[发明专利]基于驾驶员经验模型的智能驾驶控制系统和方法、车辆

摘要

本发明涉及一种智能驾驶控制系统和方法、车辆。智能驾驶控制系统包括：驾驶员模型模块，用于收集驾驶员操作信息和期望路径信息，结合车辆运动信息预测车辆未来时刻的行驶状态参量；预瞄控制模型模块，用于计算横向校正角度并判断车辆下一时刻的正确行驶模式；路径跟踪控制模块，用于将参量转化成整车系统模块可执行的控制量；整车系统模块，用于响应从跟踪控制模块得到的控制量，以控制车辆运动，并反馈车辆运动参数。本发明提出的智能驾驶控制系统和方法不仅能够预测车辆未来一段时间的一系列行驶状态，而且可以根据真实的驾驶环境基于车辆行驶效果自适应地调节转向控制量，进而提高车辆行驶的安全性和准确性。

主权项

1.一种智能驾驶控制系统，其特征在于，包括：驾驶员模型模块、预瞄控制模型模块、路径跟踪控制模块和整车系统模块；其中，驾驶员模型模块，用于收集驾驶员操作信息和期望路径信息，结合车辆运动信息预测车辆未来时刻的行驶状态参量；预瞄控制模型模块，用于计算横向校正角度并判断车辆下一时刻的正确行驶模式；路径跟踪控制模块，用于将驾驶员模型模块和预瞄控制模型模块分别输出的参量转化成整车系统模块可执行的控制量；整车系统模块，用于响应从跟踪控制模块得到的控制量，以控制车辆运动，并反馈车辆运动参数至驾驶员模型模块、预瞄控制模型模块和路径跟踪控制模块；所述驾驶员模型模块中的驾驶员模型具体通过以下方法获得：获取各工况下真实驾驶数据；对真实驾驶数据进行滤波和异常值剔除处理；针对不同挡位和不同车速下的片段，对真实驾驶数据进行分割；利用混合高斯模型算法对经过处理后的数据进行聚类，得到车速的GMM聚类模型、车辆航向偏差的GMM聚类模型、转向机构位移的GMM聚类模型和油门踏板位移的GMM聚类模型；将转向机构位移的聚类结果和油门踏板位移的聚类结果作为隐藏状态参量，将车速的聚类结果、车辆航向偏差的聚类结果和挡位信息作为观测状态参量，根据真实驾驶数据，基于隐马尔可夫算法对驾驶员模型进行训练，最终得到转向机构位置选择的驾驶员模型和油门增量选择的驾驶员模型，驾驶员模型模块包括这两个驾驶员模型。