【技术实现步骤摘要】
本专利技术涉及智能车辆控制，具体为一种面向复杂工况自适应的智能车混合控制系统及方法。
技术介绍
1、在智能车辆控制领域中，主流的横向控制方法有线性二次型调节器（lqr）、模型预测控制（mpc）、纯跟踪(pure pursuit)、斯坦利(stanley)等算法，纵向控制主要使用pid、滑膜控制、模糊控制等方法。目前纵向控制的方法较为成熟，且效果较好，而横向控制的方法虽然有很多种，但各自都有明显的优缺点。在横向控制算法中，纯跟踪的特点是具有预瞄特性，不会对速度和道路曲率的瞬时变化过度敏感，鲁棒性较好，但不适合道路曲率较大的场景；stanley算法是基于前轮中心和最近路径点之间的误差进行控制的算法，它的特点是对当前的横向跟踪误差较为敏感，相比纯跟踪，它在弯道较多的情况表现更好，相应地鲁棒性会更差，尤其在离散程度较高的路径点下，车辆的操稳性会明显降低，出现左右摇摆的现象；而这两种算法共同的特点是，都基于几何学模型进行跟踪控制，算法原理简单，计算实时性较高，一般多用于低速场景，如公开号cn114802214a，专利技术名称为纯跟踪自动泊车控制方法、性能评估工具及可读存储介质，该专利技术提出一种能够优化纯追踪算法的预瞄距离，从而提高泊车控制准确性的自动泊车控制方法；公开号cn114355941a,专利技术名称为基于改进stanley控制的车辆路径跟踪方法，将stanley与模糊控制结合，来提高路径跟踪精度。
2、但纯跟踪和stanley算法本质上均未考虑车辆的动力学特性和转向执行器的动态特性，在高速场景下，道路曲率的变化易使车
3、lqr和mpc是基于动力学或运动学模型进行跟踪控制的算法，其中，mpc能预测未来一段时域内的最优解，且不断进行更新，并对各种状态量、控制量、控制增量进行约束，因此，一般情况下，相较于其他几种算法，mpc的控制精度更高，在复杂路况下的控制表现相对更好。如公开号cn111930112a，专利技术名称为一种基于mpc的智能车辆路径跟踪控制方法及系统，该方法建立三自由度动力学模型，将非线性模型转为线性模型，得到优化目标函数，并添加了车辆动力学约束以提高车辆行驶的稳定性。但mpc算法也存在一些不足之处，比如在求解一段时域以及滚动优化的过程中，mpc算法付出了大量的计算成本，导致其实时性相比lqr等算法有所下降，同时增加了对硬件算力的要求，不利于降低量产成本。其次，在建立动力学模型、得到状态空间方程的过程中，现有的方法都是将非线性模型转化为线性模型，这会造成模型精度有所损失，从而影响控制的精度。
技术实现思路
1、本专利技术的目的在于提供一种面向复杂工况自适应的智能车混合控制系统及方法，以解决上述
技术介绍
中提出的对于不同的场景工况，单一使用stanley和纯跟踪算法的缺点，操控精度不高等问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种面向复杂工况自适应的智能车混合控制系统，包括：
3、场景切换模块，用于判断车辆当前处于或即将进入哪个场景，根据不同的场景采用不同的控制策略和算法，达到自适应不同工况的最优控制效果；
4、控制算法模块，包含stanley和纯跟踪算法相结合的混合控制方法，以及采用径向基神经网络补偿建模精度的mpc算法，混合控制方法应用于低速场景和中高速直线道路场景，mpc算法则用于中高速的弯道场景下；
5、模型调度模块，包括几何学模型和动力学模型的建立，以及根据算法的需求调用不同的模型，当使用混合控制方法时，则使用几何学模型；当使用mpc算法时，则调用动力学模型。
6、一种面向复杂工况自适应的智能车混合控制方法，该面向复杂工况自适应的智能车混合控制方法的具体步骤如下：
7、步骤1，建立几何学和二自由度动力学模型，模型参数根据具体车辆而定；
8、步骤2，设计自适应的混合控制策略，根据底盘模块返上来的当前车速、加速度和规划模块发来的未来一段时间的速度、加速度，判断车辆是在低速还是中高速场景中；
9、步骤3，在低速场景下，横向控制完全使用stanley和纯跟踪相结合的混合控制方法，基于几何学模型，先分别设计两种算法，再根据规划路径点的离散程度及道路的曲率变化来调整两种算法的权值，得到最终的一个横向控制指令；
10、步骤4，在中高速场景下，先根据道路的当前曲率和曲率变化率判断，选用哪种控制策略；当曲率和曲率变化率小于设定的阈值，认为在近似中高速直线道路的场景下行驶，使用混合控制方法；当大于设定的阈值，则认为，此时在中高速弯道或快要进入弯道的场景下行驶，这时切换至加上模型误差补偿的mpc算法进行控制。
11、与现有技术相比，本专利技术的有益效果是：
12、将stanley和纯跟踪算法相结合，并根据规划路径点的离散程度及道路的曲率大小来设计结合的权重，在路径点离散程度较高时，调大纯跟踪算法的权重比，在道路曲率较高时，调大stanley算法的权重比，从而改善stanley算法鲁棒性差、纯跟踪算法弯道跟踪效果不好的缺点，同时提高控制的鲁棒性和操纵稳定性。
13、利用径向基神经网络较高的收敛速度和较强的非线性逼近能力，补偿mpc算法在建模时产生的模型误差，从而提高mpc算法的控制精度。
14、通过设定低速和中高速场景，及中高速场景下的直线和弯道场景，将stanley和纯跟踪算法的综合控制方法应用在低速和中高速直线场景下，将mpc算法应用在中高速弯道场景下；既提高了stanley和纯跟踪算法的应用范围，有效利用了其结构简单，实时性高的优点，又解决了单独使用mpc算法产生的高额算力问题，避免一些不必要的算力耗费，有助于降低量产成本，提高了整体控制的实时性。
15、根据规划和底盘发来的信息，判断处于哪种场景下，自适应的切换控制策略，从而在不同的场景都能选择最优的控制方法，提高控制的跟踪效果。
本文档来自技高网...【技术保护点】
1.一种面向复杂工况自适应的智能车混合控制系统，其特征在于，包括：
2.一种面向复杂工况自适应的智能车混合控制方法，其特征在于，该面向复杂工况自适应的智能车混合控制方法的具体步骤如下：
【技术特征摘要】
1.一种面向复杂工况自适应的智能车混合控制系统，其特征在于，包括：
2.一种面向复杂工...
【专利技术属性】
技术研发人员：刘杰，郑仁杰，夏泽韬，叶腾驹，王景珂，
申请(专利权)人：浙江有鹿机器人科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。