CN114537419A - 一种考虑驾驶员活跃度及驾驶能力的辅助控制器设计方法 - Google Patents

Abstract

本发明公开了一种考虑驾驶员活跃度及驾驶能力的辅助控制器设计方法，涉及智能驾驶技术领域，解决了人机控制权限分配策略不够精准、驾驶舒适性和人机合作性能较差的技术问题，其技术方案要点是引入驾驶员活跃度和驾驶能力两个量化指标，并基于驾驶员时变特性设计人机共享控制权限分配策略，构建了基于模糊推理的人机共享控制器，实现个性化辅助驾驶。此外，该方法综合考虑了车辆行驶性能以及人机合作水平，并利用鲁棒正不变集理论处理系统多约束下的共享控制问题，该方法保证了车辆稳定性和路径跟踪性能的同时，提升了驾驶舒适性和人机合作性能，在未来高级辅助驾驶系统中具有广泛的应用前景和实用性。

Description

一种考虑驾驶员活跃度及驾驶能力的辅助控制器设计方法

技术领域

本申请涉及智能驾驶技术领域，尤其涉及一种考虑驾驶员活跃度及驾驶能力的辅助控制器设计方法。

背景技术

在过去的几十年里，由于驾驶员驾驶能力不足、精力不足等原因造成的误操作行为，引发了大量的交通事故。根据世界卫生组织的调查表明，每年有130万人死于交通伤害事故。因此，近年来各种自动驾驶技术发展迅速，工业界主流的技术集中于L2-L3级别的自动驾驶，即驾驶员-自动控制器协同驾驶模式。

虽然成熟的高级驾驶辅助系统包括车道偏离预警、车道保持辅助、自适应巡航控制等，通过自动驾驶技术进行车辆控制以弥补人类驾驶员在一些紧急情况下的应对不足，能够有效的提高驾驶安全性。但是，在这些安全辅助技术的设计开发过程中，大多从车辆自动控制出发，而很少考虑驾驶员的行为。这样就会导致驾驶员和自动驾驶系统之间的期望补偿产生冲突，导致驾驶员的不适应及不信任。为此，相关的人机共享控制研究急需开发和应用，以提升驾驶辅助系统的个性化特性，增强人机信任感。

人机共享控制具有充分利用驾驶员特征提高车辆性能的潜力，而如何准确的描述和表征驾驶员特性、设计综合驾驶员特征参数的人机协同控制系统是实现个性化辅助驾驶的重要环节。

发明内容

本申请提供了一种考虑驾驶员活跃度及驾驶能力的辅助控制器设计方法，其技术目的是利用驾驶数据实时地评估驾驶员的动态特性，设计个性化的人机控制权限分配策略，在保证车辆稳定性和路径跟踪性能的同时，提升驾驶舒适性和人机合作性能。

本申请的上述技术目的是通过以下技术方案得以实现的：

一种考虑驾驶员活跃度及驾驶能力的辅助控制器设计方法，包括：

S1：将驾驶员转向模型和车辆动力学模型进行耦合得到驾驶员-车辆-道路耦合动力学模型；

S2：依据驾驶员的驾驶活跃度P₃和驾驶能力E，构建人机共享控制权限分配策略；

S3：将人机共享控制权限分配策略耦合到驾驶员-车辆-道路耦合动力学模型中，以构建人机交互模型；

S4：根据模糊控制理论，将人机交互模型转换成4个线性模糊子系统；

S5：根据鲁棒正不变量集，并通过并行分布式状态反馈补偿为每个模糊子系统设计人机共享控制器；

S6：通过人机共享控制器实现车辆的稳定性控制和个性化驾驶。

本申请的有益效果在于：本申请所述的方法创新的引入驾驶员活跃度和驾驶能力两个量化指标，并基于驾驶员时变特性设计人机共享控制权限分配策略，构建了基于模糊推理的人机共享控制器，实现个性化辅助驾驶。此外，该方法综合考虑了车辆行驶性能以及人机合作水平，并利用鲁棒正不变集理论处理系统多约束下的共享控制问题，该方法保证了车辆稳定性和路径跟踪性能的同时，提升了驾驶舒适性和人机合作性能，使得人机共享控制器更加个性化，显著减少人机冲突，在人机协作方面具有明显优点，其控制框架逻辑清晰，灵活性高，通用性好，在未来高级辅助驾驶系统中具有广泛的应用前景和实用性。

附图说明

图1为本申请所述方法流程图；

图2为本申请的人机共享控制器的控制框架结构图；

图3为驾驶员转向模型结构示意图；

图4为驾驶员在环仿真实验框架图；

图5为仿真实验的交通道路场景示意图；

图6为所设计的人机共享控制器驾驶辅助水平结果示意图。

具体实施方式

下面将结合附图对本申请技术方案进行详细说明。

一种考虑驾驶员活跃度及驾驶能力的辅助控制器设计方法，如图1所示，具体包括：

S1：将驾驶员转向模型和车辆动力学模型进行耦合得到驾驶员-车辆-道路耦合动力学模型。

具体地，车辆-道路模型为基于二自由度横向车辆动力学模型构建的，则车辆-道路模型表示为：

其中，v_x表示相对车速，A_v表示车辆的迎风面积，β表示车辆质心侧偏角，γ表示车辆横摆角速度，y_L表示车辆侧向误差，φ_L表示车辆航向角偏差，C_f表示前轮侧偏刚度，C_r表示后轮侧偏刚度，M_z表示绕z轴的惯性矩，m表示车辆质量，l_f表示前轴到质心的距离，l_r表示后轴到质心的距离，l_s表示前视距离，δ_f表示前轮转向角，ρ_ref表示前方道路曲率。

基于两点预瞄策略的驾驶员转向模型，由人脑决策系统和手臂肌肉系统组成，如图3所示，l_far表示远视距离，本申请中被设置为20-30米。

分别表示人脑决策系统、手臂肌肉系统，同时，大脑延迟环节通过泰勒展开的手段，被一阶惯性环节

近似，因此驾驶员转向模型表示为：

其中，θ_near和θ_far都表示虚拟转向角，作为驾驶员转向模型的输入；K_p表示驾驶员对未来道路的预测；K_c表示驾驶员对路径偏差的修正增益；τ_L表示微分常数，用于消除控制过程中的抖动问题；x₁表示驾驶员转向模型推导的过程量，能够用来表征驾驶员的精神负荷；τ_d1表示大脑延时时间，τ_d2表示手臂肌肉反应时间，δ_d表示驾驶员转向模型估计出来的驾驶员方向盘转向角，δ_fd表示将驾驶员方向盘转向角转化成车辆的前轮转角，R_g表示驾驶员方向盘转向角与前轮转角的系数比，且R_g∈[1/20,1/10]。

通过RBF神经网络，在驾驶模拟器实验平台上对驾驶员特性参数进行辨识，驾驶员参数包括[K_p K_c τ_d T_d]，试验后取样本平均值作为最终的驾驶员转向模型参数。

S2：依据驾驶员驾驶活跃度P₃和驾驶能力E，构建人机共享控制权限分配策略。

具体地，通过高斯-伯努利受限玻尔兹曼机算法和人工势场法分别计算出驾驶活跃度P₃和驾驶能力E，驾驶能力E主要和侧向跟踪误差和车辆航向角偏差有关，结合人工势场理论在车辆领域的应用，驾驶能力E通过以下公式得到：

其中，α₁和α₂都表示能够调节的权重系数。

驾驶活跃度和驾驶能力是设计人机共享控制权限分配策略的重要指标。当驾驶员的活跃度高且驾驶能力较强时，可以赋予驾驶员更多的控制权，增强驾驶员的驾驶体验。当驾驶员视线远离道路场景时，驾驶员的注意力会随着时间呈指数下降，相似的，当驾驶活跃度和驾驶能力下降时，驾驶员的控制权限应当指数递减，所以，人机共享控制权限分配策略可以通过如下公式得到：

其中，λ表示控制器权限等级，则人的控制权限等级表示为1-λ；μ₁表示驾驶员在驾驶任务中的参与程度，μ₃表示驾驶员在驾驶任务中的驾驶技能，μ₂表示驾驶活跃度对控制器权限等级的影响因子，μ₄表示驾驶能力对控制器权限等级的影响因子。

S3：将人机共享控制权限分配策略耦合到驾驶员-车辆-道路耦合动力学模型中，以构建人机交互模型。

具体地，根据驾驶员-车辆-道路耦合动力学模型和人机共享控制权限分配策略，得到人机交互模型如下：

其中，δ_c表示控制器补偿的前轮转向角输入，l_far表示远视距离。

从驾驶舒适性、车辆稳定性、跟踪能力、人机合作程度等方面，将人机共享控制权限分配策略耦合到驾驶员-车辆-道路耦合动力学模型中，即对闭环系统(驾驶员-车辆-道路耦合动力学模型和人机共享控制器反馈的转向补偿组成)的测量输出和控制性能指标进行如下设计，表示为：

其中，y表示测量输出，Q表示对测量输出y的性能调节权重，z表示最终的控制性能指标。

S4：根据模糊控制理论，将人机交互模型转换成4个线性模糊子系统。

具体地，针对人机共享控制权限等级的时变性和纵向车辆的摄动性，利用T-S模糊规则方法处理参数时变性，首先通过如下式(7)的一阶泰勒对纵向速度v_x进行线性化近似，表示为：

其中，v_max表示最大纵向速度，v_min表示最小纵向速度。

然后对人机交互模型中作为时变参数的λ和v_x进行模糊处理，表示为：

其中，ρ₁(λ)、ρ₂(λ)、ρ₁(Δv)、ρ₂(Δv)都表示根据模糊规则处理后得到的模糊变量，由ρ₁(λ)、ρ₂(λ)、ρ₁(Δv)、ρ₂(Δv)组成4个线性模糊子系统。模糊变量的模糊规则如表1所示，其中B表示“大”，S表示“小”。

表1

则通过模糊规则和人机交互模型，得到所述驾驶员-车辆-道路模型的闭环系统，表示为：

S5：根据鲁棒正不变量集，并通过并行分布式状态反馈补偿为每个模糊子系统设计人机共享控制器。

具体地，人机共享控制器的目标性能函数J表示为：

通过最小化目标性能函数J来实现人机共享最优控制，可以通过用一个标准的H_∞控制问题来表示。因此，定义表示李雅普诺夫函数为

且

P＞0；

满足的哈密尔顿-雅各比不等式表示为：

γ＞0，χ＞0；通过对哈密尔顿-雅各比不等式从0到+∞积分，得到：

则性能函数J的上界表示为：

这样，在系统扰动ω的上界ρ为一个正标量的情况下，给定初始条件

ρ，最小化目标性能函数J的问题就转变为最小化标量γ来实现。

同时，人机共享控制器需要满足系统约束条件，其中，车辆状态约束表示为：

由执行器饱和影响的控制输入边界约束表示为：|δ_c|＜δ_cmax； (12)。

最终，考虑驾驶员活跃度和驾驶能力的个性化驾驶辅助人机共享控制器设计完成，如图2所示。

S6：通过人机共享控制器实现车辆的稳定性控制和个性化驾驶。

作为具体实施例地，在驾驶模拟器平台上，借助Prescan、Carsim、Matlab/Simulink等仿真软件，搭建如图4所示的驾驶员在环仿真实验，并设计了如图5所示的交通道路场景，驾驶员根据道路信息操纵驾驶模拟器来控制车辆，同时车辆状态和驾驶员实时特征发送到控制器，计算出辅助转角进行共享控制。由经验丰富的驾驶员(驾驶员I)、激进的驾驶员(驾驶员II)和保守的驾驶员(驾驶员III)三组实验，得到控制器驾驶辅助水平结果如图6所示，将本发明提出的人机共享控制器(A)与不考虑驾驶员特性的鲁棒控制器(B)的结果进行对比，人机合作性能J1、驾驶舒适性J2、车辆稳定性J3及路径跟踪性能J4结果如表2所示。

表2

其中人机合作性能J1、驾驶舒适性J2、车辆稳定性J3及路径跟踪性能J4可以通过如下公式计算得到：

其中，δ_d表示驾驶员转向角，δ_c表示人机共享控制器的补偿转向角，人机合作性能J1为正时且越大表明合作性能越强，为负时表明人机出现冲突。a_y表示车辆的侧向加速度，v_y表示车辆的侧向速度，车辆稳定性J3越小表明车辆越稳定。从表2中可以发现，本申请提出的人机共享控制器在人机合作方面有着显著的提升，在驾驶舒适性方面提升也较为明显。同时，在车辆稳定性和路径跟踪性能方面，较传统人机共享控制策略也有一定的提升。

上述仅为本申请的构思作举例说明。本申请亦可以针对具体车型、具体交通环境场景对共享控制框架进行优化和改进，凡对本申请进行的非实质性的改动，均应属于侵犯本申请保护范围的行为。

Claims (7)

1.一种考虑驾驶员活跃度及驾驶能力的辅助控制器设计方法，其特征在于，包括：

S1：将驾驶员转向模型和车辆动力学模型进行耦合得到驾驶员-车辆-道路耦合动力学模型；

S2：依据驾驶员的驾驶活跃度P₃和驾驶能力E，构建人机共享控制权限分配策略；

S3：将人机共享控制权限分配策略耦合到驾驶员-车辆-道路耦合动力学模型中，以构建人机交互模型；

S4：根据模糊控制理论，将人机交互模型转换成4个线性模糊子系统；

S5：根据鲁棒正不变量集，并通过并行分布式状态反馈补偿为每个模糊子系统设计人机共享控制器；

S6：通过人机共享控制器实现车辆的稳定性控制和个性化驾驶。

2.如权利要求1所述的辅助控制器设计方法，其特征在于，所述步骤S1中，驾驶员转向模型表示为：

T_d＝τ_d1+τ_d2，

δ_fd＝R_gδ_d

其中，θ_near和θ_far都表示虚拟转向角，作为驾驶员转向模型的输入；K_p表示驾驶员对未来道路的预测，K_c表示驾驶员对路径偏差的修正增益，τ_L表示微分常数，x₁表示驾驶员转向模型推导的过程量，τ_d1表示大脑延时时间，τ_d2表示手臂肌肉反应时间，δ_d表示驾驶员转向模型估计出来的驾驶员方向盘转向角，δ_fd表示将驾驶员方向盘转向角转化成车辆的前轮转角，R_g表示驾驶员方向盘转向角与前轮转角的系数比，且R_g∈[1/20,1/10]；

车辆-道路模型为基于二自由度横向车辆动力学模型构建的，则车辆-道路模型表示为：

ω＝ρ_ref

其中，v_x表示相对车速，A_v表示车辆的迎风面积，β表示车辆质心侧偏角，γ表示车辆横摆角速度，y_L表示车辆侧向误差，φ_L表示车辆航向角偏差，C_f表示前轮侧偏刚度，C_r表示后轮侧偏刚度，M_z表示绕z轴的惯性矩，m表示车辆质量，l_f表示前轴到质心的距离，l_r表示后轴到质心的距离，l_s表示前视距离，δ_f表示前轮转向角，ρ_ref表示前方道路曲率。

3.如权利要求2所述的辅助控制器设计方法，其特征在于，所述步骤S2中，驾驶能力E表示为：

其中，α₁和α₂都表示能够调节的权重系数；

则人机共享控制权限分配策略表示为：

其中，λ表示控制器权限等级，则人的控制权限等级表示为1-λ；μ₁表示驾驶员在驾驶任务中的参与程度，μ₃表示驾驶员在驾驶任务中的驾驶技能，μ₂表示驾驶活跃度对控制器权限等级的影响因子，μ₄表示驾驶能力对控制器权限等级的影响因子。

4.如权利要求3所述的辅助控制器设计方法，其特征在于，所述步骤S3中，将人机共享控制权限分配策略耦合到驾驶员-车辆-道路耦合动力学模型中，即对驾驶员-车辆-道路耦合动力学模型的测量输出和控制性能指标进行设计，表示为：

C_zx＝QC_yx,D_zu＝QD_yu,E_zω＝QE_yω

其中，y表示测量输出，Q表示对测量输出y的性能调节权重，z表示最终的控制性能指标；

则人机交互模型表示为：

其中，δ_c表示控制器补偿的前轮转向角输入，l_far表示远视距离。

5.如权利要求4所述的辅助控制器设计方法，其特征在于，所述步骤S4中，包括：

首先对纵向速度v_x进行线性化近似，表示为：

然后对作为时变参数的λ和v_x进行模糊处理，表示为：

其中，ρ₁(λ)、ρ₂(λ)、ρ₁(Δv)、ρ₂(Δv)都表示经过模糊规则处理后得到的模糊变量，由ρ₁(λ)、ρ₂(λ)、ρ₁(Δv)、ρ₂(Δv)组成4个线性模糊子系统；

通过模糊变量和人机交互模型，得到所述驾驶员-车辆-道路耦合动力学模型的闭环系统，表示为：

6.如权利要求5所述的辅助控制器设计方法，其特征在于，所述人机共享控制器的目标性能函数表示为：

通过最小化性能函数J来实现人机共享控制器的最优控制，包括：定义李雅普诺夫函数

且

满足的哈密尔顿-雅各比不等式表示为：

对哈密尔顿-雅各比不等式从0到+∞积分，得到：

则性能函数J的上界表示为：

7.如权利要求6所述的辅助控制器设计方法，其特征在于，所述人机共享控制器的约束条件包括车辆状态约束和控制输入边界约束，则：

车辆状态约束表示为：

控制输入边界约束表示为：|δ_c|＜δ_cmax； (12)。

Images