System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能汽车控制,具体而言,涉及一种无人驾驶车队横纵方向耦合协同控制方法及装置。
技术介绍
1、智能车辆队列中的车辆通过车间通信(vehicle-to-vehicle,v2v)、传感技术获取周围车辆及环境信息,准确控制车辆按照期望速度、路径行驶,并保持期望车间距,实现协同式队列巡航、跟随与驶离。智能车辆通过组成队列的方式,使多辆智能车以较小车间距行驶,明显提高了道路空间利用率,可在一定程度上缓解交通拥堵问题。车辆的队列控制的不断研究与完善将有效推动智能车辆系统的实际应用进程,具有重要的经济与社会意义,而实时的队列控制是车辆队列应用的前提与基础。
2、目前,在对车辆队列进行控制时,通常采用横纵向解耦控制策略,即根据智能车辆的横向运动和纵向运动将车辆控制简单划分为横向控制和纵向控制。然而,车辆本身是一个高度耦合的复杂控制系统,现有的横纵向解耦控制策略割裂了横纵向运动的耦合特性,不符合实际车辆的运动学特性,在高速、大转角等车辆耦合特性显著的复杂工况下,难以保证车辆队列的控制精度。
技术实现思路
1、本专利技术提供一种无人驾驶车队横纵方向耦合协同控制方法及装置,主要在于能够对车辆队列进行横纵方向耦合协同控制,从而能够保证车辆队列在复杂工况下的控制精度。
2、根据本专利技术实施例的第一方面,提供一种无人驾驶车队横纵方向耦合协同控制方法,包括:
3、获取车辆队列的周围环境信息和车辆状态信息;
4、根据所述周围环境信息和所述车辆状态信息进
5、根据所述参考路径和所述车辆状态信息中的纵向速度,利用预测模型控制算法,计算车辆前轮转角;
6、基于所述车辆前轮转角对应的转向曲率,计算车辆期望加速度;
7、基于所述车辆前轮转角和所述车辆期望加速度,对所述车辆队列进行横纵方向耦合协同控制。
8、根据本专利技术实施例的第二方面,提供一种无人驾驶车队横纵方向耦合协同控制装置,包括:
9、获取单元,用于获取车辆队列的周围环境信息和车辆状态信息;
10、规划单元,用于根据所述周围环境信息和所述车辆状态信息进行路径规划,得到所述车辆队列对应的参考路径;
11、第一计算单元,用于根据所述参考路径和所述车辆状态信息中的纵向速度,利用预测模型控制算法,计算车辆前轮转角;
12、第二计算单元,用于基于所述车辆前轮转角对应的转向曲率,计算车辆期望加速度;
13、控制单元,用于基于所述车辆前轮转角和所述车辆期望加速度,对所述车辆队列进行横纵方向耦合协同控制。
14、根据本专利技术实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
15、获取车辆队列的周围环境信息和车辆状态信息;
16、根据所述周围环境信息和所述车辆状态信息进行路径规划,得到所述车辆队列对应的参考路径;
17、根据所述参考路径和所述车辆状态信息中的纵向速度,利用预测模型控制算法,计算车辆前轮转角;
18、基于所述车辆前轮转角对应的转向曲率,计算车辆期望加速度;
19、基于所述车辆前轮转角和所述车辆期望加速度,对所述车辆队列进行横纵方向耦合协同控制。
20、根据本专利技术实施例的第四方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
21、获取车辆队列的周围环境信息和车辆状态信息;
22、根据所述周围环境信息和所述车辆状态信息进行路径规划,得到所述车辆队列对应的参考路径;
23、根据所述参考路径和所述车辆状态信息中的纵向速度,利用预测模型控制算法,计算车辆前轮转角;
24、基于所述车辆前轮转角对应的转向曲率,计算车辆期望加速度;
25、基于所述车辆前轮转角和所述车辆期望加速度,对所述车辆队列进行横纵方向耦合协同控制。
26、本专利技术提供的一种无人驾驶车队横纵方向耦合协同控制方法及装置,与现有技术相比,能够获取车辆队列的周围环境信息和车辆状态信息,并根据所述周围环境信息和所述车辆状态信息进行路径规划,得到所述车辆队列对应的参考路径,与此同时,根据所述参考路径和所述车辆状态信息中的纵向速度,利用预测模型控制算法,计算车辆前轮转角,并基于所述车辆前轮转角对应的转向曲率,计算车辆期望加速度,最终基于所述车辆前轮转角和所述车辆期望加速度,对所述车辆队列进行横纵方向耦合协同控制。由此可知,本专利技术通过纵向速度,计算车辆前轮转角,并根据该车辆前轮转角对应的转向曲率,计算车辆期望加速度,能够依据纵向速度将横向控制策略和纵向控制策略进行耦合,从而能够对车辆队列进行横纵方向耦合协同控制,进而能够保证车辆队列在复杂工况下的控制精度。
27、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种无人驾驶车队横纵方向耦合协同控制方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述参考路径和所述车辆状态信息中的纵向速度,利用预测模型控制算法,计算车辆前轮转角,包括:
3.根据权利要求2所述的方法,其特征在于,在将所述车辆三自由度横纵向耦合模型确定为预测模型之后,所述方法还包括:
4.根据权利要求2所述的方法,其特征在于,所述根据所述参考路径和所述车辆状态信息中的纵向速度,构建所述车辆队列对应的性能评价函数,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于所述车辆前轮转角对应的转向曲率,计算车辆期望加速度,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述车辆状态信息和所述车辆前轮转角对应的转向曲率,更新参考车速,包括
7.根据权利要求1所述的方法,其特征在于,所述基于所述车辆前轮转角和所述车辆期望加速度,对所述车辆队列进行横纵方向耦合协同控制:
8.一种无人驾驶车队横纵方向耦合协同控制装置,其特征在于,包括:
9.一种计算
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种无人驾驶车队横纵方向耦合协同控制方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述参考路径和所述车辆状态信息中的纵向速度,利用预测模型控制算法,计算车辆前轮转角,包括:
3.根据权利要求2所述的方法,其特征在于,在将所述车辆三自由度横纵向耦合模型确定为预测模型之后,所述方法还包括:
4.根据权利要求2所述的方法,其特征在于,所述根据所述参考路径和所述车辆状态信息中的纵向速度,构建所述车辆队列对应的性能评价函数,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于所述车辆前轮转角对应的转向曲率,计算车辆期望加速度,包括:
6.根据权利要求5所...
【专利技术属性】
技术研发人员:彭鹏志,周科宇,方达龙,孔德聪,刘洋,
申请(专利权)人:西部科学城智能网联汽车创新中心重庆有限公司,
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。