一种弯道场景下智能电动汽车的行车控制方法及系统

本发明涉及汽车控制，具体涉及一种弯道场景下智能电动汽车的行车控制方法及系统。

背景技术：

1、目前自适应巡航控制系统的研究存在问题，主要是适应性差。现有系统只适用于直线行驶等几种典型情况，对弯道工况的操作可能出错，影响驾驶员的舒适性和安全性。横向稳定性一直是汽车安全领域关注的焦点，将自适应巡航控制系统与横向稳定性控制相结合是一个重要且困难的研究方向。此外，传统自适应巡航控制系统在交通工况变化时也存在局限性。

2、cn108189838b公开了一种以方向盘转角信息、弯道信息和车道线检测信息来获取安全车速的方法；wo2021/115223a1公开了一种根据预设的曲率半径与速度的对应关系，确定所述曲率半径信息对应的安全速度的方法，上述方法均没有考虑到路面附着系数和前方车辆的影响。而本专利的弯道控制考虑包括路面附着系数、弯道曲率半径与前方车辆在内的可变弯道车头时距，以控制电机驱动功率的方式来实现，可以实现舒适安全的弯道跟车。

3、在弯道工况中，车辆可能无法适应前车的加速行驶，导致弯道跟踪时会有横向失稳的风险；而在前车速度过低时，车辆仅保持跟踪性能，无法满足更多变的工况需求。因此，需要对传统自适应巡航控制系统进行功能拓展，使其适用于弯道多场景工况，并加入弯路换道控制以提高道路利用率。

技术实现思路

1、本发明提供一种弯道场景下智能电动汽车的行车控制方法及系统，以解决现有的问题。

2、本发明的一种弯道场景下智能电动汽车的行车控制方法及系统采用如下技术方案：

3、本发明一个实施例提供了一种弯道场景下智能电动汽车的行车控制方法，该方法包括以下步骤：

4、用视觉传感器采集道路图像二值化获取二值图像并获取车道拟合弯道曲率半径；

5、根据曲率半径变化判断汽车是否进入弯道，当汽车将要进入弯道时通过车辆通行与云端数据获取路面附着系数，通过车载雷达检测前方车辆与自车的相对距离和相对角度信息结合视觉传感器获得的弯道曲率半径判断本车是否与前方车辆处于同一车道，根据判断结果选择并完成车辆弯道稳定跟车和弯道换路。

6、进一步地，所述用视觉传感器采集道路图像二值化获取二值图像并获取车道拟合弯道曲率半径，包括的具体方法为：

7、用视觉传感器时刻采集道路图像，对道路图像进行降噪并二值化处理获得二值图像用于区分道路区域和背景区域，使用自适应逆透视变换，利用运动信息把二值图像转换为鸟瞰图，利用二阶多项式进行拟合得到弯道曲率半径。

8、进一步地，所述当汽车将要进入弯道时通过车辆通行与云端数据获取路面附着系数，包括的具体方法为：

9、智能电动汽车将实时的传感器数据上传到云端，同时向交通管理中心发送请求，获取当前区域或道路段的路面状况数据，交通管理中心根据路面监测设备、气象站等获取的数据，以及其他车辆上传的数据，对当前区域或道路段的路面情况进行分析和预测，估计路面附着系数，并将道路信息传递给智能电动汽车。

10、进一步地，所述通过车载雷达检测前方车辆与自车的相对距离和相对角度信息结合视觉传感器获得的弯道曲率半径判断本车是否与前方车辆处于同一车道，根据判断结果选择并完成车辆弯道稳定跟车和弯道换路包括的具体方法为：

11、判断自车弯道行驶时的轨迹曲率半径r、车道宽度w和前车弯道行驶时的轨迹曲率半径rf的大小关系，如果那么判定为前方车辆在本车道内，在弯道内跟车行驶或在弯道内变道行驶，根据需求进行弯道内跟车操作或弯道内变道操作，否则则判定为前方车辆在两侧车道内，那么本车将按照原车速继续前进。

12、进一步地，所述弯道内跟车操作，包括的具体方法为：

13、根据基础车头时距、道路曲率、本车与前车的相对车速以及前车的加速度确定可变车头时距；

14、根据可变车头时距调整实际车头时距并通过车载雷达获取调整时距后的车距δx和相对车速δv作为模糊控制器的输入制定模糊规则获取目标加速度；

15、根据路面附着系数、纵向车速和侧向车速确定最大横摆角速度并设计不同横摆角速度下的目标加速度；

16、对比通过制定模糊规则获取的目标加速度和通过设计不同横摆角速度获取的目标加速度绝对值的大小并选择绝对值较小的目标加速度作为确定的目标加速度，根据确定的目标加速度设计改进单神经元自适应pid直接横摆力矩控制器；

17、通过改变制动力矩将横摆力矩转变为可控量，根据方向盘转角和横摆角速度偏差对车辆的行驶状态进行判断，然后再对相应的车轮施加制动力，保障车辆的稳定行驶。

18、进一步地，所述弯道内变道操作，包括的具体方法为：

19、采用基于多项式曲线构建换道轨迹，车辆换道时的纵向速度xv不变，车辆在完成换道操作时，所经过的横向、纵向距离分别为w和s，则换道轨迹纵向位移与时间的关系表达式为：

20、

21、车辆换道时的纵向速度xv不变，则换道轨迹纵向位移与时间的关系表达式为：

22、

23、式中yc(t)表示车辆由外侧车道换至内侧垂直道路中心线的横向位移，xc(t)表示换到轨迹纵向位移，vx(t)表示t时刻的纵向车速，vx表示车辆换道的纵向车速，t表示时间变量，tc表示换道时间；

24、根据预瞄跟踪原理建立横向误差预瞄模型，同时结合模糊控制设计横向控制器保证车辆沿着期望的路径行驶，车辆横向误差pe和航向误差θe，预瞄距离dq为输出变量。

25、进一步地，所述根据基础车头时距、道路曲率、本车与前车的相对车速以及前车的加速度确定可变车头时距，包括的具体方法为：

26、th＝t0-cvvrel-caap+cρ|ρ|+cf|f|

27、式中th为可变车头时距，vrel为两车的相对车速；ap为前方目标车辆的加速度，ρ为弯道曲率，f为路面附着系数，cv、ca、cρ、cf为绝对值不大于1的系数。

28、进一步地，所述根据路面附着系数、纵向车速和侧向车速确定最大横摆角速度并设计不同横摆角速度下的目标加速度，包括的具体方法为：

29、根据路面附着系数、纵向车速和侧向车速确定最大横摆角速度：当ω>ωmax车速已经超过稳定车速，对自车进行制动目标加速度为p1为反应制动的危险程度的增益系数；当时，目标加速度为a2＝p2(ωmax-ω)，p2的取值与自车车速成反比；当时，目标加速度a3＝p4{(ωmax-ω)+p3(vxmax-vh)}，p3表示加速度增益系数，p4表示横摆角速度误差与速度误差的权重比；其中p1表示增益系数，反应制动的危险程度；p2的取值与自车车速成反比；p3表示加速度增益系数；p4表示横摆角速度误差与速度误差的权重比；μ表示轮胎与地面间的附着系数，vxmax表示最大车辆纵向速度，g表示重力加速度，vh表示自车车速，ωmax表示最大横摆角速度，ω表示横摆角速度；

30、当时目标加速度记为模糊控制器输出的加速度。

31、进一步地，所述根据确定的目标加速度设计改进单神经元自适应pid直接横摆力矩控制器，包括的具体方法为：

32、通过调整加权系数实现自适应、自组织功能，权系数的调整按有监督的hebb学习规则实现单神经元自适应pid控制器；增加以期望横摆角速度ωr和实际横摆角速度ω的偏差e和偏差变化率δe作为模糊控制器的输入，二者模糊集合为{nb、ns、zo、ps、pb}；以改进自适应因子u为输出，模糊集合为{zo、ps、pm、pb}，三者隶属度函数均使用三角形隶属度函数，控制规则及学习算法具体为：

33、

34、e(k)＝r(k)-y(k)

35、

36、x1(k)＝e(k)；x2(k)＝e(k)-e(k-1)；x3(k)＝e(k)-2e(k-1)+e(k-2)

37、其中η0、η1、η2分别表示积分、比例、微分的学习速率；u(k)表示第k时刻输入被控对象的控制信号，r(k)表示控制器信号，y(k)被控对象输出信号，ω1(k)、ω2(k)、ω3(k)分别表示对应x1(k)、x2(k)、x3(k)的权系数，x1(k)、x2(k)、x3(k)分别表示神经元学习所需的状态量。

38、本发明的实施例提供了一种弯道场景下智能电动汽车的行车控制系统，该系统包括数据获取模块以及控制模块，其中：

39、数据获取模块，用于用视觉传感器采集道路图像二值化获取二值图像并获取车道拟合弯道曲率半径；

40、控制模块，用于根据曲率半径变化判断汽车是否进入弯道，当汽车将要进入弯道时通过车辆通行与云端数据获取路面附着系数，通过车载雷达检测前方车辆与自车的相对距离和相对角度信息结合视觉传感器获得的弯道曲率半径判断本车是否与前方车辆处于同一车道，根据判断结果选择并完成车辆弯道稳定跟车和弯道换路。

41、本发明的技术方案的有益效果是：通过分析弯道曲率半径和路面摩擦状况，动态调整与前方车辆的安全间距，以避免碰撞事故的发生；利用车载雷达系统检测并判断目标车辆是否与本车处于同一车道内，根据结果做出相应的弯道行车决策；智能控制系统可以实施跟车操作和换到操作，以确保车辆在弯道上稳定行驶的同时尽可能满足跟车需求，可以使车辆在弯道上进行可靠、稳定和舒适的换道行驶。