面向极限驾驶功能的动态安全滤波控制方法及域控制架构

本发明是关于一种面向极限驾驶功能的动态安全滤波控制方法、装置及域控制架构，涉及车辆极限驾驶领域。

背景技术：

1、根据世界卫生组织统计，90％以上的交通事故是因驾驶员操作失误造成的，在这之中造成重大人员伤亡的交通事故主要发生在极限驾驶工况。在极限驾驶工况下汽车常处于高车速、急转向的状态，车辆控制裕度减小，更加容易失稳。随着自动驾驶技术和底盘智能化技术的发展，一些厂商开发了智能汽车极限安全功能和极限驾驶体验功能。目前，极限驾驶功能大体分为基于模型求解的方法和利用数据驱动的方法。其中，模型求解的方法大多根据性能要求设计代价函数，通过最小化代价函数来寻求约束内最佳的控制策略；数据驱动的方法收集大量“输入-输出”数据，通过机器学习、深度学习直接生成控制策略。

2、基于模型求解或数据驱动的极限驾驶功能重视优化功能预设的性能，而忽视了极限驾驶功能本身为车辆带来的潜在安全风险。极限驾驶功能实现过程中可能遇到障碍物侵入或路面变化等环境急变。此时预设的性能指标无法满足环境急变后的安全需求且无法实时调整规划控制，可能导致意外的事故。此外，极限驾驶功能对输入信号的实时性及精度要求较高，传感延迟、震荡或错误都可能导致功能误用，进而造成车身失稳。

3、当前极限驾驶功能的方案主要为极限驾驶控制模块触发后直接自主决策接管车辆控制。但是该方案中缺乏对极限驾驶功能安全的考虑，没有考虑车辆电子电气架构的影响，可能因环境急变、功能误用等因素造成意料外严重事故。现有技术中的极限驾驶相关研究忽视了功能本身的潜在安全风险，没有关注功能异常情况下对潜在危险的预防和控制，容易出现预期以外安全事故。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，针对上述问题，本发明的目的是提供一种面向极限驾驶功能的动态安全滤波方法、装置及控制架构，能够监控和分析数据驱动或模型求解的极限驾驶功能，并根据功能异常干预车辆操作，确保车辆处于物理约束边界内。

2、为了实现上述发明目的，本发明的技术方案为：

3、第一方面，本发明提供一种面向极限驾驶功能的动态安全滤波控制方法，包括：

4、s10、获得环境状态信息以及车辆功能状态信息；

5、s20、确定车辆是否接近实时物理约束边界，如果为是，则进入步骤s50；如果为否，则进入步骤s30；

6、s30、确定车辆是否超越动力学安全边界，如果为是，则进入步骤s50；如果为否，则进入步骤s40；

7、s40、完全信任极限驾驶控制输出；

8、s50、计算车辆的目标横摆角及目标车速；

9、s60、结合实时物理约束边界有限时间干预目标横摆角和/或目标车速，其中，对目标横摆角进行干预确保车辆距离物理约束边界存在安全距离，对目标车速干预确保车辆的动力学稳定；

10、s70、根据目标车速和目标横摆角计算安全控制量。

11、进一步地，所述确定车辆是否接近实时物理约束边界，包括：

12、根据车辆与物理约束边界的距离、相对运动速度判断车辆接近程度，其中，实时物理约束边界指当前所执行功能无法自适应的突变道路边界或道路中的突现障碍物。

13、进一步地，所述确定车辆是否超越动力学安全边界，包括：

14、动力学安全边界是指车辆的横摆角速度和质心侧偏角在相图中预设的边界，若车辆当前状态的点不在边界内，即认为车辆超越动力学安全边界。

15、进一步地，所述计算车辆的目标横摆角及目标车速，包括：

16、建立车辆动力学模型，根据车辆当前状态及极限驾驶控制模块动作，预测下一车辆状态；

17、从下一车辆状态中选取车速和横摆角作为目标跟踪量，选取frenet坐标系的横向偏差作为跟踪参考量：

18、

19、式中，分别为预计车速、预计横摆角速度、预计沿道路法向速度，st为当前车辆状态，ainput为滤波前输入，st+1为下一时刻状态。

20、进一步地，所述结合实时物理约束边界有限时间干预目标横摆角和/或目标车速，包括：

21、结合控制障碍函数和递增时间标度函数φt对目标横摆角进行干预，把接近的物理约束边界对极限驾驶控制模块的影响限制在有限时间t内：

22、

23、

24、实时判定车辆状态失稳风险，降低目标车速vd得到vsafe；

25、式中，为预计横摆角速度，ld为预计沿道路法向速度，l是实际沿道路法向速度，v是车辆总车速，∈，b为正参数，sp为控制安全滤波介入的最大距离，β为车辆质心侧偏角，t为预设的有限时间，t是滤波器触发后的实际时间，n为阶数。

26、第二方面，本发明还提供一种面向极限驾驶功能的动态安全滤波控制系统，该系统包括：

27、信息获取模块，被配置为获得环境状态信息以及功能状态信息；

28、物理约束边界判断模块，确定车辆是否接近实时物理约束边界；

29、动力学安全边界判断模块，被配置为确定车辆是否超越动力学安全边界；

30、输出模块，被配置为车辆未接近实时物理约束边界，则完全信任极限驾驶输出；

31、目标量计算模块，被配置为计算车辆的目标横摆角及目标车速；

32、目标量干预模块，被配置为结合边界信息有限时间干预目标量，其中，对目标横摆角进行干预确保车辆距离物理约束存在安全距离，对车速干预确保车辆的动力学稳定，若车辆状态已经超越动力学控制安全边界，则同时进行反向转向和降速以稳定车辆；

33、控制信号输出模块，被配置为根据目标车速和目标横摆角计算安全控制量。

34、第三方面，本发明提供一种面向极限驾驶功能的智能车辆域控制结构，该域控制结构包括自动驾驶系统和智能底盘系统；所述自动驾驶系统内设置有极限驾驶综合决策模块和融合感知模块，所述智能底盘系统内设置有本发明第二方面所述的动态安全滤波控制系统、极限驾驶控制模块和常规底盘动力学控制器；其中，

35、所述极限驾驶综合决策模块，被配置为屏蔽车辆原有稳定性控制功能，根据融合感知模块获得的当前和历史信息，分析环境中是否存在所执行功能未考虑到的意料外变化，并将功能状态反馈给所述动态安全滤波控制系统；

36、所述极限驾驶控制模块，所述极限驾驶控制模块由所述极限驾驶综合决策模块触发后，将控制量输入动态安全滤波控制系统进行干预，并以线性或惯性过渡的方式接管常规底盘动力学控制器；

37、所述动态安全滤波控制系统，评估极限驾驶功能行为及状态，判断功能对目前环境的适应性，如果车辆未接近物理约束，将直接通过所述极限驾驶控制模块输出；否则，将通过动态自适应滤波，滤除可能造成车辆失稳和违反物理约束的操作。

38、进一步地，所述自动驾驶系统内还包括自动驾驶系统决策规划与轨迹跟踪模块，当所述融合感知模块反馈车辆开始远离新增物理约束边界时，所述极限驾驶综合决策模块将正常环境和功能状态传递至所述动态安全滤波控制系统，直接信任所述极限驾驶控制模块的输出直至所述极限驾驶控制模块完成预定性能的极限驾驶任务，所述极限驾驶综合决策模块将控制权限交还给所述自动驾驶系统决策规划与轨迹跟踪模块，由所述常规底盘动力学控制器控制转向系统、驱动系统和制动系统执行目标操作，此时极限驾驶功能退出。

39、进一步地，所述极限驾驶控制模块包括优化预设极限驾驶性能的序列决策和最优控制问题，以奖励函数或代价函数的形式优化预设性能指标，并由数据或模型驱动求解前轮转角、驱制动目标。

40、进一步地，所述极限驾驶控制模块由所述极限驾驶综合决策模块触发的条件为：所述极限驾驶综合决策模块在常规驾驶时实时监测车辆运行状态及动力学状态是否接近安全边界，判断当前车辆所执行功能是否涉及附着极限，如果涉及附着极限则触发所述极限驾驶控制模块。

41、本发明由于采取以上技术方案，其具有以下特点：

42、1、本发明关注极限驾驶功能本身的潜在安全风险，能够监控和分析数据驱动或模型求解的极限驾驶功能，并根据功能异常干预车辆操作，确保车辆处于物理约束边界内，最大程度避免了对预设性能的过度牺牲。

43、2、本发明的极限驾驶功能的出现和发展为车辆拓宽了动力学控制边界，极大提升了驾驶安全性和驾驶体验性，同时功能本身的可靠性和自适应性也有提升。

44、3、本发明从功能安全的思路出发，旨在当极限驾驶功能出现异常或面临未知危险时，能够在保证安全的前提下按预设的性能降级运行，保证运行安全，应用前景广阔。

45、4、本发明提出的动态安全滤波方法把对功能的干预限制在有限时间内，从而降低对整体驾驶性能的影响。

46、综上，本发明可以广泛应用于车辆极限驾驶中。