CN115179963A - 自动驾驶车辆换道的容错控制方法、介质、系统及汽车 - Google Patents

自动驾驶车辆换道的容错控制方法、介质、系统及汽车 Download PDF

Info

Publication number
CN115179963A
CN115179963A CN202210839980.9A CN202210839980A CN115179963A CN 115179963 A CN115179963 A CN 115179963A CN 202210839980 A CN202210839980 A CN 202210839980A CN 115179963 A CN115179963 A CN 115179963A
Authority
CN
China
Prior art keywords
vehicle
representing
front wheel
optimal
control
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.)
Pending
Application number
CN202210839980.9A
Other languages
English (en)
Inventor
边有钢
何庆
张立钦
秦兆博
秦晓辉
胡满江
秦洪懋
徐彪
谢国涛
王晓伟
丁荣军
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202210839980.9A priority Critical patent/CN115179963A/zh
Publication of CN115179963A publication Critical patent/CN115179963A/zh
Pending legal-status Critical Current

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
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • 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
    • B60W30/02—Control of vehicle driving stability
    • B60W30/045—Improving turning performance
    • 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
    • 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
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/022—Actuator failures
    • 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)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种自动驾驶车辆换道的容错控制方法、介质、系统及汽车，包括：获取车辆当前的状态信息、期望的路径信息，建立离散跟踪误差变量的状态方程模型；分别将采用最佳的前轮转角实现最佳的路径、生成最佳的额外横摆力矩实现最佳的横向稳定性能作为TFC、DYC的目标构建代价函数；将前轮执行的失效系数α引入构建好的代价函数得到时变代价函数，根据车辆实时运行时α的大小改变时变代价函数的控制量权重；求解最优控制量，将最优控制量作用于自动驾驶车辆，使车辆完成换道操作。构建两个目标的代价函数，通过动态博弈理论求解最佳的控制策略。并通过实时获取α，动态调整权重系数，使车辆能够顺利完成换道操作。

Description

自动驾驶车辆换道的容错控制方法、介质、系统及汽车
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶车辆换道的容错控制方法、介质、系统及汽车。
背景技术
轨迹跟踪控制(Trajectory Following Control,TFC)是自动驾驶车辆控制方向的关键技术之一，其目标是根据规划后的轨迹和车辆的实时状态信息得到车辆的控制量，如前轮转角，以保证车辆按照期望的轨迹行驶，其跟踪的精确性会直接影响自动驾驶车辆性能和安全。但是在某些极限工况下，由于轮胎的侧偏力趋近饱和，车辆的横向稳定性能会变差，导致跟踪控制效果恶化。所有在原有基础上引入直接横摆力矩控制(Direct yawmoment control,DYC)，其可以通过调节车轮的受力状态，使车辆产生附加的横摆力矩，对车辆的横向稳定性进行控制。因此，为了改善轨迹跟踪效果，将直接横摆力矩控制与转向系统协调控制，可以提高车辆的横向稳定性能。
由于车辆的耦合特性，TFC与DYC通常在车辆运行过程中以交互方式运行，即每个控制其的控制量可能取决于另一控制器的控制量，所以可以使用博弈论来进行研究。博弈论作为研究具有斗争和竞争性质现象的数学理论和方法，广泛应用于经济、政治等冲突决策领域。而非合作博弈作为动态博弈论的一种，能够有效解决多个参与者控制权分配问题。通过将TFC和DYC定义为具有不同控制对象的两个参与者，实现它们之间的交互控制，提升车辆的横向稳定性能和路径跟踪能力。博弈论的引入为探索控制的鲁棒性提供了一个很好的框架，在降低复杂度的同时增强协同作用以及扩展性。
申请号为202111180026.5的专利公开了一种基于博弈论的商用横向轨迹跟随与稳定性协同控制方法，首先建立三自由度的车辆模型，并构造车路模型，进而构造性能指标函数，通过动态规划原理进行求解。然而，使用的三自由度车辆模型是基于主动前轮转向建立，是通过估计前轮转角辅助驾驶员操纵实现稳定车辆的目的；而使用车辆跟踪误差模型计算方便，且具有普适性；但是并未考虑前轮转角发生故障的情况，其代价函数是固定不变的，当前轮转向执行机构发生故障时，可能会导致预期的行为，例如换道，无法正常完成，进而导致事故的发生。
发明内容
本发明提供了一种自动驾驶车辆换道的容错控制方法、介质、系统及汽车。在车辆换道过程中，TFC和DYC分别以最优化路径跟踪性能和车辆的横向稳定性能为目标，通过动态博弈理论求解最佳的控制策略。并且在车辆换道过程中，考虑执行器失效情况，通过实时获取前轮执行的失效系数，动态调整权重系数，使车辆能够在前轮转向发生部分失效或者完全失效的情况下顺利完成换道操作，避免发生事故。
第一方面，本发明提供了一种自动驾驶车辆换道的容错控制方法，包括：
获取车辆当前的状态信息、期望的路径信息，进而建立离散跟踪误差变量的状态方程模型；
将采用最佳的前轮转角实现最佳的路径跟踪性能作为轨迹跟踪控制(TFC)的目标构建代价函数J1，将生成最佳的额外横摆力矩实现最佳的横向稳定性能作为直接横摆力矩控制(DYC)的目标构建代价函数J2；
根据执行器的故障模型得到前轮执行的失效系数，并将前轮执行的失效系数引入构建好的代价函数得到时变代价函数，进而根据车辆实时运行时前轮执行的失效系数的大小，相应改变轨迹跟踪控制和直接横摆力矩控制的时变代价函数的控制量权重；
基于动态博弈理论求解最优控制量，即最优前轮转角和最优额外横摆力矩；
将最优控制量作用于自动驾驶车辆，使车辆完成换道操作。
进一步地，所述状态信息包括，车辆纵向速度、车辆横向速度、车辆当前航向角、车辆当前横摆角速度、车辆当前位置信息；所述期望的路径信息包括，参考点期望位置信息、参考点期望航向角、参考点曲率。
进一步地，所述离散跟踪误差变量的状态空间方程模型为：
Figure BDA0003750510910000021
其中，
Figure BDA0003750510910000022
Figure BDA0003750510910000031
X(k)表示k时刻的系统状态，
Figure BDA0003750510910000032
其中，e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；n表示离散化区间；δf表示车辆前轮转角；ΔM表示车辆额外横摆力矩；
Figure BDA0003750510910000033
表示由道路曲率决定的横摆脚速度，
Figure BDA0003750510910000034
vx表示车辆纵向速度，ρ表示参考点曲率；Cαf表示车辆前轮侧偏刚度；Cαr表示车辆后轮侧偏刚度；lf表示车辆质心到前轴的距离；lr表示车辆质心到后轴的距离；m表示车辆质量；Iz表示绕车辆z轴转动惯量；Ts表示采样时间。
进一步地，所述的代价函数J1和J2分别为：
Figure BDA0003750510910000035
Figure BDA0003750510910000036
其中，
Figure BDA0003750510910000037
Figure BDA0003750510910000038
Np表示预测时域；X(k+i)表示k+i时刻的系统状态；Q1、Q2表示系统状态权重矩阵；qe1表示e1的权重系数；qe2表示e2的权重系数；
Figure BDA0003750510910000039
表示
Figure BDA00037505109100000310
的权重系数；
Figure BDA00037505109100000311
表示
Figure BDA00037505109100000312
的权重系数；e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；R11表示控制输入前轮转角的权重系数；R22表示控制输入额外横摆力矩的权重系数；δf(k+i)表示k+i时刻输入的的前轮转角控制量；ΔM(k+i)表示k+i时刻输入的额外横摆力矩控制量；
进一步地，所述执行器故障模型为：
Figure BDA0003750510910000041
其中，
Figure BDA0003750510910000042
为实际的前轮转向角；
Figure BDA0003750510910000043
为控制输入的前轮转角；α为前轮执行的失效系数，0≤α≤1，当α＝0时，表示前轮转向无故障；当α＝1时，表示前轮转向完全失效。
进一步地，根据失效系数的大小变化，所述代价函数的控制量权重为：
当0≤α＜1,，即前轮部分失效时：
Figure BDA0003750510910000044
Figure BDA0003750510910000045
其中,ω1≥1,ω2≤1；
Figure BDA0003750510910000046
表示变化后控制输入前轮转角的权重系数；ω1表示控制输入前轮转角的增益系数；R11表示控制输入前轮转角的权重系数；
Figure BDA0003750510910000047
表示变化后控制输入额外横摆力矩的权重系数；ω2表示控制输入额外横摆力矩的增益系数；R22表示原控制输入额外横摆力矩的权重系数；
当α＝1，即前轮完全失效时：
Figure BDA0003750510910000048
Figure BDA0003750510910000049
其中，ω＜1；INF表示无穷大；ω表示当α＝1时控制输入额外横摆力矩的增益系数；
进一步地，所述最优额外横摆力矩无法直接作用于车辆，进而对车辆4个车轮的驱动力矩按照车辆的前后轴载荷比对车轮的转矩进行分配，从而满足车辆总驱动力和额外横摆力矩的要求，每个车轮的驱动力矩具体分配如下：
Figure BDA00037505109100000410
Figure BDA00037505109100000411
Figure BDA00037505109100000412
Figure BDA00037505109100000413
其中，Tfl表示车辆左前轮的驱动力矩；Tfr表示车辆右前轮的驱动力矩；Trl表示车辆左后轮的驱动力矩；Trr表示车辆右后轮的驱动力矩；Fdes表示总纵向驱动力；m表示车辆总质量；g表示重力加速度；lr表示车辆质心到后轴的距离；lf表示车辆质心到前轴的距离；ΔMNash表示基于动态博弈求解的额外横摆力矩；ax表示车辆纵向加速度；hc表示车辆质心高度；L表示车辆轴距；r表示车轮滚动半径；W表示轮距。
第二方面，本发明提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序适用于被处理器加载并执行如上所述的自动驾驶车辆换道的容错控制方法。
第三方面，本发明提供了一种自动驾驶车辆换道的容错控制系统，包括：
轨迹规划模块、故障诊断模块、自动驾驶车辆驱动子系统、自动驾驶车辆转向子系统、基于动态博弈的自动驾驶车辆换道的容错控制器；
轨迹规划模块用于提供期望的路径信息；
故障诊断模块用于执行器的故障模型根据前轮转角实时估计前轮执行的失效系数；
自动驾驶车辆驱动子系统用于执行机构驱动车辆完成纵向运动；
自动驾驶车辆转向子系统用于执行机构驱动车辆完成横向运动；
基于动态博弈的自动驾驶车辆换道的容错控制器用于根据车辆当前的状态信息、期望的路径信息，建立离散跟踪误差变量的状态方程模型；基于建立的离散跟踪误差变量的状态方程模型，应用最佳的前轮转角实现最佳的路径跟踪性能作为轨迹跟踪控制的目标构建代价函数J1，将生成最佳的额外横摆力矩实现最佳的横向稳定性能作为直接横摆力矩控制的目标构建代价函数J2；进而将前轮执行的失效系数引入构建好的代价函数得到时变代价函数，根据车辆实时运行时前轮执行的失效系数的大小相应改变时变代价函数的控制量权重；计算最优控制量，进而将最优控制量作用于自动驾驶车辆的驱动子系统和自动驾驶车辆的转向子系统。
第四方面，本发明提供了一种汽车，所述汽车包括如上所述的自动驾驶车辆换道的容错控制系统。
有益效果
本发明提出的一种自动驾驶车辆换道的容错控制方法、介质、系统及汽车，具有以下优点：
(1)基于动态博弈的TFC-DYC控制器设计,在降低计算复杂度的同时增强协同作用以及可扩展性；从轨迹跟踪的角度出发，建立关于轨迹跟踪误差的动力学模型，为了同时保证路径跟踪性能和横向稳定性能，根据动态博弈理论设计控制器进行求解，提升自动驾驶车辆性能。
(2)时变代价函数的容错设计,可以在车辆换道前轮转向发生故障导致失效的情况下，从安全的角度出发，在车辆的运行过程中，实时估计前轮失效系数，进而设计时变的代价函数，实现TFC和DYC两者权重的变化，使得自动驾驶车辆在前轮转向执行机构发生故障的前提下顺利完成换道等操作，保证安全，避免事故发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明提供的车辆动力学模型示意图；
图2是是本发明提供的车辆跟踪误差模型示意图；
图3是本发明提供的一种自动驾驶车辆换道的容错控制方法的流程图；
图4是本发明提供的一种自动驾驶车辆换道的容错控制系统的架构图；
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
实施例1
如图1-3所示，本发明提供了一种自动驾驶车辆换道的容错控制方法，包括以下步骤：
步骤1：获取车辆当前的状态信息，包括车辆纵向速度vx(m/s)、车辆横向速度vy(m/s)、车辆当前航向角
Figure BDA0003750510910000061
车辆当前横摆角速度
Figure BDA0003750510910000062
车辆当前位置信息(x,y)；获取期望的轨迹信息，包括参考点位置信息(xr,yr)、参考点期望航向角
Figure BDA0003750510910000063
参考点曲率ρ。
步骤2：如图1所示，以车辆横向位置x和车辆航向角角
Figure BDA0003750510910000064
为自由度的二自由度车辆的自行车模型。忽略路面坡度，沿Y轴应用牛顿第二定律，可以得到横向平移运动的动力学方程：
Figure BDA0003750510910000065
其中，m表示车辆质量；y表示纵向位置信息；
Figure BDA0003750510910000066
为车辆当前航向角；vx表示车辆纵向速度；Fyf表示前轮的胎侧向力；Fyr表示后轮的轮胎侧向力。
根据绕z轴的转矩平衡方程可得到横摆动力学方程：
Figure BDA0003750510910000067
其中，Iz表示绕z轴转动惯量；lf表示车辆质心到前轴的距离；lr表示车辆质心到后轴的距离；ΔM表示额外横摆力矩。
当轮胎侧偏角较小时，轮胎的侧向力于轮胎的侧偏角成正比，则车辆前轮的侧向力为：
Fyf＝2Cαf(δf-θf) (3)
其中，Fyf表示车辆前轮的侧向力；Cαf表示前轮侧偏刚度；δf表示前轮转角；θf表示前轮速度角；
同理，车辆后轮的侧向力可以表示为：
Fyr＝2Cαr(-θr) (4)
其中，Fyf表示车辆后轮的侧向力；Cαr表示后轮侧偏刚度；θr表示后轮速度角。
且
Figure BDA0003750510910000071
Figure BDA0003750510910000072
进而建立跟踪误差变量的状态方程模型，如图2所示，p0表示车辆的质心，p1表示期望路径上所对应的最近点。
定义：
Figure BDA0003750510910000073
Figure BDA0003750510910000074
其中，e1表示从车辆质心到期望路径对应最近点的距离；
定义：
Figure BDA0003750510910000075
Figure BDA0003750510910000076
其中，e2表示相对车道的车辆方向误差；
Figure BDA0003750510910000077
表示由道路曲率决定的横摆角速度，
Figure BDA0003750510910000078
ρ为参考点曲率；
联立(1)-(10)，得到跟踪误差变量的状态方程模型：
Figure BDA0003750510910000079
其中，
Figure BDA0003750510910000081
Figure BDA0003750510910000082
X表示系统状态量。
为了满足控制器设计的需求，使用零阶保持方法对方程(11)进行离散化，最终得到离散的状态空间方程：
Figure BDA0003750510910000083
其中，X(k)表示k时刻的系统状态，
Figure BDA0003750510910000084
e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；n表示离散化区间；Ts表示采样时间。
步骤3：将轨迹跟踪控制和直接横摆力矩控制视为两个独立的参与者，将采用最佳的前轮转角实现最佳的路径跟踪性能作为轨迹跟踪控制的目标构建代价函数J1，将生成最佳的额外横摆力矩实现最佳的横向稳定性能作为直接横摆力矩控制的目标构建代价函数J2；
Figure BDA0003750510910000085
Figure BDA0003750510910000086
其中，
Figure BDA0003750510910000087
Figure BDA0003750510910000091
Np表示预测时域；X(k+i)表示k+i时刻的系统状态；Q1、Q2表示系统状态权重矩阵；qe1表示e1的权重系数；qe2表示e2的权重系数；
Figure BDA0003750510910000092
表示
Figure BDA0003750510910000093
的权重系数；
Figure BDA0003750510910000094
表示
Figure BDA0003750510910000095
的权重系数；R11表示控制输入前轮转角的权重系数；R22表示控制输入额外横摆力矩的权重系数；δf(k+i)表示k+i时刻输入的的前轮转角控制量；ΔM(k+i)表示k+i时刻输入的额外横摆力矩控制量；
步骤4：汽车车轮转向故障主要体现为转向执行机构部分失效或者完全失效，可能会导致车辆在前轮接受到转向的指令时无法获取实际的预期转向。因此，将前轮转向控制指令的损失看成是车辆转向机构控制效能的下降，将前轮执行的失效系数定义为α，0≤α≤1，当α＝0时，表示前轮转向没有故障，当α＝1时，表示前轮转向完全失效，建立执行器故障模型：
Figure BDA0003750510910000096
其中，
Figure BDA0003750510910000097
表示实际的前轮转向角；
Figure BDA0003750510910000098
表示控制输入的前轮转角。
车辆的换道操作等需要转动方向盘使前轮发生转向，当前轮转向执行机构发生部分失效或者完全失效时，会导致前轮转角无法达到预期控制量输入转角。控制器按照原有规则计算期望前轮转角和额外横摆力矩，在无任何补偿操作的情况下，车辆无法完成正常换道，从而引发严重的后果。由此，将前轮执行的失效系数α引入构建的代价函数中得到时变代价函数。通过实时获取前轮执行机构的失效系数α的大小，动态调整代价函数的控制量权重系数，实现TFC和DYC两者权重的变化。改变对应的控制量权重R，当Rii值越大时，所对应的控制量将会越小。当前轮完全失效时，将TFC的控制权重变为无限大，DYC的控制权重适当减小，可以实现当前轮转角量为零时，单独依靠额外横摆力矩来进行转向。
当0≤α＜1,即部分失效时：
Figure BDA0003750510910000099
Figure BDA00037505109100000910
式中，
Figure BDA00037505109100000911
表示变化后控制输入前轮转角的权重系数；ω1表示控制输入前轮转角的增益系数；R11表示控制输入前轮转角的权重系数；
Figure BDA00037505109100000912
表示变化后控制输入额外横摆力矩的权重系数；ω2表示控制输入额外横摆力矩的增益系数；R22表示控制输入额外横摆力矩的权重系数；其中，ω1≥1，ω2≤1。
当α＝1，即完全失效时：
Figure BDA0003750510910000101
Figure BDA0003750510910000102
式中，INF表示无穷大；ω表示当α＝1时控制输入额外横摆力矩的增益系数，ω＜1。
步骤5：基于动态博弈理论求解最优控制量，其过程具体包括：
根据纳什均衡理论，基于线性二次(Linear Quadratic,LQ)微分博弈的思想建立出一组耦合的黎卡提方程，通过迭代来进行求解。
在非合作博弈中，纳什均衡理论被定义为一种控制行为组合，其性质是如果只有一个参与者改变了自己的决定，而其他的参与者坚持他们自己的选择，那么将没有一个参与者收益。将此概念转换为TFC-DYC非合作博弈时，控制行为组合为
Figure BDA0003750510910000103
Figure BDA0003750510910000104
表示前轮转角的纳什解，ΔMNash表示额外横摆力矩的纳什解，并且满足以下条件：
Figure BDA0003750510910000105
Figure BDA0003750510910000106
其中，
Figure BDA0003750510910000107
表示前轮转角的最优解；ΔM*表示额外横摆力矩的最优解。
对上述优化问题建立对应的哈密尔顿函数，表示为：
Figure BDA0003750510910000108
其中，u1表示前轮转角；u2表示额外横摆力矩；j为参与者，即TFC和DYC。
其正则方程和终端约束为：
Figure BDA0003750510910000109
由于ui不受约束，根据
Figure BDA00037505109100001010
可以得到：
Figure BDA00037505109100001011
Figure BDA00037505109100001012
其中，λ1(k+τ+1)、λ2(k+τ+1)表示满足正则方程和终端约束的伴随变量；
因为λ与X具有线性关系，即：
λi(k+τ)＝Pi(k+τ)X(k+τ) (24)
其中，Pi(k+τ)表示正定矩阵；
忽略噪声道路参考信号
Figure BDA0003750510910000118
将式(22)～式(24)代入式(12)，得到：
Figure BDA0003750510910000111
将式(22)、式(23)代入式(20)、式(21)：
Figure BDA0003750510910000112
Figure BDA0003750510910000113
其中，I表示单位矩阵。
将式(24)、式(25)代入式(21),可以得到一个耦合的黎卡提方程，可以通过迭代的方式来计算Pi(k+τ)：
Figure BDA0003750510910000114
Figure BDA0003750510910000115
其中，终端条件为P1(k+Np)＝Q1和P2(k+Np)＝Q2。
步骤6：因为额外横摆力矩无法直接作用于车辆，在通过式(26)～式(29)迭代求解最优的前轮转角和最优目标额外横摆力矩之后，需要对4个车轮的驱动力矩进行分配，使其满足总驱动力和额外横摆力矩的要求。为了提高较低轴载荷对应车轮的稳定裕度，按照前后轴载荷比对车轮的转矩进行分配。
车辆的前后轴载荷计算公式为：
Figure BDA0003750510910000116
Figure BDA0003750510910000117
式中，Fzf表示车辆的前轴载荷；Fzr表示车辆的后轴载荷；m表示车辆质量；g表示重力加速度；lr表示车辆质心到后轴的距离；ax表示车辆纵向加速度；hc表示车辆质心高度；L表示车辆轴距；lf表示车辆质心到前轴的距离。
为了满足总驱动力的要求，各个车轮的转矩应该满足：
Figure BDA0003750510910000121
Figure BDA0003750510910000122
Tfl+Tfr+Trl+Trr＝Fdesr
Figure BDA0003750510910000123
其中，Fxj表示车辆前后轮胎纵向受力，j＝fl,fr,rl,rr；r表示车轮滚动半径；W表示轮距；Tfl表示车辆左前轮的驱动力矩；Tfr表示车辆右前轮的驱动力矩；Trl表示车辆左后轮的驱动力矩；Trr表示车辆右后轮的驱动力矩。
各个车轮的转矩与驱动力之间的关系为：
Tfl＝rFxfl
Tfr＝rFxfr
Trl＝rFxrl
Trr＝rFxrr (32)
联立式(27)～式(29)得到每个车轮的驱动力矩为：
Figure BDA0003750510910000124
Figure BDA0003750510910000125
Figure BDA0003750510910000126
Figure BDA0003750510910000127
其中，Fdes表示总纵向驱动力；
步骤7：将得到的最优控制量
Figure BDA0003750510910000128
将其作用于车辆，使车辆运动，更新车辆状态。然后步骤1重新获取车辆状态，开始新一轮的控制量计算。
实施例2
本实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序适用于被处理器加载并执行如上所述的自动驾驶车辆换道的容错控制方法。
应当理解，在本发明实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
所述可读存储介质为计算机可读存储介质，其可以是前述任一实施例所述的控制器的内部存储单元，例如控制器的硬盘或内存。所述可读存储介质也可以是所述控制器的外部存储设备，例如所述控制器上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述可读存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述可读存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
基于这样的理解，本发明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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
实施例3
本实施例提供了一种自动驾驶车辆换道的容错控制系统，包括：
轨迹规划模块、故障诊断模块、自动驾驶车辆驱动子系统、自动驾驶车辆转向子系统、基于动态博弈的自动驾驶车辆换道的容错控制器；
轨迹规划模块用于提供期望的路径信息；
故障诊断模块用于执行器的故障模型根据前轮转角实时估计前轮执行的失效系数；
自动驾驶车辆驱动子系统用于执行机构驱动车辆完成纵向运动；
自动驾驶车辆转向子系统用于执行机构驱动车辆完成横向运动；
基于动态博弈的自动驾驶车辆换道的容错控制器用于根据车辆当前的状态信息、期望的路径信息，建立离散跟踪误差变量的状态方程模型；基于建立的离散跟踪误差变量的状态方程模型，应用最佳的前轮转角实现最佳的路径跟踪性能作为轨迹跟踪控制的目标构建代价函数J1，将生成最佳的额外横摆力矩实现最佳的横向稳定性能作为直接横摆力矩控制的目标构建代价函数J2；进而将前轮执行的失效系数引入构建好的代价函数得到时变代价函数，根据车辆实时运行时前轮执行的失效系数的大小相应改变时变代价函数的控制量权重；计算最优控制量，进而将最优控制量作用于自动驾驶车辆的驱动子系统和自动驾驶车辆的转向子系统。
实施例4
本实施例提供了一种汽车，所述汽车采用了如实施例3所述的自动驾驶车辆换道的容错控制系统。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种自动驾驶车辆换道的容错控制方法，其特征在于，包括：
获取车辆当前的状态信息、期望的路径信息，进而建立离散跟踪误差变量的状态方程模型；
将采用最佳的前轮转角实现最佳的路径跟踪性能作为轨迹跟踪控制的目标构建代价函数J1，将生成最佳的额外横摆力矩实现最佳的横向稳定性能作为直接横摆力矩控制的目标构建代价函数J2；
根据执行器的故障模型得到前轮执行的失效系数，并将前轮执行的失效系数引入构建好的代价函数得到时变代价函数，进而根据车辆实时运行时前轮执行的失效系数的大小，相应改变轨迹跟踪控制和直接横摆力矩控制的时变代价函数的控制量权重；
基于动态博弈理论求解最优控制量，即最优前轮转角和最优额外横摆力矩；
将最优控制量作用于自动驾驶车辆，使车辆完成换道操作。
2.根据权利要求1所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述状态信息包括，车辆纵向速度、车辆横向速度、车辆当前航向角、车辆当前横摆角速度、车辆当前位置信息；所述期望的路径信息包括，参考点期望位置信息、参考点期望航向角、参考点曲率。
3.根据权利要求1所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述离散跟踪误差变量的状态空间方程模型为：
Figure FDA0003750510900000011
其中，
Figure FDA0003750510900000012
Figure FDA0003750510900000021
X(k)表示k时刻的系统状态，
Figure FDA0003750510900000022
其中，e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；n表示离散化区间；δf表示车辆前轮转角；ΔM表示车辆额外横摆力矩；
Figure FDA0003750510900000023
表示由道路曲率决定的横摆角速度，
Figure FDA0003750510900000024
vx表示车辆纵向速度，ρ表示参考点曲率；Cαf表示车辆前轮侧偏刚度；Cαr表示车辆后轮侧偏刚度；lf表示车辆质心到前轴的距离；lr表示车辆质心到后轴的距离；m表示车辆质量；Iz表示绕车辆z轴转动惯量；Ts表示采样时间。
4.根据权利要求1所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述的代价函数J1和J2分别为：
Figure FDA0003750510900000025
Figure FDA0003750510900000026
其中，
Figure FDA0003750510900000027
Figure FDA0003750510900000028
Np表示预测时域；X(k+i)表示k+i时刻的系统状态；Q1、Q2表示系统状态权重矩阵；qe1表示e1的权重系数；qe2表示e2的权重系数；
Figure FDA00037505109000000211
表示
Figure FDA0003750510900000029
的权重系数；
Figure FDA00037505109000000212
表示
Figure FDA00037505109000000210
的权重系数；e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；R11表示控制输入前轮转角的权重系数；R22表示控制输入额外横摆力矩的权重系数；δf(k+i)表示k+i时刻输入的的前轮转角控制量；ΔM(k+i)表示k+i时刻输入的额外横摆力矩控制量。
5.根据权利要求4所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述执行器故障模型为：
Figure FDA0003750510900000031
其中，
Figure FDA0003750510900000032
为实际的前轮转向角；
Figure FDA0003750510900000033
为控制输入的前轮转角；α为前轮执行的失效系数，0≤α≤1，当α＝0时，表示前轮转向无故障；当α＝1时，表示前轮转向完全失效。
6.根据权利要求5所述的自动驾驶车辆换道的容错控制方法，其特征在于，根据前轮执行的失效系数的大小变化，所述代价函数的控制量权重为：
当0≤α＜1,，即前轮部分失效时：
Figure FDA0003750510900000034
Figure FDA0003750510900000035
其中,v1≥1,ω2≤1；
Figure FDA0003750510900000036
表示变化后控制输入前轮转角的权重系数；ω1表示控制输入前轮转角的增益系数；R11表示控制输入前轮转角的权重系数；
Figure FDA0003750510900000037
表示变化后控制输入额外横摆力矩的权重系数；ω2表示控制输入额外横摆力矩的增益系数；R22表示控制输入额外横摆力矩的权重系数；
当α＝1，即前轮完全失效时：
Figure FDA0003750510900000038
Figure FDA0003750510900000039
其中，ω＜1；INF表示无穷大；ω表示当α＝1时控制输入额外横摆力矩的增益系数。
7.根据权利要求1所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述最优额外横摆力矩无法直接作用于车辆，进而对车辆4个车轮的驱动力矩按照车辆的前后轴载荷比对车轮的转矩进行分配，从而满足车辆总驱动力和额外横摆力矩的要求，每个车轮的驱动力矩具体分配如下：
Figure FDA0003750510900000041
Figure FDA0003750510900000042
Figure FDA0003750510900000043
Figure FDA0003750510900000044
其中，Tfl表示车辆左前轮的驱动力矩；Tfr表示车辆右前轮的驱动力矩；Trl表示车辆左后轮的驱动力矩；Trr表示车辆右后轮的驱动力矩；Fdes表示总纵向驱动力；m表示车辆总质量；g表示重力加速度；lr表示车辆质心到后轴的距离；lf表示车辆质心到前轴的距离；ΔMNash表示基于动态博弈求解的额外横摆力矩；ax表示车辆纵向加速度；hc表示车辆质心高度；L表示车辆轴距；r表示车轮滚动半径；W表示轮距。
8.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序适用于被处理器加载并执行如权利要求1至7任一项所述的自动驾驶车辆换道的容错控制方法。
9.一种自动驾驶车辆换道的容错控制系统，其特征在于，包括：
轨迹规划模块、故障诊断模块、自动驾驶车辆驱动子系统、自动驾驶车辆转向子系统、基于动态博弈的自动驾驶车辆换道的容错控制器；
轨迹规划模块用于提供期望的路径信息；
故障诊断模块用于执行器的故障模型根据前轮转角实时估计前轮执行的失效系数；
自动驾驶车辆驱动子系统用于执行机构驱动车辆完成纵向运动；
自动驾驶车辆转向子系统用于执行机构驱动车辆完成横向运动；
基于动态博弈的自动驾驶车辆换道的容错控制器用于根据车辆当前的状态信息、期望的路径信息，建立离散跟踪误差变量的状态方程模型；基于建立的离散跟踪误差变量的状态方程模型，应用最佳的前轮转角实现最佳的路径跟踪性能作为轨迹跟踪控制的目标构建代价函数J1，将生成最佳的额外横摆力矩实现最佳的横向稳定性能作为直接横摆力矩控制的目标构建代价函数J2；进而将前轮执行的失效系数引入构建好的代价函数得到时变代价函数，根据车辆实时运行时前轮执行的失效系数的大小相应改变时变代价函数的控制量权重；计算最优控制量，进而将最优控制量作用于自动驾驶车辆的驱动子系统和自动驾驶车辆的转向子系统。
10.一种汽车，其特征在于，所述汽车包括如权利要求9所述的自动驾驶车辆换道的容错控制系统。
CN202210839980.9A 2022-07-18 2022-07-18 自动驾驶车辆换道的容错控制方法、介质、系统及汽车 Pending CN115179963A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210839980.9A CN115179963A (zh) 2022-07-18 2022-07-18 自动驾驶车辆换道的容错控制方法、介质、系统及汽车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210839980.9A CN115179963A (zh) 2022-07-18 2022-07-18 自动驾驶车辆换道的容错控制方法、介质、系统及汽车

Publications (1)

Publication Number Publication Date
CN115179963A true CN115179963A (zh) 2022-10-14

Family

ID=83518968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210839980.9A Pending CN115179963A (zh) 2022-07-18 2022-07-18 自动驾驶车辆换道的容错控制方法、介质、系统及汽车

Country Status (1)

Country Link
CN (1) CN115179963A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116424353A (zh) * 2023-05-23 2023-07-14 南京航空航天大学 一种基于分布式汽车的线控底盘子系统协调控制策略
CN117400944A (zh) * 2023-12-15 2024-01-16 北京理工大学 一种轮腿式车辆速差转向控制方法、系统及电子设备
CN117784619A (zh) * 2024-02-26 2024-03-29 广东海洋大学 一种基于零和微分博弈的欠驱动无人艇容错控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012020074A1 (de) * 2011-10-10 2013-04-11 Mando Corporation Spurwechsel-Unterstützungssystem für Fahrzeuge und Spurwechsel- Unterstützungsverfahren hierfür
CN110758404A (zh) * 2019-11-28 2020-02-07 吉林大学 一种针对车辆稳定系统执行器故障的容错控制方法
CN112677992A (zh) * 2020-12-31 2021-04-20 北京理工大学 用于分布式驱动无人驾驶车辆的路径跟踪优化控制方法
CN114435399A (zh) * 2022-01-27 2022-05-06 上海工程技术大学 基于预测模型的自动驾驶汽车稳定性路径跟踪方法
CN114572251A (zh) * 2022-04-08 2022-06-03 苏州易驱汽车科技有限公司 一种预测控制的高速自动驾驶汽车轨迹跟踪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012020074A1 (de) * 2011-10-10 2013-04-11 Mando Corporation Spurwechsel-Unterstützungssystem für Fahrzeuge und Spurwechsel- Unterstützungsverfahren hierfür
CN110758404A (zh) * 2019-11-28 2020-02-07 吉林大学 一种针对车辆稳定系统执行器故障的容错控制方法
CN112677992A (zh) * 2020-12-31 2021-04-20 北京理工大学 用于分布式驱动无人驾驶车辆的路径跟踪优化控制方法
CN114435399A (zh) * 2022-01-27 2022-05-06 上海工程技术大学 基于预测模型的自动驾驶汽车稳定性路径跟踪方法
CN114572251A (zh) * 2022-04-08 2022-06-03 苏州易驱汽车科技有限公司 一种预测控制的高速自动驾驶汽车轨迹跟踪方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116424353A (zh) * 2023-05-23 2023-07-14 南京航空航天大学 一种基于分布式汽车的线控底盘子系统协调控制策略
CN116424353B (zh) * 2023-05-23 2023-11-03 南京航空航天大学 一种基于分布式汽车的线控底盘子系统协调控制策略
CN117400944A (zh) * 2023-12-15 2024-01-16 北京理工大学 一种轮腿式车辆速差转向控制方法、系统及电子设备
CN117400944B (zh) * 2023-12-15 2024-03-08 北京理工大学 一种轮腿式车辆速差转向控制方法、系统及电子设备
CN117784619A (zh) * 2024-02-26 2024-03-29 广东海洋大学 一种基于零和微分博弈的欠驱动无人艇容错控制方法
CN117784619B (zh) * 2024-02-26 2024-05-31 广东海洋大学 一种基于零和微分博弈的欠驱动无人艇容错控制方法

Similar Documents

Publication Publication Date Title
CN115179963A (zh) 自动驾驶车辆换道的容错控制方法、介质、系统及汽车
US9073566B2 (en) Road surface friction coefficient estimating device
CN110395120A (zh) 一种四轮分布式驱动客车的横摆运动控制方法
Nam et al. Model predictive control for evasive steering of an autonomous vehicle
CN111923908A (zh) 一种融合稳定性的智能汽车路径跟踪控制方法
CN111959500B (zh) 一种基于轮胎力分配的汽车路径跟踪性能提升方法
WO2022266824A1 (zh) 一种转向控制方法及装置
Zhang et al. Human-centered torque vectoring control for distributed drive electric vehicle considering driving characteristics
Zhao et al. Individual auxiliary and fault-tolerant control of steer-by-wire system considering different drivers steering characteristics
Song et al. A terminal sliding mode based torque distribution control for an individual-wheel-drive vehicle
Hsu et al. An optimal wheel torque distribution controller for automated vehicle trajectory following
Liu et al. Finite-time optimized robust control with adaptive state estimation algorithm for autonomous heavy vehicle
US20230001935A1 (en) Controlling motion of a vehicle
Németh et al. Nonlinear analysis and control of a variable-geometry suspension system
CN113753054B (zh) 一种车辆线控底盘控制方法、装置、电子设备及介质
Rengaraj et al. Integrated chassis control to improve vehicle handling dynamics performance
CN117962866A (zh) 一种面向纵横垂协同控制的车辆运动控制方法
Mu et al. Modified tire-slip-angle model for chaotic vehicle steering motion
CN116424353B (zh) 一种基于分布式汽车的线控底盘子系统协调控制策略
Jan et al. Decoupling of vehicle lateral dynamics using four-wheel steering system
CN116954083A (zh) 基于多智能体理论的自动驾驶车辆底盘分布式协同控制方法及控制器
CN115973191A (zh) 智能汽车人机共驾控制方法
CN111762158A (zh) 集成式跟随控制方法、系统、装置及计算机可读存储介质
Ma et al. Adaptive Path-Tracking Control With Passivity-Based Observer by Port-Hamiltonian Model for Autonomous Vehicles
Wachter Lateral path tracking in limit handling condition using SDRE control

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