带环境自适应能力的自动驾驶车辆纵向控制方法及系统技术方案

本发明专利技术公开了一种带环境自适应能力的自动驾驶车辆纵向控制方法，包括：获取车辆轨迹信息、车辆位置信息和状态信息；采集车辆俯仰角度信息，建立聚类分析模型，对采集到的数据进行聚类分析，拟合感兴趣区域道路内的坡度信息；获取车辆的载荷信息；确定驱动和制动的切换机制；根据坡度信息和载荷信息，计算纵向控制的前馈控制量；根据轨迹信息、车辆位置和状态信息，计算纵向控制的反馈控制量；通过前馈控制量和反馈控制量加权计算总的控制输出量。本发明专利技术综合考虑了道路坡道信息、车辆载荷信息和车辆自身状态信息，通过前馈控制部分和反馈控制部分加以权重予以实现，大大提高了纵向控制精度。制精度。制精度。

【技术实现步骤摘要】
带环境自适应能力的自动驾驶车辆纵向控制方法及系统


[0001]本专利技术涉及一种自动驾驶车辆的纵向控制方法，具体地涉及一种带环境自适应能力的自动驾驶车辆纵向控制方法及系统。

技术介绍

[0002]自动驾驶技术在最近十年得到了突飞猛进的发展，自动驾驶汽车依靠人工智能、视觉计算、雷达、全球定位系统等的协同合作，让车辆在没有驾驶员主动操作的情况下，自主安全的在道路上行驶。自动驾驶系统一般分为三个模块：感知模块、决策规划模块和控制模块。感知模块通过摄像头、雷达等传感器，实时感知车辆周边环境信息，通过融合算法告知车辆感兴趣区域的信息。决策规划模块是根据感知信息和车辆实时状态信息，计算出最优的驾驶决策规划。控制模块是根据规划出来的轨迹信息，控制车辆跟随轨迹在道路上行驶。控制模块按照转向和车速控制分为横向控制和纵向控制。在控制算法上面，自动驾驶领域通常是将横纵向解耦来予以实现。
[0003]目前在纵向控制算法方面，应用最多的是PID控制算法。对于载荷无明显变化的自动驾驶车辆，在坡道变化不大的道路上，通过调试相关参数，跟踪误差也能控制的很理想。但是对于车辆载荷和道路坡道变化的情况下，纵向的跟随性能受影响较大。目前所有的自动驾驶纵向控制方法中，都没有将车辆载荷因素和道路坡道因素考虑进去。基于此，特提出本专利技术。

技术实现思路

[0004]为了解决自动驾驶车辆在纵向控制中受车辆载荷和道路坡道变化影响，导致纵向跟随误差较大的技术问题，本专利技术提供了一种带环境自适应能力的自动驾驶车辆纵向控制方法及系统，综合考虑了道路坡道信息、车辆载荷信息和车辆自身状态信息，通过前馈控制部分和反馈控制部分加以权重予以实现，大大提高了纵向控制精度。
[0005]本专利技术的技术方案是：
[0006]一种带环境自适应能力的自动驾驶车辆纵向控制方法，包括以下步骤：
[0007]S01：获取车辆轨迹信息、车辆位置信息和状态信息；
[0008]S02：采集车辆俯仰角度信息，建立聚类分析模型，对采集到的数据进行聚类分析，拟合感兴趣区域道路内的坡度信息；
[0009]S03：获取车辆的载荷信息；
[0010]S04：确定驱动和制动的切换机制；
[0011]S05：根据坡度信息和载荷信息，计算纵向控制的前馈控制量；根据轨迹信息、车辆位置和状态信息，计算纵向控制的反馈控制量；通过前馈控制量和反馈控制量加权计算总的控制输出量。
[0012]优选的技术方案中，所述步骤S01中轨迹信息包括轨迹点的道路曲率，车辆状态信息包括车速信息。
[0013]优选的技术方案中，所述步骤S02中建立聚类分析模型，将采集到的数据进行分析，拟合感兴趣区域道路内的坡度信息，包括：
[0014]S21：将处理后的车辆俯仰角度数据进行整合处理后，进行回归分析，建立聚类分析模型；
[0015]S22：根据车速信息和轨迹点的道路曲率加权计算获得感兴趣预描距离，计算公式如下：
[0016]D
preview
＝p1(k1×
Cur+a)+p2(k2×
v)
[0017]其中，D
preview
为感兴趣预描距离，k1和k2为调试系数，p1和p2为车速和道路曲率影响的权重系数，Cur为道路曲率，v为车速，a增补常量；
[0018]S23：根据建立的聚类分析模型和感兴趣预描距离，通过指数平滑处理的方法，拟合出感兴趣预描距离内的道路坡度信息。
[0019]优选的技术方案中，所述步骤S04中确定驱动和制动的切换机制，包括：
[0020]S41：计算建议车速v
sug
和车辆实际车速v
act
的速度偏差e
v
＝v
sug-v
act
；
[0021]S42：通过速度偏差计算车辆需求的加减速度a
v
＝te
v
+c，其中，t为系数，c为增补常量；
[0022]S43：当e
v
≥0，a
v
≥0时，为驱动控制模式；当e
v
＜0，a
v
≥a
thre
时，为驱动滑行模式，其中a
thre
为减速度阈值；当e
v
＜0，a
v
＜a
thre
时，为制动控制模式。
[0023]优选的技术方案中，所述步骤S05中计算纵向控制的前馈控制量，包括：
[0024]S51：计算载荷的前馈输出：
[0025]c
f_c_l
＝k
l
x
load
+p
l
[0026]其中，c
f_c_l
为载荷前馈输出，k
l
载荷控制系数，p
l
为载荷控制常量，x
load
为载荷量；
[0027]S52：计算道路坡度的前馈输出：
[0028]c
f_c_s
＝k
s
x
slop
+p
s
[0029]其中，c
f_c_s
为道路坡度前馈输出，k
s
道路坡度控制系数，p
s
为道路坡度控制常量，x
slop
为道路坡度；
[0030]S53：加权计算前馈控制量：
[0031]c
f_c
＝l
l
c
f_c_l
+l
s
c
f_c_s
[0032]其中，c
f_c
为前馈控制量，l
l
和l
s
为加权系数。
[0033]优选的技术方案中，所述步骤S05中计算纵向控制的反馈控制量，包括：
[0034]S54：实时计算纵向跟踪误差，包括速度跟随误差e
v
＝v
sug-v
act
，时间跟随误差e
t
＝t
sug-t
act
，位置跟随误差e
s
＝s
sug-s
act
,其中，t
sug
为建议行驶时间戳，t
act
为实际行驶时间戳，s
sug
为建议行驶位置，s
act
为实际行驶位置；
[0035]S55：计算加权后的纵向跟随误差e(t)＝k
v
e
v
+k
t
e
t
+k
s
e
s
，其中k
v
、k
t
、k
s
分别为速度跟随误差、时间跟随误差和位置跟随误差的加权系数；
[0036]S56：将纵向跟随误差输入前馈PI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带环境自适应能力的自动驾驶车辆纵向控制方法，其特征在于，包括以下步骤：S01：获取车辆轨迹信息、车辆位置信息和状态信息；S02：采集车辆俯仰角度信息，建立聚类分析模型，对采集到的数据进行聚类分析，拟合感兴趣区域道路内的坡度信息；S03：获取车辆的载荷信息；S04：确定驱动和制动的切换机制；S05：根据坡度信息和载荷信息，计算纵向控制的前馈控制量；根据轨迹信息、车辆位置和状态信息，计算纵向控制的反馈控制量；通过前馈控制量和反馈控制量加权计算总的控制输出量。2.根据权利要求1所述的带环境自适应能力的自动驾驶车辆纵向控制方法，其特征在于，所述步骤S01中轨迹信息包括轨迹点的道路曲率，车辆状态信息包括车速信息。3.根据权利要求1所述的带环境自适应能力的自动驾驶车辆纵向控制方法，其特征在于，所述步骤S02中建立聚类分析模型，将采集到的数据进行分析，拟合感兴趣区域道路内的坡度信息，包括：S21：将处理后的车辆俯仰角度数据进行整合处理后，进行回归分析，建立聚类分析模型；S22：根据车速信息和轨迹点的道路曲率加权计算获得感兴趣预描距离，计算公式如下：D
preview
＝p1(k1×
Cur+a)+p2(k2×
v)其中，D
preview
为感兴趣预描距离，k1和k2为调试系数，p1和p2为车速和道路曲率影响的权重系数，Cur为道路曲率，v为车速，a为增补常量；S23：根据建立的聚类分析模型和感兴趣预描距离，通过指数平滑处理的方法，拟合出感兴趣预描距离内的道路坡度信息。4.根据权利要求1所述的带环境自适应能力的自动驾驶车辆纵向控制方法，其特征在于，所述步骤S04中确定驱动和制动的切换机制，包括：S41：计算建议车速v
sug
和车辆实际车速v
act
的速度偏差e
v
＝v
sug-v
act
；S42：通过速度偏差计算车辆需求的加减速度a
v
＝te
v
+c，其中，t为系数，c为增补常量；S43：当e
v
≥0，a
v
≥0时，为驱动控制模式；当e
v
＜0，a
v
≥a
thre
时，为驱动滑行模式，其中a
thre
为减速度阈值；当e
v
＜0，a
v
＜a
thre
时，为制动控制模式。5.根据权利要求1所述的带环境自适应能力的自动驾驶车辆纵向控制方法，其特征在于，所述步骤S05中计算纵向控制的前馈控制量，包括：S51：计算载荷的前馈输出：c
f_c_l
＝k
l
x
load
+p
l
其中，c
f_c_l
为载荷前馈输出，k
l
载荷控制系数，p
l
为载荷控制常量，x
load
为载荷量；S52：计算道路坡度的前馈输出：c
f_c_s
＝k
s
x
slop
+p
s
其中，c
f_c_s
为道路坡度前馈输出，k
s
道路坡度控制系数，p
s
为道路坡度控制常量，x
slop
为道路坡度；S53：加权计算前馈控制量：
c
f_c
＝l
l
c
f_c_l
+l
s
c
f_c_s
其中，c
f_c
为前馈控制量，l
l
和l
s
为加权系数。6.根据权利要求1所述的带环境自适应能力的自动驾驶车辆纵向控制方法，其特征在于，所述步骤S05中计算纵向控制的反馈控制量，包括：S54：实时计算纵向跟踪误差，包括速度跟随误差e
v
＝v
sug-v
act
，时间跟随误差e
t
＝t
sug-t
act
，位置跟随误差e
s
＝s
sug-s
act
，其中，t
sug
为建议行驶时间戳，t
act
为实际行驶时间戳，s
sug
为建议行驶位置，s
act
为实际行驶位置；S55：计算加权后的纵向跟随误差e(t)＝k
v
e
v
+k
t
e
t
+k
s
e

【专利技术属性】
技术研发人员：苟祖涛，戴一凡，卢贤票，李敏，
申请(专利权)人：清华大学，
类型：发明
国别省市：