一种双向行驶摆渡车变道时扭矩计算方法
1.本发明申请是基于申请人于2021年3月19日提交的中国专利号2021102942727，专利名称“一种双向行驶摆渡车的控制系统及双向行驶摆渡车”所提出的分案申请。
技术领域
2.本发明属于汽车领域，具体涉及一种双向行驶摆渡车变道时扭矩计算方法。
背景技术：3.无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现自动驾驶的目的。
4.现有的自动驾驶技术主要依靠激光雷达和单眼摄像头进行图像识别及障碍物检测实现自动驾驶，但目前的自动驾驶在变道过程中对于车辆驱动或制动扭矩的计算并不准确。
技术实现要素：5.为解决上述技术问题，本发明实施例提出一种双向行驶摆渡车变道时扭矩计算方法。
6.一种双向行驶摆渡车变道时扭矩计算方法，车辆变道时，计算确定车辆驱动或制动扭矩，包括：
7.获取参考速度v
ref
、纵向速度v、加速度a；
8.用一阶延时函数表示车辆的期望加速度a
des
与实际加速度a之间的关系为：
[0009][0010]
其中k＝1为系统增益，τ为时间常数，s是拉普拉斯运算符，则连续系统的状态方程可以表示为：
[0011][0012][0013]
纵向控制状态方程为：
[0014]
v(k+1)＝v(k)+t
·
a(k)
[0015][0016]
其中k为当前采样时刻，k+1为下个采样时刻，t为采样周期，令
[0017]
ξ(k)＝[v(k) a(k)]
t
[0018]
控制状态方程可以表示为：
[0019]
[0020]
纵向控制的目标是在保证车辆不发生过大的加速度和速度变化的前提下实现参考速度的精确跟踪，目标函数可以定义为：
[0021][0022]
其中p，q分别为系统控制增量的权重矩阵和系统输出量的权重矩阵，np为预测步长，nc为控制步长；
[0023]
系统约束为：
[0024]ades，min
≤a
des
(k+i)≤a
des，max
[0025]
δa
des，min
≤δa
des
(k+i)≤δa
des，max
[0026]
使函数j取最小值即可得到最优的期望加速度a
des
；
[0027]
车辆运行的阻力有轮胎滚动阻力f
roll
，空气阻力fa，坡度阻力f
grade
，阻力加速度为：
[0028][0029]
当需求加速度a
des
大于-a
thre
，需要施加驱动力，当需求加速度a
des
小于-a
thre
需要施加制动力，为避免模式频繁切换，施加一定的迟滞，则扭矩可以表示为：
[0030][0031]
本发明采用的技术方案，具有如下有益效果：
[0032]
能够根据参考速度v
ref
、纵向速度v、加速度a，基于模型预测控制完成期望加速度a
des
的求解，得到期望加速度a
des
之后通过车辆模型计算所需的驱动扭矩或制动扭矩，计算结果准确，符合实际情况，有利于变道时的车辆控制。
[0033]
本发明的具体技术方案及其有益效果将会在下面的具体实施方式中结合附图进行详细的说明。
附图说明
[0034]
下面结合附图和具体实施方式对本发明作进一步描述：
[0035]
图1为本发明实施例一一种双向行驶摆渡车的控制系统的结构示意图；
[0036]
图2为本发明实施例一第一处理模块的流程示意图；
[0037]
图3为本发明实施例一中车辆行驶坐标示意图。
具体实施方式
[0038]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0039]
实施例一
[0040]
本实施例的基本思想是在车辆的前端和后端分别设置摄像头模块以及障碍物检测模块，并通过第一处理模块根据第一摄像头模块发送的车辆前方图像以及第一障碍物检测模块发送的车辆前端障碍物数据确定第一车辆行驶信息，并将第一车辆行驶信息发送到动力控制器；还通过第二处理模块根据第二摄像头模块发送的车辆前方图像以及第二障碍物检测模块发送的车辆后端障碍物数据确定第二车辆行驶信息，并将第二车辆行驶信息发送到动力控制器，从而显著提升车辆的转向和变道灵活度。
[0041]
需要说明的是，本控制系统可应用于四轮驱动的摆渡车，也可以应用于其他双向行驶的多轮驱动的摆渡车，例如八轮驱动的摆渡车。
[0042]
图1为本发明实施例一提供的一种双向行驶摆渡车的控制系统的结构示意图。参考图1所示，一种双向行驶摆渡车的控制系统，包括用于获取车辆前方图像的第一摄像头模块、用于获取车辆后方图像的第二摄像头模块、第一处理模块、第二处理模块、用于检测车辆前端障碍物数据的第一障碍物检测模块、用于检测车辆后端障碍物数据第二障碍物检测模块、动力控制器以及电机驱动器。
[0043]
第一处理模块用于根据第一摄像头模块发送的车辆前方图像以及第一障碍物检测模块发送的车辆前端障碍物数据确定第一车辆行驶信息，并将第一车辆行驶信息发送到动力控制器。第二处理模块用于根据第二摄像头模块发送的车辆前方图像以及第二障碍物检测模块发送的车辆后端障碍物数据确定第二车辆行驶信息，并将第二车辆行驶信息发送到动力控制器。动力控制器用于根据第一车辆行驶信息、第二车辆行驶信息对应生成第一车辆行驶指令、第二车辆行驶指令，并发送到电机驱动器。电机驱动器用于根据第一车辆行驶指令、第二车辆行驶指令分别驱动对应的前轮或后轮。
[0044]
第一处理模块根据第一摄像头模块发送的车辆前方图像以及第一障碍物检测模块发送的车辆前端障碍物数据确定第一车辆行驶信息，并将第一车辆行驶信息发送到动力控制器。第二处理模块根据第二摄像头模块发送的车辆前方图像以及第二障碍物检测模块发送的车辆后端障碍物数据确定第二车辆行驶信息，并将第二车辆行驶信息发送到动力控制器。本控制系统通过控制前轮、后轮的运动，从而显著提升车辆的转向和变道灵活度。
[0045]
在本实施例中，第一处理模块连接第一摄像头模块、第一障碍物检测模块以及动力控制器，第二处理模块连接第二摄像头模块、第二障碍物检测模块以及动力控制器，动力控制器连接电机驱动器，电机驱动器与对应的车轮连接。
[0046]
在本实施例中，第一障碍物检测模块包括毫米波雷达模块及超声波雷达模块。第二障碍物检测模块包括毫米波雷达模块及超声波雷达模块。
[0047]
毫米波实质上就是电磁波，毫米波的频段比较特殊，其频率高于无线电，低于可见光和红外线，频率大致范围是10ghz—200ghz，这是一个非常适合车载领域的频段。毫米波雷达模块有六个，前后三个分别设于车辆的前端和后端。需要说明的是，第一障碍物检测模块也可以采用其他雷达模块，本实施例并不对其限制。
[0048]
超声波发射器向外面某一个方向发射出超声波信号，在发射超声波时刻的同时开始进行计时，超声波通过空气进行传播，传播途中遇到障碍物就会立即返射传播回来，超声波接收器在收到反射波的时刻就立即停止计时。在空气中超声波的传播速度是340m/s，计时器通过记录时间t，就可以测算出从发射点到障碍物之间的距离长度(s)。超声波雷达模块有八个，前后四个分别设于车辆的前端和后端。需要说明的是，第二障碍物检测模块也可
以采用其他雷达模块，本实施例并不对其限制。
[0049]
为实现对车辆的精准控制，第一处理模块具体用于：将来自第一障碍物检测模块的车辆前端障碍物数据进行3d-fft处理得到极坐标图像，再通过极坐标到笛卡尔坐标的变换以及卷积特征提取得到直角坐标系的两种大小的第一特征图像；根据与第一障碍物检测模块的联合标定参数经逆投影映射得到与第一障碍物检测模块的直角坐标系一一对应的图像，而后经卷积特征提取得到与第一特征图像同样大小的第二特征图像；相同大小的第一特征图像和第二特征图像将作为两通道的叠加特征图经卷积核进行特征提取，输出将作为单激发探测器的输入进行目标感知；通过卡尔曼滤波预测目标运动轨迹，结合车辆前端障碍物数据与全局路径规划确定当前的局部路径，最终确定当前车辆纵向速度与摆率；根据当前车辆纵向速度与摆率结合车辆模型计算确定车辆驱动或制动扭矩、方向盘转角及瞬时角速度。来自第一障碍物检测模块中超声波雷达的信息用于第一处理模块对近距离障碍物的检测，作为冗余安全措施避免碰撞。
[0050]
如图2所示，在一示例实施例中，雷达原始数据经过3d-fft、坐标变换及卷积特征提取处理得到特征图0(32*32)及特征图1(64*64)，相机图像数据联合标定参数经过逆映射投影及卷积特征提取得到特征图0(32*32)及特征图1(64*64)，雷达原始数据对应的特征图0(32*32)及相机图像数据对应的特征图0(32*32)经过特征叠加后进行1*1卷积处理，雷达原始数据对应的特征图1(64*64)及相机图像数据对应的特征图1(64*64)经过特征叠加后进行1*1卷积处理，并将两者的处理结果作为ssd单激发探测器的输入进行目标感知。
[0051]
为实现对车辆的精准控制，第二处理模块具体用于：将来自第二障碍物检测模块的车辆后端障碍物数据进行3d-fft处理得到极坐标图像，再通过极坐标到笛卡尔坐标的变换以及卷积特征提取得到直角坐标系的两种大小的第一特征图像；根据与第二障碍物检测模块的联合标定参数经逆投影映射得到与第二障碍物检测模块的直角坐标系一一对应的图像，而后经卷积特征提取得到与第一特征图像同样大小的第二特征图像；相同大小的第一特征图像和第二特征图像将作为两通道的叠加特征图经卷积核进行特征提取，输出将作为单激发探测器的输入进行目标感知；通过卡尔曼滤波预测目标运动轨迹，结合车辆前端障碍物数据与全局路径规划确定当前的局部路径，最终确定当前车辆纵向速度与摆率；根据当前车辆纵向速度与摆率结合车辆模型计算确定车辆驱动或制动扭矩、方向盘转角及瞬时角速度。来自第二障碍物检测模块中超声波雷达的信息用于第二处理模块对近距离障碍物的检测，作为冗余安全措施避免碰撞。
[0052]
第二处理模块的数据处理方式与第一处理模块相同，因此不再赘述。
[0053]
在实施例中，获取参考速度v
ref
、纵向速度v、加速度a，基于模型预测控制完成期望加速度a
des
的求解，得到期望加速度a
des
之后通过车辆模型计算所需的驱动扭矩或制动扭矩。
[0054]
用一阶延时函数表示车辆的期望加速度a
des
与实际加速度a之间的关系为：
[0055][0056]
其中k＝1为系统增益，τ为时间常数，s是拉普拉斯运算符，则连续系统的状态方程可以表示为：
[0057]
[0058][0059]
纵向控制状态方程为：
[0060]
v(k+1)＝v(k)+t
·
a(k)
[0061][0062]
其中k为当前采样时刻，k+1为下个采样时刻，t为采样周期，令
[0063]
ξ(k)＝[v(k) a(k)]
t
[0064]
控制状态方程可以表示为：
[0065][0066]
纵向控制的目标是在保证车辆不发生过大的加速度和速度变化的前提下实现参考速度的精确跟踪，目标函数可以定义为：
[0067][0068]
其中p，q分别为系统控制增量的权重矩阵和系统输出量的权重矩阵，np为预测步长，nc为控制步长。
[0069]
系统约束为：
[0070]ades，min
≤a
des
(k+i)≤a
des，max
[0071]
δa
des，min
≤δa
des
(k+i)≤δa
des，max
[0072]
使函数j取最小值即可得到最优的期望加速度a
des
。
[0073]
车辆运行的阻力有轮胎滚动阻力f
roll
，空气阻力fa，坡度阻力f
grade
，阻力加速度为：
[0074][0075]
当需求加速度a
des
大于-a
thre
，需要施加驱动力，当需求加速度a
des
小于-a
thre
需要施加制动力，为避免模式频繁切换，施加一定的迟滞，则扭矩可以表示为：
[0076][0077]
根据参考轨迹和当前车辆横向状态变量，基于车辆运动学模型完成前后轮转角的求解。
[0078]
将车辆等效为两轮车模型，如图3所示，建立包括车辆的直角坐标系，其中，a是前轴中心，b是后轴中心，c是车辆质心，β为车辆侧滑角，为车头航向角，δf为前轮转向角，δr为后轮转向角，v为质心速度，r为瞬时转弯半径，o为顺势转向圆心，lf为质心距前轴的距离，lr分别为质心距后轴的距离。
[0079]
在三角形oca和ocb中分别有：
[0080]
[0081][0082]
由以上两式可得侧滑角：
[0083][0084]
瞬时转向半径为：
[0085][0086]
横摆角速度：
[0087][0088]
质心x，y向速度为：
[0089][0090][0091]
定义离散模型控制量为u
l
＝[δ
f δr]
t
，输出为质心参考位置和实际位置为置为理想的参考模型下车辆侧滑角β＝0。
[0092]
车辆的瞬时转向圆心为：
[0093][0094][0095][0096]
基于该圆心得到系统的离散状态为：
[0097][0098][0099][0100]
定义目标函数为：
[0101][0102]
其中y
l，p
(k+i|k)为输出变量预测值，y
l，ref
(k+i|k)为输出变量参考值，s为系统输出量的权重矩阵，w为系统控制量的权重矩阵。
[0103]
系统约束为前后轮转角的极限值及其增量的极限值
[0104]ul，min
≤u
l
(k+i)≤u
l，max
[0105]
δu
l，min
≤δu
l
(k+i)≤δu
l，max
[0106]
另目标代价函数取最小值可求解得到u
l
＝[δ
f δr]
t
。
[0107]
设方向盘转角θ与轮胎转角δ的比例为n则有：
[0108]
θ(k)＝n*δ(k)
[0109]
方向盘瞬时转速为：
[0110][0111]
其中t为采样时间。
[0112]
由u
l
可计算得到方向盘转角及瞬时角速度。
[0113]
在车辆的前进或后退过程中，控制系统的工作过程如下：当车辆需要前进时，所述第一摄像头模块发送正扭矩请求给动力控制器，所述动力控制器识别到第一摄像头模块后将相应的第一车辆行驶信息分配给相应的电机驱动器，从而使车辆前进；当车辆需要后退行驶时，所述第二摄像头模块发送正扭矩请求到动力控制器，所述动力控制器识别到第二摄像头模块后将相应的第二车辆行驶信息分配给相应的电机驱动器，从而使车辆后退行驶。
[0114]
作为优选，第一摄像头模块与动力控制器通过一路can网络连接，动力控制器识别到第一摄像头模块canid后将相应的扭矩值分配给对应的多个电机驱动器，实现电机驱动器的精确控制。第二摄像头模块也是如此，因此不再赘述。
[0115]
在车辆制动过程中，控制系统的工作过程如下：在车辆前进中能量回收制动时，第一摄像头模块发送负扭矩请求，经动力控制器到电机驱动器，进行能量回收制动；在车辆后退行驶中能量回收制动时，第二摄像头模块发送负扭矩请求，经动力控制器到电机驱动器，进行能量回收制动。
[0116]
在车辆变道时，动力控制器控制电机驱动器驱动前轮，并将后轮以相同方向摆动以辅助变道，从而实现快速变道。
[0117]
在车辆转弯时，动力控制器控制电机驱动器驱动前轮，并将后轮以反方向摆动从而减小转弯半径。
[0118]
实施例二
[0119]
本实施例提出一种双向行驶摆渡车，包括实施例一中所述的一种双向行驶摆渡车的控制系统。
[0120]
通过实施例一的描述可知，本实施例二提出一种双向行驶摆渡车，在车辆的前端和后端分别设置摄像头模块以及障碍物检测模块，并通过第一处理模块根据第一摄像头模块发送的车辆前方图像以及第一障碍物检测模块发送的车辆前端障碍物数据确定第一车辆行驶信息，并将第一车辆行驶信息发送到动力控制器；还通过第二处理模块根据第二摄像头模块发送的车辆前方图像以及第二障碍物检测模块发送的车辆后端障碍物数据确定第二车辆行驶信息，并将第二车辆行驶信息发送到动力控制器，从而显著提升车辆的转向和变道灵活度。
[0121]
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，熟悉该本领域的技术人员应该明白本发明包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。
技术特征：1.一种双向行驶摆渡车变道时扭矩计算方法，其特征在于，车辆变道时，计算确定车辆驱动或制动扭矩，包括：获取参考速度v
ref
、纵向速度v、加速度a；用一阶延时函数表示车辆的期望加速度a
des
与实际加速度a之间的关系为：其中k＝1为系统增益，τ为时间常数，s是拉普拉斯运算符，则连续系统的状态方程可以表示为：表示为：纵向控制状态方程为：v(k+1)＝v(k)+t
·
a(k)其中k为当前采样时刻，k+1为下个采样时刻，t为采样周期，令ξ(k)＝[v(k) a(k)]
t
控制状态方程可以表示为：纵向控制的目标是在保证车辆不发生过大的加速度和速度变化的前提下实现参考速度的精确跟踪，目标函数可以定义为：其中p，q分别为系统控制增量的权重矩阵和系统输出量的权重矩阵，np为预测步长，nc为控制步长；系统约束为：a
des，min
≤a
des
(k+i)≤a
des，max
δa
des，min
≤δa
des
(k+i)≤δa
des，max
使函数j取最小值即可得到最优的期望加速度a
des
；车辆运行的阻力有轮胎滚动阻力f
roll
，空气阻力f
a
，坡度阻力f
grade
，阻力加速度为：当需求加速度a
des
大于-a
thre
，需要施加驱动力，当需求加速度a
des
小于-a
thre
需要施加制动力，为避免模式频繁切换，施加一定的迟滞，则扭矩可以表示为：
技术总结本发明属于汽车领域，具体涉及一种双向行驶摆渡车变道时扭矩计算方法，能够根据参考速度、纵向速度、加速度，基于模型预测控制完成期望加速度的求解，得到期望加速度之后通过车辆模型计算所需的驱动扭矩或制动扭矩。本发明能够解决目前的自动驾驶在变道过程中对于车辆驱动或制动扭矩的计算并不准确的问题，具有计算结果准确，符合实际情况，有利于变道时的车辆控制的特点。辆控制的特点。辆控制的特点。
技术研发人员：陈汉涛 张绍丹 叶昭芳 裴俊枫
受保护的技术使用者：浙江亚太智能网联汽车创新中心有限公司
技术研发日：2021.03.19
技术公布日：2022/11/1
