车辆的控制方法及装置、电子设备、存储介质

技术领域

本申请涉及车辆技术领域，具体而言，涉及一种车辆的控制方法及装置、电子设备、计算机可读存储介质。

背景技术

分布式驱动车辆是指车辆的四个车轮可以分别独立进行驱动，分布式驱动的车辆具有通过性好、效率高、操纵性佳等优点，但是分布式驱动车辆的控制也是其中的难点，分布式驱动车辆的控制既要考虑车辆的操纵稳定性，同时还要考虑车辆的能耗以及对于轮胎等部件的磨损，这对于附加横摆力矩的计算提出了挑战。在一般的对于分布式驱动车辆的控制中，主要是根据目标横摆角速度和实际横摆角速度之间的偏差，利用PID(ProportionIntegration Differentiation，比例、积分、微分)等反馈算法计算附加横摆力矩，从而实现对分布式驱动车辆的控制，但这种控制方案也存在一定的温度，当目标横摆角速度和实际横摆角速度之间的偏差过大时，附加横摆力矩会变得非常大，带来扭矩的超调，而扭矩的超调可能引起滑移率的增加，增大车辆的能耗以及部件损耗，同时也会带来驾驶体验的下降。

发明内容

为解决上述技术问题，本申请的实施例提供了一种车辆的控制方法及装置、电子设备、计算机可读存储介质，旨在解决通过反馈算法实现对分布式驱动车辆的驱动时，扭矩的超调对车辆的影响的技术问题。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种车辆的控制方法，包括：

获取车辆的运动参数和运动环境参数，以及驾驶员对车辆的控制需求参数；

根据控制需求参数计算驾驶员的运动期望参数，根据运动参数计算运动状态参数，以及根据运动环境参数计算目标运动环境参数；

通过模型预测控制算法对运动期望参数和运动状态参数进行计算，得到横摆力矩；

根据横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，并根据各个车轮的驱动扭矩对车辆进行控制。

在另外的实施例中，根据横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，包括：

获取驾驶员对车辆的油门请求，并根据油门请求计算对车辆的纵向力矩；

根据纵向力矩、横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩。

在另外的实施例中，根据纵向力矩、横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，包括：

通过预设优化算法，对纵向力矩、横摆力矩和目标运动环境参数进行计算，得到各个车轮的驱动扭矩，以使得通过各个车轮的驱动扭矩对车辆进行控制时，车轮的附着裕度最大和效率最高。

在另外的实施例中，运动参数包括各个车轮的转速、车辆横向加速度、车辆纵向加速度、车辆横摆角速度；运动环境参数包括道路曲率、道路坡道、道路表面参数；根据运动参数计算运动状态参数，以及根据运动环境参数计算目标运动环境参数，包括：

将运动参数输入预设的车辆控制参考模型进行处理，得到车辆的车速、质量和质心侧偏角，将车速、质量和质心侧偏角作为运动状态参数；其中，车辆控制参考模型基于二自由度的车辆动力学模型得到；以及

将运动环境参数输入车辆控制参考模型进行处理，得到路面附着系数和坡道，将路面附着系数和坡道作为目标运动环境参数。

在另外的实施例中，通过模型预测控制算法对运动期望参数和运动状态参数进行计算，得到横摆力矩，包括：

通过模型预测控制算法对运动期望参数和运动状态参数进行处理，构建优化目标函数；其中，优化目标函数包括车辆的驱动系统的能耗和磨损，以及对转向特性的优化；

获取权重系数矩阵，并通过权重系数矩阵对优化目标函数进行处理，得到横摆力矩。

在另外的实施例中，通过模型预测控制算法对运动期望参数和运动状态参数进行处理，构建优化目标函数，包括：

根据运动期望参数和运动状态参数构建车辆的系统状态、控制量和系统扰动量；

通过车辆二自由度单轨模型得到系统状态、控制量和系统扰动量之间的关联信息；

根据关联信息构建优化目标函数。

在另外的实施例中，通过权重系数矩阵对优化目标函数进行处理，得到横摆力矩，包括：

通过权重系数矩阵对优化目标函数进行分配，得到极值目标函数；

通过内点法计算极值目标函数的最优解，得到横摆力矩。

根据本申请实施例的一个方面，提供了一种车辆的控制装置，包括：

获取模块，配置为获取车辆的运动参数和运动环境参数，以及驾驶员对车辆的控制需求参数；

第一计算模块，配置为根据控制需求参数计算驾驶员的运动期望参数，根据运动参数计算运动状态参数，以及根据运动环境参数计算目标运动环境参数；

第二计算模块，配置为通过模型预测控制算法对运动期望参数和运动状态参数进行计算，得到横摆力矩；

第三计算模块，配置为根据横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，并根据各个车轮的驱动扭矩对车辆进行控制。

根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得电子设备实现如前的车辆的控制方法。

根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当计算机可读指令被计算机的处理器执行时，使计算机执行如上的车辆的控制方法。

根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实施例中提供的车辆的控制方法。

在本申请的实施例所提供的技术方案中，通过获取驾驶员的控制需求参数、车辆的运动参数及运动环境参数，再对控制需求参数、运动参数及运动环境参数进一步进行计算，得到运动期望参数、运动状态参数和目标运动环境参数，再通过模型预测控制算法求解得到的横摆力矩，使得车辆在理想的转向特性与转矩输出之间得到最优的平衡。最后根据横摆力矩和目标运动环境参数计算对各个车轮的驱动扭矩，并控制各个车轮执行对应的驱动扭矩，实现车辆的分布式驱动控制。本申请利用模型预测控制算法进行横摆力矩的计算，能够预测计算车辆在未来短时域内的运动状态偏差以及输出扭矩的变化，求解出最优的横摆力矩，使得车辆在预测控制时域内的理想转向特性与转矩输出之间得到最优的平衡及控制，进而对车辆的操纵性和能耗进行优化，同时降低车辆的滑移率。

应理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是本申请涉及的一种实施环境的示意图；

图2是本申请涉及的一种车辆的控制方法的流程图；

图3是本申请涉及的一个实施例中步骤S220的流程图；

图4是本申请涉及的一个实施例中步骤S230的流程图；

图5是本申请涉及的一个实施例中步骤S41 0的流程图；

图6是本申请涉及的一个实施例中步骤S420的流程图；

图7是本申请涉及的一个实施例中步骤S240的流程图；

图8是本申请涉及的一种车辆的控制装置的框图；

图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

还需要说明的是：在本申请中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

请参阅图1，图1是本申请涉及的一种实施环境的示意图。该实施环境包括分布式驱动车辆110和智联系统所部署的服务器120，分布式驱动车辆110和服务器120之间通过无线网络进行通信。

服务器120中存储有若干道路信息，分布式驱动车辆110行驶在道路上时，可以从服务器中获取当前行驶的道路的道路信息作为分布式驱动车辆110的运动环境参数。服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)以及大数据和人工智能平台等基础云计算服务的云服务器，本处不对此进行限制。

图2是根据一示例性实施例示出的一种车辆的控制方法的流程图。该方法可以应用于图1所示的实施环境，并由图1所示实施例环境中的车辆110具体执行。

如图2所示，在一示例性实施例中，该车辆的控制方法可以包括步骤S2 10至步骤S240，详细介绍如下：

步骤S210，获取车辆的运动参数和运动环境参数，以及驾驶员对车辆的控制需求参数。

本申请实施例中，车辆上安装有采集车辆的运动参数的传感器，获取到运动参数相关的传感器信号后，进行相应的信号处理，得到运动参数，运动参数包括各个车轮的转速、车辆横向加速度、车辆纵向加速度、车辆横摆角速度。同时，车辆上还安装有采集驾驶员对车辆的控制需求参数的传感器，获取到控制需求参数相关的传感器信号后，进行相应的信号处理，得到控制需求参数，控制需求参数包括油门踏板信号、制动踏板信号、方向盘转角。

车辆生成获取运动环境参数请求，并向智联系统发送获取运动环境参数请求，智联系统根据获取运动环境参数请求从服务器中获取与该请求对应的运动环境参数信号，智联系统将获取到的运动环境参数信号返回给车辆，车辆对接收到的运动环境参数信号进行解析，并进行相应的信号处理，得到运动环境参数，运动环境参数包括道路曲率、道路坡道、道路表面参数等。

步骤S220，根据控制需求参数计算驾驶员的运动期望参数，根据运动参数计算运动状态参数，以及根据运动环境参数计算目标运动环境参数。

本申请实施例中，根据控制需求参数计算驾驶员的运动期望参数，运动期望参数包括目标车速、目标横摆角速度，运动期望参数表征了驾驶员对车辆的运动意图。

根据运动参数计算运动状态参数，运动状态参数包括车辆的车速、质量和质心侧偏角，运动状态参数表征车辆当前所处的运动状态。

根据运动环境参数计算目标运动环境参数，目标运动环境参数包括路面附着系数和坡道，目标运动环境参数表征车辆当前所处的运动环境。

在本申请的一示例性实施例中，请参阅图3，运动参数包括各个车轮的转速、车辆横向加速度、车辆纵向加速度、车辆横摆角速度；运动环境参数包括道路曲率、道路坡道、道路表面参数；在步骤S220中根据运动参数计算运动状态参数，以及根据运动环境参数计算目标运动环境参数，包括步骤S310至步骤S320，详细介绍如下：

步骤S310，将运动参数输入预设的车辆控制参考模型进行处理，得到车辆的车速、质量和质心侧偏角，将车速、质量和质心侧偏角作为运动状态参数；其中，车辆控制参考模型基于二自由度的车辆动力学模型得到。

本申请实施例中，根据获取到的运动参数，结合车辆控制参考模型，计算得到运动状态参数。

具体的，车辆控制参考模型采用二自由度的车辆动力学模型，建立动力学方程如下列公式所示：

运动学方程如下列公式所示：

基于运动学模型的纵向车速估计，其对应的状态向量为x＝[v

基于车辆动力学的质心侧偏角估计，其对应的状态向量为x＝[βγ v

基于车辆的纵向动力学模型，如下列公式所示：

其中，上述公式中M为整车质量，v为车辆纵向速度，F

因此可得到：

其中，F

令

其中：

y＝a

对于上述中的估计向量

步骤S320，将运动环境参数输入车辆控制参考模型进行处理，得到路面附着系数和坡道，将路面附着系数和坡道作为目标运动环境参数。

本申请实施例中，从智联系统上获取到的运动环境参数结合车辆控制参考模型，计算得到目标运动环境参数。

具体的，通过前述的计算得到了车辆的质量，将其代入到纵向动力学方程中，然后对坡道和质量解耦，可以基于纵向动力学模型进一步对坡道进行计算，并结合获取到的得到的道路坡道，采用卡尔曼滤波算法进行对坡道的估计。

对于分布式驱动车辆，各个车轮的扭矩及转速可以从电机控制器获得，因此，各个车轮的纵向力F

建立四轮车辆三自由度动力学模型如下：

ma

ma

然后基于魔术公式轮胎模型，构建卡尔曼滤波器，其中状态向量及观测向量分别如下：

x

采用卡尔曼滤波算法，并结合智联摄像头的路面曲率、道路表面参数，对车辆的路面附着系数进行估算。

步骤S230，通过模型预测控制算法对运动期望参数和运动状态参数进行计算，得到横摆力矩；

本申请实施例中，模型预测控制算法(Model Predictive Control，MPC)能够在每一个采用时刻，根据获得的当前测量信息，在线求解一个有限时间开环优化问题，并将得到的控制序列的第一个元素作用于被控对象。在下一个采样时刻，重复上述过程，用新的测量值作为此时预测系统未来动态的初始条件，刷新优化问题并重新求解。

通过模型预测控制算法对运动期望参数和运动状态参数进行计算，能够预测计算车辆在未来短时域内的运动状态偏差以及输出扭矩的变化，进而得到横摆力矩。

在本申请的一示例性实施例中，请参阅图4，在步骤S230中通过模型预测控制算法对运动期望参数和运动状态参数进行计算，得到横摆力矩，包括步骤S410和步骤S420，详细介绍如下：

步骤S410，通过模型预测控制算法对运动期望参数和运动状态参数进行处理，构建优化目标函数；其中，优化目标函数包括车辆的驱动系统的能耗和磨损，以及对转向特性的优化。

本申请实施例中，通过模型预测控制算法对运动期望参数和运动状态参数进行处理，从而构建优化目标函数，构建出的优化目标函数有两项，其中一项表达了分布式驱动系统在预测时域里对理想转向特性的跟踪误差，体现了对转向特性的优化，另一项表达了分布式驱动系统在预测控制时域里的输出横摆力矩变化量，体现了驱动系统的能耗以及磨损。

步骤S420，获取权重系数矩阵，并通过权重系数矩阵对优化目标函数进行处理，得到横摆力矩。

本申请实施例中，设置有权重系数矩阵，权重系数矩阵能够对优化目标函数中的两项进行分配，从而把问题转化为求解二次规划极值的问题，得到横摆力矩。

在本申请的一示例性实施例中，请参阅图5，在步骤S410中通过模型预测控制算法对运动期望参数和运动状态参数进行处理，构建优化目标函数，包括步骤S510至步骤S530，详细介绍如下：

步骤S510，根据运动期望参数和运动状态参数构建车辆的系统状态、控制量和系统扰动量。

本申请实施例中，根据质心侧偏角和横摆角速度构建的车辆的系统状态表达如下所示：

x＝[β，γ]

其中，β是车辆的质心侧偏角，γ是车辆的横摆角速度。

根据车辆的控制量表达如下所示：

u＝M

其中，M

车辆的系统扰动量表达如下式：

d＝δ

其中，δ

步骤S520，通过车辆二自由度单轨模型得到系统状态、控制量和系统扰动量之间的关联信息。

本申请实施例中，在得到系统状态、控制量和系统扰动量后，根据车辆二自由度单轨模型可以求得：

从而可得到车辆的系统状态、控制量和系统扰动量的关联信息，关联信息如下所示：

步骤S530，根据关联信息构建优化目标函数。

本申请实施例中，令x

其中，上述参考横摆角速度和参考质心侧偏角表示的是车辆在k时刻所期望达到的目标横摆角速度和目标质心侧偏角。

在参考点处进行泰勒展开，并忽略高阶项可得到：

即：

令

设

令

其中：A

构建新的状态量

ξ(k+1)＝Aξ(k)+BΔu(k)+Dd(k)

η(k)＝Cξ(k)

其中：

设

H(t)＝[η(k+1|t)，η(k+2|t)，…η(k+N

ΔU(t)＝[Δu(k|t)，Δu(k+1|t)，…，Δu(k+N

D(t)＝[d(k|t)，d(k+1|t)，…，d(k+N

可得：H(t)＝PHI*ξ(k)+THETA*ΔU(t)+DELTA*D(t)

构造优化目标函数如下式所示：

其中，构建出的优化目标函数有两项，第一项表达了分布式驱动系统在预测时域里对理想转向特性的跟踪误差，体现了对转向特性的优化，第二项表达了分布式驱动系统在预测控制时域里的输出横摆力矩变化量，体现了驱动系统的能耗以及磨损。

在本申请的一示例性实施例中，请参阅图6，在步骤S420中通过权重系数矩阵对优化目标函数进行处理，得到横摆力矩，包括步骤S610和步骤S620，详细介绍如下：

步骤S610，通过权重系数矩阵对优化目标函数进行分配，得到极值目标函数。

本申请实施例中，权重系数矩阵如下式所示：

Γ

Γ

通过权重系数矩阵对优化目标函数的两项进行分配，从而把问题转化为求解二次规划极值的问题，得到极值目标函数。

步骤S620，通过内点法计算极值目标函数的最优解，得到横摆力矩。

本申请实施例中，内点法中设置有一个惩罚函数，用于描述凸集，内点法通过遍历内部可行区域来搜索最优解。通过内点法对二次规划问题进行最优解的求解，从而求得最优的横摆力矩。

步骤S240，根据横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，并根据各个车轮的驱动扭矩对车辆进行控制。

本申请实施例中，在计算得到横摆力矩后，再根据横摆力矩和目标运动环境参数去计算各个车辆的驱动扭矩，将计算到的驱动扭矩输出到电机控制器，从而使得电机控制器根据接收到的驱动扭矩对各个车辆进行驱动。

本申请实施例中，通过获取车辆上设置的传感器信号及智联系统中的数据，对驾驶员的控制需求参数、车辆的运动参数及运动环境参数进行识别，通过内置的车辆运动参考模型计算得到当前状态下的运动状态参数和目标运动环境参数，再通过模型预测控制算法求解得到车辆在预测时域内的运动状态误差及控制时域内的输出扭矩，通过权重系数矩阵调节两者的分配，从而转化为求解二次规划极值的最优化问题，进而得到的横摆力矩，使得车辆在理想的转向特性与转矩输出之间得到最优的平衡。最后根据横摆力矩和目标运动环境参数计算对各个车轮的驱动扭矩，并控制各个车轮执行对应的驱动扭矩，实现车辆的分布式驱动控制。

目前的车辆控制方案中对于横摆力矩的计算，都是基于车辆状态的反馈控制，利用目标横摆角速度偏差及质心侧偏角偏差，通过反馈控制算法进行横摆力矩的求解，而采用反馈控制算法可能会导致当目标偏差较大时，控制量过大，从而导致扭矩超调，滑移率增大，能耗及磨损加大的问题。而本申请利用模型预测控制算法进行横摆力矩的计算，能够预测计算车辆在未来短时域内的运动状态偏差以及输出扭矩的变化，求解出最优的横摆力矩，使得车辆在预测控制时域内的理想转向特性与转矩输出之间得到最优的平衡及控制，进而对车辆的操纵性和能耗进行优化，同时降低车辆的滑移率。

在本申请的一示例性实施例中，请参阅图7，在步骤S240中根据横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，包括步骤S710至步骤S720，详细介绍如下：

步骤S710，获取驾驶员对车辆的油门请求，并根据油门请求计算对车辆的纵向力矩。

本申请实施例中，获取驾驶员对车辆的油门请求，并根据油门请求计算对车辆的控制需求的纵向力矩。

步骤S720，根据纵向力矩、横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩。

本申请实施例中，根据计算到的纵向力矩、横摆力矩和目标运动环境参数共同计算对车辆的各个车轮的驱动扭矩，使得最终计算得到的驱动扭矩能够更加准确。

在本申请的一示例性实施例中，在步骤S720中根据纵向力矩、横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，包括下列步骤，详细介绍如下：

通过预设优化算法，对纵向力矩、横摆力矩和目标运动环境参数进行计算，得到各个车轮的驱动扭矩，以使得通过各个车轮的驱动扭矩对车辆进行控制时，车轮的附着裕度最大和效率最高。

本申请实施例中，预先设置有优化算法，优化算法以各个车轮的附着裕度最大及效率最高为目标，对纵向力矩、横摆力矩和目标运动环境参数进行计算，计算出最优的各个车轮的驱动扭矩，然后将计算到的驱动扭矩输出到电机控制器，电机控制器根据驱动扭矩对对应的车轮进行控制，实现对车辆的控制。

在本申请的一个示例性实施例中，请参阅图8，图8是根据一示例性实施例示出的一种车辆的控制装置，包括：

获取模块810，配置为获取车辆的运动参数和运动环境参数，以及驾驶员对车辆的控制需求参数；

第一计算模块820，配置为根据控制需求参数计算驾驶员的运动期望参数，根据运动参数计算运动状态参数，以及根据运动环境参数计算目标运动环境参数；

第二计算模块830，配置为通过模型预测控制算法对运动期望参数和运动状态参数进行计算，得到横摆力矩；

第三计算模块840，配置为根据横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，并根据各个车轮的驱动扭矩对车辆进行控制。

在本申请的一个示例性实施例中，第三计算模块840，包括：

获取子模块，配置为获取驾驶员对车辆的油门请求，并根据油门请求计算对车辆的纵向力矩；

第一计算子模块，配置为根据纵向力矩、横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩。

在本申请的一个示例性实施例中，第一计算子模块，包括：

第一计算单元，配置为通过预设优化算法，对纵向力矩、横摆力矩和目标运动环境参数进行计算，得到各个车轮的驱动扭矩，以使得通过各个车轮的驱动扭矩对车辆进行控制时，车轮的附着裕度最大和效率最高。

在本申请的一个示例性实施例中，运动参数包括各个车轮的转速、车辆横向加速度、车辆纵向加速度、车辆横摆角速度；运动环境参数包括道路曲率、道路坡道、道路表面参数；第一计算模块820，包括：

第一输入子模块，配置为将运动参数输入预设的车辆控制参考模型进行处理，得到车辆的车速、质量和质心侧偏角，将车速、质量和质心侧偏角作为运动状态参数；其中，车辆控制参考模型基于二自由度的车辆动力学模型得到；以及

第二输入子模块，配置为将运动环境参数输入车辆控制参考模型进行处理，得到路面附着系数和坡道，将路面附着系数和坡道作为目标运动环境参数。

在本申请的一个示例性实施例中，第二计算模块830，包括：

构建子模块，配置为通过模型预测控制算法对运动期望参数和运动状态参数进行处理，构建优化目标函数；其中，优化目标函数包括车辆的驱动系统的能耗和磨损，以及对转向特性的优化；

处理子模块，配置为获取权重系数矩阵，并通过权重系数矩阵对优化目标函数进行处理，得到横摆力矩。

在本申请的一个示例性实施例中，构建子模块，包括：

第一构建单元，配置为根据运动期望参数和运动状态参数构建车辆的系统状态、控制量和系统扰动量；

关联信息单元，配置为通过车辆二自由度单轨模型得到系统状态、控制量和系统扰动量之间的关联信息；

第二构建单元，配置为根据关联信息构建优化目标函数。

在本申请的一个示例性实施例中，处理子模块，包括：

分配单元，配置为通过权重系数矩阵对优化目标函数进行分配，得到极值目标函数；

第二计算单元，配置为通过内点法计算极值目标函数的最优解，得到横摆力矩。

需要说明的是，上述实施例所提供的装置与上述实施例所提供的方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。

本申请的实施例还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述各个实施例中提供的车辆的控制方法。

图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图9示出的电子设备的计算机系统900仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图9所示，计算机系统900包括中央处理单元(Central Processing Unit，CPU)901，其可以根据存储在只读存储器(Read-Only Memory，ROM)902中的程序或者从储存部分908加载到随机访问存储器(Random Access Memory，RAM)903中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 903中，还存储有系统操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(Input/Output，I/O)接口905也连接至总线904。

以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分907；包括硬盘等的储存部分908；以及包括诸如LAN(LocalAreaNetwork，局域网)卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入储存部分908。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本申请的系统中限定的各种功能。

需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

本申请的另一方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。

本申请的另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各个实施例中提供的车辆的控制方法；

其中，车辆的控制方法，包括：

获取车辆的运动参数和运动环境参数，以及驾驶员对车辆的控制需求参数；

根据控制需求参数计算驾驶员的运动期望参数，根据运动参数计算运动状态参数，以及根据运动环境参数计算目标运动环境参数；

通过模型预测控制算法对运动期望参数和运动状态参数进行计算，得到横摆力矩；

根据横摆力矩和目标运动环境参数计算对车辆的各个车轮的驱动扭矩，并根据各个车轮的驱动扭矩对车辆进行控制。

上述内容，仅为本申请的较佳示例性实施例，并非用于限制本申请的实施方案，本领域普通技术人员根据本申请的主要构思和精神，可以十分方便地进行相应的变通或修改，故本申请的保护范围应以权利要求书所要求的保护范围为准。