CN1321852C - 一种车辆转向控制方法 - Google Patents

Abstract

一种车辆转向控制方法属于车辆行驶信息处理技术领域。其特征在于，它在使用函数sigmoid来控制车辆转向的方法中引入了航向角敏感函数λ_α(α)和侧偏距离敏感函数g_α(α)的确定方法，最终得到精确的转向角。本发明还提出了对航向角敏感性系数k_λ和侧偏距离敏感性系数k_g进行在线调整的方法，使其根据车辆的实际状况进行能够自适应调整，在使用中不断优化，从而达到了更好的转向控制效果。

Description

一种车辆转向控制方法

技术领域

一种车辆转向控制方法属于车辆行驶信息处理技术领域。

背景技术

车辆行驶转向控制是现代汽车控制及安全技术的关键技术之一，现有车辆行驶转向控制方法有：基于传统的控制方法从车辆的运动学和动力学出发，通过严格的推导得出车辆的动力学和运动学模型，利用LQ控制等算法设计出控制器对车辆实现控制。文献1(王荣本等，基于视觉的智能车辆自主导航最优控制器设计，汽车工程，Vol.23，No.2，2001.2)介绍了基于机器视觉信息的LQ控制器设计，由于被控对象车辆是一个高度非线性、时变性和不确定性的复杂系统，建立精确的数学模型非常困难，难以达到理想控制效果。文献2(李兵等，Modeling of Steering System for High speed Intelligent Vehicle by SystemIdentification，Proceedings of the IEEE International Vehicle ElectronicsConference，1999)介绍了采用系统辨识的方法来设计LQ控制器传递函数方法，只能针对特定车型，不具有通用性，且工作量大。文献3(李兵、何克忠、张朋飞，自主轮式机器人THMR-V的混合模糊逻辑控制，《机器人》2003年第6期)介绍了一种混合模糊逻辑控制，要达到较好的控制效果，该方法需要总结详细的控制规则，工作量大。

在文献4(徐友春，王荣本，一种机器视觉导航的智能车辆转向控制模型设计，中国公路学报，Vol.14，No.3，2001.10)中公开了一种采用sigmoid函数来描述驾驶规则的方法。Sigmoid如下：

f(α)＝(1-e^-λ·α)/(1+e^-λ·α)………(1)

函数的曲线如图1所示，在越靠近原点处，输出对输入越敏感，当输入值远离原点时，输入越来越不敏感；当输入进一步增大时，输出逐渐趋于某一值。而该函数的这一特点非常符合汽车驾驶转向的特点，车辆转向控制的转向角y主要受航向角α和侧偏距离le的影响，航向角较大时，其变化对转向角的影响不明显，同样侧偏距离较大时，其变化对转向角的影响也不明显；因此用sigmoid函数能够恰当的描述转向角y与航向角α和侧偏距离le之间的关系，如下式表示：

y＝f_le(le)+f_α(α)…    ……(2)

其中：f_le(le)和f_α(α)可用sigmoid函数描述：

$f_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_{\mathrm{\α}}\·(1-e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})/(1+e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}).........\left(3\right)$

$f_{\mathrm{le}}\left(\mathrm{le}\right)=k_{\mathrm{le}}\·(1-e^{-g_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{le}})/(1+e^{-g_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{le}}).........\left(4\right)$

上式(3)、(4)中，k_α是一个航向角比例系数，其值小于实际车辆最大转向角；k_le是侧偏距离比例系数，其值小于实际车辆最大转向角。k_λ是航向角敏感性系数，k_g为侧偏距离敏感性系数。

用sigmoid函数来描述转向角与航向角和侧偏距离之间的关系有如下优点：1、不需要对车辆进行运动学和动力学建模；2、不需要将驾驶员驾驶行为分为多个驾驶规则，而是用统一的数学函数进行描述。3、具有良好的通用性，可以直接应用于不同的车型而不需要对算法进行修改，因而适用性较好。

但是在文献4中仅提出了这一理论，没有公开航向角敏感性系数k_λ和侧偏距离敏感性系数k_g的确定方法，因此无法将该方法应用到实际的车辆转向控制中。

发明内容：

本发明的目的在于，提出了一种车辆转向控制的方法，在该方法中引入了航向角敏感函数λ_α(α)和侧偏距离敏感函数g_α(α)的确定方法，最终得到精确的转向角，使函数sigmoid能够运用到实际的车辆转向控制中。本发明还提出了对航向角敏感性系数k_λ和侧偏距离敏感性系数k_g进行在线调整的方法，使其根据车辆的实际状况进行能够自适应调整，在使用中不断优化，以达到更好的转向控制效果。

对于不同的车辆，不同的驾驶员对航向角变化的敏感性是不同的。反映到模型中就是模型对原点附近的航向角变化敏感性大；而当航向角较大时，驾驶员对于航向角变化的敏感降低，在拟人控制模型中表现在离开原点越远，敏感性越低；同时，不同情况下(如不同类型车辆)，模型在原点附近的敏感性也是不同的，而在远离原点处，敏感性对于不同车辆变化很小。考虑上述因素，为了模型的敏感性适应不同情况，使模型在原点附近具有适当(较高)的敏感性，而在远离原点处具有适当的敏感性，根据经验构造函数对模型的航向角敏感性进行调节：

${\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_{\mathrm{\λ}}\·{\mathrm{\λ}}_c\·e^{-{\mathrm{\λ}}_c\·\mathrm{\α}}/{(1+e^{-{\mathrm{\λ}}_c\·\mathrm{\α}})}^2+k_c................\left(5\right)$

同样道理，侧偏距离敏感性函数也是用来调节不同的侧偏距离上敏感性的大小。但从驾驶员的转向策略可知，侧偏距离对转向角输出的影响除了受到侧偏距离大小的影响外，还受到航向角的影响，这种影响的特点是随着航向角的增大，转向角输出对侧偏距离敏感性降低。为了适应不同情况，使拟人模型在原点附近具有适当的敏感性(较高的敏感性)，而在远离原点处具有较低的敏感性，且对原点处敏感性的调节应尽量不影响远离原点处的敏感性。基于这些考虑，根据经验构造函数对模型的侧偏距离敏感性进行调节：

$g_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_g\·{\mathrm{\λ}}_g\·e^{-{\mathrm{\λ}}_g\·\mathrm{\α}}/{(1+e^{-{\mathrm{\λ}}_g\·\mathrm{\α}})}^2+k_{\mathrm{gc}}.............................\left(6\right)$

本发明所提出的车辆转向控制方法是以汽车在道路上行驶时的航向角α和侧偏距离le为输入量，以汽车的前轮转向角y为输出量，以sigmoid函数为控制模型的方法，其特征在于，它依次含有在汽车控制器中进行的以下步骤：

(1)从车辆视觉系统获取汽车行进图像，并将该图像在汽车的工控机中进行分析，得到汽车的航向角α和侧偏距离le；

(2)计算航向角敏感函数λ_α(α)：

${\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_{\mathrm{\λ}}\·{\mathrm{\λ}}_c\·e^{-{\mathrm{\λ}}_c\·\mathrm{\α}}/{(1+e^{{-\mathrm{\λ}}_c\·\mathrm{\α}})}^2+k_c$

其中，k_λ为航向角敏感性系数，其范围为0.2～0.4；λ_c为航向角敏感因子，其范围为2.4～8.0；k_c为最小航向角敏感因子，其范围为0.2-0.4；

(3)利用sigmoid函数计算仅有航向角影响时的前轮转向角f_a(a)：

$f_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_{\mathrm{\α}}\·(1-e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})/(1+e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})$

其中，k_a为航向角比例系数，k_a小于车辆最大前轮转向角；

(4)计算侧偏距离敏感函数g_α(α)：

$g_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_g\·{\mathrm{\λ}}_g\·e^{{-\mathrm{\λ}}_g\·\mathrm{\α}}/{(1+e^{-{\mathrm{\λ}}_g\·\mathrm{\α}})}^2+k_{\mathrm{gc}}$

其中，k_g为侧偏距离敏感性系数，其范围为0.2～0.4；λ_g为侧偏距离敏感因子，其范围为0.8～2.9；k_gc为最小侧偏距离敏感因子，其范围为0.2～0.4；

(5)利用sigmoid函数计算仅有侧偏距离影响时的前轮转向角：

$f_{\mathrm{le}}\left(\mathrm{le}\right)=k_{\mathrm{le}}\·(1-e^{{-g}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{le}})/(1+e^{{-g}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{le}})$

其中，k_le是侧偏距离比例系数，k_le小于车辆最大前轮转向角；

(6)计算车辆当前状态下的前轮转向角y：

y＝f_le(le)+f_α(α)

(7)将前轮转向角y输出到车辆转向电机的控制器，以控制转向；

(8)返回第(1)步。

上述公式中，参数k_λ和k_g的选取直接关系到算法在微调时的控制效果。本发明还提出了自适应参数调整的方法，可以对上述参数k_λ和k_g进行自动调整。其原理如下：

首先将前m次控制结果进行误差积累：

$E=\frac{1}{2}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{(t_{j-i}-y_{j-i})}^2.........................................................................................\left(7\right)$

t_j-i：在j-i时刻的目标位置。

y_j-i：在j-i时刻的实际值，也就是在该时刻的控制器输出值。

因为转向控制的目的是使车辆中心线与视野参考直线重合，当重合时，控制器输出值就是0，故t_j-i恒为0。这样，式(7)变为：

$E_j=\frac{1}{2}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(y_{j-i}\right)}^2............................................................................\left(8\right)$

对控制器参数动态调整的目的是使控制器输出误差E最小。从物理意义上看，当车辆运动轨迹准确与参考直线重合时，控制器输出误差最小。这里采用负反馈可以保证误差E减小，即：

${\mathrm{\ΔK}}_j=-\mathrm{\η}\frac{{\∂E}_j}{{\∂K}_i}.............................................................................\left(9\right)$

参数调整按式(10)进行。

K_j＝K_j-1+ΔK_j………………………………………………………(10)

将式(8)对k_λ求导：

$\frac{{\∂E}_j}{{\∂k}_{\mathrm{\λ},j}}=y_{j-i}\text{\·}{y}_{j-i}^{\′}..........................................\left(11\right)$

$\frac{{\∂E}_j}{{\∂k}_{\mathrm{\λ},,j}}=(f_{\mathrm{\α}}\left(\mathrm{\α}\right)+f_{\mathrm{le}}\left(\mathrm{le}\right))\·(\frac{{\mathrm{df}}_{\mathrm{\α}}\left(\mathrm{\α}\right)}{{\mathrm{dk}}_{\mathrm{\λ}}}+\frac{{\mathrm{df}}_{\mathrm{le}}\left(\mathrm{le}\right)}{{\mathrm{dk}}_{\mathrm{\λ}}})..........\left(12\right)$

$\frac{{\mathrm{df}}_{\mathrm{le}}\left(\mathrm{le}\right)}{{\mathrm{dk}}_{\mathrm{\λ}}}=0..................................................................\left(13\right)$

$\frac{{\mathrm{df}}_{\mathrm{\α}}\left(\mathrm{\α}\right)}{{\mathrm{dk}}_{\mathrm{\λ}}}=k_{\mathrm{\α}}\frac{-2\·e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})}^2}\frac{{\mathrm{\λ}}_c\·e^{{-\mathrm{\λ}}_c\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_c\·\mathrm{\α}})}^2}.............................................\left(14\right)$

故有：

$\frac{{\∂E}_j}{{\∂k}_{\mathrm{\λ},,j}}=(f_{\mathrm{\α}}\left(\mathrm{\α}\right)+f_{\mathrm{le}}\left(\mathrm{le}\right))\·k_{\mathrm{\α}}\frac{-2\·e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})}^2}\frac{{\mathrm{\λ}}_c\·e^{-{\mathrm{\λ}}_c\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_c\·\mathrm{\α}})}^2}..............\left(15\right)$

得到参数k_λ的自适应调整算法如下式所示：

$k_{\mathrm{\λ},,j}=k_{\mathrm{\λ},j-1}+\mathrm{\η}\·(f_{\mathrm{\α}}\left(\mathrm{\α}\right)+f_{\mathrm{le}}\left(\mathrm{le}\right))\·k_{\mathrm{\α}}\frac{2\·e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})}^2}\frac{{\mathrm{\λ}}_c\·e^{{-\mathrm{\λ}}_c\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_c\·\mathrm{\α}})}^2}......\left(16\right)$

同理可得参数k_g的自适应调整算法如下式所示：

$k_{g,j}=k_{g,j-1}+\mathrm{\η}\·(f_{\mathrm{\α}}\left(\mathrm{\α}\right)+f_{\mathrm{le}}\left(\mathrm{le}\right))\·k_{\mathrm{le}}\frac{2\·e^{{-g}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}}{{(1+e^{{-g}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})}^2}\frac{{\mathrm{\λ}}_g\·e^{{-\mathrm{\λ}}_g\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_g\·\mathrm{\α}})}^2}...\left(17\right)$

式(16)(17)中，η是一个调整系数，取值范围(0.1，0.6)，它可以调节参数适应的快慢程度。这样，就实现了拟人转向模型中两个关键参数k_λ和k_g的自动反馈调整。

基于上述原理，本发明提出了自动调整参数k_λ和k_g的方法，其特征在于，在上述第(7)步之后还含有自适应调整所述航向角敏感性系数k_λ和侧偏距离敏感性系数k_g的步骤，它含有：

$K_{\mathrm{\λ}}=K_{\mathrm{\λ}}+\mathrm{\η}\·y\·k_{\mathrm{\α}}\frac{2\·e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})}^2}\frac{{\mathrm{\λ}}_c\·e^{{-\mathrm{\λ}}_c\·\mathrm{\α}}}{{(1+e^{{\mathrm{\λ}}_c\·\mathrm{\α}})}^2}$

$K_g=K_g+\mathrm{\η}\·y\·k_{\mathrm{le}}\frac{2\·e^{{-g}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}}{{(1+e^{{-g}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})}^2}\frac{{\mathrm{\λ}}_g\·e^{{-\mathrm{\λ}}_g\·\mathrm{\α}}}{{(1+e^{{-\mathrm{\λ}}_g\·\mathrm{\α}})}^2}$

其中η为调整系数，其范围为0.1～0.6。

为了提高调整航向角敏感性系数k_λ和侧偏距离敏感性系数k_g的精度，本发明又提出了自适应调整所述航向角敏感性系数k_λ和侧偏距离敏感性系数k_g的进一步优化的方法，其特征在于，在上述第(7)步之后还含有自适应调整所述航向角敏感性系数k_λ和侧偏距离敏感性系数k_g的步骤，它依次含有：

(a)将车辆在直线上行驶时连续n次所获得的航向角进行累加；

将车辆在直线上行驶时连续n次计算得到的转向角进行累加；

(b)当上述转向角的累加值大于设定的阈值时，分别计算n次的航向角平均误差suma和n次的转向角平均误差sum；

(c)将上步计算得到的suma和sum带入下式计算得到k_λ和k_g；

$K_{\mathrm{\λ}}=K_{\mathrm{\λ}}+\mathrm{\η}\·\mathrm{sum}\·k_{\mathrm{\α}}\frac{2\·e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{suma}}}{{(1+e^{{-\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{suma}})}^2}\frac{{\mathrm{\λ}}_c\·e^{{-\mathrm{\λ}}_c\·\mathrm{suma}}}{{(1+e^{{-\mathrm{\λ}}_c\·\mathrm{suma}})}^2}$

$K_g=K_g+\mathrm{\η}\·\mathrm{sum}\·k_{\mathrm{le}}\frac{2\·e^{{-g}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{suma}}}{{(1+e^{{-g}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{suma}})}^2}\frac{{\mathrm{\λ}}_g\·e^{{-\mathrm{\λ}}_g\·\mathrm{suma}}}{{(1+e^{{-\mathrm{\λ}}_g\·\mathrm{suma}})}^2}$

其中η为调整系数，其范围为0.1～0.6。

在该优化调整参数的步骤中，所述第(a)步中，当航向角a＜2°时，认为车辆行驶在直线道路上。所述第(a)步中，n值至少为20次。所述第(b)步中，当n次转向角的累加达到至少15°时，分别计算n次的航向角平均误差suma和n次的转向角平均误差sum。

实验证明，本发明能够精确的控制转向角的输出，并且适应性强，能够适应不同的车型，达到了预期的目的。

附图说明：

图1，sigmoid函数曲线图；

图2，车辆的航向角与侧偏距离示意图；

图3，本发明的实施的软件流程图；

图4，自适应调整参数k_λ和k_g的子流程图。

图5，本发明的仿真效果图。

具体实施方式：

结合附图说明本发明的具体实施方式。

见图3所示的软件流程图：

首先初始化：

给定以下参数：

航向角敏感性系数初始值k_λ，其范围为0.2～0.4；

航向角敏感因子λ_c，其范围为2.4～8.0；

最小航向角敏感因子k_c，其范围为0.2-0.4；

侧偏距离敏感性系数初始值k_g，其范围为0.2～0.4；

侧偏距离敏感因子λ_g，其范围为0.8～2.9；

最小侧偏距离敏感因子k_gc，其范围为0.2～0.4；

航向角比例系数k_α，小于车辆最大前轮转向角(最大前轮转向角由厂商提供)；

侧偏距离比例系数k_le，小于车辆最大前轮转向角(最大前轮转向角由厂商提供)；

调整系数η，其范围为(0.1，0.6)

各变量：

计数器count＝0；

转向角累加值sum；

航向角累加值suma；

连续累加的次数n；

平均转向角sum；

平均航向角suma；

下一步通过车载视觉系统获取车辆行走图像，在工控机中算出航向角和侧偏距离；然后计算航向角和侧偏距离敏感函数λ_α(α)和g_α(α)，以及仅有航向角影响时的前轮转角、仅有侧偏距离影响时的前轮转角，最后二者的叠加得到应输出的前轮转角y，并将该y值输出到车载转向电机控制器以实现转向。

在计算过程中，可以对航向角敏感性系数k_λ和侧偏距离敏感性系数k_g进行自适应调整，本实施例采用的是优化方案，见图4所示的自适应调整参数k_λ和k_g的子流程图：其中，α＜2°表示航向角α小于2度时可认为车辆行驶在直线道路上，对参数调节效果较好；Count＞20表示至少连续20次误差累积，以减少干扰信号的影响；Sum＞15表示累积误差要大于一定值时才有必要进行参数调节；

进行调节计算公式如下：

$K_{\mathrm{\λ}}=K_{\mathrm{\λ}}+\mathrm{\η}\·\mathrm{sum}\·k_{\mathrm{\α}}\frac{2\·e^{-{\mathrm{\λ}}_a\left(a\right)\·\mathrm{suma}}}{{(1+e^{{-\mathrm{\λ}}_a\left(a\right)\·\mathrm{suma}})}^2}\frac{{\mathrm{\λ}}_c\·e^{{-\mathrm{\λ}}_c\·\mathrm{suma}}}{{(1+e^{{-\mathrm{\λ}}_c\·\mathrm{suma}})}^2}$

$K_g=K_g+\mathrm{\η}\·\mathrm{sum}\·k_{\mathrm{le}}\frac{2\·e^{{-g}_a\left(a\right)\·\mathrm{suma}}}{{(1+e^{{-g}_a\left(a\right)\·\mathrm{suma}})}^2}\frac{{\mathrm{\λ}}_g\·e^{-{\mathrm{\λ}}_g\·\mathrm{suma}}}{{(1+e^{{-\mathrm{\λ}}_g\·\mathrm{suma}})}^2}$

将参数k_λ和k_g进行完调节后，返回主程序的第(1)步。

本发明在以下参数条件下进行了仿真：

k_λ＝0.4；航向角敏感性系数

λ_c＝4.0；航向角敏感因子

k_c＝0.4；最小航向角敏感因子

k_g＝0.3；侧偏距离敏感性系数

λ_g＝2.9；侧偏距离敏感因子

k_gc＝0.25；最小侧偏距离敏感因子

k_le＝1；假设车辆最大前轮转角为2

k_α＝1；假设车辆最大前轮转角为2

η＝0.3 调整系数

仿真结果如图6，图中，水平轴分别代表输入参数：航向角和侧偏距离，Z轴代表模型的输出结果即转向角。仿真时，航向角输入范围从-6度到6度，侧偏距离输入范围从-25m到25m，输出结果在-2到2之间。从曲面趋势可以看到，超过一定值之后，随着两个输入参数值的增加，输出转向角几乎不变；在航向角与位置偏差较小时，曲面变化率很大，这反应出控制模型对于原点处的变化反应灵敏，而这正是控制器设计所希望得到的结果。

本发明还在捷达王轿车上实验，该车安装的视觉系统为：三星SR-100APKSl型CCD摄像机，用来获得道路的图像，大恒CG300型图像卡对图像进行数字化并输出到研祥IPC-6808型工控机(计算机)，工控机进行图像处理可得到拟人控制模型所需要的参数：α和le。该工控机在获得这些参数后利用本发明所述方法进行控制，得到车辆的转向角，该转向角通过研祥公司的ISA-HG16AD型I/O接口卡输出到步进电机控制器，进而驱动步进电机驱动方向盘，从而实现转向操作。

Claims (6)

1、一种车辆转向控制方法，是以汽车在道路上行驶时的航向角α和侧偏距离le为输入量，以汽车的前轮转向角y为输出量，以sigmoid函数为控制模型的方法，其特征在于，它依次含有在汽车控制器中进行的以下步骤：

(1)从车辆视觉系统获取汽车行进图像，并将该图像在汽车的工控机中进行分析，得到汽车的航向角α和侧偏距离le；

(2)计算航向角敏感函数λ_α(α)：

${\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_{\mathrm{\λ}}\·{\mathrm{\λ}}_c\·e^{-{\mathrm{\λ}}_c\·\mathrm{\α}}/{(1+e^{-{\mathrm{\λ}}_c\·\mathrm{\α}})}^2+k_c$

其中，k_λ为航向角敏感性系数，其范围为0.2～0.4；λ_c为航向角敏感因子，其范围为2.4～8.0；k_c为最小航向角敏感因子，其范围为0.2-0.4；

(3)利用sigmoid函数计算仅有航向角影响时的前轮转向角f_a(a)：

$f_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_{\mathrm{\α}}\·(1-e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})/(1+e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})$

其中，k_a为航向角比例系数，k_a小于车辆最大前轮转向角；

(4)计算侧偏距离敏感函数g_α(α)：

$g_{\mathrm{\α}}\left(\mathrm{\α}\right)=k_g\·{\mathrm{\λ}}_g\·e^{-{\mathrm{\λ}}_g\·\mathrm{\α}}/{(1+e^{-{\mathrm{\λ}}_g\·\mathrm{\α}})}^2+k_{\mathrm{gc}}$

其中，k_g为侧偏距离敏感性系数，其范围为0.2～0.4；λ_g为侧偏距离敏感因子，其范围为0.8～2.9；k_gc为最小侧偏距离敏感因子，其范围为0.2～0.4；

(5)利用sigmoid函数计算仅有侧偏距离影响时的前轮转向角：

$f_{\mathrm{le}}\left(\mathrm{le}\right)=k_{\mathrm{le}}\·(1-e^{-g_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{le}})/(1+e^{-g_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{le}})$

其中，k_le是侧偏距离比例系数，k_le小于车辆最大前轮转向角；

(6)计算车辆当前状态下的前轮转向角y：

y＝f_le(le)+f_α(α)

(7)将前轮转向角y输出到车辆转向电机的控制器，以控制转向；

(8)返回第(1)步。

2、如权利要求1所述的一种车辆转向控制方法，其特征在于，在上述第(7)步之后还含有自适应调整所述航向角敏感性系数k_λ和侧偏距离敏感性系数k_g的步骤，它含有：

$K_{\mathrm{\λ}}=K_{\mathrm{\λ}}+\mathrm{\η}\·y\·k_{\mathrm{\α}}\frac{2\·e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}}{{(1+e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})}^2}\frac{{\mathrm{\λ}}_c\·e^{-{\mathrm{\λ}}_c\·\mathrm{\α}}}{{(1+e^{-{\mathrm{\λ}}_c\·\mathrm{\α}})}^2}$

$K_g=K_g+\mathrm{\η}\·y\·k_{\mathrm{le}}\frac{2\·e^{-g_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}}}{{(1+e^{-g_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{\α}})}^2}\frac{{\mathrm{\λ}}_g\·e^{-{\mathrm{\λ}}_g\·\mathrm{\α}}}{{(1+e^{-{\mathrm{\λ}}_g\·\mathrm{\α}})}^2}$

其中η为调整系数，其范围为0.1～0.6。

3、如权利要求1所述的一种车辆转向控制方法，其特征在于，在上述第(7)步之后还含有自适应调整所述航向角敏感性系数k_λ和侧偏距离敏感性系数k_g的步骤，它依次含有：

(a)将车辆在直线上行驶时连续n次所获得的航向角进行累加；

将车辆在直线上行驶时连续n次计算得到的转向角进行累加；

(b)当上述转向角的累加值大于设定的阈值时，分别计算n次的航向角平均误差suma和n次的转向角平均误差sum；

(c)将上步计算得到的suma和sum带入下式计算得到k_λ和k_g；

$K_{\mathrm{\λ}}=K_{\mathrm{\λ}}+\mathrm{\η}\·\mathrm{sum}\·k_{\mathrm{\α}}\frac{2\·e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{suma}}}{{(1+e^{-{\mathrm{\λ}}_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{suma}})}^2}\frac{{\mathrm{\λ}}_c\·e^{-{\mathrm{\λ}}_c\·\mathrm{suma}}}{{(1+e^{-{\mathrm{\λ}}_c\·\mathrm{suma}})}^2}$

$K_g=K_g+\mathrm{\η}\·\mathrm{sum}\·k_{\mathrm{le}}\frac{2\·e^{-g_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{suma}}}{{(1+e^{-g_{\mathrm{\α}}\left(\mathrm{\α}\right)\·\mathrm{suma}})}^2}\frac{{\mathrm{\λ}}_g\·e^{-{\mathrm{\λ}}_g\·\mathrm{suma}}}{{(1+e^{-{\mathrm{\λ}}_g\·\mathrm{suma}})}^2}$

其中η为调整系数，其范围为0.1～0.6。

4、如权利要求3所述的一种车辆转向控制方法，其特征在于，所述第(a)步中，当航向角a＜2°时，认为车辆行驶在直线道路上。

5、如权利要求3所述的一种车辆转向控制方法，其特征在于，所述第(a)步中，n值至少为20次。

6、如权利要求3所述的一种车辆转向控制方法，其特征在于，所述第(b)步中，当n次转向角的累加达到至少15°时，分别计算n次的航向角平均误差suma和n次的转向角平均误差sum。

Images