Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 吉林大学许芳获国家专利权

吉林大学许芳获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉吉林大学申请的专利一种考虑安全边界约束的自动驾驶车辆决策与规控方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116048081B

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310035839.8,技术领域涉及:G05D1/43;该发明授权一种考虑安全边界约束的自动驾驶车辆决策与规控方法是由许芳;张智茗;郭中一;张君明;陈虹设计研发完成,并于2023-01-10向国家知识产权局提交的专利申请。

一种考虑安全边界约束的自动驾驶车辆决策与规控方法在说明书摘要公布了:本发明适用于自动驾驶汽车控制技术领域,提供了一种考虑安全边界约束的自动驾驶车辆决策与规控方法,包括以下步骤:首先搭建行为决策模块,将路径及速度信息作用于规划控制器;然后由车辆三自由度耦合模型得到非线性预测模型,考虑车辆物理约束和安全边界约束,利用模型预测控制算法构造代价函数,并对其进行求解,完成轨迹规划任务;最后,将获得的控制输入作用于车辆系统,实现对车辆轨迹跟踪的控制效果。本发明在考虑车辆行驶安全边界的基础上对决策、规划和控制模块进行集成化控制,从而有效提升行车安全性,减少决策与规控的信息偏差对系统所带来的干扰,并有效应对系统的强非线性、强耦合性等特点,满足系统对控制精度及安全性的要求。

本发明授权一种考虑安全边界约束的自动驾驶车辆决策与规控方法在权利要求书中公布了:1.一种考虑安全边界约束的自动驾驶车辆决策与规控方法,其特征在于,包括以下步骤: 步骤S1:搭建行为决策模块,基于动态规划算法的行为决策模块对车辆前方道路进行采样,并将采样点映射到S-L和S-T图上,以五次多项式对采样点进行连接,构建相应的成本函数,以动态规划算法对成本函数进行求解,将得到的路径决策信息及速度决策信息作用于规划控制器; 步骤S2:由车辆三自由度耦合模型得到横纵耦合的非线性预测模型,选择前轮转向角与前后轮驱动力作为控制量,考虑车辆物理约束和安全边界约束,利用模型预测控制算法构造代价函数,并对其进行求解,得到控制信号,完成轨迹规划任务; 步骤S3:将获得的控制信号作用于车辆系统,实现车辆轨迹规划及路径跟踪的控制效果; 所述步骤S1中,路径决策的具体方法如下: 对自车前方道路横纵向分别进行等间隔路径点的采样,相邻列的采样点之间通过五次多项式曲线平滑连接;在Frenet坐标系下基于当前车道中心线对车辆行驶路径进行决策,以使车辆沿无碰撞路径行驶; 基于纵向路径采样的五次多项式有下列等式成立: ; 构造五次多项式曲线后,通过成本函数的求和来评估路径优劣,总成本函数是平滑度、避障和参考线成本函数的线性组合,总成本函数的公式如下: ; 其中,为总成本函数,其在总体上衡量路径的优劣程度;为平滑度成本函数,其作用为衡量路径的平滑程度;为避障成本函数,其作用为衡量路径避障效果的优劣;为参考线成本函数,其作用为衡量车辆跟随车道参考线的能力; 所述步骤S2中,将车辆平面运动动力学模型的两个前轮和两个后轮分别一个等效的前轮与后轮在车辆的轴线方向进行代替,得到车辆三自由度耦合模型;纵向车速、侧向车速和横摆运动方程如下: ; 其中,为纵向速度,为横向速度,为横摆角速度,为前轮转角,为后轮纵向力,为前轮纵向力,为后轮侧向力,为前轮侧向力,m为车身质量,为前轴距,为后轴距,为转动惯量; 车辆在大地坐标系下的运动学方程如下: ; 其中,、分别为纵向和横向位置,为横摆角; 采用轮胎刷子模型计算轮胎侧向力,其计算公式如下所示: ; 其中,为轮胎侧向力,为侧偏刚度,为轮胎侧偏角,为路面附着系数,为车辆轮胎垂向载荷; 前轮侧偏角及后轮侧偏角计算公式如下所示: ; 其中,和分别为前轮侧偏角和后轮侧偏角; 所述步骤S2中,考虑安全边界约束的非线性模型预测规划控制器设计步骤如下: 建立车辆控制器预测模型,通过车辆三自由度自行车模型得到车辆的控制器预测模型如下: ; 选取纵向速度、侧向速度、横摆角、横摆角速度、质心侧偏角、大地坐标系下横向位移和大地坐标系下纵向位移作为状态量,即: ; 假设状态量全部可测,车辆前轮转角,以及车辆纵向力为控制量,即: ; 采用欧拉方法对控制器预测模型进行离散,为采样时间,在时刻,离散后的预测模型为: ; 记Np,Nc分别为预测时域和控制时域,并且满足Nc≤Np;则在k时刻,有如下序列: ; 其中,为系统控制序列,为状态序列;、、…、分别为在k时刻,对k时刻、k+1时刻、…、k+Nc-1时刻控制量u的预测;、、…、分别为在k时刻,对k时刻、k+1时刻、…、k+Np-1时刻状态量的预测; 控制器的目标函数为: ; 其中,为在k时刻,对k+i时刻纵向位置的预测;为k+i时刻的参考纵向位置;为在k时刻,对k+i时刻纵向速度的预测;为k+i时刻的参考纵向速度;为在k时刻,对k+i时刻横摆角的预测;为k+i时刻的参考横摆角;为在k时刻,对k+i时刻控制量的预测增量;为在k时刻,对k+i时刻横向位置的预测;为k+i时刻的障碍物横向位置;为k+i时刻的障碍物纵向位置;目标函数的前三项表征系统对于决策模块的给出的参考路径和速度信息的跟踪能力,第四项表征系统的平稳性,第五项为障碍物的碰撞函数; 车辆行驶位置的所述安全边界约束为: ; 其中,dc为车身宽度,为在k时刻,对k+i时刻纵向位置的预测;为k+i时刻的参考纵向位置;为在k时刻,对k+i时刻的左侧安全位置边界线的预测;为在k时刻,对k+i时刻的右侧安全位置边界线的预测;在车辆行驶过程中,车辆位置相对变化的位置边界通过实时计算得到; 由车辆动力学可知,横摆角速度最大值和质心侧偏角的最大值由下式得到: ; 其中,为路面附着系数,为后轮侧偏角饱和值;为在k时刻,对k+i时刻横摆角速度的预测最大值;为在k时刻,对k+i时刻质心侧偏角的预测最大值;为在k时刻,对k+i时刻纵向速度的预测;为在k时刻,对k+i时刻横摆角速度的预测; 车辆运动状态的安全边界约束如下: ; 假设、和可实时估计,则车辆运动状态安全边界的边界线可通过实时计算得到;其中,为在k时刻,对k+i时刻横摆角速度的预测;为在k时刻,对k+i时刻质心侧偏角的预测;前轮转角δ、车辆驱动力的变化值均在允许的最小值与最大值之间; ; 其中,为在k时刻,对k+i时刻控制量的预测;和的定义分别为: ; 其中,和分别为前轮转角最小值和最大值,和分别为车辆驱动力的最小值和最大值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人吉林大学,其通讯地址为:130012 吉林省长春市前进大街2699号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。