自动驾驶车辆换道的容错控制方法、介质、系统及汽车技术方案

本发明专利技术公开了一种自动驾驶车辆换道的容错控制方法、介质、系统及汽车，包括：获取车辆当前的状态信息、期望的路径信息，建立离散跟踪误差变量的状态方程模型；分别将采用最佳的前轮转角实现最佳的路径、生成最佳的额外横摆力矩实现最佳的横向稳定性能作为TFC、DYC的目标构建代价函数；将前轮执行的失效系数α引入构建好的代价函数得到时变代价函数，根据车辆实时运行时α的大小改变时变代价函数的控制量权重；求解最优控制量，将最优控制量作用于自动驾驶车辆，使车辆完成换道操作。构建两个目标的代价函数，通过动态博弈理论求解最佳的控制策略。并通过实时获取α，动态调整权重系数，使车辆能够顺利完成换道操作。使车辆能够顺利完成换道操作。使车辆能够顺利完成换道操作。

【技术实现步骤摘要】
自动驾驶车辆换道的容错控制方法、介质、系统及汽车


[0001]本专利技术涉及自动驾驶
，尤其涉及一种自动驾驶车辆换道的容错控制方法、介质、系统及汽车。

技术介绍

[0002]轨迹跟踪控制(Trajectory Following Control,TFC)是自动驾驶车辆控制方向的关键技术之一，其目标是根据规划后的轨迹和车辆的实时状态信息得到车辆的控制量，如前轮转角，以保证车辆按照期望的轨迹行驶，其跟踪的精确性会直接影响自动驾驶车辆性能和安全。但是在某些极限工况下，由于轮胎的侧偏力趋近饱和，车辆的横向稳定性能会变差，导致跟踪控制效果恶化。所有在原有基础上引入直接横摆力矩控制(Direct yaw moment control,DYC)，其可以通过调节车轮的受力状态，使车辆产生附加的横摆力矩，对车辆的横向稳定性进行控制。因此，为了改善轨迹跟踪效果，将直接横摆力矩控制与转向系统协调控制，可以提高车辆的横向稳定性能。
[0003]由于车辆的耦合特性，TFC与DYC通常在车辆运行过程中以交互方式运行，即每个控制其的控制量可能取决于另一控制器的控制量，所以可以使用博弈论来进行研究。博弈论作为研究具有斗争和竞争性质现象的数学理论和方法，广泛应用于经济、政治等冲突决策领域。而非合作博弈作为动态博弈论的一种，能够有效解决多个参与者控制权分配问题。通过将TFC和DYC定义为具有不同控制对象的两个参与者，实现它们之间的交互控制，提升车辆的横向稳定性能和路径跟踪能力。博弈论的引入为探索控制的鲁棒性提供了一个很好的框架，在降低复杂度的同时增强协同作用以及扩展性。
[0004]申请号为202111180026.5的专利公开了一种基于博弈论的商用横向轨迹跟随与稳定性协同控制方法，首先建立三自由度的车辆模型，并构造车路模型，进而构造性能指标函数，通过动态规划原理进行求解。然而，使用的三自由度车辆模型是基于主动前轮转向建立，是通过估计前轮转角辅助驾驶员操纵实现稳定车辆的目的；而使用车辆跟踪误差模型计算方便，且具有普适性；但是并未考虑前轮转角发生故障的情况，其代价函数是固定不变的，当前轮转向执行机构发生故障时，可能会导致预期的行为，例如换道，无法正常完成，进而导致事故的发生。

技术实现思路

[0005]本专利技术提供了一种自动驾驶车辆换道的容错控制方法、介质、系统及汽车。在车辆换道过程中，TFC和DYC分别以最优化路径跟踪性能和车辆的横向稳定性能为目标，通过动态博弈理论求解最佳的控制策略。并且在车辆换道过程中，考虑执行器失效情况，通过实时获取前轮执行的失效系数，动态调整权重系数，使车辆能够在前轮转向发生部分失效或者完全失效的情况下顺利完成换道操作，避免发生事故。
[0006]第一方面，本专利技术提供了一种自动驾驶车辆换道的容错控制方法，包括：
[0007]获取车辆当前的状态信息、期望的路径信息，进而建立离散跟踪误差变量的状态
方程模型；
[0008]将采用最佳的前轮转角实现最佳的路径跟踪性能作为轨迹跟踪控制(TFC)的目标构建代价函数J1，将生成最佳的额外横摆力矩实现最佳的横向稳定性能作为直接横摆力矩控制(DYC)的目标构建代价函数J2；
[0009]根据执行器的故障模型得到前轮执行的失效系数，并将前轮执行的失效系数引入构建好的代价函数得到时变代价函数，进而根据车辆实时运行时前轮执行的失效系数的大小，相应改变轨迹跟踪控制和直接横摆力矩控制的时变代价函数的控制量权重；
[0010]基于动态博弈理论求解最优控制量，即最优前轮转角和最优额外横摆力矩；
[0011]将最优控制量作用于自动驾驶车辆，使车辆完成换道操作。
[0012]进一步地，所述状态信息包括，车辆纵向速度、车辆横向速度、车辆当前航向角、车辆当前横摆角速度、车辆当前位置信息；所述期望的路径信息包括，参考点期望位置信息、参考点期望航向角、参考点曲率。
[0013]进一步地，所述离散跟踪误差变量的状态空间方程模型为：
[0014][0015]其中，
[0016][0017]X(k)表示k时刻的系统状态，其中，e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；n表示离散化区间；δ
f
表示车辆前轮转角；ΔM表示车辆额外横摆力矩；表示由道路曲率决定的横摆脚速度，v
x
表示车辆纵向速度，ρ表示参考点曲率；C
αf
表示车辆前轮侧偏刚度；C
αr
表示车辆后轮侧偏刚度；l
f
表示车辆质心到前轴的距离；l
r
表示车辆质心到后轴的距离；m表示车辆质量；I
z
表示绕车辆z轴转动惯量；T
s
表示采样时间。
[0018]进一步地，所述的代价函数J1和J2分别为：
[0019][0020][0021]其中，
[0022][0023][0024]N
p
表示预测时域；X(k+i)表示k+i时刻的系统状态；Q1、Q2表示系统状态权重矩阵；q
e1
表示e1的权重系数；q
e2
表示e2的权重系数；表示的权重系数；表示的权重系数；e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；R
11
表示控制输入前轮转角的权重系数；R
22
表示控制输入额外横摆力矩的权重系数；δ
f
(k+i)表示k+i时刻输入的的前轮转角控制量；ΔM(k+i)表示k+i时刻输入的额外横摆力矩控制量；
[0025]进一步地，所述执行器故障模型为：
[0026][0027]其中，为实际的前轮转向角；为控制输入的前轮转角；α为前轮执行的失效系数，0≤α≤1，当α＝0时，表示前轮转向无故障；当α＝1时，表示前轮转向完全失效。
[0028]进一步地，根据失效系数的大小变化，所述代价函数的控制量权重为：
[0029]当0≤α＜1,，即前轮部分失效时：
[0030][0031][0032]其中,ω1≥1,ω2≤1；表示变化后控制输入前轮转角的权重系数；ω1表示控制输入前轮转角的增益系数；R
11
表示控制输入前轮转角的权重系数；表示变化后控制输入额外横摆力矩的权重系数；ω2表示控制输入额外横摆力矩的增益系数；R
22
表示原控制输入额外横摆力矩的权重系数；
[0033]当α＝1，即前轮完全失效时：
[0034][0035][0036]其中，ω＜1；INF表示无穷大；ω表示当α＝1时控制输入额外横摆力矩的增益系数；
[0037]进一步地，所述最优额外横摆力矩无法直接作用于车辆，进而对车辆4个车轮的驱动力矩按照车辆的前后轴载荷比对车轮的转矩进行分配，从而满足车辆总驱动力和额外横摆力矩的要求，每个车轮的驱动力矩具体分配如下：
[0038][0039][0040][0041][0042本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆换道的容错控制方法，其特征在于，包括：获取车辆当前的状态信息、期望的路径信息，进而建立离散跟踪误差变量的状态方程模型；将采用最佳的前轮转角实现最佳的路径跟踪性能作为轨迹跟踪控制的目标构建代价函数J1，将生成最佳的额外横摆力矩实现最佳的横向稳定性能作为直接横摆力矩控制的目标构建代价函数J2；根据执行器的故障模型得到前轮执行的失效系数，并将前轮执行的失效系数引入构建好的代价函数得到时变代价函数，进而根据车辆实时运行时前轮执行的失效系数的大小，相应改变轨迹跟踪控制和直接横摆力矩控制的时变代价函数的控制量权重；基于动态博弈理论求解最优控制量，即最优前轮转角和最优额外横摆力矩；将最优控制量作用于自动驾驶车辆，使车辆完成换道操作。2.根据权利要求1所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述状态信息包括，车辆纵向速度、车辆横向速度、车辆当前航向角、车辆当前横摆角速度、车辆当前位置信息；所述期望的路径信息包括，参考点期望位置信息、参考点期望航向角、参考点曲率。3.根据权利要求1所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述离散跟踪误差变量的状态空间方程模型为：其中，其中，X(k)表示k时刻的系统状态，其中，e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；n表示离散化区间；δ
f
表示车辆前轮转角；ΔM表示车辆额外横摆力矩；表示由道路曲率决定的横摆角速度，v
x
表示车辆纵向速度，ρ表示参考点曲率；C
αf
表示车辆前轮侧偏刚度；C
αr
表示车辆后轮侧偏刚
度；l
f
表示车辆质心到前轴的距离；l
r
表示车辆质心到后轴的距离；m表示车辆质量；I
z
表示绕车辆z轴转动惯量；T
s
表示采样时间。4.根据权利要求1所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述的代价函数J1和J2分别为：分别为：其中，其中，N
p
表示预测时域；X(k+i)表示k+i时刻的系统状态；Q1、Q2表示系统状态权重矩阵；q
e1
表示e1的权重系数；q
e2
表示e2的权重系数；表示的权重系数；表示的权重系数；e1表示从车辆质心到期望路径对应最近点的距离；e2表示相对车道的车辆方向误差；R
11
表示控制输入前轮转角的权重系数；R
22
表示控制输入额外横摆力矩的权重系数；δ
f
(k+i)表示k+i时刻输入的的前轮转角控制量；ΔM(k+i)表示k+i时刻输入的额外横摆力矩控制量。5.根据权利要求4所述的自动驾驶车辆换道的容错控制方法，其特征在于，所述执行器故障模型为：其中，为实际的前轮转向角；为控制输入的前轮转角；α为前轮执行的失效系数，0≤α≤1，当α＝0时，表示前轮转向无故障；当α＝1时，表示前轮转向完全失效。6.根据权利要求5所述的自动驾驶车辆换道的容错控制方法，其特征在于，根据前轮执行的失效系数的大小变化，所述代价函数的控...

【专利技术属性】
技术研发人员：边有钢，何庆，张立钦，秦兆博，秦晓辉，胡满江，秦洪懋，徐彪，谢国涛，王晓伟，丁荣军，
申请(专利权)人：湖南大学，
类型：发明
国别省市：