构建无人驾驶车辆运动特性模型的方法和装置制造方法及图纸

本说明书提供一种构建无人驾驶车辆运动特性模型的方法和装置，包括：获取无人驾驶车辆在控制参量变化的情况下，各个采样时刻的实际状态、实际位置和实际航向；控制参量包括转向角和输出扭矩；采用各个采样时刻的实际状态和转向角，计算获得二自由度单轨动力学模型；采用二自由度单轨动力学模型，获得下一采样时刻对应的计算位置和计算航向；获得对应于一采样时刻的位置偏差和航向偏差；根据各个采样时刻的至少一个控制参量和/或实际状态中的至少一个数据，以及对应的位置偏差和航向偏差构建误差补偿模型；组合二自由度单轨动力学模型和误差补偿模型，构建得到无人驾驶车辆的运动特性模型。前述方法具有计算精度较高，能够满足实时性的要求。

The method and device of constructing the motion characteristic model of driverless vehicle

【技术实现步骤摘要】
构建无人驾驶车辆运动特性模型的方法和装置
本专利技术涉及自动驾驶
，具体涉及一种构建无人驾驶车辆运动特性模型的方法和装置；此外，本专利技术还涉及基于前述运动特性模型确定无人驾驶车辆的控制参量的方法和装置。
技术介绍
车辆自动驾驶控制技术中，车辆运动特性的准确建模是实现车辆行驶状态精确控制的关键。由于处在行驶状态的无人驾驶车辆为一高度复杂的非线性系统，从理论角度考虑，为了准确模拟车辆运动状态，需要构架复杂的车辆运动特性模型。但是采用过于复杂的运动特性模型时，对无人车辆行驶时的预测控制优化求解极为困难，无法满足车辆实时性控制的需求。综合以上考虑，目前在车辆运动特性建模时，对无人驾驶车辆系统进行合理地简化，建立诸如单轨动力学模型等简化模型；如前所述，此类简化的模型虽然可以满足实时计算和控制的需求，但在会降低控制精度。另外，车辆生产商多基于原厂配置的车辆特性设置单轨动力学模型等简化模型的参数，此类参数并不能准确表征车辆实际应用中的配置特性。具体的，单轨动力学模型的转动惯量、质心位置、轮胎刚度和一些环境参数很难符合实际使用车辆中相应本文档来自技高网...

【技术保护点】
1.一种构建无人驾驶车辆运动特性模型的方法，其特征在于，包括：/n获取无人驾驶车辆在至少一个控制参量变化的情况下，各个采样时刻的实际状态、实际位置和实际航向；所述控制参量包括转向角和输出扭矩，所述实际状态包括纵向速度、横向速度、横向加速度、横摆角速度和横摆角加速度；/n采用各个所述采样时刻的实际状态和转向角，计算二自由度单轨动力学模型的参数，获得二自由度单轨动力学模型；/n采用所述二自由度单轨动力学模型，以及一采样时刻的输出扭矩、实际状态、实际位置和实际航向，获得下一采样时刻对应的计算位置和计算航向；/n根据所述下一采样时刻的实际位置和计算位置获得对应于所述一采样时刻的位置偏差，以及根据所述下...

【技术特征摘要】
1.一种构建无人驾驶车辆运动特性模型的方法，其特征在于，包括：
获取无人驾驶车辆在至少一个控制参量变化的情况下，各个采样时刻的实际状态、实际位置和实际航向；所述控制参量包括转向角和输出扭矩，所述实际状态包括纵向速度、横向速度、横向加速度、横摆角速度和横摆角加速度；
采用各个所述采样时刻的实际状态和转向角，计算二自由度单轨动力学模型的参数，获得二自由度单轨动力学模型；
采用所述二自由度单轨动力学模型，以及一采样时刻的输出扭矩、实际状态、实际位置和实际航向，获得下一采样时刻对应的计算位置和计算航向；
根据所述下一采样时刻的实际位置和计算位置获得对应于所述一采样时刻的位置偏差，以及根据所述下一采样时刻的实际航向和计算航向获得对应于所述一采样时刻的航向偏差；
根据各个采样时刻的至少一个控制参量和/或实际状态中的至少一个数据，以及对应的位置偏差和航向偏差构建误差补偿模型；
组合所述二自由度单轨动力学模型和所述误差补偿模型，构建得到无人驾驶车辆的运动特性模型。


2.根据权利要求1所述的方法，其特征在于，采用所述二自由度单轨动力学模型，以及一采样时刻的输出扭矩、实际状态、实际位置和实际航向，获得下一采样时刻对应的计算位置和计算航向，包括：
采用所述一采样时刻的转向角，实际状态中的横向速度、纵向速度和横摆角速度，以及所述二自由度单轨动力学模型，获得计算横向加速度和计算横摆角加速度；
采用所述一采样时刻的纵向速度、输出扭矩、横向速度、计算横向加速度和采样时刻的间隔，获得计算位置变化数据；
根据所述一采样时刻的实际位置、实际航向和所述计算位置变化数据，获得所述下一采样时刻对应的计算位置；以及，
采用所述一采样时刻的横摆角速度、计算横摆角加速度和采样时刻间隔，获得计算角度变化数据；
根据所述一采样时刻的实际航向和所述计算角度变化数据，获得所述计算航向。


3.根据权利要求1所述的方法，其特征在于，根据各个采样时刻的至少一个控制参量和/或实际状态中的至少一个数据，以及对应的位置偏差和航向偏差构建误差补偿模型，包括：
采用K聚类算法、高斯混合模型算法或者高斯过程回归分析方法，根据各个采样时刻的至少一个控制参量和/或实际状态中的至少一个数据，以及对应的位置偏差和航向偏差构建误差补偿模型。


4.根据权利要求1所述的方法，其特征在于，获取无人驾驶车辆在至少一个控制参量变化的情况下，各个采样时刻的实际状态、实际位置和实际航向，包括：
计算在各个转向角情况下，不发生侧翻的最大纵向安全速度；
使得车辆在转向角不变，并且车速低于最大纵向安全速度的情况下行驶，获得各个采样时刻的实际状态、实际位置和实际航向；和/或，
计算在各个行驶速度下对应的最大安全转向角；
使得车辆在速度不变，并且转向角在对应的最大安全转向角范围内变化的情况下行驶，获得各个采样时刻的实际状态、实际位置和实际航向；和/或，
在转向角和车速配合而不使得车辆发生侧翻的情况下，同时改变所述转向角和所述车速，获得各个采样时刻的实际状态、实际位置和实际航向。


5.一种确定无人驾驶车辆的控制参量的方法，其特征在于，包括：
获取无人驾驶车辆当前位置、当前航向和当前状态；所述当前状态包括纵向速度、横向速度和横摆角速度；
根据所述当前位置选择参考点，构建参考点序列；所述参考点序列中的各个参考点均包括期望位置和期望航向；
在满足约束条件的前提下，初始化并调整到达各个参考点对应的控制参量，根据当前位置、当前航向和当前状态，采用如权利要求1-4任一项所述方法确定的运动特性模型，依次获得各个参考点对应的计算位置和计算航向，以及获得各个参考点对应计算状态，直至代价...

【专利技术属性】
技术研发人员：赵耀港，熊光明，王博洋，龚建伟，李江南，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11