CN113650609B - 基于模糊规则的人机共驾控制权柔性转移方法及系统 - Google Patents
基于模糊规则的人机共驾控制权柔性转移方法及系统 Download PDFInfo
- Publication number
- CN113650609B CN113650609B CN202111142967.XA CN202111142967A CN113650609B CN 113650609 B CN113650609 B CN 113650609B CN 202111142967 A CN202111142967 A CN 202111142967A CN 113650609 B CN113650609 B CN 113650609B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- steering wheel
- steering
- machine
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012546 transfer Methods 0.000 title claims abstract description 25
- 230000033001 locomotion Effects 0.000 claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- 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
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
- B60W60/0051—Handover processes from occupants to vehicle
-
- 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
- B60W60/005—Handover processes
- B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
-
- 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
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0008—Feedback, closed loop systems or details of feedback error signal
- B60W2050/0011—Proportional Integral Differential [PID] controller
-
- 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
- B60W2520/14—Yaw
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明提供了基于模糊规则的人机共驾控制权柔性转移方法及系统，包括：基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角；构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；根据方向盘转角输入和车辆质心偏离车道中心线距离信息判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数；建立人机共驾驾驶权共享模型，得到最终控制车辆转向运动的方向盘转角输入；根据计算得到的方向盘转角输入控制车辆的转向运动，对车辆当前的车道偏离状况进行修正。
Description
技术领域
本发明涉及智能汽车决策与控制领域，具体地，涉及一种基于模糊规则的人机共驾控制权柔性转移方法及系统。
背景技术
近年来，随着我国综合国力和人民生活水平的逐步提升，人们对汽车的需求越来越大，汽车已成为当今社会人们的必需品之一。而随着新一代信息技术,人工智能理论的进步和人工智能等技术的飞速进展,全球汽车产业也正处于深度变革期，电动化、智能化及网联化成为汽车产业新的战略制高点，预计到2025年，全球智能汽车潜在经济影响为0.2万亿～1.9万亿美元，其中智能性和自主性是无人系统区别于人机系统需要完成的最核心的技术特征，自动驾驶智能汽车的概念应势而生。
智能驾驶车辆，是地面无人车辆(Unmanned Ground Vehicle，UGV)的一种，通过搭载先进的传感器装置，借助现代移动通信与网络技术实现交通参与物与彼此间的互换与共享，具有在行驶过程中自主识别周围道路环境、紧急避障以及自动刹车等功能，如果继续革新发展，未来将可能完全替代人类驾驶员操作，真正意义上实现高度/完全自动驾驶，成为具有革新意义的新一代汽车。
在智能化方面，《意见稿》以业内普遍接受的美国SAE分级定义作为基础，兼顾我国道路的自身特点与复杂性，将等级分为驾驶辅助(DA)、部分自动驾驶(PA)、有条件自动驾驶(CA)、高度自动驾驶(HA)和完全自动驾驶(FA)五个等级。其中FA实现了智能汽车的完全自动驾驶，是智能驾驶的终极目标。但就现有自动驾驶发展而言，无人驾驶技术还不成熟，由于无人驾驶汽车引起的交通事故也确实存在，相关法规也还不够完善，不能实现所有复杂道路环境下的无人驾驶，还不能做到完全自动化，即在未来很长一段时间内，都会是人与自动驾驶系统共同存在的阶段。
人机共驾，即人类驾驶员和自动驾驶辅助驾驶系统通过多层次合作，分享车辆控制权并协同完成驾驶任务，可以克服传统智能自动驾驶汽车所面临的安全、伦理和成本等问题，目前已成为自动驾驶技术逐步发展的重要途径，是智能驾驶技术的新型发展方向。
人机共驾是汽车安全辅助驾驶技术(Advanced Driver Assistance Systems，ADAS)领域的重要发展方向。ADAS，通过在车辆上安装各种传感器，实现数据收集、物体识别及危险预警等功能，从而达到增加汽车驾驶的舒适性和安全性的目的。而作为汽车安全辅助驾驶的一部分，人机共驾可以同时兼顾人类驾驶员和自动驾驶系统的优势:能在对收集的数据信息进行归纳和推理的同时在任务变得频繁和复杂时进行迅速地响应，达到1+1>2的控制效果，提高了行车的舒适性和安全性。
人机共驾最为核心的是人机驾驶控制权的共享或切换，现有的大多数人机共驾系统控制算法及系统的研究，将驾驶员视作外界干扰，没有考虑人机共驾阶段下驾驶人与自动驾驶控制系统的控制权的分配问题，易造成人机冲突，因此有必要提出一种新的人机共驾驾驶权的转移规则，在探索人机共驾控制权控制算法时，考虑人类驾驶员和自动控制系统之间的柔性切换，保证驾驶的安全性和舒适性。
专利文献CN110539799A(申请号：CN201910954724.2)公开了一种基于驾驶员状态的分层架构人机共驾系统，属于智能汽车决策领域，通过采将集到的驾驶员方向盘输入·力矩与辅助驾驶系统计算得到的动态阈值比较，并通过采集汽车车速和方向盘输入角加速度以及驾驶员面部表情比例进一步感知驾驶员驾驶状态，据此分配驾驶权，发出警报，最后利用模糊控制方法控制前轮转角，直至人机共驾系统达到平衡。本系统还可以根据车内儿童状态调整辅助驾驶系统当决策驾驶权比例，控制汽车在车内儿童可接受情况下安全行驶。
目前对人机共驾型智能汽车的驾驶控制权分配及转移已经有了一定的研究，如专利文献CN201910954724.2公开的一种基于驾驶员状态的分层架构人机共驾系统中提出的一种通过将驾驶员输入转角与与辅助驾驶系统计算得到的动态阈值比较，并结合驾驶员驾驶状态，分配驾驶控制权的方法，但此发明算法过于复杂，不利于推广；专利文献CN201610839897.6公开了一种人机共驾模型电动助力转向系统及模式切换方法提出了一种通过在现有电动助力转向系统上加装后置转矩/转角传感器，判断车辆转向模式，实现人驾模式和机驾模式的转换，但此发明没有考虑到人类驾驶员状态对模式切换带来的影响，判断因素不全面；专利文献 CN201810846175.2公开了一种考虑驾驶员驾驶技能的人机共驾横向驾驶权分配方法提出了一种通过评估驾驶员驾驶技能并考虑驾驶员期望转角与车道偏离控制器的期望转角的差值从而进行横向驾驶权分配的方法，但此发明只针对驾驶员在主动驾驶状态，没有考虑到驾驶员在驾驶过程中可能出现的疲惫、分心，容易造成驾驶权分配过程中的事故发生。
虽然现在对于人机共驾型智能汽车的驾驶控制权分配及转移有了一定研究，但综上看来，在现有的研究成果中，对于驾驶员本身状态对驾驶行为的影响考虑并不完整，容易造成人机间驾驶控制权的刚性切换，进而发生人机冲突，部分算法也过于复杂，不利于广泛推广。因此，针对现有问题，有必要提出一种新的基于模糊规则的人机共驾控制权柔性转移方法。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于模糊规则的人机共驾控制权柔性转移方法及系统。
根据本发明提供的一种基于模糊规则的人机共驾控制权柔性转移方法，包括：
步骤S1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
步骤S2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
步骤S3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
步骤S4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
步骤S5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
方向盘目标转向角/>
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入/>
步骤S6：根据计算得到的方向盘转角输入
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶系统在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出系统，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶系统之间进行柔性过渡，在车道发生偏离时及时纠正。
优选地，所述车辆的运动学模型采用：
vt+1＝vt+a*dt (4)
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
优选地，在所述步骤S2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID 控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器。
优选地，在所述步骤S4中：根据方向盘转角
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
优选地，所述人机共驾驾驶权共享模型采用：
其中，γ表示人机共驾驾驶权权重系数；
表示驾驶员输入方向盘转角；/>
表示方向盘目标转向角；/>
表示控制车辆转向运动的方向盘转角输入。
根据本发明提供的一种基于模糊规则的人机共驾控制权柔性转移系统，包括：
模块M1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
模块M2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
模块M3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
模块M4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
模块M5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
方向盘目标转向角/>
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入/>
模块M6：根据计算得到的方向盘转角输入
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶系统在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出系统，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶系统之间进行柔性过渡，在车道发生偏离时及时纠正。
优选地，所述车辆的运动学模型采用：
vt+1＝vt+a*dt(4)
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
优选地，在所述模块M2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID 控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器。
优选地，在所述模块M4中：根据方向盘转角
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
优选地，所述人机共驾驾驶权共享模型采用：
其中，γ表示人机共驾驾驶权权重系数；
表示驾驶员输入方向盘转角；/>
表示方向盘目标转向角；/>
表示控制车辆转向运动的方向盘转角输入。
与现有技术相比，本发明具有如下的有益效果：
1、本发明根据驾驶员的输入方向盘转角初步判断驾驶员状态，并结合汽车当前偏离车道中心线的情况对人机间的驾驶权进行柔性转移切换，实现人机协同智能驾驶，避免冲突；
2、本发明驾驶权在人机间柔性转移，权重系数实现连续变化，保证行车的安全性，提高了驾驶的舒适性；
3、本发明基于模糊逻辑规则确定人机共驾驾驶权权重系数，在降低了对输入参数精确度的要求前提下，又能满足当前既定的实际情况，相比现有算法，更加简单易实现；
4、本发明遵守最小干预原则，在输入方向盘转角
较大并且车辆横向偏差e较小时，认为驾驶员驾驶状态好，主动操纵车辆，此时对应共驾系数应较小或者为零, 保证了驾驶体验感；
5、本发明考虑驾驶员的驾驶状态以及车辆状态信息对驾驶权转移的影响，基于模糊规则考虑两者对人机共驾控制权权重系数的影响，计算得到当前时刻驾驶员和自动驾驶系统应分配的驾驶权系数值，并基于人机共驾模型对其进行加权融合，得到最终控制车辆转向的方向盘转角
实现了较好的人机共驾控制权的柔性转移。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1本发明的原理流程示意图。
图2为本发明的驾驶权分配方法原理图。
图3为本发明的智能汽车的运动学模型示意图。
图4为本发明所述以
e为输入参数，γ为输出参数的驾驶权重模糊规则隶属度函数示意图。
图5为本发明自动驾驶车道保持的自适应模糊PID控制流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
根据本发明提供的一种基于模糊规则的人机共驾控制权柔性转移方法，包括：
步骤S1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
步骤S2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
步骤S3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
步骤S4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
步骤S5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
方向盘目标转向角/>
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入/>
步骤S6：根据计算得到的方向盘转角输入
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶系统在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出系统，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶系统之间进行柔性过渡，在车道发生偏离时及时纠正。
具体地，所述车辆的运动学模型采用：
vt+1＝vt+a*dt (4)
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
具体地，在所述步骤S2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID 控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器。
具体地，在所述步骤S4中：根据方向盘转角
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
具体地，所述人机共驾驾驶权共享模型采用：
其中，γ表示人机共驾驾驶权权重系数；
表示驾驶员输入方向盘转角；/>
表示方向盘目标转向角；/>
表示控制车辆转向运动的方向盘转角输入。
根据本发明提供的一种基于模糊规则的人机共驾控制权柔性转移系统，包括：
模块M1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
模块M2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
模块M3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
模块M4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
模块M5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
方向盘目标转向角/>
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入/>
模块M6：根据计算得到的方向盘转角输入
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶系统在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出系统，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶系统之间进行柔性过渡，在车道发生偏离时及时纠正。
具体地，所述车辆的运动学模型采用：
vt+1＝vt+a*dt (4)
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
具体地，在所述模块M2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID 控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器。
具体地，在所述模块M4中：根据方向盘转角
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
具体地，所述人机共驾驾驶权共享模型采用：
其中，γ表示人机共驾驾驶权权重系数；
表示驾驶员输入方向盘转角；/>
表示方向盘目标转向角；/>
表示控制车辆转向运动的方向盘转角输入。
实施例2
实施例2是实施例1的优选例
如图1所示，本发明所述的一种基于模糊规则的人机共驾控制权柔性转移方法，包括如下步骤：
步骤(1)：如图3所示，对智能车辆进行运动学分析，简化为自行车模型建立车辆的运动学模型，车辆在垂直方向上的运动被忽略，简化为二维平面的运动物体，用方向盘转角代替前轮胎转角，后轮不偏转，具体表现为：
对车辆进行运动学分析，并简化为自行车模型建立其运动学模型，状态方程式为：
xt+1＝xt+vtcos(φt+β)*dt (1)
yt+1＝yt+vtsin(φt+β)*dt (2)
vt+1＝vt+a*dt (4)
式中，x为车辆当前的横坐标，单位为m；y为车辆当前的纵坐标，单位为m；φ为车辆偏航角，单位为rad；a为车辆当前的加速度，单位为m/s2；v是车辆当前的速度，单位为m/s；
式中，lf、lr为车辆的前轮和后轮到车辆重心的距离；δf为车辆方向盘转角；
步骤(2)：建立使车辆能够进行车道保持的自动驾驶转向控制器：
为了模拟自动驾驶系统的车道保持的性能，建立转向控制器对转向进行控制，获取方向盘目标转向角
为了保证汽车转向的精确性，选择自适应模糊PID控制器作为转向控制器：
如图5所示，r(k)为理想值，即车道中心线横向坐标值，y(k)是测量值，即实时测得的横向偏差，即质心偏离中心线的横向距离，e(k)为两者的差值；e(k-1)为前一采样时刻的差值。取当前的采样值y(k),得到e(k)，即横向偏差；k时刻与k-1时刻的横向偏差的差值为ec(k),即e(k)的变化值；将k时刻的差值赋值给k-1时刻；对e(k)、 e(k-1)进行模糊化作为模糊算法的输入值，基于模糊规则推出ΔKp、ΔKi、ΔKd，得到当前时刻的KP、Ki、Kd，得到模糊PID输出。
以车辆质心距车道中心线的侧向距离e及其误差变化ec为输入参数，方向盘转角PID 控制器的三个参数的变化量ΔKp、ΔKi、ΔKd为输出参数，ΔKp、ΔKi、ΔKd为模糊控制器输出的PID参数增益值，建立两输入三输出的模糊PID控制器：
选取模糊PID控制器输入输出参数模糊论域为[-6,6],ΔKp、ΔKi及ΔKd的模糊论域分别为[2,5]，[1,2]，[0,1],并将其离散化；模糊PID控制器输入输出参数的模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别表示其数值的负大、负中、负小、零、正小、正中、正大7个状态，由于输入参数e和ec的基本论域分别为7个，所以共需定义7*7＝49条规则；
模糊规则制定原理如下：当|e|有较大值时，对应的ΔKp应取较大，以提高矫正响应的速度，但为了防止|ec|突然变大，ΔKd应取较小，同时为了防止出现较大超调，应对积分项加以限制；当|e|有较小时，对应的ΔKp、ΔKi应取较大，以使系统拥有良好的稳定性，同时为了防止系统出现震荡，ΔKd应取合适，同时系统的响应影响也较大，ΔKi也不能取得过大；此外的|e|取值时，ΔKp应取较小，使系统的响应超调较小，ΔKd、ΔKi应取合适。
定义模糊规则如表1、表2、表3：
表1：ΔKp的模糊规则
表2：ΔKi的模糊规则
表3：ΔKd的模糊规则
步骤(3)：建立驾驶员模型，构造随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入
使车辆在固定时间段发生车道偏移，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
步骤(4)：建立人机共驾驾驶权重分配规则，以驾驶员分心或疲惫状态下的方向盘转角
和车辆横向偏差e为输入参数，人机共驾驾驶权权重系数γ为输出参数，基于模糊逻辑规则建立分配规则：
模糊规则制定的依据是:当输入方向盘转角
较大并且车辆横向偏差e较小时，认为驾驶员驾驶状态好，主动操纵车辆，则此时对应共驾系数应较小或者为零,当处于相反状态时，共驾系数应较高。
定义车辆的横向偏差e>0，表示车辆向右偏移；e＝0表示车辆未发生偏移；e<0表示车辆向左偏移；驾驶员的输入方向盘转角
在顺时针时为正值，逆时针时为负值
设定驾驶员分心、疲惫状态下输入方向盘转角
的基本论域为[-300,300]°,汽车行驶过程中的汽车距离车道中心线的侧向距离e的基本论域为[-6,6]m，共驾系数γ的基本论域为[0,1]，驾驶员分心、疲惫状态下输入方向盘转角/>
和横向偏差e的模糊子集为 {NB,NM,NS,ZO,PS,PM,PB}，分别代表驾驶员分心、疲惫状态下输入方向盘转角/>
和横向偏差e的负大、负中、负小、零、正小、正中、正大7个状态，共驾系数γ的模糊子集为{S,M,ZO,L,VL}，分别代表共驾系数零、小、中、大、较大5个状态，由于输入参数/>
和e的基本论域分别为7个，所以共需定义7*7＝49条规则，模糊规则制定的依据是:当输入方向盘转角/>
较大并且车辆横向偏差e较小时认为驾驶员驾驶状态好，主动操纵车辆，则此时对应共驾系数γ应较小或者为零,当处于相反状态时，共驾系数应较高,具体规则见表 4:
表4:权重系数γ的模糊规则
如图4所示，为了保证权重系数的柔性过渡，选择高斯函数作为人机共驾驾驶权权重系数的隶属度函数；隶属度函数的选择属于模糊规则数据库设计中的一项，为了降低共驾系数的突变，输入变量和输出变量的隶属度函数都选择高斯隶属函数作为其隶属度函数；其中，图4中AA即为驾驶员疲惫、分心状态下的方向盘转角
E为车辆当前质心偏离车道中心线的距离e；A为人机共驾驾驶权权重系数γ。
步骤(5)：如图2所示，设计如图所示的共驾系统输出最终方向盘转角
对汽车转向运动进行控制：
获取车辆前方的实时道路信息，采集所控车辆当前质心偏离车道中心线的距离e；
获取步骤(3)中的驾驶员疲惫、分心状态下的方向盘转角
根据步骤(4)的模糊逻辑规则确定人机共驾驾驶权权重系数γ；
最终控制车辆转向运动的方向盘转角
按照如下公式计算：
式中，
为驾驶员输入方向盘转角，γ为共驾系数，可根据实时所采集的数据进行调整，/>
为自动驾驶系统提供的目标方向盘转角；方向盘输入/>
控制汽车转向。
根据计算得到的方向盘转角输入
来控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持，并保证自动驾驶系统提供的目标方向盘转角/>
随驾驶员输入方向盘转角/>
及权重系数γ的变化而变化；
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (6)
1.一种基于模糊规则的人机共驾控制权柔性转移方法，其特征在于，包括：
步骤S1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
步骤S2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
步骤S3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
步骤S4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
步骤S5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
方向盘目标转向角
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入
步骤S6：根据计算得到的方向盘转角输入
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶系统在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出系统，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶系统之间进行柔性过渡，在车道发生偏离时及时纠正；
在所述步骤S2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器；
在所述步骤S4中：根据方向盘转角
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
2.根据权利要求1所述的基于模糊规则的人机共驾控制权柔性转移方法，其特征在于，所述车辆的运动学模型采用：
vt+1＝vt+a*dt (4)
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
3.根据权利要求1所述的基于模糊规则的人机共驾控制权柔性转移方法，其特征在于，所述人机共驾驾驶权共享模型采用：
其中，γ表示人机共驾驾驶权权重系数；
表示驾驶员输入方向盘转角；
表示方向盘目标转向角；
表示控制车辆转向运动的方向盘转角输入。
4.一种基于模糊规则的人机共驾控制权柔性转移系统，其特征在于，包括：
模块M1：采集驾驶员输入方向盘转角信息以及车辆质心偏离车道中心线距离信息；
模块M2：建立车辆的运动学模型，基于车辆的运动学模型建立转向控制器对转向进行控制，获取方向盘目标转向角
模块M3：构建随机函数模拟驾驶员在疲惫、分心状态下的方向盘转角输入，使车辆在预设时间段发生车道偏差，模拟驾驶员在分心、疲惫状态下的车辆行驶情况；
模块M4：根据方向盘转角输入和车辆质心偏离车道中心线距离信息，判断驾驶员驾驶状态，基于模糊逻辑规则，得到相应的人机共驾驾驶权重系数γ；
模块M5：建立人机共驾驾驶权共享模型，基于人机共驾驾驶权共享模型根据驾驶员输入方向盘转角
方向盘目标转向角
以及人机共驾驾驶权重系数γ，得到最终控制车辆转向运动的方向盘转角输入
模块M6：根据计算得到的方向盘转角输入
控制车辆的转向运动，对车辆当前的车道偏离状况进行修正，实现车道保持；
所述车辆的运动学模型基于二维平面上的自行车模型，建立以质心为中心，前轮驱动的车辆运动学状态方程；
所述转向控制器是提供自动驾驶系统在车道发生偏离时能进行车道保持的目标方向盘转角；
所述人机共驾驾驶权共享模型是控制人机共驾智能车辆最终转向的转角输出系统，通过人机共驾驾驶权共享模型验证共驾系数的有效性，证实驾驶权能在驾驶员与自动驾驶系统之间进行柔性过渡，在车道发生偏离时及时纠正；
在所述模块M2中：选择自适应模糊PID控制器作为车道保持控制器对转向进行控制；
所述自适应模糊PID控制器包括：基于车辆的运动学模型利用模糊PID算法建立车道保持器；
所述自适应模糊PID控制器包括：基于车辆的运动学模型，根据车辆质心距车道中心线的侧向距离e及误差变化ec，利用模糊逻辑控制算法，计算得到方向盘转角PID控制器的参数的变化量ΔKp、ΔKi、ΔKd，建立自适应模糊PID控制器；
在所述模块M4中：根据方向盘转角
和车辆横向偏差e，利用模糊逻辑控制算法，计算得到人机共驾驾驶权权重系数γ。
5.根据权利要求4所述的基于模糊规则的人机共驾控制权柔性转移系统，其特征在于，所述车辆的运动学模型采用：
vt+1＝vt+a*dt(4)
其中，x表示车辆当前的横坐标；y表示车辆当前的纵坐标；
表示车辆偏航角；α表示车辆当前的加速度；v表示车辆当前的速度；lf、lr分别表示车辆的前轮和后轮到车辆重心的距离；δf表示车辆方向盘转角，t表示时间t。
6.根据权利要求4所述的基于模糊规则的人机共驾控制权柔性转移系统，其特征在于，所述人机共驾驾驶权共享模型采用：
其中，γ表示人机共驾驾驶权权重系数；
表示驾驶员输入方向盘转角；
表示方向盘目标转向角；
表示控制车辆转向运动的方向盘转角输入。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111142967.XA CN113650609B (zh) | 2021-09-28 | 2021-09-28 | 基于模糊规则的人机共驾控制权柔性转移方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111142967.XA CN113650609B (zh) | 2021-09-28 | 2021-09-28 | 基于模糊规则的人机共驾控制权柔性转移方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113650609A CN113650609A (zh) | 2021-11-16 |
| CN113650609B true CN113650609B (zh) | 2023-03-24 |
Family
ID=78494432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111142967.XA Active CN113650609B (zh) | 2021-09-28 | 2021-09-28 | 基于模糊规则的人机共驾控制权柔性转移方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113650609B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114248805B (zh) * | 2021-12-27 | 2023-07-11 | 中通客车股份有限公司 | 一种缓解人机冲突的智能驾驶控制权重分配方法及系统 |
| CN114323698B (zh) * | 2022-02-11 | 2023-09-08 | 吉林大学 | 一种面向人机共驾智能汽车的实车实验平台测试方法 |
| CN114524020B (zh) * | 2022-02-28 | 2023-09-01 | 重庆长安汽车股份有限公司 | 一种车辆人机共驾的方向盘角度控制方法 |
| CN115180017B (zh) * | 2022-08-18 | 2023-10-17 | 苏州轻棹科技有限公司 | 一种对方向盘转角进行补偿的处理方法 |
| CN117227834B (zh) * | 2023-11-10 | 2024-01-30 | 中国矿业大学 | 一种特种车辆人机协同转向控制方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107804315B (zh) * | 2017-11-07 | 2019-07-16 | 吉林大学 | 一种考虑驾驶权实时分配的人车协同转向控制方法 |
| CN108454628B (zh) * | 2018-04-17 | 2019-06-04 | 吉林大学 | 一种驾驶员在环的人车协同转向滚动优化控制方法 |
| CN109795486B (zh) * | 2019-03-01 | 2021-06-11 | 大连理工大学 | 在人机共驾车道保持系统中驾驶权分配的方法 |
| CN110539799B (zh) * | 2019-10-09 | 2021-07-23 | 吉林大学 | 一种基于驾驶员状态的分层架构人机共驾系统 |
| US20210139028A1 (en) * | 2019-11-13 | 2021-05-13 | Sf Motors, Inc. | Fuzzy logic based and machine learning enhanced vehicle dynamics determination |
-
2021
- 2021-09-28 CN CN202111142967.XA patent/CN113650609B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113650609A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113650609B (zh) | 基于模糊规则的人机共驾控制权柔性转移方法及系统 | |
| CN107561942B (zh) | 基于模型补偿的智能车辆轨迹跟踪模型预测控制方法 | |
| Zhou et al. | Multiobjective optimization of lane-changing strategy for intelligent vehicles in complex driving environments | |
| Li et al. | Indirect shared control for cooperative driving between driver and automation in steer-by-wire vehicles | |
| CN111055921B (zh) | 一种基于数据驱动的四轮转向模型预测控制方法 | |
| CN108454623A (zh) | 一种四轮独立驱动无人驾驶电动车辆轨迹跟踪控制方法 | |
| CN107298103A (zh) | 一种智能电动汽车自动换道分层控制系统及方法 | |
| Cai et al. | An intelligent longitudinal controller for application in semiautonomous vehicles | |
| Liu et al. | Handling and stability integrated control of AFS and DYC for distributed drive electric vehicles based on risk assessment and prediction | |
| CN114379583A (zh) | 一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪系统及方法 | |
| CN107272707B (zh) | 基于ipv6的无人车自动轨迹模糊pid跟随控制方法 | |
| Bardaro et al. | MPC-based control architecture of an autonomous wheelchair for indoor environments | |
| CN110641465A (zh) | 一种基于车速的车道保持系统和方法 | |
| Chen et al. | A new lane keeping method based on human-simulated intelligent control | |
| Niasar et al. | Yaw moment control via emotional adaptive neuro-fuzzy controller for independent rear wheel drives of an electric vehicle | |
| CN114228690A (zh) | 一种基于ddpg和迭代控制的自动驾驶车辆侧倾控制方法 | |
| CN115303289A (zh) | 一种基于深度高斯车辆动力学模型、训练方法、智能汽车轨迹跟踪控制方法及终端设备 | |
| Tian et al. | Personalized lane change planning and control by imitation learning from drivers | |
| CN115214672A (zh) | 一种考虑车间交互的自动驾驶类人决策、规划与控制方法 | |
| Chen et al. | Sideslip angle fusion estimation method of three-axis autonomous vehicle based on composite model and adaptive cubature Kalman filter | |
| Zhang et al. | Adaptive backstepping fuzzy lateral motion control approach for autonomous vehicles | |
| Fang et al. | A Nash-equilibrium-based AFS-TVA Coordinated Control System for Distributed Drive Electric Vehicles Considering Safety and Energy | |
| Gratzer et al. | Two-Layer MPC Architecture for Efficient Mixed-Integer-Informed Obstacle Avoidance in Real-Time | |
| Fehér et al. | Proving ground test of a ddpg-based vehicle trajectory planner | |
| CN116540737A (zh) | 一种静态避障场景下考虑驾驶习惯的路径规划与控制方法 |
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 |