CN113734182A - 一种车辆自适应控制方法及其装置 - Google Patents

一种车辆自适应控制方法及其装置 Download PDF

Info

Publication number
CN113734182A
CN113734182A CN202010482797.9A CN202010482797A CN113734182A CN 113734182 A CN113734182 A CN 113734182A CN 202010482797 A CN202010482797 A CN 202010482797A CN 113734182 A CN113734182 A CN 113734182A
Authority
CN
China
Prior art keywords
vehicle
state
error
control
current
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.)
Granted
Application number
CN202010482797.9A
Other languages
English (en)
Other versions
CN113734182B (zh
Inventor
郑晨晨
张光鲁
李锋
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.)
BYD Co Ltd
Original Assignee
BYD Co Ltd
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 BYD Co Ltd filed Critical BYD Co Ltd
Priority to CN202010482797.9A priority Critical patent/CN113734182B/zh
Publication of CN113734182A publication Critical patent/CN113734182A/zh
Application granted granted Critical
Publication of CN113734182B publication Critical patent/CN113734182B/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
    • 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
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • 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
    • 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)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请实施例提供了一种车辆自适应控制方法及其装置，方法包括：获取车辆在当前时刻的至少一种运动状态；获取车辆在当前时刻的至少一种运动状态和至少一种预定目标状态之间的至少一种状态误差；对至少一种状态误差进行处理，获得至少一个控制参数；将车辆在当前时刻的至少一种运动状态和至少一种预定目标状态以及至少一个控制参数输入车辆的模型预测控制器，获得车辆的至少一个控制量；根据至少一个控制量控制车辆，以使至少一种运动状态趋向至少一种预定目标状态。实施本申请实施例，能够实现对车辆的实时有效地跟踪与控制。

Description

一种车辆自适应控制方法及其装置
技术领域
本申请涉及通信技术领域，尤其涉及一种车辆自适应控制方法及其装置。
背景技术
现有技术中，在对车辆进行跟踪时，首先根据起始地和目的地，生成参考轨迹，然后采用人工调节参数的方法调节预测控制模型中的参数，通过预测控制模型控制车辆，实现车辆轨迹跟踪。但由于车辆处于不确定的环境和/或使用不精确的预测控制模型，在跟踪过程中容易产生较大位姿误差，导致动态跟踪效果差。
发明内容
本申请实施例公开了一种车辆自适应控制方法及其装置，能够较精准地跟踪车辆，实现对车辆的实时控制。
第一方面，本申请实施例提供了一种车辆自适应控制方法，包括：获取车辆在当前时刻的至少一种运动状态；所述至少一种运动状态包括所述车辆的当前位置、当前姿态、当前速度或当前转向角中的至少一种；获取所述车辆在当前时刻的至少一种运动状态和至少一种预定目标状态之间的至少一种状态误差；所述至少一种状态误差包括位置误差、姿态误差、速度误差和转向角误差中的至少一种；对所述至少一种状态误差进行处理，获得至少一个控制参数；所述至少一个控制参数为目标函数中的参数；将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述车辆的模型预测控制器，获得对所述车辆的执行机构的所述至少一个控制量；根据所述至少一个控制量控制所述车辆，以使所述至少一种运动状态趋向所述至少一种预定目标状态。
可以看到，本申请中，首先获取车辆的当前状态，然后，根据当前状态与预定的目标状态获得状态误差，其次，根据状态误差进行计算，获得至少一个控制参数，再将车辆的当前状态、预定目标状态和至少一个控制参数输入模型预测控制器中，获得车辆的执行机构的至少一个控制量，最后，根据至少一个控制量，控制车辆，使当前状态趋向预定目标状态。实施本实施例，通过车辆的当前状态和预定目标状态实时求解模型预测控制器的至少一个控制参数，通过模型预测控制器实时输出车辆的至少一个控制量，实现对车辆的实时控制，使得车辆的当前状态较精准地跟随预定目标状态。
基于第一方面，在可能的实施方式中，对所述至少一种状态误差进行处理，获得至少一个控制参数，包括：根据车辆的运动学或动力学建立模型，将所述至少一种状态误差基于所述模型进行处理，获得处理结果；根据所述处理结果，获得所述至少一个控制参数。
可以看到，对车辆的至少一种状态误差进行处理，获得至少一个控制参数，具体可以为：建立车辆的运动学或动力学建立模型，基于建立的模型对至少一种状态误差进行处理，获得处理结果，在根据处理结果，获得至少一个控制参数。例如，在一种实施例中，可以建立车辆的二自由度运动学模型，基于二自由度的模型对状态误差进行分解，获得两个不同的分量，将两个分量作比；再根据该比值的大小，求解至少一个控制参数。该控制参数是根据车辆的当前状态，实时求解得到的，用于对车辆的实时控制过程中。
基于第一方面，在可能的实施方式中，所述模型预测控制器是基于所述模型，根据至少一种运动状态、所述至少一种预定目标状态、目标函数和约束条件建立的；所述约束条件用于对所述至少一种运动状态进行约束。
基于第一方面，在可能的实施方式中，所述将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述车辆的模型预测控制器，获得对所述车辆的执行机构的所述至少一个控制量，包括：将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述目标函数中，基于所述约束条件对所述目标函数进行求解，获得待调整量；根据所述待调整量和所述车辆在当前时刻的至少一种运动状态，获得对所述车辆的执行机构的所述至少一个控制量。
可以理解，车辆的模型预测控制器是基于车辆的运动学或动力学建立的模型，根据至少一种运动状态、至少一种预定目标状态、目标函数和约束条件建立的，用于对车辆的实时状态进行控制。将车辆的当前状态、预定目标状态和求解得到的至少一个控制参数输入模型预测控制器的目标函数中，根据约束条件求解目标函数的最优值，获得车辆的待调整量，再根据待调整量和车辆的至少一种运动状态，获得对车辆的执行机构的至少一个控制量，根据至少一个控制量，实现对车辆的实时控制，使得当前状态较精准地、有效地跟随预定目标状态。
基于第一方面，在可能的实施方式中，在所述获取车辆在当前时刻的至少一种运动状态之前，所述方法还包括：获取所述车辆在所述当前时刻的至少一种预定目标状态；所述至少一种预定目标状态包括所述车辆的目标位置、目标姿态、目标速度和目标转向角中的至少一种。
可以理解，本申请需要首先获得车辆的预定目标状态，在可能的实施方式中，可以输入起始地和目的地，从而获得标记有各时刻位置、姿态、速度和转向角的参考轨迹。
第二方面，本申请实施例提供了一种车辆自适应控制装置，该装置包括：
获取模块，用于获取车辆在当前时刻的至少一种运动状态；所述至少一种运动状态包括所述车辆的当前位置、当前姿态、当前速度或当前转向角中的至少一种；
误差计算模块，获取所述车辆在当前时刻的至少一种运动状态和至少一种预定目标状态之间的至少一种状态误差；所述至少一种状态误差包括位置误差、姿态误差、速度误差和转向角误差中的至少一种；
处理模块，用于对所述至少一种状态误差进行处理，获得至少一个控制参数；所述至少一个控制参数为目标函数中的参数；
模型预测控制模块，用于将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述车辆的模型预测控制器，获得对所述车辆的执行机构的所述至少一个控制量；
车辆控制模块，用于根据所述至少一个控制量控制所述车辆，以使所述至少一种运动状态趋向所述至少一种预定目标状态。
基于第二方面，在可能的实施例中，所述处理模块具体用于：根据车辆的运动学或动力学建立模型，将所述至少一种状态误差基于所述模型进行处理，获得处理结果；根据所述处理结果，获得所述至少一个控制参数。
基于第二方面，在可能的实施例中，所述模型预测控制器是基于所述模型，根据至少一种运动状态、所述至少一种预定目标状态、目标函数和约束条件建立的；所述约束条件用于对所述至少一种运动状态进行约束。
基于第二方面，在可能的实施例中，所述模型预测控制模块具体用于：将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述目标函数中，基于所述约束条件对所述目标函数进行求解，获得待调整量；根据所述待调整量和所述车辆在当前时刻的至少一种运动状态，获得对所述车辆的执行机构的所述至少一个控制量。
基于第二方面，在可能的实施例中，所述获取模块还用于，获取所述车辆在所述当前时刻的至少一种预定目标状态；所述至少一种预定目标状态包括所述车辆的目标位置、目标姿态、目标速度和目标转向角中的至少一种。
上述装置中的各个功能模块具体用于实现第一方面或第一方面的任意实施例中所述的方法。
第三方面，本申请实施例提供了一种车辆自适应控制设备，包括处理器、通信接口以及存储器；所述存储器用于存储指令，所述处理器用于执行所述指令，所述通信接口用于接收或者发送数据；其中，所述处理器执行所述指令时，执行如上述第一方面或者第一方面的任意具体实现方式中所描述方法。
第四方面，本申请实施例提供一种非易失性存储介质，用于存储程序指令，当该程序指令应用于车辆自适应控制装置时，可用于实现第一方面所描述的方法。
第五方面，本申请实施例提供一种计算机程序产品，该计算机程序产品包括程序指令，当该计算机程序产品被车辆自适应控制装置执行时，该装置执行前述第一方面所述方法。该计算机程序产品可以为一个软件安装包，在需要使用前述第一方面的任一种可能的设计提供的方法的情况下，可以下载该计算机程序产品，并在车辆自适应控制设备上执行该计算机程序产品，以实现第一方面所述方法。
可以看到，本申请实施例提供了一种车辆自适应控制方法，该方法首先获得车辆的预定目标状态和当前状态，然后，根据预定目标状态和当前状态求解获得状态误差，其次，根据状态误差再实时求解获得至少一个控制参数，从而进一步获得模型预测控制器中的目标函数的输出结果，即车辆的至少一个控制量，最后，根据该至少一个控制量对车辆进行实时控制，使车辆的当前状态能够持续有效地跟随预定目标状态。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种系统架构示意图；
图2为本申请实施例提供的一种车辆自适应控制方法示意图；
图3为本申请实施例提供的又一种车辆自适应控制方法示意图；
图4为本申请实施例提供的一种车辆运动学模型示意图；
图5为本申请实施例提供的一种车辆自适应控制装置示意图；
图6为本申请实施例提供的又一种车辆自适应控制设备示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
需要说明的是，当在本说明书和所附权利要求书中使用时，术语“包括”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列单元/器件的系统、产品或者装置没有限定于已列出的单元/器件，而是可选地还包括没有列出的单元/器件，或者还可选地包括这些产品或者装置固有的其他单元/器件。
还应当理解，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”或“在…的情况下”。
本申请实施例提供了一种车辆的系统架构示意图，参考图1，该系统架构包括规划器、自适应参数调节器、模型预测控制器和执行机构。其中，规划器用于产生预定目标状态，自适应参数调节器根据车辆的当前状态和目标状态，经过一定的算法计算，获得至少一个控制参数，模型预测控制器根据车辆的当前状态、目标状态以及求解获得的至少一个控制参数，获得至少一个控制量，该至少一个控制量用于车辆的执行机构对车辆进行调整。其中，车辆的当前状态可以是从车辆的多种传感器采集数据得到的，也可以是从惯性导航系统获取得到的。
需要说明的是，本申请中的规划器可以是硬件设备，也可以是软件程序包或计算机程序，规划器可用于实现车辆自适应控制装置中的获取模块的功能，获取车辆的目标状态；自适应参数调节器可以是硬件设备，也可以是软件程序包或计算机程序，自适应参数调节器用于实现车辆自适应控制装置中的误差计算模块和处理模块的功能，计算状态误差，再对状态误差进行处理，获得至少一个控制参数；模型预测控制器可以是硬件设备，也可以是软件程序包或计算机程序，模型预测控制器用于实现车辆自适应控制装置中的模型预测控制模块的功能，在将车辆的目标状态、当前状态和至少一个控制参数输入模型预测控制器后，可以获得车辆的至少一个控制量；执行机构根据至少一个控制量控制车辆，可用于实现车辆自适应控制装置中的车辆控制模块的功能，执行机构可以为油门、方向盘等。
基于上述系统架构，本申请实施例提供了一种车辆自适应控制方法，参考图2所示，该方法包括但不限于：
S101、获取车辆在当前时刻的至少一种运动状态。
获取车辆在当前时刻的至少一种运动状态，其中至少一种运动状态包括车辆的当前位置、当前姿态、当前速度或当前转向角中的至少一种。本申请对车辆的当前位置、当前姿态、当前速度和当前转向角的表示方法不做具体限定。
在一种可选的实施方式中，可以通过车辆上的各种传感器采集车辆当前时刻的运动状态；在又一种可选的实施方式中，也可以通过惯性导航系统获取车辆当前时刻的运动状态。
S102、获取车辆在当前时刻的至少一种运动状态和至少一种预定目标状态之间的至少一种状态误差。
在获得车辆在当前时刻的至少一种运动状态之后，再获得车辆当前时刻的至少一种预定目标状态，然后根据当前时刻的至少一种运动状态和至少一种预定目标状态，求解获得车辆在当前时刻的至少一种状态误差，其中至少一种状态误差包括位置误差、姿态误差、速度误差和转向角误差中的至少一种。
S103、对至少一种状态误差进行处理，获得至少一个控制参数。
根据至少一种状态误差，按照预设方法进行计算，获得至少一个控制参数，其中至少一个控制参数用于控制车辆的当前状态的调整，当至少一个控制参数不同时，获得的车辆的当前状态的调整程度不同。至少一个控制参数为目标函数中的参数，目标函数用于表征至少一个控制量与至少一种状态误差之间的关系。
其中，对于任意一种状态误差，均会获得至少一个控制参数，例如，根据位置误差，对位置误差进行计算，可以获得控制调整车辆当前位置的参数，根据速度误差，对速度误差进行计算，可以获得控制调整车辆当前速度的参数等。
S104、将车辆在当前时刻的至少一种运动状态和至少一种预定目标状态以及至少一个控制参数输入车辆的模型预测控制器，获得车辆的至少一个控制量。
将车辆在当前时刻的至少一种运动状态和至少一种预定目标状态以及至少一个控制参数值输入车辆的模型预测控制器，可以获得车辆的至少一个控制量，其中控制量可以是速度、姿态、位置、转向角等，模型预测控制器用于根据车辆的运动状态实现对车辆状态的控制、调整。
例如，将车辆当前位置、预定目标位置以及根据位置误差计算获得的至少一个控制参数值，输入车辆的模型预测控制器，获得车辆的位置控制量；将车辆当前速度、预定目标速度以及根据速度误差计算获得的至少一个控制参数值，输入车辆的模型预测控制器，获得车辆的速度控制量；将车辆当前转向角、预定目标转向角以及根据转向角误差计算获得的至少一个控制参数值，输入车辆的模型预测控制器，获得车辆的转向角控制量；等等。
S105、根据至少一个控制量控制车辆，以使至少一种运动状态趋向至少一种预定目标状态。
车辆的控制单元控制车辆的执行单元，车辆的执行单元根据车辆的至少一个控制量执行操作，使车辆的至少一种运动状态发生改变，以使至少一种运动状态趋向至少一种预定目标状态，即减小车辆当前时刻的至少一种运动状态与至少一种预定目标状态之间的绝对误差。
举例来说，车辆的控制量为位置控制量，则根据位置控制量控制车辆位置发生改变，减小车辆的当前位置与预定目标位置之间的绝对误差；车辆的控制量为速度控制量，则根据速度控制量控制车辆速度发生改变，减小车辆的当前速度与预定目标速度之间的绝对误差；车辆的控制量为转向角控制量，则根据转向角控制量控制车辆转向角发生改变，减小车辆的当前转向角与预定目标转向角之间的绝对误差，等等。
可以看到，本申请实施例提供了一种车辆自适应控制方法，首先，根据车辆当前时刻的至少一种运动状态与至少一种预定目标状态，获得车辆的至少一种状态误差，然后，对至少一种状态误差进行处理，获得至少一个控制参数值，再次，将至少一个控制参数值与当前时刻的至少一种运动状态、至少一种预定目标状态输入模型预测控制器中，获得车辆的至少一个控制量，最后，根据该至少一个控制量，对车辆进行控制，以减小车辆当前时刻的至少一种运动状态与至少一种预定目标状态之间的绝对误差。所以实施本实施例，根据将车辆的当前时刻的至少一种运动状态与预定的至少一种目标状态进行计算，得出当前时刻状态对应的至少一个控制参数值，再将当前时刻的至少一个控制参数值输入模型预测控制器中，得出车辆的至少一个控制量，根据该至少一个控制量，实现对车辆的实时控制，本实施例中，车辆的模型预测控制器中的至少一个控制参数值是实时变化的，能够实现对车辆较精确地、有效地跟踪和控制。
本申请实施例提供了又一种车辆自适应控制方法，参考图3，该方法包括但不限于：
S201、获取车辆在当前时刻的至少一种预定目标状态。
首先，获取车辆在当前时刻的至少一种预定目标状态，其中至少一种预定目标状态包括车辆的目标位置、目标姿态、目标速度和目标转向角中的至少一种。
在可选的实施例中，输入始发地和目的地，根据始发地和目的地生成车辆的参考轨迹，其中参考轨迹上标示了车辆各时刻的至少一种预定目标状态，至少一种预定目标状态包括车辆的目标位置、目标姿态、目标速度和目标转向角中的至少一种，因此可以根据参考轨迹获取车辆在当前时刻的至少一种预定目标状态。
S202、获取车辆在当前时刻的至少一种运动状态。
本部分参考图2中S101中的描述，为了说明书的简洁，在此不再赘述。
S203、获取车辆在当前时刻的至少一种运动状态和至少一种预定目标状态之间的至少一种状态误差。
本部分参考图2中S102中的描述，为了说明书的简洁，在此不再赘述。
S204、根据车辆的运动学或动力学建立模型，将至少一种状态误差基于模型进行处理，获得处理结果。
至少一种状态误差可以是位置误差、姿态误差、速度误差和转向角误差中的至少一种，基于车辆的运动学或动力学建立模型，基于模型对状态误差进行处理，获得处理结果。
在一种可选的例子中，建立车辆的二自由度运动学建立模型，基于二自由度的模型对状态误差进行分解，获得两个不同的分量，将两个分量作比；再根据该比值的大小，求解至少一个控制参数。
在一种具体的实施例中，状态误差为位置误差，对位置误差进行处理，包括：将位置误差基于运动学模型进行分解，获得位置误差的两个分量，再对两个分量进行第一操作处理(这里的第一操作为除法)，获得处理结果(这里的处理结果为f)。根据位置误差获得处理结果的方法，具体为：
在地面选定两个方向，建立固定坐标系OXY下二自由度的车辆模型，参见图4所示，其中，图4中“工”字型表示车辆的两个后轮，“工”字型的中心斜向上的箭头表示速度v，速度v与x轴的夹角表示车辆的航向角
Figure BDA0002517000000000071
L是汽车前、后轴中心距离，δ是驾驶员转向输入产生的前轮转向角，R表示转弯半径。基于此运动学模型，对车辆的行进方向进行判断：
Figure BDA0002517000000000072
其中，Δx为X轴向目标位置误差，Δy为Y轴向目标位置误差。
根据位置误差的两个分量，可知道：当f大于1时，其行进方向偏向于X轴方向，车辆横向位置误差较多累计在Y轴方向；当f小于1时，其行进方向偏向于Y轴方向，车辆横向位置误差较多累计在X轴方向。
a.当转弯半径较小时，根据汽车运动学约束可知，汽车横向误差较难消除，而纵向误差较为容易减小，所以此方法更加关注横向误差的减小；b.当转弯半径较大时，如果汽车计算出的参考转弯半径R较大，会在跟踪过程中会产生较大姿态误差，此时更关注航向角误差。
在可选的实施例中，状态误差还可以是速度误差、转向角误差等，对速度误差、转向角误差基于车辆的运动学模型进行处理，可以为将速度误差、转向角误差基于二维坐标系进行分解，再将各分量进行第一算法操作和第二算法操作，最终获得至少一个控制参数。
S205、根据处理结果获得至少一个控制参数。
再根据处理结果进行第二算法计算，获得至少一个控制参数。其中，第二算法可以是分段函数、求导等，该控制参数是根据车辆的当前状态，实时求解得到的，用于对车辆的实时控制过程中。
在可选的实施例中，a.当转弯半径较小时，控制参数值如下所示：
Figure BDA0002517000000000073
其中，k为正实数，可以通过多次测试确定。
b.在转弯半径较大，即前轮偏转角δ较大时，可以根据参考偏转角δr的大小调节目标函数权重系数矩阵R中的权值，此时，控制参数如下：
Figure BDA0002517000000000074
其中，n为较大正实数，可以通过多次测试确定。
S206、将车辆在当前时刻的至少一种运动状态和至少一种预定目标状态以及至少一个控制参数输入车辆的模型预测控制器的目标函数中，基于约束条件对目标函数进行求解，获得待调整量。
S207、根据待调整量和车辆在当前时刻的至少一种运动状态，获得对车辆的执行机构的至少一个控制量。
模型预测控制器是预先基于车辆的运动学或动力学模型建立的，根据至少一种运动状态、至少一种预定目标状态、目标函数和约束条件建立的。将当前时刻的至少一种运动状态、至少一种预定目标状态和求解获得的至少一个控制参数值输入车辆的模型预测控制器中，根据约束条件求解模型预测控制器中目标函数的最优解，获得待调整量；根据待调整量和车辆在当前时刻的至少一种运动状态，获得对车辆的执行机构的至少一个控制量。其中，至少一个控制量包括位置、姿态、速度和转向角中的至少一种。
在一种可选的实施例中，模型预测控制器建立如下。
1)在图4中，车辆的运动学方程表达式可以写为：
Figure BDA0002517000000000081
其中，
Figure BDA0002517000000000082
是汽车航向角，
Figure BDA0002517000000000083
是汽车航向角速度，v是汽车后轴中心速度，L是汽车前、后轴中心距离，δ是驾驶员转向输入产生的前轮转向角。
2)将车辆的当前时刻的位置与预定的目标位置作差，有：
Figure BDA0002517000000000084
其中，x，y，φ，v分别为车辆在OXY坐标系中x轴向位置、y轴向位置、航向角、速度，xr,yr,
Figure BDA0002517000000000085
vr,δr分别为参考轨迹中的参考位置、参考航向角、参考速度、参考前轮偏转角。
再对上式进行离散化处理，得到如下方程：
Figure BDA0002517000000000086
式中，
Figure BDA0002517000000000087
T为采样时间。
3)再基于上述运动学模型建立车辆位置的目标函数，其形式如下：
Figure BDA0002517000000000091
其中，
Figure BDA0002517000000000092
为权重矩阵(本实施例中的控制参数)，
Figure BDA0002517000000000093
其中，约束条件如下：
umin(t+k)≤u(t+k)≤umax(t+k)，
k＝0，1，…，N-1
其中，N为预测时域。
S208、根据至少一个控制量控制车辆，以使至少一种运动状态趋向至少一种预定目标状态。
本部分参考图2中S105中的描述，为了说明书的简洁，在此不再赘述。
可以看到，本实施例中，首先，根据车辆的当前时刻的至少一种运动状态与预定的至少一种目标状态，获得至少一种状态误差，然后将至少一种状态误差基于车辆的运动学模型进行预处理，获得预处理结果，再根据预处理结果获得至少一个控制参数值，其次，将车辆当前时刻的至少一种运动状态、至少一种目标状态和求解获得的至少一个控制参数值输入建立好的模型预测控制器中，求解目标函数的最优解，获得车辆的至少一个控制量，最后，根据该至少一个控制量，实现对车辆的实时控制，本实施例中，模型预测控制器是基于车辆的运动学模型，根据至少一种运动状态与至少一种预定目标状态以及目标函数建立的，通过实时求解模型预测控制器中的目标函数的至少一个控制参数值，来实现对车辆的实时控制，使车辆更有效地、精确地跟踪预定目标状态。
参考图5，本申请实施例还提供了一种车辆自适应控制装置40，该装置40包括：
获取模块401，用于获取车辆在当前时刻的至少一种运动状态；至少一种运动状态包括车辆的当前位置、当前姿态、当前速度或当前转向角中的至少一种；
误差计算模块402，获取车辆在当前时刻的至少一种运动状态和至少一种预定目标状态之间的至少一种状态误差；至少一种状态误差包括位置误差、姿态误差、速度误差和转向角误差中的至少一种；
处理模块403，用于对至少一种状态误差进行处理，获得至少一个控制参数；至少一个控制参数为目标函数中的参数；
模型预测控制模块404，用于将车辆在当前时刻的至少一种运动状态和至少一种预定目标状态以及至少一个控制参数输入车辆的模型预测控制器，获得车辆的至少一个控制量；
车辆控制模块405，用于根据至少一个控制量控制车辆，以使至少一种运动状态趋向至少一种预定目标状态。
在可能的实施例中，处理模块403具体用于：根据车辆的运动学或动力学建立模型，将至少一种状态误差基于模型进行处理，获得处理结果；根据处理结果，获得至少一个控制参数。
在可能的实施例中，模型预测控制器是基于模型，根据至少一种运动状态、至少一种预定目标状态、目标函数和约束条件建立的；约束条件用于对至少一种运动状态进行约束。
在可能的实施例中，模型预测控制模块404具体用于：将车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及至少一个控制参数值输入目标函数中，基于约束条件对目标函数进行求解，获得待调整量；根据待调整量和车辆在当前时刻的至少一种运动状态，获得对车辆的执行机构的至少一个控制量。
在可能的实施例中，获取模块401还用于，获取车辆在当前时刻的至少一种预定目标状态；至少一种预定目标状态包括车辆的目标位置、目标姿态、目标速度和目标转向角中的至少一种。
上述装置40的各功能模块可用于实现图2或图3实施例所描述的方法，具体内容可参考图2、图3实施例的相关内容中的描述，为了说明书的简洁，这里不再赘述。
本申请实施例还提供了一种车辆自适应控制设备600，参考图6，包括：处理器610、收发器620和存储器630通过总线640进行耦合。其中，
处理器610通过调用存储器630中的程序代码，用于运行图5中的获取模块401、误差计算模块402、处理模块403、模型预测控制模块404、车辆控制模块405。在实际应用中，处理器610可以包括一个或者多个通用处理器，其中，通用处理器可以是能够处理电子指令的任何类型的设备，包括中央处理器(Central Processing Unit，CPU)、微处理器、微控制器、主处理器、控制器以及ASIC(Application Specific Integrated Circuit，专用集成电路)等等。处理器610读取存储器630中存储的程序代码，与收发器620配合执行本申请上述实施例中预防生命体被遗留在车辆内的装置600执行的方法的部分或者全部步骤。
收发器620可以为有线接口(例如以太网接口)，用于与其他计算节点或装置进行通信。当收发器620为有线接口时，收发器620可以采用TCP/IP之上的协议族，例如，RAAS协议、远程函数调用(Remote Function Call，RFC)协议、简单对象访问协议(Simple ObjectAccess Protocol，SOAP)协议、简单网络管理协议(Simple Network ManagementProtocol，SNMP)协议、公共对象请求代理体系结构(Common Object Request BrokerArchitecture，CORBA)协议以及分布式协议等等。
存储器630可以存储有程序代码以及程序数据。其中，程序代码包括获取模块401的代码、误差计算模块402的代码、处理模块403的代码、模型预测控制模块404的代码、车辆控制模块405的代码。程序数据包括：车辆当前时刻的运动状态、预定的目标状态、控制参数值、状态误差、控制量等。在实际应用中，存储器630可以包括易失性存储器(VolatileMemory)，例如随机存取存储器(Random Access Memory，RAM)；存储器也可以包括非易失性存储器(Non-Volatile Memory)，例如只读存储器(Read-Only Memory，ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)存储器还可以包括上述种类的存储器的组合。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被硬件(例如处理器等)执行，以实现本申请实施例中车辆自适应控制装置执行的任意一种方法的部分或者全部步骤。
本申请实施例还提供一种计算机程序产品，当所述计算机程序产品被计算机读取并执行时，使得计算机执行本申请实施例中车辆自适应控制方法的部分或全部步骤。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、存储盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态存储盘SolidState Disk，SSD)等。在所述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，也可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种车辆自适应控制方法，其特征在于，包括：
获取车辆在当前时刻的至少一种运动状态；所述至少一种运动状态包括所述车辆的当前位置、当前姿态、当前速度或当前转向角中的至少一种；
获取所述车辆在当前时刻的至少一种运动状态和至少一种预定目标状态之间的至少一种状态误差；所述至少一种状态误差包括位置误差、姿态误差、速度误差和转向角误差中的至少一种；
对所述至少一种状态误差进行处理，获得至少一个控制参数；所述至少一个控制参数为目标函数中的参数；
将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述车辆的模型预测控制器，获得对所述车辆的执行机构的所述至少一个控制量；
根据所述至少一个控制量控制所述车辆，以使所述至少一种运动状态趋向所述至少一种预定目标状态。
2.根据权利要求1所述的方法，其特征在于，对所述至少一种状态误差进行处理，获得至少一个控制参数，包括：
根据车辆的运动学或动力学建立模型，将所述至少一种状态误差基于所述模型进行处理，获得处理结果；
根据所述处理结果，获得所述至少一个控制参数。
3.根据权利要求1或2所述的方法，其特征在于，所述模型预测控制器是基于所述模型，根据至少一种运动状态、所述至少一种预定目标状态、目标函数和约束条件建立的；所述约束条件用于对所述至少一种运动状态进行约束。
4.根据权利要求3所述的方法，其特征在于，所述将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述车辆的模型预测控制器，获得对所述车辆的执行机构的所述至少一个控制量，包括：
将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述模型预测控制器的所述目标函数中，基于所述约束条件对所述目标函数进行求解，获得待调整量；
根据所述待调整量和所述车辆在当前时刻的至少一种运动状态，获得对所述车辆的执行机构的所述至少一个控制量。
5.根据权利要求1-4任一项所述的方法，其特征在于，在所述获取车辆在当前时刻的至少一种运动状态之前，所述方法还包括：
获取所述车辆在所述当前时刻的至少一种预定目标状态；所述至少一种预定目标状态包括所述车辆的目标位置、目标姿态、目标速度和目标转向角中的至少一种。
6.一种车辆自适应控制装置，其特征在于，包括：
获取模块，用于获取车辆在当前时刻的至少一种运动状态；所述至少一种运动状态包括所述车辆的当前位置、当前姿态、当前速度或当前转向角中的至少一种；
误差计算模块，获取所述车辆在当前时刻的至少一种运动状态和至少一种预定目标状态之间的至少一种状态误差；所述至少一种状态误差包括位置误差、姿态误差、速度误差和转向角误差中的至少一种；
处理模块，用于对所述至少一种状态误差进行处理，获得至少一个控制参数；所述至少一个控制参数为目标函数中的参数；
模型预测控制模块，用于将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数输入所述车辆的模型预测控制器，获得对所述车辆的执行机构的所述至少一个控制量；
车辆控制模块，用于根据所述至少一个控制量控制所述车辆，以使所述至少一种运动状态趋向所述至少一种预定目标状态。
7.根据权利要求6所述的装置，其特征在于，所述处理模块具体用于：
根据车辆的运动学或动力学建立模型，将所述至少一种状态误差基于所述模型进行处理，获得处理结果；
根据所述处理结果，获得所述至少一个控制参数。
8.根据权利要求6或7所述的装置，其特征在于，所述模型预测控制器是基于所述模型，根据至少一种运动状态、所述至少一种预定目标状态、目标函数和约束条件建立的；所述约束条件用于对所述至少一种运动状态进行约束。
9.根据权利要求8所述的装置，其特征在于，所述模型预测控制模块具体用于：
将所述车辆在当前时刻的至少一种运动状态、至少一种预定目标状态以及所述至少一个控制参数值输入所述目标函数中，基于所述约束条件对所述目标函数进行求解，获得待调整量；
根据所述待调整量和所述车辆在当前时刻的至少一种运动状态，获得对所述车辆的执行机构的所述至少一个控制量。
10.根据权利要求6-9任一项所述的装置，其特征在于，所述获取模块还用于，获取所述车辆在所述当前时刻的至少一种预定目标状态；所述至少一种预定目标状态包括所述车辆的目标位置、目标姿态、目标速度和目标转向角中的至少一种。
CN202010482797.9A 2020-05-29 2020-05-29 一种车辆自适应控制方法及其装置 Active CN113734182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010482797.9A CN113734182B (zh) 2020-05-29 2020-05-29 一种车辆自适应控制方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010482797.9A CN113734182B (zh) 2020-05-29 2020-05-29 一种车辆自适应控制方法及其装置

Publications (2)

Publication Number Publication Date
CN113734182A true CN113734182A (zh) 2021-12-03
CN113734182B CN113734182B (zh) 2023-11-14

Family

ID=78727807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010482797.9A Active CN113734182B (zh) 2020-05-29 2020-05-29 一种车辆自适应控制方法及其装置

Country Status (1)

Country Link
CN (1) CN113734182B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114684165A (zh) * 2022-03-04 2022-07-01 阿波罗智能技术(北京)有限公司 车辆控制方法、装置、设备、存储介质和自动驾驶车辆
WO2023142794A1 (zh) * 2022-01-30 2023-08-03 中国第一汽车股份有限公司 一种车辆控制方法、装置、设备以及存储介质

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170253241A1 (en) * 2016-03-01 2017-09-07 Ford Global Technologies, Llc Autonomous vehicle operation based on interactive model predictive control
CN108334086A (zh) * 2018-01-25 2018-07-27 江苏大学 一种基于软约束二次规划mpc的无人驾驶车辆路径跟踪控制方法
CN109017808A (zh) * 2018-08-16 2018-12-18 天津大学 一种无人驾驶汽车模型预测控制器设计方法
CN109139282A (zh) * 2017-06-16 2019-01-04 通用汽车环球科技运作有限责任公司 用于提高计算效率的模型预测控制系统和方法
CN109407677A (zh) * 2018-12-24 2019-03-01 清华大学 自动驾驶车辆的轨迹跟踪方法
CN109597308A (zh) * 2019-01-15 2019-04-09 天津大学 基于动力学模型的无人驾驶汽车模型预测控制器设计方法
CN109765888A (zh) * 2018-12-27 2019-05-17 东软睿驰汽车技术（沈阳）有限公司 一种车辆控制方法、装置及系统
CN109808707A (zh) * 2019-02-19 2019-05-28 武汉理工大学 一种基于随机模型预测的汽车转向控制方法及控制器
CN109866752A (zh) * 2019-03-29 2019-06-11 合肥工业大学 基于预测控制的双模式并行车辆轨迹跟踪行驶系统及方法
CN109884900A (zh) * 2019-04-03 2019-06-14 东南大学 基于自适应模型预测控制的收获机路径跟踪控制器的设计方法
CN109976165A (zh) * 2019-04-29 2019-07-05 西安建筑科技大学 面向多变量分数阶系统的模型预测控制参数解析调优方法及系统
CN110095983A (zh) * 2019-04-22 2019-08-06 浙江工业大学 一种基于路径参数化的移动机器人预测跟踪控制方法
CN110209177A (zh) * 2019-07-02 2019-09-06 天津大学 基于模型预测和自抗扰的无人驾驶汽车控制系统及方法
CN110221611A (zh) * 2019-06-11 2019-09-10 北京三快在线科技有限公司 一种轨迹跟踪控制方法、装置及无人驾驶车辆
CN110235071A (zh) * 2016-11-10 2019-09-13 俄亥俄州立大学 自动汽车引导与轨迹跟踪
CN110244721A (zh) * 2019-06-05 2019-09-17 杭州飞步科技有限公司 自动驾驶控制方法、装置、设备及存储介质
CN110262229A (zh) * 2019-05-27 2019-09-20 东南大学 基于mpc的车辆自适应路径追踪方法
CN110362084A (zh) * 2019-07-22 2019-10-22 东南大学 一种基于蚁群算法的车辆路径追踪控制方法
CN110398969A (zh) * 2019-08-01 2019-11-01 北京主线科技有限公司 自动驾驶车辆自适应预测时域转向控制方法及装置
US20190361439A1 (en) * 2018-05-24 2019-11-28 GM Global Technology Operations LLC Control systems, control methods and controllers for an autonomous vehicle
CN110539752A (zh) * 2019-06-26 2019-12-06 江苏大学 一种智能汽车多预测范围模型预测轨迹跟踪控制方法及系统
CN110568758A (zh) * 2019-09-12 2019-12-13 中汽研（天津）汽车工程研究院有限公司 一种自动驾驶汽车的参数自适应横向运动lqr控制方法
CN110609539A (zh) * 2018-10-31 2019-12-24 驭势科技（北京）有限公司 路径跟踪控制方法、装置和系统及存储介质
CN110688920A (zh) * 2019-09-17 2020-01-14 宁波吉利汽车研究开发有限公司 一种无人驾驶控制方法、装置及服务器
CN111038477A (zh) * 2019-11-29 2020-04-21 苏州智加科技有限公司 车辆控制方法、装置和设备
US20200156639A1 (en) * 2018-11-16 2020-05-21 Great Wall Motor Company Limited Efficient Optimal Control With Dynamic Model For Autonomous Vehicle

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170253241A1 (en) * 2016-03-01 2017-09-07 Ford Global Technologies, Llc Autonomous vehicle operation based on interactive model predictive control
CN110235071A (zh) * 2016-11-10 2019-09-13 俄亥俄州立大学 自动汽车引导与轨迹跟踪
CN109139282A (zh) * 2017-06-16 2019-01-04 通用汽车环球科技运作有限责任公司 用于提高计算效率的模型预测控制系统和方法
CN108334086A (zh) * 2018-01-25 2018-07-27 江苏大学 一种基于软约束二次规划mpc的无人驾驶车辆路径跟踪控制方法
US20190361439A1 (en) * 2018-05-24 2019-11-28 GM Global Technology Operations LLC Control systems, control methods and controllers for an autonomous vehicle
CN109017808A (zh) * 2018-08-16 2018-12-18 天津大学 一种无人驾驶汽车模型预测控制器设计方法
CN110609539A (zh) * 2018-10-31 2019-12-24 驭势科技（北京）有限公司 路径跟踪控制方法、装置和系统及存储介质
US20200156639A1 (en) * 2018-11-16 2020-05-21 Great Wall Motor Company Limited Efficient Optimal Control With Dynamic Model For Autonomous Vehicle
CN109407677A (zh) * 2018-12-24 2019-03-01 清华大学 自动驾驶车辆的轨迹跟踪方法
CN109765888A (zh) * 2018-12-27 2019-05-17 东软睿驰汽车技术（沈阳）有限公司 一种车辆控制方法、装置及系统
CN109597308A (zh) * 2019-01-15 2019-04-09 天津大学 基于动力学模型的无人驾驶汽车模型预测控制器设计方法
CN109808707A (zh) * 2019-02-19 2019-05-28 武汉理工大学 一种基于随机模型预测的汽车转向控制方法及控制器
CN109866752A (zh) * 2019-03-29 2019-06-11 合肥工业大学 基于预测控制的双模式并行车辆轨迹跟踪行驶系统及方法
CN109884900A (zh) * 2019-04-03 2019-06-14 东南大学 基于自适应模型预测控制的收获机路径跟踪控制器的设计方法
CN110095983A (zh) * 2019-04-22 2019-08-06 浙江工业大学 一种基于路径参数化的移动机器人预测跟踪控制方法
CN109976165A (zh) * 2019-04-29 2019-07-05 西安建筑科技大学 面向多变量分数阶系统的模型预测控制参数解析调优方法及系统
CN110262229A (zh) * 2019-05-27 2019-09-20 东南大学 基于mpc的车辆自适应路径追踪方法
CN110244721A (zh) * 2019-06-05 2019-09-17 杭州飞步科技有限公司 自动驾驶控制方法、装置、设备及存储介质
CN110221611A (zh) * 2019-06-11 2019-09-10 北京三快在线科技有限公司 一种轨迹跟踪控制方法、装置及无人驾驶车辆
CN110539752A (zh) * 2019-06-26 2019-12-06 江苏大学 一种智能汽车多预测范围模型预测轨迹跟踪控制方法及系统
CN110209177A (zh) * 2019-07-02 2019-09-06 天津大学 基于模型预测和自抗扰的无人驾驶汽车控制系统及方法
CN110362084A (zh) * 2019-07-22 2019-10-22 东南大学 一种基于蚁群算法的车辆路径追踪控制方法
CN110398969A (zh) * 2019-08-01 2019-11-01 北京主线科技有限公司 自动驾驶车辆自适应预测时域转向控制方法及装置
CN110568758A (zh) * 2019-09-12 2019-12-13 中汽研（天津）汽车工程研究院有限公司 一种自动驾驶汽车的参数自适应横向运动lqr控制方法
CN110688920A (zh) * 2019-09-17 2020-01-14 宁波吉利汽车研究开发有限公司 一种无人驾驶控制方法、装置及服务器
CN111038477A (zh) * 2019-11-29 2020-04-21 苏州智加科技有限公司 车辆控制方法、装置和设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023142794A1 (zh) * 2022-01-30 2023-08-03 中国第一汽车股份有限公司 一种车辆控制方法、装置、设备以及存储介质
CN114684165A (zh) * 2022-03-04 2022-07-01 阿波罗智能技术(北京)有限公司 车辆控制方法、装置、设备、存储介质和自动驾驶车辆
EP4242772A1 (en) * 2022-03-04 2023-09-13 Apollo Intelligent Driving Technology (Beijing) Co., Ltd. Vehicle control method and apparatus, device, storage medium and autonomous vehicle

Also Published As

Publication number Publication date
CN113734182B (zh) 2023-11-14

Similar Documents

Publication Publication Date Title
US10852139B2 (en) Positioning method, positioning device, and robot
US20100228427A1 (en) Predictive semi-autonomous vehicle navigation system
US20200290625A1 (en) Friction Adaptive Vehicle Control
CN111873991B (zh) 一种车辆转向的控制方法、装置、终端及存储介质
CN113734182A (zh) 一种车辆自适应控制方法及其装置
JP7149121B2 (ja) 車両制御装置、車両制御方法及び車両制御システム
CN110162046A (zh) 基于事件触发型模型预测控制的无人车路径跟随方法
CN113183975B (zh) 自动驾驶车辆的控制方法、装置、设备以及存储介质
JP2019031268A5 (zh)
CN113759707B (zh) 用于自动驾驶车辆的预测控制优化方法和装置
WO2021063506A1 (en) Methods for pro-active roll-over prevention
CN115534925B (zh) 车辆控制方法、装置、设备和计算机可读介质
JP5239947B2 (ja) 運転操作支援装置及び運転操作支援方法
CN113392518A (zh) 估计车辆重量的方法和装置
CN114987607B (zh) 一种车辆的转向控制方法、装置、设备及存储介质
CN113212431A (zh) 一种跟踪控制方法、装置、设备及存储介质
CN115973191A (zh) 智能汽车人机共驾控制方法
CN112406889B (zh) 基于运动学的车辆预测控制方法及处理器
CN117341721A (zh) 车辆自动循迹控制方法、装置及电子设备
CN113788017A (zh) 一种车道保持控制方法、系统、电子设备及存储介质
CN110737278A (zh) 机器人镇定控制方法、装置、存储介质及巡检机器人
JP7452522B2 (ja) 制御方法、制御装置、及び制御プログラム
CN118323142B (zh) 一种车辆横向控制方法、装置、设备及介质
JP2019217867A (ja) 車両用操舵装置
CN117311346B (zh) 机器人横向稳定协同转向控制方法、装置、终端及介质

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