带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略制造技术

本发明专利技术公开了一种带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略，包括步骤：采集矿卡在空载、满载工况下的加减速数据，搭建前馈神经网络，利用加减速数据训练所述前馈神经网络，得到车辆的纵向动力学特性，逆向生成用于车辆速度控制的参数表，包括空载参数表和满载参数表；依据前方道路工况前馈项及速度误差反馈项确定车辆速度控制的目标加速度；根据目标加速度及实时车辆纵向速度，结合空载参数表和满载参数表，查询得到车辆控制器执行层的控制输入：油门开度值及制动开度值。该速度控制策略能够提高矿区自动驾驶矿卡在不同坡度和载荷下对纵向速度的控制性能。度和载荷下对纵向速度的控制性能。度和载荷下对纵向速度的控制性能。

【技术实现步骤摘要】
带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略


[0001]本专利技术涉及自动驾驶车辆纵向控制
，具体讲，涉及带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略。

技术介绍

[0002]随着露天矿区智能化、无人化趋势不断加速，无人运输作为露天矿区的刚性需求，需要解决重型无人运输车辆的精准控制技术。首先，矿区无人运输道路具有平整性差、道路坡度起伏大等特点，其次矿区无人驾驶矿卡具有车辆载重变化大的特点，因此带来了矿区重载运输车辆驱动系统、制动系统具有时变、非线性难以精准控制的难题，矿区无人驾驶矿卡纵向速度控制控制带来巨大挑战。
[0003]专利CN202210191871.0智能驾驶车辆的纵向控制方法及系统，介绍了一种纵向控制算法，其中驱动制动力的计算根据坡度阻力\加速阻力\道路阻力以及风阻计算得到，未考虑车辆载荷变化影响油门制动执行器响应特性；专利CN202011297948.X带环境自适应能力的自动驾驶车辆纵向控制方法及系统，提供了一种带环境自适应能力的自动驾驶车辆纵向控制方法及系统，综合考虑了道路坡道信息、车辆载荷信息和车辆自身状态信息，其中，车辆载荷的处理通过前馈补偿的方式，不能准确的对应不同载荷下车辆加减速特性。

技术实现思路

[0004]为了克服现有技术的不足,提高露天矿区无人运输车辆在道路坡度、载荷变化情况下的速度控制精度,本专利技术提出一种适配不同道路坡度和载荷的纵向速度控制策略。具体而言,考虑露天矿区自动驾驶矿卡行驶在上下坡道、空载重载等场景的需求,在综合分析自动驾驶矿卡驱动、制动执行机构模型参数的非线性,提出一种带坡度补偿适配不同载荷的纵向速度控制策略,提高矿区自动驾驶矿卡在不同坡度和载荷下对纵向速度控制性能。
[0005]本专利技术采用如下技术方案：
[0006]一种带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略，包括以下步骤：
[0007]S1，采集矿卡在空载、满载工况下的加减速数据，搭建前馈神经网络，利用加减速数据训练所述前馈神经网络，得到车辆的纵向动力学特性，逆向生成用于车辆速度控制的参数表，包括空载参数表和满载参数表；
[0008]S2，实时获得获得预瞄参数
‑
前方道路平均坡度值θ
mean
及前方参考速度增量Δυ
ref
，基于模糊推理得到前方道路工况前馈项a
ff
；实时获得车辆速度控制误差，设计包含比例
‑
积分项的闭环控制器计算得到速度误差反馈项a
bf
；依据前方道路工况前馈项a
ff
及速度误差反馈项a
bf
确定车辆速度控制的目标加速度a
target
，a
target
＝k1a
ff
+k2a
bf
，其中k1、k2分别为前馈项与反馈项的贡献系数，k1、k2∈[0％，100％]；
[0009]S3，根据目标加速度及实时车辆纵向速度，结合空载参数表和满载参数表，查询得到车辆控制器执行层的控制输入：油门开度值及制动开度值。
[0010]进一步，所述步骤S1，所述前馈神经网络包含空载网络和满
载网络所述空载参数表为[φ
t
，φ
b
]＝Table1(v
x
，a
target
)，所述满载参数表为[φ
t
，φ
b
]＝Table2(v
x
，a
target
)，其中v
x
为车辆纵向速度、φ
t
为油门开度、φ
b
为制动开度、为车辆实际加速度、a
target
为车辆速度控制的目标加速度。
[0011]进一步，所述步骤S1，所述加减速数据包括加速数据和减速数据，加速数据为矿卡在不同车速0，1，2，...，29，30km/h、不同油门开度0％，1％，...，99％，100％下的加速度测量值，减速数据为矿卡在不同车速0，1，2，...，30km/h、不同制动开度0％，1％，...，99％，100％下的减速度测量值。
[0012]进一步，所述步骤S2，所述实时获得获得预瞄参数一前方道路平均坡度值θ
mean
及前方参考速度增量Δυ
ref
具体为
[0013]确定预瞄时间t
pre
，得到预瞄时间窗口[t
now
，t
pre
]，预瞄距离d
pre
＝υ
rea
l*t
pre
，依据前方道路的任务信息及地图信息获得时间窗口内的道路离散点信息，计算前方道路平均坡度值θ
mean
和前方参考速度增量Δυ
ref
：
[0014]其中θ
i
为第i个离散点的坡度值；
[0015]Δυ
ref
＝υ
ref，pre
‑
υ
ref，now
，其中υ
ref，pre
、υ
ref，now
分别为预瞄时间t
pre
及当前时间确定的参考速度值。
[0016]进一步，所述步骤S2，基于模糊推理得到前方道路工况前馈项a
ff
，构造前方道路工况前馈项a
ff
的参数标定表a
ff
＝Table3(θ
mean
，Δυ
ref
)：
[0017](1)依据前方道路平均坡度值θ
mean
的取值范围，构建平均坡度值θ
mean
的模糊子集：下坡大坡度NB1、下坡小坡度NS1、水平道路M1、上坡小坡度PS1、上坡大坡度PB1，用于涵盖平均坡度值的论域；
[0018](2)依据前方参考速度增量Δυ
ref
的取值范围，构建前方参考速度增量Δ
υref
的模糊子集：减速强瞬态工况NB2、减速弱瞬态工况NS2、稳态工况M2、加速弱瞬态工况PS2、加速强瞬态工况PB2，用于涵盖前方参考速度增量的论域；
[0019](3)依据前方道路工况前馈项a
ff
的取值范围，构建前方道路工况前馈项a
ff
的模糊子集：大减速NB3、中减速NM3、小减速NS3、小加速PS3、中加速PM3、大加速PB3，用于涵盖前方道路工况前馈项的论域；
[0020](4)依据专家经验建立模糊规则表，用于限定平均坡度值θ
mean
的模糊子集、前方参考速度增量Δυ
ref
的模糊子集与前方道路工况前馈项a
ff
的模糊子集之间的输入和输出关系；
[0021](5)采用最大隶属度函数加权平均值法对模糊规则表的模糊结果进行清晰化，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略，其特征在于，包括以下步骤：S1，采集矿卡在空载、满载工况下的加减速数据，搭建前馈神经网络，利用加减速数据训练所述前馈神经网络，得到车辆的纵向动力学特性，逆向生成用于车辆速度控制的参数表，包括空载参数表和满载参数表；S2，实时获得获得预瞄参数
‑
前方道路平均坡度值θ
mean
及前方参考速度增量Δv
ref
，基于模糊推理得到前方道路工况前馈项a
ff
；实时获得车辆速度控制误差，设计包含比例
‑
积分项的闭环控制器计算得到速度误差反馈项a
bf
；依据前方道路工况前馈项a
ff
及速度误差反馈项a
bf
确定车辆速度控制的目标加速度a
target
，a
target
＝k1a
ff
+k2a
bf
，其中k1、k2分别为前馈项与反馈项的贡献系数，k1、k2∈[0％，100％]；S3，根据目标加速度及实时车辆纵向速度，结合空载参数表和满载参数表，查询得到车辆控制器执行层的控制输入：油门开度值及制动开度值。2.根据权利要求1所述的带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略，其特征在于，所述步骤S1，所述前馈神经网络包含空载网络和满载网络所述空载参数表为[φ
t
，φ
b
]＝Table1(v
x
，a
target
)，所述满载参数表为[φ
t
，φ
b
]＝Table2(v
x
，a
target
)，其中v
x
为车辆纵向速度、φ
t
为油门开度、φ
b
为制动开度、为车辆实际加速度、a
target
为车辆速度控制的目标加速度。3.根据权利要求1所述的带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略，其特征在于，所述步骤S1，所述加减速数据包括加速数据和减速数据，加速数据为矿卡在不同车速0，1，2，...，29，30km/h、不同油门开度0％，1％，...，99％，100％下的加速度测量值，减速数据为矿卡在不同车速0，1，2，...，30km/h、不同制动开度0％，1％，...，99％，100％下的减速度测量值。4.根据权利要求1
‑
3任一项所述的带坡度补偿的适配不同载荷的自动驾驶矿卡速度控制策略，其特征在于，所述步骤S2，所述实时获得获得预瞄参数
‑
前方道路平均坡度值θ
mean
及前方参考速度增量Δv
ref
具体为确定预瞄时间t
pre
，得到预瞄时间窗口[t
now
，t
pre
]，预瞄距离d
pre
＝v
real
*t
pre
，依据前方道路的任务信息及地图信息获得时间窗口内的道路离...

【专利技术属性】
技术研发人员：陈江松，陈志发，胡瑞，吴迪，张义雨，
申请(专利权)人：北京踏歌智行科技有限公司，
类型：发明
国别省市：