CN117445925A - 智能驾驶车辆驱制动控制决策方法、控制器及存储介质 - Google Patents

Abstract

本发明公开了一种智能驾驶车辆驱制动控制决策方法，包括：通过行驶方程式建立驱动模式下的纵向动力学模型估算车辆各阻力值；计算无驱动且无制动滑行时车辆加速度，以及作为驱动制动模式决策条件的车辆滑行加速度上下限；根据驱制动模式决策条件做出驱动制动控制模式切换决策，发出扭矩控制或制动控制请求。本发明通过建立精确的纵向动力学模型提高车辆实际运动状态的估算精度，引入驱制动间的过渡滑行状态并设计驱动制动模式决策条件，提高驱制动控制决策的合理性，对于智能驾驶车辆纵向控制性能提升具有实质意义，具有广阔的应用前景和较高的市场价值。

Description

智能驾驶车辆驱制动控制决策方法、控制器及存储介质

技术领域

本发明涉及智能驾驶领域，特别是涉及一种智能驾驶车辆驱制动控制决策方法，以及一种用于执行所述智能驾驶车辆驱制动控制决策方法中步骤的控制器及存储介质。

背景技术

随着汽车智能化进程的加快，智能驾驶领域的技术研发投入也日趋增多，对横纵向规划控制精度提出了更高的要求。其中，纵向控制的精确实现需要根据车辆期望加速度和车辆实际行驶状态做出驱动控制或制动控制决策，而驱动和制动控制的有序切换可以提高车辆行驶安全性和舒适性。因此，驱制动控制决策方法对提升下层执行器的驱制动控制性能极为重要，可提升车辆纵向行驶安全性和舒适性，具有较大的研究价值和广阔的应用前景。

现阶段驱制动控制决策方法考虑车辆实际运动状态的条件较少，缺少对车辆驱动控制和制动控制间的过渡状态进行表征，无法对被控车辆的驱动制动切换做出合理的决策，容易造成车辆频繁在驱制动间来回切换，引起纵向控制的不舒适性，降低下层执行器驱制动控制性能，影响车辆的行驶安全性和舒适性。

发明内容

在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明要解决的技术问题是提供一种能提高车辆运动状态估算精度，进而能提高车辆驱动和制动状态切换控制准确性，提高车辆的行驶安全性和舒适性的智能驾驶车辆驱制动控制决策方法。

以及,提供一种用于执行所述智能驾驶车辆驱制动控制决策方法中步骤的控制器及存储介质。

为解决上述技术问题，本发明提供的智能驾驶车辆驱制动控制决策方法，包括：

S1，通过行驶方程式建立驱动模式下的纵向动力学模型估算车辆各阻力值；

S2，计算无驱动且无制动滑行时车辆加速度，以及作为驱动制动模式决策条件的车辆滑行加速度上下限；

S3，根据驱制动模式决策条件做出驱动制动控制模式切换决策，发出扭矩控制或制动控制请求。

2.如权利要求1所述的智能驾驶车辆驱制动控制决策方法，其特征在于，实施步骤S1采用以下公式计算；

F_t(k)＝F_f(k)+F_w(k)+F_i(k)+F_j(k) (1)

F_f(k)＝mg(f₁+f₂v_h(k))cosα(k) (2)

F_i(k)＝mgsinα(k) (4)

F_t(k)+F_err(k)＝F_f(k)+F_w(k)+F_i(k)+F_j(k) (9)

对式(9)等号两边同除以m+(1/r²)∑I_w(k)，得：

a_t(k)+a_err(k)＝a_f(k)+a_w(k)+a_i(k)+a_h(k) (10)

其中，a_err(k)和a_h(k)采用自车速度反馈校正计算获得，F_f(k)为滚动阻力，F_w(k)为空气阻力，F_i(k)为坡度阻力，F_j(k)为加速阻力，F_t(k)为驱动轮端总扭矩，m为车辆的整备质量，f₁和f₂为车辆的滚动阻力系数，α(k)为坡道角，C_d为空气阻力系数，A为迎风面积，ρ为空气密度，I_w(k)为车轮转动惯量；r为车轮滚动半径；T_eng(k)为发动机或电机动力总成在变速箱输入轴处的扭矩，i_g为主传动比，i₀(k)为变速器速比，η_t(k)为传动系的机械效率。

可选择的，进一步改进所述的智能驾驶车辆驱制动控制决策方法，a_err(k)和a_h(k)采用自车速度反馈校正计算包括；

记自车加速度a_h(k)为a_est(k)；

v_{h_est}(0)＝v_h(0) (11)

v_{h_est}(k)＝a_est(k-1)T+v_{h_est}(k-1) (12)

a_{err_unflt}(k)＝(v_h(k)-v_{h_est}(k))·ζ_gain (13)

a_err(k)＝k_fa_{err_unflt}(k)+(1-k_f)a_{err_unflt}(k-1) (14)

a′_h(k)＝a_t(k)-a_f(k)-a_w(k)-a_i(k) (15)

a_est(k)＝a′_h(k)+a_err(k) (16)

v_h(0)为初始时刻的自车车速，v_h(k)为k时刻的自车车速，v_{h_est}(0)为初始时刻的自车估计车速，v_{h_est}(k)为k时刻的自车估计车速，ζ_gain为误差增益系数，a_{err_unflt}(k)为k时刻未滤波的加速度误差，k_f为滤波系数，a_err(k)为k时刻的加速度误差，a′_h(k)为k时刻未考虑加速度误差的自车加速度，a_est(k)为k时刻计算的自车实际加速度。

可选择的，进一步改进所述的智能驾驶车辆驱制动控制决策方法，实施步骤S2包括：

车辆滑行时的加速度表示为：a_cst(k)＝a_err(k)-a_f(k)-a_w(k)-a_i(k)(17)

设置车辆滑行加速度上下限作为驱动制动模式决策条件

a_{cst_up}(k)＝a_cst(k)+a_up(v_h(k)) (18)

a_{cst_lo}(k)＝a_cst(k)+a_lo(v_h(k)) (19)

a_{cst_up}(k)为车辆滑行加速度上限，a_{cst_lo}(k)为车辆滑行加速度下限，a_up(v_h(k))为车辆滑行加速度上限浮动值，a_lo(v_h(k))为车辆滑行加速度下限浮动值，a_up(v_h(k))和a_lo(v_h(k))通过实车标定获得。

可选择的，进一步改进所述的智能驾驶车辆驱制动控制决策方法，实施步骤S3包括：

将驱动制动控制模式划分为制动控制模式、制动滑行控制模式、驱动滑行控制模式和驱动控制模式；

制动控制模式切换至制动滑行模式需要满足不存在轮端制动力的条件；

制动滑行模式切换到制动控制模式需要满足存在轮端制动力的条件；

在期望加速度a_fnl(k)大于a_{cst_lo}(k)时，制动滑行模式跳转至驱动滑行控制模式；

若期望加速度进一步大于a_{cst_up}(k)时，驱动滑行模式跳转至驱动控制模式；

当a_fnl(k)小于a_{cst_up}(k)时，驱动控制模式将切换为驱动滑行模式；

当检测到驾驶员油门操控信号时，制动控制模式将切换至驱动滑行控制模式；

若a_fnl(k)小于a_{cst_lo}(k)时，驱动滑行控制模式切换至制动控制模式；

制动模式和驱动模式的切换条件为起步请求和故障缓退条件，当有起步请求时，制动控制模式立刻切换至驱动模式，当有故障缓退请求时，驱动控制模式立刻跳转至制动模式。

本发明提供一种计算机可读存储介质，其内部存储有一计算机程序，所述计算机程序被执行时用于实现上述任意一项所述的智能驾驶车辆驱制动控制决策方法中的步骤。

本发明提供一种控制器，其内部存储有一计算机程序，所述计算机程序被执行时用于实现上述任意一项所述的智能驾驶车辆驱制动控制决策方法中的步骤。

本发明主要设计思路在于，通过建立精确的纵向动力学模型提高车辆实际运动状态的估算精度，引入驱制动间的过渡滑行状态并设计驱动制动模式决策条件，提高驱制动控制决策的合理性，对于智能驾驶车辆纵向控制性能提升具有实质意义，具有广阔的应用前景和较高的市场价值。

本发明的优选实施及其技术效果在后续具体实施例进一步说予以详细说明。

附图说明

本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：

图1是本发明驱动制动控制决策各模式间切换条件示意图。

具体实施方式

以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。应当理解的是，当元件被称作“连接”或“结合”到另一元件时，该元件可以直接连接或结合到另一元件，或者可以存在中间元件。不同的是，当元件被称作“直接连接”或“直接结合”到另一元件时，不存在中间元件。在全部附图中，相同的附图标记始终为相同的元件。

第一实施例；

参考图1所示，本发明提供一种智能驾驶车辆驱制动控制决策方法，包括：

S1，通过行驶方程式建立驱动模式下的纵向动力学模型估算车辆各阻力值；

F_t(k)＝F_f(k)+F_w(k)+F_i(k)+F_j(k) (1)

F_f(k)、F_w(k)、F_i(k)、F_j(k)可由下列式(2)～(6)计算：

F_f(k)＝mg(f₁+f₂v_h(k))cosα(k) (2)

F_i(k)＝mg sinα(k) (4)

驱动系中的摩擦损耗很难用物理公式表达，可对其进行实时估算，将式(1)和(6)进行改写，表达式如下：

F_t(k)+F_err(k)＝F_f(k)+F_w(k)+F_i(k)+F_j(k) (9)

对式(9)等号两边同除以m+(1/r²)∑I_w(k)，得：

a_t(k)+a_err(k)＝a_f(k)+a_w(k)+a_i(k)+a_h(k) (10)

式中a_t(k)、a_f(k)、a_w(k)和a_i(k)均可由式(2)、(3)、(4)和(6)计算得出，a_err(k)和a_h(k)采用自车速度反馈校正计算获得；

F_f(k)为滚动阻力，F_w(k)为空气阻力，F_i(k)为坡度阻力，F_j(k)为加速阻力，F_t(k)为驱动轮端总扭矩，m为车辆的整备质量，f₁和f₂为车辆的滚动阻力系数，α(k)为坡道角，C_d为空气阻力系数，A为迎风面积，ρ为空气密度，I_w(k)为车轮转动惯量；r为车轮滚动半径；T_eng(k)为发动机或电机动力总成在变速箱输入轴处的扭矩，i_g为主传动比，i₀(k)为变速器速比，η_t(k)为传动系的机械效率。

a_err(k)和a_h(k)采用自车速度反馈校正计算的原理和过程说明进一步说明如下；

记a′_h(k)＝a_t(k)-a_f(k)-a_w(k)-a_i(k)为输入量，通过处理自车四轮轮速信号得到自车速度v_h(k)，将加速度输入量a′_h(k)积分处理后与v_h(k)作差得到速度误差，通过比例反馈运算得到自车加速度估算误差，经滤波处理可得a_err(k)。利用a_err(k)修正加速度输入量a′_h(k)最终得到自车加速度a_h(k)，继续参与下一积分循环运算。其中积分的初始化条件为存在轮端制动力，初始化值为自车速度v_h(k)，离散积分运算采用前向欧拉法。由于上述计算过程为驱动模式下的自车加速度估算过程，为了区分与自车真实加速度的差别，记自车加速度a_h(k)为a_est(k)具体包括；

v_{h_est}(0)＝v_h(0) (11)

v_{h_est}(k)＝a_est(k-1)T+v_{h_est}(k-1) (12)

a_{err_unflt}(k)＝(v_h(k)-v_{h_est}(k))·ζ_gain (13)

a_err(k)＝k_fa_{err_unflt}(k)+(1-k_f)a_{err_unflt}(k-1) (14)

a′_h(k)＝a_t(k)-a_f(k)-a_w(k)-a_i(k) (15)

a_est(k)＝a′_h(k)+a_err(k) (16)

v_h(0)为初始时刻的自车车速，v_h(k)为k时刻的自车车速，v_{h_est}(0)为初始时刻的自车估计车速，v_{h_est}(k)为k时刻的自车估计车速，ζ_gain为误差增益系数，a_{err_unflt}(k)为k时刻未滤波的加速度误差，k_f为滤波系数，a_err(k)为k时刻的加速度误差，a′_h(k)为k时刻未考虑加速度误差的自车加速度，a_est(k)为k时刻计算的自车实际加速度。

S2，计算无驱动且无制动滑行时车辆加速度，以及作为驱动制动模式决策条件的车辆滑行加速度上下限；

车辆滑行时的加速度表示为：a_cst(k)＝a_err(k)-a_f(k)-a_w(k)-a_i(k) (17)

在系统控制车辆滑行时，为了提高制动与驱动的切换平顺性，设置车辆滑行加速度上下限作为驱动制动模式决策条件

a_{cst_up}(k)＝a_cst(k)+a_up(v_h(k)) (18)

a_{cst_lo}(k)＝a_cst(k)+a_lo(v_h(k)) (19)

a_{cst_up}(k)为车辆滑行加速度上限，a_{cst_lo}(k)为车辆滑行加速度下限，a_up(v_h(k))为车辆滑行加速度上限浮动值，a_lo(v_h(k))为车辆滑行加速度下限浮动值，a_up(v_h(k))和a_lo(v_h(k))通过实车标定获得，以适配不同车型的执行器性能，改善驱动制动切换平顺性。

S3，根据驱制动模式决策条件做出驱动制动控制模式切换决策，发出扭矩控制或制动控制请求。

将驱动制动控制模式划分为制动控制模式、制动滑行控制模式、驱动滑行控制模式和驱动控制模式，各模式间切换条件如图1所示。相应的，为了增强驱动制动切换的平顺性，本发明增加了滑行控制模式，该模式细分为制动滑行和驱动滑行。

制动控制模式切换至制动滑行模式需要满足不存在轮端制动力的条件；

制动滑行模式切换到制动控制模式需要满足存在轮端制动力的条件；

在期望加速度a_fnl(k)大于a_{cst_lo}(k)时，制动滑行模式跳转至驱动滑行控制模式；

若期望加速度进一步大于a_{cst_up}(k)时，驱动滑行模式跳转至驱动控制模式；

当a_fnl(k)小于a_{cst_up}(k)时，驱动控制模式将切换为驱动滑行模式；

当检测到驾驶员油门操控信号时，制动控制模式将切换至驱动滑行控制模式；

若a_fnl(k)小于a_{cst_lo}(k)时，驱动滑行控制模式切换至制动控制模式；

制动模式和驱动模式的切换条件为起步请求和故障缓退条件，当有起步请求时，制动控制模式立刻切换至驱动模式，当有故障缓退请求时，驱动控制模式立刻跳转至制动模式，以保证车辆的行驶安全。在制动控制和制动滑行控制模式下，系统发出制动请求，而在驱动控制和驱动滑行控制模式下，系统发送扭矩控制请求。

示例性地，a_up(v_h(k))和a_lo(v_h(k))的查表值(标定获得)示意如下：

表1 a_up(v_h(k))参数表

vh(k)车速/(m/s)	2.78	5.55	8.33	12.56
					aup滑行加速度上限浮动值/(m/s2)	0.15	0.15	0.05	0.05

表2 a_lo(v_h(k))参数

vh(k)车速/(m/s)	2.78	5.55	8.33	12.56
					alo滑行加速度下限浮动值/(m/s2)	0.025	0.1	-0.05	-0.05

示例性地，某电动车辆的驱动扭矩控制计算参数可取表3所示参数。

表3车辆参数表

参数	数值
		汽车整备质量，m1[kg]	1560
重力加速度，g[m/s2]	9.8
		滚阻系数，fr	0.015
驱动轮滚动半径，r[m]	0.350
		坡度角，α[°]	0
空阻系数，CD	0.36
		迎风面积，A[m2]	2.48
空气密度，ρd[kg/m3]	1.2258
		主传动比，ig	10.53
误差增益系数，ζgain	1.2

第二实施例；

本发明提供一种计算机可读存储介质，其内部存储有一计算机程序，所述计算机程序被执行时用于实现第一实施例所述的智能驾驶车辆驱制动控制决策方法中的步骤。

所述计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

第三实施例；

本发明提供一种控制器，其内部存储有一计算机程序，所述计算机程序被执行时用于实现第一实施例所述的智能驾驶车辆驱制动控制决策方法中的步骤。

所述控制器是智能驾驶控制器，也可以是独立设置的MCU或ECU。

除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。

以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。

Claims (7)

1.一种智能驾驶车辆驱制动控制决策方法，其特征在于，包括：

S1，通过行驶方程式建立驱动模式下的纵向动力学模型估算车辆各阻力值；

S2，计算无驱动且无制动滑行时车辆加速度，以及作为驱动制动模式决策条件的车辆滑行加速度上下限；

S3，根据驱制动模式决策条件做出驱动制动控制模式切换决策，发出扭矩控制或制动控制请求。

2.如权利要求1所述的智能驾驶车辆驱制动控制决策方法，其特征在于，实施步骤S1采用以下公式计算；

F_t(k)＝F_f(k)+F_w(k)+F_i(k)+F_j(k) (1)

F_f(k)＝mg(f₁+f₂v_h(k))cosα(k) (2)

F_i(k)＝mgsinα(k) (4)

F_t(k)+F_err(k)＝F_f(k)+F_w(k)+F_i(k)+F_j(k) (9)

对式(9)等号两边同除以m+(1/r²)∑I_w(k)，得：

a_t(k)+a_err(k)＝a_f(k)+a_w(k)+a_i(k)+a_h(k) (10)

其中，a_err(k)和a_h(k)采用自车速度反馈校正计算获得，F_f(k)为滚动阻力，F_w(k)为空气阻力，F_i(k)为坡度阻力，F_j(k)为加速阻力，F_t(k)为驱动轮端总扭矩，m为车辆的整备质量，f₁和f₂为车辆的滚动阻力系数，α(k)为坡道角，C_d为空气阻力系数，A为迎风面积，ρ为空气密度，I_w(k)为车轮转动惯量；r为车轮滚动半径；T_eng(k)为发动机或电机动力总成在变速箱输入轴处的扭矩，i_g为主传动比，i₀(k)为变速器速比，η_t(k)为传动系的机械效率。

3.如权利要求2所述的智能驾驶车辆驱制动控制决策方法，其特征在于：a_err(k)和a_h(k)采用自车速度反馈校正计算包括；

记自车加速度a_h(k)为a_est(k)；

v_{h_est}(0)＝v_h(0) (11)

v_{h_est}(k)＝a_est(k-1)T+v_{h_est}(k-1) (12)

a_{err_unflt}(k)＝(v_h(k)-v_{h_est}(k))·ζ_gain (13)

a_err(k)＝k_fa_{err_unflt}(k)+(1-k_f)a_{err_unflt}(k-1) (14)

a′_h(k)＝a_t(k)-a_f(k)-a_w(k)-a_i(k) (15)

a_est(k)＝a′_h(k)+a_err(k) (16)

v_h(0)为初始时刻的自车车速，v_h(k)为k时刻的自车车速，v_{h_est}(0)为初始时刻的自车估计车速，v_{h_est}(k)为k时刻的自车估计车速，ζ_gain为误差增益系数，a_{err_unflt}(k)为k时刻未滤波的加速度误差，k_f为滤波系数，a_err(k)为k时刻的加速度误差，a′_h(k)为k时刻未考虑加速度误差的自车加速度，a_est(k)为k时刻计算的自车实际加速度。

4.如权利要求1所述的智能驾驶车辆驱制动控制决策方法，其特征在于，实施步骤S2包括：

车辆滑行时的加速度表示为：a_cst(k)＝a_err(k)-a_f(k)-a_w(k)-a_i(k) (17)

设置车辆滑行加速度上下限作为驱动制动模式决策条件

a_{cst_up}(k)＝a_cst(k)+a_up(v_h(k)) (18)

a_{cst_lo}(k)＝a_cst(k)+a_lo(v_h(k)) (19)

a_{cst_up}(k)为车辆滑行加速度上限，a_{cst_lo}(k)为车辆滑行加速度下限，a_up(v_h(k))为车辆滑行加速度上限浮动值，a_lo(v_h(k))为车辆滑行加速度下限浮动值，a_up(v_h(k))和a_lo(v_h(k))通过实车标定获得。

5.如权利要求1所述的智能驾驶车辆驱制动控制决策方法，其特征在于，实施步骤S3包括：

将驱动制动控制模式划分为制动控制模式、制动滑行控制模式、驱动滑行控制模式和驱动控制模式；

制动控制模式切换至制动滑行模式需要满足不存在轮端制动力的条件；

制动滑行模式切换到制动控制模式需要满足存在轮端制动力的条件；

在期望加速度a_fnl(k)大于a_{cst_lo}(k)时，制动滑行模式跳转至驱动滑行控制模式；

若期望加速度进一步大于a_{cst_up}(k)时，驱动滑行模式跳转至驱动控制模式；

当a_fnl(k)小于a_{cst_up}(k)时，驱动控制模式将切换为驱动滑行模式；

当检测到驾驶员油门操控信号时，制动控制模式将切换至驱动滑行控制模式；

若a_fnl(k)小于a_{cst_lo}(k)时，驱动滑行控制模式切换至制动控制模式；

制动模式和驱动模式的切换条件为起步请求和故障缓退条件，当有起步请求时，制动控制模式立刻切换至驱动模式，当有故障缓退请求时，驱动控制模式立刻跳转至制动模式。

6.一种计算机可读存储介质，其特征在于：其内部存储有一计算机程序，所述计算机程序被执行时用于实现权利要求1-5任意一项所述的智能驾驶车辆驱制动控制决策方法中的步骤。

7.一种控制器，其特征在于：其内部存储有一计算机程序，所述计算机程序被执行时用于实现权利要求1-5任意一项所述的智能驾驶车辆驱制动控制决策方法中的步骤。