[发明专利]一种应用于自动驾驶的轨迹控制的预估控制方法

说明书

本发明公开了一种应用于自动驾驶的轨迹控制的预估控制方法，属于基本智能驾驶技术领域。首先域控制器实时接收来自虚拟大脑控制器和整车CAN网络输入的信号，然后对信号中的横向偏差dy和航向角偏差dphi进行滤波后，代入动态误差预测估计模型中，计算得到新的横向偏差dy、航向角偏差dphi、横向偏差变化率和航向角偏差变化率；根据偏差动态变化量的预估模型预估未来H_p个点的横向偏差dy、横向偏差变化率、转向角偏差dphi以及转向角偏差变化率；最后计算转向角，以CAN报文形式输入给转向角控制系统，转向控制输出请求要受到主动转向系统稳定运行的物理极限限制。本发明提高了自动驾驶的安全性、舒适性，扩大了自动驾驶的适应场景。

技术领域

本发明属于基本智能驾驶技术领域，特别涉及一种应用于自动驾驶的轨迹控制的预估控制方法。

背景技术

现有无人驾驶系统(SAE L4)自动驾驶的环境感知，路径规划全都交给具有强大计算能力的虚拟大脑来负责。整车控制器负责控制汽车执行执行机构—发动机，转向系统，制动系统等去使汽车跟踪大脑的轨迹。

传统的控制算法，无法或未充分利用到大脑的未来轨迹信息，同时结合整车的动力学信息，去安全、精准、舒适地驾驶汽车。传统控制算法—PID控制算法存在转向波动大，跟踪误差大，响应慢，鲁棒性低的问题，难以适应于复杂的开放地道路环境。

发明内容

为了解决上述问题，本发明提出一种应用于自动驾驶的轨迹控制的预估控制方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种应用于自动驾驶的轨迹控制的预估控制方法，包括下列步骤：

步骤1：域控制器实时接收来自虚拟大脑控制器和整车CAN网络输入的信号；

虚拟大脑控制器输入的信号包括规划轨迹的坐标信息、运动信息以及当前车辆位置和参考轨迹的位置误差；

规划轨迹的坐标信号包括：横坐标y、纵坐标x以及航向角phi；

运动信息包括：规划轨迹的速度、加速度、曲率以及曲率变化速率；

当前车辆位置和参考轨迹的位置偏差包括：基于车辆坐标系的横向偏差dy、纵向偏差dx以及航向角偏差dphi；

整车CAN网络输入的信号包括：多信号来源的车速、多信号来源的转向角度、实际曲率、整车状态、转向系统状态、轮胎胎压以及整车车重；

步骤2：对横向偏差dy、航向角偏差dphi、横向偏差变化率和航向角偏差变化率滤波，并代入动态误差预估模型中，计算得到预估后的横向偏差dy、航向角偏差dphi、横向偏差变化率和航向角偏差变化率；该计算结果将滤掉横向偏差dy和航向角偏差dphi带来的杂波，同时可以修正滤掉横向偏差dy和航向角偏差dphi的自身的累计误差。

步骤3：以预估后的横向偏差dy和航向角偏差dphi、横向偏差变化率、航向角偏差变化率以及未来H_p个点的曲率请求、未来H_p个点的车速请求、当前转向角作为输入信号，根据偏差动态变化量的预估模型预估出未来H_p个点的横向偏差dy、横向偏差变化率、航向角偏差dphi以及航向角偏差变化率；

步骤4：计算转向角；

转向角等于稳态控制转向角U_stb的第一个值U_stb(1)和动态转向角△U_robuss之和。

步骤5：域控制器以CAN报文形式将计算得到的转向角请求信号传输至转向角控制系统，且转向控制输出请求要受到主动转向系统稳定运行的物理极限限制。