CN112437734A

CN112437734A - 用于产生可植入到用于控制机动车辆轨迹的单元中的预测命令的方法

Info

Publication number: CN112437734A
Application number: CN201980045862.7A
Authority: CN
Inventors: R·奎利亚德; M·佩雷特; S·萨利乌; L·博
Original assignee: Renault SAS
Current assignee: Renault SAS
Priority date: 2018-07-13
Filing date: 2019-07-09
Publication date: 2021-03-02
Also published as: EP3820756B1; EP3820756A1; WO2020011794A1; FR3083766B1; FR3083766A1

Abstract

本发明涉及一种用于产生可植入到用于控制机动车辆轨迹的单元中的预测命令的方法。根据本发明，该方法包括针对该机动车辆在行车道上的至少一个给定移动速度的以下步骤：确定多个调节数据，每个调节数据使得可以基于输入数据生成满足鲁棒性参数的命令，并且每个调节数据与所述机动车辆的特定使用配置相关联；根据该机动车辆在该行车道上的轨迹的仿真结果从所确定的多个调节数据中识别至少一个调节数据；以及使用所述至少一个识别出的调节数据来控制所述机动车辆的轨迹。

Description

用于产生可植入到用于控制机动车辆轨迹的单元中的预测命令的方法

技术领域

本发明总体上涉及机动车辆的轨迹控制，特别是为了使机动车辆保持在行车道中而进行的机动车辆的轨迹控制。

更具体地，本发明应用于无人驾驶车辆领域。

本发明更具体地涉及一种用于产生可植入到机动车辆的轨迹控制单元中的预测控制设定点的方法。

背景技术

无人驾驶机动车辆被设计成在没有驾驶员干预的情况下在公路上行驶。为此，无人驾驶机动车辆配备有使得可以获取关于车辆环境的数据的一系列数字传感器、以及使得可以实时分析这些数据的软件。这样的软件会使用使得可以生成命令以引导机动车辆的算法。

特别地，根据文献FR 3050161已知可以使车辆保持在其行车道中的控制律。根据该文献，该控制律被分成两部分：第一部分为观测部分，该观测部分使得可以根据测得的量来估计该控制律的某些有用参数；第二部分为调节部分，该调节部分使得可以根据这些估计出的参数来计算要施加到方向盘以使车辆相对于车道中心对齐的角度。

文献FR 3050161特别是描述了仿真工具，该仿真工具旨在优化该控制律的性能，即，该控制律的响应时间，以便使车辆保持在其车道中。

然而，本申请人已经发现，有时该控制律不能确保车辆正确地保持在其车道中。

发明内容

本发明提出改进该仿真工具以确保在所有情况下都将车辆保持在其行车道中。

更具体地，根据本发明提出了一种用于产生可植入到机动车辆的轨迹控制单元中的预测控制设定点的方法，该方法包括针对该机动车辆在行车道上的至少一个给定移动速度的以下步骤：

-确定多个调节数据，每个调节数据使得可以根据至少一个输入数据生成满足鲁棒性参数的控制设定点，并且每个调节数据与所述机动车辆的特定使用配置相关联，

-根据该机动车辆在该行车道上的轨迹的仿真结果从所确定的多个调节数据中识别至少一个调节数据，以及

-使用所述至少一个识别出的调节数据来控制所述机动车辆的轨迹。

根据本发明，确定被选择用于生成该控制设定点的调节数据满足鲁棒性参数，从而使得可以确保控制相对于扰动的稳定性。这些扰动特别地可能来自该机动车辆的不同使用配置(行李箱装载的重量多还是少、是否存在雪地轮胎等)。于是，该控制设定点即使在会扰动车辆的配置的情况下也令人满意。

以下是根据本发明的用于产生预测控制设定点的方法的其他非限制性的和有利的特征，这些特征单独地或根据所有技术上可能的组合进行采用：

-该鲁棒性参数包括相位裕量或增益裕量或延迟裕量；

-在该识别步骤中，提供以下步骤：

-将所确定的多个的调节数据投影到由鲁棒性参数和性能参数定义的空间上，

-根据经投影的所确定的多个调节数据到所述空间上的投影，从这些调节数据中选择至少一个调节数据，以满足针对该鲁棒性参数和/或性能参数的至少一个选择标准；

-该选择标准相比该鲁棒性参数更着重考虑该性能参数；

-该选择标准相比该性能参数更着重考虑该鲁棒性参数；

-该选择标准被定义为该鲁棒性参数与该性能参数之间的折衷；

-选择识别出的调节数据的方式为使得该控制设定点对该机动车辆的使用配置的变化最不敏感；

-该机动车辆的至少两个不同使用配置与不同装载重量或装载重量在所述机动车辆中的不同分布相关联；

-该机动车辆的至少两个不同使用配置与所述车辆上不同装备的存在相关联；以及

-在该使用步骤中，提供了将该预测控制设定点植入到该机动车辆的该控制单元中。

具体实施方式

关于附图作为非限制性实例给出的以下描述将关于本发明由何组成以及可以如何产生本发明给出良好的理解。

在附图中：

-图1表示了机动车辆的一部分的示意性视图；

-图2表示了用于控制机动车辆的轨迹的方法的闭环功能图；

-图3至图5表示了用于利用三种不同的选择标准来实施根据本发明的用于产生预测控制设定点的方法的空间的示例；

-图6表示了用于控制机动车辆的轨迹的方法的开环功能图；

-图7表示了在用于控制机动车辆的轨迹的方法中识别出的传递函数的伯德图的增益曲线；

-图8表示了在用于控制机动车辆的轨迹的方法中识别出的传递函数的伯德图的相位曲线；以及

-图9是应用于在行车道中移动的机动车辆的“自行车”模型的表示。

在图1中，表示了机动车辆1(以下也称为“车辆1”)。通常，该机动车辆1包括四个车轮3、底盘、转向柱、车身元件和内部元件，该底盘尤其是支撑动力传动系(即，发动机和用于将发动机转矩传递到驱动轮的装置)。

如图1中所表示的，车辆1还包括控制单元5。控制单元5使得可以控制和命令车辆1的不同元件。例如，控制单元5可以从车辆1中存在的不同数字传感器(如速度传感器或测量转矩的传感器，该转矩的值随后可以被转换为车辆1的前轮的转向锁定角度)接收信息。

控制单元5还可以通过向联接到车辆1的转向柱的致动器传送例如控制设定点来控制该致动器。为此，控制单元5包括控制设备10。控制设备10被适配用于生成控制设定点。例如，在无人驾驶车辆的情况下，控制设备10使得可以生成轨迹控制设定点，以确保车辆1的取向或车辆1被保持在行车道中。

这里，通过所谓的“自行车”模型来对车辆1的轨迹进行建模。图9是应用于在行车道中移动的车辆1的“自行车”模型的表示。在该模型的背景下，以一个车架和以下两个车轮(如同自行车)对车辆1进行建模：前轮3a和后轮3b。

该模型中考虑的变量如下：

-车辆1的偏航速度(表示为

)，其对应于车辆1绕其在竖直轴线上的重心G的旋转速度，

-航向角(表示为ψ)，其对应于车辆1的纵向轴线与轨迹切线之间的角度，

-车辆1的侧向速度(表示为

)，其与车辆1的重心G与理想轨迹Id的偏离有关，

-侧向偏移(表示为y)，其对应于车辆1的重心G与理想轨迹Id之间的偏移，

-前轮3a相对于竖直轴线的旋转速度(表示为

)，

-前轮3a的角度(表示为δ)，即，前轮3a与车辆1的纵向轴线所成的角度，以及

-位置误差积分，∫-ydt，其对应于车辆1的重心G相对于其应当所在的理想轨迹I_d的偏移的时间积分。

因此，车辆1由通常称为状态向量的数据X表示，定义如下：

根据“自行车”模型，车辆1的轨迹方程由下式给出：

其中：

-δ_req是为了使车辆1的理想轨迹I_d维持在行车道中或靠近行车道而对前轮3a的角度设定点(因此是控制设定点)，

-ρ是行车道的曲率，其在本说明下文中被认为是零，

-B_p是扰动数据(具体与行车道的曲率有关)，并且

-A是表示与状态数据X的动态关系的数据。

这里认为其为：

其中，

c_f和c_r是车辆1的前传动系和后传动系的刚度，l_f和l_r是在车辆的重心G与前传动系之间以及在车辆1的重心G与后传动系1之间的对应距离(这些距离在图9中表示)，m是车辆1的质量，并且v是车辆1在纵向方向上的速度(以下也称为车辆1的移动速度)。

在“自行车”模型的背景下，还通过以下关系式将测量数据Y表达为状态数据X的函数：Y＝C.X，其中，C是包括通过车辆1中包括的各种数字传感器可访问的测量结果的数据。

关于此“自行车”模型的其他详细信息，建议参考文献FR3050161。

然后，将该模型用于车辆1的轨迹控制律中，例如存储在控制单元5中。该控制律则使得例如可以将车辆1保持在行车道的中心。

图2表示了该控制律的闭环功能图。换言之，图2表示了用于控制车辆1的轨迹的方法的功能图。

在该图2中，X_ref对应于车辆1在其行车道中的理想轨迹。实际上，该轨迹通常经过车辆1所采取的行车道的中心。该理想轨迹是控制单元5希望使车辆1实现(或维持)的轨迹。

为此，控制律采用成环的方法的形式。根据图2，通过元件22给出车辆1的状态、并且特别是车辆1的轨迹。实际上，该元件22链接到控制单元5，该控制单元将控制车辆1的轨迹，以便满足先前描述的在观测对车轮的角度设定点δ_req时从“自行车”模型得出的(关于状态数据X和测量数据Y的)方程。

图2所表示的功能图还示出了观测器元件25的存在。该元件25使得可以提供对车辆1的状态的估计。实际上，元件25链接到车辆1中存在的各种数字传感器，并因此接收与车辆1有关的所有测量结果。

元件25还从元件22接收由控制单元5传输的关于轨迹控制的信息。

然后，元件25经由估计出的数据

生成车辆1的估计轨迹。为此，元件25生成观测数据L_p，该观测数据组合了与车辆1有关的测量结果与根据这些测量结果估计出的、定义控制律所需的变量。观测数据L_p取决于车辆1的移动速度。

换言之，观测数据L_p是针对所考虑的车辆1的每个移动速度来确定的(实际上，考虑有限数量的移动速度，称为“参考”速度，并且进行插值以获得与其他速度相对应的观测数据，这里，这些参考速度均匀分布，但在低速(低于30km/h)下除外；或者，使用更大数量的值以确保更精细的设置)。估计出的数据

最终证实了以下方程：

如图2中所表示的，然后将估计出的数据

与理想轨迹X_ref进行比较。在元件20中处理轨迹估计与理想轨迹之间的偏移。该元件20被适配用于生成新控制设定点，例如与前轮的角度有关的新控制设定点δ_req。为此，元件20依赖于调节数据K_S。控制前轮的角度的新设定点δ_req通过将估计轨迹

与理想轨迹X_ref之间的偏移乘以调节数据K_S来获得。因此，新控制设定点取决于调节数据K_S。该调节数据K_S实际上以矩阵的形式来表达。

调节数据K_S取决于车辆1观测到的速度。换言之，图2中展示的控制律使用不同的调节数据K_S的值，这些值中的每一个与车辆1的移动速度相关联。

车辆1的设计中确定了与所考虑的每个移动速度相关联的调节数据K_S的值。因此，这些值是在车辆1的使用之前设置好的。因此，根据调节数据K_S生成的用于控制前轮的角度的设定点δ_req是可预测的。

这里，本发明旨在确定这样的调节数据K_S的值，这些值使得可以保证控制律的良好的性能(尤其是良好的响应时间)和良好的鲁棒性(即，相对于扰动而言良好的稳定性)。

扰动尤其是车辆1的使用配置的变化。

车辆1的这些使用配置对应于可以车辆1上可以变化并且对车辆的轨迹有影响的不同参数。例如，车辆1的不同使用配置可以与车辆1的不同装载重量相关联。例如，这些使用配置可以是内部仅包括驾驶员的车辆与包括五个人的车辆之间的重量差。这些使用配置还可以涉及不同装载重量在车辆1中的分布(例如考虑满载的行李箱、安装在车辆1上的车顶箱或拖曳在该车辆1后方的拖车的存在)。车辆1的不同使用配置也可以与使用不同的装备相关联。例如，这些使用配置可以涉及使用适合特定天气条件的轮胎，诸如雪地轮胎。

机动车辆的不同使用条件对机动车辆的特性参数、特别是对前传动系和后传动系的刚度以及对机动车辆的质量(以及因此重量)有影响。如前所述，这些量被用在用于确定车辆的轨迹的方程中(通过代表与状态数据X的动态关系的数据A)。调节数据K_S也必须考虑这些使用配置(针对每个移动速度)。

如本发明中描述的用于产生预测控制设定点的方法旨在优化对调节数据K_S的确定，以确保控制律在所有情况下的鲁棒性，同时保持该控制律的执行性能。

换言之，本发明试图针对所考虑的车辆的每个移动速度确定调节数据K_S，该调节数据可能地对机动车辆的使用条件的变化最不敏感，并且在响应时间方面还是高效的。

针对所考虑的车辆1的每个移动速度实施根据本发明的方法。该方法在车辆1的设计中实施(因此位于在行车道上使用该车辆的上游)。

该方法开始于针对所考虑的车辆1的移动速度确定多个调节数据K_S的步骤。每个调节数据K_S与车辆1的不同使用配置相关联。例如，针对等于70km/h的车辆1的移动速度，针对与车辆1中仅存在驾驶员相对应的配置确定第一调节数据K_S1，针对与车辆1中存在五个人相对应的配置确定第二调节数据K_S2，依此类推。

具体而言，使用优化算法来生成该多个调节数据K_S。引入一组参数作为该算法的输入。该组参数包括所谓的鲁棒性参数和所谓的性能参数。性能参数对车辆1的轨迹的调节动态特性(dVnamics)有影响。鲁棒性参数表征在图2的功能图上呈现的调节环路未稳定之前，控制律中留有的裕量。

这里将注意到，所使用的优化算法遵循通过执行连续仿真获得的实验设计。在每次仿真结束时，计算每个参数获得的分数。然后，该算法控制之后的仿真以获得更好的分数或尚未探索的分数(在探索与加强之间的折衷)。

可以区分出的鲁棒性参数包括例如：传递函数H的相位裕量、延迟裕量或增益裕量(将在本说明下文中指定)。可以区分出的性能参数包括例如：车辆1的重心与理想轨迹之间的侧向偏移y或前轮的角度δ。

每个调节数据K_S对应于一组特定参数(作为与特定移动速度和与车辆1的特定使用配置相关联的补充)。

本发明的方法继续将多个调节数据K_S投影到二维空间上。该空间是根据选定的性能参数和选定的鲁棒性参数来定义的。图3至图5表示了这样的空间的示例，在该空间中，表示为a₁的鲁棒性参数置于x轴，并且表示为b₁的性能参数置于y轴。

该空间上存在的不同点对应于特定的参数对a₁和b₁，特别是与车辆1的不同使用配置有关。

例如，这里参数a₁对应于延迟裕量，并且参数b₁对应于车辆1的重心G与理想轨迹I_d之间的侧向偏移y。

然后该方法继续从投影到所定义的空间上的那些数据中识别出至少一个调节数据。该识别以满足针对选定的鲁棒性参数和/或所选性能参数的至少一个选择标准的方式来完成。该方法旨在确定相对于所定义的选择标准的最佳数据，通常称为“帕累托优化(Pareto optimization)”。

在该方法的背景下，选择标准对应于满足性能标准和鲁棒性标准。性能标准例如依赖这样的原则，该原则包括：限制返回车道中心的时间，或优化车辆1停留在其行车道中的时间，或使与车辆1的重心之间的侧向偏移y的绝对值的平均值最小化。

就鲁棒性标准而言，其依赖对通常用于评估调节环路的稳定鲁棒性的裕量之一的优化。

增益裕量、相位裕量和延迟裕量为正数值，其使得可以通过对表示为H的环路传递进行分析来评估系统的稳定鲁棒性。裕量越大，稳定性越高。增益裕量对应于可以提供给开环系统而没有使其在闭环模式下不稳定的风险的最大附加增益。延迟裕量对应于可以提供给开环系统而没有使其在闭环模式下不稳定的风险的最大附加延迟。因此，要优化的鲁棒性标准包括使增益裕量、相位裕量和延迟裕量最大化。

然而，鲁棒性裕量必须使得可以保护与上文定义的性能标准有关的调节性能。

图3至图5呈现了根据三种不同的选择标准的三种对调节数据K_S的识别。

在图3中，选择标准相比鲁棒性标准更着重考虑性能标准。该选择标准旨在接近具有最大值的性能参数。然而，“帕累托”优化方法使得可以通过对调节数据K_S的识别来确保最小的鲁棒性。

在图4中，选择标准相比性能标准更着重考虑鲁棒性标准。该选择标准旨在接近具有最大值的鲁棒性参数。然而，这里(帕累托)优化方法再次使得可以通过对调节数据K_S的识别来确保最小的性能。

最后，在图5中，选择标准被定义为鲁棒性标准与性能标准之间的折衷。在这种情况下，所识别的调节数据K_S既不是考虑最大性能参数，也不是考虑最大鲁棒性参数，而是各自的平均。

然后，该方法继续通过图形投影来测试三个识别出的调节数据K_S。这三个调节数据被认为是就相关选择标准而言要关注的。通过使用基于简化车辆模型的数字仿真来执行此测试。根据每个先前识别出的调节数据生成用于控制车辆在行车道上的轨迹的设定点。然后，将每个控制设定点植入到(模型的)车辆的控制单元中，以评估每个调节数据。该数字测试特别是旨在评估着重考虑鲁棒性而性能降级的方式。

在该数字仿真结束时，从在先前描述的投影步骤结束时选定的那些调节数据中识别至少一个调节数据K_S。

然后，该方法包括被称为验证识别出的调节数据的步骤。在实际情况下，该验证步骤可以对从在所执行的数字仿真结束时识别出的调节数据K_S得出的控制设定点进行测试，以便确定最终将被物理地用于定义控制律中的车辆1的轨迹控制设定点的调节数据。

这种调节包括对从数字仿真中识别出的每个调节数据得出的每个控制设定点进行道路测试。因此，为此将每个控制设定点植入到车辆1的控制单元5中，然后使该车辆在道路上行驶。在该验证步骤中，在车辆1的不同使用条件下测试每个调节数据(因此测试了每个控制设定点)。最终选择的调节数据对应于导致控制设定点对车辆1的使用配置的变化最不敏感的调节数据。换言之，所选择的调节数据是使得可以限制不同使用配置之间的性能偏差的调节数据。实际上，该调节数据将对应于性能在不同使用配置下的最小离差。

最后，为了生成车辆1的轨迹控制设定点，使用所选择的调节数据。然后将该控制设定点植入到车辆1的控制单元5中，以实施该车辆的轨迹控制律，以便对该车辆进行重新定向或使其保持在其行车道中。

实际上，用于轨迹控制律的调节数据是在发布车辆1之前、在车辆的构造中确定的。在发布车辆1之后通常不对该数据进行修改。

必须针对所考虑的车辆1的每个移动速度来选择调节数据。

在该阶段，将能够注意的是，如果在实际情况下没有验证为有效的调节数据K_S的值，则开发人员将不得不尝试另一种优化标准(例如，另一种鲁棒性裕量)，或尝试通过重新评估的车辆模型(例如，通过增加所使用的车辆的虚拟质量得到的)或通过更新车辆的参数(质量、轮胎、重心、辅助转向等)来生成调节数据K_S。

在该阶段，还可以定义上述传递函数H，这将另外地使得可以评估从所选择的调节数据得出的鲁棒性裕量。如图6中所表示的，传递函数H(也称为环路传递H)定义在要控制的系统的输入(这里为元件22)与该系统的输出之间，这使得可以在调节环路开路时进行调节，这里为元件20。

然后，必须通过绘制与该传递函数H相关联的伯德图来评估该鲁棒性裕量。

图7和图8分别表示了传递函数H的示例的增益曲线和相位曲线。这些图使得可以在该示例的上下文中(即，从所选择的调节数据K_S得出)可视化增益裕量(在图7中表示为M_G)和相位裕量(在图8中表示为

)。

如前所述，在最初确定被选择并验证以生成控制设定点的调节数据K_S，以便优化鲁棒性裕量(增益裕量、相位裕量或延迟裕量)。

最终，使用传递函数H的伯德图使得可以评估通过选择调节数据K_S已经如何有效地优化了相关的鲁棒性裕量。

Claims

1.一种用于产生可植入到机动车辆(1)的轨迹控制单元(5)中的预测控制设定点的方法，该方法包括针对该机动车辆(1)在行车道上的至少一个给定移动速度的以下步骤：

-确定多个调节数据(K_S)，每个调节数据(K_S)使得可以根据至少一个输入数据生成满足鲁棒性参数的控制设定点，并且每个调节数据(K_S)与所述机动车辆(1)的特定使用配置相关联，

-根据该机动车辆(1)在该行车道上的轨迹的仿真结果从所确定的多个调节数据(K_S)中识别至少一个调节数据(K_S)，以及

-使用所述至少一个识别出的调节数据来控制所述机动车辆(1)的轨迹。

2.如权利要求1所述的产生方法，其中，该鲁棒性参数包括相位裕量或增益裕量或延迟裕量。

3.如权利要求1或2所述的产生方法，其中，该识别步骤包括以下步骤：

-将所确定的多个的调节数据(K_S)投影到由鲁棒性参数和性能参数定义的空间上，

-根据经投影的所确定的多个调节数据(K_S)到所述空间上的投影，从这些调节数据中选择至少一个调节数据(K_S)，以满足针对该鲁棒性参数和/或性能参数的至少一个选择标准。

4.如权利要求3所述的产生方法，其中，该选择标准相比该鲁棒性参数更着重考虑该性能参数。

5.如权利要求3所述的产生方法，其中，该选择标准相比该性能参数更着重考虑该鲁棒性参数。

6.如权利要求3所述的产生方法，其中，该选择标准被定义为该鲁棒性参数与该性能参数之间的折衷。

7.如权利要求1至6中任一项所述的产生方法，其中，选择识别出的调节数据(K_S)的方式为使得该控制设定点对该车辆(1)的使用配置的变化最不敏感。

8.如权利要求7所述的产生方法，其中，该机动车辆的至少两个不同使用配置与不同装载重量或装载重量在所述机动车辆(1)中的不同分布相关联。

9.如权利要求7或8所述的产生方法，其中，该机动车辆(1)的至少两个不同使用配置与所述机动车辆(1)上不同装备的存在相关联。

10.如权利要求1至9中任一项所述的产生方法，其中，该使用步骤包括将该预测控制设定点植入到该机动车辆(1)的该控制单元(5)中。