一种车辆控制方法和装置制造方法及图纸

一种车辆控制方法和装置，该方法包括，根据目标车辆的状态信息以及目标车辆所处道路的路面信息，确定当前的横向位移偏差以及横向角度偏差，根据当前的横向位移偏差、横向角度偏差以及预瞄距离，确定预瞄位置的横向位移偏差，此后，根据当前的横向位移偏差、横向角度偏差、预瞄位置的横向位移偏差、滑模切换面方程以及滑模控制参数，确定滑模控制率，最后通过滑模控制方法，将滑模控制率作为输入，确定输出的转向角并根据转向角控制目标车辆，该转向角用于将目标车辆调整至沿目标路径行驶。由于以上车辆控制方法采用非线性的滑模控制方法，使得调整目标车辆行驶轨迹的效果更加理想。

【技术实现步骤摘要】
一种车辆控制方法和装置
本申请涉及无人车
，尤其涉及一种车辆控制方法和装置。
技术介绍
无人车是根据全部或部分已知和实时获取的环境条件信息做出相应的全局或局部路径规划，并自动地作出控制决策，使车辆安全可靠的运行至预定的目的地的智能汽车。车辆控制技术是无人车技术的核心，主要包括车辆的速度和方向控制等几个部分，通过速度和方向控制，能够实现车辆行驶路线的控制。现有的车辆控制方法通过鲁棒PID(proportion、integration、differential，比例、积分、微分)方法计算控制量，根据该控制量可以控制车辆的实际行进路线不断趋近车辆的期望行进路线，直至实际行进路线与期望行进路线重合。然而，鲁棒PID方法是一种线性控制方法，因此该方法只能以线性方法确定车辆的控制量，从而根据控制量对车辆进行控制时，无论车辆当前实际行进路线偏离期望行进路线的程度如何，车辆向期望行进路线趋近的收敛速度都是相同的，控制效果不理想。
技术实现思路
本申请提供一种车辆控制方法和装置，用以解决目前的车辆控制方法控制车辆行进路线时效果不理想的技术问题。第一方面，本申请实施例提供一种车辆控制方法，首先根据目标车辆的状态信息以及目标车辆所处道路的路面信息，确定当前的横向位移偏差以及横向角度偏差，其中，当前的横向位移偏差用于表示目标车辆当前时刻所处的目标位置与道路对应的目标路径上的第一横向位置之间的距离，横向角度偏差用于表示目标车辆当前时刻的行进方向与目标路径在第一横向位置的切线方向之间的角度偏差，第一横向位置为目标路径上与目标位置之间的距离最小的位置，横向角度偏差小于或等于90度，目标路径为期望目标车辆行驶的路径；此后，根据当前的横向位移偏差、横向角度偏差以及预瞄距离，确定预瞄位置的横向位移偏差，其中，预瞄位置的横向位移偏差用于表示目标车辆行驶至预瞄位置时，预瞄位置与位于目标路径上的第二横向位置之间的距离，预瞄位置在目标车辆的中轴线上的投影位置与目标位置之间的距离为预瞄距离，且从目标位置指向预瞄位置之间的矢量方向与目标车辆当前的行进方向之间的夹角小于九十度，第二横向位置为目标路径上与预瞄位置之间的距离最小的位置；之后，根据当前的横向位移偏差、横向角度偏差、预瞄位置的横向位移偏差、滑模切换面方程以及滑模控制参数，确定滑模控制率，最后通过滑模控制方法，将滑模控制率作为输入，确定输出的转向角并根据转向角控制目标车辆，该转向角用于将目标车辆调整至沿目标路径行驶。采用以上方法，通过滑模控制方法实现对目标车辆行驶路线的控制，使得目标车辆的行驶路线趋近目标路径直至与目标路径重合，由于滑模控制方法为非线性的控制方法，使得调整目标车辆行驶轨迹的时间更短，控制效果更加理想。在实施中，可以根据第一公式确定当前的横向位移偏差yL，第一公式为：其中，表示对yL求导，vy为目标车辆在垂直目标车辆当前时刻的行进方向上的横向速度，yL为根据目标车辆的三维系统状态表达式确定的。另外，可以根据第二公式确定横向角度偏差εL，第二公式为：其中，表示对εL求导，ρ为目标路径的曲率，vx为目标车辆在目标车辆当前时刻的行进方向上的纵向速度，β为当前时刻目标车辆当前时刻的行进方向与行进方向在水平面的投影之间的夹角，yL为根据目标车辆的三维系统状态表达式确定的，w为目标车辆的横摆角速度，w为根据目标车辆的三维系统状态表达式确定的。由于在确定横向角度偏差εL时考虑到了道路与水平面之间的斜面夹角β，使得根据该横向角度偏差εL进行行驶路线拟合得到的结果更为贴近实际路况，对于目标车辆的行驶轨迹的控制效果更为理想。在实施中，目标车辆的三维系统状态表达式为：其中，u为目标车辆的转向角，表示对vy求导，表示对w求导，a11、a12、a21、a22、b11以及b21均为根据当前时刻目标车辆的状态信息以及道路的路面信息确定的系数。在实施中，可以根据第三公示确定a11，第三公式为：其中，Cr为目标车辆的后轮胎的侧偏刚度，Cf为目标车辆的前轮胎的侧偏刚度，m为目标车辆的质量，vx为目标车辆在目标车辆当前时刻的行进方向上的纵向速度，β为当前时刻目标车辆当前时刻的行进方向与水平面之间的夹角；可以根据第四公示确定a12，第四公式为：其中，a为目标车辆的前轮轴距，b为目标车辆的后轮轴距；可以根据第五公式确定a21，第五公式为：其中，J为目标车辆的转动惯量；可以根据第六公式确定a22，第六公式为：可以根据第七公式确定b11，第七公式为：可以根据第七公式确定b21，第八公式为：在实施中，可以根据第九公式，确定预瞄距离D，第九公式为：其中，d0为设定距离值，v为目标车辆的行驶速度，ρfront为第一曲率，ρnext为第二曲率。其中，第一曲率为目标路径在第一横向位置的曲率、目标路径在第一预瞄点的曲率以及目标路径在第一横向位置与第一预瞄点之间的平均曲率，第二曲率为目标路径在第一横向位置的曲率、目标路径在第二预瞄点的曲率以及目标路径在第一横向位置与第二预瞄点之间的平均曲率，第一预瞄点为目标路径上与目标位置之间的距离大于设定距离值的点中，与目标位置之间的距离最小的点，从目标位置发出且指向第一预瞄点的矢量与目标车辆当前时刻的行进方向之间的夹角小于九十度，第二预瞄点为目标路径上与目标位置之间的距离大于设定距离值的点中，与目标位置之间的距离最小的点，从目标位置发出且指向第二预瞄点的矢量与目标车辆当前时刻的行进方向之间的夹角不小于九十度。在实施中，可以根据第十公式，确定预瞄位置的横向位移偏差ye：其中，R为目标路径的转向半径，D为预瞄距离，yL为当前的横向位移偏差，εL为横向角度偏差。在实施中，可以构建如下滑模切换面方程：其中，ye为预瞄位置的横向位移偏差，α、βs以及(q/p)为滑模控制参数，α、βs以及(q/p)为正奇数；令以上S1＝0，可以根据第十一公式确定滑模控制参数u，第十一公式为：其中，g(x)＝1/((R+yL-DsinεL)vy)，f(x)＝2(R-DsinεL)(a11vy+a12w)+2D(ρvxcosβ-w)cosεL，R为目标路径的转向半径，D为预瞄距离，yL为当前的横向位移偏差，εL为横向角度偏差，vx为目标车辆在目标车辆当前时刻的行进方向上的纵向速度，vy为目标车辆在垂直目标车辆当前时刻的行进方向上的横向速度，w为目标车辆的横摆角速度，a11、a12为根据当前时刻目标车辆的状态信息以及道路的路面信息确定的系数。在实施中，在控制目标车辆行驶后，还可以通过深度学习方法，确定滑模控制参数的调整值；具体来说，可以确定损失函数，用于表示目标车辆的预测行驶路径与实际行驶路径之间的实际损失，根据该损失函数，确定滑模控制参数的调整值。其中，确定损失函数的方法为：根据至少一个采样时刻目标车辆的预测横向位移偏差与实际横向位移偏差之间的偏差量，确定损失函数；或者根据至少一个采样时刻目标车辆的预测横向角度偏差与实际横向角度偏差之间的偏差量，确定损失函数。其中，预测横向位移偏差用于表示任意采样时刻，目标车辆所处的第一预测位置与目标路径上的第三横向位置之间的距离，第三横向位置为目标路径上与第一预测位置之间的距离最小的位置；实际横向位移偏差用于表示采样时刻，目标车辆所处的实际位置与目标路径上的第四横向位置之间的距离，本文档来自技高网...

【技术保护点】
1.一种车辆控制方法，其特征在于，包括：根据目标车辆的状态信息以及所述目标车辆所处道路的路面信息，确定当前的横向位移偏差以及横向角度偏差，其中，所述当前的横向位移偏差用于表示所述目标车辆当前时刻所处的目标位置与所述道路对应的目标路径上的第一横向位置之间的距离，所述横向角度偏差用于表示所述目标车辆当前时刻的行进方向与所述目标路径在所述第一横向位置的切线方向之间的角度偏差，所述第一横向位置为所述目标路径上与所述目标位置之间的距离最小的位置，所述横向角度偏差小于或等于九十度，所述目标路径为期望所述目标车辆行驶的路径；根据所述当前的横向位移偏差、所述横向角度偏差以及预瞄距离，确定预瞄位置的横向位移偏差，其中，所述预瞄位置的横向位移偏差用于表示所述目标车辆行驶至预瞄位置时，所述预瞄位置与位于所述目标路径上的第二横向位置之间的距离，所述预瞄位置在所述目标车辆的中轴线上的投影位置与所述目标位置之间的距离为所述预瞄距离，且从所述目标位置指向所述预瞄位置之间的矢量方向与所述目标车辆当前的行进方向之间的夹角小于九十度，所述第二横向位置为所述目标路径上与所述预瞄位置之间的距离最小的位置；根据所述当前的横向位移偏差、所述横向角度偏差、所述预瞄位置的横向位移偏差、滑模切换面方程以及滑模控制参数，确定滑模控制率，所述滑模切换面方程用于指示滑模控制方法的滑模切换面，所述滑模控制率用于控制所述目标车辆沿所述目标路径行驶；根据所述滑模控制率，确定转向角，所述转向角用于将所述目标车辆的行驶路线调整至所述目标路径；根据所述转向角，控制所述目标车辆行驶。...

【技术特征摘要】
1.一种车辆控制方法，其特征在于，包括：根据目标车辆的状态信息以及所述目标车辆所处道路的路面信息，确定当前的横向位移偏差以及横向角度偏差，其中，所述当前的横向位移偏差用于表示所述目标车辆当前时刻所处的目标位置与所述道路对应的目标路径上的第一横向位置之间的距离，所述横向角度偏差用于表示所述目标车辆当前时刻的行进方向与所述目标路径在所述第一横向位置的切线方向之间的角度偏差，所述第一横向位置为所述目标路径上与所述目标位置之间的距离最小的位置，所述横向角度偏差小于或等于九十度，所述目标路径为期望所述目标车辆行驶的路径；根据所述当前的横向位移偏差、所述横向角度偏差以及预瞄距离，确定预瞄位置的横向位移偏差，其中，所述预瞄位置的横向位移偏差用于表示所述目标车辆行驶至预瞄位置时，所述预瞄位置与位于所述目标路径上的第二横向位置之间的距离，所述预瞄位置在所述目标车辆的中轴线上的投影位置与所述目标位置之间的距离为所述预瞄距离，且从所述目标位置指向所述预瞄位置之间的矢量方向与所述目标车辆当前的行进方向之间的夹角小于九十度，所述第二横向位置为所述目标路径上与所述预瞄位置之间的距离最小的位置；根据所述当前的横向位移偏差、所述横向角度偏差、所述预瞄位置的横向位移偏差、滑模切换面方程以及滑模控制参数，确定滑模控制率，所述滑模切换面方程用于指示滑模控制方法的滑模切换面，所述滑模控制率用于控制所述目标车辆沿所述目标路径行驶；根据所述滑模控制率，确定转向角，所述转向角用于将所述目标车辆的行驶路线调整至所述目标路径；根据所述转向角，控制所述目标车辆行驶。2.如权利要求1所述的方法，其特征在于，确定当前的横向位移偏差，包括：根据第一公式确定当前的横向位移偏差yL，所述第一公式为：其中，表示对yL求导，vy为所述目标车辆在垂直所述目标车辆当前时刻的行进方向上的横向速度，所述yL为根据所述目标车辆的三维系统状态表达式确定的；确定横向角度偏差，包括：根据第二公式确定所述横向角度偏差εL，所述第二公式为：其中，表示对εL求导，ρ为所述目标路径的曲率，vx为所述目标车辆在所述目标车辆当前时刻的行进方向上的纵向速度，β为当前时刻所述目标车辆当前时刻的行进方向与所述行进方向在水平面的投影之间的夹角，所述yL为根据所述目标车辆的三维系统状态表达式确定的，w为所述目标车辆的横摆角速度，所述w为根据所述目标车辆的三维系统状态表达式确定的。3.如权利要求2所述的方法，其特征在于，所述目标车辆的三维系统状态表达式为：其中，u为所述目标车辆的转向角，表示对vy求导，表示对w求导，a11、a12、a21、a22、b11以及b21均为根据当前时刻所述目标车辆的状态信息以及所述道路的路面信息确定的系数。4.如权利要求3所述的方法，其特征在于，所述a11为根据第三公示确定的，所述第三公式为：其中，Cr为所述目标车辆的后轮胎的侧偏刚度，Cf为所述目标车辆的前轮胎的侧偏刚度，m为所述目标车辆的质量，vx为所述目标车辆在所述目标车辆当前时刻的行进方向上的纵向速度，β为当前时刻所述目标车辆当前时刻的行进方向与水平面之间的夹角；所述a12为根据第四公示确定的，所述第四公式为：其中，a为所述目标车辆的前轮轴距，b为所述目标车辆的后轮轴距；所述a21为根据第五公示确定的，所述第五公式为：其中，J为所述目标车辆的转动惯量；所述a22为根据第六公示确定的，所述第六公式为：所述b11为根据第七公示确定的，所述第七公式为：所述b21为根据第八公示确定的，所述第八公式为：5.如权利要求1所述的方法，其特征在于，根据以下方法确定所述预瞄距离：确定第一曲率与第二曲率，其中，所述第一曲率为所述目标路径在所述第一横向位置的曲率、所述目标路径在第一预瞄点的曲率以及所述目标路径在所述第一横向位置与所述第一预瞄点之间的平均曲率，所述第二曲率为所述目标路径在所述第一横向位置的曲率、所述目标路径在第二预瞄点的曲率以及所述目标路径在所述第一横向位置与所述第二预瞄点之间的平均曲率，所述第一预瞄点为所述目标路径上与所述目标位置之间的距离大于设定距离值的点中，与所述目标位置之间的距离最小的点，从所述目标位置发出且指向所述第一预瞄点的矢量与所述目标车辆当前时刻的行进方向之间的夹角小于九十度，所述第二预瞄点为所述目标路径上与所述目标位置之间的距离大于设定距离值的点中，与所述目标位置之间的距离最小的点，从所述目标位置发出且指向所述第二预瞄点的矢量与所述目标车辆当前时刻的行进方向之间的夹角不小于九十度；根据第九公式，确定所述预瞄距离D，所述第九公式为：其中，d0为设定距离值，v为所述目标车辆的行驶速度，ρfront为所述第一曲率，ρnext为所述第二曲率。6.如权利要求1所述的方法，其特征在于，确定预瞄位置的横向位移偏差，包括：根据第十公式，确定所述预瞄位置的横向位移偏差ye：其中，R为所述目标路径的转向半径，D为所述预瞄距离，yL为所述当前的横向位移偏差，εL为所述横向角度偏差。7.如权利要求1所述的方法，其特征在于，所述滑模切换面方程S1为：其中，ye为所述预瞄位置的横向位移偏差，α、βs以及(q/p)为所述滑模控制参数，所述α、所述βs以及所述(q/p)为正奇数；根据第十一公式确定所述滑模控制参数u，所述第十一公式为令所述S1为零后得到的，所述第十一公式为：其中，g(x)＝1/((R+yL-DsinεL)vy)，f(x)＝2(R-DsinεL)(a11vy+a12w)+2D(ρvxcosβ-w)cosεL，R为所述目标路径的转向半径，D为所述预瞄距离，yL为所述当前的横向位移偏差，εL为所述横向角度偏差，vx为所述目标车辆在所述目标车辆当前时刻的行进方向上的纵向速度，vy为所述目标车辆在垂直所述目标车辆当前时刻的行进方向上的横向速度，w为所述目标车辆的横摆角速度，a11、a12为根据当前时刻所述目标车辆的状态信息以及所述道路的所述路面信息确定的系数。8.如权利要求1所述的方法，其特征在于，在控制所述目标车辆行驶之后，该方法还包括：确定损失函数，所述损失函数用于表示所述目标车辆的预测行驶路径与所述实际行驶路径之间的实际损失；根据所述损失函数，确定所述滑模控制参数的调整值。9.如权利要求8所述的方法，其特征在于，确定损失函数，包括：根据至少一个采样时刻所述目标车辆的预测横向位移偏差与实际横向位移偏差之间的偏差量，确定所述损失函数；其中，所述预测横向位移偏差用于表示任意采样时刻，所述目标车辆所处的第一预测位置与所述目标路径上的第三横向位置之间的距离，所述第三横向位置为所述目标路径上与所述第一预测位置之间的距离最小的位置；所述实际横向位移偏差用于表示所述采样时刻，所述目标车辆所处的实际位置与所述目标路径上的第四横向位置之间的距离，所述第四横向位置为所述目标路径上与所述实际位置之间的距离最小的位置。10.如权利要求8所述的方法，其特征在于，确定损失函数，包括：根据至少一个采样时刻所述目标车辆的预测横向角度偏差与实际横向角度偏差之间的偏差量，确定所述损失函数；所述预测横向角度偏差用于表示任意采样时刻，所述目标车辆的预测行进方向与所述目标路径在第五横向位置的切线方向之间的角度偏差，所述第五横向位置为所述目标路径上与所述目标车辆所处的第二预测位置之间的距离最小的位置；所述实际横向角度偏差用于表示所述采样时刻，所述目标车辆的实际行进方向与所述目标路径在第五横向位置的切线方向之间的角度偏差，所述第五横向位置为所述目标路径上与所述目标车辆所处的第二预测位置之间的距离最小的位置。11.如权利要求9所述的方法，其特征在于，确定损失函数之前，还包括：根据第十二公式，确定采样时刻所述目标车辆的卷积特征图Cx，所述第十二公式为：Cx＝f(∑IGx+bx)；其中，I为输入阵，用于表示所述采样时刻所述目标车辆的状态信息以及所述目标车辆所处道路的路面信息，Gx为可训练卷积核，bx为可训练偏置，Gx的初始值为第一随机值，bx的初始值为第二随机值；根据所述卷积特征图Cx，确定所述采样时刻所述目标车辆的预测横向位移偏差。12.如权利要求10所述的方法，其特征在于，确定损失函数之前，还包括：根据第十二公式，确定采样时刻所述目标车辆的卷积特征图Cx，所述第十二公式为：Cx＝f(∑IGx+bx)；其中，I为输入阵，用于表示所述采样时刻所述目标车辆的状态信息以及所述目标车辆所处道路的路面信息，Gx为可训练卷积核，bx为可训练偏置，Gx的初始值为第一随机值，bx的初始值为第二随机值；根据所述卷积特征图Cx，确定所述采样时刻所述目标车辆的预测横向角度偏差。13.如权利要求11或12所述的方法，其特征在于，还包括：采用梯度下降法，调整所述Gx和/或所述bx。14.如权利要求13所述的方法，其特征在于，调整所述Gx，包括：根据第十三公式确定灵敏度Ωx，所述第十三公式为：Ωx＝wx+1(σ'(wx+1Cx+bx+1)Ψi-1)；其中，wx+1表示所述卷积核中乘性偏置的取值，σ'(wx+1Cx+bx+1)表示灵敏度函数，Ψi-1为所述输入阵的上采样；所述灵敏度函数为：根据第十四公式确定Gx的权值更新Δwx，所述第十四公式为：Δwx＝-η∑(ΩxΨi+1)；其中，η表示学习速率，Ψi+1为所述输入阵的下采样；根据Gx的权值更新Δwx，调整Gx的取值。15.如权利要求8所述的方法，其特征在于，所述滑模控制参数包括α、βs以及(q/p)，所述α、所述βs以及所述(q/p)为正奇数，确定所述滑模控制参数的调整值，包括：根据第十五公式确定所述滑模控制参数的调整值，所述第十五公式为：其中，f(Q,k)表示α的权重因子、f(Q,ε)表示βs的权重因子、f(Q,q/p)表示(q/p)的权重因子，n表示α的可变化范围，m表示βs的可变化范围，g表示q/p的可变化范围，γa为增益系数，s，z，c1，c2分别为一大于零的常数，Δα为α的调整值，Δβs为βs的调整值，Δ(q/p)为(q/p)的调整值。16.一种车辆控制的控制设备，其特征在于，包括存储器和处理器：所述存储器，用于存储计算机代码或指令；所述处理器，用于调用所述存储器中的计算机代...

【专利技术属性】
技术研发人员：李小凤，赵翾，宋永刚，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44