一种用于预测自动驾驶车辆稳定性状态的方法及系统技术方案

本发明专利技术公开了一种用于预测自动驾驶车辆稳定性状态的方法以及系统，通过实时采集目标路径信息、当前车辆信息以及环境信息，预估车辆按既定轨迹行驶时，在预测时域内的车辆的质心侧偏角及横摆角速度，并建立预测时域内车辆的失稳边界，从而判断出在预测时域内所述车辆是否存在失稳风险。实施本发明专利技术，可以提前预测时域(如0.2s～0.5s)实现预测车辆稳定性状态，从而避免车辆进入失稳(侧滑)区域，有助于车辆稳定性控制及时采取减速或横摆控制等相关措施，保证自动驾驶车辆稳定性，并改善乘坐舒适性。

【技术实现步骤摘要】
一种用于预测自动驾驶车辆稳定性状态的方法及系统
本专利技术涉及车辆控制
，特别是涉及一种用于预测自动驾驶车辆稳定性状态的方法及系统。
技术介绍
在车辆的操控中，弯道的性能非常重要，它与车辆的操纵性，舒适性及安全性紧密相关。而目前乘用车搭载的车身电子稳定系统(ESC)仅仅在车辆临界失稳或者已经失稳的情况下起作用，在大多数转弯工况无法改善车辆的性能。在现有技术中，国内外对车辆稳定性分析展开了大量的研究，主要用到的方法有：侧向加速度方法、横摆角速度-侧向速度相平面法、质心侧偏角-质心侧偏角速度相平面法、横摆角速度-质心侧偏角相平面法，常用的方法为横摆角速度-质心侧偏角相平面法。车辆稳定性控制一般根据当前车辆行驶状态，估计车辆当前时刻的失稳风险，采取车速控制、转角控制和主动横摆控制等措施。但是在现有技术中，均不能提前预测车辆的行驶状态以及时采取减速或横摆控制等措施，难以避免车辆进入失稳区域，从而造成车辆乘员的不适，甚至面临无法回稳的风险。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种预测自动驾驶车辆稳定性状态的系统，其可以提前预测车辆稳定性状态，避免车辆进入失稳(侧滑)区域，有助于车辆稳定性控制及时采取减速或横摆控制等相关措施，保证自动驾驶车辆稳定性，并改善乘坐舒适性其容易实现。本专利技术的一方面，提供一种用于预测自动驾驶车辆稳定性状态的方法，其包括如下步骤：步骤S10，实时采集目标路径信息、当前车辆信息以及环境信息，所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括：车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β，所述环境信息包括路面附着系数u；步骤S11，设置预测时域T，所述时域T包括多个控制周期t，根据车辆轴距l、目标路径曲率ρ和曲率变化率计算获得每一个控制周期t对应的前轮转角，从而得到预测时域T内预估的第一前轮转角序列步骤S12，根据已存储的历史前轮转角数据进行二次多项式拟合，形成拟合曲线，根据所述拟合曲线推算出预测时域T内的第二前轮转角序列步骤S13，采用预先标定的权重系数对所述第一前轮转角序列以及第二前轮转角序列进行加权处理，获得修正后的前轮转角序列步骤S14，根据所述修正后的前轮转角序列，采用模型预测方法，基于车辆二自由度线性模型预估，获得预测时域T内的车辆横摆角速度序列和质心侧偏角序列步骤S15，计算当前车速v与路面附着系数u下，对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax，从而建立预测时域的失稳边界；步骤S16，将所述预测的时域T内的车辆横摆角速度序列与质心侧偏角序列与所述失稳边界中的横摆角速度的最大值γmax与质心侧偏角的最大值βmax进行比较，判断预测时域T内的车辆失稳风险。其中，所述步骤S11中通过如下公式计算获得每一个控制周期t对应的前轮转角：其中，δt为当前时刻的前轮转角，为当前控制周期预估的前轮转角变化率，为下一控制周期预估的前轮转角，ρ为目标路径曲率，为曲率变化率。其中，所述步骤S14具体包括：步骤S140，通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角：其中，γ为车辆的横摆角速度，β为车辆的质心侧偏角，cr为车辆后轴的侧偏刚度，cf为车辆前轴的侧偏刚度，lr为车辆中心到后轴的距离，lf为车辆中心到前轴的距离，Jz为车辆绕Z轴的转动惯量，m为车辆质量，v为车速，m按空载计算；其中，根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf，根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算；步骤S141，对预测值进行修正：设过程噪音的方差分别为Q和R，根据前一预测时域T内预估值和真实值，计算前一预测时域T的预测方差：对该预测时域的预测值进行修正：从而得到预测时域T内预估的车辆横摆角速度和质心侧偏角序列其中，所述步骤S15具体包括：通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的横摆角速度的最大值γmax：γmax＝aug/v；其中，a为标定量，u为附着系数，v为车速，g为重力加速度；通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的质心侧偏角的最大值βmax：其中，b,c,d均为标定量，u为附着系数，v为车速；根据所述各横摆角速度的最大值γmax和质心侧偏角的最大值βmax建立失稳边界。其中，所述步骤S16具体包括：将预测时域中每一控制周期t预估的车辆横摆角速度的绝对值和质心侧偏角的绝对值分别与失稳边界中对应的横摆角速度的最大值γmax和质心侧偏角的最大值βmax进行比较；如果比较结果为且则判断结果为预测时域T内车辆没有失稳风险；否则判断结果为预测时域T内车辆存在失稳风险。其中，所述预测时域T为0.2s～0.5s，所述每一控制周期t为0.02s～0.05s。相应地，本专利技术实施例的另一方面，还提供一种用于预测自动驾驶车辆稳定性状态的系统，其包括：信息采集单元，用于实时采集目标路径信息、当前车辆信息以及环境信息，所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括：车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β，所述环境信息包括路面附着系数u；第一前轮转角序列获得单元，用于根据车辆轴距l、目标路径曲率ρ和曲率变化率计算获得每一个控制周期t对应的前轮转角，从而得到预测时域T内预估的第一前轮转角序列所述预测时域T中包括多个控制周期t；第二前轮转角序列获得单元，用于根据已存储的历史前轮转角数据进行二次多项式拟合，形成拟合曲线，根据所述拟合曲线推算出预测时域T内的第二前轮转角序列加权处理单元，用于采用预先标定的权重系数对所述第一前轮转角序列以及第二前轮转角序列进行加权处理，获得修正后的前轮转角序列车辆横摆角速度及质心侧偏角预测单元，用于根据所述修正后的前轮转角序列，采用模型预测方法，基于车辆二自由度线性模型预估，获得预测时域T内的车辆横摆角速度序列和质心侧偏角序列失稳边界建立单元，用于计算当前车速v与路面附着系数u下，对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax，从而建立所述预测时域的失稳边界；车辆稳定性判断单元，用于将所述预测的时域T内的车辆横摆角速度序列与质心侧偏角序列与所述横摆角速度的最大值γmax与质心侧偏角的最大值βmax进行比较，判断预测时域T内的车辆失稳风险。其中，所述第一前轮转角序列获得单元通过如下公式计算获得每一个控制周期t对应的前轮转角：其中，δt为当前时刻的前轮转角，为当前控制本文档来自技高网...

【技术保护点】
1.一种用于预测自动驾驶车辆稳定性状态的方法，其特征在于，包括如下步骤：/n步骤S10，实时采集目标路径信息、当前车辆信息以及环境信息，所述目标路信息包括目标路径曲率ρ及曲率变化率

【技术特征摘要】
1.一种用于预测自动驾驶车辆稳定性状态的方法，其特征在于，包括如下步骤：
步骤S10，实时采集目标路径信息、当前车辆信息以及环境信息，所述目标路信息包括目标路径曲率ρ及曲率变化率所述车辆信息包括：车速v、横摆角速度γ、方向盘转角δw、车辆纵向加速度ax、车辆轴距l以及车辆质心侧偏角β，所述环境信息包括路面附着系数u；
步骤S11，根据车辆轴距l、目标路径曲率ρ和曲率变化率计算获得每一个控制周期t对应的前轮转角，从而得到预测时域T内预估的第一前轮转角序列其中所述预测时域T包括有多个控制周期t；
步骤S12，根据已存储的历史前轮转角数据进行二次多项式拟合，形成拟合曲线，根据所述拟合曲线推算出预测时域T内的第二前轮转角序列
步骤S13，采用预先标定的权重系数对所述第一前轮转角序列以及第二前轮转角序列进行加权处理，获得修正后的前轮转角序列
步骤S14，根据所述修正后的前轮转角序列，采用模型预测方法，基于车辆二自由度线性模型预估，获得预测时域T内的车辆横摆角速度序列和质心侧偏角序列
步骤S15，计算当前车速v与路面附着系数u下，对应于每一控制周期t内的车辆接近侧滑时的横摆角速度的最大值γmax与质心侧偏角的最大值βmax，从而建立所述预测时域的失稳边界；
步骤S16，将所述预测的时域T内的车辆横摆角速度序列与质心侧偏角序列与所述失稳边界内的横摆角速度的最大值γmax与质心侧偏角的最大值βmax进行比较，判断预测时域T内的车辆是否存在失稳风险。


2.如权利要求1所述的一种用于预测自动驾驶车辆稳定性状态的方法，其特征在于，所述步骤S11中通过如下公式计算获得每一个控制周期t对应的前轮转角：









其中，δt为当前时刻的前轮转角，为当前控制周期预估的前轮转角变化率，为下一控制周期预估的前轮转角，ρ为目标路径曲率，为曲率变化率。


3.如权利要求2所述的一种用于预测自动驾驶车辆稳定性状态的方法，其特征在于，所述步骤S14具体包括：
步骤S140，通过下述公式计算预测时域内的车辆横摆角速度及质心侧偏角：



其中，γ为车辆的横摆角速度，β为车辆的质心侧偏角，cr为车辆后轴的侧偏刚度，cf为车辆前轴的侧偏刚度，lr为车辆中心到后轴的距离，lf为车辆中心到前轴的距离，Jz为车辆绕Z轴的转动惯量，m为车辆质量，v为车速，m按空载计算；
其中，根据实验标定不同纵向加速度ax下的前后轴侧偏刚度值cr和cf，根据传感器得到的车辆纵向加速度ax选用不同的前后轴侧偏刚度值代入上述方程进行计算；
步骤S141，根据前一预测时域T的预测方差对当前时域T内的预测值进行修正：
设过程噪音的方差分别为Q和R，根据前一预测时域T内预估值和真实值，计算前一预测时域T的预测方差：









对该预测时域的预测值进行修正：






从而得到预测时域T内预估的车辆横摆角速度和质心侧偏角序列


4.如权利要求3所述的一种用于预测自动驾驶车辆稳定性状态的方法，其特征在于，所述步骤S15具体包括：
通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的横摆角速度的最大值γmax：
γmax＝aug/v；
其中，a为标定量，u为附着系数，v为车速，g为重力加速度；
通过下式计算预测时域内各个控制周期对应的车辆接近侧滑时的质心侧偏角的最大值βmax：



其中，b,c,d均为标定量，u为附着系数，v为车速；
根据所述各横摆角速度的最大值γmax和质心侧偏角的最大值βmax建立预测时域的失稳边界。


5.如权利要求4所述的一种用于预测自动驾驶车辆稳定性状态的方法，其特征在于，所述步骤S16具体包括：
将预测时域中每一控制周期t预估的车辆横摆角速度的绝对值和质心侧偏角的绝对值分别与失稳边界中对应的横摆角速度的最大值γmax和质心侧偏角的最大值βmax进行比较；
如果比较结果为且则判断结果为预测时域T内车辆没有失稳风险；否则判断结果为预测时域T内车辆存在失稳风险。


6.如权利要求1至5任一项所述的一种用于预测自动驾驶车辆稳定性状态的方法，其特征在于，所述预测时域T为0.2s～0.5s，所述每一控制周期t为0.02s～0.05s。


7.一种用于预测自动驾驶车辆稳定性状态的系统，其特征在于，包括：
信息采集单元，用于实时采集目标路径信息、当前车辆信息...

【专利技术属性】
技术研发人员：郑志晓，钟国旗，蔡璐珑，王博，李秦，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：广东;44