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: 2024114513393
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
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:

1.一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,包括以下步骤:步骤一,NMPC集成式规划控制器将预测时域内的总预测距离、时间步个数设定为固定值,并基于自车质心的纵向速度获得动态时间步长;

步骤二,NMPC集成式规划控制器基于自车的固有参数、自车随时间连续变化的状态变量,构建包括自车控制变量的连续的自车动力学模型作为预测模型,并基于所述动态时间步长,对所述连续的自车动力学模型进行离散化处理;

步骤三,NMPC集成式规划控制器依据周车的预测轨迹信息,通过高斯函数构建表征周车排斥势能的人工势场模型,并建立包括所述周车排斥势能的总代价函数;

步骤四,NMPC集成式规划控制器依据周车的运动状态及其预测轨迹信息,通过“轴向包围盒”构建自车的避障边界,并通过边界优化函数对所述避障边界进行平滑处理;

步骤五,基于步骤1所述动态时间步长,对连续的自车纵向速度进行离散化处理,并基于自车横摆角速度稳定边界、自车质心侧偏角稳定边界,在自车的整个速度变化范围内构建自车的时变操纵稳定域;

步骤六,通过非线性优化问题求解器,以最小化总代价函数为目标,以避障边界和自车的时变操纵稳定域为约束条件,采用序列二次规划算法,求解出自车动力学模型的最优控制变量序列;然后将最优控制变量序列中的第一个值作用于自车,实现闭环控制反馈。

2.根据权利要求1所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,所述动态时间步长基于第一表达式获得,所述第一表达式为:在所述第一表达式中,Ts(i)为所述动态时间步长,L为所述预测时域内的总预测距离,Np为所述预测时域内的时间步个数,vx为所述自车质心的纵向速度,i=1,2,3,..,Np表示所述预测时域内的第i个预测时间步,所述第一表达式中的总预测距离L、预测时域内的时间步个数Np均为设定的固定值。

3.根据权利要求1所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,所述连续的自车动力学模型基于第二表达式获得,所述第二表达式为:在所述第二表达式中,包括自车的固有参数、状态变量、控制变量以及车辆绕z轴的转动惯量Iz、车辆前轮、后轮的转动惯量Iwf、Iwr,车辆前轮轮胎、后轮轮胎受到的纵向力Fxf、Fxr,车辆前轮轮胎、后轮轮胎受到的侧向力Fyf、Fyr;

自车的固有参数包括:重力加速度g、车辆整备质量m,车轮滚动半径Re、车辆质心到车辆前轴的距离a、车辆质心到车辆后轴的距离b;

自车的状态变量包括:车辆质心的纵向速度vx、车辆质心的侧向速度vy、车辆的横摆角速度ω、车辆的横摆角车辆质心在笛卡尔坐标系下的位置X、Y;

自车的控制变量包括:作用与车辆前轮、后轮上的外力矩Tdf、Tdr以及车辆的前轮转角δ。

4.根据权利要求3所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,所述车辆前轮轮胎、后轮轮胎受到的纵向力Fxf、Fxr以及车辆前轮轮胎、后轮轮胎受到的侧向力Fyf、Fyr基于第三表达式获得,所述第三表达式为:在所述第三表达式中,Fx、Fy分别为自车单个轮胎实际所受的纵向力、侧向力,Fx0为基于第四表达式获得的纯滑移工况下轮胎所受的纵向力,Fy0为基于第五表达式获得的纯侧偏工况下轮胎所受的侧向力;

所述第四表达式为:

FX0=Dxsin(Cxarctan(Bx*S-Ex(BxS-arctan(Bx*S))))所述第五表达式为:

Fy0=Dysin(Cyarctan(By*α-Ey(Byα-arctan(By*α))))在所述第三、第四、第五表达式中,s均为轮胎滑移率,α均为轮胎侧偏角,所述轮胎滑移率s基于第六表达式获得,所述轮胎侧偏角基于第七表达式获得;

在所述第四、第五表达式中,B、C、D、E均为轮胎模型的参数,由轮胎数据拟合得到;

所述第六表达式为:

在所述第六表达式中,ωw为通过传感器获得的车轮的旋转角速度,Re为车轮的滚动半径,vxw为通过传感器获得的车轮的轮心纵向速度;

所述第七表达式为:

在所述第七表达式中,αf为车辆前轮轮胎的侧偏角,αr为车辆后轮轮胎的侧偏角,δf为通过传感器获得的前轮的转角,为车辆的横摆角,a为车辆质心到车辆前轴的距离,b为车辆质心到车辆后轴的距离,vx、vy分别为车辆质心的纵向速度、侧向速度。

5.根据权利要求1所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,所述表征周车排斥势能的人工势场模型基于第九表达式获得,所述第九表达式为:在所述第九表达式中,x、y为自车的坐标位置,xm、ym为第m辆周车的位置坐标,即高斯函数在x轴、y轴上的中心位置,与高斯函数的峰值相对应,hm为高斯函数的振幅,σm是描述第m辆周车的人工势场影响范围的参数,即高斯函数中的标准差,σm的数值取决于第m辆周车的长与宽。

6.根据权利要求5所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,所述总代价函数基于第十五表达式获得,所述总代价函数包括由第十一表达式表征的总排斥势能代价函数、由第十二表达式表征的初始轨迹跟随性代价函数、由第十三表达式表征的操纵代价函数、由第十四表达式表征的行驶代价函数,其中所述总排斥势能代价函数基于第十表达式获得;

所述第十五表达式为:

JCOST=J1+J2+JΔcontrol+JAPF

所述第十表达式为:

所述第十一表达式为:

在所述第十一表达式中,P表征了所述总排斥势能代价函数的权重,Np为所述预测时域内的时间步个数,t为预测时间;

所述第十二表达式为:

在所述第十二表达式中,表示k+i时刻所述自车预测模型的输出,r(k+i)表示k+i时刻由NMPC集成式规划控制器所给定的最初的初始参考路径,其包含的信息与自车预测模型输出的所包含的信息对应,Q用于表征所述初始轨迹跟随性代价函数的权重;

所述第十三表达式为:

在所述第十三表达式中,表示k+i时刻输入给所述自车预测模型的控制量增量,R用于表征所述操纵代价函数的权重;

所述第十四表达式为:

在所述第十四表达式中,表示k+i时刻输入给所述自车预测模型的控制量增量,S用于表征所述行驶代价函数的权重。

7.根据权利要求1所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,通过边界优化函数对所述避障边界进行平滑处理时,定义变量fraction为周车前后过渡区域的长度,fraction*pi按比例将x坐标映射到[0,π]的范围内,如第十九表达式所示:在所述第十九表达式中,L为道路长度,W为道路宽度,xstart为周车的起始位置,Lobstacle、Wobstacle分别为周车的长度、宽度,Lbuffer为过渡区域的长度,xtrans_start、xtrans_end分别为过渡区域的起始位置和结束位置。

8.根据权利要求1所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,所述自车横摆角速度稳定边界基于第二十三表达式获得,所述第二十三表达式为:在所述第二十三表达式中,m为自车的整备质量,ωss为自车质心的横摆角速度,Fx为自车轮胎的纵向力,vx为自车质心的纵向速度。

9.根据权利要求1所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,所述自车质心的侧偏角稳定边界基于第二十七表达式获得,所述第二十七表达式为:在所述第二十七表达式中,αr,peak为自车后轮轮胎的侧向力达到极限时的轮胎侧偏角,Cα为自车后轮轮胎的侧偏刚度,βss为自车质心的侧偏角,b为自车质心到车辆后轴的距离,vx为自车质心的纵向速度,ω为自车的横摆角速度。

10.根据权利要求1所述的一种用于自动驾驶车辆的一体式避障规划与控制方法,其特征在于,所述求解器求解时,利用暖启动策略对求解过程进行优化,即将NMPC集成式规划控制器在前一个预测时域内所求解出的一系列的解作为下一个预测时域内所构建的优化问题的初始值,进行迭代优化。