车辆的纵向运动控制方法及装置与流程

本技术涉及智能驾驶，特别涉及一种车辆的纵向运动控制方法及装置。

背景技术：

1、随着车辆技术的发展，智能驾驶技术的研究方向逐渐丰富，高速行驶工况下汽车速度的自动控制是智能驾驶汽车研究的重要内容，纵向运动控制作为自动控制的部分之一，能够通过驱动和制动联合控制实现对期望速度的跟踪。

2、相关技术中，可以通过最优控制理论等方式实现车辆的纵向运动控制，或基于神经网络算法获取车辆纵向速度用于控制车辆的纵向运动，以保障纵向控制的准确性。

3、然而，相关技术中，因汽车高速行驶工况下轮胎力学特性表现非稳态非线性的特性，导致最优控制理论建立的汽车底盘速度控制仅适用于较低车速，难以满足汽车行驶的全面性需求，而纵向速度的计算依赖于车辆动力学模型的构建，导致纵向运动控制过程中的计算复杂度增加，使纵向控制的效率不足，亟待解决。

技术实现思路

1、本技术提供一种车辆的纵向运动控制方法及装置，以解决相关技术中，因汽车高速行驶工况下轮胎力学特性表现非稳态非线性的特性，导致最优控制理论建立的汽车底盘速度控制仅适用于较低车速，难以满足汽车行驶的全面性需求，而纵向速度的计算依赖于车辆动力学模型的构建，导致纵向运动控制过程中的计算复杂度增加，使纵向控制的效率不足等问题。

2、本技术第一方面实施例提供一种车辆的纵向运动控制方法，包括以下步骤：在检测到车辆进入纵向运动控制工况的情况下，获取所述车辆的期望行驶路线；基于所述期望行驶路线，确认所述车辆在当前时刻的至少一个动力舒适性指标参数；基于预设单神经元网络的性能指标函数，由所述至少一个动力舒适性指标参数得到目标速度变化量，并根据所述目标速度变化量生成所述车辆的期望速纵向速度，以利用所述期望速纵向速度控制所述车辆进行纵向运动。

3、通过上述技术方案，能够基于根据车辆的动力舒适性指标参数和车辆乘坐舒适性评价指标函数，由单神经元网络输出理想位置下的期望速度，从而减少了纵向控制对车辆动力学模型的依赖，提高了车辆纵向速度运动控制系统的鲁棒性和自适应性，更加准确。

4、可选地，在本技术的一个实施例中，所述基于所述期望行驶路线，确认所述车辆在当前时刻的至少一个动力舒适性指标参数，包括：根据所述期望行驶路线生成所述车辆在所述当前时刻的理想纵向加速度；计算所述理想纵向加速度和所述当前时刻的实际纵向加速度的当前偏差，并获取所述当前时刻相对于上一时刻的速度变化增量。

5、通过上述技术方案，能够由理想纵向加速度和当前时刻的实际纵向加速度的当前偏差，以及当前时刻相对于上一时刻的速度变化增量得到车辆在当前时刻的动力舒适性指标参数，从而针对性优化车辆在当前时刻纵向控制的舒适性，提升用户的使用体验。

6、可选地，在本技术的一个实施例中，在利用所述期望速纵向速度控制所述车辆进行纵向运动之后，还包括：基于所述目标损失函数，沿所述性能指标函数的目标减小方向修正所述预设单神经元网络的当前连接权重值，得到修正后的连接权重值；基于所述修正后的连接权重值对所述预设单神经元网络进行迭代更新，以利用更新后的预设单神经元网络计算下一时刻的目标速度变化量。

7、通过上述技术方案，能够对预设单神经元网络进行更新，并利用更新后的单神经元网络，输入当前的动力舒适性指标参数，以实时计算下一时刻的目标速度变化量，通过迭代更新网络权重，使其输出更接近实际需求，提高了纵向速度的计算精度。

8、可选地，在本技术的一个实施例中，所述基于预设单神经元网络的性能指标函数，由所述至少一个动力舒适性指标参数得到目标速度变化量，包括：基于所述至少一个动力舒适性指标参数得到所述预设单神经元网络的所有输入量分量；分别获取所述所有输入量分量的学习速率，基于所述学习速率、所述神经元比例系数和所述所有输入量分量计算所述目标速度变化量。

9、通过上述技术方案，能够基于至少一个动力舒适性指标参数得到预设单神经元网络的所有输入量分量，并分别获取所有输入量分量的学习速率，基于学习速率、神经元比例系数和所有输入量分量计算目标速度变化量，借由单神经元网络可以快速处理输入数据并输出控制指令，使车辆能够迅速响应纵向运动控制的需求。

10、可选地，在本技术的一个实施例中，所述根据所述目标速度变化量生成所述车辆的期望纵向速度，以利用所述期望速纵向速度控制所述车辆进行纵向运动，包括：获取所述车辆在上一时刻的历史期望纵向速度和下一时刻的期望位置；根据所述历史期望纵向速度和目标速度变化量得到所述期望纵向速度，基于所述期望位置和所述期望纵向速度生成所述车辆的相关状态变量，由所述期望纵向速度和所述相关状态变量控制所述车辆运动至所述期望位置。

11、通过上述技术方案，能够获取车辆在上一时刻的历史期望纵向速度和下一时刻的期望位置，根据历史期望纵向速度和目标速度变化量得到期望纵向速度，基于期望位置和期望纵向速度生成车辆的相关状态变量，由期望纵向速度和相关状态变量控制车辆运动至期望位置，通过精确计算期望纵向速度和相关状态变量，可以实现更加平顺的加速和减速，提高乘客的舒适度。

12、本技术第二方面实施例提供一种车辆的纵向运动控制装置，包括：获取模块，用于在检测到车辆进入纵向运动控制工况的情况下，获取所述车辆的期望行驶路线；确认模块，用于基于所述期望行驶路线，确认所述车辆在当前时刻的至少一个动力舒适性指标参数；控制模块，用于基于预设单神经元网络的性能指标函数，由所述至少一个动力舒适性指标参数得到目标速度变化量，并根据所述目标速度变化量生成所述车辆的期望速纵向速度，以利用所述期望速纵向速度控制所述车辆进行纵向运动。

13、可选地，在本技术的一个实施例中，所述确认模块包括：生成单元，用于根据所述期望行驶路线生成所述车辆在所述当前时刻的理想纵向加速度；第一计算单元，用于计算所述理想纵向加速度和所述当前时刻的实际纵向加速度的当前偏差，并获取所述当前时刻相对于上一时刻的速度变化增量。

14、可选地，在本技术的一个实施例中，所述装置还包括：修正模块，用于在利用所述期望速纵向速度控制所述车辆进行纵向运动之后，基于所述目标损失函数，沿所述性能指标函数的目标减小方向修正所述预设单神经元网络的当前连接权重值，得到修正后的连接权重值；更新模块，用于基于所述修正后的连接权重值对所述预设单神经元网络进行迭代更新，以利用更新后的预设单神经元网络计算下一时刻的目标速度变化量。

15、可选地，在本技术的一个实施例中，所述控制模块包括：确认单元，用于基于所述至少一个动力舒适性指标参数得到所述预设单神经元网络的所有输入量分量；第二计算单元，用于分别获取所述所有输入量分量的学习速率，基于所述学习速率、所述神经元比例系数和所述所有输入量分量计算所述目标速度变化量。

16、可选地，在本技术的一个实施例中，所述控制模块包括：获取单元，用于获取所述车辆在上一时刻的历史期望纵向速度和下一时刻的期望位置；控制单元，用于根据所述历史期望纵向速度和目标速度变化量得到所述期望纵向速度，基于所述期望位置和所述期望纵向速度生成所述车辆的相关状态变量，由所述期望纵向速度和所述相关状态变量控制所述车辆运动至所述期望位置。

17、本技术第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车辆的纵向运动控制方法。

18、本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的车辆的纵向运动控制方法。

19、本技术第五方面实施例提供一种计算机程序，所述计算机程序被执行时实现如上的车辆的纵向运动控制方法。

20、本技术实施例可以基于根据车辆的动力舒适性指标参数和车辆乘坐舒适性评价指标函数，由单神经元网络输出理想位置下的期望速度，从而减少了纵向控制对车辆动力学模型的依赖，提高了车辆纵向速度运动控制系统的鲁棒性和自适应性，更加准确。由此，解决了相关技术中，因汽车高速行驶工况下轮胎力学特性表现非稳态非线性的特性，导致最优控制理论建立的汽车底盘速度控制仅适用于较低车速，难以满足汽车行驶的全面性需求，而纵向速度的计算依赖于车辆动力学模型的构建，导致纵向运动控制过程中的计算复杂度增加，使纵向控制的效率不足等问题。

21、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。