一种无人车控制方法及装置制造方法及图纸

本说明书公开了一种无人车控制方法及装置，基于历史时刻的控制量，确定上一时刻的状态估计值，以根据状态估计值以及上一时刻控制量，确定动力学模型输出的当前时刻预测状态，再根据历史时刻的控制量和真实状态，预测上一时刻预测状态，根据该历史时刻无人车的真实状态与上一时刻预测状态，确定动力学模型的预测误差，最后根据误差校正后的当前时刻预测状态和参考轨迹，确定沿参考轨迹像是所需各时刻的控制量，并从其中确定当前时刻的控制量，控制无人车行驶。充分考虑到了系统时滞带来的影响，以及运动模型在时滞情况下预测误差导致的精度问题，确定出更准确的控制量，控制无人车行驶，提高了无人车控制的准确度，提高无人车行驶的安全性。

A control method and device for unmanned vehicle

【技术实现步骤摘要】
一种无人车控制方法及装置
本申请涉及计无人驾驶领域，尤其涉及一种无人车控制方法以及装置。
技术介绍
目前，无人车控制方法中，为了简化对无人车控制的复杂程度，通常将对无人车的控制分为对无人车的横向控制以及对无人车的纵向控制，并通过两种控制实现无人车沿规划轨迹行驶。例如，对无人车转向角度的控制为横向控制，而与无人车速度的控制为纵向控制。现有技术中，一般采用模型预测控制（ModelPredictiveControl）方法，确定如何控制无人车行驶。MPC通过在预测时间段内，求取每个时刻的无车人最优控制解，然后重复优化过程，从而实现无车人整个预测时间段控制量的优化求解。并且，由于控制无人车的过程中，无人车的状态并不会完全与想达到的状态一致，因此在控制过程中要不断根据无车人状态对未来的控制量作出调整。在采用MPC对于无车人控制时，需要根据当前无人车的状态以及无人车预定行驶的规划轨迹，求出一组控制量序列，并取时序上最早的控制量作为控制器的输出传给执行器。但是，在实际应用MPC的过程中，无人车的处理器计算控制量需要消耗时间，处理本文档来自技高网...

【技术保护点】
1.一种无人车控制方法，其特征在于，包括：/n确定各历史时刻的控制量；/n将确定出的至少部分历史时刻的控制量作为输入，依次输入预先训练的预测神经网络模型，得到上一时刻所述无人车的状态估计值；/n将所述上一历史时刻的控制量以及所述状态估计值作为输入，输入预先训练的动力学模型，预测得到当前时刻所述无人车的预测状态；/n根据所述历史时刻中指定的历史时刻的控制量以及所述指定的历史时刻的真实状态作为输入，输入所述动力学模型，将得到的预测结果作为上一时刻的预测状态，并根据上一时刻所述无人车的真实状态与所述上一时刻的预测状态，确定所述动力学模型的预测误差；/n根据当前时刻所述无人车的预测状态以及所述预测误差...

【技术特征摘要】
1.一种无人车控制方法，其特征在于，包括：
确定各历史时刻的控制量；
将确定出的至少部分历史时刻的控制量作为输入，依次输入预先训练的预测神经网络模型，得到上一时刻所述无人车的状态估计值；
将所述上一历史时刻的控制量以及所述状态估计值作为输入，输入预先训练的动力学模型，预测得到当前时刻所述无人车的预测状态；
根据所述历史时刻中指定的历史时刻的控制量以及所述指定的历史时刻的真实状态作为输入，输入所述动力学模型，将得到的预测结果作为上一时刻的预测状态，并根据上一时刻所述无人车的真实状态与所述上一时刻的预测状态，确定所述动力学模型的预测误差；
根据当前时刻所述无人车的预测状态以及所述预测误差，确定所述无人车当前时刻的状态校正值；
根据预先规划得到的待预测时段内无人车的参考轨迹以及所述状态校正值，确定当前时刻所述无人车的控制量，并根据所述控制量控制所述无人车行驶。


2.如权利要求1所述的方法，其特征在于，确定各历史时刻的控制量，具体包括：
根据监测器监测到的所述无人车的执行器执行的动作，以及各历史时刻向所述执行器发送的控制量，确定与当前所述执行的动作匹配的控制量；
根据所述匹配的控制量，确定当前时刻所述无人车的时滞时长；
确定当前时刻之前所述时滞时长内各历史时刻的控制量。


3.如权利要求2所述的方法，其特征在于，根据监测器监测到的所述无人车的执行器执行的动作，以及各历史时刻向所述执行器发送的控制量，确定与当前所述执行的动作匹配的控制量之前，所述方法还包括：
根据预设的更新频率，判断当前时刻是否需要更新时滞时长；
若是，则获取监测器监测到的所述无人车的执行器执行的动作；
若否，则根据上一时刻采用的时滞时长，确定当前时刻之前各历史时刻的控制量。


4.如权利要求1所述的方法，其特征在于，将确定出的各控制量作为输入，输入预先训练的预测神经网络模型，得到上一时刻所述无人车的状态估计值，具体包括：
按照时间顺序，将确定出的各历史时刻中上一时刻之前的各历史时刻的控制量，依次输入所述预测神经网络模型，得到上一时刻所述无人车的状态估计值。


5.如权利要求1所述的方法，其特征在于，根据所述历史时刻中指定的历史时刻的控制量以及所述指定的历史时刻的真实状态作为输入，输入所述动力学模型，将得到的预测结果作为上一时刻的预测状态，并根据上一时刻所述无人车的真实状态与所述上一时刻的预测状态，确定所述动力学模型的预测误差之前，所述方法还包括：
根据监测器监测到的所述无人车的执行器执行的动作，以及各历史时刻向所述执行器发送的控制量，确定与当前所述执行的动作匹配的控制量；
根据所述匹配的控制量，确定当前时刻所述无人车的时滞时长；
确定所述时滞时长之前最近的最近一个历史时刻的控制量，作为所述各历史时刻之前最近一个历史时刻的控制量，确定所述时滞时长之前最近的最近一个历史时刻的所述无人车的真实状态，作为所述各历史时刻之前最近一个历史时刻的真实状态。


6.如权利要求5所述的...

【专利技术属性】
技术研发人员：王志超，颜诗涛，张晓飞，许笑寒，赵博林，张杨宇，田润，陈鸿帅，任冬淳，樊明宇，夏华夏，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11