[发明专利]一种基于势场模型的无人汽车避撞控制方法及系统

权利要求书

1.一种基于势场模型的无人汽车避撞控制方法，其特征在于，所述方法包括：

根据道路中的物体矢量及道路情况，建立出势场模型，并根据所述势场模型计算出避撞路径离散点；

对所述避撞路径离散点进行优化，从所述避撞路径离散点中计算得到道路情况中由各个车辆势能组合而成的风险场最小点；

根据车辆的运动矢量和位置矢量，基于车辆动力学约束，构建出用于避障路径规划的点质量模型；

利用所述点质量模型，以系统稳定点为控制目标，构建出第一代价目标函数；

通过基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法计算所述第一代价目标函数，得到系统在每一时刻对应的任意时域内的最优控制序列；

将所述风险场最小点加入第一代价目标函数所对应的点质量模型中，在最小化输出状态量偏差、控制变量、风险场最小点的势能之和的目标下，计算出避让路径的侧向位移和横摆角对应的最优控制变量；

设计出线性化轮胎模型，并建立出单轨车辆运动学模型，通过系统当前的状态量和控制时域内的控制增量从所述单轨车辆运动学模型中计算得到预测时序内的状态量和预测输出的控制量；

将预测输出的状态量和实际状态量的偏差的二范数作为速度控制的性能指标，将控制增量的二范数作为控制输入平滑指标，构建出第二代价目标函数；

采用Active-Set算法计算所述第二代价目标函数，得到车辆的前轮转角和横摆力矩对应的最优开环控制增量；

将所述最优控制变量以及所述最优开环控制增量的第一个元素作为实际的控制变量和控制增量输入给车辆模型，完成对车辆的路径跟踪控制。

2.根据权利要求1所述的一种基于势场模型的无人汽车避撞控制方法，其特征在于，所述势场模型包括：

其中，U_{K_q}表示势场模型；A_q表示不确定常数，用于校正模型，γ₁为大于1的校准常数，根据不同车辆的性能进行校正，γ₂为大于0的校正系数，根据路段历史车祸数据来确定，用于校准速度对驾驶风险的影响；M_q表示道路中物体q的等效质量，W_q表示物体q所在位置处的道路条件因子；r_q＝(x-x_q，y-y_q)表示物体q周围各位置(x，y)到物体q所在位置(x_q，y_q)的距离矢量；v_q表示运动物体q的速度，θ_q表示物体q速度方向与r_q形成的夹角，顺时针方向为正；T_q表示道路曲率因子；±表示车辆拐弯方向，+表示车辆拐弯方向为左，-表示车辆拐弯方向为右。

3.根据权利要求1所述的一种基于势场模型的无人汽车避撞控制方法，其特征在于，所述势场模型还包括：

其中，U_{K_q}表示势场模型；A_q表示不确定常数，用于校正模型；M_q表示道路中物体q的等效质量，W_q表示物体q所在位置处的道路条件因子；r_q＝(x-x_q，y-y_q)表示物体q周围各位置(x，y)到物体q所在位置(x_q，y_q)的距离矢量；k₁和k₂表示为势能场的增益系数；v_q表示运动物体q的速度，θ_q表示物体q速度方向与r_q形成的夹角，顺时针方向为正；T_q表示道路曲率因子，±表示车辆拐弯方向，+表示车辆拐弯方向为左，-表示车辆拐弯方向为右。