详情

原文传递车辆自适应巡航控制方法、系统及车辆

专利名称：	车辆自适应巡航控制方法、系统及车辆
摘要：	本公开涉及一种车辆自适应巡航控制方法、系统及车辆，所述系统包括：传感器模块，用于获取车辆的行驶信息；车联网模块，用于接收位于所述车辆前方的参考车辆的行驶信息；控制模块，分别与所述传感器模块和所述车联网模块连接，用于至少根据所述车辆的行驶信息和所述参考车辆的行驶信息生成对所述车辆的控制信息，并根据所述控制信息对所述车辆进行控制。通过本公开的技术方案，可以实现更快速、更准确的车辆自适应巡航控制，同时还可以控制车辆更稳定地跟随目标车辆，实现对参考车辆跟随的横向控制。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京汽车股份有限公司
发明人：	李晓良
专利状态：	有效
申请日期：	2019-04-17T00:00:00+0800
发布日期：	2019-08-09T00:00:00+0800
申请号：	CN201910310433.X
公开号：	CN110103960A
代理机构：	北京英创嘉友知识产权代理事务所(普通合伙)
代理人：	魏嘉熹
分类号：	B60W30/16(2012.01);B;B60;B60W;B60W30
申请人地址：	101399 北京市顺义区双河大街99号院1幢五层101内A5-061
主权项：	1.一种车辆自适应巡航控制系统，其特征在于，包括：传感器模块，用于获取车辆的行驶信息；车联网模块，用于接收位于所述车辆前方的参考车辆的行驶信息；控制模块，分别与所述传感器模块和所述车联网模块连接，用于至少根据所述车辆的行驶信息和所述参考车辆的行驶信息生成对所述车辆的控制信息，并根据所述控制信息对所述车辆进行控制。 2.根据权利要求1所述的系统，其特征在于，所述控制模块包括：上层控制器，用于根据所述车辆的行驶信息和所述参考车辆的行驶信息，确定所述车辆的状态变量，并将所述状态变量输入预先建立的加速度计算模型，得到所述车辆的第一期望加速度；评价单元，与所述上层控制器连接，用于将所述第一期望加速度和所述状态变量输入预先建立的评价模型，得到用于表征所述第一期望加速度的控制效果的评价指标；下层控制器，与所述评价单元连接，用于在所述评价指标满足预设条件时，根据所述第一期望加速度、所述车辆的行驶信息和逆动力学模型，确定对所述车辆的控制信息，并根据所述控制信息对所述车辆进行控制。 3.根据权利要求2所述的系统，其特征在于，所述下层控制器还用于：在所述评价指标不满足所述预设条件时，根据以下公式计算所述车辆的第二期望加速度： a(t)＝ρ0Δd(t)+ρ1Δv(t)+aT(t) Δd(t)＝d(t)-dd(t) Δv(t)＝vT(t)-vh(t) 其中，a(t)为所述第二期望加速度；Δd(t)为所述车辆与所述参考车辆之间的车距d(t)与预设期望车距dd(t)之间的车距误差；Δv(t)为所述车辆的车速vh(t)与所述参考车辆的车速vT(t)之间的速度误差；aT(t)为所述参考车辆的加速度；ρ0和ρ1为预设常数；所述车辆的状态变量包括所述车距误差和所述速度误差；根据所述第二期望加速度对所述车辆进行控制；所述上层控制器还用于：根据所述车辆在下一时刻的行驶信息和所述参考车辆在下一时刻的行驶信息，确定所述车辆在下一时刻的状态变量；利用所述下一时刻的状态变量和所述第二期望加速度更新所述加速度计算模型。 4.根据权利要求2或3所述的系统，其特征在于，所述加速度计算模型和所述评价模型均为前向三层神经网络模型。 5.根据权利要求1所述的系统，其特征在于，所述控制信息包括所述车辆的油门开度和/或制动压力。 6.根据权利要求1所述的系统，其特征在于，所述系统还包括：人机交互模块，与所述控制模块连接，用于接收用户输入的巡航参数；所述控制模块，用于根据所述巡航参数、所述车辆的行驶信息和所述参考车辆的行驶信息生成对所述车辆的控制信息。 7.一种车辆，其特征在于，包括权利要求1至6中任一项所述的车辆自适应巡航控制系统。 8.一种车辆自适应巡航控制方法，其特征在于，包括：通过传感器模块获取车辆的行驶信息；通过车联网模块接收位于所述车辆前方的参考车辆的行驶信息；至少根据所述车辆的行驶信息和所述参考车辆的行驶信息，生成对所述车辆的控制信息；根据所述控制信息对所述车辆进行控制。 9.根据权利要求8所述的方法，其特征在于，所述至少根据所述车辆的行驶信息和所述参考车辆的行驶信息，生成对所述车辆的控制信息，包括：根据所述车辆的行驶信息和所述参考车辆的行驶信息，确定所述车辆的状态变量，并将所述状态变量输入预先建立的加速度计算模型，得到所述车辆的第一期望加速度；将所述状态变量和所述第一期望加速度输入预先建立的评价模型，得到用于所述第一期望加速度对应的评价指标；若所述评价指标满足预设条件，则根据所述第一期望加速度、所述车辆的行驶信息和逆动力学模型，确定对所述车辆的控制信息。 10.根据权利要求9所述的方法，其特征在于，所述方法还包括：若所述评价指标不满足预设条件，则根据以下公式计算所述车辆的第二期望加速度： a(t)＝ρ0Δd(t)+ρ1Δv(t)+aT(t) Δd(t)＝d(t)-dd(t) Δv(t)＝vT(t)-vh(t) 其中，a(t)为所述第二期望加速度；Δd(t)为所述车辆与所述参考车辆之间的车距d(t)与预设期望车距dd(t)之间的车距误差；Δv(t)为所述车辆的车速vh(t)与所述参考车辆的车速vT(t)之间的速度误差；aT(t)为所述参考车辆的加速度；ρ0和ρ1为预设常数；所述车辆的状态变量包括所述车距误差和所述速度误差；根据所述第二期望加速度对所述车辆进行控制，并分别获取所述车辆在下一时刻的行驶信息和所述参考车辆在下一时刻的行驶信息；根据所述车辆在下一时刻的行驶信息和所述参考车辆在下一时刻的行驶信息，确定所述车辆在下一时刻的状态变量；利用所述下一时刻的状态变量和所述第二期望加速度更新所述加速度计算模型。 11.根据权利要求9所述的方法，其特征在于，所述方法还包括：将所述车辆的历史状态变量作为所述加速度计算模型的训练数据，将所述历史状态变量对应的历史加速度作为所述评价模型的训练数据，均执行以下模型训练操作：初始化模型的参数；设置多个子模型且每一所述子模型的参数与所述模型的参数相同；利用所述训练数据并行对各个所述子模型进行训练，得到各个所述子模型对应的参数更新量；根据各个所述子模型的参数更新量对所述模型的参数进行更新。 12.根据权利要求8至11中任一项所述的方法，其特征在于，所述加速度计算模型和所述评价模型均为前向三层神经网络模型。 13.根据权利要求8所述的方法，其特征在于，所述控制信息包括所述车辆的油门开度和/或制动压力。
所属类别：	发明专利