智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法与流程

本发明属于智能驾驶汽车控制技术，具体涉及一种智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法。

背景技术：

智能车辆作为目前汽车行业发展的重要方向，智能驾驶高级驾驶辅助系统技术adas(advancedriverassistantsystem)是智能车发展的一个重要环节。主要涉及车辆路径跟踪、车道保持、车辆换道等车辆横向控制领域。

车道保持系统包括车道线检测和车辆横向轨迹跟踪控制控制器。通过摄像头对车道线识别，确定车道中心线位置和道路曲率，然后车辆横向控制器根据车-路相对位置施加前轮转角，实现车辆在横向位置的调节，保证车辆始终跟踪车道中心线。车道保持控制系统核心技术为车辆横向控制算法，目前使用的横向控制算法分为以下几种：经典控制方法、最优控制方法、自适应控制方法、滑模控制方法、鲁棒控制方法、模型预测控制方法和模糊控制方法。但是上述的控制方法存在许多局限性，或是在特定的工况下控制效果较好，在道路曲率变化范围较大的复杂工况下总体控制效果不佳。

车道保持控制为车-路闭环控制，不仅需要考虑车辆本身状态，还需考虑道路和车辆的相对位置状态，上述控制策略存在控制区域有限、阈值范围小，只在较小的状态范围内可控的问题。基于蔡文提出的可拓理论能够描述事物“是”与“非”的相互转化及量变与质变过程，其最大的优点在于可以通过特征量的关联函数k(s)来体现整个车辆在运动过程中横向控制状态的稳定性，直观表现出当前状态与最佳状态的差距，对于下层控制器设计具有很好的参考价值，相比于普通门限值切换而言，此处为最大的优势，并依据此建立稳定性控制策略，设计一种基于可拓切换控制理论的车道保持系统。

技术实现要素：

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法。

技术方案：本发明的一种智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法，包括以下步骤：

(1)设置上下两层控制器，上层控制器采用可拓控制器，下层控制器按可拓集合划分可拓域控制策略和经典域控制策略；

(2)车道线检测：以车辆与道路中心线的横向位置偏差yl为x轴、航向偏差为y轴和前方道路曲率值ρ为z轴构建三维状态空间，根据可拓距原理确定关联函数

(3)上层控制器中，根据关联函数值预瞄点处横向偏差与道路中心线的曲率值，将车辆-道路预瞄偏差模型所处的状态划分为三个区域，即经典域、可拓域和非域；

(4)下层控制器中，在经典域采用基于预瞄误差的pid反馈控制器，在可拓域采用模型预测控制器(mpc)，在非域采用紧急制动控制器；

(5)根据车辆三自由度动力学模型和路径跟踪预瞄偏差模型来建立车辆-道路模型。

进一步的，所述步骤(2)中的横向位置偏差yl、航向偏差和前方道路中心线曲率值ρ组成三维可拓集合特征量

进一步的，所述经典域的区间为：横向位置偏差yl[-0.1m,0.1m]、航向偏差前方道路中心线曲率ρ[-0.01,0.01]；所述可拓域区间为：横向位置偏差yl[-2,-0.1)∪(0.1,2]、航向偏差前方道路中心线曲率ρ[-0.12,-0.01)∪(0.01,0.12]。

上述的经典域和可拓域范围根据实际车辆的实际尺寸和动力学参数确定，主要根据控制精度划分的。

进一步的，所述关联函数通过三维可拓集合中的可拓距得到，具体方法为：

其中，(am1m2m3bn1n2n3)为三维可拓域界，(a0m01m02m03b0n01n02n03)为三维经典域界(a0m01m02m03b0n01n02n03)；点为实时车辆-道路系统状态值；为点到可拓域的可拓距，为点到经典域的可拓距。

进一步的，所述车辆三自由度模型为：

式中，m为车辆质量；x为纵向位移；为横摆角；δf为前轮转角；y为侧向位移；iz为z轴转动惯量；fx为车辆所受总的纵向力；fy为车辆所受总的横向力；mz为车辆所受总的横摆力矩；fcf，fcr为车辆前后轮胎所受侧向力，与轮胎的侧偏刚度、侧偏角有关；flf，flr为车辆前后轮胎所受纵向力，与轮胎的纵向刚度、滑移率有关；fxf，fxr为车辆前后轮胎在x方向所受力；fyf，fyr为车辆前后轮胎在y方向所受力；a为前轴到质心距离，b后轴到质心距离。

进一步的，当关联函数值k≥1时，下层控制器判断在经典域中，并采用pid反馈控制器，当关联函数值0≤k＜1时，下层控制器判断在可拓域中，并采用模型预测控制器；当关联函数值k<0时，下层控制器判断在非域中，并采用紧急制动控制器。

上述过程中，当车辆-道路系统处于经典域时，前方道路曲率较小，车辆与目标轨迹之间横向位置偏差小，此时整个车辆-道路系统稳定，pid反馈控制即可满足控制精度要求；当车辆-道路系统处于可拓域时，前方道路中心线曲率变大，弯道半径减小，以及车辆与道路中心线之间的横向位置偏差变大，整个车辆-道路系统即将出现失稳状态，需要加快前轮转角的响应速度和控制精度，此时采用模型预测控制，利用模型预测控制对于车辆-道路系统非线性的适应性，提高可拓域中的控制精度。当车辆-道路系统处于非域中，车辆偏离车道距离过大，车辆出现行驶安全问题，车辆-道路系统处于不可控状态，此时采取紧急制动控制。

有益效果：与现有技术相比，本发明具有以下优点：

(1)可拓控制从信息转换角度处理控制问题，通过关联函数值k(s)实时监测车辆-道路系统的稳定性，以控制输入信息的关联度k(s)作为确定控制输出控制策略选择的依据，拓展了高精度控制的工作区间，提高了智能驾驶车辆车道保持控制的能力。

(2)本发明通过可拓控制器划分状态区域的原理，可以充分利用好pid反馈控制在经典区域内控制简单、线性区稳定性好、鲁棒性强的特点，同时在可拓区域中，车辆-道路系统区域不稳定，前方道路中心线曲率变大，车辆-道路系统非线性特性明显，通过模型预测控制提高控制器对于非线性系统的适应性。一方面，不仅提高了控制系统对于小曲率路径干扰的响应速度，同时也也减小了车辆弯道车道保持控制的非线性不稳定因素干扰。

(3)本发明通过可拓控制，使得智能驾驶汽车在通过不仅有小曲率道路，而且有大曲率大转角弯道复杂混合工况下，能够在两种控制策略之间实现切换控制，使得整个控制过程保持较高的控制精度。

附图说明

图1本发明的控制流程图；

图2本发明中的三自由度车辆动力学模型示意图；

图3本发明中的路径跟踪预瞄模型示意图；

图4本发明中的三维可拓集合示意图；

图5本发明中的pid反馈控制示意图；

图6本发明中的模型预测(mpc)控制示意图；

图7实施例中道路曲率变化值示意图；

图8实施例中关联函数值示意图；

图9实施例中横向位置偏差示意图；

图10实施例中航向偏差示意图；

图11实施例中侧向加速度示意图；

图12实施例中横摆角速度示意图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

如图1所示，本发明的一种智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法，其中上层控制器为可拓控制器，主要功能是根据预瞄点处横向偏差与道路中心线的曲率值，将车辆-道路预瞄偏差模型所处的状态划分为三个区域：经典域、可拓域和非域。对于不同的车辆-道路状态，分别采用不同的控制策略，实现在不同区域不同控制策略的切换控制。在下层控制器中，当车辆-道路预瞄偏差模型处于经典域状态时，预瞄点处横向位置偏差yl、航向偏差均小，与此同时检测出车道线曲率ρ小，控制所需的前轮转角小，控制状态稳定，采用简单pid反馈控制器。当车辆-道路预瞄偏差模型处于可拓控制状态时，预瞄点处横向位置偏差yl、航向偏差均变大，同时检测出前方道路中心线曲率ρ变大，pid反馈控制不能满足车辆-道路非线性特征，此时系统状态趋近不稳定，因此，在可拓控制区域中，采用模型预测控制(mpc)完成车辆在大转角情况下的快速跟踪控制，保证在经过弯道时车辆仍能准确可靠的保持原有车道。在非域中，车辆-道路系统处于不稳定状态，不能准确实现控制，此时采取紧急制动措施。

其中，yl为横向偏差，为航向偏差，ρ为前方道路中心线曲率，δf为车辆前轮转角。

如图2所示，本发明的三自由度车辆动力学模型包括纵向运动、横向运动和横摆运动，根据牛顿第二定律定理可以得到沿x轴、y轴和绕z轴的平衡方程：

式中，m为车辆质量；x为纵向位移；为横摆角；δf为前轮转角；y为侧向位移；iz为z轴转动惯量；fx为车辆所受总的纵向力；fy为车辆所受总的横向力；mz为车辆所受总的横摆力矩；fcf和fcr为车辆前后轮胎所受侧向力，与轮胎的侧偏刚度、侧偏角有关；flf和flr为车辆前后轮胎所受纵向力，与轮胎的纵向刚度、滑移率有关；fxf和fxr为车辆前后轮胎在x方向所受力；fyf和fyr为车辆前后轮胎在y方向所受力；a为前轴到质心距离，b后轴到质心距离。

车辆在路径跟踪过程中，预瞄偏差包括航向偏差和预瞄点处横向位置偏差，如图3所示，yl为预瞄点处横向位置偏差，为航向偏差，l为预瞄距离。

根据图中几何关系可得：

上层可拓控制器根据当前车辆与道路中心相对位置以及道路中心线的曲率，确定车辆所处的状态区域，具体过程如下：

上层控制器包含车道线检测和可拓切换控制，车道线检测能够获取车辆预瞄点处横向位置偏差、航向偏差和道路曲率，可拓切换控制为确定车辆-道路预瞄偏差模型所处的状态区域。

实际采用的摄像头为avtalliedpikef-421b/c，摄像头通过can总线连接到自动驾驶试验车处理器，并且通过摄像头采集处理的数据可用于matlab/simulink仿真。

为了便于逆透视车道线方程，检测阶段采用基于hough变换^[i]的直线车道线拟合方法，车道线拟合方程：

y＝kx+b(4)

其中，k为车道线斜率。

当前方道路为明显弯道时，通过检测到的道路曲率值ρ和车辆摄像头距离左右车道线的距离dl、dr，可得到弯道时车道线拟合方程：

其中，ρ为前方道路中心线曲率，dl、dr为车辆摄像头距离左右车道线的距离，为车道线航向角。

考虑到车辆的航向偏差角范围在-1rad到1rad之间，通过设置参数范围将车道线曲率识别范围设置在-0.12/m到0.12/m之间。

步骤一、特征量提取

可拓控制区域划分与车辆-道路系统控制精度、跟踪误差相对应，评价智能驾驶汽车横向控制的最主要的指标为车辆与道路中心线之间的位置偏差、航向偏差，并且整个控制系统策略的设计与道路情况密切相关，反应道路基本状况的指标为道路曲率，因此，可拓控制器特征量选择横向预瞄偏差yl、航向偏差和前方道路中心线曲率ρ组成特征状态

步骤二、可拓集合划分

如图4所示，建立三维可拓集合，确定可拓域预瞄横向偏差yl的最大容许范围[-2m,-0.1m)∪(0.1m,2m]，可拓域航向偏差的最大容许范围[-0.15rad,-0.05rad)∪(0.05rad,0.15rad]，前方道路中心线曲率ρ最大容许范围[-0.12m^-1,-0.01m^-1)∪(0.01m^-1,0.12m^-1]。

针对经典域，由于采用的控制策略为传统的pid反馈控制，控制能力有限，在车辆跟踪大转角道路中心线轨迹时，达不到满意的控制效果，因此经典域的最大容许范围通过多次实验可得在前方道路中心线曲率ρ达到0.01m^-1时，预瞄横向偏差yl达到0.1m，航向偏差达到0.05rad，传统的pid控制开始出现跟踪偏差较大以及前轮转角响应滞后的问题。因此，经典域横向偏差yl最大容许范围(-0.1m,0.1m)，航向偏差最大容许范围[-0.05rad,0.05rad]，前方道路中心线曲率ρ最大容许范围为为(-0.01,0.01)；所以，图4中所示的三维可拓集合中，经典域区间横向位置偏差yl[-0.1m,0.1m]、航向偏差道路中心线曲率ρ[-0.01m^-1,0.01m^-1]，所述可拓域区间为横向位置偏差yl[-2m,-0.1m)∪(0.1,2]、航向偏差前方道路中心线曲率ρ[-0.12,-0.01)∪(0.01,0.12]。

步骤三、关联度计算

传统可拓控制器选取的特征量为偏差及偏差微分，本实施例选取横向预瞄偏差yl、航向偏差和前方道路中心线曲率ρ，需要按照蔡文提出的可拓学理论计算可拓距确定关联函数值。

在三维可拓集合中，原点(0,0,0)为特征状态的最优点。假设可拓域中存在一点p，p为当前车辆-道路系统所处的状态，连接原点与p点,获得p趋近最优点(0,0)的最短距离|op|。将坐标系原点建立在可拓域界(am1m2m3bn1n2n3)和经典域界(a0m01m02m03b0n01n02n03)构成的四棱柱中心点，形成完全对称形式，基于此可仅考虑第一象限区域，该线段所在直线交经典域边界于p′点，交可拓域边界于p″点，如图4所示。在保证p趋近于原点距离最短的前提条件下，根据这些交点即可确定p与可拓域、经典域的最近距离。

在一维可拓集合中，可拓距实质为点到区间边界的最小距离，根据这一原理可将三维可拓集合中的可拓距转化为一维可拓距，如图4所示。点到经典域和可拓域的可拓距分别为和则三维关联函数可以表示为：

其中，

点到可拓域的可拓距值为：

当

则表示可拓域的内部区域；

当

则fr(am1m2m3bn1n2n3)表示可拓域的边界，即为四棱柱am1m2m3bn1n2n3表面；

当

则

同理可求解点到经典域的可拓距值为：

经典域中采用基于预瞄偏差的pid反馈控制策略，如图8所示，为基于预瞄偏差的pid控制流程图；预瞄偏差包含两个偏差：横向位置偏差以及车辆航向与道路期望航向之间的航向偏差。在设计pid控制器时，同时调节这两个偏差已获得最佳的前轮转角输入，使得车辆横向控制过程中不仅有较小的横向位置偏差，还要保证车辆与期望轨迹之间有较小的航向偏差。

可拓域中，车辆转弯半径较小，道路曲率较大，此时车辆动力学特性较为明显，车辆模型的非线性特性显著，保证车辆能及时将车轮赚到所需的转角上，采用原有的基于预瞄偏差的pid反馈控制会出现跟踪稳态误差较大，响应时间慢。此时，采用模型预测控制(mpc)，利用模型预测控制对非线性特性较好的适应能力，保证弯道工况下的车道保持跟踪精度，如图6所示，为模型预测控制(mpc)流程图。

根据图7至图12可以看出，对于横向位置偏差，三维可拓预瞄横向控制系统通过两种控制策略的切换，与能够将横向位置偏差大大降低，峰值横向位置偏差为0.3m，航向偏差峰值为0.2rad，满足智能驾驶汽车车道保持的控制精度要求，从侧向加速度和横摆角速度响应结果可以看出，本发明设计的控制方法能够满足车辆行驶过程中的稳定性。