪控制方法及系统
Fényes Application of data-driven methods for improving the peformances of lateral vehicle control systems

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