欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019105687978
申请人: 吉林大学
专利类型:发明专利
专利状态:未下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于参数决策框架的轨迹规划控制方法,其特征在于,该控制方法包括以下步骤:

步骤一、决策及规划环境认知;

通过智能感知模块中的车载智能感知原件及其自身配备的识别算法,得到可用于车辆控制系统决策及规划的信息;所述车载智能感知原件包含车载摄像头及雷达,且原件自身包含已标定的融合识别算法,得到的可用于车辆控制系统决策及规划的信息,所述信息包含当前驾驶环境中道路限速、相邻车道中心线间宽度、道路中心线的曲线形式及道路类型即直道或者弯道、周围存在车辆的位置及行驶车速信息;

步骤二、驾驶决策制定;

在驾驶决策模块中,提出使用基于参数决策框架,通过分析,选择不同驾驶决策及多种驾驶场景下决策需要的关键参数,组成驾驶决策簇;在不同的决策场景下,根据场景的特点,建立相应的优化决策问题,对当前场景下的关键决策参数值进行求解,具体方法如下:

21)驾驶决策簇建立:通过分析类人驾驶行为与交通环境的关系,及不同驾驶决策的特点,建立不同决策场景下的驾驶决策蔟,即驾驶决策的关键参数集;

22)不同的场景下,驾驶决策问题建立:在不同场景下,建立驾驶决策优化问题对当前场景的关键决策参数进行求解;

步骤三、优化轨迹规划求解;

通过轨迹规划模块中基于车辆动力学及运动学模型设计的非线性模型,使用非线性模型预测方法;根据决策层关键决策参数,调整优化的目标并得到不同终端约束条件;轨迹的求解过程不基于固定轨迹形式,通过对优化问题在线求解并滚动优化进行轨迹规划,具体方法如下:

31)纵侧向耦合的车辆运动控制非线性模型的建立:基于车辆动力学及运动学模型,考虑纵侧向运动控制,得到非线性模型用于控制车辆运动;

32)基于关键决策参数的轨迹规划控制器:使用非线性模型预测控制方法,基于建立的车辆运动控制模型及决策输出的关键决策参数,建立轨迹规划的优化问题,通过在线求解并滚动优化进行轨迹规划;

所述步骤二中21)的具体方法如下:

首先,由于轨迹规划层使用模型预测控制方法,即通过建立于轨迹规划相关的优化问题,通过在线求解达到轨迹规划的目的,因此根据方法特性,驾驶决策蔟包含目标函数项不等式约束项 等式约束项 及

参数值项Di∈{D1,D2,…,D9},其中目标函数项 与不等式约束项 等式约束项 为激活函数,其值为0或1,0表示该项在优化问题中不考虑,1表示该项在优化问题中考虑;由目标o I E

函数项 与不等式约束项 等式约束项 组合成激活函数向量μ,μ,μ,分别表示为具体的,包括以下步骤:

21.1)类人驾驶行为本身具有一定的属性,根据其持续特性,分为持续性行为即车道保持和暂时性行为即换道由D1的具体值决定;0代表持续性行为,1代表暂时性行为;相应的在模型预测控制中,持续性行为代表固定预测时域控制,暂时性行为代表预测时域递减控制;

21.2)动作行为的时间,由D2的具体值决定;对于不同驾驶场景下的不同驾驶行为,动作行为的持续时间会有所不同;在直道场景中,车道保持的动作时间为1s;而弯道情况下,由于车道中心线不沿车辆前进方向,为保持车辆处于车道中心,车道保持的动作时间小于直道时的动作时间,为0.5s;进行换道时,动作时间根据实际场景进行优化,换道时间为2s~

5s之间;进行转弯行为时,根据路口的大小,动作时间为5s~10s;

21.3)目标函数项中预测时域内控制量相关的积分型性能指标项激活项分别为分别对应u(1),u(2),Δu(1),Δu(2),其中u(1)为车轮转角,u(2)为车辆加/减速度,Δu(1)为离散化后方程中相邻时刻车轮转角的变化量,Δu(2)为离散化后方程中相邻时刻车辆加/减速度的变化量;

21.4)目标函数项中预测时域内状态变量车辆横摆角速度ωr,侧向速度vy的积分型性能指标项激活项分别为

21.5)目标函数项中预测时域终端时状态变量纵向车速vx,坐标系x方向位置坐标X,坐标系y方向位置坐标Y的终端型性能指标项激活项,分别为 对应的终端期望值分别为D3,D4,D5;

I

21.6)约束项中的不等式约束μ包含地面附着约束,控制变量车轮转角u(1),车辆加/减速度u(2),道路限速vx,max.,激活项分别对应 其中道路限速vx,max.值为D6;

21.7)约束项中的等式约束 对应预测时域终端时状态变量车辆侧向速度vy,横摆角速度ωr,航向角 x方向位置坐标X,y方向位置坐标Y,对应的激活项分别为其中若侧向速度vy,横摆角速度ωr的终端值被考虑,其期望值仅存在为

0情况;航向角 x方向位置坐标X,y方向位置坐标Y对应的期望值分别为D7,D8,D9。

2.根据权利要求1所述一种基于参数决策框架的轨迹规划控制方法,其特征在于,所述步骤二中22)的具体方法如下:

在此系统中,驾驶场景中将包含不同的环境车辆,当环境车辆与本车的行驶路径存在路径冲突点时,通过路径冲突点的时序差将是评价多车环境下安全性的主要因素;因此,将此类决策问题建模为通过路径冲突点的时序规划问题;首先考虑是紧急避撞场景,在双向车道行驶时,若前车紧急停车,当对向车道无车辆行驶或者对向车辆距离较远时,本车除了采取紧急制动措施外,还在保证安全的前提下,临时借用对向车道进行紧急避撞,其中冲突点c为本车借用对向车道后返回原车道位置点,即通过时序规划环境车O3与本车O1通过冲突点c的时序;在此问题中,本车执行换道行为的时间t1=2.5s,驾驶决策为ν,本车开始换道时刻的车速为vh,0,本车换向对向车道行为结束的速度为vh,1,在对向车道行驶的时间为t2,换回本车道时的速度为vh,2;控制量为u=[ν,Δvh,1,t2,Δvh,2],其中vh,1=vh,0+Δvh,1,vh,2=vh,1+Δvh,2,即Δvh,1,Δvh,2分别代表了本车在换道过程中及在对向车道行驶过程中速度*

变化量;决策的优化问题建立为找到最优控制量u,使得s.t.tr>tr,min,vh,1≤vx,max.,vh,2≤vx,max.,u(3)≥0,Δvmin≤u(2)≤Δvmax,其中,驾驶决策ν的值代表不同行为,0为紧急制动,1为紧急换道;tr是环境车O3与本车O1通过冲突点c的时间差;为保证安全,应保证tr>tr,min,tr,min为最小安全时间,为一设定常数值,可取2,vx,max.为道路最高限速,ah是前车紧急制动的制动减速度,这里假设前车制动过程中减速度不变;Δvmin,Δvmax为换道过程中为保证驾驶舒适性,速度变化最小最大限制值,ks1,1,ks1,2为权重系数;由以上优化问题得到的最优控制量,得到决策模块最终输出的决策参数D为形式为

其中,D中每一列对应决策参数值D1~D9,t1,t2,t3是行为的执行时间,这里t3=t1为换道行为执行时间,d2=Δs1,2+s2+ssafe是本车返回原车道时在对向车道上的位移,Δs1,2本车与紧急制动车辆在t1结束时刻的纵向相对距离,s2是紧急制动车辆在t2时段内的纵向位移,ssafe是同车道前后车的安全距离;D中每一行对应一个动作的决策参数值D1~D9;

其次是无信号灯交叉路口场景,此问题中存在三个潜在路径冲突点,同样地,将此问题建模为路径冲突点的时序问题,其中ooi∈{0,1|i=1,2,3}表示此路径上存在或不存在环境车,ooi=0表示不存在环境车,ooi=1表示存在环境车,opi∈{0,1|i=1,2,3}表示当前环境车辆在路径中位置是否已经通过了路径冲突点,opi=1表示未通过,opi=0表示已通过;

由此,得到此场景下决策层的控制变量的维数为:n=op1*oo1+op2*oo2+op3*oo3,                   (3)以n=3时为例,此时控制变量为u=[th,1,th,2,th,3],其中th,1,th,2,th,3分别表示环境车*

辆O1,O2,O3到达路径冲突点的时间,决策的优化问题建立为找到最优控制量u使得其中,si(i=1,2,3)分别为相邻路径冲突点间的近似距离,以圆弧近似计算得到,因此总距离为 ks2,1,ks2,2,ks2,3,ks2,4为相应优化项的权重系数, 分别为本车通过路径冲突点的上下界约束时间,上下界时间的计算以环境车辆O1,O2,O3到达路径冲突点的时间th,1,th,2,th,3为基准,以路径冲突点为圆心,进入及离开rc=2m为半径的圆的时间为上下界计算得到;为了保证安全性,本车通过路径冲突点的时刻应在此上下界以外;

对于路径冲突点1,本车通过此路径点的时刻为 或 vh为本车进入路口时的车速,vr为此路口的期望车速;最后,由于转弯是一个连续的过程,如果在此过程中本车与环境车辆的交互关系相同,则对得到的优化结果进一步地进行合并,如果本车与环境车的交互关系均相同,则由决策模块输出的决策参数D为形式为其中,L为路口宽度,由车道数及车道宽计算得到。

3.根据权利要求1所述一种基于参数决策框架的轨迹规划控制方法,其特征在于,所述步骤三中31)的具体方法如下:

首先基于单轨车辆动力学模型,建立微分方程,其可表示为:其中,M是车辆质量,vx是纵向车速,∑Fx为沿x方向纵向力之和,vy为车辆侧向速度,wr是车辆横摆角速度,Fyf,Fyr分别车辆前轮侧向力和后轮侧向力,Iz为车辆沿z轴的转动惯量,lf,lr为前后轴轴距,由于前后轮侧偏角较小,因此可将前后轮侧偏角αf,αr线性化为其中,δf为前轮转角,进一步地,轮胎侧向力可表示为其中,Cr,Cf分别为前后轮侧偏刚度;同时,根据车辆的运动关系有 ax为纵向加速度,为车辆的航向角;以及考虑车辆的运动在全局坐标系下的运动方程,可建立为:

其中,X,Y是车辆在全局坐标系下的位置;最终,非线性的车辆运动模型建立为其中,状态变量为 Fyf,Fyr可由式(8)计算得到,控制变量为u=[a,δf],其中纵向速度的改变由加速度a控制,并由一下层跟踪控制器保证跟踪。

4.根据权利要求1所述一种基于参数决策框架的轨迹规划控制方法,其特征在于,所述步骤三中32)的具体方法如下:

在优化轨迹规划器中,目标函数考虑预测时域内控制量车轮转角u(1),控制量车辆加/减速度u(2),离散化后方程中相邻时刻车轮转角的变化量Δu(1),离散化后方程中相邻时刻车辆加/减速度的变化量Δu(2)的积分型性能指标,预测时域内状态变量车辆横摆角速度ωr,侧向速度vy的积分型性能指标以及预测时域终端时状态变量纵向车速vx,x方向位置坐标X,y方向位置坐标Y的终端型性能指标,这些性能指标在不同的决策下被不同程度的考虑;因此,每一项性能指标项由对应的激活项 激活,激活向量可以表示为,同时每一个性能指标项由一个对应的权重系数值,权重系数向量可表示为k={ki|i=

1,2,...,n};因此,控制器的目标函数可以表示为:其中vx(tf),X(tf),Y(tf)分别为纵向车速vx,x方向位置坐标X,y方向位置坐标Y预测时域终端值,vT,XT,YT分别为期望的纵向车速vx,x方向位置坐标X,y方向位置坐标Y终端函数值;

同时,由于控制器同时考虑了横向及纵向的车辆运动控制,因此在此过程中,车辆还需满足路面附着约束,即

其中,u为路面附着系数,Fx,Fy分别为车轮纵向力和横向力,此约束由 激活;同时,控制量应满足可执行约束

其中,*min,*max分别代表相应变量的最小值和最大值,此约束由 激活;综合以上描述,由于加入地面附着约束条件时,会很大程度影响求解速度,因此,可通过限制amin,amax使得待优化问题满足地面附着约束;相应的路段信息也会带来的约束,路段最大车速限速,表示为

vx≤vx,max.                                (14)此约束由 激活;

此外,轨迹规划控制器中还包含等式约束,其与驾驶环境相关;不论是车道保持,还是换道任务,在预测时域终端,应满足一定的终端条件,才能任务的完成,即其中,ωr(tf),vy(tf), Y(tf)分别为预测时域终端时刻横摆角速度,侧向速度,航向角,横向位移,yl,f为期望的终端横向位移;在换道任务中,终端横向位移为两车道中心线间的距离,在车道保持任务中,终端横向位移为0;在弯道环境中,由于道路不是直线,因此等式约束条件减少为式(15)中的后两项;其中第三项变为 为期望的终端航向角,由实际弯道道路的曲率计算得到;特别地,在一些驾驶任务中,第四个终端条件变为对于x方向位置X的约束,转弯任务,即在驶离路口时完成转弯动作;因此,以上五种可能存在终端约束条件由激活项 激活;

决策模块通过当前的环境信息得到决策参数后,输入规划层,建立相应的优化问题,通过使用通用的非线性模型预测方法进行求解,可通过滚动时域,在线优化的方式,进行轨迹规划与控制。