CN113325691B - 一种无人车双闭环纵向控制方法、系统及设备 - Google Patents

一种无人车双闭环纵向控制方法、系统及设备 Download PDF

Info

Publication number
CN113325691B
CN113325691B CN202110477935.9A CN202110477935A CN113325691B CN 113325691 B CN113325691 B CN 113325691B CN 202110477935 A CN202110477935 A CN 202110477935A CN 113325691 B CN113325691 B CN 113325691B
Authority
CN
China
Prior art keywords
acceleration
speed
loop
pid
fuzzy
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
CN202110477935.9A
Other languages
English (en)
Other versions
CN113325691A (zh
Inventor
郑南宁
詹钧翔
张唐一可
史佳敏
关鑫
南智雄
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110477935.9A priority Critical patent/CN113325691B/zh
Publication of CN113325691A publication Critical patent/CN113325691A/zh
Application granted granted Critical
Publication of CN113325691B publication Critical patent/CN113325691B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/62—Hybrid vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Control Of Vehicle Engines Or Engines For Specific Uses (AREA)

Abstract

本发明提出了一种无人车双闭环纵向控制方法、系统及设备，计算速度和加速度的平滑参考；根据原始速度指令变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考基于速度外环—加速度内环的双闭环PID控制器，PID速度环引入平滑前馈，利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，得到PID速度环输出；PID加速度‑油门环引入模糊逻辑，自适应调节参数，得到基于模糊逻辑的PID控制变量；采用重心法对模糊控制器输出变量去模糊化，对模糊集合的面积重心相应的输出进行解算，获得加速度‑油门环PID参数，适用于无人驾驶汽车，能在不依赖动力学建模的条件下，实现准确、平稳和舒适的纵向控制效果。

Description

一种无人车双闭环纵向控制方法、系统及设备
技术领域
本发明属于自动驾驶车辆控制领域，具体涉及一种适用于混合动力汽车的纵向速度控制。
背景技术
作为完善的智能系统，典型的无人驾驶系统是由感知预测、地图定位、决策规划、运动控制等部分共同组成。运动控制在无人驾驶系统中起着人类小脑的作用，直接决定车辆的实际运动性能，对于驾驶的安全性和稳定性至关重要。运动控制分为横向控制和纵向控制，其中纵向控制是通过合理的操纵制动踏板和油门踏板控制车辆速度，追踪目标速度从而实现规划指令，构建稳定舒适的纵向速度控制系统也是本发明的主要工作。
无人车的平稳舒适的驾驶需要规划和控制模块共同配合实现，控制系统需要根据上层规划指令控制底层执行器(油门、刹车、方向盘等)依据需求的速度追踪路径轨迹。但规划系统输出的目标速度指令可能是不满足曲率平滑甚至是不连续的。如果不经处理直接执行这样的速度指令，将导致纵向控制器输出的急剧变化，从而影响乘坐舒适性。因此，控制系统也需要对指令速度进行平滑处理，生成适合执行器实现的速度曲线。
另外，对于无人驾驶汽车，尤其是油电混动车辆，其牵引系统受电动机和发动机共同作用，难以进行准确的动力学建模。并且动力系统在电动机和发动机的切换会导致大时滞、强时变的特性。因此，控制系统需要制定合理的闭环纵向速度策略，操纵油门和刹车踏板追踪理想的速度轨迹。这样的大时滞会导致控制效果的滞后和速度跟踪误差的增大，而牵引系统的强非线性会导致执行器动作的剧烈波动，严重影响平顺性。而目前的纵向控制方法难以在缺乏精确建模的条件下，同时保证运动跟踪的准确度和乘坐的舒适度。
发明内容
为了解决现有技术中存在的不足之处，本发明提出一种无人车双闭环纵向控制方法、系统及设备。速度平滑模块用于将原始规划速度指令转换为适用于跟踪的平滑参考；速度跟踪模块则采用引入平滑前馈和模糊逻辑的双闭环PID控制油门和刹车踏板，以期达到准确、平稳的纵向控制效果。
为了实现上述目的，本发明采用的技术方案是，一种无人车双闭环纵向控制方法，过程如下：
计算速度和加速度的平滑参考；根据原始速度指令vcmd变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考vin；
构建速度外环—加速度内环的双闭环PID控制器：以平滑后的内部平滑参考vin和实际车速v的偏差作为输入构建PID速度外环，以外环输出的期望加速度ae和实际加速度a的偏差作为输入分别构建PID加速度-油门内环和加速度-制动内环；
PID速度环引入平滑前馈，补偿速度变化扰动，利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，得到PID速度环输出；
PID加速度-油门环引入模糊逻辑，构建模糊PID控制器，根据实验标定数据和专家经验将PID加速度-油门环的输入和输出进行模糊化，得到加速度-油门环的模糊规则；
基于所述加速度-油门环的模糊规则，根据车辆当前车速vc和当前加速度ac，进行映射，获取当前状态对应的模糊输出；
采用重心法对所述模糊输出去模糊化，对模糊集合的面积重心相应的输出进行解算，获得加速度-油门环PID参数，依据车辆实时加速度反馈调节油门开度，使得无人车始终跟踪期望加速度。
计算速度和加速度的平滑参考；根据原始速度指令vcmd变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考vin具体如下：
松耦合模式：内部加速度ain的计算式是关于内部变加速度jin的比例函数，内部变加速度jin根据速度误差差分计算，同时，内部加速度ain和内部变加速度jin的计算满足加速度、减速度、变加速度等运动学约束；
根据生成的内部参考加速度ain积分计算出内部参考速度vin：
vin＝vin0+∫aindt
在紧耦合模式，采用低通滤波对原始运动指令vcmd及其变化率进行转换，滤除高频噪声波动：
Figure BDA0003047757500000031
Figure BDA0003047757500000032
直接采用滤波后的速度和加速度作为内部参考速度vin和内部参考加速度ain；
耦合模式切换条件；当满足下述三条要求时，系统进入紧耦合模式；否则，系统进入松耦合模式；
1)在过去的预设时间段内，速度指令阶跃小于预设：||Δvcmd(t)||<0.2m/s；
2)速度变化率均在加减速极限aul,all范围内：all<δvcmd<aul；
3)当前内部平滑速度vin与原始速度指令vcmd差值在设定速度差内。
加速度、减速度、变加速度等运动学约束为：
Figure BDA0003047757500000033
其中，Ka是平滑加速度比例，aul,all是加速度约束的上限和下限，jul,jll是变加速度约束的上限和下限。
速度外环—加速度内环的双闭环PID控制器构建过程中，针对底层执行机构的动态特性，即油门及制动踏板的动态特性，采用相应的PID环控制策略；
构建PID加速度-油门内环和加速度-制动内环时，依据外环输出的正负进行判断选择；
Figure BDA0003047757500000041
Figure BDA0003047757500000042
Figure BDA0003047757500000043
其中，es、Ksp、Ksi、Ksd为速度环的输入偏差及PID参数；et、Ktp、Kti、Ktd为加速度-油门环的输入偏差及PID参数；eb、Kbp、Kbi、Kbd为加速度-制动环的输入偏差及PID参数；φt是车辆油门踏板开度(0～1)；φb是车辆制动踏板开度(0～1)。
PID速度环引入平滑前馈，补偿速度变化扰动时：速度环的追踪目标是内部平滑速度vin，而内部平滑加速度ain与vin其满足：
Figure BDA0003047757500000044
其中，σ是变量扰动，PID速度环输出为：
Figure BDA0003047757500000045
其中，Ksp、Ksi、Ksd为速度环的PID参数，es为速度环的输入偏差，Δt为时间微元，ain为内部平滑加速度。
对加速度-油门环构建模糊PID控制器，具体如下：
将当前车速和当前加速度的基本范围量化为模糊集合范围，分别用5个模糊语言子集{S,MS,M,MB,B}进行描述，并以高斯隶属度函数表示；
将PID参数进行归一化，归一化后的PID参数同理进行模糊化处理，分别用5个模糊语言子集{S,MS,M,MB,B}进行描述，并以高斯隶属度函数表示。
输出模糊集合的面积重心相应的输出作为精确值的输出，对于连续论域如下式：
Figure BDA0003047757500000051
其中，μk(y)是输出模糊集隶属度，
Figure BDA0003047757500000052
是μk(y)函数覆盖区域的面积重心，解算上式得到加速度-油门环PID控制参数。
一种无人车双闭环纵向控制系统，包括速度平滑模块、双闭环PID控制器构建模块、平滑前馈模块以及模糊规则模块；其中，
速度平滑模块用于计算速度和加速度的平滑参考；根据原始速度指令vcmd变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考vin；
双闭环PID控制器构建模块用于构建速度外环—加速度内环的双闭环PID控制器：以平滑后的内部平滑参考vin和实际车速v的偏差作为输入构建PID速度外环，以外环输出的期望加速度ae和实际加速度a的偏差作为输入分别构建PID加速度-油门内环和加速度-制动内环；
平滑前馈模块用于向PID速度环引入平滑前馈，补偿速度变化扰动，利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，得到PID速度环输出；
模糊规则模块用于向PID加速度-油门环引入模糊逻辑，构建模糊PID控制器，根据实验标定数据和专家经验将PID加速度-油门环的输入和输出进行模糊化，得到加速度-油门环的模糊规则，并且基于所述加速度-油门环的模糊规则，根据车辆当前车速vc和当前加速度ac，进行映射，获取当前状态对应的模糊输出；采用重心法对所述模糊输出去模糊化，对模糊集合的面积重心相应的输出进行解算，获得加速度-油门环PID参数，依据车辆实时加速度反馈调节油门开度，使得无人车始终跟踪期望加速度。
一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述无人车双闭环纵向控制方法。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的无人车双闭环纵向控制方法。
与现有技术相比，本发明至少具有以下有益效果：
本发明不依赖于精确的车辆动力学建模；本发明采用的控制器是以平滑前馈和双闭环偏差反馈为基础的组合反馈方法，易于工程实现和部署调试，避免了对混合动力车辆的复杂动力学建模。
能主动生成平滑的速度曲线参考；通过类人的加速度和变加速度约束，对接收到的速度指令进行平滑处理，生成与底层执行器兼容的，用于追踪的平滑速度和加速度轨迹，保证速度曲线的过渡平稳。
准确、快速的速度跟踪效果；本发明提出结合平滑前馈的双闭环PID控制器，包括速度环和加速度环。将平滑加速度引入速度环作为前馈补偿，大大缩短了时间延迟，减小了速度跟踪误差。
平稳、舒适的油门/制动动作；本发明根据标定结果和驾驶员的驾驶经验，建立了油门控制的模糊规则。结合模糊逻辑的PID控制器能自适应调整加速回路参数，保证油门/制动开度的平稳变化。
附图说明
图1为本发明的基于平滑前馈和模糊逻辑的无人车双闭环纵向控制器的系统框图。
图2为加速度-油门环模糊PID控制方法的系统框图。
图3为模糊输入变量vc，ac和输出变量Kp，Ki，Kd的模糊隶属度函数。
图4为全速度阶梯波控制过程中车辆速度、加速度和踏板控制量随时间变化图。
图5为对接感知规划系统整体联调过程中车辆速度、加速度随时间变化图。
具体实施方式
本实施例以基于2017款林肯MKZ混合动力车改装的无人车“Pioneer”号为例，结合附图和实验实例说明本发明方法实现对无人驾驶车辆(尤其是混合动力车)的纵向运动过程的控制及其功能效果。
在本实施例所采用的混合动力车辆“Pioneer”号上部署了包含感知、定位、规划、控制的完整自动驾驶系统。“Pioneer”号是基于2017款林肯MKZ混合动力车型改装的无人车实验平台。它配备了稳定可靠的线控驱动系统，能通过高速CAN总线与工控机IPC实时通信。可以使用IPC发送控制指令准确地控制油门踏板开度、制动踏板开度，方向盘转角和挡位指令，同时实时接收车辆状态信息。此外，“Pioneer”还配备了高精度的集成导航系统，通过轮速计(Odometry)和惯性测量单元(IMU)直接测量车辆当前的速度和加速度，提供准确的车辆运动信息和位置估计。
以下对本发明一种基于平滑前馈和模糊逻辑的无人车双闭环纵向控制方法进行具体详细的说明。
步骤1：速度平滑模块计算速度和加速度的平滑参考；根据接收的原始速度vcmd变化率的不同，采用松耦合模式和紧耦合模式两种方式计算内部参考值，并且会依据系统当前状态，实时切换工作模式，保证速度平滑效果。无论处于松耦合模式和紧耦合模式，生成的内部参考值vin都代替原始速度vcmd作为下层执行机构跟随的控制输入。
步骤1.1：松耦合模式；用于处理原始速度vcmd剧烈变化的情况，用于快速缩小原始速度和当前内部平滑速度的差距，使系统尽快追踪运动指令，保证速度追踪的快速性和平稳性。
松耦合模式下，内部加速度指令ain是关于内部变加速度jin的比例函数，jin则根据速度误差差分计算得到。同时，ain、jin的计算需满足加速度、减速度、变加速度等运动学约束：
Figure BDA0003047757500000081
其中，Ka是平滑加速度比例，aul,all是加速度约束的上限和下限，jul,jll是变加速度约束的上限和下限。
最终根据生成的内部参考加速度ain积分计算出内部参考速度vin：
vin＝vin0+∫aindt
步骤1.2：紧耦合模式用于处理vc变化平缓，满足运动约束的条件，能在紧耦合模式下，系统采用低通滤波对原始速度及其变化率进行转换，滤除高频噪声波动，尽可能地使内部参考速度跟随速度指令的变化，保证速度追踪的准确性和实时性，具体如下：
Figure BDA0003047757500000082
Figure BDA0003047757500000083
如上式，紧耦合模式下，直接采用滤波后的速度和加速度作为内部参考速度vin和内部参考加速度ain；但由于低通滤波的影响，紧耦合模式下的内部参考比原始输入指令延迟约250ms。
步骤1.3：耦合模式切换条件；当满足下述三条要求时，系统进入紧耦合模式；否则，系统进入松耦合模式。
1)在过去的预设时间段内，速度指令阶跃小于预设：||Δvcmd(t)||<0.2m/s，作为示例，所述预设时间段为0.5秒，所述预设为0.2m/s；
2)速度变化率均在加减速极限aul,all范围内：all<δvcmd<aul；
3)当前内部平滑速度vin与原始速度指令vcmd差值在设定速度差内，作为示例所述设定速度差为0.1m/s：||vcmd-vin||<0.1m/s。
步骤2：速度跟踪模块构建对油门/刹车的双闭环PID控制；获得平滑的内部速度vin后，本发明构建了对执行踏板控制的速度外环—加速度内环的双闭环PID控制器，如图1所示。针对底层执行机构(油门及制动踏板)不同动态特性，采用不同的PID环控制策略，实现准确和舒适的速度追踪。
比例—积分—微分(PID)控制器的特征是通过调节PID参数，即比例系数Kp，积分系数Ki，微分系数Kd，无需精确建模的情况下实现对误差的跟踪和控制；作为示例，本发明以平滑后的目标车速vin和实际车速v的偏差作为输入构建PID速度外环，以外环输出的期望加速度ae和实际加速度a的偏差作为输入分别构建PID加速度-油门内环和加速度-制动内环，并依据外环输出ae的正负进行判断选择。
Figure BDA0003047757500000091
Figure BDA0003047757500000092
Figure BDA0003047757500000093
其中，es、Ksp、Ksi、Ksd为速度环的输入偏差及PID参数；et、Ktp、Kti、Ktd为加速度-油门环的输入偏差及PID参数；eb、Kbp、Kbi、Kbd为加速度-制动环的输入偏差及PID参数；φt是车辆油门踏板开度(0～1)；φb是车辆制动踏板开度(0～1)。
步骤3：PID速度环引入平滑前馈，补偿速度变化扰动；对于速度环控制，基于反馈的PID控制是依据速度偏差进行调节的，对于变化频繁的速度指令，其响应速度很难达到预期的效果。速度环的追踪目标是内部平滑速度vin，而内部平滑加速度ain与内部平滑速度vin其满足：
Figure BDA0003047757500000101
其中，σ是变量扰动。因此，在PID速度环控制的基础上引入ain作为前馈控制，用于补偿内部平滑速度vin的变化和不确定性造成的误差。利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，最终获得快速的系统响应和准确的稳态效果，速度环输出ae可表示为：
Figure BDA0003047757500000102
其中，Ksp、Ksi、Ksd为速度环的PID参数，es为速度环的输入偏差，Δt为时间微元，ain为内部平滑加速度。
步骤4：PID加速度-油门环引入模糊逻辑，自适应调节参数；对于无人驾驶汽车，尤其是混合动力车辆，油门-加速度的映射受当前车速和加速度指令大小的影响非常显著，如图2所示，本发明在加速度-油门环构建模糊PID控制器，实现对油门非线性的抑制，改善车辆纵向控制性能。
步骤4.1：输入输出模糊化；根据实验标定数据和专家经验，速度和加速度是油门-加速度映射非线性的重要影响因素，确定模糊推理系统的输入变量为当前车速vc和当前加速度ac。由于加速度-油门环是对正常行驶中正向加速度施加的闭环控制，因此设定输入变量的论域范围为：
vc∈[0,20](m/s),ae∈[0,2](m/s2)
将速度和加速度的基本范围量化为模糊集合范围，并用5个模糊语言子集{S,MS,M,MB,B}进行描述，分别代表小，中小，正中，中大，大，考虑模糊状态切换的平滑性，本发明采用高斯隶属度函数进行表示。由于在怠速区间内，加速度对油门的变化响应剧烈，因此需对低速状态进行精细化处理，不均匀地划分速度隶属度函数，输入模糊化结果如图3a和图3b所示。
模糊推理系统的输出变量是PID参数，并将原控制参数Ktp、Kti、Ktd通过线性变换，替换为0和1之间的归一化参数得到Ktp’、Kti’、Ktd’：
Ktp’＝(Ktp-Ktp,min)/(Ktp,max-Ktp,min)
Kti’＝(Kti-Kti,min)/(Kti,max-Kti,min)
Ktd’＝(Ktd-Ktd,min)/(Ktd,max-Ktd,min)
其中K·,min,K·,max限制对应PID参数的变化范围，由工程经验和实车调试获得。归一化后的PID参数形式更为标准，便于模糊参数整定，并且在获得模糊输出后可由下式反推出原PID参数：
Ktp＝(Ktp,max-Ktp,min)Ktp’+Ktp,min
Kti＝(Kti,max-Kti,min)Kti’+Kti,min
Ktd＝(Ktd,max-Ktd,min)Ktd’+Ktd,min
对于模糊输出PID参数同样分别用5个模糊语言子集{S,MS,M,MB,B}进行描述，并用高斯隶属度函数进行表示，如图3c所示。
步骤4.2：模糊规则设定；加速度-油门环的模糊规则的设定参考油门标定规则和专家经验，根据车辆当前车速和期望加速度进行调整，具体调整原则如下：
1)当车速在怠速范围内(约为1.7m/s)，起步瞬时加速度往往较大，易造成加速度控制的超调和振荡现象，因此应该显著降低Kp和Ki，防止出现较大的加速度过冲；为避免出现初始偏差过大导致的微分过饱和，应设置较小的Kd。
2)当车速升高时，由于自动变速箱挡位切换和外界阻力的增大，维持相同加速度所需的油门开度也需要相应增大，因此需要同步增大Kp和Ki，以减小系统非线性带来的加速度静态误差；同时考虑系统的抗干扰能力，也应该增大Kd，减小振荡。
3)当车辆实际加速度升高时，由于油门-加速度映射的滞后性，往往需要升高Kp和Ki，减小积分时间，使得系统快速追踪加速度变化，同时考虑系统的抗干扰性能，应在避免系统的振荡现象的同时接近设定值，因此在加速度较小时，Kd较大；当加速度较大时，Kd较小。
最终设定的模糊规则如表1、表2、表3所示：
表1 Kp参数模糊逻辑
Figure BDA0003047757500000121
表2 Ki参数模糊逻辑
Figure BDA0003047757500000122
表3.Kd参数模糊逻辑
Figure BDA0003047757500000123
Figure BDA0003047757500000131
步骤4.3：输出去模糊化；本发明采用重心法对模糊控制器输出变量进行去模糊化，将输出模糊集合的面积重心相应的输出作为精确值的输出。重心法的优点是可以实现去模糊化过程中的平滑过渡，防止控制量跳变，对连续论域如下式：
Figure BDA0003047757500000133
其中，μk(y)是输出模糊集隶属度，
Figure BDA0003047757500000132
是μk(y)函数覆盖区域的面积重心。
底层油门控制器按上式解算模糊输出，获得加速度-油门环PID控制参数，并依据车辆传感器的加速度反馈调节油门开度，使得无人车始终跟踪期望加速度。
依据上述步骤，在具体实施时控制器参数如表4所示。
表4.车辆控制器参数
参数定义 符号 数值
控制周期 t<sub>s</sub> 0.02s
低通滤波器时间常数 t<sub>au</sub> 0.15s
平滑增益系数 K<sub>a</sub> 2
最小模糊比例系数 K<sub>tp,min</sub> 0.03
最大模糊比例系数 K<sub>tp,max</sub> 0.55
最小模糊积分系数 K<sub>tp,min</sub> 0.02
最大模糊积分系数 K<sub>tp,max</sub> 0.35
最小模糊微分系数 K<sub>tp,min</sub> 0.0
最大模糊微分系数 K<sub>tp,max</sub> 0.12
图4为全速度阶梯波控制过程中车辆速度、加速度和踏板控制量随时间变化图，其中图4a为根据原始规划速度计算的平滑速度和车辆实际速度，图4b为作为前馈的平滑加速度和车辆实际加速度，图4c为分别进行正则化后的油门踏板开度(0～1)和刹车踏板开度(-1～0)。
图5为对接感知规划系统整体联调过程中，本发明生成的平滑参考及对应的车辆实际速度、加速度随时间变化图。在整个控制过程中，车辆的最大速度误差不超过0.5m/s，最大加速度不超过2m/s2，在保证跟踪精度的同时，实现平稳、舒适的纵向速度控制。
本发明提供无人车双闭环纵向控制系统，包括速度平滑模块、双闭环PID控制器构建模块、平滑前馈模块以及模糊规则模块；其中，
速度平滑模块用于计算速度和加速度的平滑参考；根据原始速度指令vcmd变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考vin；
双闭环PID控制器构建模块用于构建速度外环—加速度内环的双闭环PID控制器：以平滑后的内部平滑参考vin和实际车速v的偏差作为输入构建PID速度外环，以外环输出的期望加速度ae和实际加速度a的偏差作为输入分别构建PID加速度-油门内环和加速度-制动内环；
平滑前馈模块用于向PID速度环引入平滑前馈，补偿速度变化扰动，利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，得到PID速度环输出；
模糊规则模块用于向PID加速度-油门环引入模糊逻辑，构建模糊PID控制器，根据实验标定数据和专家经验将PID加速度-油门环的输入和输出进行模糊化，得到加速度-油门环的模糊规则，并且基于所述加速度-油门环的模糊规则，根据车辆当前车速vc和当前加速度ac，进行映射，获取当前状态对应的模糊输出；采用重心法对所述模糊输出去模糊化，对模糊集合的面积重心相应的输出进行解算，获得加速度-油门环PID参数，依据车辆实时加速度反馈调节油门开度，使得无人车始终跟踪期望加速度。
一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述无人车双闭环纵向控制方法。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的无人车双闭环纵向控制方法。
所述计算机设备可以采用车载计算机、笔记本电脑、平板电脑、桌面型计算机、手机或工作站。
处理器可以是中央处理器(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是车载计算机、笔记本电脑、平板电脑、桌面型计算机、手机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance Random Access Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。

Claims (8)

1.一种无人车双闭环纵向控制方法，其特征在于，过程如下：
计算速度和加速度的平滑参考；根据原始速度指令vcmd变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考vin；
构建速度外环—加速度内环的双闭环PID控制器：以平滑后的内部平滑参考vin和实际车速v的偏差作为输入构建PID速度外环，以外环输出的期望加速度ae和实际加速度a的偏差作为输入分别构建PID加速度-油门内环和加速度-制动内环；
PID速度环引入平滑前馈，补偿速度变化扰动，利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，得到PID速度环输出；
PID加速度-油门环引入模糊逻辑，构建模糊PID控制器，根据实验标定数据和专家经验将PID加速度-油门环的输入和输出进行模糊化，得到加速度-油门环的模糊规则；
基于所述加速度-油门环的模糊规则，根据车辆当前车速vc和当前加速度ac，进行映射，获取当前状态对应的模糊输出；
采用重心法对所述模糊输出去模糊化，对模糊集合的面积重心相应的输出进行解算，获得加速度-油门环PID参数，依据车辆实时加速度反馈调节油门开度，使得无人车始终跟踪期望加速度；计算速度和加速度的平滑参考；根据原始速度指令vcmd变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考vin具体如下：
松耦合模式：内部加速度ain的计算式是关于内部变加速度jin的比例函数，内部变加速度jin根据速度误差差分计算，同时，内部加速度ain和内部变加速度jin的计算满足加速度、减速度、变加速度等运动学约束；
根据生成的内部参考加速度ain积分计算出内部参考速度vin：
vin＝vin0+∫aindt
在紧耦合模式，采用低通滤波对原始运动指令vcmd及其变化率进行转换，滤除高频噪声波动：
Figure FDA0003634545490000021
Figure FDA0003634545490000022
直接采用滤波后的速度和加速度作为内部参考速度vin和内部参考加速度ain；
耦合模式切换条件；当满足下述三条要求时，系统进入紧耦合模式；否则，系统进入松耦合模式；
1)在过去的预设时间段内，速度指令阶跃小于预设：‖Δvcmd(t)‖＜0.2m/s；
2)速度变化率均在加减速极限aul,all范围内：all＜δvcmd＜aul；
3)当前内部平滑速度vin与原始速度指令vcmd差值在设定速度差内；
加速度、减速度、变加速度等运动学约束为：
Figure FDA0003634545490000023
其中，Ka是平滑加速度比例，aul,all是加速度约束的上限和下限，jul,jll是变加速度约束的上限和下限。
2.根据权利要求1所述的无人车双闭环纵向控制方法，其特征在于，速度外环—加速度内环的双闭环PID控制器构建过程中，针对底层执行机构的动态特性，即油门及制动踏板的动态特性，采用相应的PID环控制策略；
构建PID加速度-油门内环和加速度-制动内环时，依据外环输出的正负进行判断选择；
Figure FDA0003634545490000031
Figure FDA0003634545490000032
Figure FDA0003634545490000033
其中，es、Ksp、Ksi、Ksd为速度环的输入偏差及PID参数；et、Ktp、Kti、Ktd为加速度-油门环的输入偏差及PID参数；eb、Kbp、Kbi、Kbd为加速度-制动环的输入偏差及PID参数；φt是车辆油门踏板开度，其取值范围为(0，1)；φb是车辆制动踏板开度，其取值范围为(0，1)。
3.根据权利要求1所述的无人车双闭环纵向控制方法，其特征在于，PID速度环引入平滑前馈，补偿速度变化扰动时：速度环的追踪目标是内部平滑速度vin，而内部平滑加速度ain与vin其满足：
Figure FDA0003634545490000034
其中，σ是变量扰动，PID速度环输出为：
Figure FDA0003634545490000035
其中，Ksp、Ksi、Ksd为速度环的PID参数，es为速度环的输入偏差，Δt为时间微元，ain为内部平滑加速度。
4.根据权利要求1所述的无人车双闭环纵向控制方法，其特征在于，对加速度-油门环构建模糊PID控制器，具体如下：
将当前车速和当前加速度的基本范围量化为模糊集合范围，分别用5个模糊语言子集{S,MS,M,MB,B}进行描述，并以高斯隶属度函数表示；
将PID参数进行归一化，归一化后的PID参数同理进行模糊化处理，分别用5个模糊语言子集{S,MS,M,MB,B}进行描述，并以高斯隶属度函数表示。
5.根据权利要求1所述的无人车双闭环纵向控制方法，其特征在于，输出模糊集合的面积重心相应的输出作为精确值的输出，对于连续论域如下式：
Figure FDA0003634545490000041
其中，μk(y)是输出模糊集隶属度，
Figure FDA0003634545490000042
是μk(y)函数覆盖区域的面积重心，解算上式得到加速度-油门环PID控制参数。
6.无人车双闭环纵向控制系统，其特征在于，包括速度平滑模块、双闭环PID控制器构建模块、平滑前馈模块以及模糊规则模块；其中，
速度平滑模块用于计算速度和加速度的平滑参考；根据原始速度指令vcmd变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考vin；计算速度和加速度的平滑参考；根据原始速度指令vcmd变化率的不同，采用松耦合模式和紧耦合模式计算内部平滑参考vin具体如下：
松耦合模式：内部加速度ain的计算式是关于内部变加速度jin的比例函数，内部变加速度jin根据速度误差差分计算，同时，内部加速度ain和内部变加速度jin的计算满足加速度、减速度、变加速度等运动学约束；
根据生成的内部参考加速度ain积分计算出内部参考速度vin：
vin＝vin0+∫aindt
在紧耦合模式，采用低通滤波对原始运动指令vcmd及其变化率进行转换，滤除高频噪声波动：
Figure FDA0003634545490000043
Figure FDA0003634545490000044
直接采用滤波后的速度和加速度作为内部参考速度vin和内部参考加速度ain；
耦合模式切换条件；当满足下述三条要求时，系统进入紧耦合模式；否则，系统进入松耦合模式；
1)在过去的预设时间段内，速度指令阶跃小于预设：‖Δvcmd(t)‖＜0.2m/s；
2)速度变化率均在加减速极限aul,all范围内：all＜δvcmd＜aul；
3)当前内部平滑速度vin与原始速度指令vcmd差值在设定速度差内；
加速度、减速度、变加速度等运动学约束为：
Figure FDA0003634545490000051
其中，Ka是平滑加速度比例，aul,all是加速度约束的上限和下限，jul,jll是变加速度约束的上限和下限；
双闭环PID控制器构建模块用于构建速度外环—加速度内环的双闭环PID控制器：以平滑后的内部平滑参考vin和实际车速v的偏差作为输入构建PID速度外环，以外环输出的期望加速度ae和实际加速度a的偏差作为输入分别构建PID加速度-油门内环和加速度-制动内环；
平滑前馈模块用于向PID速度环引入平滑前馈，补偿速度变化扰动，利用先验的前馈控制消除控制变量的大部分变化，再通过PID反馈控制消除剩余扰动影响，得到PID速度环输出；
模糊规则模块用于向PID加速度-油门环引入模糊逻辑，构建模糊PID控制器，根据实验标定数据和专家经验将PID加速度-油门环的输入和输出进行模糊化，得到加速度-油门环的模糊规则，并且基于所述加速度-油门环的模糊规则，根据车辆当前车速vc和当前加速度ac，进行映射，获取当前状态对应的模糊输出；采用重心法对所述模糊输出去模糊化，对模糊集合的面积重心相应的输出进行解算，获得加速度-油门环PID参数，依据车辆实时加速度反馈调节油门开度，使得无人车始终跟踪期望加速度。
7.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现权利要求1～5中任一项所述无人车双闭环纵向控制方法。
8.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1～5中任一项所述的无人车双闭环纵向控制方法。
CN202110477935.9A 2021-04-29 2021-04-29 一种无人车双闭环纵向控制方法、系统及设备 Active CN113325691B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110477935.9A CN113325691B (zh) 2021-04-29 2021-04-29 一种无人车双闭环纵向控制方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110477935.9A CN113325691B (zh) 2021-04-29 2021-04-29 一种无人车双闭环纵向控制方法、系统及设备

Publications (2)

Publication Number Publication Date
CN113325691A CN113325691A (zh) 2021-08-31
CN113325691B true CN113325691B (zh) 2022-07-12

Family

ID=77414068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110477935.9A Active CN113325691B (zh) 2021-04-29 2021-04-29 一种无人车双闭环纵向控制方法、系统及设备

Country Status (1)

Country Link
CN (1) CN113325691B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114087079A (zh) * 2021-10-21 2022-02-25 东风越野车有限公司 越野车柴油机加速噪音控制方法及设备
CN114194188B (zh) * 2021-12-22 2022-08-26 北京轻舟智航智能技术有限公司 一种自动驾驶的油门控制方法
CN114337428B (zh) * 2021-12-23 2023-12-22 河南嘉晨智能控制股份有限公司 一种工业车辆动态性能改善方法
CN115635956A (zh) * 2022-12-23 2023-01-24 北京远特科技股份有限公司 自动泊车控制方法、装置、控制终端及存储介质
CN116165901B (zh) * 2023-04-17 2023-07-25 宁波尚进自动化科技有限公司 一种基于模糊逻辑的前馈参数自动调试方法、装置及介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2733032C (en) * 2011-02-28 2015-12-29 Trusted Positioning Inc. Method and apparatus for improved navigation of a moving platform
GB201318706D0 (en) * 2013-10-23 2013-12-04 Jaguar Land Rover Ltd Improvements in vehicle speed control
CN109353340B (zh) * 2018-08-27 2021-06-04 北京汽车集团有限公司 车辆的控制方法、装置及车辆
CN110750877B (zh) * 2019-09-27 2024-05-03 西安理工大学 一种Apollo平台下的车辆跟驰行为预测方法

Also Published As

Publication number Publication date
CN113325691A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN113325691B (zh) 一种无人车双闭环纵向控制方法、系统及设备
CN108549208B (zh) 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法
CN112519882B (zh) 一种车辆参考轨迹跟踪方法及系统
US5959572A (en) Vehicle follow-up control apparatus
CN107992681B (zh) 一种电动汽车主动前轮转向系统的复合控制方法
CN108454607B (zh) 基于模型预测控制(mpc)的动力系控制的转矩保护
CN111142534B (zh) 一种智能车横纵向综合轨迹跟踪方法及控制系统
CN111923907B (zh) 一种基于多目标性能融合的车辆纵向跟踪控制方法
CN110027547B (zh) 车辆横向控制方法和装置
CN114625002B (zh) 一种基于模型预测控制的车辆横纵向集成控制方法
CN110001654B (zh) 一种自适应驾驶员类型的智能车纵向速度跟踪控制系统及控制方法
Abdullahi et al. Adaptive cruise control: A model reference adaptive control approach
Villagrá et al. Model-free control techniques for Stop & Go systems
CN115535066A (zh) 一种高度可调的线控转向系统路感模拟装置
CN111497842B (zh) 一种人机双闭环分层协同纵向跟车控制方法
CN111114522A (zh) 使用无级变速器来稳态控制基于模型预测控制的动力系统
Sauer et al. Automatic track guidance of industrial trucks using self-learning controllers considering a priori plant knowledge
CN116834754A (zh) 一种自动驾驶车辆自适应调速的横纵协同控制方法
Zhan et al. A dual closed-loop longitudinal speed controller using smooth feedforward and fuzzy logic for autonomous driving vehicles
Luo et al. Integrated Adaptive Cruise Control design considering the optimization of switching between throttle and brake
CN115771520A (zh) 一种基于模型参数的智能车辆横纵向协同运动控制方法
CN115167135A (zh) 反馈与模型前馈串级的无人驾驶车辆自趋优位姿控制系统
CN111381493B (zh) 一种基于模糊控制与pid控制的无人驾驶车辆速度控制方法
Wang et al. Speed control of tracked vehicle autonomous driving system using fuzzy self-tuning PID
Luu et al. Coordinated throttle and brake control for adaptive cruise control strategy design

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