基于驾驶员特性的智能汽车驾驶过程横向动态控制方法与流程

本发明属于智能汽车运动控制领域，具体涉及一种基于驾驶员特性的智能汽车驾驶过程横向动态控制方法。

背景技术

随着自动驾驶技术的逐渐深入研究，车辆的横向以及纵向控制正在逐渐向更加深入的方向发展，其车辆的横向控制是汽车自主驾驶的关键技术之一。车辆通过横向位置的移动可以帮助车辆进行转弯、避障和换道等一系列的相关操作。以预瞄前方道路信息的预瞄式控制车辆横向位置对路径跟踪有良好的一致性。根据文献以及仿真可知，预瞄时间的选择对路径跟踪的精度、车辆操纵稳定性和乘坐的舒适性有明显的影响。

通过仿真试验可以得出，在参考的道路情况下，通过调整合适的预瞄距离可以得到与道路相一致的运行轨迹，且车辆行驶路径的误差与预瞄距离有明显的相关关系。目前的研究中，大多根据仿真调整参数，通过使车辆行驶路径与理想路径相一致，得到最优的预瞄距离。专利cn103439884a以固定的预瞄距离设计智能汽车的预瞄控制方法，该方法虽然能够满足横向控制的精度，但是却存在鲁棒性较差的问题。此外，专利cn107097785a通过设计分层式横向控制器，通过将上下层控制器以车路的整体关系互相迭代得出预瞄距离。该方法只是以道路信息和车辆信息出发，下层控制器以基准滑膜控制，虽然能够实现车辆的路径跟踪，以及预瞄时间的自适应，但是并不能反应实际的驾驶员驾驶车辆的生理过程，不仅如此，在车辆动力学模型一定的情况下，如果在极端驾驶情况下，车辆操纵的稳定性也会有所恶化。根据常识，驾驶员在神经反应时间较长以及肌肉迟滞时间较长时，对车辆的操纵能力也会下降。

技术实现要素：

本发明的目的是提出一种基于驾驶员特性的智能汽车驾驶过程横向动态控制方法。

7.本发明的目的是通过以下技术方案来实现的：本发明提供一种基于驾驶员特性的智能汽车驾驶过程横向动态控制方法，该方法包括以下步骤：

步骤1.建立二自由度的车辆动力学模型作为参考模型gv(s)；

步骤2.构建反应驾驶员操作特性的驾驶员模型；

步骤3.构建预瞄环节p(s)；

步骤4.根据参考模型gv(s)、驾驶员模型gp(s)、预瞄环节p(s)构建闭环控制系统；

步骤5.用零阶保持器，对所构建的闭环控制系统离散化；

步骤6.建立最小二乘辨识函数；

步骤7.以最小化车辆自身位置的损失函数为目标，根据延迟时间和惯性时间确定预瞄时间，通过预瞄时间确定的预瞄距离d；再迭代算出延迟时间和惯性时间，以达到动态确定各个参数的目的。

优选地，在步骤1中，所述建立二自由度的车辆动力学模型gv(s)具体为：

式中；ω为车辆横摆角速度，分别为车辆横向加速度、车辆横摆角加速度、车辆的横向速度、车辆横摆角，其中izz为车轮横摆角转动惯量；vx、vy分别为车辆的纵向速度和横向速度；ψ为车辆横摆角；y为车辆在大地坐标系下的横向位移；θsw为方向盘转角；nrsw为方向盘转角到前轮转角的传动比，车轮转角θf＝θsw/nrsw。

优选地，在所述步骤2中，所述的驾驶员模型为：

td、th分别为延迟时间和性迟滞时间。

优选地，在所述步骤3中，所述的预瞄环节p(s)为：tp为预瞄时间。

优选地，所述闭环控制系统的传递函数gt(s)具体为:

式中：

优选地，所述最小二乘辨识函数为，

tp＝ω0+ω1td+ω2th+ω3vx+ω4vy+ω5(1r)

式中：tp、td、th、vx、vy、r分别为预瞄时间、延迟时间、惯性时间、横向速度、纵向速度、转弯半径；ω0、ω1、ω2、ω3、ω4、ω5为待辨识参数，通过下面的最小二乘估计函数c得到；

式中：td^*为期望延迟时间、th^*为惯性时间、vx^*为横向速度、vy^*为纵向速度、1/r为曲率，c为最小二乘估计函数，可以计算出ω0、ω1、ω2、ω3、ω4、ω5；td、th、vx、vy、r由传感器采集直接或者间接通过计算得出；td^*、th^*、vx^*、vy^*、1/r^*通过实际驾驶数据得出。

由于采用了上述技术方案，本发明具有如下的优点：

本发明提出一种基于驾驶员特性的智能汽车驾驶过程横向动态控制方法，该方法汽车动力学模型的基础之上，加入驾驶员的预瞄时间、延迟时间和惯性迟滞等特征来模拟驾驶员的实际操作过程，该操作过程反应实际驾驶员驾驶车辆时的生理条件，并通过驾驶过程时，车的横向速度、纵向速度、转弯曲率等参数来调整预瞄时间，同时，建立预瞄时间和延迟时间、惯性迟滞时间的关系，动态的调整预瞄时间，既保证模型在路径跟随时的一致性，同时又提高了乘坐舒适性。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述：

图1是基于驾驶员特性的智能汽车驾驶过程横向动态控制流程图；

图2是整车二自由度车辆模型示意图；

图3是车辆与路径的集合关系；

图4是人-车-路闭环系统结构框图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

请参阅图1至图4。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

为了克服上述问题，本发明需要提出一种基于驾驶员特性的智能汽车驾驶过程横向动态控制方法，既要保证模型在路径跟随时的一致性，同时又要提高乘坐舒适性。

为实现上述目标，本发明的技术方案是：一种基于驾驶员特性的智能汽车驾驶过程横向动态控制方法，包括以下步骤：

步骤1，首先建立二自由度的车辆动力学模型作为参考模型gv(s)，驾驶员在驾驶过程中并不能理解复杂的车辆动力学模型，而是靠驾驶经验使得汽车保持在道路的合适位置，二自由度的驾驶员模型能充分反映车辆的横向动力学状态，模型如下：

式中：m为整车质量；cf、cr分别为前后轮等效侧偏刚度；lf、lr分别为整车质心到前后轮的距离；izz为车轮横摆角转动惯量；vx、vy分别为车辆的纵向速度和横向速度；ψ为车辆横摆角；y为车辆在大地坐标系下的横向位移；θsw为方向盘转角；nrsw为方向盘转角到前轮转角的传动比，车轮转角θf＝θsw/nrsw；

以上参数单位分别为kg、n/rad、m、kg·m²、m/s、rad/s、m、rad。

步骤2，构建反应驾驶员操作特性的驾驶员模型，主要包括神经反应延迟环节、肌肉迟滞环节

式中：td、th分别为延迟时间和惯性时间。

步骤3，构建预瞄环节p(s)，

式中：tp为预瞄时间。

根据车辆与参考路径的位置关系如图3所示，计算预瞄点处的横向误差f(t+t)-y(t)及方向误差(预瞄点与速度方向的夹角)汽车的运动简单服从acklman关系，汽车轨迹曲率与转向盘转角成正比：

或

式中：r为转弯半径；l为轴距，当驾驶过程中根据道路的曲率需要改变方向盘转角时，就会适当的产生响应的转向操作。

或

y(t),分别表示期望的横向加速度、横向位移、横向速度。

得到最优转向盘转角θsw^*与预瞄距离d的关系：

式中：f(t)为当前位置信息；f(t+t)为当前点预瞄时间t后的位置信息。

步骤4，将步骤1～3组合成一个闭环控制系统如图4所示。具体地传递函数gt(s)为：

式中：

步骤5，用零阶保持器，对所构造的整个控制系统离散化。

ga(z)＝z[h(s)ga(s)]

式中：tc为采样时间；ga(s)为整体的传递函数；ga(z)为离散的之后的传递函数。状态空间表达式用零阶保持器转换为离散化之后系统系统的状态方程为：

k表示离散时间步长，x(k)表示系统状态变量，u(k)为输入量，y(k)为观测量，ad为状态矩阵，bd为控制矩阵，cd为输出矩阵，dd为直接传递矩阵。

步骤6，建立最小二乘辨识函数

tp＝ω0+ω1td+ω2th+ω3vx+ω4vy+ω5(1/r)

式中：tp、td、th、vx、vy、r分别为预瞄时间、延迟时间、惯性时间、横向速度、纵向速度、转弯半径；ω0、ω1、ω2、ω3、ω4、ω5为待辨识参数，可以通过下面的最小二乘估计函数得到。

将期望延迟时间td^*、惯性时间th^*、横向速度vx^*、纵向速度vy^*、曲率1/r与待辨识的参数的平方和最小，即

式中：c为最小二乘估计函数，可以计算出ω0、ω1、ω2、ω3、ω4、ω5；td、th、vx、vy、r由传感器采集直接或者间接通过简单计算得出；td^*、th^*、vx^*、vy^*、1/r^*可通过实际驾驶数据得出。

由车辆自身位置的损失函数

式中：yp(k)、ψp(k)、θp.sw(k)分别为预瞄点的横向位置、预瞄点的偏航角、预期的方向盘转角；λ1,λ2,λ3分别为预瞄点的横向位置的权值、预瞄点的偏航角的权值、预期的方向盘转角的权值，可以通过使车辆自身位置的损失函数最小求得。

通过计算车辆位置损失函数使其最小再返回去验证延迟时间td、惯性时间th得出的预瞄时间是否满足道路行驶要求。具体地，

通过前述的最小二乘函数，已经确定tp＝ω0+ω1td+ω2th+ω3vx+ω4vy+ω5(1/r)中的参数，就可以求出预瞄时间tp，继而可以计算出y(k)，与损失函数j求出的yp(k)做比较，判断是否满足要求。其中y(k)、θsw(k)与tp、vy、r有如下关系。

y(k)＝tp·vy

步骤7，以最小化车辆自身位置的损失函数为目标，根据延迟时间和惯性时间确定预瞄时间，通过预瞄时间确定的预瞄距离d；再迭代算出延迟时间和惯性时间，以达到动态确定各个参数的目的。

d＝tp·vx

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。