CN113492863A - 自动驾驶的控制方法及装置 - Google Patents

Abstract

本发明公开了一种自动驾驶的控制方法及装置，涉及自动驾驶技术领域，其目的在于在汽车自动驾驶的过程中，准确调整控制参数，从而保证汽车自动驾驶过程中的安全性。本发明的方法包括：获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数，并根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象；获取每个被控对象对应的多个第一实际状态值，并根据每个被控对象对应的第一期望状态值和多个第一实际状态值判断每个被控对象是否达到其对应的多个预设性能指标；若未达到，则通过迭代学习控制器对目标控制参数进行优化调整处理，以获得最终优化控制参数。本发明适用于汽车自动驾驶的过程中。

Description

自动驾驶的控制方法及装置

技术领域

本发明涉及自动驾驶技术领域，特别是涉及一种自动驾驶的控制方法及装置。

背景技术

随着社会的不断发展，人们生活水平的不断提高，人们对汽车的需求与日俱增。伴随着汽车保有量的快速增长，汽车给人们日常生活带来的问题也日益明显，其中，交通安全问题尤为突出。为了有效解决交通安全问题，自动驾驶技术应运而生。其中，汽车中的自动驾驶控制器在获取得到规划层发出的期望状态值(即期望速度值和期望转角值)后，根据控制参数和期望状态值生成每个被控对象对应的控制命令，并将每个被控对象对应的控制指令发送至每个被控对象对应的控制器中，从而控制多个被控对象，实现汽车自动驾驶。

由于，在汽车自动驾驶的过程中，道路的路况是发生改变的，因此，为了保证汽车自动驾驶的安全性，需要调整控制参数。目前，通常是基于数学模型调整控制参数，然而，基于数学模型调整控制参数，需要预先建立每个被控对象对应的数学模型，当数学模型准确度较差时，其输出的控制参数的准确率较差，从而无法有效保证汽车自动驾驶过程中的安全性。

发明内容

有鉴于此，本发明提供一种自动驾驶的控制方法及装置，主要目的在于在汽车自动驾驶的过程中，准确调整控制参数，从而保证汽车自动驾驶过程中的安全性。

为了达到上述目的，本发明主要提供如下技术方案：

第一方面，本发明提供了一种自动驾驶的控制方法，该方法包括：

获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数，并根据每个所述被控对象对应的第一期望状态值和所述目标控制参数控制每个被控对象；

获取每个所述被控对象对应的多个第一实际状态值，并根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若未达到，则通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数。

可选的，在所述获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数之前，所述方法还包括：

获取每个所述被控对象对应的第二期望状态值和预置控制参数；

根据每个所述被控对象对应的第二期望状态值和所述预置控制参数控制每个所述被控对象；

获取每个所述被控对象对应的多个第二实际状态值；

根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若未达到，则进入获取每个所述被控对象对应的第一期望状态值和所述目标路段对应的目标控制参数的步骤。

可选的，所述迭代学习控制器中包含D型学习律，所述被控对象对应的多个第一实际状态值中包含多个中间实际状态值和最终实际状态值；所述通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数，包括：

根据每个所述被控对象对应的第一期望状态值和最终实际状态值，计算每个所述被控对象对应的偏差量；

将所述目标控制参数和每个所述被控对象对应的偏差量输入至所述迭代学习控制器中，以便所述迭代学习控制器根据所述D型学习律、所述目标控制参数和每个所述被控对象对应的偏差量生成中间优化控制参数；

获取每个所述被控对象对应的第三期望状态值，并根据每个所述被控对象对应的第三期望状态值和所述中间优化控制参数控制每个所述被控对象；

获取每个所述被控对象对应的多个第三实际状态值，并根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若达到，则将所述中间优化控制参数确定为所述最终优化控制参数；

若未达到，则通过所述迭代学习控制器对所述中间优化控制参数进行优化调整处理，直至基于经过优化调整处理后的所述中间优化控制参数控制每个所述被控对象，每个所述被控对象达到其对应的多个预设性能指标；

将经过优化调整处理后的所述中间优化控制参数确定为所述最终优化控制参数。

可选的，所述方法还包括：

获取所述中间优化控制参数对应的位置信息和所述最终优化控制参数对应的位置信息；

将所述中间优化控制参数、所述中间优化控制参数对应的位置信息、所述最终优化控制参数和所述最终优化控制参数对应的位置信息上传至云端服务器。

可选的，所述获取目标路段对应的目标控制参数，包括：

根据当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为预先从云端服务器处下载的、记录有所述目标路段对应的目标控制参数的地图。

可选的，所述获取目标路段对应的目标控制参数，包括：

将当前位置信息发送至云端服务器，以便所述云端服务器根据所述当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为记录有所述目标路段对应的目标控制参数的地图；

接收所述云端服务器发送的、所述目标路段对应的目标控制参数。

可选的，所述被控对象对应的多个预设性能指标包括：所述被控对象对应的上升时间小于第一预设阈值、调节时间小于第二预设阈值和峰值时间小于第三预设阈值。

第二方面，本发明还提供一种自动驾驶的控制装置，该装置包括：

第一获取单元，用于获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数；

第一控制单元，用于根据每个所述被控对象对应的第一期望状态值和所述目标控制参数控制每个被控对象；

第二获取单元，用于获取每个所述被控对象对应的多个第一实际状态值；

第一判断单元，用于根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

优化调整单元，用于当根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数。

可选的，所述装置还包括：

第三获取单元，用于在所述第一获取单元获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数之前，获取每个所述被控对象对应的第二期望状态值和预置控制参数；

第二控制单元，用于根据每个所述被控对象对应的第二期望状态值和所述预置控制参数控制每个所述被控对象；

第四获取单元，用于获取每个所述被控对象对应的多个第二实际状态值；

第二判断单元，用于根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

所述第一获取单元，具体用于当根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，获取每个所述被控对象对应的第一期望状态值和所述目标路段对应的目标控制参数。

可选的，所述迭代学习控制器中包含D型学习律，所述被控对象对应的多个第一实际状态值中包含多个中间实际状态值和最终实际状态值；所述优化调整单元包括：

计算模块，用于根据每个所述被控对象对应的第一期望状态值和最终实际状态值，计算每个所述被控对象对应的偏差量；

输入模块，用于将所述目标控制参数和每个所述被控对象对应的偏差量输入至所述迭代学习控制器中，以便所述迭代学习控制器根据所述D型学习律、所述目标控制参数和每个所述被控对象对应的偏差量生成中间优化控制参数；

第一获取模块，用于获取每个所述被控对象对应的第三期望状态值；

控制模块，用于根据每个所述被控对象对应的第三期望状态值和所述中间优化控制参数控制每个所述被控对象；

第二获取模块，用于获取每个所述被控对象对应的多个第三实际状态值；

判断模块，用于根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

第一确定模块，用于当根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判定每个所述被控对象达到其对应的多个预设性能指标时，将所述中间优化控制参数确定为所述最终优化控制参数；

优化调整模块，用于当根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，通过所述迭代学习控制器对所述中间优化控制参数进行优化调整处理，直至基于经过优化调整处理后的所述中间优化控制参数控制每个所述被控对象，每个所述被控对象达到其对应的多个预设性能指标；

第二确定模块，用于将经过优化调整处理后的所述中间优化控制参数确定为所述最终优化控制参数。

可选的，所述装置还包括：

第五获取单元，用于获取所述中间优化控制参数对应的位置信息和所述最终优化控制参数对应的位置信息；

上传单元，用于将所述中间优化控制参数、所述中间优化控制参数对应的位置信息、所述最终优化控制参数和所述最终优化控制参数对应的位置信息上传至云端服务器。

可选的，所述第一获取单元包括：

查找模块，用于根据当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为预先从云端服务器处下载的、记录有所述目标路段对应的目标控制参数的地图。

可选的，所述第一获取单元包括：

发送模块，用于将当前位置信息发送至云端服务器，以便所述云端服务器根据所述当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为记录有所述目标路段对应的目标控制参数的地图；

接收模块，用于接收所述云端服务器发送的、所述目标路段对应的目标控制参数。

可选的，所述被控对象对应的多个预设性能指标包括：所述被控对象对应的上升时间小于第一预设阈值、调节时间小于第二预设阈值和峰值时间小于第三预设阈值。

第三方面，本发明的实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的自动驾驶的控制方法。

第四方面，本发明的实施例提供了一种自动驾驶的控制装置，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行第一方面所述的自动驾驶的控制方法。

借由上述技术方案，本发明提供的技术方案至少具有下列优点：

本发明提供一种自动驾驶的控制方法及装置，与现有技术中基于数学模型调整控制参数相比，本发明能够在自动驾驶控制器基于预置控制参数控制多个被控对象，但某个被控对象未能达到其对应的多个预设性能指标时，由自动驾驶控制器获取此时每个被控对象对应的期望状态值(即第一期望状态值)和目标汽车当前所在路段(即目标路段)对应的目标控制参数，并根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象，当判定基于目标控制参数控制多个被控对象，但某个被控对象未能达到其对应的多个预设性能指标时，自动驾驶控制器通过迭代学习控制器对目标控制参数进行优化调整处理，从而获得最终优化控制参数，并在后续过程中基于最终优化控制参数控制多个被控对象，进而保证了目标汽车自动驾驶过程中的安全性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种自动驾驶的控制方法流程图；

图2示出了本发明实施例提供的另一种自动驾驶的控制方法流程图；

图3示出了本发明实施例提供的一种自动驾驶的控制装置的组成框图；

图4示出了本发明实施例提供的另一种自动驾驶的控制装置的组成框图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明实施例提供一种自动驾驶的控制方法，如图1所示，该方法包括：

101、获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数，并根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象。

其中，多个被控对象具体为目标汽车中的方向盘、油门踏板和刹车踏板；目标路段为目标汽车当前所在的路段，其可以但不限制于为路况特殊的路段。其中，测试汽车中预先设置有控制参数(即预置控制参数)，测试汽车在目标路段处自动驾驶的过程中，为了保证测试汽车中的每个被控对象均达到其对应的多个预设性能指标，工作人员会对测试汽车中的预置控制参数进行人工调节，在控制参数调节完成后，测试汽车会将调节后的控制参数(即目标路段对应的目标控制参数)上传至云端服务器，云端服务器会将目标路段对应的目标控制参数添加至包含目标路段的地图(即目标地图)中，其中，测试汽车与目标汽车为型号相同的汽车。

在本发明实施例中，各个步骤中的执行主体为目标汽车中的自动驾驶控制器。目标汽车中预先设置有控制参数(即预置控制参数)，目标汽车在目标路段处自动驾驶的过程中，自动驾驶控制器在获取得到规划层发出的期望状态值(即期望速度值和期望转角值)后，便会根据期望状态值和预置控制参数控制多个被控对象；当自动驾驶控制器根据期望状态值和预置控制参数控制多个被控对象，但某个被控对象未能达到其对应的多个预设性能指标时，自动驾驶控制器需要获取此时每个被控对象对应的期望状态值(即第一期望状态值)和目标路段对应的目标控制参数，并根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象，即根据每个被控对象对应的第一期望状态值和目标控制参数生成每个被控对象对应的控制指令，并将每个被控对象对应的控制指令发送至每个被控对象对应的控制器中，从而控制多个被控对象。

具体的，在本步骤中，自动驾驶控制器可以采用以下两种方式获取目标路段对应的目标控制参数：

(1)自动驾驶控制器预先通过通信模块在云端服务器处下载记录有目标路段对应的目标控制参数的目标地图，并将目标地图存储至目标汽车的本地存储空间中；自动驾驶控制器根据目标汽车对应的当前位置信息查找目标地图，便可在目标地图中查找得到目标路段对应的目标控制参数。

(2)自动驾驶控制器通过通信模块将目标汽车对应的当前位置信息发送至云端服务器，云端服务器根据目标汽车对应的当前位置信息查找目标地图(其中，目标地图中记录有目标路段对应的目标控制参数)，便可在目标地图中查找得到目标路段对应的目标控制参数，并会将目标路段对应的目标控制参数发送给自动驾驶控制器，此时，自动驾驶控制器便能通过通信模块接收到云端服务器发送的、目标路段对应的目标控制参数。

102、获取每个被控对象对应的多个第一实际状态值，并根据每个被控对象对应的第一期望状态值和多个第一实际状态值判断每个被控对象是否达到其对应的多个预设性能指标。

其中，被控对象对应的多个第一实际状态值包括：自动驾驶控制器根据被控对象对应的第一期望状态值和目标控制参数控制被控对象后，被控对象达到稳定状态过程中的多个中间实际状态值和被控对象达到稳定状态后的最终实际状态值。

其中，被控对象对应的多个预设性能指标可以但不限制于包括：被控对象对应的上升时间小于第一预设阈值、调节时间小于第二预设阈值和峰值时间小于第三预设阈值等等；其中，被控对象对应的上升时间是指：被控对象的实际状态值从被控对象对应的期望状态值的10％到达被控对象对应的期望状态值的90％所需要的时间；被控对象对应的调节时间是指：被控对象的实际状态值从0到达并保持在被控对象对应的期望状态值的误差带内所需要的时间，期望状态值的误差带可以但不限制于为：[期望状态值的98％，期望状态值的102％]、[期望状态值的95％，期望状态值的105％]等等；被控对象对应的峰值时间是指：被控对象的实际状态值从0到达第一个峰值所需要的时间。需要进行说明的是，在本发明实施例中，对第一预设阈值、第二预设阈值和第三预设阈值的取值大小，不进行具体限定。

在本发明实施例中，自动驾驶控制器在根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象后，获取每个被控对象对应的多个第一实际状态值，并根据每个被控对象对应的第一期望状态值和多个第一实际状态值判断每个被控对象是否达到其对应的多个预设性能指标，即根据每个被控对象对应的第一期望状态值和多个第一实际状态值(即多个中间实际状态值和最终实际状态值)，确定每个被控对象对应的上升时间、调节时间和峰值时间等参数，并将每个被控对象对应的上升时间、调节时间和峰值时间等参数与每个被控对象对应的多个预设性能指标进行比较，从而判断每个被控对象是否达到其对应的多个预设性能指标。

103、若根据每个被控对象对应的第一期望状态值和多个第一实际状态值判定任意一个被控对象未达到其对应的多个预设性能指标，则通过迭代学习控制器对目标控制参数进行优化调整处理，以获得最终优化控制参数。

在本发明实施例中，当自动驾驶控制器根据每个被控对象对应的第一期望状态值和多个第一实际状态值判定任意一个被控对象未达到其对应的多个预设性能指标时，自动驾驶控制器便需要通过迭代学习控制器对目标控制参数进行优化调整处理，从而获得最终优化控制参数，以便后续根据规划层发出的期望状态值和最终优化控制参数控制每个被控对象。

本发明实施例提供一种自动驾驶的控制方法，与现有技术中基于数学模型调整控制参数相比，本发明实施例能够在自动驾驶控制器基于预置控制参数控制多个被控对象，但某个被控对象未能达到其对应的多个预设性能指标时，由自动驾驶控制器获取此时每个被控对象对应的期望状态值(即第一期望状态值)和目标汽车当前所在路段(即目标路段)对应的目标控制参数，并根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象，当判定基于目标控制参数控制多个被控对象，但某个被控对象未能达到其对应的多个预设性能指标时，自动驾驶控制器通过迭代学习控制器对目标控制参数进行优化调整处理，从而获得最终优化控制参数，并在后续过程中基于最终优化控制参数控制多个被控对象，进而保证了目标汽车自动驾驶过程中的安全性。

以下为了更加详细地说明，本发明实施例提供了另一种自动驾驶的控制方法，具体如图2所示，该方法包括：

201、获取每个被控对象对应的第二期望状态值和预置控制参数，并根据每个被控对象对应的第二期望状态值和预置控制参数控制每个被控对象。

在本发明实施例中，目标汽车在目标路段处启动自动驾驶模式时，自动驾驶控制器需要获取此时每个被控对象对应的期望状态值(即第二期望状态值)和预置控制参数，并根据每个被控对象对应的第二期望状态值和预置控制参数控制每个被控对象，即根据每个被控对象对应的第二期望状态值和预置控制参数生成每个被控对象对应的控制指令，并将每个被控对象对应的控制指令发送至每个被控对象对应的控制器中，从而控制多个被控对象。

202、获取每个被控对象对应的多个第二实际状态值，并根据每个被控对象对应的第二期望状态值和多个第二实际状态值判断每个被控对象是否达到其对应的多个预设性能指标。

其中，被控对象对应的多个第二实际状态值包括：自动驾驶控制器根据被控对象对应的第二期望状态值和预置控制参数控制被控对象后，被控对象达到稳定状态过程中的多个中间实际状态值和被控对象达到稳定状态后的最终实际状态值。

在本发明实施例中，自动驾驶控制器在根据每个被控对象对应的第二期望状态值和预置控制参数控制每个被控对象后，获取每个被控对象对应的多个第二实际状态值，并根据每个被控对象对应的第二期望状态值和多个第二实际状态值判断每个被控对象是否达到其对应的多个预设性能指标，即根据每个被控对象对应的第二期望状态值和多个第二实际状态值(即多个中间实际状态值和最终实际状态值)，确定每个被控对象对应的上升时间、调节时间和峰值时间等参数，并将每个被控对象对应的上升时间、调节时间和峰值时间等参数与每个被控对象对应的多个预设性能指标进行比较，从而判断每个被控对象是否达到其对应的多个预设性能指标。

203、若根据每个被控对象对应的第二期望状态值和多个第二实际状态值判定任意一个被控对象未达到其对应的多个预设性能指标，则获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数。

在本发明实施例中，当自动驾驶控制器根据每个被控对象对应的第二期望状态值和多个第二实际状态值判定任意一个被控对象未达到其对应的多个预设性能指标时，自动驾驶控制器需要获取此时每个被控对象对应的期望状态值(即第一期望状态值)和目标路段对应的目标控制参数，以便后续根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象。

204、根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象。

其中，关于步骤204、根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象，可以参考图1对应部分的描述，本发明实施例此处将不再赘述。

205、获取每个被控对象对应的多个第一实际状态值，并根据每个被控对象对应的第一期望状态值和多个第一实际状态值判断每个被控对象是否达到其对应的多个预设性能指标。

其中，关于步骤205、获取每个被控对象对应的多个第一实际状态值，并根据每个被控对象对应的第一期望状态值和多个第一实际状态值判断每个被控对象是否达到其对应的多个预设性能指标，可以参考图1对应部分的描述，本发明实施例此处将不再赘述。

206、若根据每个被控对象对应的第一期望状态值和多个第一实际状态值判定任意一个被控对象未达到其对应的多个预设性能指标，则通过迭代学习控制器对目标控制参数进行优化调整处理，以获得最终优化控制参数。

在本发明实施例中，当自动驾驶控制器根据每个被控对象对应的第一期望状态值和多个第一实际状态值判定任意一个被控对象未达到其对应的多个预设性能指标时，自动驾驶控制器便需要通过迭代学习控制器对目标控制参数进行优化调整处理，从而获得最终优化控制参数。以下将对自动驾驶控制器如何通过迭代学习控制器对目标控制参数进行优化调整处理，从而获得最终优化控制参数进行详细说明。

其中，迭代学习控制器中包含D型学习律；其中，被控对象对应的多个第一实际状态值包括：自动驾驶控制器根据被控对象对应的第一期望状态值和目标控制参数控制被控对象后，被控对象达到稳定状态过程中的多个中间实际状态值和被控对象达到稳定状态后的最终实际状态值；其中，被控对象对应的多个第三实际状态值包括：自动驾驶控制器根据被控对象对应的第三期望状态值和中间优化控制参数控制被控对象后，被控对象达到稳定状态过程中的多个中间实际状态值和被控对象达到稳定状态后的最终实际状态值。

(1)自动驾驶控制器根据每个被控对象对应的第一期望状态值和多个第一实际状态值中的最终实际状态值，计算每个被控对象对应的偏差量，即分别计算每个被控对象对应的第一期望状态值与最终实际状态值之间的差值，将每个被控对象对应的差值确定为其对应的偏差量。

(2)自动驾驶控制器将目标控制参数和每个被控对象对应的偏差量输入至迭代学习控制器中，以便迭代学习控制器根据D型学习律、目标控制参数和每个被控对象对应的偏差量生成中间优化控制参数；

(3)在通过迭代学习控制器生成中间优化控制参数后，自动驾驶控制器获取此时每个被控对象对应的期望状态值(即第三期望状态值)，并根据每个被控对象对应的第三期望状态值和中间优化控制参数控制每个被控对象，即根据每个被控对象对应的第三期望状态值和中间优化控制参数生成每个被控对象对应的控制指令，并将每个被控对象对应的控制指令发送至每个被控对象对应的控制器中，从而控制多个被控对象。

(4)自动驾驶控制器在根据每个被控对象对应的第三期望状态值和中间优化控制参数控制每个被控对象后，获取每个被控对象对应的多个第三实际状态值，并根据每个被控对象对应的第三期望状态值和多个第三实际状态值判断每个被控对象是否达到其对应的多个预设性能指标，即根据每个被控对象对应的第三期望状态值和多个第三实际状态值(即多个中间实际状态值和最终实际状态值)，确定每个被控对象对应的上升时间、调节时间和峰值时间等参数，并将每个被控对象对应的上升时间、调节时间和峰值时间等参数与每个被控对象对应的多个预设性能指标进行比较，从而判断每个被控对象是否达到其对应的多个预设性能指标。

(5)当自动驾驶控制器根据每个被控对象对应的第三期望状态值和多个第三实际状态值判定每个被控对象均达到其对应的多个预设性能指标时，自动驾驶控制器便可将步骤(2)中生成的中间优化控制参数确定为最终优化控制参数。

(6)当自动驾驶控制器根据每个被控对象对应的第三期望状态值和多个第三实际状态值判定任意一个被控对象未达到其对应的多个预设性能指标时，自动驾驶控制器通过迭代学习控制器对中间优化控制参数进行优化调整处理，直至基于经过优化调整处理后的中间优化控制参数控制每个被控对象，每个被控对象达到其对应的多个预设性能指标；将经过优化调整处理后的中间优化控制参数确定为最终优化控制参数。例如，采用上述步骤(1)和步骤(2)所述的方法，对中间优化控制参数进行优化调整处理，生成中间优化控制参数1，采用上述步骤(3)和步骤(4)所述的方法判断基于中间优化控制参数1控制每个被控对象，每个被控对象是否达到其对应的多个预设性能指标，若达到，则将中间优化控制参数1确定为最终优化控制参数，若未达到，则采用上述步骤(1)和步骤(2)所述的方法，对中间优化控制参数1进行优化调整处理，生成中间优化控制参数2，采用上述步骤(3)和步骤(4)所述的方法判断基于中间优化控制参数2控制每个被控对象，每个被控对象是否达到其对应的多个预设性能指标，若达到，则将中间优化控制参数2确定为最终优化控制参数，若未达到，则采用上述步骤(1)和步骤(2)所述的方法，对中间优化控制参数2进行优化调整处理，生成中间优化控制参数3……直至采用上述步骤(1)和步骤(2)所述的方法，对中间优化控制参数(N-1)进行优化调整处理，生成中间优化控制参数N，采用上述步骤(3)和步骤(4)所述的方法判定基于中间优化控制参数N控制每个被控对象，每个被控对象能够达到其对应的多个预设性能指标，此时，将中间优化控制参数N确定为最终优化控制参数，其中，N为大于3的整数。

进一步的，在本发明实施例中，在获取得到最终优化控制参数后，自动驾驶控制器还可以获取中间优化控制参数对应的位置信息和最终优化控制参数对应的位置信息，并通过通信模块将中间优化控制参数、中间优化控制参数对应的位置信息、最终优化控制参数和最终优化控制参数对应的位置信息上传至云端服务器，以便云端服务器根据最终优化控制参数和最终优化控制参数对应的位置信息对目标地图中目标路段对应的目标控制参数进行更新，以及根据中间优化控制参数和中间优化控制参数对应的位置信息进行仿真验证和算法验证；其中，中间优化控制参数对应的位置信息为生成中间优化控制参数时，目标汽车所处的位置信息；最终优化控制参数对应的位置信息为生成最终优化控制参数时，目标汽车所处的位置信息。需要进行说明的是，在对目标控制参数进行优化调整处理，生成最终优化控制参数的过程中，当生成多个中间优化控制参数时，自动驾驶控制器需要分别获取每个中间优化控制参数对应的位置信息，并需要通过通信模块将多个中间优化控制参数和每个中间优化控制参数对应的位置信息上传至云端服务器。

进一步的，作为对上述图1及图2所示方法的实现，本发明另一实施例还提供了一种自动驾驶的控制装置。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置应用于在汽车自动驾驶的过程中，准确调整控制参数，从而保证汽车自动驾驶过程中的安全性，具体如图3所示，该装置包括：

第一获取单元301，用于获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数；

第一控制单元302，用于根据每个所述被控对象对应的第一期望状态值和所述目标控制参数控制每个被控对象；

第二获取单元303，用于获取每个所述被控对象对应的多个第一实际状态值；

第一判断单元304，用于根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

优化调整单元305，用于当根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数。

进一步的，如图4所示，该装置还包括：

第三获取单元306，用于在第一获取单元301获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数之前，获取每个所述被控对象对应的第二期望状态值和预置控制参数；

第二控制单元307，用于根据每个所述被控对象对应的第二期望状态值和所述预置控制参数控制每个所述被控对象；

第四获取单元308，用于获取每个所述被控对象对应的多个第二实际状态值；

第二判断单元309，用于根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

第一获取单元301，具体用于当根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，获取每个所述被控对象对应的第一期望状态值和所述目标路段对应的目标控制参数。

进一步的，如图4所示，所述迭代学习控制器中包含D型学习律，所述被控对象对应的多个第一实际状态值中包含多个中间实际状态值和最终实际状态值；优化调整单元305包括：

计算模块3051，用于根据每个所述被控对象对应的第一期望状态值和最终实际状态值，计算每个所述被控对象对应的偏差量；

输入模块3052，用于将所述目标控制参数和每个所述被控对象对应的偏差量输入至所述迭代学习控制器中，以便所述迭代学习控制器根据所述D型学习律、所述目标控制参数和每个所述被控对象对应的偏差量生成中间优化控制参数；

第一获取模块3053，用于获取每个所述被控对象对应的第三期望状态值；

控制模块3054，用于根据每个所述被控对象对应的第三期望状态值和所述中间优化控制参数控制每个所述被控对象；

第二获取模块3055，用于获取每个所述被控对象对应的多个第三实际状态值；

判断模块3056，用于根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

第一确定模块3057，用于当根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判定每个所述被控对象达到其对应的多个预设性能指标时，将所述中间优化控制参数确定为所述最终优化控制参数；

优化调整模块3058，用于当根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，通过所述迭代学习控制器对所述中间优化控制参数进行优化调整处理，直至基于经过优化调整处理后的所述中间优化控制参数控制每个所述被控对象，每个所述被控对象达到其对应的多个预设性能指标；

第二确定模块3059，用于将经过优化调整处理后的所述中间优化控制参数确定为所述最终优化控制参数。

进一步的，如图4所示，该装置还包括：

第五获取单元310，用于获取所述中间优化控制参数对应的位置信息和所述最终优化控制参数对应的位置信息；

上传单元311，用于将所述中间优化控制参数、所述中间优化控制参数对应的位置信息、所述最终优化控制参数和所述最终优化控制参数对应的位置信息上传至云端服务器。

进一步的，如图4所示，第一获取单元301包括：

查找模块3011，用于根据当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为预先从云端服务器处下载的、记录有所述目标路段对应的目标控制参数的地图。

进一步的，如图4所示，第一获取单元301包括：

发送模块3012，用于将当前位置信息发送至云端服务器，以便所述云端服务器根据所述当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为记录有所述目标路段对应的目标控制参数的地图；

接收模块3013，用于接收所述云端服务器发送的、所述目标路段对应的目标控制参数。

进一步的，如图4所示，所述被控对象对应的多个预设性能指标包括：所述被控对象对应的上升时间小于第一预设阈值、调节时间小于第二预设阈值和峰值时间小于第三预设阈值。

本发明实施例提供一种自动驾驶的控制方法及装置，与现有技术中基于数学模型调整控制参数相比，本发明实施例能够在自动驾驶控制器基于预置控制参数控制多个被控对象，但某个被控对象未能达到其对应的多个预设性能指标时，由自动驾驶控制器获取此时每个被控对象对应的期望状态值(即第一期望状态值)和目标汽车当前所在路段(即目标路段)对应的目标控制参数，并根据每个被控对象对应的第一期望状态值和目标控制参数控制每个被控对象，当判定基于目标控制参数控制多个被控对象，但某个被控对象未能达到其对应的多个预设性能指标时，自动驾驶控制器通过迭代学习控制器对目标控制参数进行优化调整处理，从而获得最终优化控制参数，并在后续过程中基于最终优化控制参数控制多个被控对象，进而保证了目标汽车自动驾驶过程中的安全性。

所述自动驾驶的控制装置包括处理器和存储器，上述第一获取单元、第一控制单元、第二获取单元、第一判断单元和优化调整单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来准确调整控制参数，从而保证汽车自动驾驶过程中的安全性。

本发明实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的自动驾驶的控制方法。

存储介质可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例还提供了一种自动驾驶的控制装置，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行上述所述的自动驾驶的控制方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：

获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数，并根据每个所述被控对象对应的第一期望状态值和所述目标控制参数控制每个被控对象；

获取每个所述被控对象对应的多个第一实际状态值，并根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若未达到，则通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数。

进一步的，在所述获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数之前，所述方法还包括：

获取每个所述被控对象对应的第二期望状态值和预置控制参数；

根据每个所述被控对象对应的第二期望状态值和所述预置控制参数控制每个所述被控对象；

获取每个所述被控对象对应的多个第二实际状态值；

根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若未达到，则进入获取每个所述被控对象对应的第一期望状态值和所述目标路段对应的目标控制参数的步骤。

进一步的，所述迭代学习控制器中包含D型学习律，所述被控对象对应的多个第一实际状态值中包含多个中间实际状态值和最终实际状态值；所述通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数，包括：

根据每个所述被控对象对应的第一期望状态值和最终实际状态值，计算每个所述被控对象对应的偏差量；

将所述目标控制参数和每个所述被控对象对应的偏差量输入至所述迭代学习控制器中，以便所述迭代学习控制器根据所述D型学习律、所述目标控制参数和每个所述被控对象对应的偏差量生成中间优化控制参数；

获取每个所述被控对象对应的第三期望状态值，并根据每个所述被控对象对应的第三期望状态值和所述中间优化控制参数控制每个所述被控对象；

获取每个所述被控对象对应的多个第三实际状态值，并根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若达到，则将所述中间优化控制参数确定为所述最终优化控制参数；

若未达到，则通过所述迭代学习控制器对所述中间优化控制参数进行优化调整处理，直至基于经过优化调整处理后的所述中间优化控制参数控制每个所述被控对象，每个所述被控对象达到其对应的多个预设性能指标；

将经过优化调整处理后的所述中间优化控制参数确定为所述最终优化控制参数。

进一步的，所述方法还包括：

获取所述中间优化控制参数对应的位置信息和所述最终优化控制参数对应的位置信息；

将所述中间优化控制参数、所述中间优化控制参数对应的位置信息、所述最终优化控制参数和所述最终优化控制参数对应的位置信息上传至云端服务器。

进一步的，所述获取目标路段对应的目标控制参数，包括：

根据当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为预先从云端服务器处下载的、记录有所述目标路段对应的目标控制参数的地图。

进一步的，所述获取目标路段对应的目标控制参数，包括：

将当前位置信息发送至云端服务器，以便所述云端服务器根据所述当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为记录有所述目标路段对应的目标控制参数的地图；

接收所述云端服务器发送的、所述目标路段对应的目标控制参数。

进一步的，所述被控对象对应的多个预设性能指标包括：所述被控对象对应的上升时间小于第一预设阈值、调节时间小于第二预设阈值和峰值时间小于第三预设阈值。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数，并根据每个所述被控对象对应的第一期望状态值和所述目标控制参数控制每个被控对象；获取每个所述被控对象对应的多个第一实际状态值，并根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；若未达到，则通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (16)

1.一种自动驾驶的控制方法，其特征在于，包括：

获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数，并根据每个所述被控对象对应的第一期望状态值和所述目标控制参数控制每个被控对象；

获取每个所述被控对象对应的多个第一实际状态值，并根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若未达到，则通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数。

2.根据权利要求1所述的方法，其特征在于，在所述获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数之前，所述方法还包括：

获取每个所述被控对象对应的第二期望状态值和预置控制参数；

根据每个所述被控对象对应的第二期望状态值和所述预置控制参数控制每个所述被控对象；

获取每个所述被控对象对应的多个第二实际状态值；

根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若未达到，则进入获取每个所述被控对象对应的第一期望状态值和所述目标路段对应的目标控制参数的步骤。

3.根据权利要求1所述的方法，其特征在于，所述迭代学习控制器中包含D型学习律，所述被控对象对应的多个第一实际状态值中包含多个中间实际状态值和最终实际状态值；所述通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数，包括：

根据每个所述被控对象对应的第一期望状态值和最终实际状态值，计算每个所述被控对象对应的偏差量；

将所述目标控制参数和每个所述被控对象对应的偏差量输入至所述迭代学习控制器中，以便所述迭代学习控制器根据所述D型学习律、所述目标控制参数和每个所述被控对象对应的偏差量生成中间优化控制参数；

获取每个所述被控对象对应的第三期望状态值，并根据每个所述被控对象对应的第三期望状态值和所述中间优化控制参数控制每个所述被控对象；

获取每个所述被控对象对应的多个第三实际状态值，并根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

若达到，则将所述中间优化控制参数确定为所述最终优化控制参数；

若未达到，则通过所述迭代学习控制器对所述中间优化控制参数进行优化调整处理，直至基于经过优化调整处理后的所述中间优化控制参数控制每个所述被控对象，每个所述被控对象达到其对应的多个预设性能指标；

将经过优化调整处理后的所述中间优化控制参数确定为所述最终优化控制参数。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取所述中间优化控制参数对应的位置信息和所述最终优化控制参数对应的位置信息；

将所述中间优化控制参数、所述中间优化控制参数对应的位置信息、所述最终优化控制参数和所述最终优化控制参数对应的位置信息上传至云端服务器。

5.根据权利要求1所述的方法，其特征在于，所述获取目标路段对应的目标控制参数，包括：

根据当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为预先从云端服务器处下载的、记录有所述目标路段对应的目标控制参数的地图。

6.根据权利要求1所述的方法，其特征在于，所述获取目标路段对应的目标控制参数，包括：

将当前位置信息发送至云端服务器，以便所述云端服务器根据所述当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为记录有所述目标路段对应的目标控制参数的地图；

接收所述云端服务器发送的、所述目标路段对应的目标控制参数。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述被控对象对应的多个预设性能指标包括：所述被控对象对应的上升时间小于第一预设阈值、调节时间小于第二预设阈值和峰值时间小于第三预设阈值。

8.一种自动驾驶的控制装置，其特征在于，包括：

第一获取单元，用于获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数；

第一控制单元，用于根据每个所述被控对象对应的第一期望状态值和所述目标控制参数控制每个被控对象；

第二获取单元，用于获取每个所述被控对象对应的多个第一实际状态值；

第一判断单元，用于根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

优化调整单元，用于当根据每个所述被控对象对应的第一期望状态值和多个第一实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，通过迭代学习控制器对所述目标控制参数进行优化调整处理，以获得最终优化控制参数。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

第三获取单元，用于在所述第一获取单元获取每个被控对象对应的第一期望状态值和目标路段对应的目标控制参数之前，获取每个所述被控对象对应的第二期望状态值和预置控制参数；

第二控制单元，用于根据每个所述被控对象对应的第二期望状态值和所述预置控制参数控制每个所述被控对象；

第四获取单元，用于获取每个所述被控对象对应的多个第二实际状态值；

第二判断单元，用于根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

所述第一获取单元，具体用于当根据每个所述被控对象对应的第二期望状态值和多个第二实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，获取每个所述被控对象对应的第一期望状态值和所述目标路段对应的目标控制参数。

10.根据权利要求8所述的装置，其特征在于，所述迭代学习控制器中包含D型学习律，所述被控对象对应的多个第一实际状态值中包含多个中间实际状态值和最终实际状态值；所述优化调整单元包括：

计算模块，用于根据每个所述被控对象对应的第一期望状态值和最终实际状态值，计算每个所述被控对象对应的偏差量；

输入模块，用于将所述目标控制参数和每个所述被控对象对应的偏差量输入至所述迭代学习控制器中，以便所述迭代学习控制器根据所述D型学习律、所述目标控制参数和每个所述被控对象对应的偏差量生成中间优化控制参数；

第一获取模块，用于获取每个所述被控对象对应的第三期望状态值；

控制模块，用于根据每个所述被控对象对应的第三期望状态值和所述中间优化控制参数控制每个所述被控对象；

第二获取模块，用于获取每个所述被控对象对应的多个第三实际状态值；

判断模块，用于根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判断每个所述被控对象是否达到其对应的多个预设性能指标；

第一确定模块，用于当根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判定每个所述被控对象达到其对应的多个预设性能指标时，将所述中间优化控制参数确定为所述最终优化控制参数；

优化调整模块，用于当根据每个所述被控对象对应的第三期望状态值和多个第三实际状态值判定任意一个所述被控对象未达到其对应的多个预设性能指标时，通过所述迭代学习控制器对所述中间优化控制参数进行优化调整处理，直至基于经过优化调整处理后的所述中间优化控制参数控制每个所述被控对象，每个所述被控对象达到其对应的多个预设性能指标；

第二确定模块，用于将经过优化调整处理后的所述中间优化控制参数确定为所述最终优化控制参数。

11.根据权利要求10所述的装置，其特征在于，所述装置还包括：

第五获取单元，用于获取所述中间优化控制参数对应的位置信息和所述最终优化控制参数对应的位置信息；

上传单元，用于将所述中间优化控制参数、所述中间优化控制参数对应的位置信息、所述最终优化控制参数和所述最终优化控制参数对应的位置信息上传至云端服务器。

12.根据权利要求8所述的装置，其特征在于，所述第一获取单元包括：

查找模块，用于根据当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为预先从云端服务器处下载的、记录有所述目标路段对应的目标控制参数的地图。

13.根据权利要求8所述的装置，其特征在于，所述第一获取单元包括：

发送模块，用于将当前位置信息发送至云端服务器，以便所述云端服务器根据所述当前位置信息在目标地图中查找所述目标路段对应的目标控制参数，其中，所述目标地图为记录有所述目标路段对应的目标控制参数的地图；

接收模块，用于接收所述云端服务器发送的、所述目标路段对应的目标控制参数。

14.根据权利要求8-13中任一项所述的装置，其特征在于，所述被控对象对应的多个预设性能指标包括：所述被控对象对应的上升时间小于第一预设阈值、调节时间小于第二预设阈值和峰值时间小于第三预设阈值。

15.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任一项所述的自动驾驶的控制方法。

16.一种自动驾驶的控制装置，其特征在于，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行权利要求1至7中任一项所述的自动驾驶的控制方法。

Images