一种汽车轨迹跟踪控制方法技术

本发明专利技术公开了一种汽车轨迹跟踪控制方法，步骤如下：1）基于神经网络对驾驶员模型进行辨识：2）建立三自由度汽车模型；3）根据上述辨识的驾驶员模型和三自由度汽车模型设计横摆力矩控制器完成汽车轨迹跟踪。本发明专利技术通过驾驶员模型辨识，根据参考路径及汽车当前状态预测驾驶员转向行为，使得人‑车闭环系统在符合驾驶员驾驶习惯的前提下以定制的方式对参考路径进行跟踪，避免驾驶辅助系统的统一化控制驾驶员带来操纵干扰，利用针对性的驾驶辅助减轻驾驶员驾驶负担，提高驾驶员对理想轨迹的跟踪效果。

【技术实现步骤摘要】
一种汽车轨迹跟踪控制方法
本专利技术属于汽车辅助驾驶系统
，具体指代一种汽车轨迹跟踪控制方法。
技术介绍
驾驶员是汽车驾驶环节的决定性因素，随着各类驾驶辅助系统的开发，使系统能够与真实驾驶员合理兼容并被驾驶员广泛接受是驾驶辅助系统的关键性问题。不同驾驶员由于驾驶经验、驾驶习惯等因素的差别，会表现出不同的行为特性。只有根据驾驶员的行为特性，设计符合驾驶员驾驶习惯的驾驶辅助系统，才能在不干涉驾驶员正常操作的前提下，对驾驶员提供合理有效的帮助。在设计驾驶辅助系统时，应该针对不同的驾驶员提供其所需要的帮助。传统的驾驶辅助模式采用统一化的模式进行辅助，有时并不符合当前驾驶员的驾驶习惯，因此，针对不同的驾驶员，识别其操作特性，进而针对性的进行驾驶辅助，减轻驾驶员的工作负担，保持人-车系统的稳定性，提高闭环系统的整体性能，是一个值得研究的问题。在汽车的行驶过程中，驾驶员会根据车辆的状态作出相应的判断，反映到具体行为上，即为驾驶员对车辆的操纵。不同的驾驶员的驾驶行为具有差异性，针对同一驾驶状况反应各不相同，本专利技术在采集驾驶员日常数据的基础上，本文档来自技高网...

【技术保护点】
1.一种汽车轨迹跟踪控制方法，其特征在于，步骤如下：/n1)基于神经网络对驾驶员模型进行辨识：/n2)建立三自由度汽车模型；/n3)根据上述辨识的驾驶员模型和三自由度汽车模型设计横摆力矩控制器完成汽车轨迹跟踪。/n

【技术特征摘要】
1.一种汽车轨迹跟踪控制方法，其特征在于，步骤如下：
1)基于神经网络对驾驶员模型进行辨识：
2)建立三自由度汽车模型；
3)根据上述辨识的驾驶员模型和三自由度汽车模型设计横摆力矩控制器完成汽车轨迹跟踪。


2.根据权利要求1所述的汽车轨迹跟踪控制方法，其特征在于，所述步骤1)具体包括：
建立驾驶员模型为：



其中，θsw为驾驶员转向盘转角；是θsw的一阶导数；τp是驾驶员预瞄时间；Gh为转向比例增益；τd2为驾驶员反应延迟的时间常数；Yd为参考期望路径的侧向位移；是Yd的一阶导数；Y为当前时刻车辆质心处的侧向位移；vx为当前车速；φ为汽车航向角；
在转向过程中，假设车速为定值，对上式(1)作积分处理，则：



当t1＝0且侧向位移及方向盘转角的初始值为零时，上式(2)化简为：
θsw＝N1X1+N2X2+N3X3+N4X4+N5X5(3)
式中，Ni，Xi分别为线性神经网络的权值因子和单个神经元输入，i＝1,2,3,4,5，具体为：

N3＝Yd，
根据式(3)设计线性神经网络对驾驶员参数进行辨识；在线性神经网络模型中，其传递函数为线性函数，神经元的输出fos为：



设网络的期望输出为神经网络的实际输出为θsw＝XTN，X为神经元对应的输入向量，N为神经元对应的权值向量，X＝(X1,X2,X3,X4,X5)，N＝(N1,N2,N3,N4,N5)，Bos为网络的输出偏置；网络的输出均方差E定义为：



采用LMS学习算法基于负梯度下降的原则来减少网络的训练误差；选择负梯度下降作为神经网络的准则，求取误差函数对权值的偏导：



误差函数对权值的偏导表示此次迭代当前位置的梯度，权值向量的变化量ΔN即为梯度函数的负数：



式中，η为学习速率，其大小由输入向量决定；
权值向量的N的迭代表示为：



n为迭代次数；权值矩阵的初始值由电机参数标准值按照式(3)中各权值因子的定义确定；
同理，对于神经网络误差对网络偏置的偏导，表示为：



设定偏置的初始值为零，则偏置的迭代表示为：



通过在驾驶过程中采集的已知侧向位移，车速，航向角及转向盘转角数据的条件下，通过反复迭代，即可求得符合精度的最优权值向量N；根据向量的定义，得到需要辨识的驾驶员参数；通过辨识得到的驾驶员参数及对应的驾驶员模型，以及当前的参考路径、车速，航向角及转向盘转角即可预测下一时刻驾驶员的转向盘转角


3.根据权利要求1所述的汽车轨迹跟踪控制方法，其特征在于，所述步骤2)具体包括：建立三自由度汽车模型，以设...

【专利技术属性】
技术研发人员：张寒，赵万忠，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32