CN113264067B - 一种无人驾驶赛车制动与转向协同避撞控制方法及系统 - Google Patents

一种无人驾驶赛车制动与转向协同避撞控制方法及系统 Download PDF

Info

Publication number
CN113264067B
CN113264067B CN202110707068.3A CN202110707068A CN113264067B CN 113264067 B CN113264067 B CN 113264067B CN 202110707068 A CN202110707068 A CN 202110707068A CN 113264067 B CN113264067 B CN 113264067B
Authority
CN
China
Prior art keywords
vehicle
collision avoidance
steering
longitudinal
acceleration
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
CN202110707068.3A
Other languages
English (en)
Other versions
CN113264067A (zh
Inventor
汪洪波
高含
冯立钊
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.)
Hefei University of Technology
Original Assignee
Hefei University of 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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202110707068.3A priority Critical patent/CN113264067B/zh
Publication of CN113264067A publication Critical patent/CN113264067A/zh
Application granted granted Critical
Publication of CN113264067B publication Critical patent/CN113264067B/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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B60W2520/125—Lateral acceleration

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及一种无人驾驶赛车制动与转向协同避撞控制方法及系统，其包括以下步骤：规划转向避撞路径；设计转向避撞时车辆的纵向安全距离；采集转向避撞时车辆的横向加速度和纵向加速度，并结合纵向安全距离，采用粒子群算法设计避撞过程中车辆的最优纵向加速度和避撞过程中车辆最大横向加速度；控制车辆在车辆转向避撞时，执行的纵向加速度为最优纵向加速度和横向加速度为不大于最大横向加速度。本发明能够实现紧急情况下安全避撞，同时保证避撞过程中的稳定性。

Description

一种无人驾驶赛车制动与转向协同避撞控制方法及系统
技术领域
本发明属于无人驾驶领域，具体涉及一种无人驾驶赛车制动与转向协同避撞控制方法及采用所述控制方法的无人驾驶赛车制动与转向协同避撞控制系统。
背景技术
在无人驾驶方程式赛车进行竞速行驶时，前方可能发生意外情况需要紧急避撞，目前已有赛车设计了主动紧急制动系统(Autonomous Emergency Braking，AEB)，虽然AEB系统可以通过制动在一定程度上减少碰撞事故的发生，然而当侧方有赛车向前插入或者前方赛车骤然减速时，两车之间的距离会突然减小，这使得赛车即使以最大的制动减速度进行减速制动时仍也无法避免碰撞的发生。有些赛车采取了转向避撞方法，而单纯采取转向措施在两车相对车速较小时亦无法完全避免碰撞的发生。
发明内容
基于此，有必要针对现有无人驾驶方程式赛车在前方赛车突然减速或侧方赛车向前插入时，不能安全稳定行驶与避撞的技术问题，提供一种无人驾驶赛车制动与转向协同避撞控制方法及采用所述控制方法的无人驾驶赛车制动与转向协同避撞控制系统。
本发明采用以下技术实现，一种无人驾驶赛车制动与转向协同避撞控制方法，其包括以下步骤：
一、规划转向避撞路径；
二、设计转向避撞时车辆的纵向安全距离dsafe，
三、采集转向避撞时车辆的纵向加速度aX1和横向加速度aY1，并结合纵向安全距离dsafe，采用粒子群算法设计避撞过程中车辆的最优纵向加速度aX1优和避撞过程中车辆最大横向加速度aY1,max；
四、控制车辆在车辆转向避撞时，执行的纵向加速度为最优纵向加速度aX1优和最大横向加速度aY1,max。
作为上述方案的进一步改进，所述转向避撞路径的规划方法包括以下步骤：
I建立大地坐标系，所述大地坐标系的原点是所述转向避撞路径启动规划时车辆的位置，车辆纵向位移方向为X轴方向，车辆横向位移方向为Y轴方向；；
II采用一元五次多项式方程来描述在转向避撞过程中车辆质心随时间t横向移动的横向位移路径Y1(t)：
Y1(t)＝a0+a1(t-t0)+a2(t-t0)2+a3(t-t0)3+a4(t-t0)4+a5(t-t0)5
其中，a0、a1、a2、a3、a4、a5为所述一元五次多项式方程的系数；
t0为所述转向避撞路径开始时的时间；
III将车辆的横向位移条件、横向速度条件、横向加速度条件代入横向位移路径Y1(t)，得到五阶多项式方程Y1(t)：
Figure BDA0003132238630000021
其中，te为所述转向避撞路径结束的时间；
Ye为t＝te时，车辆的横向位移Y1(te)，取Ye＝3.75m，即为一个车道宽；
IV对五阶多项式方程Y1(t)求二阶导，得到车辆随时间t变化的横向加速度IV对五阶多项式方程Y1(t)求二阶导，得到车辆随时间t变化的横向加速度函数a(t)：
Figure BDA0003132238630000022
V令
Figure BDA0003132238630000023
得到极值aY1,max，相应极值点时的t为：
Figure BDA0003132238630000024
aY1,max为车辆避撞过程中最大横向加速度，代入横向加速度函数a(t)得到
Figure BDA0003132238630000025
Figure BDA0003132238630000026
VI将
Figure BDA0003132238630000027
代入五阶多项式方程Y1(t)，即为所述转向避撞路径：
Figure BDA0003132238630000031
进一步地，所述一元五次多项式方程满足的条件为：
(1)所述转向避撞路径开始时和结束时，车辆的横向位移条件：
t0＝0；
Y1(0)＝0；
Y1(te)＝Ye；
其中，Y1(0)为t＝t0时，车辆的横向位移；
(2)所述转向避撞路径开始时和结束时，车辆的横向速度条件：
Figure BDA0003132238630000032
Figure BDA0003132238630000033
(3)所述转向避撞路径开始时和结束时，车辆的横向加速度条件：
Figure BDA0003132238630000034
Figure BDA0003132238630000035
进一步地，所述纵向安全距离dsafe的设计方法包括以下步骤：
I当车辆转向避撞过程中，且当车辆左转避撞时，计算车辆右前角横向位移Yfr(t)和车辆转向避撞所需最少时间tYfr；其中，车辆转向避撞过程中，不论是车辆左转避撞还是右转避撞，其纵向安全距离dsafe相同；
II在车辆转向避撞过程中假设前车加速度不变，车辆相对前车随时间t变化的纵向位移sr(t)为：
Figure BDA0003132238630000036
其中，Vr为车辆相对前车的纵向车速，Vr＝VX1-VX2，VX1、VX2分别为车辆的纵向车速与前车的纵向车速；
ar为车辆相对前车的纵向加速度，ar＝aX1-aX2，aX1、aX2分别为车辆的纵向加速度与前车的纵向加速度；
III当车辆左转避撞时，车辆要达到横向安全状态时，车辆的避撞纵向安全距离dsafe为：
Figure BDA0003132238630000041
再进一步地，转向避撞过程中车辆右前角横向位移的计算方式：
Figure BDA0003132238630000042
其中，(X1,Y1)为所述转向避撞路径过程中时，车辆质心的坐标；
Lf为车辆质心到车辆最前端的距离；
w为前车的车宽；
ψ为所述转向避撞过程中，车辆的横摆角。
优选地，车辆转向避撞所需最少时间tYfr的计算方式为：
令：
Figure BDA0003132238630000043
求取车辆转向避撞所需最少时间tYfr；
d为车辆左转避撞时，车辆的右前角距前车的最小横向距离，此时认为车辆达到横向安全状态。
进一步地，避撞过程中车辆的最优纵向加速度aX1优和避撞过程中车辆最大横向加速度aY1,max的设计方法包括以下步骤：
I针对粒子群算法模型进行参数初始化
N＝500；G＝300；
Figure BDA0003132238630000044
v＝(0,0)；x＝(0,0)；aY1,MIN＝0；aY1,MAX＝0.5g；aX1,MIN＝0；aX1,MAX＝-μg；
其中，N为粒子群的种群规模；
G迭代次数；
vlimit为粒子的速度限制；
xlimit为粒子的位置限制；
aX1,MIN为车辆的纵向加速度下限值；
aX1,MAX为车辆的纵向加速度上限值；
aY1,MIN为车辆的横向加速度下限值；
aY1,MAX为车辆的纵向加速度上限值；
v为粒子的初始速度；
x粒子的初始位置；
μ为路面附着系数，取μ＝0.75；
g为重力加速度，单位为m/s2；
II设立粒子群的适应度函数fitness
令适应度函数为避撞纵向安全距离dsafe、纵向加速度aX1和横向加速度aY1的归一化和值：fitness＝dsafe’+aX1’+aY1’；
dsafe’为避撞纵向安全距离dsafe的归一化和值；
aX1’为纵向加速度归一化和值；
aY1’为横向加速度归一化和值；
III设立粒子群的约束条件
(aX1优)2+(aY1,max)2≤(μg)2；
IV进行粒子群迭代
采用粒子速度和位置更新公式进行迭代，同时每次迭代更新pbest、gbest、fitnesspbest和fitnessgbest。迭代至最大迭代次数而终止，输出此时的gbest，即为所求的在转向避撞过程中最优纵向加速度aX1优和最大横向加速度aY1,max。
vi+1＝ωvi+C1random(0,1)(obest-xi)+C1random(0,1)(gbest-xi)
xi+1＝xi+vi+1；
其中，ω为惯性因子；
vi为迭代次数i时的粒子的速度；
vi+1为迭代次数i+1时的粒子的速度；
C1和C2均为粒子的加速常数；
pbest为每个粒子的历史最佳位置；
gbest为整个群体的历史最佳位置；
fitnesspbest为每个粒子的历史最佳适应度值；
fitnessgbest为整个群体的历史最佳适应度值；
random(0,1)为区间[0,1]上的随机数；
xi为迭代次数i时的粒子的位置；
xi+1为迭代次数i+1时的粒子的位置。
作为上述方案的进一步改进，所述无人驾驶赛车制动与转向协同避撞控制方法还包括步骤：
五、路径跟踪
设计车辆的前轮转角δf(t)为表征所述转向避撞路径的跟踪指标：
Figure BDA0003132238630000061
其中，δf(t)为所述转向避撞路径过程中，车辆随时间t变化的前轮转角；
Ld为对转向避撞路径的预瞄距离；
L为车辆的轴距。
本发明还提供一种无人驾驶赛车制动与转向协同避撞控制系统，其包括：
转向避撞路径规划模块，其用于规划转向避撞路径；
纵向安全距离设计模块，其用于设计转向避撞时车辆的纵向安全距离dsafe，
加速度设计模块，其用于采集转向避撞时车辆的纵向加速度aX1和横向加速度aY1，并结合纵向安全距离dsafe，采用粒子群算法设计避撞过程中车辆的最优纵向加速度aX1优和避撞过程中车辆最大横向加速度aY1,max；
执行模块，其用于控制车辆在车辆转向避撞时，执行的纵向加速度为最优纵向加速度aX1优和最大横向加速度aY1,max。
作为上述方案的进一步改进，所述无人驾驶赛车制动与转向协同避撞控制系统在运作时，采用上述任意无人驾驶赛车制动与转向协同避撞控制方法。
本发明保证无人驾驶方程式赛车在前方赛车突然减速或侧方赛车向前插入时能够安全稳定行驶与避撞，本发明基于五次多项式路径，以本车左前角(或右前角)为参考点，设计了避撞纵向安全距离模型，采用粒子群算法，根据避撞纵向安全距离、横向加速度和纵向加速度的归一化和值适应度函数寻求制动与转向协同避撞过程中的最优横、纵向加速度分配，能够实现紧急情况下安全避撞，同时保证避撞过程中的稳定性。
附图说明
图1是本发明实施例的无人驾驶赛车制动与转向协同避撞控制方法的流程示意图。
图2是图1中车辆避撞纵向安全距离计算示意图。
图3是图1中车辆右前角位置计算示意图。
图4是图1中车辆的车辆运动学模型。
图5是采用图1中的方法后纯制动与纯转向的比较图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。
需要说明的是，当组件被称为“安装于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。当一个组件被认为是“固定于”另一个组件，它可以是直接固定在另一个组件上或者可能同时存在居中组件。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“或/及”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1，本发明的无人驾驶赛车制动与转向协同避撞控制方法，主要包括以下步骤：
一、规划转向避撞路径；
二、设计转向避撞时车辆的纵向安全距离dsafe，
三、采集转向避撞时车辆的纵向加速度aX1和横向加速度aY1，并结合纵向安全距离dsafe，采用粒子群算法设计避撞过程中车辆的最优纵向加速度aX1优和避撞过程中车辆最大横向加速度aY1,max；
四、控制车辆在车辆转向避撞时，执行的纵向加速度为最优纵向加速度aY1优,控制车辆最大横向加速度为aY1,max。
五、跟踪所述转向避撞路径。
其中，第五步跟踪所述转向避撞路径，在其他实施方式中可以不设置，在本实施例中设置的目的：一方面可以验证本发明的可行性，另一方面也提供了一个可视化的转向避撞路径的实时可能性，第三方面可以为后续转向避撞路径的优化提供数据参考。
在步骤一中，规划转向避撞路径时，采用的规划方法包括以下步骤。
I建立大地坐标系，所述大地坐标系的原点O是所述转向避撞路径启动规划时车辆的位置，车辆纵向位移方向为X轴方向，车辆横向位移方向为Y轴方向；
II采用一元五次多项式方程来描述在转向避撞过程中车辆质心随时间t横向移动的横向位移路径Y1(t)：
Y1(t)＝a0+a1(t-t0)+a2(t-t0)2+a3(t-t0)3+a4(t-t0)4+a5(t-t0)5
其中，a0、a1、a2、a3、a4、a5为所述一元五次多项式方程的系数；
t0为所述转向避撞路径开始时的时间。
在本实施例中，设定所述一元五次多项式方程满足的条件：
(1)所述转向避撞路径开始时和结束时，车辆的横向位移条件：
t0＝0；
Y1(0)＝0；
Y1(te)＝Ye；
其中，Y1(0)为t＝t0时，车辆的横向位移；
te为所述转向避撞路径结束的时间；
Ye为t＝te时，车辆的横向位移Y1(te)。
(2)所述转向避撞路径开始时和结束时，车辆的横向速度条件：
Figure BDA0003132238630000091
Figure BDA0003132238630000092
(3)所述转向避撞路径开始时和结束时，车辆的横向加速度条件：
Figure BDA0003132238630000093
Figure BDA0003132238630000094
III将车辆的横向位移条件、横向速度条件、横向加速度条件代入横向位移路径Y1(t)，得到五阶多项式方程Y1(t)：
Figure BDA0003132238630000095
取Ye＝3.75m。而te取值大小会直接影响车辆在避撞时的最大横向加速度，而后者又关系到车辆的稳定性，如下所述。
IV对五阶多项式方程Y1(t)求二阶导，得到车辆随时间t变化的横向加速度函数a(t)：
Figure BDA0003132238630000096
V令
Figure BDA0003132238630000097
得到极值aY1,max，相应极值点时的t为：
Figure BDA0003132238630000098
aY1,max为车辆避撞过程中最大横向加速度，代入横向加速度函数a(t)得到
Figure BDA0003132238630000099
Figure BDA00031322386300000910
VI将
Figure BDA00031322386300000911
代入五阶多项式方程Y1(t)，即为所述转向避撞路径：
Figure BDA00031322386300000912
在本实施例中，
Figure BDA00031322386300000913
所以，只要确定了本车转向避撞过程中最大横向加速度aY1,max，即可得到te和转向避撞路径。
在步骤二中，转向避撞时车辆的纵向安全距离dsafe的设计方法包括以下步骤。
I当车辆转向避撞过程中，且当车辆左转避撞时，计算车辆右前角的横向位移Yfr和车辆转向避撞所需最少时间tYfr。
请结合图2，其中，车辆转向避撞过程中，不论是车辆左转避撞还是右转避撞，其纵向安全距离dsafe相同，因此在本实施例中只介绍车辆转向避撞过程中，车辆左转避撞时的纵向安全距离dsafe，车辆转向避撞过程中，车辆右转避撞时的纵向安全距离dsafe相同，在此不再累述。
II在车辆转向避撞过程中假设前车加速度不变，车辆相对前车随时间t变化的纵向位移sr(t)为：
Figure BDA0003132238630000101
其中，Vr为车辆与前车的相对纵向车速，Vr＝VX1-VX2，VX1、VX2分别为所述转向避撞路径开始时，车辆的纵向车速与前车的纵向车速；
ar为车辆与前车的相对纵向加速度，ar＝aX1-aX2，aX1、aX2分别为所述转向避撞路径开始时，车辆的纵向加速度与前车的纵向加速度。
III当车辆左转避撞时，车辆要达到横向安全状态时，车辆的避撞纵向安全距离dsafe为：
Figure BDA0003132238630000102
在车辆转向避撞过程中，当车辆即本辆右前角(例如左转避撞)距前车横向距离为d时，可认为车辆达到横向安全状态，一般取d＝1m。此时本车右前角横向位移Yfr＝w+d，所需时间为
Figure BDA0003132238630000103
d也可称之为横向安全余量。
请结合图3，在图3中的大地坐标系XOY中，长方形的加黑实线表示车辆，所述转向避撞路径过程中时，车辆质心为O’点，O’点的坐标为(X1,Y1)。A点为车辆前沿的中点，D点为车辆右前角，D点的坐标为(Xfr,Yfr)；B点为以A点为基点平行于Y轴的直线与以D点为基点平行于X轴的直线之间的两直线交点，C点为以A点为基点平行于Y轴的直线与以O’点为基点平行于X轴的直线之间的两直线交点。
车辆的右前角横向位移计算：
Lf＝lO’A
Figure BDA0003132238630000111
Yfr＝Y1+ΔY
ΔY＝lAC-lAB
lAC＝lO’A·sin(ψ)＝Lf·sin(ψ)
Figure BDA0003132238630000112
Lf为车辆质心到车辆最前端的距离；
lO’A为O’点和A点之间的距离；
w为前车的车宽；
lAD为A点和D点之间的距离；
Yrf为车辆的右前角横向位移；
lAD为A点和D点之间的距离；
lAC为A点和C点之间的距离；
lAB为A点和B点之间的距离；
ψ为所述转向避撞过程中，车辆的横摆角。
联立这6个方程式可得：
Figure BDA0003132238630000113
横摆角约等于航向角，则有：
Figure BDA0003132238630000114
其中，VY1为车辆的横向车速；
VX1为车辆的纵向车速。
对转向避撞路径进行微分得到车辆的横向车速：
Figure BDA0003132238630000121
代入横摆角的方程式可求得所述转向避撞过程中车辆的横摆角ψ，再代入车辆的横向车速的方程式可得
当
Figure BDA0003132238630000122
时，求解此时的时间t，即为tYfr。
在转向避撞过程中假设前车加速度不变，在此过程中本车(即指本发明中的车辆)相对前车纵向位移为：
Figure BDA0003132238630000123
Vr＝VY1-VY2
aYr＝aY1-aY2
其中，Sr为本车相对前车的纵向位移；
Vr为车辆相对前车的纵向车速，Vr＝VX1-VX2，VX1、VX2分别为车辆的纵向车速与前车的纵向车速；
ar为车辆相对前车的纵向加速度，ar＝aX1-aX2，aX1、aX2分别为车辆的纵向加速度与前车的纵向加速度。
于是当本车达到横向安全状态时，避撞纵向安全距离dsafe为
Figure BDA0003132238630000124
本车距前车纵向距离为dr，当dr≥dsafe时，可以安全避障避撞，否则，两车有碰撞危险。
在步骤三中，避撞过程中车辆的最优纵向加速度aX1优和避撞过程中车辆最大横向加速度aY1max的设计方法包括以下步骤：
I针对粒子群算法模型进行参数初始化
N＝500；G＝300；
Figure BDA0003132238630000131
v＝(0,0)；x＝(0,0)；aY1,MIN＝0；aY1,MAX＝0.5g；aX1,MIN＝0；aX1,MAX＝-μg；
其中，N为粒子群的种群规模；
G迭代次数；
vlimit为粒子的速度限制；
xlimit为粒子的位置限制；
aX1,MIN为车辆的纵向加速度下限值；
aX1,MAX为车辆的纵向加速度上限值；
aY1,MIN为车辆的横向加速度下限值；
aY1,MAX为车辆的纵向加速度上限值；
v为粒子的初始速度；
x粒子的初始位置；
μ为路面附着系数；
g为重力加速度，单位为m/s2；
II设立粒子群的适应度函数fitness
令适应度函数为避撞纵向安全距离dsafe、横向加速度aX1和纵向加速度aY1的归一化和值：fitness＝dsafe’+aX1’+aY1’；
dsafe’为避撞纵向安全距离dsafe的归一化和值；
aX1’为纵向加速度归一化和值；
aY1’为横向加速度归一化和值；
III设立粒子群的约束条件
(aX1优)2+(aY1,max)2≤(μg)2；
IV进行粒子群迭代
根据公式更新粒子的速度和位置，同时更新fitnesspbest和fitnessgbest以及其所对应的pbest、gbest。
vi+1＝ωvi+C1random(0,1)(pbest-xi)+C1random(0,1)(gbest-xi)xi+1＝xi+vi+1；
其中，ω为惯性因子；
vi为迭代次数i时的粒子的速度；
vi+1为迭代次数i+1时的粒子的速度；
C1和C2均为粒子的加速常数；
pbest为每个粒子的历史最佳位置；
gbest为整个群体的历史最佳位置；
fitnesspbest为每个粒子的历史最佳适应度值；
fitnessgbest为整个群体的历史最佳适应度值；
random(0,1)为区间[0,1]上的随机数；
xi为迭代次数i时的粒子的位置；
xi+1为迭代次数i+1时的粒子的位置。
在本实施例中，粒子群算法用于寻找避撞过程中最优纵向加速度aX1优和避撞过程中本车最大横向加速度aY1,max。
(1)参数初始化
N＝500；G＝300；
Figure BDA0003132238630000141
v＝(0,0)；x＝(0,0)；aX1,min＝0；aY1,MIN＝0；aY1,MAX＝0.5g；ax1,MIN＝0；aX1,MAX＝-μg；
(2)适应度函数
适应度函数为避撞纵向安全距离dsafe、横向加速度aX1和纵向加速度aY1的归一化和值。
避撞纵向安全距离归一化值：
Figure BDA0003132238630000142
dmax＝dr
dmin为在轮胎力达到最大，即在约束条件
Figure BDA0003132238630000143
下所求得最小避撞纵向安全距离。
求解过程为：
Figure BDA0003132238630000151
Figure BDA0003132238630000152
上式对aY1,max进行求导，当
Figure BDA0003132238630000153
时，求得aY1,max，将aY1,max带入上式，得最小值dmin。
纵向加速度归一化值
Figure BDA0003132238630000154
横向加速度归一化值
Figure BDA0003132238630000155
适应度函数
fitness＝d′+a′X1+a′Y1
(3)约束条件
受到轮胎摩擦圆的约束车辆的加速度应满足如下关系:
(aX1优)2+(aY1,max)2≤(μg)2
(4)粒子群迭代
根据公式更新粒子的速度和位置。同时更新pbest、gbest以及其所对应的fitnesspbest和fitnessgbest。
粒子速度和位置更新公式为：
vi+1＝ωvi+C1random(0,1)(obest-xi)+C1random(0,1)(gbest-xi)xi+1＝xi+vi+1；
其中，ω为惯性因子；
vi为迭代次数i时的粒子的速度；
vi+1为迭代次数i+1时的粒子的速度；
C1和C2均为粒子的加速常数；
pbest为每个粒子的历史最佳位置；
gbest为整个群体的历史最佳位置；
fitnesspbest为每个粒子的历史最佳适应度值
fitnessgbest为整个群体的历史最佳适应度值
random(0,1)为区间[0,1]上的随机数；
xi为迭代次数i时的粒子的位置；
xi+1为迭代次数i+1时的粒子的位置。
ω值较大时，全局能力较强，局部寻优能力较弱，反之全局寻优强，局部寻优弱。这里取ω＝0.8。C1＝C2＝[0,4],这里取C1＝0.5，C2＝0.5。
(5)终止达到最大迭代次数。
输出此时的gbest，此时即可得到转向与制动协同避撞的最优纵向加速度aY1优和最大横向加速度aX1,max。
在步骤五中，路径跟踪可采用基于运动学的纯跟踪算法,控制量为前轮转角。请参阅图4，设计车辆的前轮转角δf(t)为表征所述转向避撞路径的跟踪指标：
Figure BDA0003132238630000161
其中，δf(t)为所述转向避撞路径过程中，车辆随时间t变化的前轮转角；
ψ为所述转向避撞路径过程中，车辆；
Ld为车辆对前车的预瞄距离；
L为车辆的轴距。
具体的设计过程如下：
θ≈ψ
Figure BDA0003132238630000171
Figure BDA0003132238630000172
联立上述三式，得
Figure BDA0003132238630000173
由此得到δf(t)。
以下将所述一种大学生方程式赛车转向与制动协同避撞控制方法与纯制动避撞、纯转向避撞和协同避撞所需纵向距离进行对比。
试验方法为：在Carsim中设置车辆模型参数为大学生无人驾驶方程式赛车的相关参数，将该模型发送至已搭建上述控制方法的simulink环境中。仿真条件为本车初始加速度为0，前车加速度aX2＝-0.25g。纯制动避撞时本车全力制动，不进行转向，加速度为aX1＝-0.75g。纯转向避撞时，本车按照上述规划的五次多项式路径采用如上纯跟踪算法进行纯转向避撞，不进行制动，避撞过程中最大横向加速度为aY1＝0.35g。观测在本车与前车不同相对车速下纯制动避撞和纯制动避撞所需纵向距离。协同避撞是采用粒子群优化获得的优化横向、纵向加速度进行转向与制动控制，实现避撞。
仿真结果，如图5以及表1所示。
表1试验数据
Figure BDA0003132238630000174
Figure BDA0003132238630000181
由图5及表1可见，两车相对车速较小时，纯制动避撞所需纵向距离较小。两车相对车速较大时，纯转向避撞所需纵向距离较小。为对比本文所提出的制动与转向协同避撞控制方法与以上两种避撞方法，设计以下仿真试验方法，设定本车与前车相对距离小于某一相对车速下纯制动和纯转向避撞所需纵向距离，即此时纯制动和纯转向无法避免碰撞发生。观测本文提出的避撞方法所需的纵向距离，结果如表1所示。
综合以上数据可以看出当前车突然减速或者侧面车辆突然插入时，在某些情况下纯制动与纯转向已不能避免碰撞，而本文所提出的制动与转向协同避撞控制方法在此情况下可以避免碰撞的发生。
与现有技术相比，本发明具备以下优势：
1.基于五次多项式路径，以本车左前角(或右前角)为参考点，设计了避撞纵向安全距离模型。
2.采用转向与制动协同避撞方式，根据本车和前车的信息采用粒子群算法寻求最优的纵向加速度和避撞过程中的最大横向加速度。
3、在粒子群算法中设计了基于避撞纵向安全距离、横向加速度aX1和纵向加速度aY1的归一化和值的适应度函数，同时设计了避撞纵向安全距离归一化值计算方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明的保护范围应以所附权利要求为准。

Claims (6)

1.一种无人驾驶赛车制动与转向协同避撞控制方法，其特征在于：其包括以下步骤：
一、规划转向避撞路径；
二、设计转向避撞时车辆的纵向安全距离dsafe，
三、采集转向避撞时车辆的纵向加速度aX1和横向加速度aY1，并结合纵向安全距离dsafe，采用粒子群算法设计避撞过程中车辆的最优纵向加速度aX1优和避撞过程中车辆最大横向加速度aY1,max；
四、控制车辆在车辆转向避撞时，执行的纵向加速度为最优纵向加速度aY1优,控制车辆最大横向加速度为aY1,max；
其中，所述转向避撞路径的规划方法包括以下步骤：
I建立大地坐标系，所述大地坐标系的原点是所述转向避撞路径启动规划时车辆的位置，车辆纵向位移方向为X轴方向，车辆横向位移方向为Y轴方向；
II采用一元五次多项式方程来描述在转向避撞过程中车辆质心随时间t横向移动的横向位移路径Y1(t)：
Y1(t)＝a0+a1(t-t0)+a2(t-t0)2+a3(t-t0)3+a4(t-t0)4+a5(t-t0)5
其中，a0、a1、a2、a3、a4、a5为所述一元五次多项式方程的系数；
t0为所述转向避撞路径开始时的时间；
III将车辆的横向位移条件、横向速度条件、横向加速度条件代入横向位移路径Y1(t)，得到五阶多项式方程Y1(t)：
Figure FDA0003547261900000011
其中，te为所述转向避撞路径结束的时间；
Ye为t＝te时，车辆的横向位移Y1(te)，取Ye＝3.75m，即为一个车道宽；
IV对五阶多项式方程Y1(t)求二阶导，得到车辆随时间t变化的横向加速度函数a(t)：
Figure FDA0003547261900000012
V令
Figure FDA0003547261900000021
得到极值aY1,max，相应极值点时的t为：
Figure FDA0003547261900000022
aY1,max为车辆避撞过程中最大横向加速度，代入横向加速度函数a(t)得到
Figure FDA0003547261900000023
Figure FDA0003547261900000024
VI将
Figure FDA0003547261900000025
Ye＝3.75代入五阶多项式方程Y1(t)，即为所述转向避撞路径：
Figure FDA0003547261900000026
其中，(1)所述纵向安全距离dsafe的设计方法包括以下步骤：
I当车辆转向避撞过程中，且当车辆左转避撞时，计算车辆右前角横向位移Yfr(t)和车辆转向避撞所需最少时间tYfr；其中，车辆转向避撞过程中，不论是车辆左转避撞还是右转避撞，其纵向安全距离dsafe相同；
II在车辆转向避撞过程中假设前车加速度不变，车辆相对前车随时间t变化的纵向位移sr(t)为：
Figure FDA0003547261900000027
其中，Vr为车辆相对前车的纵向车速，Vr＝VX1-VX2，VX1、VX2分别为车辆的纵向车速与前车的纵向车速；
ar为车辆相对前车的纵向加速度，ar＝aX1-aX2，aX1、aX2分别为车辆的纵向加速度与前车的纵向加速度；
III当车辆左转避撞时，车辆要达到横向安全状态时，车辆的避撞纵向安全距离dsafe为：
Figure FDA0003547261900000028
(2)避撞过程中车辆的最优纵向加速度aX1优和避撞过程中车辆最大横向加速度aY1,max的设计方法包括以下步骤：
I针对粒子群算法模型进行参数初始化
N＝500；G＝300；
Figure FDA0003547261900000029
v＝(0，0)；x＝(0，0)；aY1，MIN＝0；aY1，MAX＝0.5g；aX1，MIN＝0；aX1，MAX＝-μg；
其中，N为粒子群的种群规模；
G迭代次数；
vlimit为粒子的速度限制；
xlimit为粒子的位置限制；
aX1，MIN为车辆的纵向加速度下限值；
aX1，MAX为车辆的纵向加速度上限值；
aY1，MIN为车辆的横向加速度下限值；
aY1，MAX为车辆的纵向加速度上限值；
v为粒子的初始速度；
x粒子的初始位置；
μ为路面附着系数，取μ＝0.75；
g为重力加速度，单位为m/s2；
II设立粒子群的适应度函数fitness
令适应度函数为避撞纵向安全距离dsafe、横向加速度aX1和纵向加速度aY1的归一化和值：fitness＝dsafe’+aX1’+aY1’；
dsafe’为避撞纵向安全距离dsafe的归一化和值；
aX1’为纵向加速度归一化和值；
aY1’为横向加速度归一化和值；
III设立粒子群的约束条件
(aX1优)2+(aY1，max)2≤(μg)2；
IV进行粒子群迭代
采用粒子速度和位置更新公式进行迭代，同时更新pbest、gbest、fitnesspbest和fitnessgbest；迭代至达到最大迭代次数而终止，输出此时的gbest，即为所求的在转向避撞过程中最优纵向加速度aX1优和最大横向加速度aY1，max；
vi+1＝ωvi+C1random(0，1)(pbest-xi)+C1random(0，1)(gbest-xi)xi+1＝xi+vi+1；
其中，ω为惯性因子；
vi为迭代次数i时的粒子的速度；
vi+1为迭代次数i+1时的粒子的速度；
C1和C2均为粒子的加速常数；
pbest为每个粒子的历史最佳位置；
gbest为整个群体的历史最佳位置；
fitnesspbest为每个粒子的历史最佳适应度值；
fitnessgbest为整个群体的历史最佳适应度值；
random(0，1)为区间[0，1]上的随机数；
xi为迭代次数i时的粒子的位置；
xi+1为迭代次数i+1时的粒子的位置。
2.根据权利要求1所述的无人驾驶赛车制动与转向协同避撞控制方法，其特征在于，所述一元五次多项式方程满足的条件为：
(1)所述转向避撞路径开始时和结束时，车辆的横向位移条件：
t0＝0；
Y1(0)＝0；
Y1(te)＝Ye；
其中，Y1(0)为t＝t0时，车辆的横向位移；
(2)所述转向避撞路径开始时和结束时，车辆的横向速度条件：
Figure FDA0003547261900000041
Figure FDA0003547261900000042
(3)所述转向避撞路径开始时和结束时，车辆的横向加速度条件：
Figure FDA0003547261900000043
Figure FDA0003547261900000044
3.根据权利要求1所述的无人驾驶赛车制动与转向协同避撞控制方法，其特征在于，转向避撞过程中车辆右前角横向位移的计算方式：
Figure FDA0003547261900000051
其中，(X1，Y1)为所述转向避撞路径过程中时，车辆质心的坐标；
Lf为车辆质心到车辆最前端的距离；
w为前车的车宽；
ψ为所述转向避撞过程中，车辆的横摆角。
4.根据权利要求3所述的无人驾驶赛车制动与转向协同避撞控制方法，其特征在于，车辆转向避撞所需最少时间tYfr的计算方式为：
令：
Figure FDA0003547261900000052
求取车辆转向避撞所需最少时间tYfr；
d为车辆左转避撞时，车辆的右前角距前车的最小横向距离，此时认为车辆达到横向安全状态。
5.根据权利要求1所述的无人驾驶赛车制动与转向协同避撞控制方法，其特征在于，所述无人驾驶赛车制动与转向协同避撞控制方法还包括步骤：
五、路径跟踪
设计车辆的前轮转角δf(t)为表征所述转向避撞路径的跟踪指标：
Figure FDA0003547261900000053
其中，δf(t)为所述转向避撞路径过程中，车辆随时间t变化的前轮转角；
Ld为对转向避撞路径的预瞄距离；
L为车辆的轴距。
6.一种无人驾驶赛车制动与转向协同避撞控制系统，其特征在于，其包括：
转向避撞路径规划模块，其用于规划转向避撞路径；
纵向安全距离设计模块，其用于设计转向避撞时车辆的纵向安全距离dsafe，
加速度设计模块，其用于采集转向避撞时车辆的纵向加速度aX1和横向加速度aY1，并结合纵向安全距离dsafe，采用粒子群算法设计避撞过程中车辆的最优纵向加速度aY1优和避撞过程中车辆最大横向加速度aX1,max；
执行模块，其用于控制车辆在车辆转向避撞时，执行的纵向加速度为最优纵向加速度aY1优和最大横向加速度aX1,max；
其中，所述无人驾驶赛车制动与转向协同避撞控制系统在运作时，采用如权利要求1至5中任意一项所述的无人驾驶赛车制动与转向协同避撞控制方法。
CN202110707068.3A 2021-06-25 2021-06-25 一种无人驾驶赛车制动与转向协同避撞控制方法及系统 Active CN113264067B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110707068.3A CN113264067B (zh) 2021-06-25 2021-06-25 一种无人驾驶赛车制动与转向协同避撞控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110707068.3A CN113264067B (zh) 2021-06-25 2021-06-25 一种无人驾驶赛车制动与转向协同避撞控制方法及系统

Publications (2)

Publication Number Publication Date
CN113264067A CN113264067A (zh) 2021-08-17
CN113264067B true CN113264067B (zh) 2022-06-07

Family

ID=77235928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110707068.3A Active CN113264067B (zh) 2021-06-25 2021-06-25 一种无人驾驶赛车制动与转向协同避撞控制方法及系统

Country Status (1)

Country Link
CN (1) CN113264067B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116700012B (zh) * 2023-07-19 2024-03-01 合肥工业大学 一种多智能体的避撞编队合围控制器的设计方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105691388B (zh) * 2016-01-14 2017-11-14 南京航空航天大学 一种汽车主动避撞系统及其轨迹规划方法
JP6575774B2 (ja) * 2017-03-07 2019-09-18 トヨタ自動車株式会社 衝突回避支援装置
CN106965808A (zh) * 2017-04-17 2017-07-21 南京航空航天大学 汽车横纵向主动协调避撞系统及其协调方法
CN110723141B (zh) * 2019-09-20 2020-12-18 江苏大学 一种车辆主动避撞系统及其避撞方式切换方法
CN112109704B (zh) * 2020-09-22 2022-04-01 同济大学 一种基于精准轨迹预测的车辆避撞动态安全路径规划方法
CN112606837A (zh) * 2020-12-25 2021-04-06 东风汽车集团有限公司 一种转向和制动协同的车辆避障系统及方法

Also Published As

Publication number Publication date
CN113264067A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
Cheng et al. Longitudinal collision avoidance and lateral stability adaptive control system based on MPC of autonomous vehicles
CN110286681B (zh) 一种变曲率弯道的动态自动驾驶换道轨迹规划方法
CN111976721B (zh) 一种基于矩形聚类碰撞锥模型的主动避障控制方法
Yi et al. Real time integrated vehicle dynamics control and trajectory planning with MPC for critical maneuvers
Wurts et al. Collision imminent steering at high speed using nonlinear model predictive control
Attia et al. Coupled longitudinal and lateral control strategy improving lateral stability for autonomous vehicle
CN109131312A (zh) 一种智能电动汽车acc/esc集成控制系统及其方法
CN111795699B (zh) 无人车的路径规划方法、装置和计算机可读存储介质
WO2023024914A1 (zh) 车辆避让方法、装置、计算机设备和存储介质
Wurts et al. Collision imminent steering using nonlinear model predictive control
CN111703419B (zh) 一种智能汽车紧急工况下避撞轨迹规划方法
CN114987461A (zh) 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法
Chakraborty et al. Time-optimal vehicle posture control to mitigate unavoidable collisions using conventional control inputs
CN114637292A (zh) 一种兼顾避障的车辆轨迹跟踪鲁棒控制方法和系统
Yongzhe et al. A practical study of time-elastic-band planning method for driverless vehicle for auto-parking
CN113264067B (zh) 一种无人驾驶赛车制动与转向协同避撞控制方法及系统
Hoehener et al. Design of a lane departure driver-assist system under safety specifications
Lee et al. Predictive risk assessment using cooperation concept for collision avoidance of side crash in autonomous lane change systems
CN108569288B (zh) 一种汽车危险工况的界定与避撞控制方法
Lee et al. Nonlinear model predictive control for path tracking in high-speed corner entry situations
CN114435399B (zh) 基于预测模型的自动驾驶汽车稳定性路径跟踪方法
Li et al. Spatial-based predictive control for vehicle collision avoidance by steering maneuvers
Wurts et al. Minimum slip collision imminent steering in curved roads using nonlinear model predictive control
Zhang et al. Automated braking decision and control for pedestrian collision avoidance based on risk assessment
Yang et al. ESO-based lateral control for electrical vehicles with unmodeled tire dynamics on uneven road

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