一种基于动态安全仲裁器的人机共驾方法技术

本发明专利技术涉及一种基于动态安全仲裁器的人机共驾方法，首先采用模型预测控制方法构建智能车的自主控制任务，然后构建动态安全仲裁器来动态地调节智能车自主控制任务和人类控制任务的优先级，最后构建人机共享控制方案，在智能车无法依赖自主控制系统通过复杂环境的时候，融合智能车自主控制和人类控制，帮助机器人顺利通过。该方法可以有效融合智能车自主控制和人类控制，实现人机共驾。实现人机共驾。实现人机共驾。

【技术实现步骤摘要】
一种基于动态安全仲裁器的人机共驾方法


[0001]本专利技术涉及人机交互
，特别涉及一种基于动态安全仲裁器的人机共驾方法。

技术介绍

[0002]尽管智能汽车的发展已经进入快速期，在环境感知、驾驶决策、精准控制等方面取得很大进展，但是现阶段驾驶人仍然不能完全脱离驾驶任务。在国际自动机工程师学会驾驶自动化分级的L2级和L3级自动驾驶中，当系统要求时驾驶人必须手动接管车辆控制，例如当自动驾驶系统确定其功能受限或系统发生部分功能故障时。真实L3级自动驾驶车辆在道路试验中出现过的接管情形包括，行人/自行车密集环境、交通信号灯检测故障、施工区域、车道线不清晰、车辆切入等。这些场景对于驾驶人来说有一个共同的特点，即交通环境较为复杂，驾驶认知负荷大。值得注意的是，在L3级自动驾驶环境下，由于驾驶人不必一直保持观察交通环境，他们更倾向于从事非驾驶相关任务。这也导致了更多的接管安全性问题和不稳定因素，主要包括驾驶人的态势认知能力减弱、反应时间延长、驾驶绩效不稳定。
[0003]以往的控制权切换主要采用操作触发的方法，当人工干预时，以二值模式(从1到0)将控制权从系统完全切换到人类控制。使得人类必须在恢复控制后立即采取有效的接管控制措施，否则可能因为剧烈或不稳定的操作导致系统不稳定。如果能在控制权切换过程中，将控制权逐步过渡，可以提高接管的安全性和稳定性。共享控制即是能达成这个目标的控制方式，一般分为直接共享控制和间接共享控制。
[0004]直接共享控制表示双方的控制直接作用在执行器上，它会带来驾驶人和自动系统在小偏差范围内的驾驶权冲突问题，可能会引起人类控制和自主控制的互相干扰，带来控制不稳定性。间接共享控制不干扰驾驶人的操作，智能系统不直接参与控制的控制，而是将驾驶人输入与控制器输入按照一定比例进行叠加或者修正，并将结果传给车辆控制执行机构，通常是将驾驶人输入与控制器输入加权得到，其权重之和为一。虽然与直接共享控制相比，间接共享控制由于具有非侵入性，可有效减少人与控制系统的冲突，提高稳定性，但是加权融合的方式会使控制量不可解释，容易带来安全隐患。

技术实现思路

[0005]本专利技术的目的在于提供一种基于动态安全仲裁器的人机共驾方法，该方法可以有效融合智能车自主控制和人类控制，实现人机共驾。
[0006]为实现上述目的，本专利技术采用的技术方案是：一种基于动态安全仲裁器的人机共驾方法，首先采用模型预测控制方法构建智能车的自主控制任务，然后构建动态安全仲裁器来动态地调节智能车自主控制任务和人类控制任务的优先级，最后构建人机共享控制方案，在智能车无法依赖自主控制系统通过复杂环境的时候，融合智能车自主控制和人类控制，帮助机器人顺利通过。
[0007]进一步地，智能车的自主控制任务是根据已知轨迹行驶，采用模型预测控制方法
使智能车跟踪已知轨迹，输出作为智能车的自主控制量；跟踪已知轨迹与智能车的位置和轨迹位置相关，构建其目标函数为车辆位置与参考路径的差值，为了尽量降低能量损耗和防止控制量突变，要让控制量尽量小，因此在目标函数中再加上控制量的平方，再施加物理限制的控制量约束：
[0008][0009]其中，a、b是目标函数权重，x(k+i)是k+i时刻的智能车状态，p(k+i)是k+i时刻的参考轨迹，u(k+i)是k+i时刻的控制量，N
p
是预测的步长，u
min
是控制量的下界，u
max
是控制量的上界。
[0010]进一步地，完成智能车自主控制任务构建后，利用控制障碍函数作为二次规划约束构建动态安全仲裁器，根据实时任务情况动态调整人类和智能车的输入优先级，并针对复杂环境下的智能车和人类输入优先级策略构建动态安全仲裁器的目标函数和约束，以保证智能车安全。
[0011]进一步地，所述动态安全仲裁器基于控制障碍函数和二次规划来进行轨迹跟踪任务和人类手动控制避障的任务优先级规划，求解出决策量来调整人类和智能体输入的优先级；
[0012]所述动态安全仲裁器的控制目标是遇到障碍物时让人参与控制，将人的输入优先；将动态安全仲裁器的约束设置为障碍物约束，来判断任务控制优先级；在避障任务中，车辆必须避开其传感器检测到的障碍物，其位置和当前位置的距离必须大于安全距离，因此将避障任务安全条件表示为以下的控制障碍函数：
[0013]h(x)＝D
‑
d
ꢀꢀꢀ
(2)
[0014]其中，D是智能车和障碍物之间的距离，d是智能车应该和障碍物保持的安全距离。
[0015]进一步地，动态安全仲裁器的目标函数灵活可变，可实现以人为中心的仲裁，即目标函数是尽可能追踪人类的输入，或以任务为中心，即目标函数没有偏好，只是对任务误差的最优化；在简单环境下不进行人类干预，让智能车自主控制，在智能车自主控制无法通过的复杂环境下调整人类和智能车的输入优先级，通过融合智能车自主控制和人类控制来保证通过复杂环境；
[0016]由于将控制障碍函数作为二次规划约束来获得任务优先级决策量，因此定义任务优先级的决策量：
[0017]q∈{0，1}
ꢀꢀꢀ
(3)
[0018]其中，q＝1表示系智能车自主控制任务优先，q＝0表示人类手动控制任务优先；
[0019]目标函数的构建目的是使车辆尽量在安全集内通过模型预测控制器自动驾驶，跟踪模型预测控制器的输入；设定一个q的阈值，当只有模型预测控制器不满足安全约束，需要混合人类输入才能保证智能车安全地完成任务时，才将控制优先级转移到人类手中，同时控制障碍函数的约束能保持整个过程安全。
[0020]进一步地，利用控制障碍函数，对需要人类控制干预的复杂环境构建约束，当智能车自主控制无法通过复杂环境，即会触碰约束时，动态安全仲裁器就给出决策量，调整人类
和智能车的输入优先级，混合人类和智能车的输入，从而保证约束被满足，即可以通过复杂环境；
[0021]对于给定的控制障碍函数h(x)，定义闭集C有：
[0022][0023]考虑以下形式的仿射系统：
[0024][0025]其中，是系统状态量的导数，x是系统状态量，u是系统控制量；
[0026]定义一个集：
[0027]K
cbf
(x)＝{u∈U：L
f
h(x)+L
g
h(x)u+αh(x)≥0}
ꢀꢀ
(6)
[0028]其中，U是满足后面不等式u的集合，L
f
是f(x)对状态量的李导数，L
g
是g(x)对状态量的李导数，α是h(x)的系数，即保证输出从K
cbf
(x)中选择，从而保证C的不变集性；
[0029]实际的控制量u
r
为：
[0030]u
r
＝(1
‑
q)u
a
+qu
h
ꢀꢀꢀ
(7)
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态安全仲裁器的人机共驾方法，其特征在于，首先采用模型预测控制方法构建智能车的自主控制任务，然后构建动态安全仲裁器来动态地调节智能车自主控制任务和人类控制任务的优先级，最后构建人机共享控制方案，在智能车无法依赖自主控制系统通过复杂环境的时候，融合智能车自主控制和人类控制，帮助机器人顺利通过。2.根据权利要求1所述的一种基于动态安全仲裁器的人机共驾方法，其特征在于，智能车的自主控制任务是根据已知轨迹行驶，采用模型预测控制方法使智能车跟踪已知轨迹，输出作为智能车的自主控制量；跟踪已知轨迹与智能车的位置和轨迹位置相关，构建其目标函数为车辆位置与参考路径的差值，为了尽量降低能量损耗和防止控制量突变，要让控制量尽量小，因此在目标函数中再加上控制量的平方，再施加物理限制的控制量约束：其中，a、b是目标函数权重，x(k
±
i)是k
±
i时刻的智能车状态，p(k+i)是k+i时刻的参考轨迹，u(k+i)是k+i时刻的控制量，Np是预测的步长，u
min
是控制量的下界，u
max
是控制量的上界。3.根据权利要求1所述的一种基于动态安全仲裁器的人机共驾方法，其特征在于，完成智能车自主控制任务构建后，利用控制障碍函数作为二次规划约束构建动态安全仲裁器，根据实时任务情况动态调整人类和智能车的输入优先级，并针对复杂环境下的智能车和人类输入优先级策略构建动态安全仲裁器的目标函数和约束，以保证智能车安全。4.根据权利要求3所述的一种基于动态安全仲裁器的人机共驾方法，其特征在于，所述动态安全仲裁器基于控制障碍函数和二次规划来进行轨迹跟踪任务和人类手动控制避障的任务优先级规划，求解出决策量来调整人类和智能体输入的优先级；所述动态安全仲裁器的控制目标是遇到障碍物时让人参与控制，将人的输入优先；将动态安全仲裁器的约束设置为障碍物约束，来判断任务控制优先级；在避障任务中，车辆必须避开其传感器检测到的障碍物，其位置和当前位置的距离必须大于安全距离，因此将避障任务安全条件表示为以下的控制障碍函数：h(x)＝D
‑
d
ꢀꢀꢀ
(2)其中，D是智能车和障碍物之间的距离，d是智能车应该和障碍物保持的安全距离。5.根据权利要求4所述的一种基于动态安全仲裁器的人机共驾方法，其特征在于，动态安全仲裁器的目标函数灵活可变，可实现以人为中心的仲裁，即目标函数是尽可能追踪人类的输入，或以任务为中心，即目标函数没有偏好，只是对任务误差的最优化；在简单环境下不进行人类干预，让智能车自主控制，在智能车自主控制无法通过的复杂环境下调整人类和智能车的输入优先级，通过融合智能车自主控制和人类控制来保证通过复杂环境；由于将控制障碍函数作为二次规划约束来获得任务优先级决策量，因此定义任务优先级的决策量：q∈{0，1}
ꢀꢀꢀꢀ
(3)其中，q＝1表示系智能车自主控制任务优先，q＝0表示人类手动控制任务优先；目标函数的构建目的是使车辆尽量在安全集内通过模型预测控制器自动驾驶，跟踪模
型预测控制器的输入；设定一个q的阈值，当只有模型预测控制器不满足安全约束，需要混合人类输入才能保证智能车安全地完成任务时，才将控制优先级转移到人类手中，同时控制障碍函数的约束能保持整个过程安全。6.根据权利要求4所述的一种基于动态安全仲裁器的...

【专利技术属性】
技术研发人员：黄捷，陈昊聪，陈宇韬，
申请(专利权)人：福州大学，
类型：发明
国别省市：