CN1974297B - 基于预观的车辆横向控制的方法及设备 - Google Patents

Abstract

一种集成了车辆动态和运动控制的车辆横向控制系统。该系统包括驾驶员解释器，其基于驾驶员的输入提供所需的车辆动态及预测车辆路径。所需车辆动态和测量的车辆动态之间的误差信号和预测的车辆路径和测量的车辆目标路径之间的误差信号被发送到动态和运动控制处理器，以分别产生独立的动态和运动指令信号，使误差最小化。通过控制集成处理器对指令信号进行集成，将指令集成在一起，以使稳定车辆和追踪路径的性能最优化。能够利用该集成指令信号控制前轮助力转向、后轮助力转向或差速制动中的一个或多个。

Description

基于预观的车辆横向控制的方法及设备

技术领域

本发明总的来说涉及车辆横向稳定性控制的系统，更具体地，涉及一种集成了传感器测量及目标路径设计的车辆动态控制的车辆横向稳定性控制系统，并且路径追踪控制使车辆运动控制与车辆动态控制结合。

背景技术

车辆动力学通常是指车辆的横摆、侧滑及侧滚，车辆运动学通常是指车辆路径和道路追踪。本领域公知的车辆稳定性控制系统是基于车辆动力学提供稳定性控制。而且，公知的道路保持和/或道路追踪系统是利用车辆运动学。如果车辆沿一曲线行驶，其中该曲线的路面由于冰或雪而摩擦系数降低，则车辆动力学和运动学都是很重要的。按照惯例，虽然车辆的动态和运动控制可以通过监督控制起同等作用，但是它们分别单独执行，只是不能互相干扰。

典型的车辆稳定控制系统单独依靠驾驶员的转向输入产生转向助力和/或差速制动的控制指令。但是，驾驶的反应和方式有很大不同，而且并没有识别驾驶技术水平和驾驶风格以确定驾驶员如何处理特定驾驶状况的可靠方法。起作用的因素包括驾驶能力差、缺少经验、恐慌等。

而且，在路径追踪操作期间，车辆由于传感器数据质量可能会遇到稳定性问题，如噪音、通过量低和可能的环境影响。同时，由于对路面情况不熟悉，并且通常未考虑路径追踪控制，所以针对高摩擦系数路面的同样的控制程序对于在低摩擦系数路面上行驶的车辆来说可能会产生明显的车辆震动甚至不稳定。

发明内容

根据本发明的教导，公开了一种集成了车辆动态控制和运动控制的车辆横向控制系统。该系统包括驾驶员解释器，其基于驾驶员的输入产生需要的车辆动态和预测车辆路径。将所需的车辆动态和测量的车辆动态之间及预测的车辆路径和测量的车辆路径之间的误差信号分别发送到动态和运动控制处理器，以分别产生动态和运动指令信号。通过控制集成处理器使指令信号集成，以组合指令，并且减少误差信号以稳定车辆并且追踪路径。可以利用集成的指令信号控制前轮助力转向、后轮助力转向和/或差速制动器。

通过下面结合附图的说明和所附的权利要求书可以很明显地看出本发明的其他附加特征。

附图说明

图1是根据本发明实施例的结合车辆动态和运动控制的车辆横向控制系统的方块图；

图2是图1所示系统的动作/路径预测处理器的方块图；

图3是图1所示系统的指令集成处理器的方块图；

图4是图1所示系统的运动控制处理器的方块图；和

图5描述了沿着曲线路径行驶的汽车。

具体实施方式

下面关于本发明的结合车辆动态控制和运动控制的车辆横向控制系统的实施例的描述只是对其本质的示范，而不是对本发明或其应用或用途的限制。

图1是根据本发明的一个实施例的车辆横向稳定控制系统10的方块图。如下面所要详细描述的，控制系统10结合了车辆动态控制和车辆运动控制，以提高车辆的稳定控制及路径追踪的性能。利用多种传感器实现动态控制，包括横摆率传感器、横向加速度传感器和车速传感器，以及一个或多个可视系统，雷达系统和/或基于GPS传感器的地图数据库用于提供运动控制。车辆动态控制控制车辆的横摆率和/或侧滑(率)，车辆的运动控制控制车辆的路径和/或道路追踪。

系统10产生一个集成的控制指令，并将其发送到致动器12，以辅助驾驶员控制车辆，从而提供横向稳定控制和路径追踪控制。致动器12可以是用于车辆稳定控制系统中的数个控制致动器中的一个或多个，如前轮转向助力致动器、后轮转向助力致动器、差速制动致动器等，都是本领域技术人员公知的。

对于下面的描述，使用如下术语：

a：车辆前轴和车辆重心之间的距离；

b：车辆后轴和车辆重心之间的距离；

C_f：车辆前胎的侧偏刚度；

C_r：车辆后胎的侧偏刚度；

L_z：到重心的车辆惯性力矩；

L：状态观察器的反馈增益；

m：车重；

r：车辆横摆率；

u：车速；

v_y：车辆横向速度；

x：系统状态变量；

δ_f：车辆前轮角度；以及

δ_r：车辆后轮角度。

系统10包括手轮角度传感器14，测量车辆手轮的角度，从而提供表达驾驶转向意图的信号。手轮角度传感器14是一种公知的能够提供驾驶转向意图的设备。本领域技术人员也能够认可用其它类型的传感器实现该目的，如车轮角度传感器。同时，在其它实施例中，驾驶员输入可以是制动输入或节气门输入。

来自手轮角度传感器14的信号传送到驾驶员解释器16。驾驶员解释器16包括指令解释器处理器20，其基于手轮角度信号将驾驶员输入解释为所需的横摆率和/或侧滑(率)。换句话说，处理器20将驾驶员的操作解释为所需的车辆动态。在一个非限制性实施例中，指令解释器20使用的是高系数摩擦面的二自由度自行车模型，这是本领域技术人员公知的。所需的横摆率和/或所需的侧滑(率)信号被发送到减法器24。

另外，来自传感器26的传感器检测信号被发送到减法器24。减法器24减去这些信号并且将其发送到车辆动态误差信号Δe_dyn。传感器26可以是系统10所需的任何传感器，包括，但不限于，横摆率传感器、横向加速度传感器和车速传感器。如果指令解释器处理器20提供横摆率信号，则使用车辆横摆率的实际测量结果。如果指令解释器处理器提供所需的侧滑率信号，则由横摆率传感器和横向加速度传感器提供侧滑率的估计值。如何提供侧滑率的估计值是本领域公知的。

驾驶员解释器16还包括接收手轮角度信号的动作/路径预测处理器30。预测处理器30产生轨道或车辆路径的目标预测路径信号。图2是根据本发明的一个实施例的预测处理器30的块图，包括车辆动态估计处理器32和车辆运动估计处理器34。

车辆动态估计处理器32如图3所示，基于传感器输入的车速u、转向角度δ_f和车辆横摆率r估计车辆的横向速度v_y。车辆动态估计处理器32包括自行车模型处理器40、反馈增益处理器42和减法器44。自行车模型处理器40接收手轮角度δ_f和车速信号u并且估计包括车辆横摆率和横向速度的车辆状态x。将来自自行车模型处理器40的车辆横摆率和来自传感器26的横摆率信号发送到减法器44，从而产生误差信号，并将其发送到反馈增益处理器42。反馈增益处理器42将增益L附加到发送给自行车模型处理器40的误差信号，从而得到车辆状态。下面的公式(1)提供了在自行车模型处理器40中确定状态变量x的计算：

$\left[\begin{array}{c}\stackrel{\stackrel{.}{^}}{r}\\ {\stackrel{\stackrel{.}{^}}{v}}_y\end{array}\right]=\left[\begin{array}{cc}-\frac{C_f\·a^2+C_r\·b^2}{I_z\·u}& \frac{C_r\·b-C_f\·a}{I_z\·u}\\ \frac{C_{r}b-C_f\·a}{m\·u}-u& \frac{C_f+C_r}{m\·u}\end{array}\right]\·\left[\begin{array}{c}\hat{r}\\ {\hat{v}}_y\end{array}\right]+\left[\begin{array}{cc}\frac{C_f\·a}{I_z}& -\frac{C_r\·b}{I_z}\\ \frac{C_f}{m}& \frac{C_r}{m}\end{array}\right]\·\left[\begin{array}{c}{\mathrm{\δ}}_f\\ {\mathrm{\δ}}_r\end{array}\right]+L(\hat{r}-r)---\left(1\right)$

然后将来自车辆动态估计处理器32的车辆状态信号发送到车辆运动估计处理器34，以在固定的车辆坐标系(X，Y)中确定车辆的运动方向，公式如下：

$\stackrel{\stackrel{.}{^}}{X}=u\·\cos \left(\widehat{\mathrm{\ψ}}\right)-{\hat{v}}_y\·\sin \left(\widehat{\mathrm{\ψ}}\right)---\left(2\right)$

$\stackrel{\stackrel{\·}{^}}{Y}=u\·\sin \left(\widehat{\mathrm{\ψ}}\right)+{\hat{v}}_y\·\cos \left(\widehat{\mathrm{\ψ}}\right)---\left(3\right)$

$\stackrel{\stackrel{.}{^}}{\mathrm{\ψ}}=\hat{r}---\left(4\right)$

其中Ψ是车辆的方向。从而能够计算出预测的车辆轨道，公式如下：

$\hat{X}\left(t\right)=\hat{X}\left(t_0\right)+\underset{t_0}{\overset{t}{\∫}}\stackrel{\stackrel{\·}{^}}{X}\·\mathrm{dt}\≈\hat{X}\left(t_0\right)+\mathrm{\Δ}\hat{X}---\left(5\right)$

$\hat{Y}\left(t\right)=\hat{Y}\left(t_0\right)+\underset{t_0}{\overset{t}{\∫}}\stackrel{\stackrel{.}{^}}{Y}\·\mathrm{dt}\≈\hat{Y}\left(t_0\right)+\mathrm{\Δ}\hat{Y}---\left(6\right)$

来自预测处理器30的预测路径信号被发送到减法器46。系统10还包括路径投影处理器50，为减法器46提供目标路径信号。路径投影处理器50包括一个或多个显示系统、一个雷达系统和/或具有GPS传感器的地图系统(这些都是本领域技术人员公知的)，并且可以在一些车辆模式上可用。根据路径投影处理器50使用的设备的类型，目标路径信号可以是不同的。例如，如果将路径投影处理器50作为避免碰撞的雷达系统，则可以利用目标路径信号避开另一车辆。但是，如果路径投影处理器50使用地图系统，则目标路径系统可以只是跟随路面的曲率。处理器50将目标路径信号提供给减法器46，用车辆前方的道路曲率作为目标路径信号。减法器46产生如下面的公式(7)所示的运动误差信号Δe_kin作为来自预测处理器30的预测车辆路径和来自处理器50的目标路径的差，其中w_i是加权因数。加权因数w_i用来适当地衡量各路径误差的重要性，如用来减少远离车辆的目标路径的重要度。

$\mathrm{\Δ}{e}_{\mathrm{kin}}=\underset{i=l}{\overset{N}{\mathrm{\Σ}}}{w}_i\mathrm{\Δ}{y}_i---\left(7\right)$

将来自减法器24的误差信号Δe_dyn发送到动态控制处理器54。动态控制处理器54利用误差信号Δe_dyn产生动态控制指令信号δ_cmd-dyn，以使动态误差信号Δe_dyn最小化。动态控制处理器54能够使用实现该目的的任何适用的算法，如比例积分微分(PID)控制。在本领域中有很多这样的算法，本领域技术人员很容易明白。

将来自减法器46的运动误差信号Δe_kin发送到运动控制处理器56，运动控制处理器56基于误差信号Δe_kin产生运动控制指令信号δ_cmd-kin，以使运动误差信号Δe_kin最小化。在一个实施例中，运动控制处理器56使用能够使预定的成本函数J或工作指数最小的最优控制方法。在一个实施例中，成本函数J限定为预测路径和目标路径之间的加权差的二次形式，如：

$J=\frac{1}{T}\underset{t_0}{\overset{T}{\∫}}\{y\left(t\right)-\hat{y}\left(t\right){\}}^{2}w\left(t\right)\mathrm{dt}---\left(8\right)$

其中，y(t)和分别是车辆的目标误差和预测误差，T是预观时期。

图4是使用最优控制方法的运动控制处理器56的方块图。处理器56包括四阶车辆动态和运动模型处理器58，其接收手轮角度信号δ_f、横摆率信号r、估计的横向速度v_y和车速信号u。处理器58产生预测误差信号

作为

将预测误差信号

发送到成本函数处理器60，以通过公式(8)产生预定的成本函数J。由于公式(8)是一个二阶二次方程式，当成本函数J最小时，成本函数J的偏导数趋于零。处理器62对成本函数信号J进行偏导，处理器64产生最优控制信号U。最优控制信号U是运动控制指令信号δ_cmd-kin。用下面的公式(9)估计的最优控制信号U提供了最优转向控制，以使工作指数最小化。

$U=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\{y_i-C_i{x}_0\}{D}_i{w}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{D_i}^2{w}_i}---\left(9\right)$

其中，C_i和D_i分别是系统自由响应阵列和强制响应阵列，N是在预观期间使用的取样点的数量。

将来自动态控制处理器54的指令信号δc_md-dyn和来自运动控制处理器56的最优控制信号U发送到控制集成处理器70。控制集成处理器70集成了动态学和运动学，以提供一种对于所有因素都是最优的系统性能。控制集成处理器70使用加权过程，包括基于驾驶情况的确定切换两个指令信号。根据本发明，可以用不同的标准确定控制集成策略。例如，控制集成处理器70会考虑到在目标路径上的驾驶指令的置信等级的偏差。如果在驾驶转向信号和目标路径之间检测到的偏差足够大，则需要检查每一个的置信等级，使用置信等级较高的那个。而且，用情形估计来确定哪一个更接近并且哪一个更严重，如相对于转动的撞击。在这种情况下，撞击情形的优先级高于转动状况，从而在撞击期间具有更高的加权。而且，控制集成处理器70考虑到指令的时间特性，如暂时出现稳定状态。路径感测通常是慢的并且更多的反应车辆稳定状态，而在瞬变过程中更多的是动态。因此，加权函数在瞬变和稳定状态之间切换。

控制集成处理器70将指令信号δ_cmd输出到致动器12作为ρ₁(t)δ_cmd-dyn+ρ₂(t)δ_cmd-kin，其中ρ(t)是加权函数。对于纯动态控制，例如稳定性控制，ρ₁是1并且ρ₂是0。对于纯运动控制，如车辆道路/路径追踪，ρ₁是0并且ρ₂是1。更具体地，发送到致动器12的指令信号能够根据动态和运动控制指令的函数限定，如f(δ_cmd-dyn，δ_cmd-kin)。

控制集成处理器70被配置以处理将运动控制强制为缓慢感测或者来自处理器50的数据传输的结果的情况。当车辆高速行驶时，对于避免明显不利的影响来说，适当处理缓慢的通过能力是必要的。在处理某些传感器数据的偶然丢失的情况下，这些也是有用的。

图5描述的是操作处理器50的缓慢通过能力的实施例，在图5中车辆74沿着曲线路径76行驶。特定传感器的取样回路是ΔT_visms，而控制的更新率是Δt_ctrlms。相对于更快的更新率，传感器数据更慢并且能够被认为是静态的。由于一个可视传感器提供一组系列点中的数据(相对于常规车辆和动态传感器的时间处只有一个单独的值)，能够提供以更快速度处理数据的技术。

在读取一组可视数据时限定一个车辆固定的坐标系(X，Y)，在每次控制的更新时间限定车辆固定的坐标系(x，y)。类似地基于由公式(1)-(6)得出的动作/路径估计值，(x，y)相对于(X，Y)的位置和方向能够被估计为(X₀，Y₀，Ψ₀)。因此，可以进行从(X，Y)到(x，y)的坐标变换，如：

$\left[\begin{array}{c}x\\ y\end{array}\right]={\left[\begin{array}{cc}\cos \mathrm{\Ψ}& -\sin \mathrm{\Ψ}\\ \sin \mathrm{\Ψ}& \cos \mathrm{\Ψ}\end{array}\right]}^{-1}\left[\begin{array}{c}X-X_0\\ Y-Y_0\end{array}\right]---\left(10\right)$

同时，在时间处对(X，Y)读取的传感器数据限定为：

$\stackrel{\‾}{y}={[{\stackrel{\‾}{y}}_0,{\stackrel{\‾}{y}}_1,{\stackrel{\‾}{y}}_2,...{\stackrel{\‾}{y}}_N]}_{(X,Y)}---\left(11\right)$

因此，数据通过公式(10)能够在(x，y)下转换为：

$\stackrel{\‾}{y}={[{\stackrel{\‾}{y}}_0,{\stackrel{\‾}{y}}_1,{\stackrel{\‾}{y}}_2,...{\stackrel{\‾}{y}}_N]}_{(x,y)}---\left(12\right)$

前述讨论公开的和描述的只是本发明的示范性实施例。从上述讨论和附图及权利要求中，本领域技术人员很容易意识到，在不偏离所附权利要求限定的本发明的原理和范围的情况下，能够得到不同的改变、改进和变化。

Claims (21)

1.一种车辆横向控制系统，所述系统包括：

驾驶员转向意图传感器，提供驾驶员转向意图信号；

横摆率传感器，提供测量的车辆横摆率的横摆率信号；

横向加速度传感器，提供测量的车辆横向加速度的横向加速度信号；

车速传感器，提供测量的车速的速度信号；

目标路径子系统，提供表示车辆路径的目标路径信号；

指令解释器处理器，其响应于驾驶员转向意图信号并且产生所需横摆率或所需侧滑信号；

第一减法器，其响应于所需横摆率信号和测量的横摆率信号；或者所需的侧滑信号和侧滑估计信号，所述第一减法器产生动态误差信号；

动作/路径预测处理器，其响应于驾驶员转向意图信号并且产生车辆预测路径的预测路径信号；

第二减法器，其响应于预测路径信号和目标路径信号，并且产生运动误差信号；

动态控制处理器，其响应于动态误差信号并且产生动态控制指令信号；

运动控制处理器，其响应于运动误差信号，并且产生运动控制指令信号；和

控制集成处理器，其响应于动态控制指令信号和运动控制指令信号，所述控制集成处理器将动态控制指令信号和运动控制指令信号集成为集成控制指令信号。

2.如权利要求1所述的车辆横向控制系统，其中指令解释器处理器使用的是高摩擦系数路面采用的两自由度自行车模型，以产生所需的横摆率信号或所需的侧滑信号。

3.如权利要求1所述的车辆横向控制系统，其中动作/路径预测处理器包括车辆动态估计处理器和车辆运动估计处理器，所述车辆动态估计处理器基于车辆横向速度和车辆横摆率产生车辆状态变量信号，所述车辆运动估计处理器基于车辆状态变量信号产生预测路径信号。

4.如权利要求3所的车辆横向控制系统，其中车辆动态估计处理器使用自行车模型和状态反馈以产生状态变量信号。

5.如权利要求1所述的车辆横向控制系统，其中动态控制处理器使用PID控制器。

6.如权利要求1所述的车辆横向控制系统，其中运动控制处理器使用能使预定成本函数最小的最优控制过程。

7.如权利要求1所述的车辆横向控制系统，其中驾驶员转向意图传感器是手轮角度传感器。

8.如权利要求1所述的车辆横向控制系统，还包括致动器，其响应于来自控制集成处理器的集成指令信号。

9.如权利要求8所述的车辆横向控制系统，其中致动器从包括前轮转向助力致动器、后轮转向助力致动器和差速制动控制致动器的组中选择。

10.如权利要求1所述的车辆横向控制系统，其中目标路径子系统从包括可视子系统、雷达子系统和具有GPS传感器的地图子系统的组中选择。

11.如权利要求1所述的车辆横向控制系统，其中控制集成处理器将慢数据率坐标框架转换为快数据率坐标框架。

12.一种车辆控制系统，包括：

车辆动态控制子系统，用于产生车辆动态控制指令信号；所述车辆动态控制子系统产生动态误差信号作为测量的车辆动态和从驾驶员转向输入估计的所需车辆动态之间的差异；

车辆运动控制子系统，用于产生车辆运动控制指令信号，所述车辆运动控制子系统包括车辆运动估计处理器和路径投影处理器，所述车辆运动估计处理器基于包括车辆横摆率和横向速度的车辆状态来确定预测的车辆轨道信号，所述路径投影处理器提供表示车辆路径的目标路径信号，所述车辆运动控制子系统产生运动误差信号作为预测的车辆轨道信号和目标路径信号之间的差异，该运动误差信号被转换为车辆运动控制指令信号；和

控制集成子系统，其响应于车辆动态控制指令信号和车辆运动控制指令信号，所述控制集成子系统将车辆运动控制指令信号和车辆动态控制指令信号集成为集成控制指令信号。

13.如权利要求12所述的车辆控制系统，其中车辆动态控制子系统响应于测量车辆动态的多个传感信号。

14.如权利要求13所述的车辆控制系统，其中传感器包括横摆率传感器、横向加速传感器和车速传感器。

15.如权利要求12所述的车辆控制系统，其中路径投影处理器包括可视子系统、雷达子系统和具有GPS传感器的地图子系统中的一个或多个。

16.如权利要求12所述的车辆控制系统，其中车辆运动控制子系统还包括车辆动态估计处理器，所述车辆动态估计处理器使用自行车模型、手轮角度信号和车速信号来估计车辆状态。

17.一种车辆横向控制系统，所述系统包括：

手轮角度传感器，提供驾驶员转向意图信号；

横摆率传感器，提供测量的车辆横摆率的横摆率信号；

横向加速度传感器，提供测量的车辆横向加速度的横向加速度信号；

车速传感器，提供测量的车速的速度信号；

目标路径子系统，提供表示车辆路径的目标路径信号；

指令解释器处理器，响应于驾驶员转向意图信号并且产生所需横摆率信号或所需侧滑信号；

第一减法器，其响应于所需横摆率信号和测量的横摆率信号；或者所需的侧滑信号和侧滑估计信号，并且产生动态误差信号；

动作/路径预测处理器，其响应于驾驶员转向意图信号并且产生车辆预测路径的预测路径信号；所述动作/路径预测处理器包括车辆动态估计处理器和车辆运动估计处理器，所述车辆动态估计处理器基于车辆横向速度和车辆横摆率产生车辆状态变量信号，所述车辆运动估计处理器基于车辆状态变量信号产生预测路径信号；

第二减法器，其响应于预测路径信号和目标路径信号，并且产生运动误差信号；

动态控制处理器，其响应于动态误差信号并且产生动态控制指令信号；

运动控制处理器，其响应于运动误差信号并且产生运动控制指令信号；

控制集成处理器，其响应于动态控制指令信号和运动控制指令信号，所述控制集成处理器将动态控制指令信号和运动控制指令信号集成为集成控制指令信号；和

致动器，其响应于来自控制集成处理器的集成指令信号，以用于控制车辆。

18.如权利要求17所述的车辆横向控制系统，其中指令解释器处理器使用的是高摩擦系数路面采用的两自由度自行车模型，以产生所需的横摆率信号或所需的侧滑信号。

19.如权利要求17所述的车辆横向控制系统，其中运动控制处理器使用能使预定成本函数最小的最优控制方法。

20.如权利要求17所述的车辆横向控制系统，其中致动器从包括前轮转向助力致动器、后轮转向助力致动器和差速制动控制致动器的组中选择。

21.如权利要求17所述的车辆横向控制系统，其中目标路径子系统从包括可视子系统、雷达子系统和具有GPS传感器的地图子系统的组中选择。

Images