CN116215155B - 智能网联客车的抗侧倾交互控制方法、装置、客车及介质 - Google Patents

智能网联客车的抗侧倾交互控制方法、装置、客车及介质 Download PDF

Info

Publication number
CN116215155B
CN116215155B CN202310513387.XA CN202310513387A CN116215155B CN 116215155 B CN116215155 B CN 116215155B CN 202310513387 A CN202310513387 A CN 202310513387A CN 116215155 B CN116215155 B CN 116215155B
Authority
CN
China
Prior art keywords
roll
control
road
tracking
intelligent
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
Application number
CN202310513387.XA
Other languages
English (en)
Other versions
CN116215155A (zh
Inventor
范志先
王翔宇
徐海柱
吴德喜
宋金香
李振洋
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.)
Tsinghua University
Zhongtong Bus Holding Co Ltd
Original Assignee
Tsinghua University
Zhongtong Bus Holding Co Ltd
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 Tsinghua University, Zhongtong Bus Holding Co Ltd filed Critical Tsinghua University
Priority to CN202310513387.XA priority Critical patent/CN116215155B/zh
Publication of CN116215155A publication Critical patent/CN116215155A/zh
Application granted granted Critical
Publication of CN116215155B publication Critical patent/CN116215155B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
    • B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
    • B60G17/018—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the use of a specific signal treatment or control method
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2800/00—Indexing codes relating to the type of movement or to the condition of the vehicle and to the end result to be achieved by the control action
    • B60G2800/01—Attitude or posture control
    • B60G2800/012—Rolling condition
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2800/00—Indexing codes relating to the type of movement or to the condition of the vehicle and to the end result to be achieved by the control action
    • B60G2800/90—System Controller type
    • B60G2800/91—Suspension Control
    • B60G2800/912—Attitude Control; levelling control
    • B60G2800/9122—ARS - Anti-Roll System Control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2800/00—Indexing codes relating to the type of movement or to the condition of the vehicle and to the end result to be achieved by the control action
    • B60G2800/90—System Controller type
    • B60G2800/91—Suspension Control
    • B60G2800/912—Attitude Control; levelling control
    • B60G2800/9124—Roll-over protection systems, e.g. for warning or control
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明涉及智能网联技术领域，特别涉及一种智能网联客车的抗侧倾交互控制方法、装置、客车及介质，其中，方法包括：将智能网联客车的状态参数和所在区域的道路信息输入预先建立的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率，并将智驾域与底盘域看作博弈的两个控制目标，以最优二次型为基础理论构建纳什博弈的数学具体公式体现，结合纳什均衡理论推导出道路跟踪转向系统和抗侧倾主动悬架系统的最优性能指标；利用最优性能指标分别执行道路跟踪转向动作和抗侧倾动作。由此，解决了相关技术在过度转向过程中，智驾域路径跟踪控制与底盘域抗侧倾产生冲突，容易导致车辆偏离规划道路及交通事故的发生，安全性差等问题。

Description

智能网联客车的抗侧倾交互控制方法、装置、客车及介质
技术领域
本申请涉及智能网联技术领域，特别涉及一种智能网联客车的抗侧倾交互控制方法、装置、客车及介质。
背景技术
随着智能网联汽车行业的高速发展，智能驾驶汽车域控系统越来越多被提及，而智能网联客车在路径跟踪控制过程中，遇到转弯、起伏路面等情况时，必须具有良好的应对能力，防止车身侧翻，保证车辆的安全和稳定。
悬架是汽车车架与车轮之间的重要总成，具有传递力矩，支撑垂直载荷，缓冲震动和冲击等重要作用，除此之外，悬架还具有导向作用，能够在汽车行驶中控制车轮的运动轨迹。悬架种类很多，而主动悬架改变了传统悬架固定不变的刚度，根据路况和车辆工况在车辆垂向产生力矩调节，在承载车轮与车架里的传递的同时，对提升汽车行驶过程中的平顺性，增强车辆的可操控性，提高车辆的安全性及乘坐的舒适性具有显著作用。
然而主动悬架系统与转向系统之间的存在的内在耦合关系，在无人驾驶行车过程中遭遇紧急情况时，一旦主动转向系统与主动悬架系统产生冲突问题，车辆将严重偏离规划道路，或抗侧倾失效发生侧翻事故，极易发生重大交通事故。
发明内容
本申请提供一种智能网联客车的抗侧倾交互控制方法、装置、智能网联客车及介质，以解决智能网联客车在过度转向过程中，智驾域路径跟踪控制与底盘域抗侧倾产生冲突，容易导致车辆偏离规划道路及交通事故的发生，安全性差等问题。
本申请第一方面实施例提供一种智能网联客车的抗侧倾交互控制方法，包括以下步骤：获取智能网联客车的状态参数和所在区域的道路信息；将所述状态参数和所述道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率；将所述道路跟踪和抗侧倾纳什博弈控制的控制率、智驾域控制目标和底盘域控制目标分别代入所述智能网联客车中智驾域和底盘域各自控制所需要的代价函数，使得所述智驾域和底盘域各自控制所需要的代价函数满足多人纳什动态差分博弈条件，求解得到道路跟踪转向系统和抗侧倾主动悬架系统的最优性能指标；利用所述最优性能指标控制所述道路跟踪转向系统执行道路跟踪转向动作，并利用所述最优性能指标控制所述抗侧倾主动悬架系统执行抗侧倾动作。
可选地，在本申请的一个实施例中，所述道路跟踪及抗侧倾交互控制模型的建立过程包括：构造智能网联客车横摆与侧倾耦合的三自由度车辆离散化模型；将将目标路径离散化处理，并结合所述三自由度车辆离散化模型建立所述基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，其中，建立过程中忽略道路预瞄点的最远点。
可选地，在本申请的一个实施例中，所述道路跟踪及抗侧倾交互控制模型为：
其中，为状态系数矩阵，f为关于前轮转角的参数标记符号，k为当前第k时刻，k+1为当前第k+1时刻，/>为增广状态方程相关参数的下标符号，/>为车辆-道路状态变量，/>为控制输入/>的矩阵系数，/>为控制输入/>的矩阵系数，u f为路径跟踪系统的控制输入，u a为抗侧倾系统的控制输入，a为抗侧倾控制下标。
可选地，在本申请的一个实施例中，所述智能网联客车中智驾域和底盘域各自控制所需要的代价函数为：
其中，为人力控制道路跟踪横向控制性能指标加权矩阵，/>为第一输入加权矩阵，/>为第一终端加权矩阵，/>为主动防侧倾控制性能的加权矩阵，/>为第二输入加权矩阵，/>为第二终端加权矩阵，j为第k时刻的第j步长，/>为路径跟踪系统代价函数表示符号，/>为抗侧倾系统代价函数表示符号，/>为控制步长，/>为状态变量转置的表示符号。
可选地，在本申请的一个实施例中，所述多人纳什动态差分博弈条件为：
其中，
最优解是：
其中，V f为道路跟踪系统的值函数，V a为抗侧倾系统的值函数，u * f为最优路径跟踪系统的控制输入，u * a为最优抗侧倾系统的控制输入，为转向控制解集，/>为抗侧倾控制解集，/>为最优转向控制输入下的状态方程定义，/>为最优抗侧倾输入下的状态方程，/>为转向控制的性能指标，/>为抗侧倾系统的性能指标。
本申请第二方面实施例提供一种智能网联客车的抗侧倾交互控制装置，包括：获取模块，用于获取智能网联客车的状态参数和所在区域的道路信息；处理模块，用于将所述状态参数和所述道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率；求解模块，用于将所述道路跟踪和抗侧倾纳什博弈控制的控制率、智驾域控制目标和底盘域控制目标分别代入所述智能网联客车中智驾域和底盘域各自控制所需要的代价函数，使得所述智驾域和底盘域各自控制所需要的代价函数满足多人纳什动态差分博弈条件，求解得到道路跟踪转向系统和抗侧倾主动悬架系统的最优性能指标；控制模块，用于利用所述最优性能指标控制所述道路跟踪转向系统执行道路跟踪转向动作，并利用所述最优性能指标控制所述抗侧倾主动悬架系统执行抗侧倾动作。
可选地，在本申请的一个实施例中，还包括：建立模块，用于建立所述道路跟踪及抗侧倾交互控制模型，包括：构造智能网联客车横摆与侧倾耦合的三自由度车辆离散化模型；将目标路径离散化处理，并结合所述三自由度车辆离散化模型建立所述基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，其中，建立过程中忽略道路预瞄点的最远点。
可选地，在本申请的一个实施例中，所述道路跟踪及抗侧倾交互控制模型为：
其中，为状态系数矩阵，f为关于前轮转角的参数标记符号，k为当前第k时刻，k+1为当前第k+1时刻，/>为增广状态方程相关参数的下标符号，/>为车辆-道路状态变量，/>为控制输入/>的矩阵系数，/>为控制输入/>的矩阵系数，u f为路径跟踪系统的控制输入，u a为抗侧倾系统的控制输入，a为抗侧倾控制下标。
可选地，在本申请的一个实施例中，所述智能网联客车中智驾域和底盘域各自控制所需要的代价函数为：
其中，为人力控制道路跟踪横向控制性能指标加权矩阵，/>为第一输入加权矩阵，/>为第一终端加权矩阵，/>为主动防侧倾控制性能的加权矩阵，/>为第二输入加权矩阵，/>为第二终端加权矩阵，j为第k时刻的第j步长，/>为路径跟踪系统代价函数表示符号，/>为抗侧倾系统代价函数表示符号，/>为控制步长，/>为状态变量转置的表示符号。
可选地，在本申请的一个实施例中，所述多人纳什动态差分博弈条件为：
其中，
最优解是：
其中，V f为道路跟踪系统的值函数，V a为抗侧倾系统的值函数，u * f为最优路径跟踪系统的控制输入，u * a为最优抗侧倾系统的控制输入，为转向控制解集，/>为抗侧倾控制解集，/>为最优转向控制输入下的状态方程定义，/>为最优抗侧倾输入下的状态方程，/>为转向控制的性能指标，/>为抗侧倾系统的性能指标。
本申请第三方面实施例提供一种智能网联客车，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的智能网联客车的抗侧倾交互控制方法。
本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的智能网联客车的抗侧倾交互控制方法。
由此，本申请至少具有如下有益效果：
本申请实施例可以将智能网联客车的状态参数和所在区域的道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率，并将智驾域与底盘域看作博弈的两个控制目标，以最优二次型为基础理论构建纳什博弈的数学具体公式体现，结合纳什均衡理论推导出交互控制的最优策略，使智能网联客车在智驾域与底盘域的控制分配达到互相兼顾更加合理，从而提高智能网联客车的转向工况的安全性和稳定性。由此，解决了智能网联客车在过度转向过程中，智驾域路径跟踪控制与底盘域抗侧倾产生冲突，容易导致车辆偏离规划道路及交通事故的发生，安全性差等问题。
本申请附加的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，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种智能网联客车的抗侧倾交互控制方法的流程图；
图2为根据本申请实施例提供的智能网联客车智驾域与底盘域纳什反馈闭环博弈原理图；
图3为根据本申请实施例提供的智能网联客车横摆与侧倾耦合模型图；
图4为根据本申请实施例提供的道路预瞄理论设计图；
图5为根据本申请实施例提供的智能网联客车智驾域与底盘域交互控制架构图；
图6为根据本申请实施例提供的智能网联客车的抗侧倾交互控制方法实验设计路线图；
图7为根据本申请一个实施例提供的不同路径跟踪控制方法路径与航向角对比图；
图8为根据本申请一个实施例提供的不同路径跟踪控制方法控制输入对比图；
图9为根据本申请一个实施例提供的不同路径跟踪控制方法质心侧偏角与横摆角速度对比图；
图10为根据本申请一个实施例提供的不同路径跟踪控制方法侧倾角与侧倾角速度对比图；
图11为根据本申请一个实施例提供的不同路径跟踪控制方法前后轴侧倾角对比图；
图12为根据本申请实施例提供的一种智能网联客车的抗侧倾交互控制装置的方框示意图；
图13为根据本申请实施例提供的智能网联客车的结构示意图。
具体实施方式
下面详细描述本申请的实施例，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，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的智能网联客车的抗侧倾交互控制方法、装置、智能网联客车及存储介质。针对上述背景技术中提到的问题，本申请提供了一种智能网联客车的抗侧倾交互控制方法，在该方法中，将智能网联客车的状态参数和所在区域的道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率，并将智驾域与底盘域看作博弈的两个控制目标，以最优二次型为基础理论构建纳什博弈的数学具体公式体现，结合纳什均衡理论推导出交互控制的最优策略，使智能网联客车在智驾域与底盘域的控制分配达到互相兼顾更加合理，从而提高智能网联客车的转向工况的安全性和稳定性。由此，解决了智能网联客车在过度转向过程中，智驾域路径跟踪控制与底盘域抗侧倾产生冲突，容易导致车辆偏离规划道路及交通事故的发生，安全性差等问题。
具体而言，图1为本申请实施例所提供的一种智能网联客车的抗侧倾交互控制方法的流程示意图。
如图1所示，该智能网联客车的抗侧倾交互控制方法包括以下步骤：
在步骤S101中，获取智能网联客车的状态参数和所在区域的道路信息。
可以理解的是，由于智能网联客车具有质心高、体积大等特点，在智能网联客车在过度转向过程中，为了防止车身侧翻，保证车辆的安全和稳定，本申请实施例首先可以获取智能网联客车的状态参数和所在区域的道路信息，利用后续智能网联客车智驾域与底盘域协调控制方法，使得状态参数和所在道路不同的智能网联客车都具有良好的应对能力。
在步骤S102中，将状态参数和道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率。
如图2所示，本申请实施例可以结合纳什反馈闭环博弈理论，求解道路跟踪和抗侧倾纳什博弈控制的控制率。对于具有严格凸凹特性的代价函数，可以推出多人动态差分博弈拥有唯一的纳什均衡解，而这个解的形式可以定义为：
（1）
其中，分别为道路跟踪和抗侧倾纳什博弈控制的控制率。
在式中，
（2）
其中，
其中，、/>、/>、/>、/>、/>、是为了缩短公式（2），较长参数的替代符号，没有实际含义。/>为转向控制输入状态矩阵的转置，/>为转向系统里卡提方程的解，/>为转向控制输入状态矩阵，/>为转向系统控制输入加权矩阵，/>为抗侧倾控制输入状态矩阵的转置，/>为抗侧倾系统里卡提方程的解，/>为抗侧倾控制输入状态矩阵，为抗侧倾系统控制输入加权矩阵，/>为状态系数矩阵。
在步骤S103中，将道路跟踪和抗侧倾纳什博弈控制的控制率、智驾域控制目标和底盘域控制目标分别代入智能网联客车中智驾域和底盘域各自控制所需要的代价函数，使得智驾域和底盘域各自控制所需要的代价函数满足多人纳什动态差分博弈条件，求解得到道路跟踪转向系统和抗侧倾主动悬架系统的最优性能指标。
本申请实施例可以首先构造智能网联客车智驾域和底盘域控制所需要的代价函数，选取主动转向的预瞄点的横向位置偏差，与航向角偏差/>作为代价函数的加权项，选取簧载质量侧倾角/>，前轴归一化载荷转移/>，后轴归一化载荷/>，簧载质量与前轴非簧载质量侧倾角之差/>，簧载质量与后轴非簧载质量侧倾角之差作为代价函数的加权项，如式（3）所示；
（3）
式中的具体公式如下；
其中，为人力控制道路跟踪横向控制性能指标加权矩阵，/>为第一输入加权矩阵，/>为第一终端加权矩阵，令/>，/>为主动防侧倾控制性能的加权矩阵，/>第二为输入加权矩阵，/>为第二终端加权矩阵，这里/>./>为性能指标加权数，/>、、/>为输入加权系数，j为第k时刻的第j步长，/>为路径跟踪系统代价函数表示符号，/>为抗侧倾系统代价函数表示符号，/>为控制步长，/>为状态变量转置的表示符号，/>为求解中间变量的/>转置，/>为转向控制的加权矩阵，/>为第一求解中间变量，/>为抗侧倾控制加权矩阵，/>为求解中间变量的/>转置，/>为第二求解中间变量，/>为前轴载荷转移，/>为后轴载荷转移，/>为车辆的后轴非簧载质量，/>为车辆的前轴非簧载质量，/>为质心离前轴距离，/>为质心离后轴距离，/>为总质量，/>为地球重力加速度，/>为二分之一轮距，/>为前轴轮胎侧倾刚度，/>为后轴轮胎侧倾刚度。
进一步地，为了清楚的推导道路跟踪及抗侧倾之间的关系，本申请实施例可以将目标路径更新的最远点忽略掉，并定义以下公式：
（4）
其中，定义为主动转向和抗侧倾控制在每一个时刻/>的控制输入集合，/>为一般状态方程表示符号，/>为转向系统性能指标，/>为抗侧倾系统性能指标。
在多人纳什动态差分博弈中，一系列的控制输入必须满足代价函数/>和/>之间的关系。
而代价函数和/>必须满足以下条件：
（5）
其中
（6）
而最优解是
（7）
进一步地，本申请实施例可以写出k+1时刻道路跟踪转向系统和抗侧倾主动悬架系统的最优性能指标：
（8）
结合式（8）利用极值法对式（9）进行求解，即：
（9）
其中，为求偏导固定符号，/>为系统状态方程。
根据公式（6）、（1）和（9）联合运算可以得到式（10）：
（10）
将式（2）代入到式（11）中，可以得到道路跟踪和抗侧倾系统的控制率的递推关系，如式（12）所示。
（11）
为了获得道路跟踪和抗侧倾系统的控制率的递推关系，必须推导出系数矩阵P的递推关系，根据式(1)、(2)和（11）的代数关系，可以推出式（12）：
（12）
其中，，/>为/>的转置，/>为转向控制的控制率，/>抗侧倾控制的控制率。
最后，结合式（11-12）可以推导出满足式（1）的一系列智能网联客车智驾域道路跟踪和地盘域抗侧倾纳什博弈控制的控制策略。
在步骤S104中，利用最优性能指标控制道路跟踪转向系统执行道路跟踪转向动作，并利用最优性能指标控制抗侧倾主动悬架系统执行抗侧倾动作。
本申请实施例可以将智驾域的路径跟踪与地盘域抗侧倾之间的冲突问题转化为有限博弈控制问题，将智驾域与底盘域看作博弈的两个参与者，以最优二次型为基础理论构建纳什博弈的数学具体公式体现，结合纳什均衡理论推导出交互控制的最优策略，使智能网联客车在智驾域与底盘域的控制分配达到互相兼顾更加合理，从而提高智能网联客车的转向工况的安全性和稳定性。
在本申请的一个实施例中，道路跟踪及抗侧倾交互控制模型的建立过程包括：
构造智能网联客车横摆与侧倾耦合的三自由度车辆离散化模型；
将目标路径离散化处理，并结合三自由度车辆离散化模型建立基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，其中，建立过程中忽略道路预瞄点的最远点。
具体而言，本申请实施例假设行驶道路平坦，忽略汽车垂向、仰卧运动，只考虑其纵向、横向、垂倾3个方向的运动，构造如图3所示的智能网联客车横摆与侧倾耦合的三自由度车辆离散化模型，首先建立模型物理公式：
（13）
其中，为簧载质量绕x轴转动惯量，/>为簧载质量，/>为簧载质量与侧倾轴线的距离的平方，/>为地球重力加速度，/>为簧载质量与侧倾轴线的距离，/>为簧为载质量侧倾角，/>为车辆的后轴非簧载质量侧倾角，/>为簧为载质量侧倾角速度，/>为辆的后轴非簧载质量侧倾角速度，/>为簧载质量横摆-侧倾惯性积，/>为横摆角二次导数，/>为质心侧偏角的一次导数，/>为纵向速度，/>为前悬架侧倾等效刚度，/>为后悬架等效侧倾刚度，/>为前悬架等效阻尼，/>为后悬架等效阻尼，/>为前轴非簧载质量一次导数，/>为车辆横摆角速度，/>为侧倾角二次导数，/>为前轴纵向力，/>为后轴侧向力，/>为簧载质量横摆-侧倾惯性积，/>为簧载质量绕z轴转动惯量，/>为轮胎半径，/>为前轴非簧载质量，为前非簧载质量质心离地面高度，/>为后轴非簧载质量质心离地高度，/>为前轮胎侧倾刚度，/>为车辆的后轴非簧载质量侧倾角一次导数，/>为后轮胎侧倾刚度，/>为后轴非簧载质量。
假定轮胎侧向力是轮胎滑移角的线性函数，前、后轴的侧向力可以表示为路面附着系数与等效侧偏刚度及前、后轴等效侧偏角的乘积，如式（14）所示；
（14）
其中，为路面附着系数，/>为前轴等效侧偏刚度，/>为前轴等效侧偏角，/>为后轴等效侧偏角。
在前后轴侧偏刚度较小的情况下，前后轮的侧偏角为式（15）所示。
（15）
其中，为质心侧偏角，/>为前轮转角。
在航向角很小的情况下，横向位置和航向角的变化率可以表示为如式（16）所示。
（16）
根据式（13）~（16）建立车辆横摆-侧倾耦合模型的状态方程如式（17）所示。
（17）
式中，为状态变量，/>，/>为输入变量，/>为输出变量，/>为状态变量系数矩阵，/>为输出状态变量矩阵，/>为控制输入系数矩阵，/>为输出系数矩阵。
各参数具体公式如下：
/>
其中，为车辆的质心侧偏角，单位为deg，/>为车辆横摆角速度，单位为deg/s，/>为簧为载质量侧倾角，单位为deg，/>为簧为载质量侧倾角速度，单位为deg/s，/>描述车辆的前轴非簧载质量，单位为deg，单位为deg，/>为地面坐标系下车辆的侧向位移，单位为m，为车辆横摆角，单位为deg，/>为簧载质量，/>为前轴非簧载质量，/>为后轴非簧载质量，/>为地球重力加速度，/>为纵向速度，/>为横向速度，/>为簧载质量质心离侧倾轴线距离，/>为侧倾轴线离地高度，/>为侧向加速度，/>为前轴等效侧偏刚度，/>为后轴等效侧偏刚度，/>为前轴等效侧偏角，/>为后轴等效侧偏角，/>为第一中间系数矩阵，/>为第二中间系数矩阵，/>为纵向车速，/>为状态系数矩阵。
将智能网联客车横摆-侧倾耦合模型以Ts为样本离散化，得到用于共享控制器设计的离散时间系统：
（18）
其中，/>和/>分别表示当前和下一个时间步长的离散状态，A,B1,B2分别由相应的连续时间矩阵Ac,Bc1,Bc1的离散双线性变换得到。
进一步地，本申请实施例可以结合如图4所示的多点预瞄理论，在前方一定距离选择N p步为预瞄点，即将目标路径离散化处理。
具体而言，结合多点预瞄理论，可以得到道路跟踪多点预瞄模型的公式（19）：
（19）/>
D为位移寄存器矩阵，为当前时刻车辆前方N p+1个横向位置期望值组成的列向量，Ri(k+1)是当前时刻的横向位置预瞄期望值，y i(k)是当前时刻车辆前方N p +1个航向角的期望值组成的列向量，/>为当前时刻航向角预瞄期望值，/>为目标航向角，预瞄步长，/>为控制目标。
道路跟踪多点预瞄模型将道路离散化，并在道路移位寄存器的作用下对预瞄点进行更新，为后面车路模型的计算提供方便。本申请实施例结合横摆与侧倾耦合模型建立道路跟踪及抗侧倾交互控制模型，如公式（20）所示：
（20）
其中
为第k+1时刻的状态变量，/>为第k+1时刻的输出，/>为第K+1时刻的横摆角，/>为转向系统或抗侧倾系统的目标横摆角，/>为转向输入的系数矩阵，/>为抗侧倾输入的系数矩阵，/>为控制目标更新点，/>为移位矩阵，/>为状态变量系数矩阵。
由于道路预瞄点的最远点可以忽略不计，因此可以将式（20）简化为式（21）所示
（21）
其中，为状态系数矩阵，f为关于前轮转角的参数标记符号，k为当前第k时刻，k+1为当前第k+1时刻，/>为增广状态方程相关参数的下标符号，/>为车辆-道路状态变量，/>为控制输入/>的矩阵系数，/>为控制输入/>的矩阵系数，u f为路径跟踪系统的控制输入，u a为抗侧倾系统的控制输入，a为抗侧倾控制下标。
综上，本申请实施例可以结合如图5所示的智能网联客车智驾域与底盘域交互控制图和如图6所示的实验设计路线图，对本申请实施例中将智驾域与底盘域之间的矛盾转化为博弈问题，利用纳什动态博弈论推导出智能网联客车智驾域与底盘域交互控制策略，以解决在智能网联客车在过度转向过程中，智驾域路径跟踪控制与底盘域抗侧倾的冲突干涉问题，进行详细说明总结。
具体而言，如图7可知，通过分布式控制和纳什反馈开环博弈控制两种方案下的横向位移与航向角及目标值之间的曲线比较，可以明显看出纳什反馈开环博弈控制虽然在16-18秒之间有微小超调现象，但总体跟踪效果不错，特别是10-15秒时间段，相对于分布式控制效果良好。
如图8可知，分布式控制的方向盘转角在转向时幅值较大，尤其在第8秒和第16秒的时候最为突出，有失稳的风险，而此时的纳什反馈开环博弈控制的方向盘转角相对较小，车辆行驶过程较为安全，主要是因为在第8秒时博弈控制的输入力矩相对较小，从而使得与转向的冲突降低，使得转向给与较小角度便可达到路径跟踪效果，且力矩在输入过程中比较缓和，使得转向控制策略不会太突兀。
如图9可知，质心侧偏角的大小标志着横向稳定性的强弱，通过图9（a）纳什反馈开环博弈控制的质心侧偏角与分布式控制对比可以看出，其走势基本一致，但是幅值要小的多，这可以从9、11、14秒位置可以看出；在图9（b）中横摆角标志着车辆转向的急缓程度，整体看两种方案的横摆角走势相同，但是纳什反馈开环博弈控制的横摆角较为平顺，特别是在14秒位置。
如图10可知，从图10（a）车辆的侧倾角和侧倾角角速度随时间的变化曲线可以看出，纳什反馈开环博弈控制的侧倾角幅值较小，而且比较平顺，并在第13、16秒位置比较明显；在图10（b）中分布式控制的侧倾角加速度明显幅值较大，且波动密集，相对与纳什反馈开环博弈控制，这必将增加车辆的侧倾风险。
如图11可知，图11（a）和（b）为车辆的前后非簧载质量的侧倾角，从图中可以看出，在第8秒时前轴非簧载质量侧倾角比后轴的要大很多，这是由于车辆紧急转向导致的，通过对比可以明显看出，基于纳什均衡的反馈开环博弈控制方案，可以更大程度的降低前后轴非簧载质量侧倾角的大小，从而使车辆在紧急状况下顺利规避风险。
根据本申请实施例提出的智能网联客车的抗侧倾交互控制方法，将智能网联客车的状态参数和所在区域的道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率，并将智驾域与底盘域看作博弈的两个控制目标，以最优二次型为基础理论构建纳什博弈的数学具体公式体现，结合纳什均衡理论推导出交互控制的最优策略，使智能网联客车在智驾域与底盘域的控制分配达到互相兼顾更加合理，从而提高智能网联客车的转向工况的安全性和稳定性。由此，解决了智能网联客车在过度转向过程中，智驾域路径跟踪控制与底盘域抗侧倾产生冲突，容易导致车辆偏离规划道路及交通事故的发生，安全性差等问题。
其次参照附图描述根据本申请实施例提出的一种智能网联客车的抗侧倾交互控制装置。
图12是本申请实施例的一种智能网联客车的抗侧倾交互控制装置的方框示意图。
如图12所示，该智能网联客车的抗侧倾交互控制装置10包括：获取模块100、处理模块200、求解模块300和控制模块400。
其中，获取模块100用于获取智能网联客车的状态参数和所在区域的道路信息；处理模块200用于将状态参数和道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率；求解模块300用于将道路跟踪和抗侧倾纳什博弈控制的控制率、智驾域控制目标和底盘域控制目标分别代入智能网联客车中智驾域和底盘域各自控制所需要的代价函数，使得智驾域和底盘域各自控制所需要的代价函数满足多人纳什动态差分博弈条件，求解得到道路跟踪转向系统和抗侧倾主动悬架系统的最优性能指标；控制模块400用于利用最优性能指标控制道路跟踪转向系统执行道路跟踪转向动作，并利用最优性能指标控制抗侧倾主动悬架系统执行抗侧倾动作。
在本申请的一个实施例中，本申请实施例的智能网联客车的抗侧倾交互控制装置10还包括：建立模块。
其中，建立模块用于建立道路跟踪及抗侧倾交互控制模型，包括：构造智能网联客车横摆与侧倾耦合的三自由度车辆离散化模型；将目标路径离散化处理，并结合三自由度车辆离散化模型建立基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，其中，建立过程中忽略道路预瞄点的最远点。
在本申请的一个实施例中，道路跟踪及抗侧倾交互控制模型为：
其中，为状态系数矩阵，f为关于前轮转角的参数标记符号，k为当前第k时刻，k+1为当前第k+1时刻，/>为增广状态方程相关参数的下标符号，/>为车辆-道路状态变量，/>为控制输入/>的矩阵系数，/>为控制输入/>的矩阵系数，u f为路径跟踪系统的控制输入，u a为抗侧倾系统的控制输入，a为抗侧倾控制下标。
在本申请的一个实施例中，智能网联客车中智驾域和底盘域各自控制所需要的代价函数为：
其中，为人力控制道路跟踪横向控制性能指标加权矩阵，/>为第一输入加权矩阵，/>为第一终端加权矩阵，/>为主动防侧倾控制性能的加权矩阵，/>为第二输入加权矩阵，/>为第二终端加权矩阵，j为第k时刻的第j步长，/>为路径跟踪系统代价函数表示符号，/>为抗侧倾系统代价函数表示符号，/>为控制步长，/>为状态变量转置的表示符号。
在本申请的一个实施例中，多人纳什动态差分博弈条件为：
其中，
最优解是：
其中，V f为道路跟踪系统的值函数，V a为抗侧倾系统的值函数，u * f为最优路径跟踪系统的控制输入，u * a为最优抗侧倾系统的控制输入为转向控制解集，/>为抗侧倾控制解集，/>为最优转向控制输入下的状态方程定义，/>为最优抗侧倾输入下的状态方程，/>为转向控制的性能指标，/>为抗侧倾系统的性能指标。
需要说明的是，前述对智能网联客车的抗侧倾交互控制方法实施例的解释说明也适用于该实施例的智能网联客车的抗侧倾交互控制装置，此处不再赘述。
根据本申请实施例提出的智能网联客车的抗侧倾交互控制装置，将智能网联客车的状态参数和所在区域的道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率，并将智驾域与底盘域看作博弈的两个控制目标，以最优二次型为基础理论构建纳什博弈的数学具体公式体现，结合纳什均衡理论推导出交互控制的最优策略，使智能网联客车在智驾域与底盘域的控制分配达到互相兼顾更加合理，从而提高智能网联客车的转向工况的安全性和稳定性。由此，解决了智能网联客车在过度转向过程中，智驾域路径跟踪控制与底盘域抗侧倾产生冲突，容易导致车辆偏离规划道路及交通事故的发生，安全性差等问题。
图13为本申请实施例提供的智能网联客车的结构示意图。该智能网联客车可以包括：
存储器1301、处理器1302及存储在存储器1301上并可在处理器1302上运行的计算机程序。
处理器1302执行程序时实现上述实施例中提供的智能网联客车的抗侧倾交互控制方法。
进一步地，智能网联客车还包括：
通信接口1303，用于存储器1301和处理器1302之间的通信。
存储器1301，用于存放可在处理器1302上运行的计算机程序。
存储器1301可能包含高速RAM（Random Access Memory，随机存取存储器）存储器，也可能还包括非易失性存储器，例如至少一个磁盘存储器。
如果存储器1301、处理器1302和通信接口1303独立实现，则通信接口1303、存储器1301和处理器1302可以通过总线相互连接并完成相互间的通信。总线可以是ISA（IndustryStandard Architecture，工业标准体系结构）总线、PCI（Peripheral Component，外部设备互连）总线或EISA（Extended Industry Standard Architecture，扩展工业标准体系结构）总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1301、处理器1302及通信接口1303，集成在一块芯片上实现，则存储器1301、处理器1302及通信接口1303可以通过内部接口完成相互间的通信。
处理器1302可能是一个CPU（Central Processing Unit，中央处理器），或者是ASIC（Application Specific Integrated Circuit，特定集成电路），或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的智能网联客车的抗侧倾交互控制方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “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申请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是必须针对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一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，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。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列，现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种智能网联客车的抗侧倾交互控制方法，其特征在于，包括以下步骤：
获取智能网联客车的状态参数和所在区域的道路信息；
将所述状态参数和所述道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率；
将所述道路跟踪和抗侧倾纳什博弈控制的控制率、智驾域控制目标和底盘域控制目标分别代入所述智能网联客车中智驾域和底盘域各自控制所需要的代价函数，使得所述智驾域和底盘域各自控制所需要的代价函数满足多人纳什动态差分博弈条件，求解得到道路跟踪转向系统和抗侧倾主动悬架系统的最优性能指标；
利用所述最优性能指标控制所述道路跟踪转向系统执行道路跟踪转向动作，并利用所述最优性能指标控制所述抗侧倾主动悬架系统执行抗侧倾动作；
所述道路跟踪及抗侧倾交互控制模型为：
其中，为状态系数矩阵，f为关于前轮转角的参数标记符号，k为当前第k时刻，k+1为当前第k+1时刻，/>为增广状态方程相关参数的下标符号，/>为车辆-道路状态变量，/>为控制输入/>的矩阵系数，/>为控制输入/>的矩阵系数，u f为路径跟踪系统的控制输入，u a为抗侧倾系统的控制输入，a为抗侧倾控制下标；
所述智能网联客车中智驾域和底盘域各自控制所需要的代价函数为：
其中，为人力控制道路跟踪横向控制性能指标加权矩阵，/>为第一输入加权矩阵，为第一终端加权矩阵，/>为主动防侧倾控制性能的加权矩阵，/>为第二输入加权矩阵，/>为第二终端加权矩阵，j为第k时刻的第j步长，/>为路径跟踪系统代价函数表示符号，/>为抗侧倾系统代价函数表示符号，/>为控制步长，/>为状态变量转置的表示符号；
所述多人纳什动态差分博弈条件为：
其中，
最优解是：
其中，V f为道路跟踪系统的值函数，V a为抗侧倾系统的值函数，u * f为最优路径跟踪系统的控制输入，u * a为最优抗侧倾系统的控制输入，为转向控制解集，/>为抗侧倾控制解集，/>为最优转向控制输入下的状态方程定义，/>为最优抗侧倾输入下的状态方程，为转向控制的性能指标，/>为抗侧倾系统的性能指标。
2.根据权利要求1所述的智能网联客车的抗侧倾交互控制方法，其特征在于，所述道路跟踪及抗侧倾交互控制模型的建立过程包括：
构造智能网联客车横摆与侧倾耦合的三自由度车辆离散化模型；
将目标路径离散化处理，并结合所述三自由度车辆离散化模型建立所述基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，其中，建立过程中忽略道路预瞄点的最远点。
3.一种智能网联客车的抗侧倾交互控制装置，其特征在于，包括：
获取模块，用于获取智能网联客车的状态参数和所在区域的道路信息；
处理模块，用于将所述状态参数和所述道路信息输入预先建立的基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，输出道路跟踪和抗侧倾纳什博弈控制的控制率；
求解模块，用于将所述道路跟踪和抗侧倾纳什博弈控制的控制率、智驾域控制目标和底盘域控制目标分别代入所述智能网联客车中智驾域和底盘域各自控制所需要的代价函数，使得所述智驾域和底盘域各自控制所需要的代价函数满足多人纳什动态差分博弈条件，求解得到道路跟踪转向系统和抗侧倾主动悬架系统的最优性能指标；
控制模块，用于利用所述最优性能指标控制所述道路跟踪转向系统执行道路跟踪转向动作，并利用所述最优性能指标控制所述抗侧倾主动悬架系统执行抗侧倾动作；
所述道路跟踪及抗侧倾交互控制模型为：
其中，为状态系数矩阵，f为关于前轮转角的参数标记符号，k为当前第k时刻，k+1为当前第k+1时刻，/>为增广状态方程相关参数的下标符号，/>为车辆-道路状态变量，/>为控制输入/>的矩阵系数，/>为控制输入/>的矩阵系数，u f为路径跟踪系统的控制输入，u a为抗侧倾系统的控制输入，a为抗侧倾控制下标；
所述智能网联客车中智驾域和底盘域各自控制所需要的代价函数为：
其中，为人力控制道路跟踪横向控制性能指标加权矩阵，/>为第一输入加权矩阵，第一为终端加权矩阵，/>为主动防侧倾控制性能的加权矩阵，/>为第二输入加权矩阵，/>第二为终端加权矩阵，j为第k时刻的第j步长，/>为路径跟踪系统代价函数表示符号，/>为抗侧倾系统代价函数表示符号，/>为控制步长，/>为状态变量转置的表示符号；
所述多人纳什动态差分博弈条件为：
其中，
最优解是：
其中，V f为道路跟踪系统的值函数，V a为抗侧倾系统的值函数，u * f为最优路径跟踪系统的控制输入，u * a为最优抗侧倾系统的控制输入，为转向控制解集，/>为抗侧倾控制解集，/>为最优转向控制输入下的状态方程定义，/>为最优抗侧倾输入下的状态方程，为转向控制的性能指标，/>为抗侧倾系统的性能指标。
4.根据权利要求3所述的智能网联客车的抗侧倾交互控制装置，其特征在于，还包括：建立模块，用于建立所述道路跟踪及抗侧倾交互控制模型，包括：
构造智能网联客车横摆与侧倾耦合的三自由度车辆离散化模型；
将目标路径离散化处理，并结合所述三自由度车辆离散化模型建立所述基于纳什非合作反馈闭环博弈的道路跟踪及抗侧倾交互控制模型，其中，建立过程中忽略道路预瞄点的最远点。
5.一种智能网联客车，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-2任一项所述的智能网联客车的抗侧倾交互控制方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-2任一项所述的智能网联客车的抗侧倾交互控制方法。
CN202310513387.XA 2023-05-09 2023-05-09 智能网联客车的抗侧倾交互控制方法、装置、客车及介质 Active CN116215155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310513387.XA CN116215155B (zh) 2023-05-09 2023-05-09 智能网联客车的抗侧倾交互控制方法、装置、客车及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310513387.XA CN116215155B (zh) 2023-05-09 2023-05-09 智能网联客车的抗侧倾交互控制方法、装置、客车及介质

Publications (2)

Publication Number Publication Date
CN116215155A CN116215155A (zh) 2023-06-06
CN116215155B true CN116215155B (zh) 2023-07-25

Family

ID=86587676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310513387.XA Active CN116215155B (zh) 2023-05-09 2023-05-09 智能网联客车的抗侧倾交互控制方法、装置、客车及介质

Country Status (1)

Country Link
CN (1) CN116215155B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111976623A (zh) * 2020-08-27 2020-11-24 清华大学 面向智能汽车的底盘域控制器、车辆的控制方法及车辆
CN112373470A (zh) * 2020-11-17 2021-02-19 聊城大学 紧急避让工况自动驾驶转向制动Nash博弈控制方法
CN113911106A (zh) * 2021-10-11 2022-01-11 聊城大学 基于博弈论的商用车横向轨迹跟随与稳定性协同控制方法
CN113978450A (zh) * 2021-10-11 2022-01-28 聊城大学 一种抗侧倾的商用车路径跟踪博弈控制方法
CN115993826A (zh) * 2023-01-09 2023-04-21 大连理工大学 一种针对智能体的自适应最优合作博弈控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3536574A1 (en) * 2018-03-06 2019-09-11 Pablo Alvarez Troncoso Vehicle control system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111976623A (zh) * 2020-08-27 2020-11-24 清华大学 面向智能汽车的底盘域控制器、车辆的控制方法及车辆
CN112373470A (zh) * 2020-11-17 2021-02-19 聊城大学 紧急避让工况自动驾驶转向制动Nash博弈控制方法
CN113911106A (zh) * 2021-10-11 2022-01-11 聊城大学 基于博弈论的商用车横向轨迹跟随与稳定性协同控制方法
CN113978450A (zh) * 2021-10-11 2022-01-28 聊城大学 一种抗侧倾的商用车路径跟踪博弈控制方法
CN115993826A (zh) * 2023-01-09 2023-04-21 大连理工大学 一种针对智能体的自适应最优合作博弈控制方法

Also Published As

Publication number Publication date
CN116215155A (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN101005981B (zh) 车辆的控制装置
Genta et al. The automotive chassis: vol. 2: system design
Sharp et al. A mathematical model for driver steering control, with design, tuning and performance results
CN113911106B (zh) 基于博弈论的商用车横向轨迹跟随与稳定性协同控制方法
CN114379583B (zh) 一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪系统及方法
Masouleh et al. Optimizing the aero-suspension interactions in a formula one car
CN113978450B (zh) 一种抗侧倾的商用车路径跟踪博弈控制方法
CN111391595A (zh) 车辆防侧翻主动倾摆模型预测控制方法
Krid et al. Design and control of an active anti-roll system for a fast rover
CN112578672B (zh) 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法
Németh et al. Nonlinear analysis and control of a variable-geometry suspension system
Xu et al. Distributed formation control of homogeneous vehicle platoon considering vehicle dynamics
CN113221257A (zh) 考虑控制区域的极限工况下车辆横纵向稳定控制方法
CN116215155B (zh) 智能网联客车的抗侧倾交互控制方法、装置、客车及介质
Thommyppillai et al. Advances in the development of a virtual car driver
Antos et al. A control strategy for vehicle trajectory tracking using multibody models
CN117270386A (zh) 基于耦合自抗扰的分布式驱动六轮转向车辆同相位转向控制方法及控制器
CN114889446B (zh) 一种越野车辆两方向转矩矢量分配方法、设备及存储介质
Vantsevich et al. Mobility optimization and control of a 4x4 he-vehicle in curvilinear motion on stochastic terrain
Wu et al. Coordination Control of Path Tracking and Stability for 4WS Autonomous Vehicle
Penco et al. Control for autonomous vehicles in high dynamics maneuvers: LPV modeling and static feedback controller
Thoresson Efficient gradient-based optimisation of suspension characteristics for an off-road vehicle
Liu et al. Interactive and worst-case optimized robust control for potential application to guaranteeing roll stability for intelligent heavy vehicle
Yarmohammadisatri et al. Robust design of multi-body model of steering mechanism based on uncertainties of suspension parameters
Kabiraj et al. Mathematical modeling for vehicle dynamics, steady state cornering performance prediction using non linear tire data employing a four wheel model

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