申请/专利权人：海南大学

申请日：2023-11-14

公开（公告）日：2024-01-09

公开（公告）号：CN117360544A

主分类号：B60W60/00

分类号：B60W60/00;B60W50/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明提供了一种基于DRL‑MPC的自动驾驶车辆横向控制方法，包括获取位置状态信息，前方道路状态和障碍物信息；建立世界坐标系并建立车辆动力学模型；基于深度强化学习算法对预测模型控制中的预测模型进行学习，根据道路信息、车辆状态信息以及系统稳定性生成对应的预测模型输出，用于后续最优控制量计算；并将计算得到最优的行驶轨迹控制自动驾驶车辆按照期望轨迹和期望车速行驶或者进行紧急制动。本发明提出的自动驾驶车辆横向控制方法通过及时调整模型预测控制中的预测模型，使得车辆实现精准跟踪轨迹，并能实现精准避撞。

主权项：1.一种基于DRL-MPC的自动驾驶车辆横向控制方法，其特征在于，所述基于DRL-MPC的自动驾驶车辆横向控制方法包括以下步骤：步骤1，获得自动驾驶车辆的环境信息和自动驾驶车辆的位置状态信息；步骤2，建立世界坐标系，将环境信息及车辆位置转化为坐标信息，并建立车辆转角控制模型；步骤3，根据车辆转角控制模型获取状态方程，并构建非线性模型预测控制问题获取预测模型；步骤4，根据前向欧拉法离散状态方程可得到初始预测模型，通过最优求解得到初始最优控制序列，将最优控制序列代入车辆转角控制模型，得到最新的状态量；步骤5，基于初始最优控制序列、车辆新的行驶轨迹以及车辆跟踪误差构建深度强化学习预测模型预测控制器，通过深度强化学习算法建立预测模型，并进行优化训练得到最佳预测模型，通过最优求解得到最优控制序列；步骤6，对生成的预测模型进行反馈校正调整后，再次进行滚动优化求解出控制最优值，计算得到最佳转角控制量，及下一系列位置信息；步骤7，接收到行驶轨迹，将转角信号和位置信息通过指令生成器生成对应的执行指令，从而控制自动驾驶车辆按照期望轨迹和期望车速行驶或者进行紧急制动。

全文数据：

权利要求：

百度查询： 海南大学 一种基于DRL-MPC的自动驾驶车辆横向控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD