一种自动驾驶车辆的动力学预测控制系统和方法技术方案

本申请公开一种半挂式卡车的动力学预测控制方法和系统。该方法包括：接收半挂式卡车的一条期待轨迹和当前车辆状态；期待轨迹中包括多个道路点的位置和方向以及车辆的速度曲线；对预先建立的半挂式卡车的非线性动力学模型根据期待轨迹和当前车辆状态进行线性化，得到非时变线性的横向动力学模型和纵向运动学模型；将期待轨迹和当前车辆状态作为输入提供给横向动力学模型和纵向运动学模型、进行模型预测控制，得到横向预控制量和纵向预控制量；根据车辆当前状态和横向预控制量，对半挂式卡车的方向盘控制机构进行控制；根据车辆当前状态和纵向预控制量，对半挂式卡车的油门控制机构和/或刹车控制机构进行控制。

A dynamic predictive control system and method for autonomous vehicles

【技术实现步骤摘要】
一种自动驾驶车辆的动力学预测控制系统和方法
本专利技术一般性地涉及自动驾驶的系统和方法，特别涉及改进的自动驾驶预测控制。
技术介绍
在自动驾驶系统中，准确的理解和预测周围的驾驶环境和交通参与者，对于自动驾驶车辆或自主车辆做出准确且安全的决策而言是非常重要的。此外，自动驾驶系统必须准确的测量所驱动的车辆(也称为本车)的当前状态，例如，车辆在当前车道内的速度、加速度、道路条件、位置，等等。准确地预测得到响应于例如转向、加速、和/或刹车命令的控制命令的车辆状态变化，也可以是一种用于自动驾驶车辆控制的参数。某些车辆，例如半挂式卡车具有一个牵引车和一个挂车，挂车通过一个枢轴点连接到牵引车，该枢轴点提供了额外的自由度，使得半挂式卡车具有更为复杂的状态，从而导致预测车辆未来的状态的复杂性。
技术实现思路
本申请一方面通过了一种半挂式卡车的动力学预测控制方法，包括：半挂式卡车中的操作子系统系统接收半挂式卡车的一条期待轨迹和当前车辆状态；期待轨迹中包括多个道路点的位置和方向以及车辆的速度曲线，当前车辆状态中包括卡车的当前位置、当前方向；对预先建立的半挂式卡车的非线性动力学模型根据期待轨迹和当前车辆状态进行线性化，得到非时变线性的横向动力学模型和纵向运动学模型；将期待轨迹和当前车辆状态作为输入提供给横向动力学模型和纵向运动学模型、进行模型预测控制，得到横向预控制量和纵向预控制量；根据车辆当前状态和横向预控制量，对半挂式卡车的方向盘控制机构进行控制；根据车辆当前状态和纵向预控制量，对半挂式卡车的油门控制机构和/或刹车控制机构进行控制。本申请另有一方面提供了一种半挂式卡车的动力学预测控制系统，其特征在于，包括：一个处理器和一个存储器，该存储器中存储有至少一条机器可执行指令，至少一条机器可执行指令被处理器执行后实现如上所述的半挂式卡车的动力学预测控制方法。本申请另一方面提供了一种半挂式卡车，其特征在于，包括如上所述的半挂式卡车的动力学预测控制系统、方向盘控制机构、以及油门控制机构和刹车控制机构；动力学预测控制系统用于接收半挂式卡车的一条期待轨迹和当前车辆状态；期待轨迹中包括多个道路点的位置和方向以及车辆的速度曲线，当前车辆状态中包括卡车的当前位置、当前方向；对预先建立的半挂式卡车的非线性动力学模型根据期待轨迹和当前车辆状态进行线性化，得到非时变线性的横向动力学模型和纵向运动学模型；将期待轨迹和当前车辆状态作为输入提供给横向动力学模型和纵向运动学模型、进行模型预测控制，得到横向预控制量和纵向预控制量；根据车辆当前状态和横向预控制量，对半挂式卡车的方向盘控制机构进行控制；根据车辆当前状态和纵向预控制量，对半挂式卡车的油门控制机构和/或刹车控制机构进行控制；方向盘控制机构用于根据来自运动预测控制系统的控制，对方向盘进行相应控制；油门控制机构用于根据来自运动预测控制系统的控制，对油门开度进行相应控制；刹车控制机构用于根据来自运动预测控制系统的控制，对刹车机构进行相应控制。附图说明图1示出了本公开一些方面提供的一个示例系统的结构框图，该系统中包括一个车载控制系统和一个图像处理模块；图2示出了本公开一些方面提供的一个半挂式卡车的简图，该半挂式卡车具有一个车辆操作子系统，该子系统用于生成车辆运动的动力学模型以及车辆的期待轨迹；图3示出了本公开一些方面提供的用于自动控制半挂式卡车的车辆操作子系统的示例框图；图4示出了本公开一些方面提供的使用图3所示车辆操作子系统进行自动控制的方法的流程图；图5示出了本公开一些方面提供的车辆操作子系统中的自适应控制器的示例结构框图。具体实施方式车载控制系统介绍在以下的描述中，为了便于解释，列出了大量的具体细节，以便对各种实施例进行全面的理解。然而，对于本领域普通技术人员来说，显而易见的是可以在没有这些具体细节的情况下实践各种实施例。本申请的多个示例实施例中公开了一种对自动驾驶车辆的动态预测控制系统和方法。本公开的一个示例实施例可以用于一个车辆生态系统101中的车载控制系统150的环境中。在一个示例实施例中，车载控制系统150配置有图像处理模块200、且常驻在车辆105中，该系统150可以被配置为如图1所示的架构和生态系统101。但是，对于本领域普通技术人员而言显而易见的是，本申请所公开的和请求保护的图像处理模块200也可以被实施、配置、和使用在多个其它的应用中。参考图1，其中示出了一个示例生态系统101的框图，在一个示例性实施例中，在生态系统101中可以实施一个车载控制系统150和一个图像处理模块200。以下将详细描述这些构件。生态系统101包括多个系统和构件，这些系统和构件能够生成和/或传递一个或多个信息源/数据源以及相关的服务给安装在车辆105中的车载控制系统150和图像处理模块200。例如，一个摄像头安装在车辆105的外部或内部，该摄像头作为车辆子系统140的一个装置、能够生成图像以及定时数据、并发送给车载控制系统150。车载控制系统150以及执行在系统150中的图像处理模块200能够接收输入的该图像以及定时数据。如下详述，图像处理模块200能够处理输入的图像和提取物体特征，提取的物体特征能够为自动驾驶车辆控制子系统所用，并且图像处理模块200可以作为车辆子系统140中的一个子系统。自动驾驶车辆控制子系统可以使用实时提取的物体特征，来安全有效地导航车辆105和控制车辆105在真实世界中行驶过驾驶环境并避开障碍物。在本申请提供的一个示例性实施例中，车载控制系统150能够与多个车辆子系统140进行数据通信，所有这些车辆子系统140常驻在车辆105中。一个车辆子系统接口141被用于方便车载控制系统150和多个车辆子系统140之间的数据通信。车载控制系统150包括一个数据处理器171以执行图像处理模块200，用以处理从一个或多个车辆子系统140接收到的图像数据。该数据处理器171能够与一个数据存储装置172合并设置，并作为车载控制系统150中的计算系统170的一部分。数据存储装置172能够被用于存储数据、处理参数、以及数据处理指令。处理模块接口165被用于方便数据处理器171和图像处理模块200之间的数据通信。在多个示例性实施例中，多个处理模块被配置为与图像处理模块200相类似的配置，并被数据处理器171执行。如图1中的虚线所示，图像处理模块200能被集成到车载控制系统150中，或者可选地被下载到车载控制系统150中，或者与车载控制系统150分离部署。虽然在图1中没有显示出车载控制系统150和/或车辆子系统140可以包括一个车辆操作子系统300(如图2和3所示)，用于生成自动驾驶车辆运动的动力学模型。子系统300的详细情况将在下文进行说明。车载控制系统150能够用于与广域网120进行数据的接收/发送，以及与和广域网相连接的网络资源122进行数据的接收/发送。车内可联网装置130和/或用户移动装置132能够用于通过网络120进行通信。车载控制本文档来自技高网...

【技术保护点】
1.一种半挂式卡车的动力学预测控制方法，其特征在于，包括：/n半挂式卡车中的操作子系统系统接收半挂式卡车的一条期待轨迹和当前车辆状态；期待轨迹中包括多个道路点的位置和方向以及车辆的速度曲线，当前车辆状态中包括卡车的当前位置、当前方向；/n对预先建立的半挂式卡车的非线性动力学模型根据期待轨迹和当前车辆状态进行线性化，得到非时变线性的横向动力学模型和纵向运动学模型；/n将期待轨迹和当前车辆状态作为输入提供给横向动力学模型和纵向运动学模型、进行模型预测控制，得到横向预控制量和纵向预控制量；/n根据车辆当前状态和横向预控制量，对半挂式卡车的方向盘控制机构进行控制；根据车辆当前状态和纵向预控制量，对半挂式卡车的油门控制机构和/或刹车控制机构进行控制。/n

【技术特征摘要】
20181105 US 16/181,1101.一种半挂式卡车的动力学预测控制方法，其特征在于，包括：
半挂式卡车中的操作子系统系统接收半挂式卡车的一条期待轨迹和当前车辆状态；期待轨迹中包括多个道路点的位置和方向以及车辆的速度曲线，当前车辆状态中包括卡车的当前位置、当前方向；
对预先建立的半挂式卡车的非线性动力学模型根据期待轨迹和当前车辆状态进行线性化，得到非时变线性的横向动力学模型和纵向运动学模型；
将期待轨迹和当前车辆状态作为输入提供给横向动力学模型和纵向运动学模型、进行模型预测控制，得到横向预控制量和纵向预控制量；
根据车辆当前状态和横向预控制量，对半挂式卡车的方向盘控制机构进行控制；根据车辆当前状态和纵向预控制量，对半挂式卡车的油门控制机构和/或刹车控制机构进行控制。


2.根据权利要求1所述的方法，其特征在于，对预先建立的半挂式卡车的非线性动力学模型根据期待轨迹和当前车辆状态进行线性化，得到非时变线性的横向动力学模型和纵向运动学模型，包括：
根据期待轨迹推导出非线性动力学模型的非线性差分模型；其中，非线性差分模型的状态包括位置误差和方向误差；
在当前位置误差处于预定的位置误差幅值内和/或方向误差处于预定的方向误差幅值内的情况下，将非线性差分模型简化为非时变线性的横向动力学模型和纵向运动学模型。


3.根据权利要求2所述的方法，其特征在于，根据期待轨迹推导出非线性动力学模型的非线性差分模型，包括：
根据期待轨迹和当前车辆状态，对非线性动力学模型进行差分，推导出非线性差分模型；其中，位置误差为卡车当前的位置与期待轨迹中当前道路点的位置之间的误差，方向误差为卡车当前方向与期待轨迹中当前道路点的方向之间的误差。


4.根据权利要求2所述的方法，其特征在于，将非线性差分模型简化为非时变线性的横向动力学模型和纵向运动学模型，包括：
基于小角度近似，在非线性差分模型中去掉高阶项，得到非时变线性的横向动力学模型和纵向运动学模型。


5.根据权利要求1所述的方法，其特征在于，将期待轨迹和当前车辆状态作为输入提供给横向动力学模型和纵向运动学模型、进行模型预测控制，包括：
将期待轨迹和当前车辆状态作为输入提供给横向动力学模型和纵向运动学模型，通过二次规划方法确定得到横向预控制量和纵向预控制量；
其中，二次规划的目标是：减少车辆预测状态包括的预测位置和预测方向与期待路径包括的道路点的位置和方向之间的误差、且保持横向预控制量的幅值和变化率以及纵向预控制量的幅值和变化率最小，二次规划的求解对象：横向预控制量和纵向预控制量，二次规划的约束是：横向动力学模型和纵向动力学模型。


6.根据权利要求5所述的方法，其特征在于，通过二次规划方法确定得到横向预控制量和纵向预控制量，包括：
通过二次规划得到未来多个时间点上每个时间点的横向预控制量集合和纵向预控制量集合，选择最近时间点上的横向预控制量集合和纵向预控制量集合，其中，横向预控制量集合包括多个横向预控制量，纵向预控制量集合中包括多个预控制量集合；
根据优化目标在横向预控制量集合中确定一个横向预控制量、在纵向预控制量集合中确定一个纵向预控制量；其中，优化目标是代价函数的值最小，该代价函数的值包括第一项和第二项的加权和值，...

【专利技术属性】
技术研发人员：亚伦·黑文斯，陈珺，吴玉岬，孙皓茗，宣梓杰，阿尔达·库尔特，
申请(专利权)人：图森有限公司，
类型：发明
国别省市：美国;US