一种融合驾驶意图的汽车多目标分层协同控制与优化方法技术

本发明专利技术公开了融合驾驶意图的汽车多目标分层协同控制与优化方法，所述方法包括以下步骤：S1、建立驾驶员转向意图识别模型；S2、建立非线性八自由度汽车预瞄预测模型；S3、建立基于预瞄驾驶员模型的预测载荷转移率PLTR；S4、建立整车多目标分层协调控制系统；S5、以整车路径跟踪和侧翻稳定性为目标函数进行多目标遗传算法优化。本发明专利技术方法简单、容易实现、具有良好的应用前景。

A multi-objective cooperative control and optimization method for vehicle driving intention

The invention discloses a multi-objective hierarchical cooperative control and optimization method for automobiles integrating driving intentions, which includes the following steps: S1, establishing a driver steering intent recognition model; S2, establishing a non-linear eight-degree-of-freedom vehicle preview prediction model; S3, establishing a predicted load transfer rate PLTR based on preview driver model; 4. Establish multi-objective hierarchical coordinated control system for vehicle; S5. Multi-objective genetic algorithm optimization with vehicle path tracking and rollover stability as objective functions. The method is simple, easy to implement and has good application prospects.

【技术实现步骤摘要】
一种融合驾驶意图的汽车多目标分层协同控制与优化方法
本专利技术属于汽车主动安全
，具体涉及一种融合驾驶意图的汽车多目标分层协同控制与优化方法。
技术介绍
据美国国家高速公路交通安全局(NHTSA)数据统计报告指出，在汽车事故中，侧翻事故的伤害程度仅次于碰撞事故位居第二，导致的死亡率高达33％。在非碰撞事故中90％是由于汽车侧翻造成的。从侧翻事故的事后分析来看，其原因大都是因为驾驶人员面临紧急状况时的不当操作，因此对于驾驶员本身的研究需求十分迫切。在驾驶员建模研究中，当前主要从不同的角度和方法建立合适的驾驶员行为模型，对驾驶员自身或行车过程中存在的随机和不确定特性缺少相关研究，即缺少对于驾驶意图的辨识。汽车行驶的过程中，驾驶意图决定了驾驶员当前时刻的动作和未来时刻的反应趋势，这些行为都将直接反映到车辆上，影响车辆的行驶安全。在转向工况下，车辆很容易发生侧滑或者侧翻等安全事故，这时需要优先保证车辆的行驶稳定，此时若识别到驾驶员即将进入紧急转向工况，则可提前通过车辆上的主动控制系统对汽车进行辅助控制，防止事故的发生。在主动安全技术方面，主动转向系统可以通过附加转角主动改变给定驾驶员的方向盘角度，减小不足转向或过度转向倾向；主动制动技术通过有针对性的制动目标车轮获取附加横摆力矩，抑制汽车侧滑或者侧翻；主动悬架技术通过改变左右侧悬架的刚度获取附加侧倾力矩，抑制侧翻倾向。目前的主流的主动防侧翻安全技术主要是通过主动转向和差速制动技术，虽然能够降低车辆发生侧翻的风险，但这两种技术都会改变车辆偏离驾驶员的驾驶意图从而导致撞车，驶出道路等二次危害，有必要研究考虑驾驶员意图的汽车多目标分层协同控制与优化方法，综合提高汽车的行驶安全性。
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，提高汽车的行驶安全性，解决
技术介绍
中所涉及到的技术问题，本专利技术提供一种融合驾驶意图的汽车多目标分层协同控制与优化方法。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种融合驾驶意图的汽车多目标分层协同控制与优化方法，包括以下步骤：S1、建立驾驶员转向意图识别模型；S2、建立非线性八自由度汽车预瞄预测模型；S3、建立基于预瞄驾驶员模型的预测载荷转移率PLTR；S4、建立整车多目标分层协调控制系统；S5、以整车路径跟踪和侧翻稳定性为目标函数进行多目标遗传算法优化。进一步的，步骤S1具体包括：S11、选用方向盘转角和转角变化率为特征量进行驾驶意图识别，识别巡航、普通转向以及紧急转向3种驾驶意图；S12、基于包括HMM模型在内的方法，选取样本数据库中特征参数组，识别驾驶意图；S13、对所搭建的模型参数进行训练和优化，得到驾驶意图识别结果。进一步的，所述步骤S2中采用非线性八自由度车辆模型获取目标路径跟踪与侧翻评价指标所需要的各项参数；具体包括以下子步骤:S21、建立非线性八自由度车辆运动方程；S22、计算前后轴车轮的侧偏角；S23、建立考虑纵向与侧向载荷转移的各车轮的垂向载荷；S24、计算该车辆的纵向与侧向轮胎力。进一步的，所述车辆的纵向与侧向轮胎力为：其中，Fxi,Fyi分别为车辆坐标系下第i个轮胎的纵向力、侧向力(i＝1,2,3,4)；Fxwi为，Fywi分别为第i个轮胎的纵向力、侧向力；δf为前轮转角；轮胎力学模型采用魔术公式轮胎模型。进一步的，各子步骤的具体为：S21、建立非线性八自由度车辆运动方程:纵向运动横向运动横摆运动侧倾运动4个车轮的旋转自由度分别定义为其中，m、ms分别为车辆的总质量、簧载质量，ax、ay分别为车辆的纵向、侧向加速度，hs是质心位置距侧倾中心的距离，φ为车辆的侧倾角，tw为汽车轮距，Iz、Ix分别为簧载质量的横摆、侧倾转动惯量，lf、lr分别为质心位置到前、后轴的距离，Kφf、Kφr分别为前、后轴悬架的等效侧倾刚度，Cφf、Cφr分别为前、后轴悬架的等效阻尼，Jw为车轮的转动惯量，ωwi第i个车轮的旋转角速度，Tbi第i个车轮的制动力矩；γ为车辆的横摆角速度，rw为车轮滚动半径；S22、前后轴车轮的侧偏角为：其中，α1,2为前轴车轮的侧偏角，α3,4为后轴车轮的侧偏角，vy为汽车侧向速度，vx为汽车纵向速度；S23、考虑纵向与侧向载荷转移，前后轴各车轮的垂向载荷为：其中，l为轴距，h为质心到地面的距离；S24、车辆坐标系满足：其中，Fxwi为第i个轮胎的纵向力，Fywi为第i个轮胎的侧向力，δi为各车轮的转角；前轮转向车辆满足：δ1＝δ2＝δf,δ3＝δ4＝0，则轮胎力学模型采用魔术公式轮胎模型。进一步的，所述步骤S3具体包括以下子步骤:S31、计算简化的LTR表达式；S32、定义预测横向载荷转移率PLTR；S33、用容易测量的状态计算侧向加速度的变化率；S34、建立基于预瞄驾驶员模型的预测载荷转移率PLTR的最终表达式。进一步的，所述基于预瞄驾驶员模型的预测载荷转移率PLTR的最终表达式为：其中，Δt是预测时间，h是质心到地面的距离，tw为汽车轮距，ay是车辆的侧向加速度，φ为车辆的侧倾角，γ为车辆的横摆角速度，vx为纵向车速，m为车辆的总质量；C0＝kf+kr，C1＝lfkf-lrkr，kf和kr是前、后轴轮胎的侧偏刚度，lf,lr分别为质心位置到前后轴的距离；δf为前轮转角，I为转向传动比。进一步的，步骤S3各个子步骤具体为：S31、对轮距中心点列稳态的力矩平衡式msayh+msgΔy＝(Fzl-Fzr)tw/2，其中Δy＝h·sinφ，Δy为两侧车轮的垂向载荷转移以及轮距中点相对于质心的横向偏差；Fzl为左侧车轮的垂向载荷，Fzr为右侧车轮的垂向载荷；横向载荷转移率(LTR)，其表达式为将汽车的簧载质量ms与总质量m近似处理，得到简化的LTR的估计值表达式如下S32、定义预测横向载荷转移率PLTR其中Δt是预测时间，t0是当前时间，当侧倾角较小时,sinφ≈φ，则S33、根据二自由度车辆模型，侧向加速度可以表达为：其中，C0＝kf+kr，C1＝lfkf-lrkr，kf、kr是前、后轴轮胎的侧偏刚度，I为转向传动比，δ为方向盘转角，β为汽车质心侧偏角；对侧向加速度两边求导得其中，则侧向加速度的变化率为S34、基于预瞄驾驶员模型的预测载荷转移率PLTR的最终表达式为进一步的，步骤S4具体包括：S41、确定上层协调控制器决策指标，具体包括跟踪路径误差指标、行驶稳定性评价指标；S42、设计上层协调控制器的控制策略，具体控制策略如下：无转向操纵时，上层相协调控制器起监控作用，不发出决策指令；转向操纵时,驾驶员意图识别是否为紧急转向，非紧急转向且当LTR<LTRs时，上层相协调器起监控作用，不发出决策指令；当LTR＞LTRs时，只有主动转向控制器工作；LTRs为普通载荷转移率阈值；转向操纵时,驾驶员意图识别是否为紧急转向，紧急转向时且PLTR<PLTRs1时，上层相协调器起监控作用，不发出决策指令；当PLTRs1＜PLTR＜PLTRs2时，主动转向控制器与主动悬架控制器工作；当PLTR＞PLTRs2时，主动转向控制器、主动悬架控制器和主动制动控制器同时工作；PLTRs1、PLTRs2分别为预测载荷转移率第一、第二阈值；其中，主动转向控制、主动制动控制与主动悬架控制均采用模本文档来自技高网...

【技术保护点】
1.一种融合驾驶意图的汽车多目标分层协同控制与优化方法，其特征在于：包括以下步骤：S1、建立驾驶员转向意图识别模型；S2、建立非线性八自由度汽车预瞄预测模型；S3、建立基于预瞄驾驶员模型的预测载荷转移率PLTR；S4、建立整车多目标分层协调控制系统；S5、以整车路径跟踪和侧翻稳定性为目标函数进行多目标遗传算法优化。

【技术特征摘要】
1.一种融合驾驶意图的汽车多目标分层协同控制与优化方法，其特征在于：包括以下步骤：S1、建立驾驶员转向意图识别模型；S2、建立非线性八自由度汽车预瞄预测模型；S3、建立基于预瞄驾驶员模型的预测载荷转移率PLTR；S4、建立整车多目标分层协调控制系统；S5、以整车路径跟踪和侧翻稳定性为目标函数进行多目标遗传算法优化。2.根据权利要求1所述的一种融合驾驶意图的汽车多目标分层协同控制与优化方法，其特征在于，步骤S1具体包括：S11、选用方向盘转角和转角变化率为特征量进行驾驶意图识别，识别巡航、普通转向以及紧急转向3种驾驶意图；S12、基于包括HMM模型在内的方法，选取样本数据库中特征参数组，识别驾驶意图；S13、对所搭建的模型参数进行训练和优化，得到驾驶意图识别结果。3.根据权利要求1所述的一种融合驾驶意图的汽车多目标分层协同控制与优化方法，其特征在于，所述步骤S2中采用非线性八自由度车辆模型获取目标路径跟踪与侧翻评价指标所需要的各项参数；具体包括以下子步骤:S21、建立非线性八自由度车辆运动方程；S22、计算前后轴车轮的侧偏角；S23、建立考虑纵向与侧向载荷转移的各车轮的垂向载荷；S24、计算该车辆的纵向与侧向轮胎力。4.根据权利要求3所述的一种融合驾驶意图的汽车多目标分层协同控制与优化方法，其特征在于，所述车辆的纵向与侧向轮胎力为：其中，Fxi,Fyi分别为车辆坐标系下第i个轮胎的纵向力、侧向力(i＝1,2,3,4)；Fxwi为，Fywi分别为第i个轮胎的纵向力、侧向力；δf为前轮转角；轮胎力学模型采用魔术公式轮胎模型。5.根据权利要求3或4所述的一种融合驾驶意图的汽车多目标分层协同控制与优化方法，其特征在于，各子步骤的具体为：S21、建立非线性八自由度车辆运动方程:纵向运动横向运动横摆运动侧倾运动4个车轮的旋转自由度分别定义为其中，m、ms分别为车辆的总质量、簧载质量，ax、ay分别为车辆的纵向、侧向加速度，hs是质心位置距侧倾中心的距离，φ为车辆的侧倾角，tw为汽车轮距，Iz、Ix分别为簧载质量的横摆、侧倾转动惯量，lf、lr分别为质心位置到前、后轴的距离，Kφf、Kφr分别为前、后轴悬架的等效侧倾刚度，Cφf、Cφr分别为前、后轴悬架的等效阻尼，Jw为车轮的转动惯量，ωwi第i个车轮的旋转角速度，Tbi第i个车轮的制动力矩；γ为车辆的横摆角速度，rw为车轮滚动半径；S22、前后轴车轮的侧偏角为：其中，α1,2为前轴车轮的侧偏角，α3,4为后轴车轮的侧偏角，vy为汽车侧向速度，vx为汽车纵向速度；S23、考虑纵向与侧向载荷转移，前后轴各车轮的垂向载荷为：其中，l为轴距，h为质心到地面的距离；S24、车辆坐标系满足：其中，Fxwi为第i个轮胎的纵向力，Fywi为第i个轮胎的侧向力，δi为各车轮的转角；前轮转向车辆满足：δ1＝δ2＝δf,δ3＝δ4＝0，则轮胎力学模型采用魔术公式轮胎模型。6.根据权利要求1所述的一种融合驾驶意图的汽车多目标分层协同控制与优化方法，其特征在于，所述步骤S3具体包括以下子步骤:S31、计算简化的LTR表达式；S32、定义预测横向载荷转移率PLTR；S33、用容易测量的状态计算侧向加速度的变化率；S34、建立基于预瞄驾驶员模型的预测载荷转移率PLTR的最终表达式。7.根据权利要求6所述的...

【专利技术属性】
技术研发人员：赵又群，李海青，张桂玉，闫茜，葛召浩，
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