基于多智能体的无人驾驶电动汽车自动超车系统及方法技术方案

基于多智能体的无人驾驶电动汽车自动超车系统及方法，超车系统设车载传感器，车载传感器用于采集无人驾驶电动汽车行驶前方的道路信息；基于车载感知系统及V2X通信系统提取汽车及其周围环境特征信息，建立最小安全距离模型；设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹；基于期望超车路径与实际路径的偏差，采用自适应模糊滑模控制技术，求出无人驾驶电动汽车自动超车的期望速度和期望横摆角速度；采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力；建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制。

Automatic overtaking system and method for unmanned driving electric vehicle based on Multi-Agent

Driving electric vehicle automatic overtaking system and method of multi-agent system based on unmanned, overtaking a vehicle sensor, vehicle sensors for road information acquisition of unmanned electric vehicle in front of the vehicle; sensing system and V2X communication system and its surrounding environment feature information extraction of the vehicle based on the minimum safety distance model; setting the sine form as automatic overtaking expect the basis function of the path planning of a real-time dynamic trajectory of unmanned automatic overtaking electric vehicles; overtaking expectation deviation path and actual path based on the adaptive fuzzy sliding mode control technology for unmanned automatic electric vehicles overtaking desired speed and yaw velocity; multi agent genetic algorithm, calculation a driverless electric vehicles to each wheel lateral force; established by The mapping model of the longitudinal and lateral forces of the electric vehicle, the deflection angle and the slip rate of the vehicle wheel are realized, and the vertical and horizontal force control of the unmanned electric vehicle tire is realized.

【技术实现步骤摘要】
基于多智能体的无人驾驶电动汽车自动超车系统及方法
本专利技术涉及无人驾驶电动汽车，尤其是涉及一种基于多智能体的无人电动汽车自动超车系统及方法。
技术介绍
无人驾驶电动汽车被认为是有效提高道路通行能力、增强车辆行驶安全性、减低车辆燃油消耗量的主要途径，受到了国内外科研机构的广泛关注。自动超车根据车载感知器获取车辆行驶前方的路况信息，判断交通条件是否满足超车，实时动态规划出期望的行驶路径，并实现期望路径的跟踪控制，从而完成自动超车，可有效提高无人驾驶电动汽车综合行驶性能。无人驾驶电动汽车为具有非线性、强耦合和时变的复杂机电系统。文献[1](JoseENaranjoetc,Lane-changefuzzycontrolinautonomousvehiclesfortheovertakingmaneuverIEEETransactiononIntelligentTransportationSystems,2008,9(3)：438-450.)设计了无人驾驶车自动超车模糊控制方法，文献[2](NikolceMurgovskietc,Predictivecruisecontrolwithautonomousovertaking,2015IEEE54thAnnualConferenceonDecisionandControl,2015,Osaka,Japan)设计了车辆自动超车的预测巡航控制。然而，目前的超车控制设计都局限于传动汽车，为考虑无人驾驶电动汽车的多执行机构独立分布及模型不确定性等特点。通过多个智能体之间相互协调来实现复杂系统的控制，有助于提高系统的鲁棒性和智能性。
技术实现思路
本专利技术的目的是针对无人驾驶电动汽车存在的多独立执行机构分布及模型不确定性特点，提供可有效利用车载传感及V2X通信系统提取的特征信息，解决无人驾驶电动汽车系统的多执行机构独立分布和模型不确定的问题，实现安全、舒适自动超车的一种基于多智能体的无人驾驶电动汽车自动超车系统。本专利技术的另一目的是提供无人驾驶电动汽车自动超车的方法。所述基于多智能体的无人驾驶电动汽车自动超车系统设有：车载传感器，车载传感器用于采集无人驾驶电动汽车行驶前方的道路信息；道路特征提取模块，道路特征提取模块用于输入车载传感器采集的无人驾驶电动汽车行驶前方的道路信息，并对采集的图像进行特征提取，再实时计算出汽车前方道路宽度等信息；最小安全距离分析模块，最小安全距离分析模块用于建立满足无人驾驶电动汽车自动超车的最小安全距离模型；超车路径规划模块，超车路径规划模块用于设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹；基于多智能体遗传算法的多执行机构协调模块，基于多智能体遗传算法的多执行机构协调模块用于采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力，实现对无人驾驶电动汽车多执行机构的动态协调；执行控制器，执行控制器用于建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制。首先，通过感知及V2X通信系统采集周围环境信息，建立最小安全距离模型，判断当前时刻是否可以执行超车，若可以，则给出基于三角函数形式的超车期望路径。其次，通过期望路径与实际路径的偏差，基于自适应神经网路控制技术，求出所需的无人驾驶电动汽车期望总纵向力和期望横摆力矩。然后，基于多智能体遗传优化算法，计算出各车轮的纵横向力，通过对车轮纵横向力的执行控制，完成无人驾驶电动汽车的自动超车。所述无人驾驶电动汽车自动超车的方法包括以下步骤：1)基于车载感知系统及V2X通信系统提取汽车及其周围环境特征信息，建立最小安全距离模型；在步骤1)中，所述基于车载感知系统及V2X通信系统提取汽车及其周围环境特征信息，建立最小安全距离模型的具体步骤可为：(1)通过车载毫米波雷达及V2X系统获取无人驾驶电动汽车与前方行驶车辆间的纵向距离信息，通过速度编码器采集车辆行驶速度。(2)利用视觉传感器采集无人驾驶电动汽车行驶前方道路信息，通过车载微处理器对采集的图像进行特征提取，实时地计算出汽车前方可道路宽度等信息。(3)基于车载感知系统检测到本车及其前方行驶车辆的位置、速度信息，为避免两车发生追尾碰撞，建立满足无人驾驶电动汽车自动超车的最小安全距离模型。(4)判断无人驾驶电动汽车当前时刻是否满足超车条件。假如满足进行步骤2，否则，发出不执行超车的指令。2)设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹；在步骤2)中，所述设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹的具体步骤可为：(1)对本车与前方车辆进行几何分析，采用正弦函数拟合方法，建立以时间为自变量的超车路径数学模型及超车路径的边界条件。(2)将世界坐标系的位姿误差转换到相对于车辆的局部坐标系下的位姿误差，建立步骤2)动态规划的期望超车轨迹与无人驾驶电动汽车相对位置关系的车辆位置误差模型。(3)建立车辆总纵向外力和横摆力矩与各电动汽车轮胎的横向力、纵向力之间的映射函数。3)基于期望超车路径与实际路径的偏差，采用自适应模糊滑模控制技术，求出无人驾驶电动汽车自动超车的期望速度和期望横摆角速度；在步骤3)中，所述基于期望超车路径与实际路径的偏差，采用自适应模糊滑模控制技术，求出无人驾驶电动汽车自动超车的期望速度和期望横摆角速度的具体步骤可为：(1)针对相对位置运动学模型，为确保位置偏差有界收敛于零，定义滑模面函数，为确保滑模曲面s1和s2趋近于零，采用自适应模糊滑模控制技术，推导出无人驾驶电动汽车自动超车需要的期望纵向速度和期望横摆角速度。(2)采用神经网络系统逼近变结构项，为有效消除变结构引发的抖振现象，则得期望速度和角速度的自适应滑模变结构控制律。(3)根据期望纵向速度和横摆角速度，基于二自由度动力学模型，推导出无人电动汽车行驶期望的总的纵向力和横摆力矩。(4)为有效消除变结构引发的抖振现象，采用神经网络系统逼近变结构项，则得总纵向力合横摆力矩的自适应神经网络控制律。4)采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力，实现对无人驾驶电动汽车多执行机构的动态协调。在步骤4)中，所述采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力，实现对无人驾驶电动汽车多执行机构的动态协调的具体步骤可为：(1)为了达到控制输入量消耗能量最小和动态规划误差最少的目标，建立性能指标函数。(2)设置遗传优化参数，采用多智能体遗传优化算法动态协调无人驾驶电动汽车各车轮所需要的纵横向力。5)建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制。在步骤5)中，所述建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制的具体步骤可为：(1)建立基于Pacejka轮胎模型的逆轮胎模型，根据步骤4)优化计算的纵横向力Fxi和Fyi映射出期望轮胎侧偏角αdes,i和滑移率λdes,i。(2)采用经典PID控制方法，实现对无人驾驶电动汽车期望滑移率和侧偏角的跟踪控制。针本文档来自技高网...

【技术保护点】
基于多智能体的无人驾驶电动汽车自动超车系统，其特征在于设有：车载传感器，车载传感器用于采集无人驾驶电动汽车行驶前方的道路信息；道路特征提取模块，道路特征提取模块用于输入车载传感器采集的无人驾驶电动汽车行驶前方的道路信息，并对采集的图像进行特征提取，再实时计算出汽车前方道路宽度等信息；最小安全距离分析模块，最小安全距离分析模块用于建立满足无人驾驶电动汽车自动超车的最小安全距离模型；超车路径规划模块，超车路径规划模块用于设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹；基于多智能体遗传算法的多执行机构协调模块，基于多智能体遗传算法的多执行机构协调模块用于采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力，实现对无人驾驶电动汽车多执行机构的动态协调；执行控制器，执行控制器用于建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制。

【技术特征摘要】
1.基于多智能体的无人驾驶电动汽车自动超车系统，其特征在于设有：车载传感器，车载传感器用于采集无人驾驶电动汽车行驶前方的道路信息；道路特征提取模块，道路特征提取模块用于输入车载传感器采集的无人驾驶电动汽车行驶前方的道路信息，并对采集的图像进行特征提取，再实时计算出汽车前方道路宽度等信息；最小安全距离分析模块，最小安全距离分析模块用于建立满足无人驾驶电动汽车自动超车的最小安全距离模型；超车路径规划模块，超车路径规划模块用于设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹；基于多智能体遗传算法的多执行机构协调模块，基于多智能体遗传算法的多执行机构协调模块用于采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力，实现对无人驾驶电动汽车多执行机构的动态协调；执行控制器，执行控制器用于建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制。2.无人驾驶电动汽车自动超车的方法，其特征在于采用如权利要求1所述基于多智能体的无人驾驶电动汽车自动超车系统，所述方法包括以下步骤：1)基于车载感知系统及V2X通信系统提取汽车及其周围环境特征信息，建立最小安全距离模型；2)设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹；3)基于期望超车路径与实际路径的偏差，采用自适应模糊滑模控制技术，求出无人驾驶电动汽车自动超车的期望速度和期望横摆角速度；4)采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力，实现对无人驾驶电动汽车多执行机构的动态协调；5)建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制。3.如权利要求2所述无人驾驶电动汽车自动超车的方法，其特征在于在步骤1)中，所述基于车载感知系统及V2X通信系统提取汽车及其周围环境特征信息，建立最小安全距离模型的具体步骤为：(1)通过车载毫米波雷达及V2X系统获取无人驾驶电动汽车与前方行驶车辆间的纵向距离信息，通过速度编码器采集车辆行驶速度；(2)利用视觉传感器采集无人驾驶电动汽车行驶前方道路信息，通过车载微处理器对采集的图像进行特征提取，实时地计算出汽车前方可道路宽度等信息；(3)基于车载感知系统检测到本车及其前方行驶车辆的位置、速度信息，为避免两车发生追尾碰撞，建立满足无人驾驶电动汽车自动超车的最小安全距离模型；(4)判断无人驾驶电动汽车当前时刻是否满足超车条件...

【专利技术属性】
技术研发人员：郭景华，王进，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建,35