CN115534938A - 一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统 - Google Patents
一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统 Download PDFInfo
- Publication number
- CN115534938A CN115534938A CN202211371094.4A CN202211371094A CN115534938A CN 115534938 A CN115534938 A CN 115534938A CN 202211371094 A CN202211371094 A CN 202211371094A CN 115534938 A CN115534938 A CN 115534938A
- Authority
- CN
- China
- Prior art keywords
- dyn
- vehicle
- yaw moment
- control
- automobile
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000035772 mutation Effects 0.000 claims abstract description 8
- 230000019771 cognition Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims 1
- 229910052739 hydrogen Inorganic materials 0.000 claims 1
- 239000001257 hydrogen Substances 0.000 claims 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal 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
- 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
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
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
本发明公开了一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统，属于人机共驾行驶安全技术领域，本发明充分考虑了与障碍物距离、路面附着系数、自车速度、方向盘应激转角和驾驶员线性转向认知，采用圆弧换道路径并在曲率突变处进行平滑处理；根据车辆紧急工况应激转向过程中状态量的变化及约束设计模型预测控制算法，计算出保证车辆跟踪精度和安全性的附加横摆力矩并按各轮载荷比例合理分配；通过控制各轮制动力来对驾驶人强制接管时的不合理输入进行有效补偿，解决了现有避撞控制方法存在的加剧驾驶人紧张心理的问题，实现了辅助驾驶人在紧急工况下强制接管控制并应激性过度转向时进行安全可靠的避撞。
Description
技术领域
本发明涉及一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统，属于行驶安全技术领域。
背景技术
车辆安全一直是车辆工程领域技术人员高度关注的一个问题，车辆智能化是提升车辆主动安全的一个重要途径。目前，智能汽车领域关键技术研究已经取得长足进步，但必须清醒的认识到无人驾驶在复杂动态工况下的事故率仍然较高，所以L3以下级别智能汽车技术将是率先规模化应用的主要方向。人机共驾是指非完全自动驾驶条件下，驾驶人和智能汽车控制系统都可以对自动驾驶汽车进行控制的阶段，这意味着机器和驾驶人共同享有对汽车的决策和控制权。对于人机共驾智能汽车而言，面临着在突发性交通事故风险下驾驶人强制接管控制，应激性过度转向而导致汽车发生碰撞或失稳的影响。
现有技术中，公开号为CN112874537A的专利提供了“一种紧急避险下智能驾驶系统的人机共驾控制方法”，考虑驾驶人的状态、操作特征以及车辆运动状态，以驾驶人视觉特征数据和下一时刻车辆横、纵向加速度判断驾驶人是否正常操作，若非正常操作则根据模糊逻辑规则修正驾驶人的方向盘转角和制动踏板开度。该方法未考虑到车辆横摆角速度，仅考虑横、纵向加速度不足以判断车辆是否会失稳；未考虑与障碍物的位置关系，仅根据模糊逻辑规则来输出方向盘转角和制动踏板开度不能完全避免发生碰撞；该系统通过干预方向盘转角和制动踏板开度来避险，会加剧驾驶人的紧张心理，严重影响驾驶人对该系统的信任。公开号为CN113335291A的专利提供了“一种基于人车风险状态的人机共驾控制权决策方法”，该方法考虑车辆行驶时驾驶人行为和所处的风险状态，建立人-车风险博弈关系，在车辆风险持续升高时，将强制切换控制权至自动驾驶系统。该方法只适合具有高度自动驾驶能力且有应对风险驾驶场景能力的汽车，同样若将控制权直接强制切换至系统会加剧驾驶人的紧张心理，不利于驾驶安全。
发明内容
为了解决现有人机共驾智能汽车紧急避撞时考虑因素较少而导致不安全的问题，以及现有避撞控制方法存在的加剧驾驶人紧张心理的问题，本发明提供一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，能够辅助驾驶人在紧急工况下强制接管控制并应激性过度转向时进行安全可靠的避撞。
本发明所采取的技术方案如下：
一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，该方法是考虑了与障碍物距离、路面附着系数、自车速度、方向盘应激转角和驾驶员线性转向认知，采用圆弧换道路径并在曲率突变处进行平滑处理；根据车辆紧急工况应激转向过程中状态量的变化及约束设计模型预测控制算法，计算出保证车辆跟踪精度和安全性的附加横摆力矩并按各轮载荷比例合理分配；通过控制各轮制动力来对驾驶人强制接管时的不合理输入进行有效补偿，以期为人机共驾智能汽车降低突发性交通风险提供一定的帮助。
该方法包括以下步骤：
步骤1：获取车辆自身信息，包括自车速度和方向盘转角信息；
步骤2：通过环境感知模块获取与障碍物距离和路面附着系数信息；
步骤3：规划决策模块计算出满足空间约束的改进圆弧换道避撞路径轨迹；
步骤4：通过模型预测控制算法计算出避撞路径轨迹跟踪所需的附加横摆力矩，并将附加横摆力矩分配给车辆四个车轮；
步骤5：通过控制模块控制各轮的制动力来跟踪避撞路径轨迹。
进一步，步骤1中所述的自车速度是通过车速传感器获取，方向盘转角是通过转角传感器获取。
进一步，步骤2中所述的环境感知模块包括摄像头和毫米波雷达；
其中，摄像头安装在前挡风玻璃上，采集行驶过程中前方和两侧的实时图像，获取障碍物或道路护栏的图形信息，同时采集前方路面图像信息，输入到训练好的预估模型中，提取其纹理和颜色特征，预测前方路面属性类型，获取路面附着系数；
毫米波雷达安装在车头位置，用于探测车辆与前方障碍物的相对距离和相对速度。
进一步，步骤3中所述的规划决策模块为ECU控制器；
其中，ECU控制器用于接收方向盘转角信息、车速信息、路面附着系数和障碍物距离信息，基于驾驶人线性转向认知(驾驶员在转向时会主动减速，以防止车辆失稳，并保证转向的乘坐舒适性。所以作为一个普通的驾驶员，往往是在低速下进行转向操作，此时的车辆更适合线性单轨模型。久而久之，驾驶员对车辆转向特性的认知也是线性的，即转向避撞时行驶轨迹为圆弧，且半径与转动方向盘的角度呈线性关系，即理想转向关系)，设计满足空间约束的圆弧换道路径，并对存在曲率突变的两段圆弧相接处进行平滑处理，平滑处理所采用的是三阶贝塞尔曲线，其曲线方程为：
B(t)＝P0(1-t)3+3P1t(1-t)2+3P2t2(1-t)+P3t3，t∈[0，1]
式中，P0、P1、P2和P3分别为曲线的控制点。
进一步，步骤4中所述的模型预测控制算法是基于汽车三自由度动力学模型，考虑稳定性并约束中间变量，来计算出所需附加横摆力矩；
其中，汽车三自由度动力学模型为：
式中，m为整车质量；
和
为车辆纵向速度和纵向加速度；
和
为车辆横向速度和横向加速度；Fxfl、Fxfr、Fxrl、Fxrr和Fyfl、Fyfr、Fyrl、Fyrr分别为各车轮分解到沿x轴和y轴方向上的轮胎力；Iz为车辆绕z轴的转动惯量；
为车辆横摆角加速度；a、b分别为前、后轴到车辆质心之间的距离；c为轮距的一半；ΔMz为附加横摆力矩；
考虑汽车仅前轮转向，四轮产生的纵向和横向力在车辆坐标系的x轴和y轴方向表示为：
式中，Flfl、Flfr、Flrl、Flrr和Fcfl、Fcfr、Fcrl、Fcrr分别为各车轮受到的纵向力和侧向力；δf为前轮转角；
车辆坐标系oxy与大地坐标系OXY的坐标转换为：
稳定性约束为汽车横摆角速度，当驾驶人应激性转向操作时，横摆角速度超过上限值会导致汽车稳定性恶化，其上限为
所述的模型预测控制算法包括预测模型、约束条件和优化求解3个部分；
预测模型部分：
建立人机共驾智能汽车动力学模型：
式中，定义状态变量为
控制变量为udyn＝ΔMz；
将模型进行线性化处理，根据输入恒定控制量得到的状态轨迹和系统实际状态量偏差，得到线性时变方程：
对该式用前向欧拉法进行离散化，得到离散的状态空间表达式：
ξdyn(k+1)＝Adyn(k)ξdyn(k)+Bdyn(k)udyn(k)
式中，
Adyn(k)＝I+TAdyn(t)
Bdyn(k)＝TBdym(t)
约束条件部分：
横摆角速度约束为
在标准宽度为3.75m的道路上转向避撞，不能与道路两侧护栏发生碰撞，因此取侧向位移约束为
考虑在控制过程中控制量的极限约束，附加横摆力矩约束为
其中，μ为路面附着系数；vx为汽车纵向速度；B为汽车车身宽度；Fz为汽车对地面的压力；
优化求解部分：
为了提高智能汽车在紧急避撞转向过程中的轨迹跟踪精度和稳定性，建立关于轨迹的误差、控制量的增量及松弛因子的目标函数为：
s.t.ΔUdyn，min≤ΔUdyn，t≤ΔUdyn，max
Udyn，min≤AΔUdyn，t+Udyn，t≤Udyn，max
yhc，min≤yhc≤yhc，max
ysc，min-ε≤ysc≤ysc，max+ε
ε＞0
式中，NP为预测时域；NC为控制时域；Q和R为权重矩阵；ε为松弛因子；ρ为松弛因子的权重系数；ΔUdyn，t为t时刻的控制量的增量；yhc为硬约束输出；ysc为软约束输出；
在每个控制周期都进行上式的求解，可得到控制时域内一系列控制输入增量和松弛因子：
由模型预测控制的原理，将所得到的控制序列中第一个元素作为实际的控制输入增量作用于系统；
进入下一个控制周期后，重复以上过程，如此循环滚动优化，最终实现对期望避撞路径轨迹的跟踪控制。
进一步，步骤4中所述的附加横摆力矩分配是考虑到驾驶人对方向盘的控制，为避免与驾驶员争夺方向盘控制权，进而通过按载荷比例分配附加横摆力矩来跟踪所规划的路径；
当ΔMz≥0时，各轮附加横摆力矩为：
当ΔMz＜0时，各轮附加横摆力矩为：
式中，Fzij为轮胎垂直载荷(下标ij代表左前轮fl、右前轮fr、左后轮rl、右后轮rr)。
本发明的有益效果：
1、该方法考虑了与障碍物距离、路面附着系数、自车速度和方向盘应激转角的因素，解决了现有人机共驾智能汽车紧急避撞时考虑因素较少而导致不安全的问题，且同时基于驾驶员线性转向认知，采用圆弧换道路径并在曲率突变处进行了平滑处理。
2、该方法根据车辆应激紧急转向过程中状态量的变化及约束设计了模型预测控制算法，计算出了保证车辆跟踪精度和安全性的附加横摆力矩并进行了合理分配。
3、该方法通过控制各轮制动力矩来对驾驶人强制接管时的不合理输入进行有效补偿，解决了现有避撞控制方法存在的加剧驾驶人紧张心理的问题，实现了辅助驾驶人在紧急工况下强制接管控制并应激性过度转向时进行安全可靠的避撞。
附图说明
图1为本发明汽车紧急避撞空间约束示意图；
图2为本发明基于附加横摆力矩的人机共驾汽车紧急避撞控制方法的原理示意图；
图3为本发明平滑处理后圆弧换道路径示意图；
图4为本发明汽车动力学模型图；
图5为本发明无控制和有控制条件下汽车轨迹对比图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明提供了一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，如图1所示，为本发明的汽车紧急避撞空间约束示意图。汽车行驶过程中，前方突然出现一辆静止的汽车，驾驶人下意识强制接管控制，进行应激性过度转向操作；在这个过程中，最危险的是碰撞到本车道前方汽车F，所以从自车M转向起始点到碰撞到前车F的临界点作圆弧，得到空间约束的下边界；以自车M的最小转弯半径作另一圆弧，且同时受限于道路护栏H的约束，得到空间约束的上边界。
假设自车和前车均为同一车型，在如图1所示的大地坐标系中，设O点为自车后轴与车身右侧边界交汇点，坐标为(xM，yM)；O1点为空间约束下边界圆弧圆心，坐标为(xM，y1)；O2点为空间约束上边界圆弧圆心，坐标为(xM，y2)；则P1点为自车右前角，坐标为(xM+DL+DLa，yM)；P2点为自车左前角，坐标为(xM+DL+DLa，yM+B)；Q1点为前车左后角，坐标为(xM+DL+DLa+DMF，yM+B)；Q2点为自车空间约束上边界与护栏H交点，坐标为(xQ2，yM+B+DB)。其中，B为车身宽度；DB为车身左侧到护栏的距离；DL为汽车轴距；DLa为汽车前悬；DMF为自车M到前车F之间的纵向距离；
圆弧P1_Q1满足的关系如下：
其中，R1是空间约束下边界圆弧的半径，
将P1点和Q1点坐标代入计算即可得到y1表达式，最终得到圆弧P1_Q1的方程；
圆弧P2_Q2满足的关系如下：
其中，R2是空间约束上边界圆弧的半径，R2＝Rmin-B，Rmin为自车M最小转弯半径，将P2点坐标代入计算即可得到y2表达式，最终得到圆弧P2_Q2的方程和Q2点坐标中的xQ2。
如图2所示，为本发明基于附加横摆力矩的人机共驾汽车紧急避撞控制方法的原理示意图。首先，车速传感器获取自车速度；转角传感器获取方向盘转角；摄像头获取行驶过程中前方和两侧的实时图像以及障碍物和护栏的图形信息，并获取路面附着系数；毫米波雷达获取汽车与前方障碍物的相对距离和相对速度。
其次，ECU控制器根据当前方向盘转角、车速和路面附着系数，计算出汽车转向半径Rm、横摆角速度ω和横摆角速度上限ωmax；
式中，L为汽车轴距；δwheel为方向盘转角；rs为不考虑转向系统影响的转向系传动比；δf为与方向盘转角成一定比例的前轮转角，v表示车速，μ表示路面附着系数，g表示重力加速度。
以汽车转向半径计算汽车是否有与障碍物或护栏碰撞的风险，若无风险，则继续进行转向换道；否则，考虑驾驶人的线性转向认知，采取理想圆弧的换道路径，计算紧急转向圆弧半径R，其中vx表示车辆速度v纵向分量。
设计出满足空间约束的圆弧换道路径轨迹，并对存在曲率突变的两段圆弧相接处进行平滑处理，平滑处理所采用的是三阶贝塞尔曲线，其曲线方程为：
B(t)＝P0(1-t)3+3P1t(1-t)2+3P2t2(1-t)+P3t3，t∈[0，1]
式中，P0、P1、P2、P3分别为三阶贝塞尔曲线的控制点，t为各线段的比例参数。
选取汽车参数和道路环境如下表所示：
| 参数名称 | 参数值 | 参数名称 | 参数值 |
| 轴距 | 2.603m | 前悬 | 0.82m |
| 车宽 | 1.706m | 最小转弯半径 | 5.5m |
| 与前车距离 | 20m | 自车速度 | 20m/s |
| 前车速度 | 0m/s | 车道宽 | 3.75m |
| 路面附着系数 | 0.85 |
处理后的紧急转向圆弧换道路径如图3所示。
接着，如图4所示，为本发明的汽车动力学模型图。汽车三自由度动力学模型为：
式中，m为整车质量；
和
为车辆纵向速度和纵向加速度；
和
为车辆横向速度和横向加速度；Fxfl、Fxfr、Fxrl、Fxrr和Fyfl、Fyfr、Fyrl、Fyrr分别为各车轮分解到沿x轴和y轴方向上的轮胎力(n表示左前轮，fr表示右前轮，rl表示左后轮，rr表示右后轮)；Iz为车辆绕z轴的转动惯量；
为车辆横摆角加速度；a、b分别为前、后轴到车辆质心之间的距离；c为轮距的一半；ΔMz为附加横摆力矩；
考虑汽车仅前轮转向，四轮产生的纵向和横向力在车辆坐标系的x轴和y轴方向表示为：
式中，Flfl、Flfr、Flrl、Flrr和Fcfl、Fcfr、Fcrl、Fcrr分别为各车轮受到的纵向力和侧向力；δf为前轮转角；
车辆坐标系oxy与大地坐标系OXY的坐标转换为：
稳定性约束为汽车横摆角速度，当驾驶人应激性转向操作时，横摆角速度超过上限值会导致汽车稳定性恶化，其上限为
将汽车简化为三自由度动力学模型，采用模型预测控制算法来进行轨迹跟踪控制，模型预测控制算法分为预测模型、约束条件和优化求解3个部分；
预测模型部分：
建立人机共驾智能汽车动力学模型：
式中，定义状态变量为
fdyn表示
和(ξdyn，μdyn)的函数关系，控制变量为udyn＝ΔMz；
为简化运算，需将模型进行线性化，根据输入恒定控制量得到的状态轨迹和系统实际状态量偏差，得到线性时变方程：
对该式用前向欧拉法进行离散化，得到离散的状态空间表达式：
ξdyn(k+1)＝Adyn(k)ξdyn(k)+Bdyn(k)udyn(k)
式中，
Adyn(k)＝I+TAdyn(t)
Bdyn(k)＝TBdyn(t)
式中，Ccf、Ccr分别为前轴轮胎与后轴轮胎的侧偏刚度，I为单位矩阵，T为采样周期。
约束条件部分：
横摆角速度约束为
在标准宽度为3.75m的道路上转向避撞，不能与道路两侧护栏发生碰撞，因此取侧向位移约束为
考虑在控制过程中控制量的极限约束，附加横摆力矩约束为
其中，μ为路面附着系数；vx为汽车纵向速度；B为汽车车身宽度；Fz为汽车对地面的压力；
优化求解部分：
为了提高智能汽车在紧急避撞转向过程中的轨迹跟踪精度和稳定性，建立关于轨迹的误差、控制量的增量及松弛因子的目标函数为：
s.t.ΔUdyn，min≤ΔUdyn，t≤ΔUdyn，max
Udyn，min≤AΔUdyn，t+Udyn，t≤Udyn，max
yhc，min≤yhc≤yhc，max
ysc，min-ε≤ysc≤ysc，max+ε
ε＞0
式中，NP为预测时域；NC为控制时域；Q和R为权重矩阵；ε为松弛因子；ρ为松弛因子的权重系数；ηdyn为预测时域内系统的输出值；ηdyn，ref为预测时域内系统输出的参考值；ΔUdyn，t为t时刻的控制量的增量；Udyn，t为控制时域内控制量集合；Δudyn为控制时域内某个控制量；ΔUdyn，min和ΔUdyn，max为控制增量的约束值；Udyn，min和Udyn，max为控制时域内控制量最小值、最大值的集合；yhc为硬约束输出；ysc为软约束输出；yhc，min和yhc，max为硬约束极限值；ysc，min和ysc，max为软约束极限值；
在每个控制周期都进行上式的求解，可得到控制时域内一系列控制输入增量和松弛因子：
式中，
为上述目标函数求解得到的控制输入增量序列矩阵，
为求解得到的t时刻目标控制增量。
由模型预测控制的原理，将所得到的控制序列中第一个元素作为实际的控制输入增量作用于系统；
进入下一个控制周期后，重复以上过程，如此循环滚动优化，最终实现对期望轨迹的跟踪控制。
然后，对计算出的附加横摆力矩进行分配，考虑到驾驶人对方向盘的控制，为避免与驾驶员争夺方向盘控制权，进而通过按载荷比例分配附加横摆力矩来跟踪所规划的路径，实现避撞；
当ΔMz≥0时，各轮附加横摆力矩为：
当ΔMz＜0时，各轮附加横摆力矩为：
式中，Fzij为轮胎垂直载荷(下标ij代表左前轮fl、右前轮fr、左后轮rl、右后轮rr)；
最后，分配给每个车轮的附加横摆力矩，通过施加到各个车轮的制动力来实现。
如图5所示，为本发明的无控制和有控制条件下汽车轨迹对比图。使用Matlab/Simulink和CarSim建立联合仿真的试验平台；
选取仿真参数如下表所示：
| 参数名称 | 参数值 | 参数名称 | 参数值 |
| 质心到前轴距离 | 1.183m | 质心到后轴距离 | 1.420m |
| 轮距 | 1.5m | 整车质量 | 1305kg |
| 绕Z轴转动惯量 | 2612kg·m<sup>2</sup> |
从图5可以看出，汽车在无控制时应激性转向避撞会产生较大的横向位移，与护栏发生碰撞；而在有控制时可以很好的跟踪所设计的避撞路径，从而避免碰撞的发生，验证了本发明的有效性。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技术所创的等效方式或变更均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，包括如下步骤：
步骤1：获取车辆自身信息，包括自车速度和方向盘转角信息；
步骤2：获取与障碍物距离和路面附着系数信息；
步骤3：计算出满足空间约束的改进圆弧换道避撞路径轨迹；
步骤4：通过模型预测控制算法计算出避撞路径轨迹跟踪所需的附加横摆力矩，并将附加横摆力矩分配给车辆四个车轮；
步骤5：通过控制各车轮的制动力来跟踪避撞路径轨迹。
2.根据权利要求1所述的一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，步骤1中所述的自车速度是通过车速传感器获取，方向盘转角是通过转角传感器获取。
3.根据权利要求1所述的一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，步骤2的实现包括：通过摄像头采集行驶过程中前方和两侧的实时图像，获取障碍物或道路护栏的图形信息，同时采集前方路面图像信息，提取其纹理和颜色特征，预测前方路面属性类型，获取路面附着系数。
4.根据权利要求1所述的一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，步骤2的实现还包括：通过毫米波雷达探测车辆与前方障碍物的相对距离和相对速度。
5.根据权利要求1所述的一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，所述步骤3的实现包括：根据方向盘转角信息、车速信息、路面附着系数和障碍物距离信息，，设计满足空间约束的圆弧换道避撞路径：
设O点坐标为(xM,yM)，O1点坐标为(xM,y1)，O2点坐标为(xM,y2)，则P1点坐标为(xM+DL+DLa,yM)，P2点坐标为(xM+DL+DLa,yM+B)，Q1点坐标为(xM+DL+DLa+DMF,yM+B)，Q2点坐标为(xQ2,yM+B+DB)，其中，B为车身宽度；DB为车身左侧到护栏的距离；DL为汽车轴距；DLa为汽车前悬；DMF为自车M到前车F之间的纵向距离；圆弧P1_Q1满足的关系如下：
其中，
将P1点和Q1点坐标代入计算即可得到圆弧P1_Q1的方程；
圆弧P2_Q2满足的关系如下：
其中，R2＝Rmin-B，Rmin为自车M最小转弯半径，将P2点和Q2点坐标代入计算即可得到圆弧P2_Q2的方程；
计算汽车转向半径Rm、横摆角速度ω和横摆角速度上限ωmax：
式中，L为汽车轴距；δf为与方向盘转角成一定比例的前轮转角，v表示车速，μ表示路面附着系数，g表示重力加速度；
以汽车转向半径计算汽车是否有与障碍物或护栏碰撞的风险，若无风险，则继续进行转向换道；否则，考虑驾驶人的线性转向认知，采取理想圆弧的换道路径，计算紧急转向圆弧换道避撞路径的半径R，
设计出满足空间约束的圆弧换道路径轨迹，并对存在曲率突变的两段圆弧相接处进行平滑处理，平滑处理所采用的是三阶贝塞尔曲线，其曲线方程为：
B(t)＝P0(1-t)3+3P1t(1-t)2+3P2t2(1-t)+P3t3,t∈[0,1]。
6.根据权利要求5所述的一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，步骤3还包括：对存在曲率突变的两段圆弧相接处进行平滑处理，平滑处理所采用的是三阶贝塞尔曲线，其曲线方程为：
B(t)＝P0(1-t)3+3P1t(1-t)2+3P2t2(1-t)+P3t3,t∈[0,1]
式中，P0、P1、P2和P3分别为曲线的控制点。
7.根据权利要求1所述的一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，所述步骤4的模型预测控制算法基于汽车三自由度动力学模型，考虑稳定性并约束中间变量，来计算出所需附加横摆力矩；
其中，汽车三自由度动力学模型为：
式中，m为整车质量；
和
为车辆纵向速度和纵向加速度；
和
为车辆横向速度和横向加速度；Fxfl、Fxfr、Fxrl、Fxrr和Fyfl、Fyfr、Fyrl、Fyrr分别为各车轮分解到沿x轴和y轴方向上的轮胎力；Iz为车辆绕z轴的转动惯量；
为车辆横摆角加速度；a、b分别为前、后轴到车辆质心之间的距离；c为轮距的一半；ΔMz为附加横摆力矩；
考虑汽车仅前轮转向，四轮产生的纵向和横向力在车辆坐标系的x轴和y轴方向表示为：
式中，Flfl、Flfr、Flrl、Flrr和Fcfl、Fcfr、Fcrl、Fcrr分别为各车轮受到的纵向力和侧向力；δf为前轮转角；
车辆坐标系oxy与大地坐标系OXY的坐标转换为：
稳定性约束为汽车横摆角速度，当驾驶人应激性转向操作时，横摆角速度超过上限值会导致汽车稳定性恶化，其上限为
8.根据权利要求7所述的一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，所述步骤4的模型预测控制算法包括预测模型、约束条件和优化求解3个部分；具体如下：
预测模型部分：
建立人机共驾智能汽车动力学模型：
式中，定义状态变量为
控制变量为udyn＝ΔMz；
将模型进行线性化处理，根据输入恒定控制量得到的状态轨迹和系统实际状态量偏差，得到线性时变方程：
对上式用前向欧拉法进行离散化，得到离散的状态空间表达式：
ξdyn(k+1)＝Adyn(k)ξdyn(k)+Bdyn(k)udyn(k)
式中，
Adyn(k)＝I+TAdyn(t)
Bdyn(k)＝TBdyn(t)
约束条件部分：
横摆角速度约束为
在标准宽度为3.75m的道路上转向避撞，不能与道路两侧护栏发生碰撞，因此取侧向位移约束为
考虑在控制过程中控制量的极限约束，附加横摆力矩约束为
其中，μ为路面附着系数；vx为汽车纵向速度；B为汽车车身宽度；Fz为汽车对地面的压力；
优化求解部分：
为了提高智能汽车在紧急避撞转向过程中的轨迹跟踪精度和稳定性，建立关于轨迹的误差、控制量的增量及松弛因子的目标函数为：
s.t.ΔUdyn,min≤ΔUdyn,t≤ΔUdyn,max
Udyn,min≤AΔUdyn,t+Udyn,t≤Udyn,max
yhc,min≤yhc≤yhc,max
ysc,min-ε≤ysc≤ysc,max+ε
ε＞0
式中，NP为预测时域；NC为控制时域；Q和R为权重矩阵；ε为松弛因子；ρ为松弛因子的权重系数；ΔUdyn,t为t时刻的控制量的增量；yhc为硬约束输出；ysc为软约束输出；
在每个控制周期都进行上式的求解，可得到控制时域内一系列控制输入增量和松弛因子：
将所得到的控制序列中第一个元素作为实际的控制输入增量作用于系统；
进入下一个控制周期后，重复以上过程，如此循环滚动优化，最终实现对期望避撞路径轨迹的跟踪控制。
9.根据权利要求8所述的一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法，其特征在于，所述步骤4中，将附加横摆力矩分配给车辆四个车轮具体如下：
当ΔMz≥0时，各轮附加横摆力矩为：
当ΔMz＜0时，各轮附加横摆力矩为：
式中，Fzij为轮胎垂直载荷(下标ij代表左前轮fl、右前轮fr、左后轮rl、右后轮rr)。
10.一种基于附加横摆力矩的人机共驾汽车紧急避撞控制系统，其特征在于，包括：
信息采集装置，用于获取自车速度、方向盘转角信息、与障碍物距离和路面附着系数信息；
规划决策模块，用于计算出满足空间约束的改进圆弧换道路径轨迹；具体包括：
根据当前方向盘转角、车速和路面附着系数，计算出汽车转向半径Rm、横摆角速度ω和横摆角速度上限ωmax；
式中，L为汽车轴距；δf为与方向盘转角成一定比例的前轮转角；
以汽车转向半径计算汽车是否有与障碍物或护栏碰撞的风险，若无风险，则继续进行转向换道；否则，采取理想圆弧的换道路径，计算紧急转向圆弧半径R，
设计出满足空间约束的圆弧换道路径轨迹，并对存在曲率突变的两段圆弧相接处进行平滑处理，平滑处理所采用的是三阶贝塞尔曲线，其曲线方程为：
B(t)＝P0(1-t)3+3P1t(1-t)2+3P2t2(1-t)+P3t3,t∈[0,1]；
模型预测控制算法模块，基于汽车三自由度动力学模型，考虑稳定性并约束中间变量，计算出轨迹跟踪所需的附加横摆力矩，并将附加横摆力矩分配给车辆四个车轮；所述模型预测控制算法模块包括三个部分：预测模型、约束条件和优化求解；
预测模型部分：
建立人机共驾智能汽车动力学模型：
式中，定义状态变量为
控制变量为udyn＝ΔMz；
将模型进行线性化处理，根据输入恒定控制量得到的状态轨迹和系统实际状态量偏差，得到线性时变方程：
对该式用前向欧拉法进行离散化，得到离散的状态空间表达式：
ξdyn(k+1)＝Adyn(k)ξdyn(k)+Bdyn(k)udyn(k0
式中，
Adyn(k)＝I+TAdyn(t)
Bdyn(k)＝TBdyn(t)
约束条件部分：
横摆角速度约束为
在标准宽度为3.75m的道路上转向避撞，不能与道路两侧护栏发生碰撞，因此取侧向位移约束为
考虑在控制过程中控制量的极限约束，附加横摆力矩约束为
其中，μ为路面附着系数；vx为汽车纵向速度；B为汽车车身宽度；Fz为汽车对地面的压力；
优化求解部分：
建立关于圆弧换道路径轨迹的误差、控制量的增量及松弛因子的目标函数为：
s.t.ΔUdyn,min≤ΔUdyn,t≤ΔUdyn,max
Udyn,min≤AΔUdyn,t+Udyn,t≤Udyn,max
yhc,min≤yhc≤yhc,max
ysc,min-ε≤ysc≤ysc,max+ε
ε＞0
式中，NP为预测时域；NC为控制时域；Q和R为权重矩阵；ε为松弛因子；ρ为松弛因子的权重系数；ΔUdyn,t为t时刻的控制量的增量；yhc为硬约束输出；ysc为软约束输出；
在每个控制周期都进行上式的求解，可得到控制时域内一系列控制输入增量和松弛因子：
由模型预测控制的原理，将所得到的控制序列中第一个元素作为实际的控制输入增量作用于系统；
进入下一个控制周期后，重复以上过程，如此循环滚动优化，最终实现对期望轨迹的跟踪控制；
然后，对计算出的附加横摆力矩进行分配，通过按载荷比例分配附加横摆力矩来跟踪所规划的路径：
当ΔMz≥0时，各轮附加横摆力矩为：
当ΔMz＜0时，各轮附加横摆力矩为：
式中，Fzij为轮胎垂直载荷(下标ij代表左前轮fl、右前轮fr、左后轮rl、右后轮rr)；
控制模块，根据分配的横摆力矩控制各轮的制动力来跟踪轨迹，实现避撞。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211371094.4A CN115534938A (zh) | 2022-11-03 | 2022-11-03 | 一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211371094.4A CN115534938A (zh) | 2022-11-03 | 2022-11-03 | 一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115534938A true CN115534938A (zh) | 2022-12-30 |
Family
ID=84719910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211371094.4A Pending CN115534938A (zh) | 2022-11-03 | 2022-11-03 | 一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115534938A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115923845A (zh) * | 2023-01-09 | 2023-04-07 | 北京科技大学 | 自动驾驶车辆前向避撞场景下干预型共享控制方法及装置 |
| CN116118724A (zh) * | 2023-04-17 | 2023-05-16 | 吉林大学 | 一种基于长时轨迹预测的车辆非紧急避撞方法及系统 |
-
2022
- 2022-11-03 CN CN202211371094.4A patent/CN115534938A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115923845A (zh) * | 2023-01-09 | 2023-04-07 | 北京科技大学 | 自动驾驶车辆前向避撞场景下干预型共享控制方法及装置 |
| CN116118724A (zh) * | 2023-04-17 | 2023-05-16 | 吉林大学 | 一种基于长时轨迹预测的车辆非紧急避撞方法及系统 |
| CN116118724B (zh) * | 2023-04-17 | 2023-06-27 | 吉林大学 | 一种基于长时轨迹预测的车辆非紧急避撞方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111890951B (zh) | 智能电动汽车轨迹跟踪与运动控制方法 | |
| CN110356404B (zh) | 一种具有自主换道功能并提高侧向安全性的智能驾驶系统 | |
| CN109849899B (zh) | 一种电动轮汽车电液复合车身稳定控制系统及方法 | |
| CN115534938A (zh) | 一种基于附加横摆力矩的人机共驾汽车紧急避撞控制方法及系统 | |
| CN113246974B (zh) | 无人驾驶应急场景下避险/降损控制方法、存储介质和电子装置 | |
| CN110606079B (zh) | 一种分层控制的车辆防侧翻方法及多轴分布式驱动车辆 | |
| Dahmani et al. | Observer-based robust control of vehicle dynamics for rollover mitigation in critical situations | |
| CN106004870A (zh) | 一种基于变权重模型预测算法的车辆稳定性集成控制方法 | |
| CN107380161A (zh) | 一种辅助驾驶员实现理想行驶轨迹的主动转向控制装置 | |
| CN109131312A (zh) | 一种智能电动汽车acc/esc集成控制系统及其方法 | |
| 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 | |
| CN113753034B (zh) | 一种考虑路面附着条件的大型营运车辆防碰撞决策方法 | |
| CN112026533B (zh) | 一种极限工况下的四轮独立驱动电动汽车牵引力控制方法 | |
| CN112644455B (zh) | 一种分布式驱动车辆行驶稳定性控制方法 | |
| CN111959500A (zh) | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 | |
| CN113433942B (zh) | 一种基于最优航向角的长轴车辆路径跟踪控制方法 | |
| Salehpour et al. | Vehicle path tracking by integrated chassis control | |
| CN107380162A (zh) | 基于功能分配与多目标模糊决策的协同避撞方法 | |
| CN114637292A (zh) | 一种兼顾避障的车辆轨迹跟踪鲁棒控制方法和系统 | |
| Xu et al. | Roll stability and path tracking control strategy considering driver in the loop | |
| CN114312766A (zh) | 一种基于横向主动防撞的控制系统及方法 | |
| CN114312848A (zh) | 基于双层mpc的智能驾驶汽车轨迹规划与跟踪控制方法 | |
| Junior et al. | Coupled lateral and longitudinal controller for over-actuated vehicle in evasive maneuvering with sliding mode control strategy | |
| CN114212074B (zh) | 基于路面附着系数估计的车辆主动转向防侧翻控制方法 | |
| CN114044003B (zh) | 前后双轴转向车辆的循迹控制方法 |
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 |