一种自动驾驶车辆自适应避障方法技术

为了在不同路面摩擦系数和车辆行驶速度下完成紧急避障操作，提高自动驾驶车辆横向动力学稳定性，本发明专利技术公开了一种自动驾驶车辆自适应避障方法。该方法考虑了不同路面摩擦系数以及车辆速度，采用模糊拟合方法生成对应的期望避障速度，并采用混合A*方法生成期望避障轨迹，降低了车辆的避障时的转向负担；构建一种新的转向增强方法，设计直接偏航转弯控制器，生成转向转矩，提高车辆在紧急避障时的动力学稳定性，设计基于BP神经网络预测的模糊速度控制器，生成了驱动转矩。提高对期望避障速度的跟踪精度。该规划方法为车辆紧急避障问题提出一个新的解决方案，为该行业的发展提供新的推动力。动力。动力。

【技术实现步骤摘要】
一种自动驾驶车辆自适应避障方法


[0001]本专利技术属于路径规划
，特别是涉及一种自动驾驶车辆自适应避障方法。

技术介绍

[0002]自动驾驶车辆可以实现路径规划、跟踪和避免碰撞。由于自动驾驶汽车具有更快的反应时间、更少的燃料消耗以及更加安全的驾驶特性等特点，因此可以有效的提高公路容量和交通安全。随着科研人员、政府和汽车制造商多年以来对自动驾驶技术的投入，目前在技术上已经取得了显著进展。然而，需要克服的困难和挑战仍然是巨大的。自主驾驶环境的实施不仅包括复杂的汽车技术，还包括人类行为、道德、社会责任等。
[0003]从技术角度来看，为了在日常交通或恶劣的越野环境中安全运行，必须解决感知、导航和控制方面的许多问题。其中，紧急情况下的避障操作是一个基本的技术问题。但是，当前的避障方法算法都没有考虑过路面摩擦系数以及车速对车辆的影响。然而，当摩擦系数较低或自动驾驶车辆车速较高时，很容易失去横向动力学稳定性，使车辆失去控制，导致严重的交通事故。

技术实现思路

[0004]针对以上技术问题，本专利技术提供一种自动驾驶车辆自适应避障方法，以此适应不同的路面状况和车辆速度，并提高了车辆行驶中的横向动力学稳定性。
[0005]本专利技术解决其技术问题采用的技术方案是：
[0006]一种自动驾驶车辆自适应避障方法，方法包括以下步骤：
[0007]S100：获取不同路面的路面摩擦系数，避障速度规划器基于模糊拟合，根据不同的路面摩擦系数生成对应的期望避障速度；
[0008]S200：获取车辆初始速度，避障轨迹规划器基于改进混合A*算法，结合生成的期望避障速度、车辆初始速度以及所路面摩擦系数生成相应的期望避障轨迹；
[0009]S300：获取车辆的参数信息，设计直接偏航转弯控制器，根据车辆的参数信息和期望避障轨迹计算所需的直接偏航力矩，将直接偏航力矩按照预设的力矩分配方法分配到各轮内电机上，生成转向转矩；
[0010]S400：构建基于BP神经网络预测的模糊速度控制器，BP神经网络用于对车辆速度误差进行预测，将预测后的速度误差作为模糊速度控制器的输入，计算出驱动转矩；
[0011]S500：将转向转矩和驱动转矩相加，生成控制转矩，完成自适应避障。
[0012]优选地，S100包括：
[0013]S110：获取不同路面的路面摩擦系数，设置不同路面摩擦系数所对应的模糊变量；
[0014]S120：通过不同速度下的紧急避障实验进行采样，得出实验中不同摩擦系数下的期望避障速度；
[0015]S130：通过高斯形隶属度函数对不同路面摩擦系数所对应的模糊变量和实验中不同摩擦系数下的期望避障速度进行模糊化处理，建立不同路面摩擦系数和期望避障速度之
间的映射关系。
[0016]优选地，S200包括：
[0017]S210：建立混合A*算法节点拓展模型，混合A*算法的每个节点都包含车辆的状态信息其中x,y是车辆坐标，是车辆横摆角，每一当前节点包括预设数量的拓展节点；
[0018]S220：设计混合A*算法的代价函数f(n，计算所有预设数量的拓展节点的代价，并将最小代价值对应的节点确定为下一节点，结合生成的期望避障速度、车辆初始速度以及所路面摩擦系数得到从当前节点到下一节点的最大前轮转向角；
[0019]S230：将下一节点作为当前节点，重复S220，生成相应的期望避障轨迹。
[0020]优选地，S210中还包括：
[0021]在采样周期内，设扩展值δ
f
为给定值，根据车辆运动学模拟得到下一时刻车辆的状态，其中，当δ
f
分别为
‑
δ
fmax
、
‑
δ
fmax
/2、0、δ
fmax
/2、δ
fmax
时，对应车辆在展开子节点动作时的五种状态分别为最大左转、半最大左转、不转弯、半最大右转和最大右转。
[0022]优选地，S220中的代价函数包括累积代价函数g(n)和启发式函数h(n)，公式如下：
[0023]f(n＝g(n)+h(n)
[0024]其中，累积代价函数g(n)是起始点到当前节点的距离，启发式函数h(n)用于估计从当前节点到目标节点的代价值；
[0025]设两个并行启发式函数，取两者的最大值，如下式所示:
[0026]h(n＝max{h
no_obs
,h
obs
}
[0027]其中，h
no_obs
为忽略障碍物时，当前节点到目标节点的满足运动学约束的最短路径长度，h
obs
为考虑了障碍物信息而不考虑车辆的非运动学约束的避碰路径的长度。
[0028]优选地，S220中结合生成的期望避障速度、车辆初始速度以及所路面摩擦系数得到从当前节点到下一节点的最大前轮转向角，具体为：
[0029][0030]其中，δ
fmax
是车辆的最大前轮转向角，μ是路面摩擦系数，v
I
是车辆初始速度，v
xd
是车辆期望避障速度。
[0031]优选地，S300包括：
[0032]S310：获取车辆的参数信息，对车辆进行横向动力学建模：
[0033][0034]横摆角速度可以通过以下方式更新:
[0035][0036]其中，m
v
是车辆的质量，F
yrl
是左后轮胎受到的纵向力，F
yrr
是右后轮胎受到的纵向力，F
yfr
是右前轮胎受到的纵向力，F
yfl
是左前轮胎受到的纵向力，F
xfr
是右前轮胎受到的横向力，F
xfl
是左前轮胎受到的横向力，γ是横摆角速度，δ是前轮转向角，l
z
是车辆的转动惯量，l
f
和l
r
是前后轴距，d
f
和d
r
分别是前轮距和后轮距，M
z
是直接偏航转矩，Δd1和Δd2分别表示相应的悬架和空气动力学效应，v
x
和v
y
是车辆的横向和纵向速度；
[0037]S320：将直接偏航力矩按照预设的力矩分配方法分配到各轮内电机上，生成转向
转矩，其中，预设的力矩分配方法表示如下：
[0038][0039][0040][0041][0042]其中，F
zfl
是左前轮胎的垂直负载，F
zfr
是右前轮胎的垂直负载，F
z
是所有垂直荷载的总和，a是车辆加速度，R是车轮的半径，T
mfl
是左前轮胎的转向转矩，T
mfr
是右前轮胎的转向转矩，T
mrl
是左后轮胎的转向转矩，T
mrr
...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆自适应避障方法，其特征在于，所述方法包括以下步骤：S100：获取不同路面的路面摩擦系数，避障速度规划器基于模糊拟合，根据不同的路面摩擦系数生成对应的期望避障速度；S200：获取车辆初始速度，避障轨迹规划器基于改进混合A*算法，结合生成的期望避障速度、所述车辆初始速度以及所路面摩擦系数生成相应的期望避障轨迹；S300：获取车辆的参数信息，设计直接偏航转弯控制器，根据所述车辆的参数信息和所述期望避障轨迹计算所需的直接偏航力矩，将所述直接偏航力矩按照预设的力矩分配方法分配到各轮内电机上，生成转向转矩；S400：构建基于BP神经网络预测的模糊速度控制器，所述BP神经网络用于对车辆速度误差进行预测，将预测后的速度误差作为模糊速度控制器的输入，计算出驱动转矩；S500：将所述转向转矩和所述驱动转矩相加，生成控制转矩，完成自适应避障。2.根据权利要求1所述的方法，其特征在于，S100包括：S110：获取不同路面的路面摩擦系数，设置不同路面摩擦系数所对应的模糊变量；S120：通过不同速度下的紧急避障实验进行采样，得出实验中不同摩擦系数下的期望避障速度；S130：通过高斯形隶属度函数对所述不同路面摩擦系数所对应的模糊变量和所述实验中不同摩擦系数下的期望避障速度进行模糊化处理，建立不同路面摩擦系数和期望避障速度之间的映射关系。3.根据权利要求2所述的方法，其特征在于，S200包括：S210：建立混合A*算法节点拓展模型，所述混合A*算法的每个节点都包含车辆的状态信息其中x,y是车辆坐标，是车辆横摆角，每一当前节点包括预设数量的拓展节点；S220：设计混合A*算法的代价函数f(n)，计算所有预设数量的拓展节点的代价，并将最小代价值对应的节点确定为下一节点，结合生成的期望避障速度、所述车辆初始速度以及所路面摩擦系数得到从所述当前节点到下一节点的最大前轮转向角；S230：将所述下一节点作为当前节点，重复S220，生成相应的期望避障轨迹。4.根据权利要求3所述的方法，其特征在于，S210中还包括：在采样周期内，设扩展值δ
f
为给定值，根据车辆运动学模拟得到下一时刻车辆的状态，其中，当δ
f
分别为
‑
δ
fmax
、
‑
δ
fmax
/2、0、δ
fmax
/2、δ
fmax
时，对应车辆在展开子节点动作时的五种状态分别为最大左转、半最大左转、不转弯、半最大右转和最大右转。5.根据权利要求4所述的方法，其特征在于，S220中的所述代价函数包括累积代价函数g(n)和启发式函数h(n)，公式如下：f(n)＝g(n)+h(n)其中，累积代价函数g(n)是起始点到当前节点的距离，启发式函数h(n)用于估计从当前节点到目标节点的代价值；设两个并行启发式函数，取两者的最大值，如下式所示:h(n)＝max{h
no_obs
,h
obs
}其中，h
no_obs
为忽略障碍物时，当前节点到目标节点的满足运动学约束的最短路径长度，h
obs
为考虑了障碍物信息而不考虑车辆的非运动学约束的避碰路径的长度。
6.根据权利要求5所述的方法，其特征在于，S220中结合生成的期望避障速度、所述车辆初始速度以及所路面摩擦系数得到从所述当前节点到下一节点的最大前轮转向角，具体为：其中，δ
fmax
是车辆的最大前轮转向角，μ是路面摩擦系数，v
I
是车辆初始速度，v
xd
是车辆期望避障速度。7.根据权利要求6所述的方法，其特征在于，S300包括：S310：获取车辆的参数信息，对车辆进行横向动力学建模：横摆角速度可以通过以下方式更新:其中，m
v
是车辆的质量，F
yrl
是左后轮胎受到的纵向力，F
yrr
是右后轮胎受到的纵向力，F
yfr
是右前轮胎受到的纵向力，F
yfl
是左前轮胎受到的纵向力，F
xfr
是右前轮胎受到的横向力，F
xfl
是左前轮胎受到的横向力，γ是横摆角速度，δ是前轮转向角，i
z
是车辆的转动惯量，l
f
和l
f
是前后轴距，d
f
和d
r
分别是前轮距和后轮距，M
z
是直接偏航转矩，Δd1和Δd2分别表示相应的悬架和空气动力学效应，v
x
和v
y
是车辆的横向和纵向速度；S320：将所述直接偏航力矩按照预设的力矩分配方法分配到各轮内电机上，生成转向转矩，其中，预设的力矩分配方法表示如下：转矩，其中，预设的力矩分配方法表示如下：转矩，其中，预设的力矩分配方法表示如下：转矩，其中，预设的力矩分配方法表示如下：其中，F
zfl
是左前轮胎的垂直负载，F
zfr
是右前轮胎的垂直负载，F
z
是所有垂直荷载的总和，a是车辆加速度，R是车轮的半径，T
mfl

【专利技术属性】
技术研发人员：袁小芳，王金磊，李哲，王耀南，张辉，毛建旭，
申请(专利权)人：湖南大学，
类型：发明
国别省市：