CN112078576A - 一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法 - Google Patents

Abstract

本发明公开了一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，其技术方案要点是包括S10，实时获取车辆行驶信息；S20，计算得到安全距离值、两车碰撞时间值以及本车目标车速值；S30,配置有模糊规则表，模糊规则表存储有若干车辆距离状态和若干车辆速度状态，确定本车车辆处于各个车辆距离状态和各个车辆速度状态的概率值；S40，模糊规则表内还存储有若干车辆工况状态，计算本车处于各个车辆工况状态概率值；S50，计算本车的预期加加速度值；S60，接收到驾驶员的智能驾驶指令后，根据预期加加速度值来控制本车车辆。该方法能够对智能驾驶时的加加速度进行拟人化控制，从而提高智能车辆在智能驾驶时的平顺性与稳定性，改善驾驶员的体验。

Description

一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法

技术领域

本发明涉及智能驾驶领域，更具体的说是涉及一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法。

背景技术

近年来，智能车辆和智能驾驶技术的研究愈加受到国内外重视，智能车辆和智能驾驶技术也得到了飞速发展。智能车辆依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。智能车辆不仅能够帮助提高人们的出行便利性和出行体验，还能极大的提升人们出行的效率。

智能车辆的驾驶平顺性一直是智能驾驶中麻烦且难以解决的问题。目前通常采用对智能车辆加速度的幅度进行控制以及对底盘调整能力进行改进来提供智能策略的平顺性，但是对控制的加加速度采取固定值或是不考虑在内。然而，对加加速度的控制能力不足会影响智能车辆在智能驾驶过程中的驾驶体验感，对于智能车辆处于紧急制动、加速、平稳跟车等工况下的控制及调整能力不足，极大的影响驾驶体验感。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，该方法能够对智能车辆于智能驾驶时的加加速度进行拟人化控制，从而提高智能车辆在智能驾驶时的平顺性与稳定性，改善驾驶员的体验。

为实现上述目的，本发明提供了如下技术方案：一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，提供自适应巡航系统和视觉检测系统，该自适应巡航控制方法包括以下步骤；

S10，自适应巡航系统实时获取车辆行驶信息，所述车辆行驶信息包括所述视觉检测系统检测的前车车距和前车车速、以及自适应巡航系统直接获取的本车车速，所述前车车距反映前方车辆与本车车辆之间的距离值，所述前车车速反映前方车辆的车速值，所述本车车速反映本车车辆的速度值；

S20，所述自适应信号系统根据所述车辆行驶信息，通过预设的安全距离值算法计算得到安全距离值，通过预设的两车碰撞时间值算法计算得到两车碰撞时间值，通过预设的本车目标车速值算法计算得到本车目标车速值，所述安全距离值反映当前车速下前方车辆与本车车辆之间预期的距离临界值，所述两车碰撞时间值反映当前车速和距离下前方车辆与本车车辆碰撞所需时间，所述本车目标车速值反映于当前车速和距离下，本车车辆预期的速度值；

S30，所述自适应巡航系统配置有模糊规则表，所述模糊规则表存储有若干车辆距离状态和若干车辆速度状态，所述模糊规则表内还存储有任意一种安全距离值、两车碰撞时间值以及本车目标车速值情况下对应的本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值，所述自适应巡航系统根据安全距离值、两车碰撞时间值以及本车目标车速值参照模糊规则表确定本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值；

S40，所述模糊规则表内还存储有若干车辆工况状态、各个车辆工况状态对应的预设加加速度值、各个车辆工况状态对应的车辆距离状态和车辆速度状态，所述自适应巡航系统根据本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值通过预设的车辆工况状态概率算法计算得到本车的各个车辆工况状态概率值；

S50，所述自适应巡航系统根据各个车辆工况状态概率值以及各个车辆工况状态的预设加加速度值通过预定的加加速度算法得到本车的预期加加速度值；

S60，所述自适应巡航系统接收驾驶员的智能驾驶指令后，根据预期加加速度值来调整本车车辆的加速度。

作为本发明的进一步改进，所述步骤S40还包括有：所述模糊规则表内还存储有各个车辆工况状态对应的预设比例值、预设积分值以及预设微分值，所述预设比例值、所述预设积分值以及所述预设微分值用于对本车加速度进行PID参数计算；

所述步骤S50还包括有：所述自适应巡航系统根据各个车辆工况状态概率值以及各个车辆工况状态的预设比例值、预设积分值以及预设微分值通过预定的PID参数算法得到本车车辆的预期比例值、预期积分值以及预期微分值；

所述步骤S60还包括有：所述自适应巡航系统接收驾驶员的智能驾驶指令后，根据预期加加速度值、预期比例值、预期积分值以及预期微分值来调整本车车辆的加速度。

作为本发明的进一步改进，所述车辆工况状态包括有车辆危险状态，所述步骤S60包括有判断步骤S61和执行步骤S62；

S61，所述自适应巡航系统接收驾驶员的智能驾驶指令后，所述自适应巡航系统对智能驾驶模式的可用性进行判断，所述智能驾驶模式的可行性判断包括判断车辆处于所述车辆危险状态的概率值是否大于预设概率临界值，若车辆处于所述车辆危险状态的概率值大于预设概率临界值时，则智能驾驶模式的可行性判定结果为不可行；若车辆处于所述车辆危险状态的概率值小于等于预设概率临界值时，则智能驾驶模式的可行性判定结果为可行；

S62，若智能驾驶模式的可行性判定结果为不可行，所述自适应巡航系统放弃执行智能驾驶指令，仍保持手动驾驶；若智能驾驶模式的可行性判定结果为可行，则自适应巡航系统根据预期加加速度值、预期比例值、预期积分值以及预期微分值来调整本车车辆的加速度。

作为本发明的进一步改进，所述智能驾驶模式的可行性判断为：当所述视觉检测系统检测到车道线且车道线可用长度大于预设长度临界值、并且对于本车道内的障碍物存在两种或两种以上的传感器能够对障碍物进行识别、并且车辆处于所述车辆危险状态的概率值小于等于预设概率临界值时，智能驾驶模式的可行性判定结果为可行；否则，智能驾驶模式的可行性判定结果为不可行。

作为本发明的进一步改进，所述自适应巡航系统根据所述前车车速和所述本车车速通过所述安全距离值算法计算得到安全距离值，所述自适应巡航系统根据所述前车车速、所述前车车距以及所述本车车速通过所述两车碰撞时间值算法计算得到两车碰撞时间值，所述自适应巡航系统根据所述前车车速、所述前车车距、所述本车车速以及所述安全距离值通过所述本车目标车速值算法计算得到本车目标车速值。

作为本发明的进一步改进，所述加加速度算法配置为：

J_s＝∑e_iJ_i

其中：J_s为预期加加速度值，e_i为本车车辆处于各个车辆工况状态下的概率值，J_i为各个车辆工况状态下的预设加加速度值。

作为本发明的进一步改进，所述PID参数算法配置为：

其中：P'为本车车辆的预期比例值，P为本车车辆的预设比例常数，P_i为各个车辆工况状态下的预设比例值；I'为本车车辆的预期积分值，I为本车车辆的预设积分常数，I_i为各个车辆工况状态下的预设积分值；D'为本车车辆的预期微分值，D为本车车辆的预设微分常数，D_i为各个车辆工况状态下的预设微分值。

本发明的有益效果：

1、驾驶员驾驶车辆时，当前方车辆与本车车辆距离过小并且前方车辆的速度远小于本车车辆的速度时，驾驶员会猛踩刹车，此时车辆的加加速度大，因此驾驶员控制车辆时的加加速度与前车车速、前车车距以及本车车速有关。本发明的自适应巡航控制方法根据前车车速、前车车距以及本车车速，通过计算得到预期加加速度，实现了对智能车辆于智能驾驶时的加加速度的拟人化控制，从而能够提高智能车辆在智能驾驶时的平顺性与稳定性，改善驾驶员的体验。

2、本发明的自适应巡航控制方法基于前车车速、前车车距以及本车车速以及模糊规则表，将本车车辆对应至不同的车辆距离状态和不同的车辆速度状态，并得到对应状态的概率值，再将本车车辆对应至不同的车辆工况状态，并得到对应车辆工况状态的概率值，最后通过计算得到预期加加速度值，该方法通过不同状态下概率值的设置，使得当检测到的前方车距和前方车速受到干扰而与实际情况产生误差时，最终仍能够得到一个相对准确的预期加加速度值，因此该方法对检测输入的干扰量具有一定的抗性，能够在一定程度上应对车辆行驶状态中的误检测。

附图说明

图1为本发明的流程图；

图2为本发明的框架图。

具体实施方式

下面结合附图和实施例，对本发明进一步详细说明。

参照图1、图2所示，本实施例的一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，提供自适应巡航系统和视觉检测系统，视觉检测系统包括有摄像头、毫米波等传感器。

该自适应巡航控制方法包括以下步骤；

S10，自适应巡航系统实时获取车辆行驶信息，车辆行驶信息包括前车车距、前车车速以及本车车速，前车车距反映前方车辆与本车车辆之间的距离值，前车车速反映前方车辆的车速值，本车车速反映本车车辆的速度值。其中，前车车速、前车车距通过视觉检测系统检测得到，本车车速根据车辆输出的CAN总线数据信息获得。

S20，自适应巡航系统根据前车车速和本车车速通过预设的安全距离值算法计算得到安全距离值，安全距离值反映当前车速下前方车辆与本车车辆之间预期的距离临界值。自适应巡航系统根据前车车距、前车车速以及本车车速通过预设的两车碰撞时间值算法计算得到两车碰撞时间值，两车碰撞时间值反映当前车速和距离下前方车辆与本车车辆碰撞所需时间。自适应巡航系统根据前车车距、前车车速、本车车速以及安全距离值通过预设的本车目标车速值算法计算得到本车目标车速值，本车目标车速值反映于当前车速和距离下，本车车辆预期的速度值。

安全距离值算法配置为：

其中：d_s为安全距离值，v_f为前车车速，v_s为本车车速，t_s为预设的时距参数。

两车碰撞时间值算法配置为：

其中：TTC为两车碰撞时间值，d为前车车距。

本车目标车速值算法配置为：

v_aim＝v_f-v_s+0.3*|d_s-d|²+0.7*|d_s-d|

其中，v_aim为本车目标车速值。

S30，自适应巡航系统配置有模糊规则表，模糊规则表存储有若干车辆距离状态和若干车辆速度状态。车辆距离状态包括距离危险状态、距离平稳减速状态、距离平稳跟车状态、距离平稳加速状态以及距离加速状态。车辆速度状态包括速度危险状态、速度平稳状态以及速度加速状态。

模糊规则表内还存储有任意一种安全距离值、两车碰撞时间值以及本车目标车速值情况下对应的本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值，自适应巡航系统根据安全距离值、两车碰撞时间值以及本车目标车速值参照模糊规则表确定本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值。

例如，以下四个条件中：1、前车车距小于预设距离值，该预设距离值为5-20米之间的某个确定值。2、本车车辆与前车车辆的两车碰撞时间值TTC小于预设时间值，该预设时间值为3-10秒之间的某个确定值。3、前车车距与安全距离值d_s的比值小于预设阀值，该预设阀值为30％-45％之间的某个确定值。4、本车目标车速值小于本车车速，且差值大于等于预设的第一差值，该预设的第一差值为15-25km/h之间的某个确定值。若本车车辆达到四个条件中的任意一个，则本车车辆处于距离危险状态的概率为1，本车车辆处于其他四个车辆距离状态的概率为0或者0-1之间的某个概率值，具体概率值为多少，可根据安全距离值、两车碰撞时间值以及本车目标车速值通过查询模糊规则表得到。

以下2个条件中:1、本车车辆处于距离危险状态的概率不为1。2、本车目标车速值小于本车车速，且差值大于等于预设的第二差值，该预设的第二差值为3-10km/h之间的某个确定值。若本车车辆同时达到这两个条件，则本车车辆处于距离平稳减速状态的概率为1，本车车辆处于其他四个车辆距离状态的概率为0或者0-1之间的某个概率值，具体概率值为多少，可根据安全距离值、两车碰撞时间值以及本车目标车速值通过查询模糊规则表得到。

S40，模糊规则表内还存储有若干车辆工况状态、各个车辆工况状态对应的预设加加速度值、各个车辆工况状态对应的车辆距离状态和车辆速度状态。模糊规则表内还存储有各个车辆工况状态对应的预设比例值、预设积分值以及预设微分值，预设比例值、预设积分值以及预设微分值用于对本车加速度进行PID参数计算。

自适应巡航系统根据本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值通过预设的车辆工况状态概率算法计算得到本车的各个车辆工况状态概率值。

车辆工况状态包括车辆加速状态、车辆缓慢加速状态、车辆平稳跟车状态、车辆缓慢减速状态、车辆危险状态。每个车辆工况状态均由某个车辆距离状态和某个车辆速度状态组成，且组成方式有多种。车辆工况状态概率算法为：将本车车辆处于某个车辆距离状态的概率值乘上本车车辆处于某个车辆速度状态的概率值，得到的乘积即为该组成方式对应的车辆工况状态概率值，将各种组成方式得到的某一车辆工况状态的车辆工况状态概率值相加，即可得到该车辆工况状态的最终的车辆工况状态概率值。

S50，自适应巡航系统根据各个车辆工况状态概率值以及各个车辆工况状态的预设加加速度值通过预定的加加速度算法得到本车的预期加加速度值。

加加速度算法配置为：

J_s＝∑e_iJ_i

其中：J_s为预期加加速度值，e_i为本车车辆处于各个车辆工况状态下的概率值，J_i为各个车辆工况状态下的预设加加速度值。

自适应巡航系统根据各个车辆工况状态概率值以及各个车辆工况状态的预设比例值、预设积分值以及预设微分值通过预定的PID参数算法得到本车车辆的预期比例值、预期积分值以及预期微分值。

PID参数算法配置为：

其中：P'为本车车辆的预期比例值，P为本车车辆的预设比例常数，P_i为各个车辆工况状态下的预设比例值；I'为本车车辆的预期积分值，I为本车车辆的预设积分常数，I_i为各个车辆工况状态下的预设积分值；D'为本车车辆的预期微分值，D为本车车辆的预设微分常数，D_i为各个车辆工况状态下的预设微分值。

S60，步骤S60包括有判断步骤S61和执行步骤S62。

S61，自适应巡航系统接收驾驶员的智能驾驶指令后，自适应巡航系统对智能驾驶模式的可用性进行判断，智能驾驶模式的可行性判断为：当视觉检测系统检测到车道线且车道线可用长度大于预设长度临界值、并且对于本车道内的障碍物存在两种或两种以上的传感器能够对障碍物进行识别、并且车辆处于车辆危险状态的概率值小于等于预设概率临界值时，智能驾驶模式的可行性判定结果为可行；否则，智能驾驶模式的可行性判定结果为不可行。预设长度临界值为3-7米之间的某个确定值。预设概率临界值为35％-60％之间的某个确定值。

S62，若智能驾驶模式的可行性判定结果为不可行，自适应巡航系统放弃执行智能驾驶指令，仍保持手动驾驶；若智能驾驶模式的可行性判定结果为可行，则自适应巡航系统完成对车身控制模块的接管，车身控制模块包括本车车辆纵向方向上的油门开度和踏板开度，并根据预期加加速度值、预期比例值、预期积分值以及预期微分值来控制车身控制模块，从而对本车车辆的加速度进行控制。

当驾驶员驾驶车辆行驶时，若前方有一个车辆处在驾驶员认为“危险”的状态下时，驾驶员会采取紧急制动的措施来避开危险。此时驾驶员会较重的踩下制动踏板，这个时候的制动踏板的变化率会比平稳跟车状态下的变化率大很多。再此过程中，驾驶员对于危险的判断可称之为“状态判断”，对于控制的方式可称之为“控制输出”。同样的，在车辆从起步开始加速的时候，并不是“很重”的踩下加速踏板，而是以一个“越来越重”的方式也就是加速度逐渐增大的方式来控制车辆加速行驶，同样，驾驶员通过“状态判断”后进行“控制输出”。因此人类驾驶车辆的行为可由“状态判断”和“控制输出”两部分组成，其中车辆纵向方向上的状态判断受到距离信息与速度信息这两部分的影响。

本发明中通过实时采集前车车速、前车车距以及本车车速，并参照模糊规则表对其进行一系列计算和比对，最终计算得到预期加加速度值、预期比例值、预期积分值以及预期微分值的过程，构建了一个“具有驾驶员纵向控制特性的”的驾驶员模型，其实现了于智能车辆智能驾驶时对用于控制加速度的PID的增量参数，以及用于控制加速度变化率的加加速度的拟人化控制，从而提高了智能车辆在智能驾驶时的平顺性与稳定性，增加了智能车辆纵向控制能力，达到在保证安全的前提下增加智能驾驶车辆的驾驶舒适性的目的。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，提供自适应巡航系统和视觉检测系统，其特征在于：该自适应巡航控制方法包括以下步骤；

S10，自适应巡航系统实时获取车辆行驶信息，所述车辆行驶信息包括所述视觉检测系统检测的前车车距和前车车速、以及自适应巡航系统直接获取的本车车速，所述前车车距反映前方车辆与本车车辆之间的距离值，所述前车车速反映前方车辆的车速值，所述本车车速反映本车车辆的速度值；

S20，所述自适应信号系统根据所述车辆行驶信息，通过预设的安全距离值算法计算得到安全距离值，通过预设的两车碰撞时间值算法计算得到两车碰撞时间值，通过预设的本车目标车速值算法计算得到本车目标车速值，所述安全距离值反映当前车速下前方车辆与本车车辆之间预期的距离临界值，所述两车碰撞时间值反映当前车速和距离下前方车辆与本车车辆碰撞所需时间，所述本车目标车速值反映于当前车速和距离下，本车车辆预期的速度值；

S30，所述自适应巡航系统配置有模糊规则表，所述模糊规则表存储有若干车辆距离状态和若干车辆速度状态，所述模糊规则表内还存储有任意一种安全距离值、两车碰撞时间值以及本车目标车速值情况下对应的本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值，所述自适应巡航系统根据安全距离值、两车碰撞时间值以及本车目标车速值参照模糊规则表确定本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值；

S40，所述模糊规则表内还存储有若干车辆工况状态、各个车辆工况状态对应的预设加加速度值、各个车辆工况状态对应的车辆距离状态和车辆速度状态，所述自适应巡航系统根据本车车辆处于各个车辆距离状态的概率值以及本车车辆处于各个车辆速度状态的概率值通过预设的车辆工况状态概率算法计算得到本车的各个车辆工况状态概率值；

S50，所述自适应巡航系统根据各个车辆工况状态概率值以及各个车辆工况状态的预设加加速度值通过预定的加加速度算法得到本车的预期加加速度值；

S60，所述自适应巡航系统接收驾驶员的智能驾驶指令后，根据预期加加速度值来调整本车车辆的加速度。

2.根据权利要求1所述的一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，其特征在于：所述步骤S40还包括有：所述模糊规则表内还存储有各个车辆工况状态对应的预设比例值、预设积分值以及预设微分值，所述预设比例值、所述预设积分值以及所述预设微分值用于对本车加速度进行PID参数计算；

所述步骤S50还包括有：所述自适应巡航系统根据各个车辆工况状态概率值以及各个车辆工况状态的预设比例值、预设积分值以及预设微分值通过预定的PID参数算法得到本车车辆的预期比例值、预期积分值以及预期微分值；

所述步骤S60还包括有：所述自适应巡航系统接收驾驶员的智能驾驶指令后，根据预期加加速度值、预期比例值、预期积分值以及预期微分值来调整本车车辆的加速度。

3.根据权利要求2所述的一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，其特征在于：所述车辆工况状态包括有车辆危险状态，所述步骤S60包括有判断步骤S61和执行步骤S62；

S61，所述自适应巡航系统接收驾驶员的智能驾驶指令后，所述自适应巡航系统对智能驾驶模式的可用性进行判断，所述智能驾驶模式的可行性判断包括判断车辆处于所述车辆危险状态的概率值是否大于预设概率临界值，若车辆处于所述车辆危险状态的概率值大于预设概率临界值时，则智能驾驶模式的可行性判定结果为不可行；若车辆处于所述车辆危险状态的概率值小于等于预设概率临界值时，则智能驾驶模式的可行性判定结果为可行；

S62，若智能驾驶模式的可行性判定结果为不可行，所述自适应巡航系统放弃执行智能驾驶指令，仍保持手动驾驶；若智能驾驶模式的可行性判定结果为可行，则自适应巡航系统根据预期加加速度值、预期比例值、预期积分值以及预期微分值来调整本车车辆的加速度。

4.根据权利要求3所述的一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，其特征在于：所述智能驾驶模式的可行性判断为：当所述视觉检测系统检测到车道线且车道线可用长度大于预设长度临界值、并且对于本车道内的障碍物存在两种或两种以上的传感器能够对障碍物进行识别、并且车辆处于所述车辆危险状态的概率值小于等于预设概率临界值时，智能驾驶模式的可行性判定结果为可行；否则，智能驾驶模式的可行性判定结果为不可行。

5.根据权利要求1所述的一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，其特征在于：所述自适应巡航系统根据所述前车车速和所述本车车速通过所述安全距离值算法计算得到安全距离值，所述自适应巡航系统根据所述前车车速、所述前车车距以及所述本车车速通过所述两车碰撞时间值算法计算得到两车碰撞时间值，所述自适应巡航系统根据所述前车车速、所述前车车距、所述本车车速以及所述安全距离值通过所述本车目标车速值算法计算得到本车目标车速值。

6.根据权利要求1所述的一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，其特征在于：所述加加速度算法配置为：

J_s＝∑e_iJ_i

其中：J_s为预期加加速度值，e_i为本车车辆处于各个车辆工况状态下的概率值，J_i为各个车辆工况状态下的预设加加速度值。

7.根据权利要求1所述的一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法，其特征在于：所述PID参数算法配置为：

其中：P'为本车车辆的预期比例值，P为本车车辆的预设比例常数，P_i为各个车辆工况状态下的预设比例值；I'为本车车辆的预期积分值，I为本车车辆的预设积分常数，I_i为各个车辆工况状态下的预设积分值；D'为本车车辆的预期微分值，D为本车车辆的预设微分常数，D_i为各个车辆工况状态下的预设微分值。

Images