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！

申请/专利权人：清华大学

摘要：本申请涉及一种车辆队列的控制方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：根据车辆队列中的各目标车辆对应的行驶状态信息、车辆队列的车辆数量信息和车队预期行驶信息，确定所述各目标车辆对应的行驶参考信息；针对每一个目标车辆，根据所述目标车辆的行驶状态信息和在所述车辆队列的预设范围内的障碍物的运动状态信息，确定所述目标车辆的行驶场景信息；基于预先构建的模型预测控制器、所述目标车辆的行驶状态信息、行驶参考信息和行驶场景信息，确定所述目标车辆的控制信息。采用本方法对车辆队列的控制效果好。

主权项：1.一种车辆队列的控制方法，其特征在于，所述方法包括：根据车辆队列中的各目标车辆对应的行驶状态信息、车辆队列的车辆数量信息和车队预期行驶信息，确定所述各目标车辆对应的行驶参考信息；针对每一个目标车辆，根据所述目标车辆的行驶状态信息和在所述车辆队列的预设范围内的障碍物的运动状态信息，确定所述目标车辆的行驶场景信息；基于预先构建的模型预测控制器、所述目标车辆的行驶状态信息、行驶参考信息和行驶场景信息，确定所述目标车辆的控制信息；其中，所述根据所述目标车辆的行驶状态信息和在所述车辆队列的预设范围内的障碍物的运动状态信息，确定所述目标车辆的行驶场景信息包括：针对在所述车辆队列的预设范围内的每一个障碍物，根据所述目标车辆的行驶状态信息和所述障碍物的运动状态信息，计算所述目标车辆与所述障碍物之间的纵向安全距离和横向安全距离；根据所述纵向安全距离、所述横向安全距离、人工势场的形状参数和人工势场的强度参数，确定所述目标车辆与所述障碍物之间的人工势场信息，可以表示为： 其中，APFi,j代表所述车辆队列中第i辆目标车辆与第j个障碍物之间的人工势场信息；代表所述车辆队列中第i辆目标车辆与第j个障碍物之间的安全距离；dX，dY分表代表所述车辆队列中第i辆目标车辆与第j个障碍物间的纵向距离和横向距离；Xsi，Ysi分别代表所述车辆队列中第i辆目标车辆与障碍物之间的纵向安全距离和横向安全距离；ai代表所述人工势场的形状参数，bi代表所述人工势场的强度参数；代表朝向角，即所述目标车辆的车头与障碍物的夹角；所述目标车辆与各所述障碍物之间的人工势场信息，构成所述目标车辆的行驶场景信息；其中，所述基于预先构建的模型预测控制器、所述目标车辆的行驶状态信息、行驶参考信息和行驶场景信息，确定所述目标车辆的控制信息包括：根据所述目标车辆的行驶场景信息，确定所述目标车辆的行驶场景权重，可以表示为： 其中，Qi代表所述目标车辆的行驶场景权重，Qi,0代表所述目标车辆的低风险场景权重；σj代表了第j个障碍物的复杂度参数，σ0为无障碍物时的复杂度参数；将所述目标车辆的行驶状态信息、行驶参考信息、行驶场景信息和行驶场景权重输入至预先构建的模型预测控制器，得到所述目标车辆的控制信息；其中，所述模型预测控制器的建立过程包括：根据所述车辆队列中各所述目标车辆的行驶状态信息，构建所述车辆队列内的单车动力学模型，可以表示为： VG,x,P,i＝Vx,P,icosθP,i-Vy,P,isinθP,iVG,y,P,i＝Vy,P,icosθP,i+Vx,P,isinθP,i 其中，所述车辆队列中各目标车辆的行驶状态信息包括目标车辆质心坐标XP,i,YP,i、横向速度与纵向速度Vx,P,i,Vy,P,i、航向角与横摆角速度状态向量控制向量为方向盘转角，Fx,i为实施在轮胎上的力；mi代表所述车辆队列内第i辆车的质量；Fi,yf，Fi,yr代表所述车辆队列内第i辆车前后轮的横向力；li,f，li,r代表所述车辆队列内第i辆车质心到前后轮的距离；Iz,i代表所述车辆队列内第i辆车横摆转动惯量；VG,x,P,i，VG,y,P,i代表全局坐标下的x、y轴上的速度；Caf，Car分别代表车辆前轮与后轮的侧偏刚度；分别代表所述车辆队列内单车的系统矩阵、控制输入矩阵与输出矩阵；根据所述车辆队列内的单车动力学模型，确定执行器性能局限，可以表示为： Vx,P,i,min≤Vx,P,i≤Vx,P,i,max其中，代表所述车辆队列内车辆最大转向角度；Ti,max，Rw,i分别代表所述车辆队列内车辆最大推进力与车轮滚动半径；Vx,P,i,min，Vx,P,i,max代表运行域内车辆队列行驶速度区间；根据所述执行器的性能局限、所述车辆队列中各所述目标车辆的行驶状态信息和所述车辆队列中各所述目标车辆的行驶参考信息，确定代价函数，可以表示为： 其中，Ydi,t+k,t＝[Vref_i,YdP,i,θdP,i]T，Yi,t+k,t、Ydi,t+k,t分别为当前输出状态和目标输出状态，Ui,t+k,t为控制量信息，Vref_i、YdP,i、θdP,i分别代表参考速度、队列期望行驶车道和队列期望横摆角；Np与Nc分别代表预测范围与控制范围；ε代表松弛变量；Qi,P,R分别代表其对应代价函数的算法权重，Qi表示系统当前输出状态和目标输出状态的差值对应的权重，P表示松弛变量对应的权重，R表示控制变量对应的权重；将所述车辆队列内的单车动力学模型、所述执行器的性能局限和所述代价函数，构成模型预测控制器；其中，所述方法还包括：基于所述执行器性能局限和所述代价函数，将所述代价函数转化为标准形式的二次规划问题，可以表示为： 其中，Jk为优化函数，ΔUk为控制增益向量，fTk为控制增益权重，Hk为对称正定矩阵。

全文数据：

权利要求：

百度查询： 清华大学 车辆队列的控制方法、装置、计算机设备和存储介质