CN117657140A - 基于新能源汽车的双驱控制系统 - Google Patents

Abstract

本申请涉及基于新能源汽车的双驱控制系统，涉及自动驾驶技术领域，该系统包括感知单元，其用于通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；风险定义单元，其用于基于所述自身车辆运行信息以及所述目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；权重输出单元，其用于将所述空间风险以及所述速度风险输入二维输入模糊控制器，输出驾驶权分配权重；执行单元，其用于基于所述驾驶权分配权重、驾驶员控制量以及自动驾驶系统控制量，控制自身车辆运行。本申请基于双控控制结构，可以使得驾驶新能源汽车的过程中人机相辅相成，提高新能源汽车驾驶的安全性与智能性。

Description

基于新能源汽车的双驱控制系统

技术领域

本申请涉及自动驾驶技术领域，具体涉及基于新能源汽车的双驱控制系统。

背景技术

随着智能驾驶技术的不断革新与突破，现今智能驾驶车辆正逐渐由L2~L3级向L5级过渡，但智能驾驶是一个需要不断测试验证与完善的过程，在短期内，智能汽车将处于智能驾驶系统与驾驶员共同驾驶的模式。

从最早的辅助驾驶系统，如防抱死系统、牵引力控制系统等，到目前车道保持、自适应巡航等L2~L3级自动驾驶系统，智能车辆控制系统对车辆的驾驶参与度不断提高，自动驾驶系统在一定程度上可实现与驾驶员之间的优势互补。驾驶员对复杂交通环境的判断与决策能力较强，但作为有机生命体，存在因操作失误或疲劳驾驶而引发的风险性驾驶事件的可能性，甚至威胁驾乘人员生命安全。当驾驶员主动接管车辆后，驾驶员作为驾驶主体，在面对前车切入和前车紧急制动等危险情况时，驾驶员可能无法及时作出响应，因此，为保证行车安全性，自动驾驶系统不能完全退出对车辆的控制，在紧急时刻需要及时干预驾驶员危险驾驶行为。

在双驾双控结构下的人机共驾的过程中，驾驶员与自动驾驶系统同时参与对车辆的控制，而驾驶员与自动驾驶系统为复杂且非线性的系统，两者对车辆的共同控制存在相互耦合与相互制约的关系，同时，两者驾驶权的分配受到纵向跟车场景下行车风险因素的影响，在整体上，加大了新能源汽车控制系统的复杂程度。

发明内容

本申请提供基于新能源汽车的双驱控制方法、装置、电子设备以及系统，当标准门禁系统出现故障时，能快速切换到扩展管理系统中进行实时监测和远程控制，实现门禁系统不间断运行。为实现上述目的，本申请提供以下方案：

第一方面，本申请提供了基于新能源汽车的双驱控制系统，所述系统包括感知单元，其用于通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；风险定义单元，其用于基于所述自身车辆运行信息以及所述目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；权重输出单元，其用于将所述空间风险以及所述速度风险输入二维输入模糊控制器，输出驾驶权分配权重；执行单元，其用于基于所述驾驶权分配权重、驾驶员控制量以及自动驾驶系统控制量，控制自身车辆运行。

进一步的，所述风险定义单元包括空间风险定义单元，所述空间风险定义单元包括：距离获取子单元，其用于获取自车与目标车辆之间的实时间距以及跟车安全距离；第一定义子单元，其用于当所述实时间距大于所述跟车安全距离时，则定义所述空间风险为零；第二定义子单元，其用于当所述实时间距小于所述跟车安全距离时，则定义所述空间风险为实时间距相对于所述跟车安全距离之间的偏差绝对值。

进一步的，所述风险定义单元包括速度风险定义单元，所述速度风险定义单元包括：速度获取子单元，其用于获取自车速度以及目标车辆速度；第一定义子单元，其用于当所述目标车辆速度大于所述自车速度时，则定义所述速度风险为零；第二定义子单元，其用于当所述目标车辆速度小于所述自车速度时，则定义所述速度风险为自车速度以及目标车辆速度之间的偏差绝对值。

进一步的，所述风险定义单元包括：

模糊化子单元，其用于对所述空间风险以及所述速度风险进行模糊化，分别获取空间风险模糊量以及速度风险模糊量；

模糊推理子单元，其用于利用模糊规则对所述空间风险模糊量以及所述速度风险模糊量进行模糊推理，获取驾驶权分配权重的模糊量；

去模糊化子单元，其用于对所述驾驶权分配权重的模糊量进行去模糊化，获取驾驶权分配权重。

进一步的，所述风险定义单元还用于：

输入量确定子单元，其用于以归一化后的空间风险和速度风险为输入量，人机共驾模式下驾驶权分配系数为控制量；

论域确定子单元，其用于确定模糊控制器中所述输入量与所述控制量的量化因子、基本论域以及模糊论域。

进一步的，所述驾驶员控制量由驾驶员通过人眼视觉方式感知交通环境信息，根据自身驾驶习惯控制驱动或制动踏板产生的控制量。

进一步的，自动驾驶系统控制量是通过车载传感器获取自身车辆运行信息以及目标车辆运行信息，通过自适应巡航控制策略优化求解获取自动驾驶系统控制量。

第二方面，本申请提供了基于新能源汽车的双驱控制方法，所述方法包括：通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；基于所述自身车辆运行信息以及所述目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；将所述空间风险以及所述速度风险输入二维输入模糊控制器，输出驾驶权分配权重；基于所述驾驶权分配权重、驾驶员控制量以及自动驾驶系统控制量，控制自身车辆运行。

第三方面，本申请提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现基于新能源汽车的双驱控制方法。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述基于新能源汽车的双驱控制方法。

本申请提供的技术方案带来的有益效果包括：本申请中自身车辆控制器通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；基于自身车辆运行信息以及目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；将空间风险以及速度风险输入二维输入模糊控制器，输出驾驶权分配权重；基于驾驶权分配权重、驾驶员控制量以及自动驾驶系统控制量，控制自身车辆运行；本申请基于双控控制结构，在分层式自适应巡航控制策略的基础上，设计了人机共驾控制策略，以空间风险与车速风险作为风险指标，进行归一化处理之后，作为模糊控制器输入数据，完成驾驶权实时分配的人机共驾控制策略设计，可以使得驾驶新能源汽车的过程中人机相辅相成，提高新能源汽车驾驶的安全性与智能性。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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是本发明中基于新能源汽车的双驱控制系统的结构示意图；

图2是本发明中权重输出单元的结构示意图；

图3是本发明中另一申请实施例中基于新能源汽车的双驱控制方法的结构示意图。

具体实施方式

为达到上述技术效果，本申请的总体思路如下：

从最早的辅助驾驶系统到当前的自动驾驶系统，人机共驾总体上被分为三类：增强车辆行驶性能和驾驶员感知能力与操控能力的辅助驾驶系统、特定场景下保证车辆行车安全性的驾驶权切换型系统、驾驶员与自动驾驶系统实时动态分配驾驶权的人机共驾系统。根据具备独立驾驶能力的驾驶方数量和对车辆产生实际控制效果的驾驶方数量，人机共驾系统将以上三类共驾模式分别称为：单驾双控结构、双驾单控结构和双驾双控结构。

双驾双控结构指驾驶员和自动驾驶系统不仅能独立完成驾驶任务，还同时参与到车辆的控制过程中，即在同一时刻，双方对车辆的行驶均产生控制效果，此外，两者的控制权限处于同一层级，其控制效果由驾驶员与自动驾驶系统之间驾驶权的分配有关。一般情况下，双驾双控结构的驾驶权分配为动态分配，驾驶员与自动驾驶系统之间的驾驶权大小，会根据车载传感系统和决策分析系统判断的当前车辆行驶状态和交通环境而基于驾驶权分配规则实时变化，其目的在于保证车辆行车安全性并改善驾乘人员舒适性。在特定情况下，驾驶员或自动驾驶系统的控制权限为零，该时刻下的双驾双控结构等价于双驾单控结构。

驾驶员作为有机生命体，存在疲劳驾驶或操作失误而引发交通事故的风险，在双驾双控结构下，人机共驾控制策略能通过驾驶权实时分配，给予自动驾驶系统更高的控制权限，从而避免交通事故的发生，保证行车安全性。

参见图1所示，基于新能源汽车的双驱控制系统，该系统包括，感知单元、风险定义单元、权重输出单元以及执行单元；

其中，感知单元，其用于通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；

风险定义单元，其用于基于所述自身车辆运行信息以及所述目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；

风险定义单元，其用于基于所述自身车辆运行信息以及所述目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；

权重输出单元，其用于将所述空间风险以及所述速度风险输入二维输入模糊控制器，输出驾驶权分配权重；

执行单元，其用于基于所述驾驶权分配权重、驾驶员控制量以及自动驾驶系统控制量，控制自身车辆运行。

具体地，在人机共驾模式下，一方面，驾驶员通过人眼视觉方式感知交通环境信息，根据自身驾驶习惯控制驱动或制动踏板；另一方面，自动驾驶系统通过车载传感器获取交通环境与自车信息，通过自适应巡航控制策略优化求解获取自动驾驶系统控制量，即自车期望加速度。为保证决策层中自动驾驶系统端与驾驶员端输出参数一致，需将驾驶员端踏板开度通过驱动电机模型与制动系统模型转换为车辆期望加速度，即驾驶员端与自动驾驶系统端输入驾驶权分配策略的参数均为期望加速度。然后，驾驶权分配策略根据自车当前纵向跟车风险等级，对驾驶权进行实时分配，并将经过驾驶权分配后的期望加速度传输至控制层。最后，通过控制层对自车驱动转矩与制动压力的解算，并将其传输至执行层，完成对车辆行驶状态的闭环控制。在融合人机共驾的自适应巡航控制流程中，驾驶权分配策略输出的总控制量与自动驾驶系统控制量和驾驶员控制量之间关系如下：

；

式中，为驾驶权分配策略输出的总控制量；/>为自动驾驶系统控制量；/>为驾驶员控制量；/>为驾驶权分配系数。

由于行车过程中的风险因素大多来自于前方车辆，当前车紧急制动或突然切入自车所在车道时，驾驶员可能因反应不及时或操作失误而引发追尾事故，自车行车安全性受到威胁，因此，本章主要针对跟车模式对人机共驾控制策略进行设计。通过人机共驾控制策略的设计，在危险工况下协调驾驶员与自动驾驶系统对车辆的控制权限，能保证驾驶员在判断失误或操作失误等情况下的行车安全性。

在一申请实施例中，风险定义单元，其用于基于所述自身车辆运行信息以及所述目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险。

其中，空间风险定义单元包括：距离获取子单元，其用于获取自车与目标车辆之间的实时间距以及跟车安全距离；第一定义子单元，其用于当所述实时间距大于所述跟车安全距离时，则定义所述空间风险为零；第二定义子单元，其用于当所述实时间距小于所述跟车安全距离时，则定义所述空间风险为实时间距相对于所述跟车安全距离之间的偏差绝对值。

在纵向跟车的过程中，空间指标与时间指标能直接反映自车与目标车辆之间相对行驶状态，能直观地体现自车所处交通场景风险的大小。但是，对于时间指标中的车头时距，其仅考虑了自车车速，忽略了前车车速的变化，而纵向追尾事故往往由前车的急减速导致；对于碰撞时间，当自车车速与前车车速相近时，其值变化范围较大，难以作为跟车风险因素的量化指标。因此，结合人机共驾控制策略评价指标，本申请实施例中提出以空间指标和速度指标作为纵向跟车风险因素的量化指标，其中，空间指标主要考虑自车与目标车辆的车间距，速度指标主要考虑自车与目标车辆的相对车速。分别以跟车安全车距和目标车辆车速为基准，定义纵向跟车场景下空间风险和速度风险。

其中，空间风险定义为自车与前车实际车间距相对于跟车安全车距之间的偏差，当实际车间距大于跟车安全车距时，认为空间风险为0；车速风险定义为自车车速与前车车速的偏差，即自车与前车的相对车速，当前车车速大于自车车速时，认为车速风险为0。在实际驾驶过程中，当自车车速较慢或与前车车距较大时，驾驶员感受到的行车风险较小，因此，针对纵向跟车的风险因子与驾驶员对行车风险的认知一致。此外，为设置合理的行车风险，限制空间风险与速度风险变化范围为[0，1]。

由于在双驾双控结构下的人机共驾的过程中，驾驶员与自动驾驶系统同时参与对车辆的控制，而驾驶员与自动驾驶系统为复杂且非线性的系统，两者对车辆的共同控制存在相互耦合与相互制约的关系，同时，两者驾驶权的分配受到纵向跟车场景下行车风险因素的影响，在整体上，加大了系统的复杂程度，难以确定精确的数学模型。相比较，传统控制算法的实现需要精确的系统模型，而模糊控制算法具备鲁棒性好、受外部干扰小、无需建立精确的数学模型等优点，被广泛应用于控制领域。

在一申请实施例中，如图2所示，所述风险定义单元包括：模糊化子单元，其用于对所述空间风险以及所述速度风险进行模糊化，分别获取空间风险模糊量以及速度风险模糊量；模糊推理子单元，其用于利用模糊规则对所述空间风险模糊量以及所述速度风险模糊量进行模糊推理，获取驾驶权分配权重的模糊量；去模糊化子单元，其用于对所述驾驶权分配权重的模糊量进行去模糊化，获取驾驶权分配权重。所述风险定义单元还用于：输入量确定子单元，其用于以归一化后的空间风险和速度风险为输入量，人机共驾模式下驾驶权分配系数为控制量；论域确定子单元，其用于确定模糊控制器中所述输入量与所述控制量的量化因子、基本论域以及模糊论域。

在本申请实施例中针对跟车模式下行车环境，采用二维输入模糊控制器，以归一化后的空间风险和速度风险为输入量，人机共驾模式下驾驶权分配系数为控制量，其模糊控制器结构如图2所示。图中，d为自车与前车车间距；dlim为跟车安全车距；v ₀、v ₁分别为自车车速和前车车速；Rdis、Rvel分别为归一化后的空间风险与车速风险；a 为驾驶权分配系数；ERdis、ERvel、Ea 分别为空间风险、车速风险、驾驶权分配系数的模糊量，并根据以下表格确定模糊控制器各输入量与控制量的量化因子、基本论域、模糊论域：

；

根据模糊控制器一般设计经验，将归一化后的空间风险与车速风险划分为5个基本集合，为保证驾驶权分配系数变化更平滑，将其划分为7个基本集合。输入量与控制量的模糊集合如下：

；

式中，VS、S、MS、M、MB、B、VB分别表示非常小、小、较小、中、较大、大、非常大。

在此基础上，因三角形隶属度函数计算工作量小，灵敏度高，且可以节省存储空间，所以选取三角形隶属度函数，根据实际跟车经验，当空间风险与车速风险均较小时，车辆处于安全的行车环境中，车辆可按照驾驶员意愿行驶，即驾驶权分配系数较小；当空间风险或车速风险适中时，车辆处于非紧急行车风险环境下，自动驾驶系统驾驶权在一定程度上提高；当空间风险与车速风险均较大时，车辆处于较大行车风险环境下，车辆有随时会发生碰撞或追尾的可能，此时自动驾驶系统全权接管车辆，以保证行车安全。

在一申请实施例中，如图3所示，提出了基于新能源汽车的双驱控制方法，该方法包括以下步骤：

S1、通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；

S2、基于自身车辆运行信息以及目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；

S3、将空间风险以及速度风险输入二维输入模糊控制器，输出驾驶权分配权重；

S4、基于驾驶权分配权重、驾驶员控制量以及自动驾驶系统控制量，控制自身车辆运行。

本申请中自身车辆控制器通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；基于自身车辆运行信息以及目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；将空间风险以及速度风险输入二维输入模糊控制器，输出驾驶权分配权重；基于驾驶权分配权重、驾驶员控制量以及自动驾驶系统控制量，控制自身车辆运行；本申请基于双控控制结构，在分层式自适应巡航控制策略的基础上，设计了人机共驾控制策略。以空间风险与车速风险作为风险指标，进行归一化处理之后，作为模糊控制器输入数据，完成驾驶权实时分配的人机共驾控制策略设计，可以使得驾驶新能源汽车的过程中人机相辅相成，提高新能源汽车驾驶的安全性与智能性。

需要说明的是，本申请实施例中的各步骤的步骤标号，其并不限制本申请技术方案中各操作的前后顺序。

在一申请实施例中，本申请提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现基于新能源汽车的双驱控制方法。

在一申请实施例中，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述基于新能源汽车的双驱控制方法。

需要说明的是，在本申请中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.基于新能源汽车的双驱控制系统，所述方法应用于自适应巡航控制系统，其特征在于，所述系统包括以下步骤：

感知单元，其用于通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；

风险定义单元，其用于基于所述自身车辆运行信息以及所述目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；

权重输出单元，其用于将所述空间风险以及所述速度风险输入二维输入模糊控制器，输出驾驶权分配权重；

执行单元，其用于基于所述驾驶权分配权重、驾驶员控制量以及自动驾驶系统控制量，控制自身车辆运行。

2.如权利要求1所述基于新能源汽车的双驱控制系统，其特征在于，所述风险定义单元包括空间风险定义单元，所述空间风险定义单元包括：

距离获取子单元，其用于获取自车与目标车辆之间的实时间距以及跟车安全距离；

第一定义子单元，其用于当所述实时间距大于所述跟车安全距离时，则定义所述空间风险为零；

第二定义子单元，其用于当所述实时间距小于所述跟车安全距离时，则定义所述空间风险为实时间距相对于所述跟车安全距离之间的偏差绝对值。

3.如权利要求1所述基于新能源汽车的双驱控制系统，其特征在于，所述风险定义单元包括速度风险定义单元，所述速度风险定义单元包括：

速度获取子单元，其用于获取自车速度以及目标车辆速度；

第一定义子单元，其用于当所述目标车辆速度大于所述自车速度时，则定义所述速度风险为零；

第二定义子单元，其用于当所述目标车辆速度小于所述自车速度时，则定义所述速度风险为自车速度以及目标车辆速度之间的偏差绝对值。

4.如权利要求1所述基于新能源汽车的双驱控制系统，其特征在于，所述风险定义单元包括：

模糊化子单元，其用于对所述空间风险以及所述速度风险进行模糊化，分别获取空间风险模糊量以及速度风险模糊量；

模糊推理子单元，其用于利用模糊规则对所述空间风险模糊量以及所述速度风险模糊量进行模糊推理，获取驾驶权分配权重的模糊量；

去模糊化子单元，其用于对所述驾驶权分配权重的模糊量进行去模糊化，获取驾驶权分配权重。

5.如权利要求4所述基于新能源汽车的双驱控制系统，其特征在于，所述风险定义单元还用于：

输入量确定子单元，其用于以归一化后的空间风险和速度风险为输入量，人机共驾模式下驾驶权分配系数为控制量；

论域确定子单元，其用于确定模糊控制器中所述输入量与所述控制量的量化因子、基本论域以及模糊论域。

6.如权利要求1所述基于新能源汽车的双驱控制系统，其特征在于，所述驾驶员控制量由驾驶员通过人眼视觉方式感知交通环境信息，根据自身驾驶习惯控制驱动或制动踏板产生的控制量。

7.如权利要求1所述基于新能源汽车的双驱控制系统，其特征在于，所述自动驾驶系统控制量是通过车载传感器获取自身车辆运行信息以及目标车辆运行信息，通过自适应巡航控制策略优化求解获取自动驾驶系统控制量。

8.基于新能源汽车的双驱控制方法，所述方法应用于自身车辆控制器，其特征在于，所述方法包括以下步骤：

通过车载传感器获取自身车辆运行信息以及目标车辆运行信息；

基于所述自身车辆运行信息以及所述目标车辆运行信息，获取纵向跟车场景下归一化后的空间风险以及速度风险；

将所述空间风险以及所述速度风险输入二维输入模糊控制器，输出驾驶权分配权重。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求8所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求8所述的方法。