[发明专利]一种具有多模式切换的电动智能汽车避撞装置及方法

权利要求书

1.一种具有多模式切换的电动智能汽车避撞装置，其特征在于：包括电动智能汽车、激光雷达、步进驱动电机、车速传感器、集成安全距离模型、路径规划模块和MPC控制方法的ECU、电动车电池、电动助力转向系统；电动智能汽车的前端安装有步进驱动电机、车速传感器和集成安全距离模型、路径规划模块和MPC控制方法的ECU,激光雷达固定在引擎盖上方，电动车电池安装在车底部，电动助力转向系统安装在车内部，ECU与电池用电线连接，ECU与步进电机、电动助力转向系统、车速传感器、激光雷达用CAN总线连接。

2.一种具有多模式切换的电动智能汽车避撞方法，其特征在于，它的避撞方法为：

当前方突然出现车辆时，通过激光雷达探测得到与前方车辆的距离d和前车车速，车速传感器获取自车的车速，并通过CAN总线将信息传到ECU中，ECU中安全距离模型根据自车和前车的车速分别计算制动和换道所需的最小安全距离，并与两车实时距离d比较，若当前两车的距离d大于制动避撞所需的最小安全距离d₁，采用制动避撞的方式规避；若当前两车的距离d小于制动避撞所需的最小安全距离d₁，大于换道避撞所需的最小安全距离d₂，并且左侧车道满足换道条件时，采用换道避撞的方式规避；如果当前两车的距离d小于制动避撞所需的最小安全距离，同时也小于换道避撞所需的最小安全距离d₂时，采用制动避撞的方式以减少碰撞的损伤。

3.根据权利要求2所述一种具有多模式切换的电动智能汽车避撞方法，其特征在于，制动避撞方式包括如下过程：

当前车突然出现时，激光雷达探测得到与前方车辆的距离d和前车车速，车速传感器获取自车的车速，通过CAN总线将信息传到ECU中，ECU中的安全距离模型根据公式(1)计算制动避撞所需的最小安全距离：

其中，V₁、V₂分别为自车和前车车速，a₁为考虑乘客舒适性的自车最大制动加速度，为-4m/s²；

当两车的距离d大于d₁时，车辆以-4m/s²的制动加速度进行制动，实现制动避撞功能；

当两车的距离d小于d₁，同时也小于d₂时，车辆以-6m/s²的制动加速度进行制动，以减少碰撞的损伤。

4.根据权利要求2所述一种具有多模式切换的电动智能汽车避撞方法，其特征在于，换道避撞方式包括如下过程：

当前车突然出现时，激光雷达探测得到与前方车辆的距离d和前车车速，车速传感器获取自车的车速，通过CAN总线将信息传到ECU中，ECU中安全距离模型根据公式(2)计算换道避撞所需的最小安全距离：

d₂＝(V₁-V₂)×1.2+d₀ (2)

其中，V₁、V₂分别为自车和前车车速，d₀为考虑到前车宽度而增加的安全距离，一般取2～5m，本发明选取为5m；

当两车的距离d小于d₁，大于d₂时，并且激光雷达探测到左侧车道没有其他车辆时，首先自车根据ECU中换道路径规划模块规划出的基于等速偏移和正弦函数叠加的换道轨迹，然后利用ECU中MPC控制方法对换道轨迹进行跟踪，其中基于等速偏移和正弦函数叠加的换道轨迹为公式(3)：

其中，V₁为自车车速，t为换道开始后的时间，x(t)为在换道路径上的纵向坐标位置，y(t)为在换道路径上的横向坐标位置；

ECU中MPC控制方法过程为：

1)建立车辆系统状态空间表达式：

由于轮胎滑移率对轮胎的受力有明显的影响，建立基于小角度假设并考虑轮胎滑移率的车辆系统状态空间方程，其表达式为公式(4)：

其中，m为整车质量，y为车辆横向的位移，x为车辆纵向位移，ψ为横摆角，δ_f为前轮转角，I_z为车辆绕Z轴的转动惯量，a和b分别为质心到前、后轴的距离，C_αf为前轮的横向侧偏刚度，C_αr为后轮的横向侧偏刚度，C_lf为前轮的纵向侧偏刚度，C_lr为后轮的纵向侧偏刚度，α_f为前轮侧偏角，α_r为后轮侧偏角，s_f为前轮滑移率，s_r为后轮滑移率，X为地面横轴坐标系，Y为地面纵轴坐标系；

定义系统状态变量如式(5)：

定义前轮转角δ_f为控制量u,输出量选取为车辆的横摆角和侧向位移，状态空间方程也可以用公式(6)表示：

2)建立离散线性误差模型：

利用近似线性化方法，对状态空间方程线性化，得到的线性时变方程如式(7)：

其中，A(t)如式(8)：

其中，

B(t)如式(9)：

采用一阶差商方法对线性时变方程进行离散化处理，离散后的结果如式(10)：

ξ(k+1)＝A(h)ξ(k)+B(h)u(k) (10)

其中,A(h)＝I+TA(t),B(h)＝TB(t),T为采样时间,I为单位矩阵；

3)建立约束条件：

轮胎侧偏角约束为[-2.5°，2.5°]；横向加速度约束为[-4m.s^-2，4m.s^-2]；

4)MPC控制计算最佳前轮转角：

为了使智能车辆能够更好的跟踪参考的轨迹，设计考虑车辆状态偏差、控制输入增益的目标函数。由于加入了约束条件，为了防止出现无可行性解，在目标函数中加入软约束，软约束中松弛因子ε选取为10；本文选取的目标函数如式(11)：

其中，Q和R为权重矩阵；ρ和ε分别为权重系数和松弛因子；Np为预测时域；Nc为控制时域；

根据目标函数和约束条件，在每一个控制周期MPC控制方法要解决如下问题，如式(12)：

将上述问题转变成线性二次型问题，利用二次规划算法求解，可得到一系列控制输入增量，如式(13)：

ΔU^*＝[Δu^*(k),Δu^*(k+1),...Δu^*(k+N_c-1)]^T (13)

结合MPC控制的基本原理，可得到MPC控制方法输出的前轮转角，如式(14)：

u(k)＝u(k-1)+Δu^*(k) (14)

MPC控制方法通过目前时刻状态预测下一段时刻的输出，通过优化过程，得到新的输出量，在每个周期重复这个过程，直到完成整个换道轨迹跟踪控制过程。