基于观测器的车队协同自主控制方法

文档序号:6306818阅读:229来源:国知局
基于观测器的车队协同自主控制方法
【专利摘要】本发明公开了一种基于观测器的车队协同自主控制方法,包括以下步骤:步骤1:初始化滤波器参数;步骤2:读取传感器的测量信息;步骤3:运用渐消记忆的卡尔曼滤波算法进行状态估计;步骤4:邻居车辆之间进行信息交换;步骤5:输出控制信号,发出控制指令。本发明通过渐消记忆的卡尔曼滤波算法,利用可获得的测量信号,得到间隔误差及其导数的估计值,解决了间隔误差不可测的问题和滤波发散的问题,并利用无线网络进行通信,邻居车辆之间实现信息交换和共享,根据当前车辆及邻居车辆的状态的估计值,得到控制信号,发出控制指令,实现了协同控制。
【专利说明】基于观测器的车队协同自主控制方法

【技术领域】
[0001] 本发明涉及一种智能车的协同控制算法技术,特别涉及一种基于观测器的车队协 同自主控制方法,该自主控制方法是一种基于车载雷达、无线通信技术和卡尔曼次优滤波 的状态反馈控制方法。

【背景技术】
[0002] 车队协同控制是智能交通系统的重要组成部分,协同控制的实现,可以有效的缓 解交通拥堵,提高道路通行效率,减少交通事故,具有重要的理论和实用价值。传感检测技 术、无线通信技术、计算机技术和车辆控制技术的发展为车队协同控制的实现提供了坚实 的基础。本发明中,每辆车上都装有车载雷达、速度传感器、加速度传感器、无线收发模块和 计算机。车载雷达能够测量与前方车辆的距离和相对速度;速度、加速度传感器用来测量当 前汽车的速度和加速度;无线收发模块用于信息交换,通过计算机,运用卡尔曼滤波算法进 行状态估计并输出控制量,发出控制指令,实现车队协同自主控制。


【发明内容】

[0003] 本发明的目的在于克服现有技术的缺点与不足,提供一种基于观测器的车队协同 自主控制方法,该协同自主控制方法是分布式的,车队中每辆车的地位是对等的,独立进行 滤波运算,不需要信息融合中心,从而降低了对硬件的要求。同时,该算法是可扩展的,适合 其他自主车辆加入或者退出车队。无线通信过程中,只有状态估计值在信道中传播,不需要 复杂的通信协议来传递信息,便于物理实现。
[0004] 本发明的目的通过下述技术方案实现:一种基于观测器的车队协同自主控制方 法,包括以下步骤:
[0005] 步骤1 :初始化滤波器参数;
[0006] 步骤2 :读取传感器测量信息;
[0007] 步骤3 :运用渐消记忆的卡尔曼滤波算法进行状态估计;
[0008] 步骤4 :邻居车辆之间进行信息交换;
[0009] 步骤5 :输出控制信号,发出控制指令。
[0010] 所述步骤1中,所述的滤波器参数包括当前车辆状态估计值、误差协方差矩阵、邻 居车辆的状态估计值,所述的状态估计值服从高斯分布。状态变量为间隔误差、速度误差和 加速度误差。
[0011] 所述步骤2中,所述传感器包括车载雷达、速度传感器和加速度传感器,车载计算 机车载雷达获得的与前方车辆的距离和相对速度信号,速度传感器、加速度传感器获得的 当前车辆的速度信号和加速度信号。车队中的第一辆车前方没有其他车辆,车载雷达没有 测量信号。
[0012] 所述步骤3包括以下步骤:
[0013] S31、第一辆车没有雷达测量信号,不进行滤波运算,接受邻居车辆的状态估计值。
[0014] S32、车队中的其他车辆运用渐消记忆的卡尔曼滤波算法进行状态估计,计算间隔 误差及速度误差的估计值。
[0015] 所述步骤S32中,由于原系统不完全能观,使用基本的卡尔曼滤波算法时存在状 态发散的问题,使用渐消记忆的滤波算法,能够有效减小历史测量数据的影响,增大当前测 量值的校正作用,使得状态估计值收敛到其真实值。
[0016] 所述步骤4包括以下步骤:
[0017] S41、邻居车辆为当前车辆前方的第一辆车和后方的第一辆车。
[0018] S42、在通信过程中,邻居车辆只交换状态估计信息,减小通信量,降低对通信网络 的要求。其中状态估计值包括间隔误差、速度误差和加速度误差。
[0019] S43、当前车辆监听信道,如果信道空闲,广播当前车辆的状态估计值,持续一段时 间后,停止广播,接收邻居车辆的广播信息并进行存储;如果信道繁忙,接收其他车辆的广 播信息并进行存储。
[0020] 所述步骤5中,当前车辆根据自身的估计值和邻居车辆的估计值,按照给定的控 制算法,输出控制信号,发出控制指令。
[0021] 本发明的工作原理:本发明基于负反馈控制原理,具体控制规律是基于间隔误差 的比例微分控制。在控制规律的实现过程中,由于间隔误差、速度误差等不能直接测量得 至IJ,因此使用估计值来代替真实值计算控制量。然而实际的传感器不可避免地会引入观测 噪声,本发明中采用卡尔曼滤波算法进行滤波,减小观测噪声的影响,提高估计精度。然而, 由于实际的车队系统的状态变量不完全能观测,基本的卡尔曼滤波算法存在滤波发散的 问题。渐消记忆的卡尔曼滤波算法通过引入加权因子,减小历史观测数据对当前估计值的 影响,增大当前观测信息的校正作用,能够有效的解决滤波发散问题。因此,本发明中采用 渐消记忆的卡尔曼滤波算法估计间隔误差及其导数,利用估计值得到控制信号,发出控制 指令。本发明主要介绍了一种基于变间隔的协同控制方法,即想要的车辆间隔随着车速加 快而线性增加。车辆间固定间距情形属于本发明的一种特殊情况,本发明中,在设计每辆车 的控制规律中,同时考虑了前方车辆和后面车辆对当前车辆的影响。只考虑前方车辆或后 面车辆对当前车辆有影响的属于本发明的特例,也在本发明的保护范围之内。通过渐消记 忆的卡尔曼滤波算法,利用可获得的测量信号,得到间隔误差及其导数的估计值,解决了间 隔误差不可测的问题和滤波发散的问题。利用无线网络进行通信,邻居车辆之间实现信息 交换和共享,根据当前车辆及邻居车辆的状态的估计值,得到控制信号,发出控制指令,实 现协同控制。
[0022] 本发明相对于现有技术具有如下的优点及效果:
[0023] 1、本发明中,采用了协同控制技术,邻居车辆之间通过信息交换,能够增强车队的 安全性和道路通行效率。
[0024] 2、本发明中,提出的控制算法为基于间隔误差的比例微分控制,同时考虑了前方 车辆和后面车辆的影响,控制效果更好。
[0025] 3、本发明中,采用了渐消记忆的卡尔曼滤波算法,估计间隔误差、速度误差和加速 度误差,有效解决了间隔误差不可测量和滤波发散的问题。
[0026] 4、本发明中,采用的是分布式的滤波算法,便于扩展,容错能力强,计算量小,对硬 件设施要求低。

【专利附图】

【附图说明】
[0027] 图1是本发明中间隔误差的仿真曲线,图中的实线、虚线、点划线分别表示第二 个、第三个和第四个间隔误差。
[0028] 图2是本发明中汽车速度的仿真曲线。
[0029] 图3是本发明中汽车加速度的仿真曲线。
[0030] 图4是本发明中整个车队系统的示意图。

【具体实施方式】
[0031] 下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限 于此。
[0032] 实施例
[0033] 对于车队系统,设第i辆车的位置为qi,速度为Pi,加速度为%,i为汽车在车队中 编号,i G {1,…,n},n为车队中汽车的数量,qi,Pi, ai G R1。第i辆车和第i-1辆车之间 的安全距离定义为:
[0034] 8 j = d〇+ A Pi, i = 2, --?, n, (1)
[0035] 其中,入为时间常数,Cltl为最小安全距离,定义间隔误差为:
[0036] ei = qH-qr S " i = 2,…,n, (2)
[0037] 汽车的动态方程如下:

【权利要求】
1. 基于观测器的车队协同自主控制方法,其特征在于,包括以下步骤: 步骤1 :初始化滤波器参数; 步骤2 :读取传感器的测量信息; 步骤3 :运用渐消记忆的卡尔曼滤波算法进行状态估计; 步骤4 :邻居车辆之间进行信息交换; 步骤5 :输出控制信号,发出控制指令。
2. 根据权利要求1所述的基于观测器的车队协同自主控制方法,其特征在于,所述步 骤1中,所述的滤波器参数包括当前车辆状态变量、误差协方差矩阵和邻居车辆的状态变 量。
3. 根据权利要求2所述的基于观测器的车队协同自主控制方法,其特征在于,所述状 态变量包括间隔误差、速度误差和加速度误差,所述的状态变量的初始值服从高斯分布。
4. 根据权利要求1所述的基于观测器的车队协同自主控制方法,其特征在于,在步骤2 中,所述传感器包括车载雷达,速度传感器和加速度传感器;所述车载雷达装在车头,能够 获得当前车与前面车辆的距离以及当前车与前面车之间的相对速度;所述速度传感器和加 速度传感器安装在汽车内部,用于获得当前汽车的速度值和加速度值,并得到观测方程: Zi (k) = HiXi (k) +Yi+Vi (k), 其中,Zi为当前汽车的观测值,Xi为当前汽车的状态值,Yi为常数,V i为观测噪声,Hi为 观测矩阵。
5. 根据权利要求1所述的基于观测器的车队协同自主控制方法,其特征在于,在步骤3 中,车队中除第一辆以外的汽车均运用所述的卡尔曼滤波算法进行状态估计。
6. 根据权利要求1所述的基于观测器的车队协同自主控制方法,其特征在于,在步骤3 中,所述卡尔曼滤波算法进行状态估计后,得到状态变量的估计值,滤波算法包括预测滤波 算法和滤波算法,所述滤波算法的预测方程为:
其中,毛(AK-I)为当前汽车的状态变量在k时刻的预测值,為0-1A-1)为k-Ι时刻 状态变量的估计值,G为汽车的系统矩阵,D为汽车的输入矩阵,P (k I k-Ι)为k时刻协方差 矩阵的预测值,纟为外部输入;滤波方程:
其中,K为滤波增益矩阵,p(kI k)为k时刻的协方差矩阵,為0μ)为k时刻状态变量的 估计值,W为加权因子,R为观测噪声协方差矩阵。
7. 根据权利要求1所述的基于观测器的车队协同自主控制方法,在步骤4中,所述邻居 车辆包括当前车辆前方的第一辆车和后方的第一辆车。
8. 根据权利要求1所述的基于观测器的车队协同自主控制方法,其特征在于,在步骤4 中,所述邻居车辆只交换估计信息,减小通信数据量,降低对通信网络的要求;估计信息包 括间隔误差,速度误差和加速度误差。
9. 根据权利要求1所述的基于车载雷达和无线通信技术的车队协同控制方法,其特征 在于,在步骤4中,在通信过程中,当前车辆监听信道,如果信道空闲,当前车辆广播自身的 状态变量估计值,持续一段时间后,停止广播,接收邻居车辆的广播信息并进行存储;如果 信道繁忙,接收邻居车辆的广播信息并进行存储。
10. 根据权利要求1所述的基于车载雷达和无线通信技术的车队协同控制方法,其特 征在于,所述步骤5中,当前车辆根据自身的估计值和邻居车辆的估计值,按照如下的控制 算法:
输出控制信号,发出控制指令。
【文档编号】G05B13/04GK104391445SQ201410383803
【公开日】2015年3月4日 申请日期:2014年8月6日 优先权日:2014年8月6日
【发明者】刘永桂, 潘创, 高焕丽, 李伯忍 申请人:华南理工大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1