[发明专利]基于多智能体的无人驾驶电动汽车自动超车系统及方法

摘要

基于多智能体的无人驾驶电动汽车自动超车系统及方法，超车系统设车载传感器，车载传感器用于采集无人驾驶电动汽车行驶前方的道路信息；基于车载感知系统及V2X通信系统提取汽车及其周围环境特征信息，建立最小安全距离模型；设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹；基于期望超车路径与实际路径的偏差，采用自适应模糊滑模控制技术，求出无人驾驶电动汽车自动超车的期望速度和期望横摆角速度；采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力；建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制。

主权项

1.无人驾驶电动汽车自动超车的方法，其特征在于所述方法采用基于多智能体的无人驾驶电动汽车自动超车系统；所述基于多智能体的无人驾驶电动汽车自动超车系统设有：车载传感器，车载传感器用于采集无人驾驶电动汽车行驶前方的道路信息；道路特征提取模块，道路特征提取模块用于输入车载传感器采集的无人驾驶电动汽车行驶前方的道路信息，并对采集的图像进行特征提取，再实时计算出汽车前方道路宽度信息；最小安全距离分析模块，最小安全距离分析模块用于建立满足无人驾驶电动汽车自动超车的最小安全距离模型；超车路径规划模块，超车路径规划模块用于设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹；基于多智能体遗传算法的多执行机构协调模块，基于多智能体遗传算法的多执行机构协调模块用于采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力，实现对无人驾驶电动汽车多执行机构的动态协调；执行控制器，执行控制器用于建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制；所述方法包括以下步骤：1)基于车载感知系统及V2X通信系统提取汽车及其周围环境特征信息，建立最小安全距离模型，具体步骤为：1.1通过车载毫米波雷达及V2X系统获取无人驾驶电动汽车与前方行驶车辆间的纵向距离信息，通过速度编码器采集车辆行驶速度；1.2利用视觉传感器采集无人驾驶电动汽车行驶前方道路信息，通过车载微处理器对采集的图像进行特征提取，实时地计算出汽车前方的道路宽度信息；1.3基于车载感知系统检测到本车及其前方行驶车辆的位置、速度信息，为避免两车发生追尾碰撞，建立满足无人驾驶电动汽车自动超车的最小安全距离模型；1.4判断无人驾驶电动汽车当前时刻是否满足超车条件，若满足，则进行步骤(2)；否则，发出不执行超车的指令；2)设置正弦函数形式作为自动超车期望路径的基函数，实时动态规划出无人驾驶电动汽车自动超车的期望轨迹，具体步骤为：2.1对本车与前方车辆进行几何分析，采用正弦函数拟合方法，建立以时间为自变量的超车路径数学模型及超车路径的边界条件；2.2将世界坐标系的位姿误差转换到相对于车辆的局部坐标系下的位姿误差，建立步骤2)动态规划的期望超车轨迹与无人驾驶电动汽车相对位置关系的车辆位置误差模型；2.3建立车辆总纵向外力和横摆力矩与各电动汽车轮胎的横向力、纵向力之间的映射函数；3)基于期望超车路径与实际路径的偏差，采用自适应模糊滑模控制技术，求出无人驾驶电动汽车自动超车的期望速度和期望横摆角速度，具体步骤为：3.1针对相对位置运动学模型，为确保位置偏差有界收敛于零，定义滑模面函数，为确保滑模曲面s₁和s₂趋近于零，采用自适应模糊滑模控制技术，推导出无人驾驶电动汽车自动超车需要的期望纵向速度和期望横摆角速度；3.2采用神经网络系统逼近变结构项，为有效消除变结构引发的抖振现象，则得期望速度和角速度的自适应滑模变结构控制律；3.3根据期望纵向速度和横摆角速度，基于二自由度动力学模型，推导出无人电动汽车行驶期望的总的纵向力和横摆力矩；3.4为有效消除变结构引发的抖振现象，采用神经网络系统逼近变结构项，则得总纵向力合横摆力矩的自适应神经网络控制律；4)采用多智能体遗传优化算法，计算出无人驾驶电动汽车各车轮所需要的纵横向力，实现对无人驾驶电动汽车多执行机构的动态协调，具体步骤为：4.1为了达到控制输入量消耗能量最小和动态规划误差最少的目标，建立性能指标函数；4.2设置遗传优化参数，采用多智能体遗传优化算法动态协调无人驾驶电动汽车各车轮所需要的纵横向力；5)建立由电动汽车车轮纵横向力到期望侧偏角和滑移率的映射模型，实现对无人驾驶电动汽车轮胎纵横向力的执行控制，具体步骤为：5.1建立基于Pacejka轮胎模型的逆轮胎模型，根据步骤4)优化计算的纵横向力F_xi和F_yi映射出期望轮胎侧偏角α_des,i和滑移率λ_des,i；5.2采用经典PID控制方法，实现对无人驾驶电动汽车期望滑移率和侧偏角的跟踪控制。