CN113848942B - 一种约束导向的智能网联汽车鲁棒换道合流控制方法 - Google Patents
一种约束导向的智能网联汽车鲁棒换道合流控制方法 Download PDFInfo
- Publication number
- CN113848942B CN113848942B CN202111209228.8A CN202111209228A CN113848942B CN 113848942 B CN113848942 B CN 113848942B CN 202111209228 A CN202111209228 A CN 202111209228A CN 113848942 B CN113848942 B CN 113848942B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- wheel steering
- parameter
- control
- error
- 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 71
- 230000008859 change Effects 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 43
- 238000006073 displacement reaction Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 31
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000013459 approach Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0293—Convoy travelling
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本申请公开了一种约束导向的智能网联汽车鲁棒换道合流控制方法,该方法包括:步骤1,当接收到待合流四轮转向车辆的换道合流请求后,确认车辆汇入车辆行驶队列中的位置,并根据队列行驶速度及汇入时间,确定车辆换道路径;步骤2,根据换道路径及待合流四轮转向车辆的行驶信息构建合流车辆四轮转向行驶模型,该模型至少包括横向路径跟踪模型和纵向车距误差模型;步骤3,根据横向路径跟踪模型计算路径跟踪误差最小时车辆的前后轮转角控制律,控制车辆换道合流至车辆行驶队列,根据纵向车距误差模型,控制车辆与前车保持合理距离。通过本申请中的技术方案,解决现有智能网联汽车队列行驶中外部车辆换道合流控制精度不高、算法复杂问题。
Description
技术领域
本申请涉及智能驾驶的技术领域,具体而言,涉及一种约束导向的智能网联汽车鲁棒换道合流控制方法。
背景技术
智能网联汽车队列行驶是指多辆车排成一列,以一定的速度等速行驶,而且车辆之间的纵向间距较小的一种行驶模式。作为未来智能交通系统的重要场景,队列行驶能够有效的降低劳动力成本并降低油耗。然而,传统意义上的队列行驶受驾驶员的影响较大,由于驾驶员对于突发情况具有反应时间,车辆之间需要保持较大的安全距离。现今,随着车车通信(V2V)、车路通信(V2I)、先进车载传感器等技术的发展,队列中车与车之间可以实现信息交互,实现更小的队列车间距,从而进一步提升燃油经济性及交通效率。例如欧洲汽车制造商协会(ACEA)、美国PATH实验室等都对车辆队列行驶控制及稳定性等做了研究。
换道合流问题是公路交通行驶中最为常见的场景之一,因此,在智能网联汽车队列行驶场景下,队列外车辆如何安全、高效的实现汽车的换道合流,从而加入行驶队列,成为一个十分重要的问题。
而现有技术中,对于智能网联汽车队列换道合流控制过程,大部分采用基于动力学控制的方法,算法较为复杂,且未考虑汽车实际行驶工况中的不确定性,如空气阻力、滚动阻力、坡度阻力等,导致换道合流控制精度并不理想。同时,这些动力学控制方法通常将汽车的横向动力学与纵向动力学割裂开,这会导致无法合理的对换道合流过程的轨迹及车距进行控制,甚至可能导致交通事故的发生。
发明内容
本申请的目的在于:解决现有智能网联汽车队列控制中外部车辆换道合流控制的精度不高、算法复杂为问题。
本申请的技术方案是:提供了一种约束导向的智能网联汽车鲁棒换道合流控制方法,该方法适用于待合流四轮转向车辆换道合流至车辆行驶队列中,方法包括:
步骤1,当接收到待合流四轮转向车辆的换道合流请求后,确认待合流四轮转向车辆汇入至车辆行驶队列中的位置,并根据车辆行驶队列的行驶速度以及汇入队列时间,确定待合流四轮转向车辆的换道路径;
步骤2,根据换道路径以及待合流四轮转向车辆的行驶信息,构建合流车辆四轮转向行驶模型,其中,合流车辆四轮转向行驶模型至少包括横向路径跟踪模型,行驶信息至少包括待合流四轮转向车辆当前时间的航向角;
步骤3,根据横向路径跟踪模型,计算路径跟踪误差取值最小时待合流四轮转向车辆的前后轮转角控制律,并根据前后轮转角控制律,控制待合流四轮转向车辆换道合流至车辆行驶队列,其中,路径跟踪误差由行驶信息确定,横向路径跟踪模型的计算公式为:
X=[ey eφ]T
式中,为横向位移误差ey的二阶导数,/>为航向角误差eφ的二阶导数,/>为横向位移误差ey的导数,/>为航向角误差eφ的导数,X为横向误差参数,/>为横向误差参数X的导数,σ为不确定性参数,t为当前时间,/>为第一参数,B(X,σ,t)为第二参数,C(X,σ,t)为第三参数,g(X,σ,t)为第四参数,δf为待合流四轮转向车辆的前轮转角,δr为待合流四轮转向车辆的后轮转角,β2为路径跟踪误差。
上述任一项技术方案中,进一步地,步骤2具体包括:
步骤21,根据换道路径和待合流四轮转向车辆的行驶信息,确定横向位移误差ey和航向角误差eφ;
步骤22,根据横向位移误差ey和航向角误差eφ,构建横向路径跟踪模型。
上述任一项技术方案中,进一步地,步骤3中的前后轮转角控制律为控制输入参数、控制力参数以及第一鲁棒控制项的和值,计算前后轮转角控制律包括:
将第一参数、第二参数、第三参数、第四参数以及中间参数划分为第一名义系统部分和第一不确定性部分;
根据第一名义系统部分,计算控制输入参数δ1,对应的计算公式为:
根据路径跟踪误差,计算控制力参数δ2,对应的计算公式为:
式中,κ为第一预设常数;
根据第一不确定性部分,计算第一鲁棒控制项δ3,对应的计算公式为:
式中,γ为第一运算参数,μ为第二运算参数,ε为第二预设常数,Π为第一最大偏差参数;
根据控制输入参数、控制力参数以及第一鲁棒控制项的和值确定前后轮转角控制律。
上述任一项技术方案中,进一步地,行驶信息还包括待合流四轮转向车辆的纵向速度以及待合流四轮转向车辆的横向速度,步骤21中还包括:
根据车辆横向动力学模型,确定待合流四轮转向车辆的行驶信息,其中,车辆横向动力学模型的计算公式为:
式中,为纵向速度vy的导数,/>为航向角φ的二阶导数,kf为待合流四轮转向车辆的前轮胎侧偏刚度,kr为待合流四轮转向车辆的后轮胎侧偏刚度,M为待合流四轮转向车辆的质量,vx为横向速度,lf为待合流四轮转向车辆的质心与前轴距离,lr为待合流四轮转向车辆的质心与后轴距离,Iz为待合流四轮转向车辆的车辆转动惯量,δf为待合流四轮转向车辆的前轮转角,δr为待合流四轮转向车辆的后轮转角,Δ′(t)为车辆纵向加速度不确定度,Δ″(t)为横摆角加速度不确定度;
式中,DL为待合流四轮转向车辆换道合流过程中的前视距离。
上述任一项技术方案中,进一步地,合流车辆四轮转向行驶模型至少还包括车距误差模型,方法还包括:
步骤4,根据车辆纵向动力学模型以及待合流四轮转向车辆与前车的车距,构建车距误差模型;
步骤5,根据车距误差模型,计算轨迹跟踪误差取值最小时待合流四轮转向车辆的纵向控制量,其中,轨迹跟踪误差的计算公式为:
步骤6,根据前后轮转角控制律和纵向控制量,采用纵横向动力学耦合控制方式,控制待合流四轮转向车辆换道合流至车辆行驶队列,其中,纵向控制量为纵向驱动力控制量或者纵向制动力控制量。
上述任一项技术方案中,进一步地,车距误差模型的计算公式为:
ei=di-xi-1+xi+li-1
式中,Mi为第i辆车的质量,为当前时刻第i辆车与前车之间车距误差ei的二阶导数,di为当前时刻的预设车距,xi-1为第i-1辆车当前时刻的纵向位移,xi为第i辆车当前时刻的纵向位移,li-1为第i-1辆车的长度,ui为第i辆车当前时刻的驱动力或制动力,/>为第i-1辆车当前时刻的纵向速度vxi-1的导数,ci为第i辆车当前时刻的空气阻力,/>为当前时刻第i辆车与前车之间车距误差ei的导数,Fi为第i辆车当前时刻的其他阻力项。
上述任一项技术方案中,进一步地,步骤5中纵向控制量为跟随控制力、偏差控制力以及第二鲁棒控制项的和值,计算纵向控制量包括:
步骤51,将第i辆车的质量Mi、空气阻力ci以及其他阻力项Fi划分为第二名义系统部分和第二不确定性部分;
步骤52,根据约束跟随理论和第二名义系统部分,计算跟随控制力,跟随控制力的计算公式为:
式中,κi为第i辆车的第四预设常数;
步骤54,根据第二不确定性部分,计算第二鲁棒控制项,第二鲁棒控制项的计算公式为:
步骤55,根据跟随控制力、偏差控制力以及第二鲁棒控制项的和值确定纵向控制量。
本申请的有益效果是:
本申请中的技术方案,基于换道合流的时间要求与行驶信息确定换道路径后,采用约束导向的车辆动力学建模方法,不仅利用位移误差和航向角误差,还引入汽车在实际道路工况下系统的时变不确定性,建立合流车辆四轮转向行驶模型,简化了外部车辆换道合流控制的算法复杂程度,实现汇入队列车辆严格遵循路径约束完成换道,保证了汽车换道合流过程的稳定性与安全性,并最大化换道合流效率,使车辆在实际道路行驶工况下的控制过程更加可靠。
在本申请的一个优选实现方式中,本申请在设置横向路径跟踪模型的基础上,还增加了纵向控制下的车距误差模型,采用纵横向动力学耦合控制,基于车辆在纵向上与前车之间的距离对车辆横向换道过程进行控制,不仅能够保证在纵向上队列车辆间始终保持合理的行车间距,提高了整个换道过程中队列车辆的安全行驶、严格避撞,同时又能严格按照设定的换道路径汇入队列。
并且,本申请在纵向队列车距控制上,引入自适应鲁棒控制器,通过自适应参数实现控制器参数的实时调节,使得在存在外界不确定扰动的情况下,纵向的车距控制性能达到最优,提高了外部车辆换道合流控制的精度。
附图说明
本申请的上述和/或附加方面的优点在结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请的一个实施例的待合流四轮转向车辆与车辆行驶队列的路面行车示意图;
图2是根据本申请的一个实施例的约束导向的智能网联汽车鲁棒换道合流控制方法的示意流程图;
图3是根据本申请的一个实施例的横向位移误差和航向角误差的示意图;
图4是根据本申请的一个实施例的换道合流车辆纵横向耦合控制的示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施方式对本申请进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互结合。
在下面的描述中,阐述了很多具体细节以便于充分理解本申请,但是,本申请还可以采用其他不同于在此描述的其他方式来实施,因此,本申请的保护范围并不受下面公开的具体实施例的限制。
如图1和图2所示,本实施例提供了一种约束导向的智能网联汽车鲁棒换道合流控制方法,该方法适用于待合流四轮转向车辆换道合流至车辆行驶队列中,设定待合流四轮转向车辆包括车辆A和车辆B,车辆A比车辆B更早发出换道合流请求,原队列中的车辆按从前至后的顺序编号为{1,2,3,…,N-1}。在进行换道合流控制时,先对车辆A进行控制,当车辆A换道合流过程完成后,再对车辆B进行换道合流控制,后续换道合流车辆以此类推。该换道合流控制方法包括:
步骤1,当接收到待合流四轮转向车辆的换道合流请求后,确认待合流四轮转向车辆汇入至车辆行驶队列中的位置,并根据车辆行驶队列的行驶速度以及汇入队列时间,确定待合流四轮转向车辆的换道路径;
现以车辆A为例进行说明。
当车辆A(待合流四轮转向车辆)发出换道合流请求后,将车辆行驶队列中的车辆进行重新编号,新队列中的车辆按从前至后的顺序编号为{1,2,3,…,N},其中,车辆A的编号为i(1<i≤N-1),在新队列中车辆A的前车编号为i-1,后车编号为i+1。
需要说明的是,车辆A的前轮和后轮都具有一定的转向功能。
车辆A选取汇入队列位置后,根据队列车辆行驶速度及要求汇入队列时间,生成一条确定的换道路径。以车辆A发出换道合流请求的位置点为原点,设定车辆前进的方向为纵向方向,即x轴的正方向,建立直角坐标系。设定在时间τ内完成换道合流过程,同时队列中前车的纵向速度为vxi-1,由此可以计算出时间τ后队列中各车辆以及车辆A到达的位置坐标,便可以采用数学方法建立一条同时经过车辆A原始位置和车辆A在时间τ后所到达位置的曲线y=f(x),作为生成的换道路径,其中,该曲线y=f(x)可以选择三次函数的形式。
需要说明的是,本实施例对生成换道路径的方法并不限定。
步骤2,根据换道路径以及待合流四轮转向车辆的行驶信息,构建合流车辆四轮转向行驶模型,其中,合流车辆四轮转向行驶模型至少包括横向路径跟踪模型;
本实施例中,为了简化对队列外部车辆的换道合流控制算法,在确定换道路径后,结合车辆横向动力学模型,基于横向位移误差和航向角误差,构建横向轨迹追踪模型,以便对待合流四轮转向车辆进行横向控制,同时,根据常规的车辆纵向动力学控制器,以待合流四轮转向车辆与前车(第i-1辆车)的车距为约束条件,进行纵横向动力学耦合控制,即可实现待合流四轮转向车辆的换道合流。
需要说明的是,行驶信息至少包括待合流四轮转向车辆当前时间的航向角,该过程具体包括:
步骤21,根据换道路径和待合流四轮转向车辆的行驶信息,确定横向位移误差ey和航向角误差eφ;其中,行驶信息还包括待合流四轮转向车辆的纵向速度以及待合流四轮转向车辆的横向速度。
进一步的,本实施例示出了一种横向位移误差ey和航向角误差eφ的计算方式,具体包括:
根据车辆横向动力学模型,确定待合流四轮转向车辆的行驶信息。
具体的,对于第i辆车而言,由于该车需要进行换道合流,可以将该车的行驶速度划分为横向速度以及纵向速度,结合待合流四轮转向车辆的自身参数,如前/后轮胎侧偏刚度、质心到前/后轴的距离等,可以构建相应的车辆横向动力学模型,对应的计算公式为:
式中,为待合流四轮转向车辆的纵向速度vy的导数,/>为航向角φ的二阶导数,kf为待合流四轮转向车辆的前轮胎侧偏刚度,kr为待合流四轮转向车辆的后轮胎侧偏刚度,M为待合流四轮转向车辆的质量,vx为待合流四轮转向车辆的横向速度,lf为待合流四轮转向车辆的质心与前轴距离,lr为待合流四轮转向车辆的质心与后轴距离,Iz为待合流四轮转向车辆的车辆转动惯量,δf为待合流四轮转向车辆的前轮转角,δr为待合流四轮转向车辆的后轮转角,Δ′(t)为车辆纵向加速度不确定度,Δ″(t)为横摆角加速度不确定度。
式中,DL为待合流四轮转向车辆换道合流过程中的前视距离。
步骤22,根据横向位移误差ey和航向角误差eφ,构建横向路径跟踪模型,其中,横向路径跟踪模型的计算公式为:
X=[ey eφ]T
式中,为横向位移误差ey的二阶导数,/>为航向角误差eφ的二阶导数,/>为横向位移误差ey的导数,/>为航向角误差eφ的导数,X为横向误差参数,/>为横向误差参数X的导数,σ为不确定性参数,t为当前时间,/>为第一参数,B(X,σ,t)为第二参数,C(X,σ,t)为第三参数,g(X,σ,t)为第四参数,δf为待合流四轮转向车辆的前轮转角,δr为待合流四轮转向车辆的后轮转角,Q为中间参数,β2为路径跟踪误差,其中,
a5=Δ′(t)
a10=Δ″(t)
式中,KL为待合流四轮转向车辆当前位置处的路径曲率。
具体的,保证换道合流过程中的车辆横向稳定性,横向位移误差ey和航向角误差eφ应以一条平滑的曲线趋近于零,即:
式中,y和φ为大于0的常数,因此,可以设定路径跟踪误差的计算公式为:
Q=[1/0y 1/0φ]
所以,当路径跟踪误差取值最小,即路径跟踪误差趋近于零时,待合流四轮转向车辆沿规划好的换道路径行驶,进行换道合流。
本实施例中,考虑实际行驶工况中的时变不确定性,可以将横向路径跟踪模型中的参数写成名义系统部分与不确定部分,相应的,前后轮转角控制律则为控制输入参数、控制力参数以及第一鲁棒控制项的和值,因此,计算前后轮转角控制律的过程,还包括:
步骤A,将第一参数、第二参数、第三参数、第四参数以及中间参数划分为第一名义系统部分和第一不确定性部分,对应的计算公式为:
需要说明的是,为使形式简洁,在不引起混淆的前提下,以下部分表达式中可以将函数的参数省略,即:
基于上述实施例中的约束条件,可以得出相应的车辆横向鲁棒控制器,将控制输入参数、控制力参数以及第一鲁棒控制项的和值作为前后轮转角控制律。
步骤B,根据第一名义系统部分,计算控制输入参数δ1,对应的计算公式为:
步骤C,根据路径跟踪误差,计算控制力参数δ2,对应的计算公式为:
式中,κ为第一预设常数;
根据第一不确定性部分,计算第一鲁棒控制项δ3,对应的计算公式为:
步骤D,根据控制输入参数、控制力参数以及第一鲁棒控制项的和值确定前后轮转角控制律,对应的计算公式为:
式中,δf为待合流四轮转向车辆的前轮转角,δr为待合流四轮转向车辆的后轮转角,以作为车辆横向鲁棒控制器的输出量,控制车辆横向运动。
步骤3,根据横向路径跟踪模型,计算路径跟踪误差取值最小时待合流四轮转向车辆的前后轮转角控制律,并根据前后轮转角控制律,控制待合流四轮转向车辆换道合流至车辆行驶队列,其中,路径跟踪误差由行驶信息确定。
如图4所示,在上述实施例的基础上,为了提高纵横向动力学耦合控制的可靠性,保证待合流四轮转向车辆换道合流的控制精度,本实施例又示出一种进行车辆纵向速度控制的实现方式,该合流车辆四轮转向行驶模型至少还包括车距误差模型,换道合流控制方法还包括:
步骤4,根据车辆纵向动力学模型以及待合流四轮转向车辆与前车的车距,构建车距误差模型,其中,车距误差模型的计算公式为:
ei=di-xi-1+xi+li-1
式中,Mi为第i辆车的质量,为当前时刻第i辆车与前车之间车距误差ei的二阶导数,di为当前时刻的预设车距,xi-1为第i-1辆车当前时刻的纵向位移,xi为第i辆车当前时刻的纵向位移,li-1为第i-1辆车的长度,ui为第i辆车当前时刻的驱动力或制动力,/>为第i-1辆车当前时刻的纵向速度vxi-1的导数,ci为第i辆车当前时刻的空气阻力,/>为当前时刻第i辆车与前车之间车距误差ei的导数,Fi为第i辆车当前时刻的其他阻力项;
具体的,以第i辆车为例,考虑空气阻力、滚动阻力、坡度阻力等其他阻力,由牛顿第二定律建立车辆纵向动力学模型,对应的计算公式为:
式中,t为当前时间,xi(t)为第i辆车的纵向位移,vxi(t)为第i辆车的纵向速度,为第i辆车的纵向加速度,σi(t)为不确定性参数,ui(t)为第i辆车上的驱动力或制动力。Mi(xi(t),σi(t),t)为第i辆车的质量,
civxi(t)|vxi(t)|为空气阻力,Fi(xi(t),vxi(t),σi(t),t)为作用于第i辆车上的滚动阻力、坡度阻力等其他阻力项。
本实施例以第i辆车与第i-1辆车之间的车距为控制条件,因此,在上述车辆纵向动力学模型的基础上,第i-1辆车与第i辆车之间的车距为:
Δi(t)=xi-1(t)-xi(t)-li-1
其中,li-1为第i-1辆车的长度,xi-1(t)为第i-1辆车的纵向位移。
因此,第i辆车与前车之间的距离误差可以写作:
ei(t)=di-Δi(t)=di-xi-1(t)+xi(t)+li-1
其中,di为理想的第i辆车与前车的车距,即当前时刻的预设车距,可根据当前交通流量决定。
需要说明的是,为使形式简洁,在不引起混淆的前提下,以下表达式中将函数的参数省略。相应的车距误差模型的计算公式为:
ei=di-xi-1+xi+li-1
步骤5,根据车距误差模型,计算轨迹跟踪误差取值最小时待合流四轮转向车辆的纵向控制量,其中,轨迹跟踪误差的计算公式为:
式中,β1为轨迹跟踪误差,hi为第三预设常数,hi>0;
具体的,为了保证换道合流过程中的车辆纵向行驶稳定性,车距误差ei应以一条平滑的曲线趋近于零。因此,有约束:
令:
其中,hi为大于零的第三预设常数,β1为轨迹跟踪误差。
进一步的,考虑实际行驶工况中的时变不确定性,可以将车距误差模型中的参数写成名义部分与不确定部分,相应的,纵向控制量为跟随控制力、偏差控制力以及第二鲁棒控制项的和值,计算纵向控制量的过程,还包括:
步骤51,将第i辆车的质量Mi、空气阻力ci以及其他阻力项Fi划分为第二名义系统部分和第二不确定性部分,对应的计算公式为:
需要说明的是,为使形式简洁,在不引起混淆的前提下,以下部分表达式中可以将函数的参数省略,即:
步骤52,根据约束跟随理论和第二名义系统部分,计算跟随控制力,跟随控制力的计算公式为:
式中,κi为第i辆车的第四预设常数;
步骤54,根据第二不确定性部分,计算第二鲁棒控制项,第二鲁棒控制项的计算公式为:
式中,ui3为第二鲁棒控制项,为第三运算参数,μi为第四运算参数,/>为自适应参数,/>为自适应参数/>的导数,k1为第五预设常数,k2为第六预设常数,εi为第七预设常数,Πi为第二最大偏差参数,第二常参数ρEi为大于-1的常数。
步骤55,根据跟随控制力、偏差控制力以及第二鲁棒控制项的和值确定纵向控制量。
通过上述控制方式,可以证队列中每一辆车与前车的距离都始终保持在安全的区间内,并最终达到理想车距。
步骤6,根据前后轮转角控制律和纵向控制量,采用纵横向动力学耦合控制方式,控制待合流四轮转向车辆换道合流至车辆行驶队列,其中,纵向控制量为纵向驱动力控制量或者纵向制动力控制量。
具体的,对第i辆车进行纵横向动力学耦合控制,可以保证第i辆车在与前车保持合理间距的同时,沿着规划好的换道合流路径行驶,从而实现稳定、安全的换道合流过程。
以上结合附图详细说明了本申请的技术方案,本申请提出了一种约束导向的智能网联汽车鲁棒换道合流控制方法,该方法适用于待合流四轮转向车辆换道合流至车辆行驶队列中,所述方法包括:步骤1,当接收到所述待合流四轮转向车辆的换道合流请求后,确认所述待合流四轮转向车辆汇入至所述车辆行驶队列中的位置,并根据所述车辆行驶队列的行驶速度以及汇入队列时间,确定所述待合流四轮转向车辆的换道路径;步骤2,根据所述换道路径以及所述待合流四轮转向车辆的行驶信息,构建合流车辆四轮转向行驶模型,其中,所述合流车辆四轮转向行驶模型至少包括横向路径跟踪模型,所述行驶信息至少包括所述待合流四轮转向车辆当前时间的航向角;步骤3,根据所述横向路径跟踪模型,计算路径跟踪误差取值最小时所述待合流四轮转向车辆的前后轮转角控制律,并根据所述前后轮转角控制律,控制所述待合流四轮转向车辆换道合流至所述车辆行驶队列,其中,所述路径跟踪误差由所述行驶信息确定。通过本申请中的技术方案,解决现有智能网联汽车队列控制中外部车辆换道合流控制的精度不高、算法复杂为问题。
本申请中的步骤可根据实际需求进行顺序调整、合并和删减。
本申请装置中的单元可根据实际需求进行合并、划分和删减。
尽管参考附图详地公开了本申请,但应理解的是,这些描述仅仅是示例性的,并非用来限制本申请的应用。本申请的保护范围由附加权利要求限定,并可包括在不脱离本申请保护范围和精神的情况下针对发明所作的各种变型、改型及等效方案。
Claims (7)
1.一种约束导向的智能网联汽车鲁棒换道合流控制方法,其特征在于,该方法适用于待合流四轮转向车辆换道合流至车辆行驶队列中,其特征在于,所述方法包括:
步骤1,当接收到所述待合流四轮转向车辆的换道合流请求后,确认所述待合流四轮转向车辆汇入至所述车辆行驶队列中的位置,并根据所述车辆行驶队列的行驶速度以及汇入队列时间,确定所述待合流四轮转向车辆的换道路径;
步骤2,根据所述换道路径以及所述待合流四轮转向车辆的行驶信息,构建合流车辆四轮转向行驶模型,其中,所述合流车辆四轮转向行驶模型至少包括横向路径跟踪模型,所述行驶信息至少包括所述待合流四轮转向车辆当前时间的航向角;
步骤3,根据所述横向路径跟踪模型,计算路径跟踪误差取值最小时所述待合流四轮转向车辆的前后轮转角控制律,并根据所述前后轮转角控制律,控制所述待合流四轮转向车辆换道合流至所述车辆行驶队列,其中,所述路径跟踪误差由所述行驶信息确定,所述横向路径跟踪模型的计算公式为:
式中,为横向位移误差ey的二阶导数,/>为航向角误差eφ的二阶导数,/>为横向位移误差ey的导数,/>为航向角误差eφ的导数,X为横向误差参数,/>为横向误差参数X的导数,σ为不确定性参数,t为当前时间,/>为第一参数,B(X,σ,t)为第二参数,C(X,σ,t)为第三参数,g(X,σ,t)为第四参数,δf为所述待合流四轮转向车辆的前轮转角,δr为所述待合流四轮转向车辆的后轮转角,β2为所述路径跟踪误差;
2.如权利要求1所述的约束导向的智能网联汽车鲁棒换道合流控制方法,其特征在于,所述步骤2具体包括:
步骤21,根据所述换道路径和所述待合流四轮转向车辆的行驶信息,确定所述横向位移误差ey和所述航向角误差eφ;
步骤22,根据所述横向位移误差ey和所述航向角误差eφ,构建所述横向路径跟踪模型。
3.如权利要求2所述的约束导向的智能网联汽车鲁棒换道合流控制方法,其特征在于,步骤3中的所述前后轮转角控制律为控制输入参数、控制力参数以及第一鲁棒控制项的和值,计算所述前后轮转角控制律包括:
将所述第一参数、所述第二参数、所述第三参数、所述第四参数以及中间参数划分为第一名义系统部分和第一不确定性部分;
根据所述第一名义系统部分,计算所述控制输入参数δ1,对应的计算公式为:
根据所述路径跟踪误差,计算所述控制力参数δ2,对应的计算公式为:
式中,κ为第一预设常数;
根据所述第一不确定性部分,计算所述第一鲁棒控制项δ3,对应的计算公式为:
式中,γ为第一运算参数,μ为第二运算参数,ε为第二预设常数,П为第一最大偏差参数;
根据所述控制输入参数、所述控制力参数以及所述第一鲁棒控制项的和值确定所述前后轮转角控制律。
4.如权利要求2所述的约束导向的智能网联汽车鲁棒换道合流控制方法,其特征在于,所述行驶信息还包括所述待合流四轮转向车辆的纵向速度以及所述待合流四轮转向车辆的横向速度,所述步骤21中还包括:
根据车辆横向动力学模型,确定所述待合流四轮转向车辆的行驶信息,其中,所述车辆横向动力学模型的计算公式为:
式中,为所述纵向速度vy的导数,/>为所述航向角φ的二阶导数,kf为所述待合流四轮转向车辆的前轮胎侧偏刚度,kr为所述待合流四轮转向车辆的后轮胎侧偏刚度,M为所述待合流四轮转向车辆的质量,vx为所述横向速度,lf为所述待合流四轮转向车辆的质心与前轴距离,lr为所述待合流四轮转向车辆的质心与后轴距离,Iz为所述待合流四轮转向车辆的车辆转动惯量,δf为所述待合流四轮转向车辆的前轮转角,δr为所述待合流四轮转向车辆的后轮转角,Δ′(t)为车辆纵向加速度不确定度,Δ″(t)为横摆角加速度不确定度;
式中,DL为所述待合流四轮转向车辆换道合流过程中的前视距离。
5.如权利要求1所述的约束导向的智能网联汽车鲁棒换道合流控制方法,其特征在于,所述合流车辆四轮转向行驶模型至少还包括车距误差模型,所述方法还包括:
步骤4,根据车辆纵向动力学模型以及所述待合流四轮转向车辆与前车的车距,构建所述车距误差模型;
步骤5,根据所述车距误差模型,计算轨迹跟踪误差取值最小时所述待合流四轮转向车辆的纵向控制量,其中,所述轨迹跟踪误差的计算公式为:
步骤6,根据所述前后轮转角控制律和所述纵向控制量,采用纵横向动力学耦合控制方式,控制所述待合流四轮转向车辆换道合流至所述车辆行驶队列,其中,所述纵向控制量为纵向驱动力控制量或者纵向制动力控制量。
7.如权利要求6所述的约束导向的智能网联汽车鲁棒换道合流控制方法,其特征在于,步骤5中所述纵向控制量为跟随控制力、偏差控制力以及第二鲁棒控制项的和值,计算所述纵向控制量包括:
步骤51,将所述第i辆车的质量Mi、所述空气阻力ci以及所述其他阻力项Fi划分为第二名义系统部分和第二不确定性部分;
步骤52,根据约束跟随理论和所述第二名义系统部分,计算所述跟随控制力,所述跟随控制力的计算公式为:
式中,κi为第i辆车的第四预设常数;
步骤54,根据所述第二不确定性部分,计算所述第二鲁棒控制项,所述第二鲁棒控制项的计算公式为:
式中,ui3为所述第二鲁棒控制项,为第三运算参数,μi为第四运算参数,/>为自适应参数,/>为所述自适应参数/>的导数,k1为第五预设常数,k2为第六预设常数,εi为第七预设常数,Πi为第二最大偏差参数;
步骤55,根据所述跟随控制力、所述偏差控制力以及所述第二鲁棒控制项的和值确定所述纵向控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111209228.8A CN113848942B (zh) | 2021-10-18 | 2021-10-18 | 一种约束导向的智能网联汽车鲁棒换道合流控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111209228.8A CN113848942B (zh) | 2021-10-18 | 2021-10-18 | 一种约束导向的智能网联汽车鲁棒换道合流控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113848942A CN113848942A (zh) | 2021-12-28 |
CN113848942B true CN113848942B (zh) | 2023-06-02 |
Family
ID=78978602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111209228.8A Active CN113848942B (zh) | 2021-10-18 | 2021-10-18 | 一种约束导向的智能网联汽车鲁棒换道合流控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113848942B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114475596B (zh) * | 2022-02-22 | 2023-06-20 | 青岛德智汽车科技有限公司 | 一种换道场景下保证安全的智能网联队列鲁棒控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006033631A1 (de) * | 2006-07-20 | 2008-01-24 | Robert Bosch Gmbh | Verfahren zur Stabilisierung eines Fahrzeugs unter Berücksichtigung der Fahrzeugquerdynamik |
CN111746539A (zh) * | 2020-07-02 | 2020-10-09 | 清华大学 | 一种智能网联汽车严格安全换道入队控制方法 |
CN113009829A (zh) * | 2021-02-25 | 2021-06-22 | 清华大学 | 一种智能网联车队纵横向耦合控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201600109633A1 (it) * | 2016-10-31 | 2018-05-01 | Magneti Marelli Spa | Procedimento e sistema di controllo adattivo in un veicolo terrestre per l'inseguimento di un percorso, particolarmente in uno scenario di guida autonoma. |
-
2021
- 2021-10-18 CN CN202111209228.8A patent/CN113848942B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006033631A1 (de) * | 2006-07-20 | 2008-01-24 | Robert Bosch Gmbh | Verfahren zur Stabilisierung eines Fahrzeugs unter Berücksichtigung der Fahrzeugquerdynamik |
CN111746539A (zh) * | 2020-07-02 | 2020-10-09 | 清华大学 | 一种智能网联汽车严格安全换道入队控制方法 |
CN113009829A (zh) * | 2021-02-25 | 2021-06-22 | 清华大学 | 一种智能网联车队纵横向耦合控制方法 |
Non-Patent Citations (5)
Title |
---|
A Vehicle-Independent Autonomous Lane Keeping and Path Tracking System;William T. Bryan 等;IFAC PapersOnLine;第54卷(第2期);37-44 * |
智能交通系统车辆换道四轮转向控制;张冠哲;任殿波;崔胜民;;大连海事大学学报;37(03);81-84、88 * |
智能交通系统车道保持纵横向耦合控制;任殿波;张京明;崔胜民;张继业;;控制理论与应用;27(12);1661-1668 * |
自动化公路系统车队换道变结构控制;任殿波;张京明;崔胜民;张继业;;哈尔滨工业大学学报;41(11);109-114 * |
车-车协同下无人驾驶车辆的换道汇入控制方法;张荣辉;游峰;初鑫男;郭烈;何兆成;王荣本;;中国公路学报;31(04);180-191 * |
Also Published As
Publication number | Publication date |
---|---|
CN113848942A (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110286681B (zh) | 一种变曲率弯道的动态自动驾驶换道轨迹规划方法 | |
Cheng et al. | Multiple-objective adaptive cruise control system integrated with DYC | |
CN104773169B (zh) | 一种基于轮胎侧偏角的车辆横摆稳定集成控制方法 | |
CN109131312B (zh) | 一种智能电动汽车acc/esc集成控制系统及其方法 | |
CN104176054B (zh) | 一种汽车主动防碰撞自动换道控制系统及其工作方法 | |
CN106114511A (zh) | 一种汽车巡航系统关键目标识别方法 | |
CN110023166A (zh) | 车辆运动状态推断装置 | |
CN101837781A (zh) | 用于自动车道对正或换道的控制系统的基于模型的预测控制 | |
Attia et al. | Coupled longitudinal and lateral control strategy improving lateral stability for autonomous vehicle | |
Xu et al. | Model predictive control for lane keeping system in autonomous vehicle | |
CN110161865B (zh) | 一种基于非线性模型预测控制的智能车换道轨迹规划方法 | |
Subosits et al. | Autonomous vehicle control for emergency maneuvers: The effect of topography | |
CN110116732A (zh) | 一种考虑轮胎侧偏刚度变化的车辆侧向稳定控制方法 | |
CN113009829B (zh) | 一种智能网联车队纵横向耦合控制方法 | |
CN109291932A (zh) | 基于反馈的电动汽车横摆稳定性实时控制装置及方法 | |
CN111086510B (zh) | 一种基于预测函数控制的前轮转向车辆车道保持控制方法 | |
CN108860149A (zh) | 一种用于智能车辆时间最短自由变道的运动轨迹设计方法 | |
Kang et al. | Design and testing of a controller for autonomous vehicle path tracking using GPS/INS sensors | |
CN113848942B (zh) | 一种约束导向的智能网联汽车鲁棒换道合流控制方法 | |
Xu et al. | Local path planning and tracking control of vehicle collision avoidance system | |
Kone | Lateral and longitudinal control of an autonomous racing vehicle. | |
Junior et al. | Coupled Lateral and Longitudinal Controller for Over-Actuated Vehicle in Evasive Maneuvering With Sliding Mode Control Strategy | |
CN114044003B (zh) | 前后双轴转向车辆的循迹控制方法 | |
Sen et al. | Estimation of tire slip-angles for vehicle stability control using Kalman filtering approach | |
Kim et al. | Development of a full speed range path-following system for the autonomous vehicle |
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 |