分布式驱动电动汽车换道轨迹规划方法、设备及存储介质技术

本发明专利技术公开了一种分布式驱动电动汽车换道轨迹规划方法、设备及存储介质，换道轨迹规划方法包括：根据车辆轨迹规划曲线拟合函数，生成无约束的广义换道轨迹簇；在广义换道轨迹簇中，选出满足分布式驱动电动汽车稳定域的换道轨迹簇；在满足分布式驱动电动汽车稳定域的换道轨迹簇中，根据环境几何约束和道路边界，计算出车辆的可行域；基于层次分析法和逼近于理想的技术相结合的改进算法，通过评价稳定性指标、轨迹跟踪准确性指标、舒适性指标和换道效率指标来选择最优的换道轨迹。本发明专利技术路径规划算法充分利用分布式驱动电动汽车四轮独立可控的优点，将车辆新的动力学特性融入轨迹规划算法中，电动汽车行驶的高效性和安全性得到提高。提高。提高。

【技术实现步骤摘要】
分布式驱动电动汽车换道轨迹规划方法、设备及存储介质


[0001]本专利技术涉及一种分布式驱动智能电动汽车换道轨迹规划方法，涉及分布式驱动智能电动汽车路径规划技术，属于新能源汽车设计与制造领域。

技术介绍

[0002]分布式驱动电动汽车，相对于传统“油改电”的集中式电动汽车，是一种全新的底盘驱动构型，其将驱动电机直接安装在驱动轮内或者驱动轮附近，这种新动力构型的底盘具有全方位移动能力的优点，逐渐朝着数字化底盘方向发展，因此被汽车领域专家评价为智能电动汽车专用底盘与实现安全高效无人驾驶的最佳载体，已经成为未来智能化电动汽车发展的主流趋势。近年来汽车的保有量持续增长，从而导致一些问题日益突出，交通事故频发及交通拥堵加剧。汽车的电动化、网联化、智能化成为未来发展的趋势，因此分布式驱动电动车高度智能化成为未来发展的必然趋势。自动驾驶技术分为0级到5级，伴随着汽车驾驶自动化等级的增长车辆系统对驾驶员的依赖性越小，现阶段量产的智能电动汽车自动驾驶等级在2级到3级的范围内，换言之，较为成熟的自动驾驶技术只能实现有条件的自动驾驶功能，因此智能电动汽车自动驾驶技术要提高对不同交通场景的适应性，保持在高速避撞、紧急避障等场景的车辆稳定性。分布式驱动电动汽车具有更高的控制自由度，汽车智能化技术研发难度也将更高，分布式驱动电动汽车智能化富有挑战。
[0003]车辆轨迹规划技术是自动驾驶技术实现的重要环节之一，由于车辆一般行驶在复杂的交通环境中或以高速行驶，车辆轨迹规划算法的要求一般会高于室内机器人，需要考虑更多运动学和动力学因素的影响。常用的轨迹规划算法分类包括，基于图搜索的算法、基于曲线拟合的算法、基于数值优化的算法、基于人工势场的算法、基于采样的算法和基于智能法的算法等。车辆换道轨迹规划是一种常见的交通场景之一，当车辆行驶在道路上出现超车、避障等场景时，需要提前规划一条符合人类驾驶习惯的驾驶轨迹，同时满足车辆稳定性约束、环境几何约束、道路边界约束的路径，且规划路径换道效率高、易于跟踪控制的最优路径，实现轨迹的多目标优化。现阶段，集中式智能电动汽车轨迹规划算法一般比较保守，运动学因素考虑的相对较多而忽略了动力学因素，分布式驱动电动汽车的稳定域机理性研究很大程度上地影响路径规划的最终结果，如何将运动学和动力学紧密结合进行车辆规划成为分布式驱动智能电动汽车轨迹规划的关键问题之一，是汽车高度智能化的必经之路之一。车辆智能化的大背景下，充分利用分布式驱动电动汽车的稳定域进行上层的路径规划至关重要，分布式驱动电动汽车智能驾驶层和底盘控制层之间的关系密不可分。

技术实现思路

[0004]本专利技术所要解决的技术问题是分布式驱动智能电动汽车换道轨迹规划关键问题，提出了一种分布式驱动智能电动汽车换道轨迹规划方法、装置及存储介质，所提出的轨迹规划算法在复杂交通环境下可以完成换道超车、紧急避障等交通场景，高速或低速行驶工况下同样适用。路径规划算法充分利用分布式驱动电动汽车四轮独立可控的优点，其动力
[0023]解得：κ
x2
＝m1‑
m0t
[0024]解得：
[0025]其中，m0、m1和m2为待定常数。
[0026]由极值条件为：
[0027]解得：
[0028]其中，
[0029]d).在大地坐标系下，根据上述步骤可得换道过程中最优纵向位移、速度、加速度、急动度的表达式为：
[0030][0031][0032][0033][0034]其中，j
x
(t)、a
x
(t)、v
x
(t)和x(t)分别表示车辆纵向急动度、加速度、速度和位移的函数，t为时间作为函数的自变量，为换道时间，L为车辆换道的纵向距离，v
x0
为纵向速度的初始值。
[0035](II)最优侧向位移、速度、加速度、急动度表达式确定。
[0036]a).需要最小化侧向波动，并构建最小化侧向波动的性能指标：
[0037][0038]需要满足以下条件约束：
[0039][0040]其中，η
y
为侧向化波动的代价函数，minη
y
为求解最小化侧向波动的性能指标最小值；τ0为换道轨迹的初始时刻，为换道过程的终止时刻，设初始时刻τ0＝0，因此换道过程
的时间为y(t)表示车辆换道过程中的侧向位移函数，和v
y
(t)表示车辆换道过程中的侧向车速；和a
y
(t)表示车辆换道过程中的侧向加速度；和j
y
(t)表示车辆换道过程中的侧向急动度；D为车辆换道的侧向距离；v
y0
为换道过程中侧向速度的初始值，为换道过程中侧向速度的终值；
[0041]b).为求解上述性能指标，构建哈密顿函数H
y
为
[0042][0043]其中，κ
y1
为对应v
y
的拉格朗日算子，κ
y2
为对应a
y
的拉格朗日算子，κ
y3
为对应j
y
的拉格朗日算子。
[0044]c).根据庞特里亚金极大值原理，协态方程表示为：
[0045]解得：κ
y1
＝n0[0046]解得：κ
y2
＝n1‑
n0t
[0047]解得：
[0048]其中，n0、n1和n2为待定常数。
[0049]由极值条件为：
[0050]解得：
[0051]其中，
[0052]d).在大地坐标系下，根据上述步骤可得换道过程中最优侧向急动度、加速度、速度、位移的表达式为：
[0053][0054][0055][0056][0057]其中，j
y
(t)、a
y
(t)、v
y
(t)和y(t)分别表示车辆侧向急动度、加速度、速度和位移的函数，t为时间作为函数的自变量，为换道时间，D为车辆换道的侧向距离，v
y0
为侧向速度的初始值。
[0058](III)基于五次多项式的分布式驱动智能电动汽车换道轨迹表达式确定。
[0059]在换道过程中车辆纵向车速保持恒定，纵向加速度不变达到最小化车辆纵向波动
的目的，因此可得：
[0060]v
x
(t)＝v
x0
[0061]其中，v
x
(t)表示换道过程中纵向车速函数，v
x0
为纵向车速的初始值。
[0062]基于五次多项式的分布式驱动智能电动汽车换道轨迹表达式为：
[0063][0064]其中，x(t)为换道过程的纵向位移，y(t)为换道过程的横向位移，t为函数的自变量，在一定的初始车速v
x0
下，不同的换道时间从而得到一系列无约束的广义换道轨迹簇。
[0065]筛选满足分布式驱动电动汽车稳定域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式驱动电动汽车换道轨迹规划方法，其特征在于，包含以下步骤：根据车辆轨迹规划曲线拟合函数，生成无约束的广义换道轨迹簇；在生成的无约束的广义换道轨迹簇中，选出满足分布式驱动电动汽车稳定域的换道轨迹簇；在选出的满足分布式驱动电动汽车稳定域的换道轨迹簇中，根据环境几何约束和道路边界，计算出车辆的可行域；在计算出的车辆可行域中，基于层次分析法和逼近于理想的技术相结合的改进算法，通过评价稳定性指标、轨迹跟踪准确性指标、舒适性指标和换道效率指标来选择最优的换道轨迹。2.根据权利要求1所述的一种分布式驱动电动汽车换道轨迹规划方法，其特征在于，根据车辆轨迹规划曲线拟合函数，生成无约束的广义换道轨迹簇表达式为：其中，x(t)为换道过程的纵向位移，y(t)为换道过程的横向位移，t为函数的自变量，v
x0
为初始车速，为换道时间，D为车辆换道的侧向距离。3.根据权利要求2所述的一种分布式驱动电动汽车换道轨迹规划方法，其特征在于，生成无约束的广义换道轨迹簇，包括：构建最小化纵向波动的性能指标：需满足的条件约束为：其中，η
x
为纵向化波动的代价函数，minη
x
为求解最小化纵向波动的性能指标最小值；τ0为换道轨迹的初始时刻，为换道过程的终止时刻，设初始时刻τ0＝0，因此换道过程的时间为x(t)为车辆换道过程中纵向位移函数，和v
x
(t)表示车辆换道过程中的纵向车速；和a
x
(t)表示车辆换道过程中的纵向加速度；和j
x
(t)表示车辆换道过程中的纵向急动度；L为车辆换道的纵向距离，v
x0
为换道过程中纵向速度的初始值，为换道过程中纵向速度的终值；构建的哈密顿函数H
x
为：
其中，κ
x1
为对应v
x
的拉格朗日算子，κ
x1
＝m0；κ
x2
为对应a
x
的拉格朗日算子，κ
x2
＝m1‑
m0t；κ
x3
为对应j
x
的拉格朗日算子；其中，根据哈密顿函数H
x
，求解性能指标：在大地坐标系下，得到换道过程中最优纵向位移、速度、加速度、急动度的表达式为：在大地坐标系下，得到换道过程中最优纵向位移、速度、加速度、急动度的表达式为：在大地坐标系下，得到换道过程中最优纵向位移、速度、加速度、急动度的表达式为：在大地坐标系下，得到换道过程中最优纵向位移、速度、加速度、急动度的表达式为：其中，j
x
(t)、a
x
(t)、v
x
(t)和x(t)分别表示车辆纵向急动度、加速度、速度和位移的函数，t为时间作为函数的自变量，为换道时间，L为车辆换道的纵向距离，v
x0
为纵向速度的初始值；需要最小化侧向波动，并构建最小化侧向波动的性能指标：需要满足以下条件约束：其中，η
y
为侧向化波动的代价函数，minη
y
为求解最小化侧向波动的性能指标最小值；τ0为换道轨迹的初始时刻，为换道过程的终止时刻，设初始时刻τ0＝0，因此换道过程的时间为y(t)表示车辆换道过程中的侧向位移函数，和v
y
(t)表示车辆换道过程中的侧向车速；和a
y
(t)表示车辆换道过程中的侧向加速度；和j
y
(t)表示车辆换道过程中的侧向急动度；D为车辆换道的侧向距离；v
y0
为换道过程中侧向速度的初始值，为换道过程中侧向速度的终值；
构建哈密顿函数H
y
：其中，κ
y1
为对应v
y
的拉格朗日算子，κ
y1
＝n0；κ
y2
为对应a
y
的拉格朗日算子，κ
y2
＝n1‑
n0t；κ
y3
为对应j
y
的拉格朗日算子，其中，根据哈密顿函数H
y
，求解性能指标：在大地坐标系下，得到换道过程中最优侧向急动度、加速度、速度、位移的表达式为：在大地坐标系下，得到换道过程中最优侧向急动度、加速度、速度、位移的表达式为：在大地坐标系下，得到换道过程中最优侧向急动度、加速度、速度、位移的表达式为：在大地坐标系下，得到换道过程中最优侧向急动度、加速度、速度、位移的表达式为：其中，j
y
(t)、a
y
(t)、v
y
(t)和y(t)分别表示车辆侧向急动度、加速度、速度和位移的函数，D为车辆换道的侧向距离，v
y0
为侧向速度的初始值；在换道过程中车辆纵向车速保持恒定，纵向加速度不变达到最小化车辆纵向波动的目的，因此可得：v
x
(t)＝v
x0
其中，v
x
(t)表示换道过程中纵向车速函数，v
x0
为纵向车速的初始值；在一定的初始车速v
x0
下，不同的换道时间从而得到一系列无约束的广义换道轨迹簇：4.根据权利要求1所述的一种分布式驱动智能电动汽车换道轨迹规划方法，其特征在于，在生成的无约束的广义换道轨迹簇中，选出满足分布式驱动电动汽车稳定域的换道轨迹簇，包括：建立分布式驱动电动汽车的四轮车辆模型：
其中，F
yij
为轮胎侧向力，其下标ij＝fl,fr,rl,rr分别表示轮胎左前轮、右前轮、左后轮和右后轮，r表示横摆角速度，为横摆角速度的一阶导数；β表示质心侧偏角，为质心侧偏角的一阶导数；v
x
为纵向车速；δ
f
为车辆前轮转角；a为车辆重心到前轴的距离，b为车辆重心到后轴的距离；l
f
为车辆前轴轴距，l
r
为车辆后轴轴距；m为整车质量；I
z
为绕z轴的转动惯量；计算四个轮胎的侧偏角：计算四个轮胎的侧偏角：计算四个轮胎的侧偏角：计算四个轮胎的侧偏角：其中，α
ij
为轮胎侧偏角，其下标ij＝fl,fr,rl,rr分别表示轮胎左前轮、右前轮、左后轮和右后轮；计算四个轮胎的垂直载荷：计算四个轮胎的垂直载荷：计算四个轮胎的垂直载荷：计算四个轮胎的垂直载荷：其中，F
zij
为轮胎垂直载荷，其下标ij＝fl,fr,rl,rr分别表示轮胎左前轮、右前轮、左后轮和右后轮；a
x
为车辆纵向加速度，a
y
为车辆侧向加速度；h为车辆质心的高度；基于Fiala轮胎模型计算轮胎侧向力方程：
其中，F
yij
为轮胎侧向力，其下标ij＝fl,fr,rl,rr分别表示轮胎左前轮、右前轮、左后轮和右后轮；C
α
为轮胎侧偏刚度；α
slij
为轮胎进入饱和区域所对应的侧偏角，其下标ij＝fl,fr,rl,rr分别表示轮胎左前轮、右前轮、左后轮和右后轮；μ为路面附着系数；基于相平面的方法进行车辆稳定域机理分析，根据系统状态方程列出微分方程组：由上式可得：其中，x1、x2为车辆系统的状态参数，f1(x1,x2)、f2(x1,x2)为车辆系统的微分方程；在车辆系统中，假设初始状态x0＝(x1(0),x2(0))出发的状态轨迹x(t)，保持在局部范围内，符合以下条件：其中，x(t)为车辆状态参数关于时间变化的函数，x
l
∈R是确定常数；基于相平面分析方法，对车辆不同状态进行稳定域分析，分别选择车辆不同绝对车速、路面附着系数、前轮转角对车辆稳定域的影响，具体步骤包括如下：根据相平面分析法，可得关于车辆质心侧偏角β与横摆角速度r的函数方程，β为函数的自变量，r为函数的因变量，稳定域的函数表达式为：上述函数表达式中b0、b1、b2、b3分别为：b0＝b/v
x
，b1＝tan(α
slrl
+α
slrl
)，b2＝(r2‑
r1)/(β2‑
β1)，b3＝r1‑
β1(r2‑
r1)/(β2‑
β1)r1＝ug/v
x
，r2＝v
x
/(a+b)(tan((α
slfl
+α
slfr
)/2+δ
max
)
‑
tan((α
slrl
+α
slrr
)/2))，β2＝b/(a+b)(tan((α
slfl
+α
slfr
)/2+δ
max
)
‑
tan((α

【专利技术属性】
技术研发人员：殷国栋，王凡勋，沈童，赵名卓，庄伟超，
申请(专利权)人：东南大学，
类型：发明
国别省市：