CN115107904A - 可重构轮履通用分布式驱动无人车及其控制方法 - Google Patents
可重构轮履通用分布式驱动无人车及其控制方法 Download PDFInfo
- Publication number
- CN115107904A CN115107904A CN202210814656.1A CN202210814656A CN115107904A CN 115107904 A CN115107904 A CN 115107904A CN 202210814656 A CN202210814656 A CN 202210814656A CN 115107904 A CN115107904 A CN 115107904A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- unmanned vehicle
- module
- driving
- unmanned
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 210000001503 joint Anatomy 0.000 claims abstract description 21
- 239000000725 suspension Substances 0.000 claims description 20
- 239000002689 soil Substances 0.000 claims description 15
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000010354 integration Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000003638 chemical reducing agent Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D63/00—Motor vehicles or trailers not otherwise provided for
- B62D63/02—Motor vehicles
- B62D63/025—Modular vehicles
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W40/02—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 ambient conditions
- B60W40/06—Road conditions
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—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
- 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
- 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
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/35—Road bumpiness, e.g. potholes
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Human Computer Interaction (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种可重构轮履通用分布式驱动无人车及其控制方法,可广泛应用于无人车辆技术领域。本发明无人车通过将无人车设置为车首模块、车尾模块和/或车中模块,并在连接位置上设置对接面,在对接面上设有接插销轴和接插件来实现车首模块、车尾模块和/或车中模块的连接过程,以提高连接的可靠性和受力结果的一体化;同时,在车首模块、车尾模块和车中模块上均设置平台承载系统、动力系统、驱动系统和行驶系统,使得本实施例的无人车可以根据实际路况选择不同的模块组合方式,有效提高无人车辆的机动性。
Description
技术领域
本发明涉及无人车辆技术领域,尤其是一种可重构轮履通用分布式驱动无人车及其控制方法。
背景技术
相关技术中,对于长时间行驶在非铺装越野路面上的无人驾驶车辆而言,道路工况复杂多变,各轮与路面接触情况各异。而传统越野车一般通过机械锁止、低速四驱的模式通过越野道路,这种机械式的调节方式对路面变化的适应性差,降低了车辆的机动性。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种可重构轮履通用分布式驱动无人车及其控制方法,能够有效提高无人车辆的机动性。
一方面,本发明实施例提供了一种可重构轮履通用分布式驱动无人车,所述无人车包括车首模块、车尾模块和/或车中模块,所述车首模块、所述车中模块和所述车尾模块之间的连接位置设有对接面,所述对接面上设有接插销轴和接插件;
其中,所述车首模块、所述车中模块和所述车尾模块均包括:
平台承载系统;
动力系统,所述动力系统设置于所述平台承载系统内部;
驱动系统,所述驱动系统设置于所述平台承载系统下部;
行驶系统,所述行驶系统设置于所述动力系统和所述平台承载系统的中间位置,用于连接所述动力系统和所述平台承载系统。
在一些实施例中,所述平台承载系统包括车体,所述车体上设有横梁和纵梁。
在一些实施例中,所述动力系统包括:
动力电池,所述动力电池固定于所述车体最下层的平板上;
电动液压单元,所述电动液压单元固定于所述车体上,所述电动液压单元包括电压液压泵、储油箱和阀件。
在一些实施例中,所述行驶系统包括单纵臂独立悬架和油气弹簧,所述单纵臂独立悬架和油气弹簧成V字形组合。
在一些实施例中,所述驱动系统包括驱动制动一体化电动轮,所述驱动制动一体化电动轮通过悬架的纵摆臂与所述车体连接。
另一方面,本发明实施例提供了一种可重构轮履通用分布式驱动无人车的控制方法,包括以下步骤:
获取所述无人车所在位置的感知单元输出数据序列,所述输出数据序列包括三维空间信息、车辆状态信息、道路场景信息和无人机信息;
根据所述输出数据序列构建高斯混合模型;
对所述输出数据序列进行聚类分析后,通过所述高斯混合模型和模糊理论对聚类分析后的所述输出数据序列进行处理,得到工况分类信息;
计算所述无人车在所有可行驶方向上与障碍物发生碰撞的时间,并构造碰撞时间直方图;
根据所述碰撞时间直方图计算得到行驶方向和行驶速度;
根据所述工况分类信息、所述行驶方向和所述行驶速度,对所述无人车进行多重路径搜索;
对所述多重路径搜索结果进行加权评估,得到目标规划路径;
控制所述无人车以所述目标规划路径行驶。
在一些实施例中,所述根据所述碰撞时间直方图计算得到行驶速度,包括:
根据碰撞时间直方图计算路径曲率;
将所述路径曲率、横向误差和路面附着隶属度输入到模糊控制器,得到不同路面的期望数据,所述不同路面包括松软越野路面、山区硬路面和铺装平滑路面;
计算所述不同路面上车速阈值。
在一些实施例中,当无人车行驶位置包括松软越野路面,所述计算所述不同路面上车速阈值,包括:
通过如下公式计算所述无人车在所述松软越野路面的最高行驶速度:
v1=Pmax/(Fs+Fp)
其中,v1为所述无人车在所述松软越野路面的最高行驶速度,Pmax为发动机最大功率,Fp为松软路面上的推土阻力,Fs为无人车轮的土壤阻力。
在一些实施例中,当无人车行驶位置包括山区硬路面,所述计算所述不同路面上车速阈值,包括:
通过如下公式计算所述无人车在所述山区硬路面的最高行驶速度:
在一些实施例中,当无人车行驶位置包括铺装平滑路面,所述计算所述不同路面上车速阈值,包括:
通过如下公式计算所述无人车在所述铺装平滑路面的最高行驶速度:
其中,v3表示所述无人车在所述铺装平滑路面的最高行驶速度,Pmax为发动机最大功率,G为车辆总重力;f为滚动阻力系数;CD为空气阻力系数;A为车辆迎风面积。
本发明实施例提供的一种可重构轮履通用分布式驱动无人车,具有如下有益效果:
本实施例通过将无人车设置为车首模块、车尾模块和/或车中模块,并在连接位置上设置对接面,在对接面上设有接插销轴和接插件来实现车首模块、车尾模块和/或车中模块的连接过程,以提高连接的可靠性和受力结果的一体化;同时,在车首模块、车尾模块和车中模块上均设置平台承载系统、动力系统、驱动系统和行驶系统,使得本实施例的无人车可以根据实际路况选择不同的模块组合方式,有效提高无人车辆的机动性。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
下面结合附图和实施例对本发明做进一步的说明,其中:
图1为本发明实施例的一种可重构轮履通用分布式驱动无人车的结构示意图;
图2为本发明实施例的另一种可重构轮履通用分布式驱动无人车的结构示意图;
图3为本发明实施例的一种可重构轮履通用分布式驱动无人车的控制方法流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
参照图1,本发明实施例提供了一种可重构轮履通用分布式驱动无人车,所述无人车包括车首模块110和车尾模块120。参照图2,本实施例的无人车包括车首模块110、车尾模块120和车中模块130。具体的模块个数组合,可以根据实际路况进行组装。具体地,所述车首模块、所述车中模块和所述车尾模块之间的连接位置设有对接面,所述对接面上设有接插销轴和接插件。其中,本实施例的对接面为两个模块对接的基准面,对接面上为12个对接销轴和1个接插件,为保证连接的可靠性和受力结构的一体化,对连接结构进行优化设计。对于机械轴孔结构,销轴前部为锥形结构,便于对正导向,中部采用液压扩张快接结构,扩张后机械锁止,液压解除,这样可以使对接面紧密连接在一起;对于电气接插件,接插件后部设计可变刚度弹簧,使接插件对接可靠,不会因为间隙大而没对接上,也不会因为间隙小而撞坏。
在本实施例中,所述车首模块、所述车中模块和所述车尾模块均包括平台承载系统、动力系统、驱动系统和行驶系统,所述动力系统设置于所述平台承载系统内部;所述驱动系统设置于所述平台承载系统下部;所述行驶系统设置于所述动力系统和所述平台承载系统的中间位置,用于连接所述动力系统和所述平台承载系统。
下面对每个模块的结构和功能进行具体阐述:
动力系统主要由动力电池和电动液压单元组成,其中动力电池位于平台承载系统中,固定最下层车体平板上以降低模块的质心高度。动力电池可以选用高电压、高功率密度的锂电池,减少电池和线束质量。电动液压单元也位于平台承载系统中,电动液压单元主要包括电压液压泵、贮油箱、阀件等,为油气弹簧、制动系统提供动力源。
驱动系统为驱动制动一体化电动轮,驱动制动一体化电动轮由驱动制动一体化轮毂电机和车轮组成,一体化轮毂电机内部采用减速器与电机共用壳体的设计,制动器、电机与减速器沿轴向依次紧密布置,简化壳体的结构复杂度和轮毂电机与减速器之间的连接结构。电动轮的接口设计采用独立接口设计,通过悬架的纵摆臂与车体相连,线速、制动管线、冷却管路均从纵摆臂的箱体内进入车体。
行驶系统主要由单纵臂独立悬架和油气弹簧组成,单纵臂独立悬架和油气弹簧成V字形组合,单纵臂式独立悬架结构简单,侧倾中心较高,有较强的抗侧倾能力,但当车轮跳动时会使主销内倾角和车轮外倾角变化大,由于无人车采用差速转向,单纵臂悬架结构对车轮和主销没有影响。油气弹簧将油和气结合,利用气体的可压缩性作为悬架的弹性元件,利用油液的流动阻力实现减振,同时又利用油液的不可压缩性实现准确的运动和力的传递。即油气弹簧在悬架系统中既是弹性元件,又是阻尼零件,在无人车中,油气弹簧还充当导向元件。采用油气弹簧后,可实现弹性元件刚度的非线性,提高车辆在平坦路面的平顺性和坏路上的平均车速;对每个油缸进行单独调节,容易实现悬架可调目标,并能通过大尺寸台阶。纵摆臂既是悬架元件,也是电机与车体的连接部件。纵摆臂采用宽断面的内外箱体扣合设计,作为纵摆臂承受来自地面的冲击;同时为轮毂电机的线束、制动管线、冷却管路的布置提供了可靠的封闭空间。
平台承载系统包括车体和附件,车体采用轻质高强度材料,设计横梁和纵梁加强车体,特别在左右纵摆臂与车身连接处设有加强横梁,在对接面周边设有加强梁。功能区布置动力、传动、底盘、感知等系统的总成部件,载荷区提供载货空间。同时设计对接面,对接面为两个模块对接的基准面,对接面上为12个对接销轴和1个接插件,为保证连接的可靠性和受力结构的一体化,对连接结构进行优化设计。对于机械轴孔结构,销轴前部为锥形结构,便于对正导向,中部采用液压扩张快接结构,扩张后机械锁止,液压解除,这样可以使对接面紧密连接在一起;对于电气接插件,接插件后部设计可变刚度弹簧,使接插件对接可靠,不会因为间隙大而没对接上,也不会因为间隙小而撞坏。
在本实施例的无人车上的车首模块上设有整车控制器、感知单元、上位机、灯光等部件;在车尾模块上设有部分感知单元、灯光等部件。在本实施例中。无人车可以由由1个车首模块和1个车尾模块和N(N≥0)个车中模块组成,组合后的动力性能是所有模块的总和;组合后常规转向性能基本不变,但总转向力增加,中心转向能力均可实现;组合后的制动能力基本不变;组合后的承载能力是所有模块的总和;组合后的垂直越障能力增强,但达到一定能力后将维持不变,水平越障能力随着组合体的增加而持续增强。
参照图3,本发明实施例提供了一种应用于图1或图2所示的可重构轮履通用分布式驱动无人车的控制方法,包括以下但不限于以下步骤:
步骤310、获取所述无人车所在位置的感知单元输出数据序列,所述输出数据序列包括三维空间信息、车辆状态信息、道路场景信息和无人机信息;
步骤320、根据所述输出数据序列构建高斯混合模型;
步骤330、对所述输出数据序列进行聚类分析后,通过所述高斯混合模型和模糊理论对聚类分析后的所述输出数据序列进行处理,得到工况分类信息;
步骤340、计算所述无人车在所有可行驶方向上与障碍物发生碰撞的时间,并构造碰撞时间直方图;
步骤350、根据所述碰撞时间直方图计算得到行驶方向和行驶速度;
步骤360、根据所述工况分类信息、所述行驶方向和所述行驶速度,对所述无人车进行多重路径搜索;
步骤370、对所述多重路径搜索结果进行加权评估,得到目标规划路径;
步骤380、控制所述无人车以所述目标规划路径行驶。
在本实施例中,感知单元用于获取三维空间信息、车辆状态信息、道路场景信息和无人机信息等。三维空间信息包括雨雪、光线、背景和烟雾等;车辆状态信息包括车速、车辆大小等;道路场景信息包括树木、石砾、车辆和道路等;无人机信息包括障碍物、负障碍物等。感知单元上的传感器采用激光雷达、毫米波雷达、摄像头、超声波雷达、陀螺仪、北斗卫星和加速度计等,通信采用CAN、以太网、5G基站等。当无卫星通讯无人车时或北斗卫星与车辆丧失信息交互,采用无人机协同感知技术,无人机先分配感知任务并进行疑似障碍物检测,再将数据信息传输给无人车,无人车收到检测信息并确认,完成检测反馈;无人车与无人车之间也可以进行信息感知和车间状态反馈。针对有电磁干扰情况,设计电磁干扰传感器滤波,首先获取干扰特征区域,进行干扰频率估计,抑制PD信号窄带干扰从而实现电磁干扰滤波。多传感器数据融合首先获取目标参数,采用点云自适应模块并基于点云特征图与图像深度卷积神经网络融合实现数据多层深度融合,获取到路面附着系数、道路边界、道路高程、道路坡度、障碍物大小、横纵向距离、车辆姿态角、纵向车速和垂向加速度等数据。
根据感知数据进行全地形工况辨识。具体地,首先采集传感器输出数据序列,标记有标签的数据集在此基础上设计有监督的模型学习算法,完成高斯混合模型(GMM)的离线建模。以传感器融合后的特征参数及无人车的纵向车速、垂向加速度和俯仰角等参数信息为输入,再进行聚类分析,结合地形GMM模型,基于模糊理论,输出调整因子及工况分类信息。
然后进行最优路径规划。具体地是在部分野外环境信息未知的情况下,在考虑可重构可变形无人越野车辆的非完整性运动学模型基础上,深入考虑系统非线性特性、时滞现象与随机不确定性,采用基于深度强化学习的可重构可变形无人越野车辆未知越野环境路径规划策略。针对可重构可变形无人越野车辆无道路约束时,采用基于碰撞时间直方图的可重构可变形无人越野车辆转向域和速度域决策,利用碰撞检测模型计算出车辆所有可行驶方向上会与障碍物发生碰撞的时间并构造出碰撞时间直方图。在此基础上,结合速度规划以及行为规划来对碰撞时间直方图进行评估,计算得到安全的行驶方向以及速度,在两者综合决策下得到车辆当前规划的执行转向角以及速度。针对非结构化道路两侧障碍物信息通常隐含了道路边界的特点,采用基于蒙特卡洛随机采样可重构无人越野车辆路径规划的多重搜索方法对车辆在复杂野外环境中的路径规划问题进行求解通过建立加权路径方案评估体系,从危险性、颠簸性、路径长度、能耗以及转向五个方面对路径方案进行成本评估,采用配置加权系数的路径评估方法,最后结合地面无人车辆自身状态优化得到最终规划路径。
在进行路径规划时,本实施例通过进行车速规划和车速阈值规划。对于车速规划,本实施例通过根据碰撞时间直方图计算路径曲率;将所述路径曲率、横向误差和路面附着隶属度输入到模糊控制器,得到不同路面的期望数据。其中,不同路面包括松软越野路面、山区硬路面和铺装平滑路面。对于车速阈值规划,本实施例针对三种不同的路面分别计算车速阈值。
对于松软越野路面,在车辆结构参数已定的条件下,车辆在松软越野路面上的最高车速取决于土壤特性。假定轮胎在松软土壤上滚动时形成一深度为h0的轮辙,并把轮胎与土壤的接触表面分成曲线和平面两个区域,其计算曲线区域的单位压力如公式(1)所示:
计算平面区域的单位压力如公式(2)所示:
Δp=Δpa+Δpb (2)
车辆在松软路面行驶过程中,若轮胎的单位压力Δp大于某一临界压力时,则轮胎可视为刚性轮。设刚性轮直径为D,沉陷量为h0,若土壤对刚性轮的反作用力仅为径向力,设值为τ,根据刚性轮的受力分析和公式(1)可得该轮的土壤阻力Fs如公式(3)所示:
假定刚性轮对土壤仅为垂直方向的压缩,则由公式(3)所求的Fs值应与宽度为l的单位长度平板垂直压入土壤至h0时所做的功相等。而车轮上垂向载荷Fz如公式(4)所示:
根据变量的几何运算后可得公式(5):
整理后得公式(6):
此外,松软路面上的推土阻力Fp如公式(8)所示:
Fp=l(eh0Upc+0.5h0 2σsUpr) (8)
其中,σs、e、Upc、Upr为土壤参数。
越野车辆在松软路面行驶时速度较低,忽略空气阻力,根据功率平衡关系,可得在松软越野路面车辆能达到的最高行驶速度如公式(9)所示:
v1=Pmax/(Fs+Fp) (9)
其中,Pmax为发动机最大功率。
对于山区路面的最高行驶速度:
由于山区路面影响车速的主要是坡道,该路面的最高行驶速度v2可用车辆在坡道上的限制车速表示。当车辆在某一山区行驶时,由于坡道角θ通常是随机变化的,故车速也会不断改变,为了计算方便,计算中取坡道角的平均值因山区坡道一般为硬路面,故不考虑土壤的推土阻力;但此时须考虑轮胎的弹性变形和坡道阻力的影响。设轮胎的一部分被压平,其投影长度为L0,则该部分的接触应力如公式(10)所示:
Δpa+Δpb=Fz/(lL0) (10)
由式(1)可得此时轮胎的沉陷量z0如公式(11)所示
将公式(11)代入公式(3)可得公式(12):
由功率平衡关系,并忽略土壤推土阻力,可得山区坡道的最高行驶速度如公式(13)所示:
针对铺装平滑路面的最高行驶速度:由于车辆在平整的铺装硬化光滑路面,可用车辆的最高车速v3来表示,此时须考虑车辆行驶时的滚动阻力和无风情况下的空气阻力,根据功率平衡方程可得公式(14):
其中,G为车辆总重力;f为滚动阻力系数;CD为空气阻力系数;A为车辆迎风面积。
由于滚动阻力占据比例很大,为方便计算,忽略空气阻力,即可容易计算出铺装平滑路面的最高行驶速度v3。
此外,对于高机动转向域决策时,针对可重构无人车对越野高机动性能需求,获得最优的转向性能参数,通过已规划的最优路径,结合轨迹跟踪策略,加入复杂越野环境的动力学约束,决策出车辆转向时的控制目标,以适应复杂多变的越野工况。针对车辆不同应用场景,设计与之相对应的决策目标,通过约束来协调各参数之间的耦合,达到系统的一致性和最优。以高机动性为最终目标,实现转向避障需求、期望路径跟踪,提高转向机动性,适应不同越野道路环境。期望航向角与前轮转角决策时,首先基于规划路径生成一系列轨迹参考点,计算各轨迹参考点切线曲率,再通过轨迹参考点计算大地坐标系下的车辆期望航向角;针对期望前轮转角决策,首先建立无人驾驶车辆模型,得到车辆状态变量x和y方向的坐标以及航向角,得到输入变量纵向速度和前轮转角,将纵向速度和前轮转角输入到航向预估模型中,计算得到航向预估量,实际航向角与航向预估量相加得到最终的航向角,将期望的航向角与最终的航向角偏差输入到MPC控制器中求解得到期望的前轮转角。
在无人车进行自适应转矩矢量智能动态协调控制时,为达到目标最优自适应控制,以多自由度分布式执行器耦合器、电驱动安全性、驾驶员意图、路面复杂激励等多约束条件为参考,采取分布式多目标智能协同优化方法。运用运动学量测传感器、状态观测器,多信息融合以及复杂工况辨识等技术手段充分发挥电驱动系统可测性强的优势获取车辆运行状态、行驶工况观测估计等信息,同时,接收路径规划模块输送的期望车速、期望侧向距离和航向角。设计分层式智能车速跟踪控制策略,上层依据传感器量测车速及期望车速偏差,采用适应度模型预测决策期望整车加速度;下层依据期望值及整车逆纵向动力学原理决策期望车速跟随的纵向总驱动力。为实现高机动性,设计滑移转向轨迹跟踪控制,依据侧向位移及航向角偏差采用多约束条件下线性模型预测控制决策期望横摆力矩。电动轮无人车多行驶于砂石、泥泞、洼地、陡坡等恶劣路面条件,车辆需求功率呈现无序瞬态波动态势,提出基于LVQ神经网络配合马尔科夫的需求功率预测模块,通过感知融合层对工况数据信息等实时采集,输入至LVQ神经网络判别工况变化类型,基于马尔科夫预测算法输出未来时刻预测功率,用以底层驱动控制决策力矩输出的修正量,由此前馈控制优化整车动力响应性与通过性。最终,下位控制器基于执行器单元、路面元素、驾驶员驱动意图等多约束限制,采取混合最优化以轮胎负荷率方差最小化和控制变动量最小化为双向优化目标智能化协调转矩矢量,最大化提升越野工况下车辆动力性,保证通过性。为实现设计对象悬架域最优防侧倾实现更高通过性目标,针对主动悬架系统非线性因素多样、干扰复杂等问题,主动悬架系统精确建模存在较大困难,以二阶超螺旋滑模算法介入到抗侧倾力矩决策,提升主动悬架控制的工况适应性和抗干扰能力。通过比例分配方式计算四轮悬架主动力,采用时域硬约束方法表达执行器特性约束。
综上可知,本实施例通过采用分布式电驱动方式,可根据各个车轮与路面之间的接触情况,独立调节各轮的转矩转速,以实现差速差扭控制,这种电控的方式使得车辆更能适应复杂的道路工况,有助于提升车辆的机动性。
本发明实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图3所示的方法。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。此外,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
Claims (10)
1.一种可重构轮履通用分布式驱动无人车,其特征在于,所述无人车包括车首模块、车尾模块和/或车中模块,所述车首模块、所述车中模块和所述车尾模块之间的连接位置设有对接面,所述对接面上设有接插销轴和接插件;
其中,所述车首模块、所述车中模块和所述车尾模块均包括:
平台承载系统;
动力系统,所述动力系统设置于所述平台承载系统内部;
驱动系统,所述驱动系统设置于所述平台承载系统下部;
行驶系统,所述行驶系统设置于所述动力系统和所述平台承载系统的中间位置,用于连接所述动力系统和所述平台承载系统。
2.根据权利要求1所述的一种可重构轮履通用分布式驱动无人车,其特征在于,所述平台承载系统包括车体,所述车体上设有横梁和纵梁。
3.根据权利要求2所述的一种可重构轮履通用分布式驱动无人车,其特征在于,所述动力系统包括:
动力电池,所述动力电池固定于所述车体最下层的平板上;
电动液压单元,所述电动液压单元固定于所述车体上,所述电动液压单元包括电压液压泵、储油箱和阀件。
4.根据权利要求1所述的一种可重构轮履通用分布式驱动无人车,其特征在于,所述行驶系统包括单纵臂独立悬架和油气弹簧,所述单纵臂独立悬架和油气弹簧成V字形组合。
5.根据权利要求2所述的一种可重构轮履通用分布式驱动无人车,其特征在于,所述驱动系统包括驱动制动一体化电动轮,所述驱动制动一体化电动轮通过悬架的纵摆臂与所述车体连接。
6.一种应用于权利要求1-5任一项所述的可重构轮履通用分布式驱动无人车的控制方法,其特征在于,包括以下步骤:
获取所述无人车所在位置的感知单元输出数据序列,所述输出数据序列包括三维空间信息、车辆状态信息、道路场景信息和无人机信息;
根据所述输出数据序列构建高斯混合模型;
对所述输出数据序列进行聚类分析后,通过所述高斯混合模型和模糊理论对聚类分析后的所述输出数据序列进行处理,得到工况分类信息;
计算所述无人车在所有可行驶方向上与障碍物发生碰撞的时间,并构造碰撞时间直方图;
根据所述碰撞时间直方图计算得到行驶方向和行驶速度;
根据所述工况分类信息、所述行驶方向和所述行驶速度,对所述无人车进行多重路径搜索;
对所述多重路径搜索结果进行加权评估,得到目标规划路径;
控制所述无人车以所述目标规划路径行驶。
7.根据权利要求6所述的一种可重构轮履通用分布式驱动无人车的控制方法,其特征在于,所述根据所述碰撞时间直方图计算得到行驶速度,包括:
根据碰撞时间直方图计算路径曲率;
将所述路径曲率、横向误差和路面附着隶属度输入到模糊控制器,得到不同路面的期望数据,所述不同路面包括松软越野路面、山区硬路面和铺装平滑路面;
计算所述不同路面上车速阈值。
8.根据权利要求7所述的一种可重构轮履通用分布式驱动无人车的控制方法,其特征在于,当无人车行驶位置包括松软越野路面,所述计算所述不同路面上车速阈值,包括:
通过如下公式计算所述无人车在所述松软越野路面的最高行驶速度:
v1=Pmax/(Fs+Fp)
其中,v1为所述无人车在所述松软越野路面的最高行驶速度,Pmax为发动机最大功率,Fp为松软路面上的推土阻力,Fs为无人车轮的土壤阻力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210814656.1A CN115107904B (zh) | 2022-07-12 | 2022-07-12 | 可重构轮履通用分布式驱动无人车及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210814656.1A CN115107904B (zh) | 2022-07-12 | 2022-07-12 | 可重构轮履通用分布式驱动无人车及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115107904A true CN115107904A (zh) | 2022-09-27 |
CN115107904B CN115107904B (zh) | 2023-09-05 |
Family
ID=83331649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210814656.1A Active CN115107904B (zh) | 2022-07-12 | 2022-07-12 | 可重构轮履通用分布式驱动无人车及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115107904B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118031974A (zh) * | 2024-04-12 | 2024-05-14 | 中国民航大学 | 城市物流无人机路径规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200181879A1 (en) * | 2018-12-11 | 2020-06-11 | SafeAI, Inc. | Techniques for kinematic and dynamic behavior estimation in autonomous vehicles |
CN111873782A (zh) * | 2019-10-24 | 2020-11-03 | 中国北方车辆研究所 | 一种无人车辆轮毂电机模块化行驶驱动系统 |
CN112509056A (zh) * | 2020-11-30 | 2021-03-16 | 中国人民解放军32181部队 | 一种动态战场环境实时路径规划系统及方法 |
CN113401107A (zh) * | 2021-07-29 | 2021-09-17 | 中国人民解放军国防科技大学 | 信息收集过程中的三轴无人车自主调整策略及系统 |
CN114326696A (zh) * | 2020-09-30 | 2022-04-12 | 百度(美国)有限责任公司 | 用于自动驾驶车辆中使用的控制器的自动参数调整框架 |
CN216684055U (zh) * | 2021-12-27 | 2022-06-07 | 万勋科技(深圳)有限公司 | 具有独立驱动模块的移动底盘单元、移动底盘及移动小车 |
-
2022
- 2022-07-12 CN CN202210814656.1A patent/CN115107904B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200181879A1 (en) * | 2018-12-11 | 2020-06-11 | SafeAI, Inc. | Techniques for kinematic and dynamic behavior estimation in autonomous vehicles |
CN111873782A (zh) * | 2019-10-24 | 2020-11-03 | 中国北方车辆研究所 | 一种无人车辆轮毂电机模块化行驶驱动系统 |
CN114326696A (zh) * | 2020-09-30 | 2022-04-12 | 百度(美国)有限责任公司 | 用于自动驾驶车辆中使用的控制器的自动参数调整框架 |
CN112509056A (zh) * | 2020-11-30 | 2021-03-16 | 中国人民解放军32181部队 | 一种动态战场环境实时路径规划系统及方法 |
CN113401107A (zh) * | 2021-07-29 | 2021-09-17 | 中国人民解放军国防科技大学 | 信息收集过程中的三轴无人车自主调整策略及系统 |
CN216684055U (zh) * | 2021-12-27 | 2022-06-07 | 万勋科技(深圳)有限公司 | 具有独立驱动模块的移动底盘单元、移动底盘及移动小车 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118031974A (zh) * | 2024-04-12 | 2024-05-14 | 中国民航大学 | 城市物流无人机路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115107904B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Advanced motion control and sensing for intelligent vehicles | |
CN112622886B (zh) | 一种综合考虑前后障碍物的重型营运车辆防碰撞预警方法 | |
US20240001928A1 (en) | Predictive energy and motion management for multitrailer heavy-duty vehicles | |
CN112977411A (zh) | 一种智能底盘控制方法及装置 | |
CN116499486B (zh) | 一种复杂越野环境路径规划方法、系统及电子设备 | |
CN115107904B (zh) | 可重构轮履通用分布式驱动无人车及其控制方法 | |
US20230249709A1 (en) | Architecture For Variable Motion Control Envelope | |
Morsali et al. | Real-time velocity planning for heavy duty truck with obstacle avoidance | |
Skrickij et al. | Review of integrated chassis control techniques for automated ground vehicles | |
Tota et al. | Steering behavior of an articulated amphibious all-terrain tracked vehicle | |
CN112078302B (zh) | 用于确定车桥负载的系统和方法 | |
Currier | A method for modeling and prediction of ground vehicle dynamics and stability in autonomous systems | |
CN116933384A (zh) | 基于管路压力与轴荷动态分配的车辆制动性能优化方法 | |
CN116039672A (zh) | 一种面向自动驾驶决策控制功能的数据-模型后端融合方法 | |
CN116049608A (zh) | 一种非结构性路面下的路面峰值附着系数估计方法及系统 | |
Wang et al. | A double-layered nonlinear model predictive control based control algorithm for local trajectory planning for automated trucks under uncertain road adhesion coefficient conditions | |
CN115712950A (zh) | 一种用于半拖挂汽车的自动驾驶决策方法 | |
CN115214382A (zh) | 一种基于车路协感知融合的纯电动车能耗优化方法、系统和装置 | |
Lee et al. | Robust control based on DOBC for improving lateral string stability of truck platooning | |
Li et al. | Attitude control of the vehicle with six in-wheel drive and adaptive hydro pneumatic suspensions | |
Hamid et al. | UGV locomotion system for rough terrain | |
Tramacere et al. | Local trajectory planning for autonomous racing vehicles based on the Rapidly-Exploring Random Tree algorithm | |
Laneve | Traction Control System development for an AWD hybrid vehicle | |
Lu et al. | A study of lateral trajectory tracking control under fused slip rate and road random inputs | |
Tong et al. | Computer-Based Analysis of the Dynamic Performance of Log Hauling Trucks |
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 |