申请/专利权人：南京航空航天大学

申请日：2021-10-26

公开（公告）日：2024-04-16

公开（公告）号：CN114371691B

主分类号：G05D1/43

分类号：G05D1/43;G05D1/242;G05D1/243;G05D1/633;G05D1/644;G05D105/22

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.05.06#实质审查的生效;2022.04.19#公开

摘要：本发明公开了一种辅助驾驶弯道轨迹跟踪控制方法，包括以下步骤：环境感知单元识别车道轨迹线；ECU根据算法实时计算弯道不同位置速度；跟踪控制器跟踪规划速度和道路轨迹；速度规划方法：采用模糊控制方法，将车道线曲率、道路附着系数、道路轨迹跟踪偏差作为模糊输入，输出为弯道不同点位的速度曲线；跟踪控制方法：通过模拟大脑情感记忆学习过程，设计脑情感跟踪控制器跟踪速度曲线及轨迹曲线。本发明提高了车辆弯道轨迹跟踪精度和跟踪过程的鲁棒性能，提前对弯道行驶进行速度规划，可有效减少车辆发生失稳状况，让弯道行驶过程更加安全稳定，对弯道行驶安全施加双保险。

主权项：1.一种辅助驾驶弯道轨迹跟踪控制方法，其特征在于，包括如下步骤：步骤1，摄像头采集当前时刻k车道线信息、障碍物信息以及车道限速信息，将识别的自车所在车道的车道线曲率κk＝1R、道路轨迹跟踪偏差ek＝drealk-ddesirek、车道的限速Vlimk传到CAN总线上，分别供VCU调取用于计算和判断；l和R为k时刻摄像头采集到的车道线长度和半径；drealk为k时刻车辆纵轴线与车道线的真实偏差，ddesirek为k时刻车辆纵轴线与车道线的期望偏差；步骤2，车速传感器、加速度传感器、前轮转角传感器分别收集k时刻汽车的车速uvk、轮速uwk、加速度αk、前轮转角δk，并将收集到的数据输入到CAN总线上供VCU进行计算；步骤3，采用魔术公式轮胎模型计算出轮胎纵向力Fx，根据车辆动力学公式计算出路面制动系数μb，再根据模糊估计算法估计k时刻道路附着系数μk；步骤4，VCU根据接收到的车道线曲率κk、道路轨迹跟踪偏差ek、道路附着系数μk，利用模糊控制算法计算当前k时刻弯道k时刻规划速度uplank；联合k时刻之前的每个时刻的规划速度，得到速度规划曲线；步骤5，摄像头实时探测道路交通标志，当检测到道路限速为Vlimk时，VCU利用卡尔曼滤波对速度规划曲线作平滑处理，并小于道路限速Vlimk，若k时刻无道路限速时，不做限速处理，得出平滑合理的速度曲线；步骤6，VCU计算k时刻规划速度uplank与现实速度urealk的偏差evk＝uplank-urealk，通过脑情感学习回路控制器计算出k时刻期望加速度αdesk，根据制动驱动切换策略判定车辆需要加速、减速或者怠速，最后分别根据逆发动机模型节气门开度和逆制动器模型计算出自动踏板压力，进而控制车辆加减速；步骤7，摄像头实时探测道路车道线位置，将k时刻车辆纵轴线与车道线的真实偏差drealk传到CAN总线上，VCU实时计算k时刻车辆纵轴线与车道线的期望偏差dplank与真实偏差drealk的差值ek＝drealk-dplank，并将偏差值ek输入到脑情感学习回路控制器计算出当前时刻车辆跟踪车道线所需前轮转角δk，最后通过CAN总线将δk输入车辆线控转向单元控制车辆实时跟踪车道线；步骤8，按顺序重复步骤1---步骤7，计算k+1时刻的加速度和前轮转角；所述步骤6中，大脑情感学习回路控制器计算期望加速度αdesk步骤为：步骤6.1，输入刺激信号首先进入丘脑中进行深加工： 其中为输入刺激信号，n表示输入刺激信号的个数，为第j个隐含层神经元的中心点矢量值，σj0为高斯函数的宽度j＝1,…,m，m∈N为输入信号总个数；步骤6.2，经过加工的信号Sj进入感觉皮层后分别进入杏仁体和眶额皮质，杏仁核和眶额皮质的输出分别为： 其中Vj和Wjj＝1,…,m分别为杏仁体和眶额皮质的权重因子，为杏仁体的权重向量，为眶额皮质的权重向量；控制器的输出为： 其中u为控制器的输出αdes；步骤6.3，权重因子更新过程为： 其中，S为经丘脑加工后的信号Sj，f代表所要逼近的未知函数fx，g代表所要逼近的未知函数gx，γ1～γ4为可调参数，为误差矩阵，e为ev，u为控制器的输出，αdes为车辆期望加速度，P是正定矩阵且满足ΛTP+PΛ＝-Q，Q为任意n*n阶正定矩阵，b＝[00…01]Tn，Vfk、Vgk分别为杏仁体k时刻对应fx、gx的权重因子，Wfk、Wgk分别为前额皮质k时刻对应fx、gx的权重因子为一阶导数；步骤6.4，控制量u即车辆期望加速度αdes的计算过程如下： 其中为系统的状态变量，fx为未知平滑函数，且fx有界记为||fx||≤f∞，gx为未知平滑函数，且gx有界记为||gx||≤g∞；分别为fx，gx的估计值；t表示时间，ε为大于零的数，xdn为期望速度的n阶导数，K＝[kn，kn-1，kn-2，...，k1]T为系数矩阵，dx，t为与时间相关的干扰量，满足||dx，t||≤εd∞，e为ev，误差矩阵为ur为系统鲁棒项，ρt为w+dx，t的上界，当控制策略输出对应为制动时，此时车辆需要进行制动操作，根据逆制动器模型，考虑到空气阻力和滚动阻力，最终由逆制动器模型计算出期望的制动压力： 式中Twb，des表示期望制动压力、m表示主车整车质量、g表示重力加速度、f表示滚阻系数、reff表示车轮半径、CD表示空气阻力系数、A表示迎风面积v表示车速、Kb为制动增益系数本文取20，PW表示期望制动压力；所述步骤7中大脑情感学习回路控制器计算期望转向角δk的具体步骤为：步骤7.1，输入刺激信号首先进入丘脑中进行深加工： 其中为输入刺激信号，n表示输入刺激信号的个数，为第j个隐含层神经元的中心点矢量值，σj＞0为高斯函数的宽度j＝1，...，m，m∈N为输入信号总个数；步骤7.2，经过加工的信号Sj进入感觉皮层后分别进入杏仁体和眶额皮质，杏仁核和眶额皮质的输出分别为： 其中Vj和Wjj＝1，...，m分别为杏仁体和眶额皮质的权重因子，为杏仁体的权重向量，为眶额皮质的权重向量；控制器的输出为： 其中u为控制器的输出δk；步骤7.3，权重因子更新过程为： 其中，f代表所要逼近的未知函数fx，g代表所要逼近的未知函数gx，γ1～γ4为可调参数，为误差矩阵，e为ek，u为控制器的输出δk，P是正定矩阵且满足ΛTP+PΛ＝-Q，Q为任意n*n阶正定矩阵，b＝[00…01]Tn，Vfk、Vgk分别为杏仁体k时刻对应fx、gx的权重因子，Wfk、Wgk分别为前额皮质k时刻对应fx、gx的权重因子为一阶导数；步骤7.4，控制量u即车辆期望加速度δk的计算过程如下： 其中为系统的状态变量，fx为未知平滑函数，且fx有界记为||fx||≤f∞，gx为未知平滑函数，且gx有界记为||gx||≤g∞；分别为fx，gx的估计值；t表示时间，ε为大于零的数，xdn为期望轨迹的n阶导数，K＝[kn，kn-1，kn-2，...，k1]T为系数矩阵，dx，t为与时间相关的干扰量，满足||dx，t||≤εd∞，e为ek，误差矩阵为ur为系统鲁棒项，ρt为w+dx，t的上界，

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种辅助驾驶弯道轨迹跟踪控制方法

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