本發(fā)明涉及車輛控制，尤其是涉及到一種越野電驅(qū)動無人車輛縱/橫/垂擬人化協(xié)同控制方法。

背景技術(shù)：

作為先進(jìn)科技的綜合載體，電驅(qū)動無人車輛在民用、航天及軍事等不同領(lǐng)域中均有重要用途。越野環(huán)境增強(qiáng)了電驅(qū)動無人車輛動力學(xué)系統(tǒng)的非線性、強(qiáng)耦合、不確定性等特性，如果不能把車輛動力學(xué)系統(tǒng)有機(jī)地結(jié)合為一個整體，解耦設(shè)計互不關(guān)聯(lián)的運動控制方法，將難以合理解決耦合動力學(xué)作用下的無人車輛行駛性能安全保障問題。如何構(gòu)建縱-橫-垂向系統(tǒng)的動態(tài)協(xié)調(diào)控制方法來實現(xiàn)電驅(qū)動無人車輛自主行駛安全性、通過性及平順性等多性能目標(biāo)的協(xié)同優(yōu)化，這是提升越野電驅(qū)動無人車輛綜合行駛性能的核心問題之一。

目前電驅(qū)動無人車輛運動控制的研究主要集中在城市道路或高速公路等比較規(guī)范的高結(jié)構(gòu)化道路環(huán)境，文獻(xiàn)1(erdalk,etc.towardsagrobots：trajectorycontrolofanautonomoustractorusingtype-2fuzzylogiccontrollers[j].ieee/asmetransactionsonmechatronics,2015,20(1)：287-293)提出了車輛橫向模糊邏輯控制方法，文獻(xiàn)2(julliermee,etc.longitudinalmodelidentificationandvelocitycontrolofanautonomouscar[j].ieeetransactionsonintelligenttransportationsystems,2015,16(2)：777-786)提出綜合pi和逆動力學(xué)模型的車輛縱向速度自動控制策略方法。而對越野環(huán)境下無人車輛控制問題的研究鮮有探討。越野環(huán)境地表的不平度、復(fù)雜多變性以及非連續(xù)性等物理性質(zhì)將大幅度增強(qiáng)車輛縱-橫-垂動力學(xué)系統(tǒng)的非線性耦合、不確定性及時滯特性。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是針對非結(jié)構(gòu)化道路環(huán)境下電驅(qū)動無人車輛具有強(qiáng)非線性耦合及不確定性等特點，提供協(xié)同優(yōu)化車輛自主行駛安全性、通過性和平順性多目標(biāo)性能，實現(xiàn)對越野電驅(qū)動無人車輛耦合動力學(xué)系統(tǒng)的動態(tài)協(xié)調(diào)的一種越野電驅(qū)動無人車輛縱/橫/垂擬人化協(xié)同控制方法。

本發(fā)明包括以下步驟：

1)以駕駛員為研究對象，分析越野道路下駕駛員轉(zhuǎn)向/加減速操縱行為特征；

在步驟1)中，所述以駕駛員為研究對象，分析越野道路下駕駛員轉(zhuǎn)向/加減速操縱行為特征的具體方法可為：

(1)提取不同行駛工況下駕駛員操縱、車輛狀態(tài)和道路環(huán)境等多源信息。基于聚類分析原理，統(tǒng)計分析所提取的客觀數(shù)據(jù)信息，建立駕駛員轉(zhuǎn)向/加減速行為特性參數(shù)因子，揭示駕駛員在車輛運動中的轉(zhuǎn)向/加減速行為特性和操縱規(guī)律；

(2)采用統(tǒng)計學(xué)和行為學(xué)方法，分析駕駛員轉(zhuǎn)向/加減速行為特性參數(shù)的分布特征，設(shè)計駕駛員轉(zhuǎn)向/加減速行為參數(shù)因子的定量化辨識因子，為車輛耦合動力學(xué)擬人控制方法的研究提供基礎(chǔ)數(shù)據(jù)庫。

2)針對非結(jié)構(gòu)化道路環(huán)境下無人車輛具有參數(shù)不確定性、非線性耦合及時滯等特點，構(gòu)建基于多性能目標(biāo)優(yōu)化的擬人控制系統(tǒng)。

在步驟2)中，所述針對非結(jié)構(gòu)化道路環(huán)境下無人車輛具有參數(shù)不確定性、非線性耦合及時滯等特點，構(gòu)建基于多性能目標(biāo)優(yōu)化的擬人控制系統(tǒng)的具體方法可為：

(1)分析模擬駕駛員轉(zhuǎn)向操縱行為特征，建立基于自學(xué)習(xí)小腦模型神經(jīng)網(wǎng)絡(luò)(cerebellarmodelarticulationcontroller,cmac)的車輛轉(zhuǎn)向運動控制策略；

(2)建立基于隨機(jī)預(yù)測控制(stochasticmodelpredictivecontrol,smpc)的車輛縱向運動控制策略，構(gòu)建電驅(qū)動無人車車輛主動懸架自學(xué)習(xí)控制方法；

(3)采用博弈論設(shè)計縱/橫/垂控制行為協(xié)調(diào)機(jī)理，建立安全性、通過性和平順性的多性能目標(biāo)實時優(yōu)化函數(shù)，實現(xiàn)非結(jié)構(gòu)化道路下電驅(qū)動無人車輛動力學(xué)系統(tǒng)的動態(tài)協(xié)調(diào)優(yōu)化控制，提高越野電驅(qū)動無人車輛自主行駛的綜合性能。

本發(fā)明有效解決越野電驅(qū)動無人車輛的運動控制問題，提供一種越野電驅(qū)動無人車輛縱/橫/垂耦合運動控制新方法。

本發(fā)明的效果和益處是：建立越野電驅(qū)動無人車輛縱/橫/垂耦合動力學(xué)擬人控制系統(tǒng)，通過對耦合動力學(xué)系統(tǒng)的動態(tài)協(xié)調(diào)進(jìn)行能量、信息的傳遞、轉(zhuǎn)換及演變，實現(xiàn)越野電驅(qū)動無人車輛的動力學(xué)耦合控制，有效提高電驅(qū)動無人車輛自主行駛綜合性能，從而明顯改善控制系統(tǒng)性能。

附圖說明

圖1是本發(fā)明的越野電驅(qū)動無人車輛耦合控制構(gòu)架圖。

具體實施方式

圖1所示，本發(fā)明首先通過多源傳感器獲取信息，其次分析駕駛員行為特征，然后設(shè)計越野電驅(qū)動無人車輛縱/橫/垂耦合控制策略，實現(xiàn)對越野電驅(qū)動無人車輛動力學(xué)的最優(yōu)控制。以下結(jié)合技術(shù)方案和附圖詳細(xì)敘述本發(fā)明的具體實施方式。

步驟1針對非結(jié)構(gòu)化環(huán)境中道路具有復(fù)雜多變、多因素干擾等特征，提出基于視覺和雷達(dá)信息融合的環(huán)境特征提取方法。

步驟1.1通過ccd傳感器采集車輛行駛前方的道路圖像，同時利用激光傳感器檢測道路環(huán)境中的是否存在凸起障礙物。

步驟1.2設(shè)計基于直方圖均衡化的圖像增強(qiáng)算法，標(biāo)識圖像中障礙物區(qū)域，確保后續(xù)區(qū)域增長算法的種子點能夠在非障礙區(qū)域自動選取。

步驟1.3建立基于構(gòu)造共生矩陣的紋理特征提取方法，采用紋理和灰度的相似性原理，構(gòu)建多傳感器融合的圖像分割策略，實現(xiàn)非結(jié)構(gòu)化道路左右邊緣的檢測和分割。

步驟1.4對分割后的圖像進(jìn)行形態(tài)學(xué)濾波處理，填充空穴并濾除孤立點后提取canny邊緣，實現(xiàn)道路邊界的識別。提出提取道路邊界特征的非均勻b樣條擬合方法，表征車輛相對于路徑的位置信息。

步驟2以駕駛員為研究對象，分析越野道路下駕駛員轉(zhuǎn)向/加減速操縱行為特征。

步驟2.1模擬駕駛員在非結(jié)構(gòu)道路下的轉(zhuǎn)向/加減速操縱行為，提取不同行駛工況下車輛狀態(tài)、駕駛員操作和道路環(huán)境等多源信息。

步驟2.2基于聚類分析原理，統(tǒng)計分析所提取的客觀實驗數(shù)據(jù)信息，建立駕駛員轉(zhuǎn)向/加減速行為特性參數(shù)因子，揭示駕駛員在車輛運動中的轉(zhuǎn)向/加減速操縱行為特性和規(guī)律，分析道路環(huán)境(不平度，曲率等)和車輛狀態(tài)(側(cè)傾、俯仰等)參數(shù)變化引起的駕駛員操縱行為特性。

步驟2.3采用統(tǒng)計學(xué)和行為學(xué)理論，提取駕駛員轉(zhuǎn)向/加減速行為特性參數(shù)的分布特征，提出駕駛員轉(zhuǎn)向/加減速行為參數(shù)因子的定量化辨識方法，辨識駕駛員轉(zhuǎn)向/加減速行為參數(shù)因子，提取縱-橫-垂耦合作用下駕駛員轉(zhuǎn)向行為與加減速行為之間的協(xié)同映射關(guān)系。

步驟3針對非結(jié)構(gòu)化道路環(huán)境下電驅(qū)動無人車輛系統(tǒng)具有目標(biāo)多樣性、參數(shù)不確性、強(qiáng)耦合性及高度非線性等特點，提出基于多性能目標(biāo)協(xié)同優(yōu)化的電驅(qū)動無人車輛縱/橫/垂耦合運動擬人控制方法。

步驟3.1構(gòu)建由預(yù)瞄前饋控制和小腦模型神經(jīng)網(wǎng)絡(luò)(cerebellarmodelarticulationcontroller,cmac)反饋控制構(gòu)成的可表征駕駛員行為特征的轉(zhuǎn)向控制方法；通過前方環(huán)境和車輛狀態(tài)信息來計算前輪轉(zhuǎn)角的預(yù)瞄前饋控制量，實現(xiàn)對外界干擾的補(bǔ)償控制；提出具有自學(xué)習(xí)特征的cmac神經(jīng)網(wǎng)路轉(zhuǎn)向反饋控制策略，采用學(xué)習(xí)算法對cmac神經(jīng)網(wǎng)路節(jié)點數(shù)和權(quán)值等參數(shù)進(jìn)行自適應(yīng)調(diào)節(jié)。其次，

步驟3.2提取基于隨機(jī)預(yù)測控制(stochasticmodelpredictivecontrol,smpc)的車輛加減速控制行為特征，采用離散markov與概率不變集相結(jié)合的方法處理軟約束。

步驟3.3建立越野電驅(qū)動無人車輛主動懸架控制目標(biāo)函數(shù)，設(shè)計主動懸架自學(xué)習(xí)調(diào)節(jié)律。

步驟3.4建立行駛工況的辨識方法，設(shè)計基于博弈論的車輛行駛安全性、通過性及平順性多性能目標(biāo)優(yōu)化函數(shù)，應(yīng)用nash最大最小原理求得談判解，根據(jù)越野電驅(qū)動無人車輛縱/橫/垂耦合動力學(xué)特性建立控制行為協(xié)調(diào)機(jī)理，實時求出期望的控制輸入，實現(xiàn)對越野電驅(qū)動無人車輛動力學(xué)系統(tǒng)的擬人化控制。

以上內(nèi)容是結(jié)合優(yōu)選技術(shù)方案對本發(fā)明所做的進(jìn)一步詳細(xì)說明，不能認(rèn)定發(fā)明的具體實施僅限于這些說明。對本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明的構(gòu)思的前提下，還可以做出簡單的推演及替換，都應(yīng)當(dāng)視為本發(fā)明的保護(hù)范圍。