一种多车辆横纵向耦合协同控制系统及控制方法技术方案

本发明专利技术公开一种多车辆横纵向耦合协同控制系统，包括：环境检测模块，用于检测当前环境、道路以及信号灯信息；队列全局路径规划模块，其根据队列当前位置与目标位置，进行路径全局规划，并将路径信息传递给领航车局部路径规划模块；领航车局部路径规划模块，其用于接收所述环境检测模块的检测信息，并进行局部路径规划和路径跟踪，跟随车路径修正模块，其接收所述局部路径规划，并对所述局部路径规划进行再修正；车辆控制模块，其接收修正后的局部路径规划，并进行路径跟踪。本发明专利技术还提供一种多车辆横纵向耦合协同控制方法，能够更好的进行多车辆横纵向耦合协同控制。

【技术实现步骤摘要】
一种多车辆横纵向耦合协同控制系统及控制方法
本专利技术涉及多车辆协同控制
，更具体的是，本专利技术涉及一种多车辆横纵向耦合协同控制系统及控制方法。
技术介绍
队列协同控制，集成了通信技术，计算机技术，人工智能技术以及智能车辆控制方法，通过V2X信息交互技术，实现多车辆之间的协同控制。通过环境感知，信息融合以及优化决策，提高了道路通过效率以及能量利用效率，增加了道路安全性，因此成为未来智能网联与智能车辆的重要结合领域。现有的队列协同控制方法主要集中于纵向协同控制方向，以速度以及加速度等作为控制变量，通过某种纵向车间距控制策略，使多车辆以纵向队形的形式进行道路行驶。现存最为成熟的控制系统为分层分布式协同控制系统。整个多车辆控制系统包括任务决策层、车辆运动控制层以及执行控制层。其中，任务决策层将队列视为一个系统，根据队列质心位置以及目的地进行全局路径规划；车辆运动控制层包括领航车辆以及跟随车辆，领航车辆进行路径的局部规划与跟踪，跟随车辆根据领航车的行驶路径，结合间距控制策略进行纵向跟随；执行控制层根据车辆运动控制层中确定的车辆行驶信息，通过控制车辆的制动与加速满足车辆的运动需求。现有专利中涉及的多车辆横纵耦合向协同控制方法无法有效的对转向、换道等工况进行控制；或者单独进行横向、纵向的控制，忽略二者之间的耦合关系。具体存在的问题如下：(1)动力学模型问题：a.为了描述控制信息与车辆响应的对应关系，多种队列车辆节点动力学模型被提出，基于这些模型设计的控制系统只包含了车辆的纵向运动而无法涵盖车辆的横向运动；b.现有的车辆动力学模型无法体现队列中不同车辆的异质性，即无法描述车辆之间动力学参数的区别；c.现有的车辆动力学模型只能体现传统车辆前轮转向控制，无法适用于未来四轮转向车辆等。(2)控制器中，没有涉及多车辆队列横向间距优化控制策略，使车辆之间无法进行横向最优协同。(3)队列内车辆动力学性能差异对多车辆协同控制影响较大，且领航车与跟随车面临的环境也存在区别，忽略这些要素进行控制易引发安全问题。中国专利技术专利201410033746.2公开了一种车辆多目标协调换道辅助自适应巡航控制方法，以加速度为控制变量，以车辆的位置、速度以及加速度为状态变量，以前车跟踪性、多车运动安全性和纵向驾驶舒适性为优化目标，进行模型预测控制，保证车间距和车辆间相对速度误差最小。然而车辆多目标协调换道辅助自适应巡航控制方法无法实现队列内车辆的横向控制。而且由于采用的动力学模型中没有涉及不同车型的动力学特性参数，无法针对各自的动力性能进行精确控制；没有考虑跟随车辆与领航车面临的周围环境差异等问题。中国专利技术专利CN201711206133公开了一种智能车队换道方法，运用相对成熟的车辆换道技术，实现车队内车辆依次安全换道。然而该换道方法只考虑了车队内车辆的换道时机，且换道时无法保证车队队形的保持和车辆横纵向耦合控制的实施。中国专利技术专利201610957049.5公开了一种控制汽车以簇形式编队行驶的方法，在横向和纵向编队模型上给出了速度控制模型。然而该专利技术只给出了编队内车辆的运动控制函数，没有从动力学的角度对车辆进行控制，且无法体现车辆之间的动力学差异。这会导致控制模型在高速行驶时控制精度低，且编队内车辆动力学特性相同不符合实际道路行驶情境。中国专利技术专利201510896784.5公开了一种用于控制CACC系统的速度的装置和方法，提供了一种用于控制协同式自适应巡航(CACC)系统的装置和方法，对协同控制的车辆之间信息流传递方法进行了设计。然而该装置和方法没有考虑车辆与车辆之间的具体运动控制方法。
技术实现思路
本专利技术的一个目的是设计开发了一种多车辆横纵向耦合协同控制系统，跟随车能够根据领航车的规划路径和跟随车的环境、道路以及信号灯信息，对跟随车进行横向和纵向耦合协同控制。本专利技术的另一个方法是设计开发了一种多车辆横纵向耦合协同控制方法，跟随车能够根据领航车的规划路径和跟随车的环境、道路以及信号灯信息，对跟随车的路径进行修正并优化得到控制变量，更好的进行多车辆横纵向耦合协同控制。本专利技术还能以车辆前车轮转角、后车轮转角和纵向车速为控制变量对车辆模型进行线性化处理，进而通过线性化状态方程得到跟随车下一时刻的状态变量。本专利技术还能基于BP神经网络对跟随车的路径进行修正并优化得到控制变量。本专利技术提供的技术方案为：一种多车辆横纵向耦合协同控制系统，包括：环境检测模块，用于检测当前环境、道路以及信号灯信息；队列全局路径规划模块，其根据队列当前位置与目标位置，进行路径全局规划，并将路径信息传递给领航车局部路径规划模块；领航车局部路径规划模块，其用于接收所述环境检测模块的检测信息，并进行局部路径规划和路径跟踪，跟随车路径修正模块，其接收所述局部路径规划，并对所述局部路径规划进行再修正；车辆控制模块，其接收修正后的局部路径规划，并进行路径跟踪。一种多车辆横纵向耦合协同控制方法，包括如下步骤：步骤1：以车辆前车轮转角、后车轮转角和纵向车速为控制变量，以车辆横向位移、纵向位移、横向车速、加速度和横摆角为状态变量，建立车辆单轨三自由度模型，并进行线性化处理，获得线性化状态方程；步骤2：根据队列当前位置与目标位置，进行路径全局规划得到领航车规划的路径，并根据当前环境、道路以及信号灯信息进行局部路径规划得到跟随车规划的路径；步骤3：对所述跟随车规划的路径进行优化，获得优化后的控制变量矩阵；J(k)＝min|f(η,ηref)|+min|ΔU|式中，J(k)为优化目标函数，η为跟随车修正后的路径，ηref为领航车规划的路径，ΔU为跟随车规划的路径和跟随车修正后的路径的控制变量的变化值矩阵，f(.)为误差函数；其中，在优化过程中，跟随车满足以下约束条件：-12°≤β≤12°；ay,min≤ay≤ay,max；-2.5°≤αf,t≤2.5°；-2.5°≤αr,t≤2.5°；VC≤Vlight,i；式中，β为跟随车的质心侧偏角，ay为跟随车的侧向加速度，ay,min,ay,max分别为跟随车的侧向加速度的最小值和最大值，αf,t,αr,t分别为跟随车左侧轮胎和右侧轮胎的侧偏角，XC,YC分别为跟随车的横向位置和纵向位置，XO,YO分别为障碍物的横向位置和纵向位置，d为跟随车和障碍物的安全距离，VC为跟随车的纵向车速，Vlight,i为第i类信号灯下的限定车速；步骤4：将优化后的控制变量矩阵输入线性化状态方程中，得到跟随车辆优化后的状态变量矩阵，进而得到优化后的状态变量对车辆进行协同控制。优选的是，所述线性化状态方程为：X(k+1)＝[I+T·A(t)]·X(k)+T·B(t)·U(k)；式中，X(k+1)为第k+1时刻的车辆状态变量矩阵，I为单位矩阵，T为采样时间，A(t),B(t)为参数矩阵，X(k)为第k时刻的车辆状态变量矩阵，U(k)为第k时刻的车辆控制变量矩阵，Ccf,Ccr分别为车辆前轮、后轮侧偏刚度，m为车辆的质量，分别为车辆纵向和横向速度，lf,lr分别为车辆前轴和后轴轴距，Iz为车辆转动惯量，为车辆横摆角，为车辆横摆角速度。优选的是，所述车辆单轨三自由度模型为：式中，分别为车辆纵向和横向加速度，为车辆横摆角加速度，δf,δr分别为车辆前轮、后轮转角，Clf,Clr分别本文档来自技高网...

【技术保护点】
1.一种多车辆横纵向耦合协同控制系统，其特征在于，包括：环境检测模块，用于检测当前环境、道路以及信号灯信息；队列全局路径规划模块，其根据队列当前位置与目标位置，进行路径全局规划，并将路径信息传递给领航车局部路径规划模块；领航车局部路径规划模块，其用于接收所述环境检测模块的检测信息，并进行局部路径规划和路径跟踪，跟随车路径修正模块，其接收所述局部路径规划，并对所述局部路径规划进行再修正；车辆控制模块，其接收修正后的局部路径规划，并进行路径跟踪。

【技术特征摘要】
1.一种多车辆横纵向耦合协同控制系统，其特征在于，包括：环境检测模块，用于检测当前环境、道路以及信号灯信息；队列全局路径规划模块，其根据队列当前位置与目标位置，进行路径全局规划，并将路径信息传递给领航车局部路径规划模块；领航车局部路径规划模块，其用于接收所述环境检测模块的检测信息，并进行局部路径规划和路径跟踪，跟随车路径修正模块，其接收所述局部路径规划，并对所述局部路径规划进行再修正；车辆控制模块，其接收修正后的局部路径规划，并进行路径跟踪。2.一种多车辆横纵向耦合协同控制方法，其特征在于，包括如下步骤：步骤1：以车辆前车轮转角、后车轮转角和纵向车速为控制变量，以车辆横向位移、纵向位移、横向车速、加速度和横摆角为状态变量，建立车辆单轨三自由度模型，并进行线性化处理，获得线性化状态方程；步骤2：根据队列当前位置与目标位置，进行路径全局规划得到领航车规划的路径，并根据当前环境、道路以及信号灯信息进行局部路径规划得到跟随车规划的路径；步骤3：对所述跟随车规划的路径进行优化，获得优化后的控制变量矩阵；J(k)＝min|f(η,ηref)|+min|ΔU|式中，J(k)为优化目标函数，η为跟随车修正后的路径，ηref为领航车规划的路径，ΔU为跟随车规划的路径和跟随车修正后的路径的控制变量的变化值矩阵，f(.)为误差函数；其中，在优化过程中，跟随车满足以下约束条件：-12°≤β≤12°；ay,min≤ay≤ay,max；-2.5°≤αf,t≤2.5°；-2.5°≤αr,t≤2.5°；VC≤Vlight,i；式中，β为跟随车的质心侧偏角，ay为跟随车的侧向加速度，ay,min,ay,max分别为跟随车的侧向加速度的最小值和最大值，αf,t,αr,t分别为跟随车左侧轮胎和右侧轮胎的侧偏角，XC,YC分别为跟随车的横向位置和纵向位置，XO,YO分别为障碍物的横向位置和纵向位置，d为跟随车和障碍物的安全距离，VC为跟随车的纵向车速，Vlight,i为第i类信号灯下的限定车速；步骤4：将优化后的控制变量矩阵输入线性化状态方程中，得到跟随车辆优化后的状态变量矩阵，进而得到优化后的状态变量对车辆进行协同控制。3.如权利要求2所述的多车辆横纵向耦合协同控制方法，其特征在于，所述线性化状态方程为：X(k+1)＝[I+T·A(t)]·X(k)+T·B(t)·U(k)；式中，X(k+1)为第k+1时刻的车辆状态变量矩阵，I为单位矩阵，T为采样时间，A(t),B(t)为参数矩阵，X(k)为第k时刻的车辆状态变量矩阵，U(k)为第k时刻的车辆控制变量矩阵，Ccf,Ccr分别为车辆前轮、后轮侧偏刚度，m为车辆的质量，分别为车辆纵向和横向速度，lf,lr分别为车辆前轴和后轴轴距，Iz为车辆转动惯量，为车辆横摆角，为车辆横摆角速度。4.如权利要求3所述的多车辆横纵向耦合协同控制方法，其特征在于，所述车辆单轨三自由度模型为：式中，分别为车辆纵向和横向加速度，为车辆横摆角加速度，δf,δr分别为车辆前轮、后轮转角，Clf,Clr分别为车辆前轮、后轮纵向力与滑移率比例系数，sf,sr分比为车辆前轮、后轮滑移率，分别为车辆在队列中的纵向、横向速度。5.如权利要求4所述的多车辆横纵向耦合协同控制方法，其特征在于，所述车辆前轮、后轮滑...

【专利技术属性】
技术研发人员：刘阳，宗长富，赵伟强，郑宏宇，张东，张冰，韩小健，王尹琛，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22