[发明专利]一种自动泊车系统的仿人智能控制结构

说明书

技术领域

本发明涉及汽车自动泊车领域，更详细地说是一种自动泊车系统的仿人智能控制结构。 

背景技术

近年来，汽车保有量迅速增长，有限的城市泊车空间在车位需求面前显得日益拮据。同时，将汽车安全、顺利地驶入狭小的泊车位并非易事，稍有不慎，便可能发生擦、挂碰撞事故，对驾驶员的驾驶经验、驾驶技巧和反应能力都有较高要求。如果汽车能够模仿驾驶员操作，实现自动泊车入位，则能更充分地利用现有泊车位资源，提高泊车安全性，降低驾驶员操作的复杂性。因此，研究自动泊车问题具有重要的现实意义和应用价值。

自动泊车是一个多输入多输出的非线性欠驱动耦合系统，控制方法是其关键技术之一。目前，自动泊车的控制方法主要有两类：一是基于路径规划的方法（参考文献[1]: Kang Zhi Liu, Minh Quan Dao, Takuya Inoue. An exponentially ε-convergent control algorithm for chained systems and its application to automatic parking systems[J]. IEEE Transactions on Control Systems Technology, 2006, 14(6): 1113-1126），根据泊车空间与汽车运动学特性，生成理想的泊车规划路径，采用经典控制理论驱动汽车沿规划路径运动进入泊车位，该方法对传感器和执行器的精确性要求很高，很难补偿执行过程中和系统动态性引起的误差，影响泊车效果；二是基于经验知识的模糊控制方法，将熟练驾驶员的泊车入位经验转化为模糊控制器，控制车辆运动到目标泊车位，该方法与神经网络（参考文献[2]: K. Demirli, M.Khoshnejad. Autonomous parallel parking of a car-like mobile robot by a neuro-fuzzy sensor-based controller[J]. Fuzzy Sets and Systems, 2009, 160: 2876-2891）、遗传算法（参考文献[3]: Salvatore Pennacchio, Emanuele Bellafiore, Francesco Fontana, Orazio Nevoloso. A new algorithm for reverse car parking problem[C]. Proceedings of the 6th WSEAS Int. Conf. on Fuzzy Systems, 2005: 56-60）等相结合，取得了一定进展，但模糊控制规则的完备性、模糊变量隶属函数的全局最优性难以保证，训练神经网络的样本数据获取比较困难，模糊化、解模糊化及参数寻优时计算量大。把路径规划与经验知识结合起来，充分模仿和利用熟练驾驶员泊车的智能优势，将熟练驾驶员泊车经验转化为智能控制器，能兼顾泊车系统的精确性与鲁棒性，是自动泊车系统的发展趋势。 

发明内容

本发明的目的是提供一种简单、可靠的自动泊车系统的仿人智能控制结构，模拟熟练驾驶员泊车经验，实现汽车自动、安全、规范泊车。

本发明采用以下技术方案实现上述目的：一种自动泊车系统的仿人智能控制结构，其特征在于，包括汽车姿态感知、特征状态集、控制模态集、特征辨识、控制决策和执行机构；汽车姿态感知实现对汽车当前位置、运动速度、方向盘转角以及障碍物与车身距离信息的感知；特征状态集和控制模态集分别描述汽车的动态行为特征和熟练驾驶员的泊车控制策略；特征辨识根据汽车位姿与泊车目标的偏差，从特征状态集中辨识出汽车当前特征状态，为控制决策提供依据；控制决策依据特征辨识的特征状态，从控制模态集中选取相应的控制模态，作为执行机构的输入；执行机构根据控制模态，调整转向伺服、油门伺服和刹车伺服，控制汽车按预定目标泊车入位。

所述的仿人智能控制结构的流程为，泊车开始后，对汽车姿态信息进行感知，依据感知的汽车位姿信息辨识出汽车当前特征状态，然后判断当前特征状态是否满足泊车成功条件，若满足，则泊车流程结束，若不满足，则依据当前特征状态确定相应的控制模态，控制汽车运动和姿态调整，直至汽车按预定目标泊车入位。

本发明的有益效果是：采用仿人智能控制结构的自动泊车系统，可通过模拟熟练驾驶员的泊车经验，智能地根据汽车当前特征状态选择相应控制模态，实现汽车自动、安全地泊车入位。适用于驾驶员对泊车感到困难场合，具有很好的市场应用前景。