基于自适应模型预测控制弯道车道保持方法及系统技术方案

本发明专利技术公开了一种基于自适应模型预测控制弯道车道保持方法及系统，首先根据车辆行驶的弯道工况信息确定车辆过弯安全车速；然后利用遗传算法匹配不同道路信息下MPC控制器的最优时域参数；再构建神经网络MPC控制器，使车辆过弯安全车速与MPC控制器的时域参数根据弯道工况的改变进行自适应调整；最后根据训练后的神经网络，综合车辆纵向控制器和车辆横向控制器，实现控制弯道车道的保持。本发明专利技术有效解决了过弯车速较高导致的车辆侧滑或侧翻、固定MPC时域参数导致的车道保持精度较差的问题，提高了无人驾驶车辆弯道车道保持的精准性，保障了车辆行驶的稳定性，对推动无人驾驶技术的快速发展具有现实意义。快速发展具有现实意义。快速发展具有现实意义。

【技术实现步骤摘要】
基于自适应模型预测控制弯道车道保持方法及系统


[0001]本专利技术属于无人驾驶的
，主要涉及了一种基于自适应模型预测控制弯道车道保持方法及系统。

技术介绍

[0002]车道保持是无人驾驶的基础性任务，其目的是通过控制车轮转角使车辆跟随期望路径的中心线行驶，属于车辆的横向控制领域。
[0003]通过对国内外车道保持控制策略进行调研，用于车道保持的常用控制器有PID(比例积分微分)控制器、SMC(滑膜控制)控制器、LQR(线性二次调节)控制器、Stanley控制器、纯跟踪控制器以及MPC(模型预测控制)控制器等。其中，MPC控制器的基本思想是利用已有的模型、系统当前的状态和未来的控制量去预测系统未来的输出，通过滚动地求解带约束优化问题来实现控制目的，使得控制误差最小。因此，MPC在车辆控制领域最为常用。
[0004]现有的基于MPC控制器的车道保持方法均采用恒定的时域参数，且假设车辆进行匀速车道保持，道路附着条件良好，道路曲率较小。然而，在真实环境下，道路曲率是时变的，道路附着条件会随着天气等因素的影响改变。当车辆以较高速度过弯时，会发生侧滑或侧翻等危险事故。当MPC控制器的时域控制参数恒定时，车道保持的效果在某一路段可能表现较好，但当车辆行驶环境发生剧烈变化时，车道保持会产生一定偏差，甚至会对车辆的安全稳定性造成影响。寻找一种方法使车速和MPC控制器的时域控制参数根据环境变化进行自适应调整，既保障了车辆的行驶安全，还能提升弯道车道保持的效果。因此，本专利提出了一种基于自适应模型预测控制弯道车道保持方法及系统。

技术实现思路

[0005]本专利技术正是针对现有技术中无法实现无人驾驶车道保持精准性与稳定性的问题，提供一种基于自适应模型预测控制弯道车道保持方法及系统，首先根据车辆行驶的弯道工况信息确定车辆过弯安全车速；然后利用遗传算法匹配不同道路信息下MPC控制器的最优时域参数；再构建神经网络MPC控制器，使车辆过弯安全车速与MPC控制器的时域参数根据弯道工况的改变进行自适应调整；所述神经网络模型为：输入为道路曲率半径和道路附着系数，输出为过弯安全车速、预测时域N
p
和控制时域N
c
的二输入三输出神经网络；最后根据训练后的神经网络，综合车辆纵向控制器和车辆横向控制器，实现控制弯道车道的保持。本专利技术能够实现车辆在进行弯道车道保持时车速与控制器参数的自适应调整，有效解决了过弯车速较高导致的车辆侧滑或侧翻、固定MPC时域参数导致的车道保持精度较差的问题，提高了无人驾驶车辆弯道车道保持的精准性，保障了车辆行驶的稳定性，对推动无人驾驶技术的快速发展具有现实意义。
[0006]为了实现上述目的，本专利技术采取的技术方案是：基于自适应模型预测控制弯道车道保持方法，包括如下步骤：
[0007]S1：根据车辆行驶的弯道工况信息确定车辆过弯安全车速；所述车辆过弯时仅考
虑前轮参与车辆转向，且左前轮和右前轮具有相同的转动角度；
[0008]S2：利用遗传算法匹配不同道路信息下MPC控制器的最优时域参数，所述最优时域参数与步骤S1的过弯安全车速、道路曲率半径和道路附着系数有关；
[0009]S3：构建神经网络MPC控制器，使步骤S1获得的车辆过弯安全车速与步骤S2确定的MPC控制器的时域参数根据弯道工况的改变进行自适应调整；所述神经网络模型为：输入为道路曲率半径和道路附着系数，输出为过弯安全车速、预测时域N
p
和控制时域N
c
的二输入三输出神经网络；
[0010]S4：根据步骤S3训练后的神经网络，综合车辆纵向控制器和车辆横向控制器，实现控制弯道车道的保持。
[0011]作为本专利技术的一种改进，所述步骤S1中，车辆过弯的安全车速为车辆不发生侧滑与侧翻的最大临界速度：
[0012][0013]其中，min{
·
}表示取最小值；μ表示轮胎与路面间的附着系数；g表示重力加速度；θ表示道路侧向坡度角；R表示道路曲率半径；B表示汽车的轮距；H
g
表示车辆重心高度。
[0014]作为本专利技术的一种改进，所述步骤S1中车辆过弯的安全车速为法律限速内，车辆不发生侧滑与侧翻的最大临界速度，即：
[0015]V
safe
＝min{kV
sr_maX
，V
law
}
[0016]其中，V
safe
表示车辆过弯安全车速；k表示环境因子，晴天时，环境因子k取值范围为[0.32，0.38]；阴天时，环境因子k取值范围为[0.24，0.32]；夜间时，环境因子k取值范围为[0.20，0.27]；雨雪雾霾天气时，环境因子k取值范围为[0.12，0.18]。
[0017]作为本专利技术的另一种改进，所述步骤S2基于遗传算法的MPC最优时域参数选择具体包括：
[0018]S21：初始化MPC时域参数，生成个体数量为N的种群；
[0019]S22：使用ROUND函数对初始化的种群进行向下取整操作，并将取值赋值给预测时域N
p
和控制时域N
c
；
[0020]S23：将步骤S22中的时域参数值输入MPC控制器根据相应的过弯安全车速进行圆形路径跟踪，计算个体的适应度函数，车道保持任务的适应度函数为：
[0021][0022]其中，J
s
表示车道保持稳定性的评价指标；J
e
表示车道保持精准性的评价指标；w
s
和w
e
分别表示衡量车道保持稳定性和精准性的权重；
[0023]S24：对评分较高的个体进行选择、交叉；为防止陷入局部最优，还需要对少量个体进行变异，生成新的个体；
[0024]S25：重复步骤S22一S24，直至满足车道保持性能要求或完成迭代次数。
[0025]作为本专利技术的另一种改进，所述步骤S23中，车道保持稳定性的评价指标J
s
具体为：
[0026][0027]其中，J
s1
为横摆角速度评价指标；J
s2
为侧向加速度评价指标；w
s1
和w
s2
分别表示衡量横摆角速度和侧向加速度的权重；
[0028]其中：
[0029][0030][0031]其中，和分别表示车辆横摆角速度及横摆角速度阈值；a
y
和分别表示车辆纵向加速度及纵向加速度阈值；t1和t2分别表示实验开始与结束的时间；
[0032]所述车道保持精准性的评价指标J
e
具体为：
[0033][0034]其中，J
e1
为车道保持横向偏差评价指标；J
e2
为横摆角偏差评价指标；w
e1
和w
e2
分别表示衡量车道保持横向偏差和横摆角偏差的权重；
[0035]其中：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应模型预测控制弯道车道保持方法，其特征在于:包括如下步骤：S1：根据车辆行驶的弯道工况信息确定车辆过弯安全车速；所述车辆过弯时仅考虑前轮参与车辆转向，且左前轮和右前轮具有相同的转动角度；S2：利用遗传算法匹配不同道路信息下MPC控制器的最优时域参数，所述最优时域参数与步骤S1的过弯安全车速、道路曲率半径和道路附着系数有关；S3：构建神经网络MPC控制器，使步骤S1获得的车辆过弯安全车速与步骤S2确定的MPC控制器的时域参数根据弯道工况的改变进行自适应调整；所述神经网络模型为：输入为道路曲率半径和道路附着系数，输出为过弯安全车速、预测时域N
p
和控制时域N
c
的二输入三输出神经网络；S4：根据步骤S3训练后的神经网络，综合车辆纵向控制器和车辆横向控制器，实现控制弯道车道的保持。2.如权利要求1所述的基于自适应模型预测控制弯道车道保持方法，其特征在于：所述步骤S1中，车辆过弯的安全车速为车辆不发生侧滑与侧翻的最大临界速度：其中，min{
·
}表示取最小值；μ表示轮胎与路面间的附着系数；g表示重力加速度；θ表示道路侧向坡度角；R表示道路曲率半径；B表示汽车的轮距；H
g
表示车辆重心高度。3.如权利要求2所述的基于自适应模型预测控制弯道车道保持方法，其特征在于：所述步骤S1中车辆过弯的安全车速为法律限速内，车辆不发生侧滑与侧翻的最大临界速度，即：V
safe
＝min{kV
sr_max
，V
law
}其中，V
safe
表示车辆过弯安全车速；k表示环境因子，晴天时，环境因子k取值范围为[0.32,0.38]；阴天时，环境因子k取值范围为[0.24,0.32]；夜间时，环境因子k取值范围为[0.20,0.27]；雨雪雾霾天气时，环境因子k取值范围为[0.12,0.18]。4.如权利要求1或3所述的基于自适应模型预测控制弯道车道保持方法，其特征在于：所述步骤S2基于遗传算法的MPC最优时域参数选择具体包括：S21：初始化MPC时域参数，生成个体数量为N的种群；S22:使用ROUND函数对初始化的种群进行向下取整操作，并将取值赋值给预测时域N
p
和控制时域N
c
；S23：将步骤S22中的时域参数值输入MPC控制器根据相应的过弯安全车速进行圆形路径跟踪，计算个体的适应度函数，车道保持任务的适应度函数为：其中，J
s
表示车道保持稳定性的评价指标；J
e
表示车...

【专利技术属性】
技术研发人员：李煊鹏，张稳，张为公，
申请(专利权)人：东南大学，
类型：发明
国别省市：