自动驾驶车辆转向系统的建模方法和车辆转向系统与流程

本发明属于自动驾驶控制系统技术领域,具体涉及一种自动驾驶车辆的转向系统建模方法和车辆转向系统。

背景技术：

近一个多世纪来，汽车的出现取代了传统交通运输方式，使得人们的生活更为便捷。近些年来，随着科技的发展，尤其是智能计算的飞速发展，自动驾驶汽车技术研究成为各行业聚焦的热点。麦肯锡发布的“决定未来经济的12项前沿技术”报告探讨了12项前沿技术对未来经济、社会的影响程度，分析估测了2025年12项技术各自的经济与社会影响力，其中自动驾驶汽车技术排在第6位，其2025年影响力估测为：经济效益每年约0.2-1.9万亿美元，社会效益每年可挽回3-15万个生命。

通常，自动驾驶汽车的系统一般分为三个模块：一是感知模块，相当于人的眼睛，通过摄像头、毫米波雷达、激光雷达等传感器实时采集周边环境状态；二是决策模块，相当于人的大脑，根据车辆动力学模型规划出驾驶决策路径，并将规划路径转化为可执行的油门、刹车、转向命令；三是执行模块，相当于人的手与脚，用于执行决策命令，进行油门、刹车、转向等相应的驾驶操作。

在决策模块中，建立动力学模型是最为关键的环节，如果建立的动力学模型不准确，往往会造成实际路径与规划路径不符。

不同车辆的动力学模型也不相同，相比于汽车半挂卡车的动力学模型更为复杂，非线性和耦合特性更强，而且还容易出现侧翻、剪刀效应等严重威胁公共安全的特性；在自动驾驶卡车的控制系统中，为了设计和验证控制算法的稳定性，必须建立完整的卡车动力学模型；尤其是高度自动驾驶，控制算法必须保证系统在不确定性或者一些极端工况下的依然具备足够的稳定性和可靠性。自动驾驶车辆必须为乘客的安全负责任，因而控制系统对卡车动力学模型提出了更高的要求。

现有的自适应巡航控制、辅助紧急制动系统、车轮防抱死系统、整车稳定性控制系统等主要是在底层设置一些稳定性控制方法，该方法由于是一种辅助手段，即使控制效果不好，依旧可以由驾驶员来接管或者不用负系统失效的责任，因而一般通过实测测试或者对部分分系统进行建模便可以达到性能需求，但是这种控制方法无法满足对未来高级自动驾驶设计的需求。

在卡车的高级自动驾驶中，需要在提供车道保持等正常工况下，实现良好的横向稳定性能；同时横向紧急蔽障等特殊工况下的安全性也极为重要，紧急蔽障引起卡车的侧翻以及甩尾事故屡见不鲜。即使是经验丰富的自动卡车驾驶，也很难及时地进行有效控制，因而特殊工况下的卡车的稳定控制显得极为重要，而且这种工况很难进行实车测试。故必须在建立控制系统之初就应考虑类似这种特殊工况下的安全控制需求，而控制系统的方法对卡车建模提出了更高的要求。

现有技术中的转向系统建模方法，一般是将转向系统中的轮胎力、机械系统、电机、控制器等各环节分别建模，之后整合在一起形成转向系统模型，从而尽可能使得建模后的转向系统模型更加接近实际物理模型，但是仍然存在以下几个技术问题：

1)由于贴近实际物理模型，因此需要对各组成部分的数据进行充分地采集才可以辨识出各个参数，而参数辨识的算法较为复杂；

2)在建模过程中通常不考虑延迟、转向系统间隙等非线性的特性，尽管有利于参数辨识，但同时降低了建模的精准程度；

3)需要获取轮胎特性来进行建模，但由于需要在轮胎试验机上进行测试，或基于大量测试数据进行拟合，因此获取轮胎特性较为困难且过程复杂、时间较长。

技术实现要素：

本发明提供一种自动驾驶车辆的转向系统建模方法和车辆转向系统，以解决现有技术中的至少一个技术问题。

第一方面，本发明实施例提供一种自动驾驶车辆转向系统的建模方法，该方法包括以下步骤：

采集自动驾驶车辆的车辆信息，对所述车辆信息进行测试以获得测试数据；其中，所述测试数据包括方向盘转角命令信号、方向盘转角响应信号和车速；

根据所述测试数据识别车辆的转向系统中的非线性参数；其中，该非线性参数包括命令响应延迟和滞回特性数值；

根据转向系统中的非线性参数识别转向系统中的固有频率和阻尼比；

根据转向系统中的固有频率和阻尼比，建立自动驾驶车辆转向系统模型，利用该自动驾驶车辆转向系统模型控制车辆转向。

进一步的，所述对所述车辆信息进行测试以获得测试数据包括以下子步骤：

采集多组方向不同的固定方向连续阶跃信号的方向盘命令，其中，相邻阶跃信号的间隔应当不少于预设的时长阈值，阶跃信号个数不少于预设的数量阈值；

采集幅值相近、且频率在预设频率范围内的多个方向盘转角命令信号，所述方向盘转角命令信号为正弦信号，该正弦信号的持续时间在预设的周期范围内。

进一步的，识别卡车的转向系统中的非线性参数包括以下子步骤：

根据方向盘转角命令信号的变化时间和方向盘转角响应信号的变化时间获取车辆转向系统的命令响应延迟；

根据方向盘转角命令信号经过阶跃信号后的稳态值和方向盘转角响应信号经过阶跃信号后的稳态值获取滞回特性数值。

进一步的，识别车辆的转向系统中的非线性参数包括步骤：读取正弦输入信号测试下的命令-响应幅值差等其他方法来识别卡车的转向系统中的非线性参数。

进一步的，基于递归最小二乘法的二阶系统识别所述转向系统中的固有频率和阻尼比。

进一步的，建立以时间变量为横轴、方向盘转角为纵轴的坐标系，在该坐标系下对方向盘转角响应信号进行平移，获得平移后的方向盘转角响应信号；

以方向盘转角命令信号作为输入信号，以所述平移后的方向盘转角响应信号作为输出信号，将自动驾驶车辆转向系统视为离散二阶系统，并利用递归最小二乘法拟合出相应车速下该二阶系统的固有频率和阻尼比。

进一步的，所述建立自动驾驶车辆转向系统模型包括以下步骤；根据转向系统中的固有频率和阻尼比设置插值表；将车辆的车速作为输入量，根据所述插值表获得与该车速有关的固有频率和阻尼比；将与该车速有关的固有频率和阻尼比输入二阶系统模型中建立所述自动驾驶车辆转向系统模型。

进一步的，基于梯度下降法对所述转向系统模型的参数进行优化。

进一步的，采用基于梯度下降法的参数优化方法对所述自动驾驶卡车转向系统模型的参数进行优化获得优化后的模型参数；

将优化后的模型参数输入自动驾驶卡车转向系统模型，获得优化后的自动驾驶卡车转向系统模型；

其中，所述模型参数包括命令响应延迟、滞回特性大小和各车速下的固有频率、阻尼比。

进一步的，采用如下评价标准公式对自动驾驶卡车转向系统模型进行评价，以判断该模型的精准度；

其中，n为所参与评价的数据组数，nd为单个参与评价的一组数据的数据个数，θmodel为自动驾驶卡车转向系统模型运行输出的方向盘转角响应信号，θreal为测试数据的方向盘转角响应信号；j为评价标准。

第二方面，本发明实施例提供一种自动驾驶车辆转向系统，该转向系统利用如上述任一所述的建模方法建立自动驾驶车辆转向系统模型，并利用该自动驾驶车辆转向系统模型控制车辆转向。

本发明通过在自动驾驶车辆转向系统模型中添加了命令响应延迟环节和滞回特性环节，可以很好地表现出转向系统中的信号延迟、执行器响应延迟、转向系统机械间隙等非线性特性；

另外，本实施例获得的自动驾驶卡车转向系统实现了自动化的建模过程，最终获得的模型简单，可以减少仿真计算时间和内存使用，有利于自动驾驶卡车离线仿真系统的运行。

附图说明

图1为本发明的实施例提供的一种自动驾驶车辆转向系统的建模方法的流程示意图；

图2为本发明的实施例提供的一种建立自动驾驶车辆转向系统模型的流程示意图；

图3为本发明的实施例提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

实施例一自动驾驶车辆转向系统的建模方法

本实施例中以卡车为例来具体描述本自动驾驶车辆的转向系统建模方法中的各步骤的实现过程。

参见图1，图1为本发明的实施例提供的一种自动驾驶车辆转向系统的建模方法的流程示意图；该方法包括以下几个步骤：

步骤100；采集自动驾驶卡车的车辆信息，对所述车辆信息进行测试以获得测试数据，其中，所述测试数据包括方向盘转角命令信号、方向盘转角响应信号和车速。

在典型工况的测试车速下，以恒定车速分别进行如下测试，上述步骤100包括子步骤110和步骤120；

步骤110：采集多组方向不同的固定方向连续阶跃信号的方向盘命令，其中，相邻阶跃信号的间隔应当不少于预设的时长阈值(例如5s)，阶跃信号个数不少于预设的数量阈值(例如4个)。

具体的，为体现转向系统的命令响应延迟和滞回特性的大小，在一个实施例中选用2组方向不同的固定方向连续阶跃信号的方向盘命令以用于测试，其中，相邻阶跃信号的间隔应当不少于5s，阶跃信号个数不少于4个；采集方向盘转角命令信号和方向盘转角响应信号以用于后续的数据分析。其中，所述方向盘转角命令信号包括固定方向的连续阶跃信号方向盘转角命令、三角波信号转角命令等。

步骤120：采集幅值相近、且频率在预设频率范围内的多个方向盘转角命令信号，所述方向盘转角命令信号为正弦信号，该正弦信号的持续时间在预设的周期范围内(例如4-5个周期)。

具体的，为体现出转向系统的频域和幅值特性，以利于对转向系统模型的参数进行有效的优化，本实施例可以均匀地选取幅值相近、频率在0.2～4hz之间的4～5个频率的信号，且持续时间至少4～5个周期的正弦信号方向盘命令以用于测试；采集方向盘转角命令信号和方向盘转角响应信号用于后续的数据分析。其中，所述方向盘转角命令信号包括多个频率下的正弦信号方向盘转角命令、正弦扫频信号方向盘转角命令、阶跃信号方向盘转角命令、脉冲信号方向盘转角命令等。

进一步的，在测试完所述车辆信息后应对测试数据进行数据完整性校验和时间对齐，以保证所采集的测试数据可信、无误且完整，且每组测试试验中所采集的方向盘转角命令信号和方向盘转角响应信号在时间上无错位现象；

具体的，针对所采集的方向盘转角命令信号、方向盘转角响应信号和车速进行完整性校验和时间对齐，所述完整性校验即校验所采集的方向盘转角命令信号、方向盘转角响应信号和车速是否在采集过程中不存在丢帧、偏移、干扰等现象；所述时间对齐即验证所采集的方向盘转角命令信号、方向盘转角响应信号和车速所携带的时间戳是否相匹配，如果不匹配则需要通过一维插值方法来进行匹配，使得在相应的时间段内，每一个时间戳均能有以上三种信号的数据相对应。

可以理解的是，本实施例在测试过程中，方向盘转角命令信号和方向盘转角响应信号的幅值和频率等参数均可根据实际情况进行调整，本发明不做具体限制。

步骤200：根据所述测试数据识别卡车的转向系统中的非线性参数；其中，该非线性参数包括命令响应延迟和滞回特性数值。

上述步骤200包括子步骤210和220，其中；

步骤210：根据方向盘转角命令信号的变化时间和方向盘转角响应信号的变化时间获取卡车转向系统的命令响应延迟；

具体的，对步骤110中的测试数据，可以针对每组测试数据的第二、第三个阶跃信号，读取方向盘转角命令信号的变化时间和方向盘转角响应信号的变化时间，并取两者间的时间差，将所有测试所取得的时间差的平均数作为卡车转向系统的命令响应延迟；

步骤220：根据方向盘转角命令信号经过阶跃信号后的稳态值和方向盘转角响应信号经过阶跃信号后的稳态值获取滞回特性数值。

具体的，对步骤110中的测试数据，针对每组测试数据的第二、第三个阶跃信号，读取方向盘转角命令信号经过阶跃信号输入后的稳态值和方向盘转角响应信号经过阶跃信号输入后的稳态值，并获取这两个稳态值之间的差值，并分别对步骤120中的所有同方向测试数据中所测得的稳态值之差取平均数，分别作为正向和反向的滞回特性大小。

除了该步骤200所提到的方法外，还可读取正弦输入信号测试下的命令-响应幅值差等其他方法来初步识别卡车的转向系统中的非线性参数，即估计得到自动驾驶卡车转向系统中的命令响应延迟和滞回特性大小；可以理解的是，在其他实施例中，还可以采用其他方法来识别卡车的转向系统中的非线性参数。

步骤300：根据转向系统中的非线性参数识别转向系统中的固有频率和阻尼比；

优选的，基于递归最小二乘法的二阶系统识别所述转向系统中的固有频率和阻尼比，具体包括以下子步骤310和320。

步骤310：建立以时间变量为横轴、方向盘转角为纵轴的坐标系，在该坐标系下对方向盘转角响应信号进行平移，获得平移后的方向盘转角响应信号。

具体的，首先，建立以时间变量为横轴、方向盘转角为纵轴的坐标系，对于步骤110中的测试数据，将方向盘转角命令信号和方向盘转角响应信号在该坐标系下绘出；

然后，将方向盘转角响应信号向左平移，其平移量为命令响应延迟量，用以抵消命令响应延迟的效果；

再将方向盘转角响应信号纵向平移，其平移量为相应方向的滞回特性大小，用以抵消滞回特性的效果，从而获得平移后的方向盘转角响应信号。

步骤320：以方向盘转角命令信号作为输入信号，以所述平移后的方向盘转角响应信号作为输出信号，将自动驾驶卡车转向系统视为离散二阶系统，并利用递归最小二乘法拟合出相应车速下该二阶系统的固有频率和阻尼比。

可以理解的是，在其他实施例中，也可以采用大数据拟合、神经网络参数识别等方法来识别自动驾驶卡车转向系统中的固有频率和阻尼比。

步骤400：根据转向系统中的固有频率和阻尼比，建立自动驾驶卡车转向系统模型；利用该自动驾驶车辆转向系统模型控制车辆转向。

图2为本发明的实施例提供的一种自动驾驶卡车转向系统建模的结构示意图；参见图2，该步骤400还包括以下子步骤410和420；

步骤410：根据转向系统中的固有频率和阻尼比设置插值表；应注意的是，转向系统的固有频率和阻尼比这两个参数为关于车速的函数，利用在不同车速下的固有频率和阻尼比参数设置所述插值表。

步骤420：将卡车的车速作为输入量，根据所述插值表获得与该车速有关的固有频率和阻尼比；

步骤430：将与该车速有关的固有频率和阻尼比输入二阶系统模型中建立所述自动驾驶卡车转向系统模型，利用该自动驾驶车辆转向系统模型控制车辆转向。

需要说明的是，可以利用利用simulink等建模软件来建立所述自动驾驶卡车转向系统模型。

进一步的，该自动驾驶车辆的转向系统建模方法还包括步骤500：对所述转向系统模型的参数进行优化；优选的，基于梯度下降法对所述转向系统模型的参数进行优化。

本实施例通过将自动驾驶卡车的转向系统拟合为二阶系统，以简化转向系统模型，从而可以十分快速地获得自动驾驶卡车转向系统的模型，并且测试过程简单易行且无需拆解车辆，分析过程标准化，很容易实现自动化模型的生成。

其中，该步骤500包括以下子步骤510和520；

步骤510：采用基于梯度下降法的参数优化方法对所述自动驾驶卡车转向系统模型的参数进行优化获得优化后的模型参数，所述模型参数包括命令响应延迟、滞回特性大小和各车速下的固有频率、阻尼比；

步骤520：将优化后的模型参数输入自动驾驶卡车转向系统模型，获得优化后的自动驾驶卡车转向系统模型，从而得到较为精准的自动驾驶卡车转向系统模型。

本实施例中，可以采用如下评价标准公式对自动驾驶卡车转向系统模型进行评价，以判断该模型的精准度。

其中，n为所参与评价的数据组数，nd为单个参与评价的一组数据的数据个数，θmodel为自动驾驶卡车转向系统模型运行输出的方向盘转角响应信号，θreal为测试数据的方向盘转角响应信号；

j为评价标准，该标准数值越小，说明自动驾驶卡车转向系统模型的输出与实际测试结果越接近，即建模精度越好。

本实施例基于梯度下降法可以生成自动驾驶卡车转向系统较为精确的模型，所生成的模型输出结果误差均方差可以达到1deg以内，且能够反映自动驾驶卡车在不同车速下的转向性能变化，满足常用工况下的仿真需求。

实施例二自动驾驶车辆转向系统

本实施例提供的一种自动驾驶车辆的转向系统利用实施例一所述的建模方法建立自动驾驶车辆转向系统模型，并利用该自动驾驶车辆转向系统模型控制车辆转向。其具体实现过程与实施例一的各个方法步骤的具体实施方式一致，在此不再赘述。

实施例三电子设备

图3为本发明的一种电子设备的一个实施例的结构示意图，参见图3，在本实施例中，提供一种电子设备，包括但不限于智能手机、固定电话、平板电脑、笔记本电脑、穿戴式设备等电子设备，所述电子设备包括：处理器和存储器，所述存储器存储有计算机可读指令，所述计算机可读指令在被所述处理器执行时实现上述本发明的建模方法。

实施例四计算机可读存储介质

在本实施例中，提供一种计算机可读存储介质，可以为rom(例如只读存储器、flash存储器、转移装置等)、光学存储介质(例如，cd-rom、dvd-rom、纸卡等)、磁存储介质(例如，磁带、磁盘驱动器等)或其他类型的程序存储器；所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器或计算机运行时执行上述本发明的建模方法。

本实施例具有以下优点：

本实施例相比于将转向系统假设为线性模型的建模方法，在模型中添加了命令响应延迟环节和滞回特性环节，可以很好地表现出转向系统中的信号延迟、执行器响应延迟、转向系统机械间隙等非线性特性。

另外，本实施例获得的自动驾驶卡车转向系统实现了自动化的建模过程，最终获得的模型简单，可以减少仿真计算时间和内存使用，有利于自动驾驶卡车离线仿真系统的运行。

本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。