一种约束导向的智能网联汽车鲁棒换道合流控制方法技术

本申请公开了一种约束导向的智能网联汽车鲁棒换道合流控制方法，该方法包括：步骤1，当接收到待合流四轮转向车辆的换道合流请求后，确认车辆汇入车辆行驶队列中的位置，并根据队列行驶速度及汇入时间，确定车辆换道路径；步骤2，根据换道路径及待合流四轮转向车辆的行驶信息构建合流车辆四轮转向行驶模型，该模型至少包括横向路径跟踪模型和纵向车距误差模型；步骤3，根据横向路径跟踪模型计算路径跟踪误差最小时车辆的前后轮转角控制律，控制车辆换道合流至车辆行驶队列，根据纵向车距误差模型，控制车辆与前车保持合理距离。通过本申请中的技术方案，解决现有智能网联汽车队列行驶中外部车辆换道合流控制精度不高、算法复杂问题。杂问题。杂问题。

【技术实现步骤摘要】
一种约束导向的智能网联汽车鲁棒换道合流控制方法


[0001]本申请涉及智能驾驶的
，具体而言，涉及一种约束导向的智能网联汽车鲁棒换道合流控制方法。

技术介绍

[0002]智能网联汽车队列行驶是指多辆车排成一列，以一定的速度等速行驶，而且车辆之间的纵向间距较小的一种行驶模式。作为未来智能交通系统的重要场景，队列行驶能够有效的降低劳动力成本并降低油耗。然而，传统意义上的队列行驶受驾驶员的影响较大，由于驾驶员对于突发情况具有反应时间，车辆之间需要保持较大的安全距离。现今，随着车车通信(V2V)、车路通信(V2I)、先进车载传感器等技术的发展，队列中车与车之间可以实现信息交互，实现更小的队列车间距，从而进一步提升燃油经济性及交通效率。例如欧洲汽车制造商协会(ACEA)、美国PATH实验室等都对车辆队列行驶控制及稳定性等做了研究。
[0003]换道合流问题是公路交通行驶中最为常见的场景之一，因此，在智能网联汽车队列行驶场景下，队列外车辆如何安全、高效的实现汽车的换道合流，从而加入行驶队列，成为一个十分重要的问题。
[0004]而现有技术中，对于智能网联汽车队列换道合流控制过程，大部分采用基于动力学控制的方法，算法较为复杂，且未考虑汽车实际行驶工况中的不确定性，如空气阻力、滚动阻力、坡度阻力等，导致换道合流控制精度并不理想。同时，这些动力学控制方法通常将汽车的横向动力学与纵向动力学割裂开，这会导致无法合理的对换道合流过程的轨迹及车距进行控制，甚至可能导致交通事故的发生。

技术实现思路

[0005]本申请的目的在于：解决现有智能网联汽车队列控制中外部车辆换道合流控制的精度不高、算法复杂为问题。
[0006]本申请的技术方案是：提供了一种约束导向的智能网联汽车鲁棒换道合流控制方法，该方法适用于待合流四轮转向车辆换道合流至车辆行驶队列中，方法包括：
[0007]步骤1，当接收到待合流四轮转向车辆的换道合流请求后，确认待合流四轮转向车辆汇入至车辆行驶队列中的位置，并根据车辆行驶队列的行驶速度以及汇入队列时间，确定待合流四轮转向车辆的换道路径；
[0008]步骤2，根据换道路径以及待合流四轮转向车辆的行驶信息，构建合流车辆四轮转向行驶模型，其中，合流车辆四轮转向行驶模型至少包括横向路径跟踪模型，行驶信息至少包括待合流四轮转向车辆当前时间的航向角；
[0009]步骤3，根据横向路径跟踪模型，计算路径跟踪误差取值最小时待合流四轮转向车辆的前后轮转角控制律，并根据前后轮转角控制律，控制待合流四轮转向车辆换道合流至车辆行驶队列，其中，路径跟踪误差由行驶信息确定，横向路径跟踪模型的计算公式为：
[0010][0011]X＝[e
y e
φ
]T
[0012]式中，为横向位移误差e
y
的二阶导数，为航向角误差e
φ
的二阶导数，为横向位移误差e
y
的导数，为航向角误差e
φ
的导数，X为横向误差参数，为横向误差参数X的导数，σ为不确定性参数，t为当前时间，为第一参数，B(X,σ,t)为第二参数，C(X,σ,t)为第三参数，g(X,σ,t)为第四参数，δ
f
为待合流四轮转向车辆的前轮转角，δ
r
为待合流四轮转向车辆的后轮转角，β2为路径跟踪误差。
[0013]上述任一项技术方案中，进一步地，步骤2具体包括：
[0014]步骤21，根据换道路径和待合流四轮转向车辆的行驶信息，确定横向位移误差e
y
和航向角误差e
φ
；
[0015]步骤22，根据横向位移误差e
y
和航向角误差e
φ
，构建横向路径跟踪模型。
[0016]上述任一项技术方案中，进一步地，步骤3中的前后轮转角控制律为控制输入参数、控制力参数以及第一鲁棒控制项的和值，计算前后轮转角控制律包括：
[0017]将第一参数、第二参数、第三参数、第四参数以及中间参数划分为第一名义系统部分和第一不确定性部分；
[0018]根据第一名义系统部分，计算控制输入参数δ1，对应的计算公式为：
[0019][0020]式中，为第二参数中的第一名义系统部分，为第一参数中的第一名义系统部分，为第三参数中的第一名义系统部分，为第四参数中的第一名义系统部分，Q为中间参数；
[0021]根据路径跟踪误差，计算控制力参数δ2，对应的计算公式为：
[0022][0023]式中，κ为第一预设常数；
[0024]根据第一不确定性部分，计算第一鲁棒控制项δ3，对应的计算公式为：
[0025][0026][0027][0028]式中，γ为第一运算参数，μ为第二运算参数，ε为第二预设常数，Π为第一最大偏差参数；
[0029]根据控制输入参数、控制力参数以及第一鲁棒控制项的和值确定前后轮转角控制律。
[0030]上述任一项技术方案中，进一步地，行驶信息还包括待合流四轮转向车辆的纵向速度以及待合流四轮转向车辆的横向速度，步骤21中还包括：
[0031]根据车辆横向动力学模型，确定待合流四轮转向车辆的行驶信息，其中，车辆横向动力学模型的计算公式为：
[0032][0033]式中，为纵向速度v
y
的导数，为航向角φ的二阶导数，k
f
为待合流四轮转向车辆的前轮胎侧偏刚度，k
r
为待合流四轮转向车辆的后轮胎侧偏刚度，M为待合流四轮转向车辆的质量，v
x
为横向速度，l
f
为待合流四轮转向车辆的质心与前轴距离，l
r
为待合流四轮转向车辆的质心与后轴距离，I
z
为待合流四轮转向车辆的车辆转动惯量，δ
f
为待合流四轮转向车辆的前轮转角，δ
r
为待合流四轮转向车辆的后轮转角，Δ
′
(t)为车辆纵向加速度不确定度，Δ
″
(t)为横摆角加速度不确定度；
[0034]根据行驶信息确定横向位移误差e
y
和航向角误差e
φ
，其中，航向角误差导数的计算公式为：
[0035][0036]式中，为预设航向角的导数，
[0037]横向位移误差导数的计算公式为：
[0038][0039]式中，D
L
为待合流四轮转向车辆换道合流过程中的前视距离。
[0040]上述任一项技术方案中，进一步地，合流车辆四轮转向行驶模型至少还包括车距误差模型，方法还包括：
[0041]步骤4，根据车辆纵向动力学模型以及待合流四轮转向车辆与前车的车距，构建车距误差模型；
[0042]步骤5，根据车距误差模型，计算轨迹跟踪误差取值最小时待合流四轮转向车辆的纵向控制量，其中，轨迹跟踪误差的计算公式为：
[0043][0044]式中，β本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种约束导向的智能网联汽车鲁棒换道合流控制方法，其特征在于，该方法适用于待合流四轮转向车辆换道合流至车辆行驶队列中，其特征在于，所述方法包括：步骤1，当接收到所述待合流四轮转向车辆的换道合流请求后，确认所述待合流四轮转向车辆汇入至所述车辆行驶队列中的位置，并根据所述车辆行驶队列的行驶速度以及汇入队列时间，确定所述所述待合流四轮转向车辆的换道路径；步骤2，根据所述换道路径以及所述待合流四轮转向车辆的行驶信息，构建合流车辆四轮转向行驶模型，其中，所述合流车辆四轮转向行驶模型至少包括横向路径跟踪模型，所述行驶信息至少包括所述待合流四轮转向车辆当前时间的航向角；步骤3，根据所述横向路径跟踪模型，计算路径跟踪误差取值最小时所述待合流四轮转向车辆的前后轮转角控制律，并根据所述前后轮转角控制律，控制所述待合流四轮转向车辆换道合流至所述车辆行驶队列，其中，所述路径跟踪误差由所述行驶信息确定，所述横向路径跟踪模型的计算公式为：X＝[e
y e
φ
]
T
式中，为横向位移误差e
y
的二阶导数，为航向角误差e
φ
的二阶导数，为横向位移误差e
y
的导数，为航向角误差e
φ
的导数，X为横向误差参数，为横向误差参数X的导数，σ为不确定性参数，t为当前时间，为第一参数，B(X，σ，t)为第二参数，C(X，σ，t)为第三参数，g(X，σ，t)为第四参数，δ
f
为所述待合流四轮转向车辆的前轮转角，δ
r
为所述待合流四轮转向车辆的后轮转角，β2为所述路径跟踪误差。2.如权利要求1所述的约束导向的智能网联汽车鲁棒换道合流控制方法，其特征在于，所述步骤2具体包括：步骤21，根据所述换道路径和所述待合流四轮转向车辆的行驶信息，确定所述横向位移误差e
y
和所述航向角误差e
φ
；步骤22，根据所述横向位移误差e
y
和所述航向角误差e
φ
，构建所述横向路径跟踪模型。3.如权利要求2所述的约束导向的智能网联汽车鲁棒换道合流控制方法，其特征在于，步骤3中的所述前后轮转角控制律为控制输入参数、控制力参数以及第一鲁棒控制项的和值，计算所述前后轮转角控制律包括：将所述第一参数、所述第二参数、所述第三参数、所述第四参数以及所述中间参数划分为第一名义系统部分和第一不确定性部分；根据所述第一名义系统部分，计算所述控制输入参数δ1，对应的计算公式为：式中，为所述第二参数中的第一名义系统部分，为所述第一参数中的第一名义系统部分，为所述第三参数中的第一名义系统部分，为所述第四参数中的第一名义系统部分，Q为中间参数；根据所述路径跟踪误差，计算所述控制力参数δ2，对应的计算公式为：
式中，κ为第一预设常数；根据所述第一不确定性部分，计算所述第一鲁棒控制项δ3，对应的计算公式为：，对应的计算公式为：，对应的计算公式为：式中，γ为第一运算参数，μ为第二运算参数，ε为第二预设常数，Π为第一最大偏差参数；根据所述控制输入参数、所述控制力参数以及所述第一鲁棒控制项的和值确定所述前后轮转角控制律。4.如权利要求2所述的约束导向的智能网联汽车鲁棒换道合流控制方法，其特征在于，所述行驶信息还包括所述待合流四轮转向车辆的纵向速度以及所述待合流四轮转向车辆的横向速度，所述步骤21中还包括：根据车辆横向动力学模型，确定所述待合流四轮转向车辆的行驶信息，其中，所述车辆横向动力学模型的计算公式为：式中，为所述纵向速度v
y
的导数，为所述航向角φ的二阶导数，k
f
为所述待合流四轮转向车辆的前轮胎侧偏刚度，k
r
为所述待合流四轮转向车辆的后轮胎侧偏刚度，M为所述待合流四轮转向车辆的质量，v
x
为所述横向速度，l
f
为所述待合流四轮转向车辆的质心与前轴距离，l
r
为所述待合流四轮转向车辆的质心与后轴距离，I
z
为所述待合流四轮转向车辆的车辆转动惯量，δ
f
为所述待合流四轮转向车辆的前轮转角，δ
r
为所述...

【专利技术属性】
技术研发人员：王昭清，黄晋，贾一帆，
申请(专利权)人：青岛德智汽车科技有限公司，
类型：发明
国别省市：