CN116224837B - 可抗通信延迟的多无人压路车协同控制仿真系统及方法 - Google Patents

可抗通信延迟的多无人压路车协同控制仿真系统及方法 Download PDF

Info

Publication number
CN116224837B
CN116224837B CN202310502475.XA CN202310502475A CN116224837B CN 116224837 B CN116224837 B CN 116224837B CN 202310502475 A CN202310502475 A CN 202310502475A CN 116224837 B CN116224837 B CN 116224837B
Authority
CN
China
Prior art keywords
road
module
simulation
track
vehicle
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
CN202310502475.XA
Other languages
English (en)
Other versions
CN116224837A (zh
Inventor
冯宇
曾宪营
张军
方来
文浩雄
龚毅
张东兴
邓翔
张永健
王玉臣
周一龙
袁铜森
李武装
李园园
冯伟
杨德钊
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 Zhitong Engineering Technology Co ltd
Original Assignee
Hunan Zhitong Engineering Technology 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 Hunan Zhitong Engineering Technology Co ltd filed Critical Hunan Zhitong Engineering Technology Co ltd
Priority to CN202310502475.XA priority Critical patent/CN116224837B/zh
Publication of CN116224837A publication Critical patent/CN116224837A/zh
Application granted granted Critical
Publication of CN116224837B publication Critical patent/CN116224837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种可抗通信延迟的多无人压路车协同控制仿真系统及方法,协同控制仿真系统采用仿真模块、自动控制模块和运动规划模块,仿真模块用于将压路车状态数据输出至自动控制模块和运动规划模块;运动规划模块用于接收仿真模块输出的当前压路车状态信息,并且根据沥青路面施工要求,在满足施工工艺要求的前提下计算出压路车未来的轨迹戳信息并将其发送给自动控制模块;自动控制模块用于根据运动规划模块计算出的轨迹戳信息和仿真模块输出的当前压路车状态信息,计算出当前的控制指令并且将控制指令输出给仿真模块。本发明成本低、效率高;可抗通信延迟、可移植性好。

Description

可抗通信延迟的多无人压路车协同控制仿真系统及方法
技术领域
本发明涉及沥青路面无人化、智能化施工技术领域,尤其公开了一种可抗通信延迟的多无人压路车协同控制仿真系统及方法。
背景技术
随着自动驾驶技术不断发展,因为人力成本、施工效率等因素,沥青路面压实施工正朝着无人化、智能化方式前进。但与此同时,无人化、智能化施工中网络通信的延迟、任务的复杂性、工作环境的恶劣性,直接或间接增加了沥青路面无人化、智能化施工出现安全事故的概率。沥青路面施工一旦出现事故,轻则造成施工失败,重则造成压路机出现损坏,造成一定的财产损失,甚至造成人身安全。基于上述的问题,验证沥青路面无人化、智能化施工的安全性,提高施工的抗通信延迟性是相关领域科研工作者和工程技术人员关注的焦点。
一种验证沥青路面施工效果的方法是直接采用目前无人驾驶领域的仿真系统,但是将这些仿真系统直接应用到沥青路面压实以验证沥青路面施工效果存在着很大的困难,一是场景复杂性:压路车在使用时需要考虑到多种环境因素,如路况、施工现场、天气等,这些因素可能会使得仿真模拟变得非常复杂,二是安全性:无人压路车需要保证行驶安全,避免与其他压路车或行人发生碰撞。因此,需要在仿真环境中进行充分的安全性测试和验证,以确保压路车在真实环境中可以安全行驶。
因此,现有技术中并没有验证沥青路面施工效果的有效方法,是目前亟待解决的技术问题。
发明内容
本发明提供了一种可抗通信延迟的多无人压路车协同控制仿真系统及方法,旨在解决现有技术中并没有验证沥青路面施工效果的有效方法的技术问题。
本发明的一方面涉及一种可抗通信延迟的多无人压路车协同控制仿真系统,包括仿真模块、自动控制模块和运动规划模块,其中,
仿真模块分别与自动控制模块和运动规划模块相连接,用于将压路车状态数据输出至自动控制模块和运动规划模块;
运动规划模块与仿真模块相连接,用于接收仿真模块输出的当前压路车状态信息,并且根据沥青路面施工要求,在满足施工工艺要求的前提下计算出压路车未来的轨迹戳信息并将其发送给自动控制模块;
自动控制模块与仿真模块和运动规划模块相连接,用于根据运动规划模块计算出的轨迹戳信息和仿真模块输出的当前压路车状态信息,计算出当前的控制指令并且将控制指令输出给仿真模块。
进一步地,仿真模块包括:
压路车运动学仿真单元,用于接收自动控制模块输出的控制指令,执行后生成新的压路车状态;
三维场景演示单元,与压路车运动学仿真单元相连接,用于对压路车运动学仿真单元生成的新的压路车状态进行三维仿真演示。
进一步地,压路车状态信息包括但不限于压路车GPS位置信息、压路车姿态信息和压路车速度信息。
本发明的另一方面涉及一种可抗通信延迟的多无人压路车协同控制仿真方法,应用于上述的可抗通信延迟的多无人压路车协同控制仿真系统中,可抗通信延迟的多无人压路车协同控制仿真方法包括以下步骤:
仿真场景搭建:选择仿真软件搭建仿真场景,采用摊铺机铺路,压路机紧跟摊铺机进行压路;
仿真模块开发:建立压路车运动学模型,控制量为(a,W),状态量为(X,Y,ψ),其中,a为加速度,W为横摆角速度,(X,Y)为中心坐标,ψ为航向角;
自动控制模块开发:首先自动控制模块读取运动规划模块输出的当前压路车轨迹戳信息、以及仿真模块输出的所有压路车当前状态信息,计算出当前压路车需要的控制指令;然后自动控制模块将控制指令输出至仿真模块中的压路车运动学仿真单元仿真执行;最后由仿真模块中的三维场景演示单元将仿真执行结果在仿真场景中进行三维显示;
运动规划模块开发:运动规划模块读取当前压路车状态信息,依据沥青路面施工工艺要求来计算所有压路车接下来一段时间的轨迹,最后将计算好的各个压路车轨迹戳信息发送至压路车自动控制模块;
算法仿真验证:将开发的仿真模块、自动控制模块和运动规划模块联调成一个整体的多无人压路车协同控制仿真系统进行算法仿真验证,首先运动规划模块计算出压路车的轨迹戳信息,并且输出给压路车自动控制模块;然后自动控制模块根据轨迹戳信息计算出当前控制信息并且输出给仿真模块,仿真模块执行该控制指令并且输出新的压路车状态信息,仿真场景进行三维演示;最后又将新的压路车状态信息发送给运动规划模块和压路车自动控制模块;
算法移植与算法真机验证:改装压路车机身,使压路车机身佩戴机载电脑,将自动控制模块移植到机载电脑,将运动规划模块移植到控制站中心。
进一步地,采用的沥青路面施工工艺要求如下:将沥青路面压实分为初压、复压和终压,其中,多无人压路车协同控制仿真方法与系统负责初压与复压。初压要求压路车压实两遍,速度每小时2~3公里,施工温度不低于110度并紧跟摊铺机进行,复压要求压路车压实4遍,速度每小时3~5公里;碾压温度控制在80~100度。同时摊铺机速度每小时1~2公里。安全距离为3米。
进一步地,仿真模块开发的步骤中,建立的压路车运动学模型为:其中,a为加速度,W为横摆角速度,(X,Y)为中心坐标,ψ为航向角。
进一步地,自动控制模块开发的步骤中,根据轨迹戳信息和车辆状态信息计算控制指令的方法为:
控制指令由油门、刹车和方向盘组成,方向盘对应横摆角速度,每一档油门控制量都对应着一档压路车加速度,而刹车也对应一档加速度,仿真时实际控制指令是加速度a和横摆角速度w;读取轨迹戳中的第一个未达到的位置点和时间信息,设此时压路车速度为V,目标点与压路车距离为L,轨迹戳第一个目标点到达时间减去当前时间为T,目标状态与压路车当前状态的角度为θ,则加速度、目标速度和横摆角速度为:其中,w为横摆角速度,θ为目标状态与压路车当前状态的角度,T为轨迹戳第一个目标点到达时间减去当前时间,V1为目标速度,L为目标点与压路车距离,a为加速度。将(a,W)作为控制指令输入给仿真模块。
进一步地,运动规划模块开发的步骤中,轨迹戳信息即指运动规划模块的输出,轨迹指三维轨迹,即2维位置+1维时间;轨迹戳是运动规划模块计算出的接下来一段时间该压路车的运动轨迹,指明了压路车在指定时间要到达的指定位置;自动控制模块接收轨迹戳信息后,根据该轨迹戳信息以及压路车当前运动状态计算出压路车控制指令。
进一步地,运动规划模块开发的步骤中,轨迹戳计算的方法为:将道路宽度除以压路车有效工作宽度得到n为赛道数,然后在每个赛道上计算一个前进轨迹点以及一个后退轨迹点,总共2n个轨迹点构成轨迹戳信息。
对于前进轨迹点计算方法如下:先计算压路车的第一个前进轨迹点,若压路车当前运动状态为前进,则第一个前进轨迹点位于该赛道,其前进轨迹点的横坐标不变。从沥青路面压实工艺要求可以获取到摊铺机速度区间,压路车速度区间以及安全距离,取速度区间的中值为压路车速度;同时可以从仿真模块获取到压路车当前位置以及摊铺机当前位置。获取到这些信息后,直接根据运动学公式计算出第一个前进点的位置信息和时间信息。接着依次类推可以获得n个前进轨迹点的位置信息以及时间信息。
对于后退轨迹点的计算方法如下:每次压路车前进到一个前进轨迹点时,将该前进轨迹点的位置信息存入当前赛道的后退轨迹点队列,计算第n个赛道的后退轨迹点时,直接取第n个赛道的后退轨迹点队列的第一个元素作为位置信息,随后取得已经计算好的该赛道的前进轨迹点的位置信息以及时间信息,同后退点的位置信息做运动学计算计算出时间信息,将位置信息和时间信息一起构成第n个赛道的后退轨迹点信息。
将n个前进轨迹点和n个后退轨迹点存入数组,形成轨迹戳信息,最后将轨迹戳信息发布。
进一步的,计算轨迹戳时,有利用到的沥青路面压实工艺包括压路车速度要求区间、安全距离以及摊铺机速度。
进一步地,运动规划模块开发的步骤中,使用轨迹戳信息作为运动规划模块的输出形式后,若运动规划模块与自动控制模块之间的通信正常,对于自动控制模块会一直收到轨迹戳信息并实时计算压路车控制指令,对于运动规划模块会一直收到新的压路车当前状态并且计算出可避免碰撞的轨迹戳信息;若运动规划模块与自动控制模块之间的通信突然中断,则自动控制模块会被迫停止接收新的轨迹戳信息,但可按照之前接收到的轨迹戳计算控制指令,运动一段时间后安全停止系统。
进一步的,在多台无人压路车同时工作时,将待压实道路分为左右两侧(或对分后的道路继续划分),每个压路车只会在其属于的道路侧工作,因此可以避免不同侧道路的压路车相撞,对于同一侧道路的压路车,其只有前后两辆压路车进行初压以及复压。复压小车的轨迹戳的前进轨迹点由初压小车轨迹戳的后退轨迹点组成,因此同一侧道路的压路车之间也不会相撞。同一侧的压路车以及不同侧的压路车都不会相撞,也就代表所有压路车之间都不会相撞,同时,由于轨迹戳含有未来时间的目标点信息,而解算轨迹戳信息的控制模块在真机实验时位于压路车机载电脑,因此能使每辆压路车都存在抵抗通信延迟的能力。这就实现了可抗通信延迟的多无人压路车协同控制方法。
本发明所取得的有益效果为:
本发明提供一种可抗通信延迟的多无人压路车协同控制仿真系统及方法,多无人压路车协同控制仿真系统采用仿真模块、自动控制模块和运动规划模块,仿真模块用于将压路车状态数据输出至自动控制模块和运动规划模块;运动规划模块用于接收仿真模块输出的当前压路车状态信息,并且根据沥青路面施工要求,在满足施工工艺要求的前提下计算出压路车未来的轨迹戳信息并将其发送给自动控制模块;自动控制模块用于根据运动规划模块计算出的轨迹戳信息和仿真模块输出的当前压路车状态信息,计算出当前的控制指令并且将控制指令输出给仿真模块。本发明提供一种可抗通信延迟的多无人压路车协同控制仿真系统及方法,解决了极端情况下因通信延迟较高沥青路面无法正常施工的问题,可以在不进行真机测试的情况下,对沥青路面无人化施工方案进行仿真验证,并且能够方便的将算法移植到真机;能提高真机测试的安全性,并且有效减少沥青路面无人化施工的测试成本;成本低,通过采用先仿真再真机的思想,能够有效减少沥青路面无人化、智能化施工因为真机验证而带来的实验成本;效率高,相对于沥青路面人工施工,沥青路面无人化、智能化施工能够提升沥青路面施工效率,可以节省时间;可抗通信延迟,使用基于轨迹戳的思想来设计控制模块,能够达到可抗通信延迟的效果,能够应对通信延迟较高的极端环境;可移植性好,使用基于模块化的设计思想,能方便快速的将仿真验证的沥青路面无人化、智能化施工算法移植到真机实验中。
附图说明
图1为本发明提供的可抗通信延迟的多无人压路车协同控制仿真系统一实施例的功能框图;
图2为图1中所示的仿真模块一实施例的功能模块示意图;
图3为本发明提供的可抗通信延迟的多无人压路车协同控制仿真方法一实施例的流程示意图;
图4为本发明提供的可抗通信延迟的多无人压路车协同控制仿真方法中沥青路面施工场景图;
图5为本发明提供的可抗通信延迟的多无人压路车协同控制仿真方法中压路车运动学模型示意图。
附图标号说明:
10、仿真模块;20、自动控制模块;30、运动规划模块;11、压路车运动学仿真单元;12、三维场景演示单元。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
如图1所示,本发明第一实施例提出一种可抗通信延迟的多无人压路车协同控制仿真系统,包括仿真模块10、自动控制模块20和运动规划模块30,其中,仿真模块10分别与自动控制模块20和运动规划模块30相连接,用于将压路车状态数据输出至自动控制模块20和运动规划模块30;运动规划模块30与仿真模块10相连接,用于接收仿真模块10输出的当前压路车状态信息,并且根据沥青路面施工要求,在满足施工工艺要求的前提下计算出压路车未来的轨迹戳信息并将其发送给自动控制模块20;自动控制模块20与仿真模块10和运动规划模块30相连接,用于根据运动规划模块30计算出的轨迹戳信息和仿真模块10输出的当前压路车状态信息,计算出当前的控制指令并且将控制指令输出给仿真模块10。
在上述结构中,请见图2,图2为图1中所示的仿真模块一实施例的功能模块示意图,在本实施例中,仿真模块10包括压路车运动学仿真单元11和三维场景演示单元12,其中,压路车运动学仿真单元11,用于接收自动控制模块20输出的控制指令,执行后生成新的压路车状态;三维场景演示单元12,与压路车运动学仿真单元11相连接,用于对压路车运动学仿真单元11生成的新的压路车状态进行三维仿真演示。在本实施例中,压路车状态信息包括但不限于压路车GPS位置信息、压路车姿态信息和压路车速度信息。本实施例提供的可抗通信延迟的多无人压路车协同控制仿真系统,解决了极端情况下因通信延迟较高沥青路面无法正常施工的问题,可以在不进行真机测试的情况下,对沥青路面无人化施工方案进行仿真验证,并且能够方便的将算法移植到真机;能提高真机测试的安全性,并且有效减少沥青路面无人化施工的测试成本。
本实施例提供的可抗通信延迟的多无人压路车协同控制仿真系统,采用仿真模块10、自动控制模块20和运动规划模块30,仿真模块10用于将压路车状态数据输出至自动控制模块20和运动规划模块30;运动规划模块30用于接收仿真模块输出的当前压路车状态信息,并且根据沥青路面施工要求,在满足施工工艺要求的前提下计算出压路车未来的轨迹戳信息并将其发送给自动控制模块20;自动控制模块20用于根据运动规划模块30计算出的轨迹戳信息和仿真模块10输出的当前压路车状态信息,计算出当前的控制指令并且将控制指令输出给仿真模块10。本实施例提供的可抗通信延迟的多无人压路车协同控制仿真系统,解决了极端情况下因通信延迟较高沥青路面无法正常施工的问题,可以在不进行真机测试的情况下,对沥青路面无人化施工方案进行仿真验证,并且能够方便的将算法移植到真机;能提高真机测试的安全性,并且有效减少沥青路面无人化施工的测试成本。
如图2至图5所示,本实施例还提供一种可抗通信延迟的多无人压路车协同控制仿真方法,应用于上述的可抗通信延迟的多无人压路车协同控制仿真系统中,可抗通信延迟的多无人压路车协同控制仿真方法包括以下步骤:
步骤S100、仿真场景搭建:选择仿真软件搭建仿真场景,采用摊铺机铺路,压路机紧跟摊铺机进行压路。
选择仿真软件搭建仿真场景,如图4所示,为本实施例沥青路面施工场景图,两台摊铺机左右分布在路的两边,一台摊铺机宽6米,一台宽6.5米,路宽12米,摊铺机中间重叠0.5米。另有4台压路机紧跟摊铺机进行压路,以路的中间为线左右各两台压路机,一台在前进行初压,一台在后进行复压。
步骤S200、仿真模块开发:建立压路车运动学模型,控制量为(a,W),状态量为(X,Y,ψ),其中,a为加速度,W为横摆角速度,(X,Y)为中心坐标,ψ为航向角。
如图4所示为压路车运动学模型,其控制量为(a,W),a为加速度,W为横摆角速度,状态量为(X,Y,ψ),(X,Y)为中心坐标,ψ为航向角,则有:在公式(1)中,a为速度,W为横摆角速度,(X,Y)为中心坐标,ψ为航向角。
步骤S300、自动控制模块开发:首先自动控制模块读取运动规划模块输出的当前压路车轨迹戳信息、以及仿真模块输出的所有压路车当前状态信息,计算出当前压路车需要的控制指令;然后自动控制模块将控制指令输出至仿真模块中的压路车运动学仿真单元仿真执行;最后由仿真模块中的三维场景演示单元将仿真执行结果在仿真场景中进行三维显示。
控制指令由油门、刹车和方向盘组成,方向盘对应横摆角速度,每一档油门控制量都对应着一档压路车加速度,而刹车也对应一档加速度,仿真时实际控制指令是加速度a和横摆角速度w;读取轨迹戳中的第一个未达到的位置点和时间信息,设此时压路车速度为V,目标点与压路车距离为L,轨迹戳第一个目标点到达时间减去当前时间为T,目标状态与压路车当前状态的角度为θ,则加速度、目标速度和横摆角速度为:在公式(2)~(4)中,w为横摆角速度,θ为目标状态与压路车当前状态的角度,T为轨迹戳第一个目标点到达时间减去当前时间,V1为目标速度,L为目标点与压路车距离,a为加速度。
步骤S400、运动规划模块开发:运动规划模块读取当前压路车状态信息,依据沥青路面施工工艺要求来计算所有压路车接下来一段时间的轨迹,最后将计算好的各个压路车轨迹戳信息发送至压路车自动控制模块。
轨迹戳信息即指自动控制模块的输出,轨迹指三维轨迹,即2维位置+1维时间;轨迹戳是自动控制模块计算出的接下来一段时间该压路车的运动轨迹,指明了压路车在指定时间要到达的指定位置;自动控制模块接收轨迹戳信息后,根据该轨迹戳信息以及压路车当前运动状态计算出压路车控制指令。
真机实验时该模块运行于远程,在本实施例中,沥青路面施工分为左右道路两侧,两侧各两辆压路车,一辆在前初压进行初压,一辆在后复压。两侧各四条赛道,一共4台压路车、2台摊铺车协同工作,摊铺车路径速度较为单一,不需要运动规划模块给出轨迹戳信息,只需要控制站给出停止指令。重点是对4台压路机进行协同控制。计算轨迹戳时,需考虑沥青路面施工工艺要求以及压路车当前位置状态,此处初压要求压实两遍,复压要求压实四遍。下面是只考虑计算压路车一个目标点的方法:
(1)前车前进点:根据摊铺车速度和压路车目标速度以及安全距离计算。计算出来的前进点位置和时间能使得压路车刚好到达与摊铺机的安全距离,并且压路车此时速度为0,此后压路车从前进改为后退运动。每次到达前进点后将其放入前车后退点候选队列和后车前进点候选队列。
(2)前车后退点:为前车后退点候选队列中的第一个后退点,到达该后退点后,压路车右斜上或左斜上运动到另外一个赛道,每两次后退到达该后退点后将该点从候选队列移除。
(3)后车前进点:为后车前进点候选队列中的第一个前进点。每次到达后更新一次,并将该点存入后车后退点候选队列。
(4)后车后退点:为后车后退点候选队列中的第一个后退点,到达该后退点后,压路车右斜上或左斜上运动到另外一个赛道,每四次后退到达该后退点后将该点从候选队列移除。
上述方法为一个目标点的计算方法,在计算轨迹戳时需要将各个赛道的前进点和后退点连起来构成轨迹,并且根据期望速度和轨迹点之间距离来计算各个轨迹点的期望时间。另外,使前车轨迹戳中的所有点均在后车轨迹戳中的所有点的前方,可以保证前车与后车不会相撞。
使用轨迹戳信息作为运动规划模块的输出形式后,若运动规划模块与自动控制模块之间的通信正常,对于自动控制模块会一直收到轨迹戳信息并实时计算压路车控制指令,对于运动规划模块会一直收到新的压路车当前状态并且计算出可避免碰撞的轨迹戳信息;若运动规划模块与自动控制模块之间的通信突然中断,则自动控制模块会被迫停止接收新的轨迹戳信息,但可按照之前接收到的轨迹戳计算控制指令,运动一段时间后安全停止系统。
步骤S500、算法仿真验证:将开发的仿真模块、自动控制模块和运动规划模块联调成一个整体的多无人压路车协同控制仿真系统进行算法仿真验证,首先运动规划模块计算出压路车的轨迹戳信息,并且输出给压路车自动控制模块;然后自动控制模块根据轨迹戳信息计算出当前控制信息并且输出给仿真模块,仿真模块执行该控制指令并且输出新的压路车状态信息,仿真场景进行三维演示;最后又将新的压路车状态信息发送给运动规划模块和压路车自动控制模块。
将步骤S100至步骤S400开发的各子模块系统联调成一个整体的多无人压路车协同控制仿真系统进行算法仿真验证。首先运动规划模块计算出压路车的轨迹戳信息并且输出给压路车自动控制模块,然后压路车自动控制模块根据轨迹戳信息计算出当前控制信息并且输出给压路车运动学模型,压路车运动学模型执行该控制指令并且输出新的压路车状态信息,仿真场景进行三维演示,最后又将其状态信息发送给压路车运动规划模块和压路车自动控制模块。
步骤S600、算法移植与算法真机验证:改装压路车机身,使压路车机身佩戴机载电脑,将自动控制模块移植到机载电脑,将运动规划模块移植到控制站中心。
本实施例提供的可抗通信延迟的多无人压路车协同控制仿真方法,同现有技术相比,通过仿真场景搭建:选择仿真软件搭建仿真场景,采用摊铺机铺路,压路机紧跟摊铺机进行压路;仿真模块开发:建立压路车运动学模型,控制量为(a,W),状态量为(X,Y,ψ),其中,a为加速度,W为横摆角速度,(X,Y)为中心坐标,ψ为航向角;自动控制模块开发:首先自动控制模块读取运动规划模块输出的当前压路车轨迹戳信息、以及仿真模块输出的所有压路车当前状态信息,计算出当前压路车需要的控制指令;然后自动控制模块将控制指令输出至仿真模块中的压路车运动学仿真单元仿真执行;最后由仿真模块中的三维场景演示单元将仿真执行结果在仿真场景中进行三维显示;运动规划模块开发:运动规划模块读取当前压路车状态信息,依据沥青路面施工工艺要求来计算所有压路车接下来一段时间的轨迹,最后将计算好的各个压路车轨迹戳信息发送至压路车自动控制模块;算法仿真验证:将开发的仿真模块、自动控制模块和运动规划模块联调成一个整体的多无人压路车协同控制仿真系统进行算法仿真验证,首先运动规划模块计算出压路车的轨迹戳信息,并且输出给压路车自动控制模块;然后自动控制模块根据轨迹戳信息计算出当前控制信息并且输出给仿真模块,仿真模块执行该控制指令并且输出新的压路车状态信息,仿真场景进行三维演示;最后又将新的压路车状态信息发送给运动规划模块和压路车自动控制模块;算法移植与算法真机验证:改装压路车机身,使压路车机身佩戴机载电脑,将自动控制模块移植到机载电脑,将运动规划模块移植到控制站中心。本实施例提供的可抗通信延迟的多无人压路车协同控制仿真方法,成本低,通过采用先仿真再真机的思想,能够有效减少沥青路面无人化、智能化施工因为真机验证而带来的实验成本;效率高,相对于沥青路面人工施工,沥青路面无人化、智能化施工能够提升沥青路面施工效率,可以节省时间;可抗通信延迟,使用基于轨迹戳的思想来设计控制模块,能够达到可抗通信延迟的效果,能够应对通信延迟较高的极端环境;可移植性好,使用基于模块化的设计思想,能方便快速的将仿真验证的沥青路面无人化、智能化施工算法移植到真机实验中。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种可抗通信延迟的多无人压路车协同控制仿真方法,应用于可抗通信延迟的多无人压路车协同控制仿真系统中,其特征在于,所述可抗通信延迟的多无人压路车协同控制仿真系统包括仿真模块(10)、自动控制模块(20)和运动规划模块(30),其中,所述仿真模块(10)分别与所述自动控制模块(20)和所述运动规划模块(30)相连接,用于将压路车状态数据输出至所述自动控制模块(20)和所述运动规划模块(30);所述运动规划模块(30)与所述仿真模块(10)相连接,用于接收所述仿真模块(10)输出的当前压路车状态信息,并且根据沥青路面施工要求,在满足施工工艺要求的前提下计算出压路车未来的轨迹戳信息并将其发送给所述自动控制模块(20);所述自动控制模块(20)与所述仿真模块(10)和所述运动规划模块(30)相连接,用于根据所述运动规划模块(30)计算出的轨迹戳信息和所述仿真模块(10)输出的当前压路车状态信息,计算出当前的控制指令并且将所述控制指令输出给所述仿真模块(10),所述轨迹戳信息指自动控制模块的输出;轨迹指三维轨迹;轨迹戳是自动控制模块计算出的接下来一段时间该压路车的运动轨迹,指明了压路车在指定时间要到达的指定位置;所述可抗通信延迟的多无人压路车协同控制仿真方法包括以下步骤:
仿真场景搭建:选择仿真软件搭建仿真场景,采用摊铺机铺路,压路机紧跟摊铺机进行压路;
仿真模块开发:建立压路车运动学模型,控制量为(a,W),状态量为(X,Y,ψ),其中,a为加速度,W为横摆角速度,(X,Y)为中心坐标,ψ为航向角;
自动控制模块开发:首先自动控制模块读取运动规划模块输出的当前压路车轨迹戳信息、以及仿真模块输出的所有压路车当前状态信息,计算出当前压路车需要的控制指令;然后自动控制模块将控制指令输出至仿真模块中的压路车运动学仿真单元仿真执行;最后由仿真模块中的三维场景演示单元将仿真执行结果在仿真场景中进行三维显示;
运动规划模块开发:运动规划模块读取当前压路车状态信息,依据沥青路面施工工艺要求来计算所有压路车接下来一段时间的轨迹,最后将计算好的各个压路车轨迹戳信息发送至压路车自动控制模块;
算法仿真验证:将开发的仿真模块、自动控制模块和运动规划模块联调成一个整体的多无人压路车协同控制仿真系统进行算法仿真验证,首先运动规划模块计算出压路车的轨迹戳信息,并且输出给压路车自动控制模块;然后自动控制模块根据轨迹戳信息计算出当前控制信息并且输出给仿真模块,仿真模块执行该控制指令并且输出新的压路车状态信息,仿真场景进行三维演示;最后又将新的压路车状态信息发送给运动规划模块和压路车自动控制模块;
算法移植与算法真机验证:改装压路车机身,使压路车机身佩戴机载电脑,将自动控制模块移植到机载电脑,将运动规划模块移植到控制站中心;
所述运动规划模块开发的步骤中,使用所述轨迹戳信息作为运动规划模块的输出形式后,若运动规划模块与自动控制模块之间的通信正常,对于自动控制模块会一直收到轨迹戳信息并实时计算压路车控制指令,对于运动规划模块会一直收到新的压路车当前状态并且计算出可避免碰撞的轨迹戳信息;若运动规划模块与自动控制模块之间的通信突然中断,则自动控制模块会被迫停止接收新的轨迹戳信息,但可按照之前接收到的轨迹戳计算控制指令,运动一段时间后安全停止系统。
2.如权利要求1所述的可抗通信延迟的多无人压路车协同控制仿真方法,其特征在于,所述仿真模块开发的步骤中,建立的所述压路车运动学模型为:其中,a为加速度,W为横摆角速度,(X,Y)为中心坐标,ψ为航向角。
3.如权利要求1所述的可抗通信延迟的多无人压路车协同控制仿真方法,其特征在于,所述自动控制模块开发的步骤中,所述自动控制模块计算出当前压路车需要的控制指令为:(a,W),其中a为加速度,W为横摆角速度;
控制指令由油门、刹车和方向盘组成,方向盘对应横摆角速度,每一档油门控制量都对应着一档压路车加速度,而刹车也对应一档加速度,仿真时实际控制指令是加速度a和横摆角速度w;读取轨迹戳中的第一个未达到的位置点和时间信息,设此时压路车速度为V,目标点与压路车距离为L,轨迹戳第一个目标点到达时间减去当前时间为T,目标状态与压路车当前状态的角度为θ,则加速度、目标速度和横摆角速度为:其中,w为横摆角速度,θ为目标状态与压路车当前状态的角度,T为轨迹戳第一个目标点到达时间减去当前时间,V1为目标速度,L为目标点与压路车距离,a为加速度。
4.如权利要求1所述的可抗通信延迟的多无人压路车协同控制仿真方法,其特征在于,所述运动规划模块开发的步骤中,所述轨迹戳信息即指运动规划模块的输出,轨迹指三维轨迹,即2维位置+1维时间;轨迹戳是运动规划模块计算出的接下来一段时间该压路车的运动轨迹,指明了压路车在指定时间要到达的指定位置;自动控制模块接收轨迹戳信息后,根据该轨迹戳信息以及压路车当前运动状态计算出压路车控制指令。
5.如权利要求1所述的可抗通信延迟的多无人压路车协同控制仿真方法,其特征在于,所述运动规划模块开发的步骤中,在计算轨迹戳时需要将各个赛道的前进点和后退点连起来构成轨迹,并且根据期望速度和轨迹点之间距离来计算各个轨迹点的期望时间。
6.如权利要求1所述的可抗通信延迟的多无人压路车协同控制仿真方法,其特征在于,所述运动规划模块开发的步骤中,使前车轨迹戳中的所有点均在后车轨迹戳中的所有点的前方。
7.如权利要求1所述的可抗通信延迟的多无人压路车协同控制仿真方法,其特征在于,所述仿真模块(10)包括:
压路车运动学仿真单元(11),用于接收所述自动控制模块(20)输出的控制指令,执行后生成新的压路车状态;
三维场景演示单元(12),与所述压路车运动学仿真单元(11)相连接,用于对所述压路车运动学仿真单元(11)生成的新的压路车状态进行三维仿真演示。
8.如权利要求7所述的可抗通信延迟的多无人压路车协同控制仿真方法,其特征在于,所述压路车状态信息包括但不限于压路车GPS位置信息、压路车姿态信息和压路车速度信息。
CN202310502475.XA 2023-05-06 2023-05-06 可抗通信延迟的多无人压路车协同控制仿真系统及方法 Active CN116224837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310502475.XA CN116224837B (zh) 2023-05-06 2023-05-06 可抗通信延迟的多无人压路车协同控制仿真系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310502475.XA CN116224837B (zh) 2023-05-06 2023-05-06 可抗通信延迟的多无人压路车协同控制仿真系统及方法

Publications (2)

Publication Number Publication Date
CN116224837A CN116224837A (zh) 2023-06-06
CN116224837B true CN116224837B (zh) 2023-07-28

Family

ID=86579083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310502475.XA Active CN116224837B (zh) 2023-05-06 2023-05-06 可抗通信延迟的多无人压路车协同控制仿真系统及方法

Country Status (1)

Country Link
CN (1) CN116224837B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019059477A (ja) * 2019-01-23 2019-04-18 日立オートモティブシステムズ株式会社 車両制御システム、およびこれを備えた行動計画システム
CN111208542A (zh) * 2020-01-21 2020-05-29 江苏爱可青交通科技有限公司 自动移动交通设施的运动轨迹控制系统、装置及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106502250B (zh) * 2016-11-23 2019-03-26 北京邮电大学 三维空间内多机器人编队的路径规划算法
CN109597404A (zh) * 2017-09-30 2019-04-09 徐工集团工程机械股份有限公司 压路机及其控制器、控制方法和系统
CN109356003B (zh) * 2018-09-18 2021-03-30 北京龙马智行科技有限公司 一种路基路面智能碾压系统
CN111445170A (zh) * 2020-04-30 2020-07-24 天津大学 一种无人碾压机群自主作业系统及方法
US11624171B2 (en) * 2020-07-31 2023-04-11 Baidu Usa Llc Engineering machinery equipment, and method, system, and storage medium for operation trajectory planning thereof
CN112861361B (zh) * 2021-02-20 2023-04-11 中国铁建重工集团股份有限公司 一种基于凿岩台车的工作空间仿真方法
CN113671948B (zh) * 2021-07-27 2023-08-22 北京科技大学 一种土石方工程无人碾压机机群协同智能作业控制方法
CN114578825A (zh) * 2022-03-07 2022-06-03 清华大学 基于相对坐标的多车协同横纵向联合运动规划方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019059477A (ja) * 2019-01-23 2019-04-18 日立オートモティブシステムズ株式会社 車両制御システム、およびこれを備えた行動計画システム
CN111208542A (zh) * 2020-01-21 2020-05-29 江苏爱可青交通科技有限公司 自动移动交通设施的运动轨迹控制系统、装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
多机器人智能协同作业M2M2A系统设计与实验研究;翟敬梅;李连中;郭培森;刘坤;黄锦洲;;机器人(04);全文 *
大型地下埋设管道智能施工机械手的路径规划研究;杨祖一;;辽宁省交通高等专科学校学报(03);全文 *

Also Published As

Publication number Publication date
CN116224837A (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
Ersal et al. Connected and automated road vehicles: state of the art and future challenges
Bergenhem et al. Challenges of platooning on public motorways
CN103956045B (zh) 利用半实物仿真技术手段实现车队协同驾驶的方法
CN110304074A (zh) 一种基于分层状态机的混合式驾驶方法
CN102999646B (zh) 一种微观交通仿真中车辆跟驰换道方法及系统
CN107403038A (zh) 一种智能汽车虚拟快速测试方法
CN103593535A (zh) 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法
CN111145552B (zh) 基于5g网络的车辆动态换道轨迹的规划方法
Huang et al. Social force based vehicle model for 2-dimensional spaces
CN112365216A (zh) 矿区无人运输仿真测试平台和矿区无人运输仿真方法
CN111625989A (zh) 一种基于a3c-sru的智能车汇入车流方法及系统
CN112053433A (zh) 民航机场动态场景的构建方法及机场特种车辆培训方法
CN116224837B (zh) 可抗通信延迟的多无人压路车协同控制仿真系统及方法
Ren et al. Self-learned intelligence for integrated decision and control of automated vehicles at signalized intersections
Kou et al. Dual-objective intelligent vehicle lane changing trajectory planning based on polynomial optimization
CN104778072A (zh) 一种用于交通混合流模型的车辆和行人交互模拟方法
You et al. Smart T-box of unmanned earthwork machinery for Internet of Vehicles
AbdelHamed et al. Simulation framework for development and testing of autonomous vehicles
CN104766487A (zh) 基于车联网的车辆速度控制方法和系统
Kim et al. Simulation of heavy-duty vehicles in platooning scenarios
CN114537435A (zh) 一种自动驾驶中的实时整车轨迹规划方法
CN114740752A (zh) 一种自动驾驶车辆的仿真系统
CN114889589A (zh) 一种智能汽车转向与制动协同避撞控制系统及方法
Tan et al. RCP‐RF: A comprehensive road‐car‐pedestrian risk management framework based on driving risk potential field
Luo et al. Platoon control of automatic vehicles based on deep deterministic policy gradient

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