一种无人驾驶车辆制动系统及制动方法与流程

本发明属于无人驾驶汽车领域，具体涉及一种无人驾驶车辆制动系统及制动方法。
背景技术：
：随着我国国民经济社会的迅速发展，车辆保有量逐年增加，与此同时，我国道路交通事故的统计数据表明，由机动车驾驶人的危险驾驶行为引起的道路交通事故占交通事故总量的90％左右。其中，驾驶人危险驾驶行为包括醉酒驾驶、无证驾驶、违法超车和超速行驶等。由于驾驶员人为因素造成的交通事故，仅仅通过对驾驶行为的规范和教育难以完全避免的，根本的解决方案是实现无人驾驶。无人驾驶车辆不仅提高了行驶安全性，还可以提高出行的效率，将驾驶员从枯燥繁琐的驾驶操作中解放出来。无人驾驶车辆主要包含环境感知、定位导航、路径规划和运动控制等关键技术。其中实现无人驾驶车辆精确、稳定、可靠的运动控制是保证车辆行驶安全性的前提。而对无人驾驶车辆制动系统的控制可以避免车辆在行驶过程中与其他障碍物发生碰撞，保证车内乘员和设备的财产安全。现有技术中，大多数是通过ECU控制器发送制动命令以驱动电机实现车辆的减速，但不同厂家不同车型之间的ECU型号不尽相同，而且各厂家之间的ECU和CAN总线都不对外开放，不同的车型，通信协议不同，导致同一个控制系统就只能控制某一类车型，通用性低，不利于无人车技术的发展。技术实现要素：为了解决上述问题，本发明提供了一种无人驾驶车辆制动系统及制动方法，本发明设计合理，可应用于任意车型的制动系统，实现无人车制动系统的快速改装。为达到上述目的，本发明所述一种无人驾驶车辆制动系统包括车速获取模块、运动规划模块、上位机、下位机和执行机构，所述车速获取模块与上位机之间、运动规划模块与上位机之间、上位机与下位机之间、下位机与执行机构之间均通信连接，其中，所述车速获取模块用于获取轮速，并根据轮速计算出当前实际车速vi(k)，并将当前实际车速vi(k)信息传递至上位机；所述运动规划模块用于计算期望车速ve(k)，并将该期望车速ve(k)的值传递至上位机；所述上位机用于接收运动规划模块传递的期望车速ve(k)，并计算出速度偏差e(k)，速度偏差e(k)＝ve(k)-vi(k)，若e(k)小于阈值，则发送相应的制动信号至下位机，否则不动作；所述下位机用于接收上位机传递的信号，并向执行机构发出控制信号，控制执行机构动作；所述执行机构用于接收下位机传递的控制信号，并根据该控制信号对车辆进行制动。所述车速获取模块为四个旋转编码器，所述上位机为车载工控机或笔记本电脑，所述下位机为单片机。所述执行机构包括法兰型重型舵机，钢丝绳和制动踏板，所述法兰型重型舵机位于制动踏板正后方，通过连接件用螺栓固定在车体上，钢丝绳一端与制动踏板连接，另一端绕设在法兰型重型舵机的法兰盘外周。所述旋转编码器通过法兰盘用螺钉直接固定在轮毂螺栓上。一种无人驾驶车辆制动方法，包括如下步骤：步骤1，首先由无人驾驶车辆环境感知模块和运动规划模块获得当前所期望的车速ve(k)，并根据旋转编码器传递的车辆实际车速vi(k)，计算出速度偏差e(k)＝ve(k)-vi(k)，若e(k)小于阈值，则进行步骤2，否则不动作；步骤2，将速度偏差e(k)＝ve(k)-vi(k)和一个控制周期内的速度偏差变化量ec(k)＝e(k)-e(k-1)进行模糊量化得到输入变量fe(k)和fec(k)；步骤3，根据人工驾驶及制动实验知识库制定相应的模糊控制规则表，利用步骤2量化得到的输入变量fe(k)和fec(k)得到输出变量fu(k)；步骤4，利用步骤2量化得到的输入变量fe(k)和fec(k)得到输出变量fu(k)，具体为，选择输入变量fe(k)、fec(k)和输出变量fu(k)的模糊子集均为{NB，NM，NS，ZO，PS，PM，PB}，即{负大，负中，负小，零，正小，正中，正大}，根据模糊控制规则表得到fu(k)；步骤5，确定高斯型隶属函数作为各模糊变量的隶属度函数，具体函数：上式中：x为各隶属度函数的元素值，即自变量，最终得到各模糊变量的隶属度函数数值；步骤6，根据各模糊变量的隶属函数以及模糊控制规则表，利用Mamdani型模糊推理方法进行模糊推理，并将推理得到的模糊集合利用重心法来进行反模糊化，从而得到精确的控制变量fuf(k)，重心法的公式为其中u为输入变量，v为输出变量，且u∈U,v∈V；步骤7，对fuf(k)进行档位划分，并根据档位划分结果，得到实际控制输出量u(k)；步骤8，将实际控制输出量u(k)通过下位机传递至执行机构，执行机构实现无人驾驶车辆的制动。所述模糊输入变量fe(k)、fec(k)和输出变量fu(k)的模糊子集均为{NB，NM，NS，ZO，PS，PM，PB}，即{负大，负中，负小，零，正小，正中，正大}。步骤4中所述的实际控制输出量u(k)划分为5个档位，具体划分规则为：(1)若0＞fuf(k)≥T1，则u(k)＝0；(2)若T1＞fuf(k)≥T2，则u(k)＝u1；(3)若T2＞fuf(k)≥T3，则u(k)＝u2；(4)若T3＞fuf(k)≥T4，则u(k)＝u3；(5)若T4＞fuf(k)，则u(k)＝u4，其中，0＞T1＞T2＞T3＞T4，0代表不制动，u1代表轻微制动，u2代表中等制动，u3代表稍强制动，u4代表紧急制动。与现有技术相比，本发明至少具有以下有益的技术效果，本发明包括车速获取模块、运动规划模块、上位机、下位机和执行机构，车速获取模块与上位机之间、运动规划模块与上位机之间、上位机与下位机之间、下位机与执行机构之间均通信连接，本系统可应用于任意车型的制动系统，可实现无人车制动系统的快速改装，利用各个模块的共同作用最终控制执行机构，由执行机构对车辆实施制动，由下位机直接控制制动踏板，从而实现制动，这样就不会因为通讯协议的不同而针对不同的车型要研发不同的系统，车辆只要有制动踏板就可以安装本系统，通用性高。进一步的，车速获取模块为四个旋转编码器，上位机为车载工控机或笔记本电脑，下位机为单片机，因为车辆本身的原因，四个轮的速度有可能不同，特别是在转弯的时候内外轮速度是不同的，所以根据四个轮的速度用某种算法求出车辆质心处的速度，计算出的车速更准确，且相比于车速传感器而言，通过旋转编码器计算得到的车速更为精确，充分保证了控制算法的准确性，确保了无人驾驶车辆的安全性。进一步的，执行机构包括法兰型重型舵机，钢丝绳和制动踏板，法兰型重型舵机位于制动踏板正后方，通过连接件用螺栓固定在车体上，钢丝绳一端与制动踏板连接，另一端绕设在法兰型重型舵机的法兰盘外周，相比电机而言，采用法兰型重型舵机作为驱动机构，由下位机直接控制法兰型重型舵机动作，由舵机控制制动踏板动作，就像人踩刹车一样，从而实现制动，同时可省去减速机构，因此结构紧凑，便于安装，舵机自带法兰盘，整体性好，且舵机扭力大，稳定性好，便于控制。进一步的，旋转编码器通过法兰盘用螺钉直接固定在轮毂螺栓上，便于安装且获取的轮速更为准确。一种无人驾驶车辆制动方法中采用模糊控制，模糊算法简单有效，可以达到熟练人工控制的效果。进一步的，模糊输入变量fe(k)、fec(k)和输出变量fu(k)的模糊子集均为{NB，NM，NS，ZO，PS，PM，PB}，即{负大，负中，负小，零，正小，正中，正大}，选择这种模糊子集控制算法简便，而且能达到控制要求。进一步的，的实际控制输出量u(k)划分为5个档位，分别为：不制动、轻微制动、中等制动、稍强制动和紧急制动，相比传统的PID控制，可消除车辆制动过程中制动踏板的抖动现象，提高车辆的行驶平顺性和乘坐舒适性。附图说明图1为无人驾驶车辆制动系统的结构框图；图2为无人驾驶车辆制动系统的执行机构示意图；图3为无人驾驶车辆制动系统控制方法的算法原理图；附图中：1、法兰型重型舵机，2、法兰盘，3、钢丝绳，4、制动踏板。具体实施方式下面结合附图和具体实施方式对本发明进行详细说明。参照图1，一种无人驾驶车辆制动系统包括上位机、下位机、执行机构和车速获取模块，所述车速获取模块与上位机之间、上位机与下位机之间、下位机与执行机构之间均通信连接，具体为通过数据线连接，其中上位机为车载工控机或笔记本电脑，下位机为飞思卡尔KinetisK60单片机，车速获取模块为四个旋转编码器，因为车辆本身的原因，四个轮的速度有可能不同，特别是在转弯的时候内外轮速度是不同的，得根据四个轮的速度计算出车辆质心处的速度，这才是真正的车速，上位机根据无人驾驶车辆环境感知模块获取道路信息以及车辆周围的障碍物信息，并计算出期望车速ve(k)。利用旋转编码器获取轮速，并依此计算出当前实际车速vi(k)，设速度偏差e(k)＝期望车速ve(k)-实际车速vi(k)，若e(k)小于一定的阈值，此处取为-0.8m/s，则发送相应的制动信号至下位机，下位机接收来自上位机的制动信号，并向执行机构发出控制信号，控制舵机转动相应的角度实现整车的制动，若e(k)≥-0.8m/s，则不发送制动信号给下位机，即车辆不进行制动。参照图2，执行机构包括法兰型重型舵机1，法兰盘2，钢丝绳3和制动踏板4，法兰型重型舵机1位于制动踏板4正后方(后方是指以制动踏板为参考轴与驾驶座相对的一侧)，并通过钢板固定在车辆上，通过连接件用螺栓固定在车体上，钢丝绳3一端与制动踏板4相连，另一端绕设在舵机的法兰盘2外周，旋转编码器通过法兰盘用螺钉直接固定在轮毂螺栓上,当下位机接收来自上位机的制动信号，并向重型舵机发出控制信号，此时舵机转动相应的角度，拉动钢丝绳，使得制动踏板下移，从而实现整车的制动，直接用舵机作为制动的动力，减速器直接集成在舵机中，结构更为紧凑，舵机自带法兰盘，整体性好，体积小，结构更紧凑，便于安装。参照图3，一种无人驾驶车辆制动方法，包括以下步骤：步骤1：首先由无人驾驶车辆环境感知模块和运动规划模块获得当前所期望的车速ve(k)，并将该车速信息传递至上位机，旋转编码器获取轮速，并依此计算出当前实际车速vi(k)，最后将该轮速信息传递至上位机，由上位机计算速度偏差e(k)，速度偏差e(k)＝ve(k)-vi(k)，若e(k)小于阈值，则发送相应的制动信号至下位机，否则不动作，步骤2：上位机计算出一个控制周期内的速度偏差变化率ec(k)，ec(k)＝e(k)-e(k-1)，本实施方式中选取10ms为一个控制周期，考虑到车辆在制动时速度偏差可能会较大，故将控制系统的e(k)和ec(k)的论域选择为[-6，6]，并对其进行均匀模糊量化，得到输入变量fe(k)和fec(k)，模糊量化的规则见表1，表1中，变化范围指速度偏差和偏差变化量的模糊量化范围。表1模糊量化规则表步骤3：建立模糊控制规则表是进行模糊推理的前提，为实现制动控制的准确性，根据人工驾驶及制动实验知识库，进行离线模糊推理得到模糊控制规则表，详见表2，其中输出变量fu(k)的NB、NM和NS表示制动，ZO表示不制动，PS、PM和PB没有实际意义，只作为制动控制和加速控制切换判断的依据。表2：模糊控制规则表步骤4：利用步骤2量化得到的输入变量fe(k)和fec(k)得到输出变量fu(k)，具体为，选择输入变量fe(k)、fec(k)和输出变量fu(k)的模糊子集均为{NB，NM，NS，ZO，PS，PM，PB}，即{负大，负中，负小，零，正小，正中，正大}，查表2得到fu(k)。步骤5：确定输入、输出变量的模糊子集和论域后，确定各模糊变量的隶属度函数，常用的隶属度函数有高斯型隶属函数、广义钟型隶属函数、S型隶属函数、梯形隶属函数和三角形隶属函数等，此实施例选取高斯型隶属函数作为各模糊变量的隶属度函数，具体函数和数值如下：根据上述各式，最终得到各模糊变量的隶属度函数数值如表3所示。表3：各模糊变量的隶属度函数-6-5-4-3-2-10123456PB0000000000.10.40.81PM000000000.20.710.70.2PS000000.10.40.810.80.40.10ZO0000.10.40.810.80.40.1000NS00.10.40.810.80.40.100000NM0.20.710.70.200000000NB10.80.40.1000000000步骤6：根据各模糊变量的隶属函数以及模糊控制规则表，利用Mamdani型模糊推理方法进行模糊推理，并将推理得到的模糊集合进行反模糊化，得到模糊控制表如表4所示，表4的作用是将得到的模糊变量进行反模糊化，从而得到精确的控制变量fuf(k)，常用的反模糊化方法有最大隶属度法、重心法和加权平均法，此实施例选取重心法来进行反模糊化，重心法的公式为其中u为输入变量，v为输出变量。表4：模糊控制表步骤7：将fuf(k)进行档位划分，形成阶梯型输出，可以消除制动过程中的抖动，提高车辆的行驶平顺性和乘坐舒适性，采取以下档位划分规则：(1)若0＞fuf(k)≥T1，则u(k)＝0；(2)若T1＞fuf(k)≥T2，则u(k)＝u1；(3)若T2＞fuf(k)≥T3，则u(k)＝u2；(4)若T3＞fuf(k)≥T4，则u(k)＝u3；(5)若T4＞fuf(k)，则u(k)＝u4，其中，0＞T1＞T2＞T3＞T4，0代表不制动，u1代表轻微制动，u2代表中等制动，u3代表稍强制动，u4代表紧急制动；本实施中：T1＝-1，T2＝-2，T3＝-3，T4＝-5。步骤8：根据档位划分结果，得到实际控制输出量u(k)，通过执行机构作用于制动踏板，实现无人驾驶车辆的制动。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3