用于自动驾驶车辆的纵向控制系统和纵向控制方法与流程

本发明属于自动驾驶技术领域,具体涉及一种用于自动驾驶车辆的纵向控制系统和纵向控制方法。

背景技术：

自动驾驶技术在最近十年得到突飞猛进的发展，将自动驾驶技术应用到重型卡车上，也在最近几年得到了广泛的关注。

由于重型卡车质量较大，相对于乘用车重型卡车的线控平台的执行性能较差，另外重型卡车后面还有非刚性连接的挂车，所以相较于乘用车，重型卡车的自动驾驶的控制问题更具有挑战性。

现有的自动驾驶车辆的控制系统中，不能很好地处理自动驾驶卡车所面临的技术挑战，尤其是非线性和不稳定的线控性能以及换挡所带来的顿挫等问题。

目前的一种主流技术方案是基于速度的pid(proportional-integral-derivative，比例-积分-微分控制器)的方法来进行纵向控制的，参见图1，该方法的优点是实现简单，但缺点是鲁棒性比较差，并且不能很好地处理重型卡车的线控平台的参数的扰动及换挡所带来的顿挫问题。

因此，综上所述，现有技术中存在以下几个问题：鲁棒性比较差、不能很好地处理重型卡车的线控平台的参数的扰动及控制过程中的动态偏差。

技术实现要素：

本发明提供一种用于自动驾驶车辆的纵向控制系统和纵向控制系统方法，通过引入参考自适应模型，以解决现有技术中的至少一个技术问题。

本发明的一个方面提供一种用于自动驾驶车辆的纵向控制系统，该纵向控制系统包括模型参考自适应模块和线控模块，所述模型参考自适应模块包括参考模型、第一融合子模块和自适应律子模块；所述系统还包括pid模块和第二融合模块；其中，

所述参考模型根据预先设定的车辆模型和参考输入量生成参考模型的输出控制量；

所述第一融合子模块融合所述参考模型的输出控制量和当前系统的实时状态量以获得第一误差；

所述自适应律子模块根据车辆的类型和第一误差对所述参考模型的输出控制量进行调整，获得调整后的参考模型的输出控制量；

所述pid模块根据车辆的速度获得pid输出控制量；

所述第二融合模块融合调整后的参考模型的输出控制量和pid输出控制量以获得系统的最终控制量。

进一步的，所述自适应律子模块通过以下公式获得调整后的参考模型的输出控制量：

其中，u1是调整后的参考模型的输出控制量；r是参考模型的输入量；gamma是自适应律；e是第一误差。

进一步的，所述第二融合模块通过以下公式获得系统的最终控制量：

cmdfinal＝wmrac*u1+wpid*u2

其中，cmdfinal是系统的最终控制量；wmrac是调整后的参考模型的输出控制量的权重；u1是调整后的参考模型的输出控制量；wpid是pid输出控制量的权重；u2是pid输出控制量。

进一步的，所述pid输出控制量u2通过以下公式获得：

kp是p项的参数，ki是i项的参数，kd是d项的参数，e(k)是控制量和观测量的误差。

进一步的，所述纵向控制系统还包括前馈模块和第三融合模块；

所述前馈模块根据车辆的输入值和输出值获得前馈输出控制量；

所述第三融合模块融合调整后的参考模型的输出控制量、pid输出控制量和前馈输出控制量获得所述系统的最终控制量。

本发明的一个方面提供一种用于自动驾驶车辆的纵向控制方法，该纵向控制方法包括以下步骤：

根据预先设定的车辆模型和参考输入量生成参考模型的输出控制量；

融合所述参考模型的输出控制量和当前系统的实时状态量以获得第一误差；

根据车辆的类型和第一误差对所述参考模型的输出控制量进行调整，获得调整后的参考模型的输出控制量；

根据车辆的速度获得pid输出控制量；

融合调整后的参考模型的输出控制量和pid输出控制量以获得系统的最终控制量。

进一步的，所述调整后的参考模型的输出控制量通过以下公式获得：

其中，u1是调整后的参考模型的输出控制量；r是参考模型的输入量；gamma是自适应律；e是第一误差。

进一步的，通过以下公式获得所述系统的最终控制量：

cmdfinal＝wmrac*u1+wpid*u2

其中，cmdfinal是系统的最终控制量；wmrac是调整后的参考模型的输出控制量的权重；u1是调整后的参考模型的输出控制量；wpid是pid输出控制量的权重；u2是pid输出控制量。

进一步的，所述pid输出控制量u2通过以下公式获得：

kp是p项的参数，ki是i项的参数，kd是d项的参数，e(k)是控制量和观测量的误差。

进一步的，该纵向控制方法还包括以下步骤；

根据车辆的输入值和输出值获得前馈输出控制量；

融合调整后的参考模型的输出控制量、pid输出控制量和前馈输出控制量获得所述系统的最终控制量。

本发明通过本发明通过引入模型参考自适应模块，在车辆的自动驾驶系统中，尤其是在重型卡车的自动驾驶控制过程中，可以很好的解决线控平台的参数扰动以及控制过程中的动态偏差的技术问题，从而极大的提升自动驾驶车辆的纵向控制的精度，带来了更高的安全性和更平稳的驾驶体验。

附图说明

图1为现有技术中利用pid算法的一种自动驾驶车辆的控制系统的结构示意图；

图2为本发明一个实施例提供的一种用于自动驾驶车辆的纵向控制系统的结构示意图；

图3为本发明实施例提供的一种用于自动驾驶车辆的纵向控制方法的流程示意图；

图4为本发明另一实施例提供的一种用于自动驾驶车辆的纵向控制系统的结构示意图；

图5为本发明另一实施例提供的一种用于自动驾驶车辆的纵向控制方法的流程示意图；

图6为本发明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

图2为本发明实施例提供的一种用于自动驾驶车辆的纵向控制系统的结构示意图；参见图2，该纵向控制系统包括模型参考自适应模块、线控模块，所述模型参考自适应模块包括参考模型、第一融合子模块和自适应律子模块；所述系统还包括pid模块和第二融合模块；其中，

所述参考模型根据预先设定的车辆模型和参考输入量生成参考模型的输出控制量；本实施例中的车辆模型一般可以通过系统辨识方法或者大数据建模的方式获得；

所述第一融合子模块融合所述参考模型的输出控制量和当前系统的实时状态量以获得第一误差，所述第一误差为参考模型的输出控制量和当前系统的实时状态量之间的误差；本实施例中的当前系统的实时状态量可来自于线控模块反馈的信号，例如包括当前油门踏板的百分比等数据；

所述自适应律子模块根据车辆的类型和第一误差对所述参考模型的输出控制量进行调整，获得调整后的参考模型的输出控制量；

所述pid模块根据车辆的速度获得pid输出控制量；

所述第二融合模块融合调整后的参考模型的输出控制量和pid输出控制量以获得系统的最终控制量。

进一步的，所述参考模型为；其中，gm(s)是参考模型的频域动力学模型；ta是一阶惯性环节时间常数，该常数依赖于车辆的动态性能，一般参考取值范围为[0.15-0.4]；s是频域自变量。

进一步的，所述第一误差是通过以下公式实现的，例如可以利用参考模型的输出的控制量与当前系统的实时状态量的差值来获得所述误差，具体可参见下述公式：

e＝cmdr-cmds；

其中，cmdr是参考模型的输出控制量；cmds是当前系统的实时状态量；e是第一误差。

进一步的，所述自适应律子模块利用以下表达式获得所述调整后的参考模型的输出控制量：

其中，u1是调整后的参考模型的输出控制量；r是参考模型的输入量；gamma表示自适应律，其参考取值范围为[1.0-2.3]；e是第一误差。

进一步的，所述第二融合模块通过以下公式获得所述系统的最终控制量：

cmdfinal＝wmrac*u1+wpid*u2

其中，cmdfinal是系统的最终控制量；wmrac是调整后的参考模型的输出控制量的权重，优选的，wmrac取值参考范围为[0.6-1.0]；u1是调整后的参考模型的输出控制量；wpid是pid输出控制量的权重，优选的，wpid的取值参考范围为[0.3-1.0]；u2是pid输出控制量；

优选的，所述pid输出控制量u2是通过如下公式获得的:

其中，kp是p项的参数，ki是i项的参数，kd是d项的参数，e(k)是控制量和观测量的误差。

可选的，所述第二融合模块根据车辆的不同的线控性能指标对模型参考自适应模块和pid模块分配相应的权重。

本实施例通过第二融合模块融合调整后的参考模型的输出控制量和pid输出控制量获得系统的最终控制量，可以降低系统控制的动态偏差，并可以及时地进行检测和反馈，从而极大地提高了该系统的纵向控制的精确度。

实施例二

图3为本发明实施例提供的一种用于自动驾驶车辆的纵向控制方法的流程示意图，参见图3，该纵向控制方法包括以下步骤：

根据预先设定的车辆模型和参考输入量生成参考模型的输出控制量；

融合所述参考模型的输出控制量和当前系统的实时状态量以获得第一误差；

根据车辆的类型和第一误差对所述参考模型的输出控制量进行调整，获得调整后的参考模型的输出控制量；

根据车辆的速度获得pid输出控制量；

融合调整后的参考模型的输出控制量和pid输出控制量以获得系统的最终控制量。

进一步的，通过以下公式获得所述调整后的参考模型的输出控制量：

其中，u1是调整后的参考模型的输出控制量；r是参考模型的输入量；gamma是自适应律；e是第一误差。

进一步的，通过以下公式获得所述系统的最终控制量：

cmdfinal＝wmrac*u1+wpid*u2

其中，cmdfinal是系统的最终控制量；wmrac是调整后的参考模型的输出控制量的权重；u1是调整后的参考模型的输出控制量；wpid是pid输出控制量的权重；u2是pid输出控制量。

进一步的，所述pid输出控制量u2通过以下公式获得：

kp是p项的参数，ki是i项的参数，kd是d项的参数，e(k)是控制量和观测量的误差。

进一步的，该纵向控制方法还包括以下步骤；

根据车辆的输入值和输出值获得前馈输出控制量；

融合调整后的参考模型的输出控制量、pid输出控制量和前馈输出控制量获得所述系统的最终控制量。

进一步的，根据车辆的不同的线控性能指标对调整后的参考模型的输出控制量的权重、pid输出控制量分配相应的权重。

本实施例中的用于自动驾驶车辆的纵向控制方法的过程及工作原理与实施例一的纵向控制系统的过程及工作原理基本一致，在此不再赘述。

实施例三

参见图4，图4为本发明的另一实施例提供的一种用于自动驾驶车辆的纵向控制系统的结构示意图；该纵向控制系统包括模型参考自适应模块、线控模块、pid模块、前馈模块和第三融合模块；其中，所述模型参考自适应模块包括参考模型、第一融合子模块和自适应律子模块；

所述参考模型根据预先设定的车辆模型和参考输入量生成参考模型的输出控制量；

所述第一融合子模块融合所述参考模型的输出控制量和当前系统的实时状态量，以获得第一误差，所述第一误差为参考模型的输出控制量和当前系统的实时状态量之间的误差；

所述自适应律子模块根据车辆的类型和第一误差对所述参考模型的输出控制量进行调整，获得调整后的参考模型的输出控制量；

所述pid模块根据车辆的速度获得pid输出控制量；

所述前馈模块根据车辆的输入值和输出值获得前馈输出控制量；

所述第三融合模块融合调整后的参考模型的输出控制量、pid输出控制量和前馈输出控制量获得系统的最终控制量。

需要说明的是，在本实施例中，所述参考模型、获得第一误差、调整后的参考模型的输出控制量以及pid输出控制量等的实现方法与实施例一中的基本一致，在此不再具体赘述。

进一步的，所述第三融合模块通过以下公式获得所述系统的最终控制量：

cmdfinal＝wmrac*u1+wpid*u2+wff*u3

其中，cmdfinal是系统的最终控制量；wmrac是调整后的参考模型的输出控制量的权重，优选的，取值参考范围为[0.6-1.0]；u1是调整后的参考模型的输出控制量；wff是前馈输出控制量的权重；优选的，wff的取值参考范围为[0.5-1.0]；u3是前馈输出控制量；wpid是pid输出控制量的权重；优选的，wpid的取值参考范围为[0.3-1.0]；u2是pid输出控制量。

进一步的，所述前馈输出控制量u3是可通过如下公式获得：

u3＝k1(v)+k2(w)+k3(a)

其中，v是车辆的速度，w是车辆的载重，a是车辆的加速度，k1是车辆的速度的系数，k2是车辆的载重的系数，k3是车辆的加速度的系数。

优选的，所述第三融合模块根据车辆的不同的线控性能指标对模型参考自适应模块、pid模块和前馈模块分配相应的权重。

本实施例利用第三融合模块融合调整后的参考模型的输出控制量、pid输出控制量和前馈输出控制量获得系统的最终控制量，不仅能够降低系统控制的动态偏差，并可以及时地进行检测和反馈，从而极大地提高了该系统的纵向控制的精确度；而且能够很好地解决换挡所带来的顿挫问题，并对系统进行迅速的反馈调节，从而带来了更加平顺的系统体验，因此本实施例可以极大的提升自动驾驶车辆的纵向控制的精度和鲁棒性，从而为车辆带来更高的安全性和更平稳的驾驶体验。

实施例四

图5为本发明另一实施例提供的一种用于自动驾驶车辆的纵向控制方法的流程示意图；参见图5，该纵向控制方法包括以下步骤：

根据预先设定的车辆模型和参考输入量生成参考模型的输出控制量；

融合所述参考模型的输出控制量和当前系统的实时状态量，以获得第一误差，所述第一误差为参考模型的输出控制量和当前系统的实时状态量之间的误差；

根据车辆的类型和第一误差对所述参考模型的输出控制量进行调整，获得调整后的参考模型的输出控制量；

根据车辆的速度获得pid输出控制量；

根据车辆的输入值和输出值获得前馈输出控制量；

融合调整后的参考模型的输出控制量、pid输出控制量和前馈输出控制量获得系统的最终控制量。

需要说明的是，在本实施例中，所述参考模型、获得第一误差、调整后的参考模型的输出控制量以及pid输出控制量等的实现方法也与实施例一中的基本一致，在此不再具体赘述。

进一步的，通过以下公式获得所述系统的最终控制量：

cmdfinal＝wmrac*u1+wpid*u2+wff*u3

其中，cmdfinal是系统的最终控制量；wmrac是调整后的参考模型的输出控制量的权重，优选的，取值参考范围为[0.6-1.0]；u1是调整后的参考模型的输出控制量；wff是前馈输出控制量的权重；优选的，wff的取值参考范围为[0.5-1.0]；u3是前馈输出控制量；wpid是pid输出控制量的权重；优选的，wpid的取值参考范围为[0.3-1.0]；u2是pid输出控制量。

进一步的，所述前馈输出控制量u3是可通过如下公式获得：

u3＝k1(v)+k2(w)+k3(a)

其中，v是车辆的速度，w是车辆的载重，a是车辆的加速度，k1是车辆的速度的系数，k2是车辆的载重的系数，k3是车辆的加速度的系数。

优选的，根据车辆的不同的线控性能指标获得调整后的参考模型的输出控制量的权重、前馈输出控制量的权重以及pid输出控制量的权重。

本实施例中的用于自动驾驶车辆的纵向控制方法的过程及工作原理与实施例三的纵向控制系统的过程及工作原理基本一致，在此不再赘述。

实施例五

图6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6，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方法。

实施例六

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方法。

本发明具有以下优点：

本发明通过引入模型参考自适应模块，在车辆的自动驾驶系统中，尤其是在重型卡车的自动驾驶控制过程中，可以很好的解决线控平台的参数扰动以及控制过程中的动态偏差的技术问题，从而极大的提升自动驾驶车辆的纵向控制的精度，带来了更高的安全性和更平稳的驾驶体验。

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。