基于BP神经网络和安全距离移线工况自动驾驶转向系统及其控制方法技术方案

本发明专利技术公开了一种基于BP神经网络和安全距离移线工况自动驾驶转向系统及其控制方法，该系统由数据采集系统、安全预警系统、神经网络控制系统和执行机构组成。其控制方法为通过数据采集系统采集汽车在行驶过程中的环境信息和汽车状态信息，将采集到的环境信息和汽车状态信息输入到安全预警系统中并判断汽车是否需要横向操纵来避免发生风险。当需要横向操纵时，将采集到的信息输入到神经网络控制模型中，利用神经网络控制模型求出汽车所需的操纵输入，最后利用得到的操纵输入控制执行机构完成操纵任务。本发明专利技术不仅满足了自动驾驶汽车的驾驶需求，还能在实际过程中不断地学习与改进；该控制系统提高了纵、横向运动的安全性和快速性。

Automatic driving steering system and its control method based on BP neural network and safety distance shift line

The invention discloses an automatic driving steering system and its control method based on BP neural network and safe distance shifting working condition. The system is composed of a data acquisition system, a safety early warning system, a neural network control system and an executing mechanism. The control method is to collect the environmental information and vehicle status information in the course of driving through the data acquisition system, input the collected environmental information and vehicle status information into the safety early warning system, and judge whether the vehicle needs lateral control to avoid risks. When the lateral control is needed, the collected information is input into the neural network control model. The neural network control model is used to obtain the required control input of the vehicle. Finally, the control actuator is used to complete the control task. The invention not only meets the driving requirements of the automatic driving vehicle, but also can continuously learn and improve in the actual process. The control system improves the safety and rapidity of longitudinal and lateral movement.

【技术实现步骤摘要】
基于BP神经网络和安全距离移线工况自动驾驶转向系统及其控制方法
本专利技术属于智能车自动驾驶控制系统
，具体涉及一种基于BP神经网络和安全距离移线工况自动驾驶转向系统及其控制方法。
技术介绍
随着近年来经济的飞速发展，我国汽车保有量逐年增加，城市道路拥堵，交通事故频发等成为了我国道路安全管制的一大难题。在对交通事故的分析中，驾驶员无疑是人-车-路环节里最薄弱的一环。于是减少驾驶员对行车安全的影响，成为了大家首要考虑的问题。基于此，自动驾驶汽车的发展成了各大企业竞相追逐的目标。然而，目前市面上可以见到的自动驾驶技术尚处于起步阶段，存在些许不足之处。一方面，其自动驾驶程度较低，仅对纵向车速进行控制，不能实现汽车转向、加减速的协同控制，无法实现汽车的横向操纵功能；另一方面，自动驾驶车辆可看做存在一个“高级”的驾驶员模型对汽车进行操纵，但是由于不同驾驶员的预瞄时间、反应时间等的不同，导致很难建立一个统一的驾驶员模型来求解不同驾驶员操纵输入。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于BP神经网络和安全距离移线工况自动驾驶转向系统及其控制方法，训练后的神经网络控制器通过数据采集系统和预警系统的输入来策略性地控制车辆的纵横向运动，它既能代替驾驶员模型，求解出汽车所需的操纵输入，又能根据驾驶员的驾驶习惯不断的改进模型。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种基于BP神经网络和安全距离移线工况自动驾驶转向系统，包括依次连接的：数据采集系统，用于采集汽车在行驶过程中的环境信息和汽车状态信息，并输入到安全预警系统中；安全预警系统，用于根据环境信息和汽车状态信息判断汽车是否需要横向操纵来避免发生风险，当需要横向操纵时，将采集到的信息输入到神经网络控制模型中；神经网络控制系统，用于利用神经网络控制模型求出汽车所需的操纵输入，并输出给执行机构；执行机构，用于根据接收到的操纵输入完成操纵任务，实现自动驾驶汽车。进一步的，所述的数据采集系统为车载传感器系统，包括：环境感知系统，包括雷达传感器、激光传感器、视觉识别传感器，用于识别车道线方位以及采集汽车行驶时的环境信息；其中雷达传感器置于汽车的两车用于采集相邻车道行驶车辆的位置信息和车道边界信息；激光传感器置于汽车的前部用于采集自车和前方车辆的距离信息；视觉传感器置于汽车的顶部，用于采集车道线信息；车辆状态感知系统，包括方向盘转角传感器、车速传感器、陀螺仪、侧向加速度传感器、横摆角速度传感器，用于采集汽车行驶时的汽车状态信息；其中方向盘转角传感器置于方向盘下方，用于采集方向盘转角信息；车速传感器置于变速器的输出端，用于采集车速信息；其余传感器置于车内用于采集包括侧向加速度、横摆角速度、航向角在内的信息。进一步的，所述的安全预警系统为安全距离系统，包括：纵向安全距离模型，根据汽车与前车的相对距离以及相对速度计算制动安全距离以及操纵安全距离；横向安全距离模型，通过汽车的行驶状态和环境信息判断汽车行驶所需的横向安全距离；所述安全距离系统通过纵向安全距离模型和横向安全距离模型的输出结果对驾驶行为进行预警。进一步的，所述安全预警系统判断汽车是否需要横向操纵来避免发生风险的标准为：Dh>D，其中，D为自车与前车的相对距离，Dh为操纵安全距离。进一步的，所述的执行机构由纵向控制器和横向控制器组成，其中，纵向控制器由制动踏板执行器和加速踏板执行器组成，横向控制器由方向盘执行器组成。进一步的，所述神经网络控制模型首先通过实车试验数据训练神经网络控制模型，得到驾驶环境与方向盘转角、车速的映射关系；在汽车实际行驶过程中，将数据采集系统采集到的环境信息输入到训练好的神经网络模型中，得到当前环境汽车需要的操纵控制输入。同时，本专利技术还给出了上述的基于BP神经网络和安全距离移线工况自动驾驶转向系统的控制方法，包括以下步骤：步骤1：利用数据采集系统采集汽车正常行驶中的汽车状态信息和环境信息；步骤2：将采集到的汽车状态信息和环境信息导入安全预警系统中，安全预警系统将当前车速v和障碍物位置信息(x,y)与系统内的数据库作对比，判断汽车是否需要进行横向运动，并产生相应的控制策略；步骤3：将步骤2中的控制策略和步骤1中的状态信息和环境信息导入神经网络控制系统中，并根据控制策略选择相应的已训练好的神经网络模型；步骤4：将神经网络输入的控制信号经D/A转换后控制执行机构完成相应的操纵任务。进一步的，所述步骤2的具体方法为：步骤2-1：数据采集系统采集到的传感器信号传送到安全预警系统的纵向安全距离模型、横向安全距离模型中；步骤2-2：纵向安全距离模型由上述传感器信号，计算出纵向安全距离DZ、操纵安全距离Dh：其中，a1＝-0.2ga2＝-0.5g其中V为相对速度、a1、a2为制动减速度；t1是以a1为制动减速度时，汽车从开始减速到停止所用时间；t2是以a2为制动减速度时，汽车从开始减速到停止所用时间；步骤2-3：判断自车与前车的相对距离D与纵向安全距离DZ、操纵安全距离Dh的大小关系：步骤2-3.1：若D>DZ，则此时汽车行驶安全，维持当前行驶状态；步骤2-3.2：若DZ>D>Dh，则汽车进行简单纵向制动操纵，此时控制汽车以较小的制动减速度进行制动；步骤2-3.3：若D>Dh，由横向安全距离模型判断横向操纵的可行性，以得到此时的控制策略，具体控制策略为：若相邻车道有车，则换道不可行；若相邻车道没车，利用神经网络模型求解换道时所需操纵输入，若求解出操纵输入则换道可行，通过求解出的操控输入控制汽车完成换道操纵；若求解不出换道操纵则说明在侧向加速度、状态变量、控制变量的约束下汽车不能完成换道操纵，则换道不可行；步骤2-4：横向安全距离模型由当前自车的行驶状态信息、临近车道的车辆行驶状态信息、车道线方位判断此时汽车是否可以进行横向操纵，具体为：步骤2-4.1：若横向操纵不可行，则汽车执行紧急制动操作，以汽车的最大制动减速度进行制动；步骤2-4.2：若横向操纵行为可行，则汽车执行避障操作，此时由神经网络模型得到横向操纵输入。有益效果：本专利技术提供的一种基于BP神经网络和安全距离移线工况自动驾驶转向系统及其控制方法，与现有技术相比，具有以下优势：1、本专利技术可以在避免驾驶员建模的情况下求解出驾驶员的操纵输入，有效的解决了驾驶员建模困难的问题；2、本专利技术采用了一种神经网络控制器，该控制器可以在日常的驾驶中不断的改进，相较于现有的技术可以更好的适应复杂的驾驶环境。附图说明图1为控制系统控制策略的流程图；图2预警系统工作流程；图3为神经网络控制器学习原理图。具体实施方式本专利技术公开了一种基于BP神经网络和安全距离移线工况自动驾驶转向系统，该系统由数据采集系统、安全预警系统、神经网络控制系统和执行机构组成。其控制方法为通过数据采集系统采集汽车在行驶过程中的环境信息和汽车状态信息，将采集到的环境信息和汽车状态信息输入到安全预警系统中并判断汽车是否需要横向操纵来避免发生风险。当需要横向操纵时，将采集到的信息输入到神经网络控制模型中，利用神经网络控制模型求出汽车所需的操纵输入，最后利用得到的操纵输入控制执行机构完成操纵任务。本专利技术的控制本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络和安全距离移线工况自动驾驶转向系统，其特征在于：包括依次连接的：数据采集系统，用于采集汽车在行驶过程中的环境信息和汽车状态信息，并输入到安全预警系统中；安全预警系统，用于根据环境信息和汽车状态信息判断汽车是否需要横向操纵来避免发生风险，当需要横向操纵时，将采集到的信息输入到神经网络控制模型中；神经网络控制系统，用于利用神经网络控制模型求出汽车所需的操纵输入，并输出给执行机构；执行机构，用于根据接收到的操纵输入完成操纵任务，实现自动驾驶汽车。

【技术特征摘要】
1.一种基于BP神经网络和安全距离移线工况自动驾驶转向系统，其特征在于：包括依次连接的：数据采集系统，用于采集汽车在行驶过程中的环境信息和汽车状态信息，并输入到安全预警系统中；安全预警系统，用于根据环境信息和汽车状态信息判断汽车是否需要横向操纵来避免发生风险，当需要横向操纵时，将采集到的信息输入到神经网络控制模型中；神经网络控制系统，用于利用神经网络控制模型求出汽车所需的操纵输入，并输出给执行机构；执行机构，用于根据接收到的操纵输入完成操纵任务，实现自动驾驶汽车。2.根据权利要求1所述的基于BP神经网络和安全距离移线工况自动驾驶转向系统，其特征在于：所述的数据采集系统为车载传感器系统，包括：环境感知系统，包括雷达传感器、激光传感器、视觉识别传感器，用于识别车道线方位以及采集汽车行驶时的环境信息；其中雷达传感器置于汽车的两车用于采集相邻车道行驶车辆的位置信息和车道边界信息；激光传感器置于汽车的前部用于采集自车和前方车辆的距离信息；视觉传感器置于汽车的顶部，用于采集车道线信息；车辆状态感知系统，包括方向盘转角传感器、车速传感器、陀螺仪、侧向加速度传感器、横摆角速度传感器，用于采集汽车行驶时的汽车状态信息；其中方向盘转角传感器置于方向盘下方，用于采集方向盘转角信息；车速传感器置于变速器的输出端，用于采集车速信息；其余传感器置于车内用于采集包括侧向加速度、横摆角速度、航向角在内的信息。3.根据权利要求1所述的基于BP神经网络和安全距离移线工况自动驾驶转向系统，其特征在于：所述的安全预警系统为安全距离系统，包括：纵向安全距离模型，根据汽车与前车的相对距离以及相对速度计算制动安全距离以及操纵安全距离；横向安全距离模型，通过汽车的行驶状态和环境信息判断汽车行驶所需的横向安全距离；所述安全距离系统通过纵向安全距离模型和横向安全距离模型的输出结果对驾驶行为进行预警。4.根据权利要求1所述的基于BP神经网络和安全距离移线工况自动驾驶转向系统，其特征在于：所述安全预警系统判断汽车是否需要横向操纵来避免发生风险的标准为：Dh>D，其中，D为自车与前车的相对距离，Dh为操纵安全距离。5.根据权利要求1所述的基于BP神经网络和安全距离移线工况自动驾驶转向系统，其特征在于：所述的执行机构由纵向控制器和横向控制器组成，其中，纵向控制器由制动踏板执行器和加速踏板执行器组成，横向控制器由方向盘执行器组成。6.根据权利要求1所述的基于BP神经网络和安全距离移线工况自动驾驶转向系统，其特征在于：所述神经网络控制模型首先通过实车试验数据训练神经网络控制模型，得到驾驶环境与方向盘转角、车速的映...

【专利技术属性】
技术研发人员：赵又群，张兴龙，张雯昕，张桂玉，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32