一种线控转向机构执行延迟的在线检测补偿方法、系统及介质
文献发布时间:2024-04-18 19:57:31
技术领域
本发明涉及无人驾驶车辆转向机构技术领域,尤其是涉及一种线控转向机构执行延迟的在线检测补偿方法、系统及介质。
背景技术
自动驾驶车辆的路径跟踪精度和稳定性与车辆的EPS(电动助力转向系统)性能息息相关,EPS对期望转角的快速响应和精准执行是自动驾驶车辆平稳运行的基础。随着自动驾驶车辆的大规模落地部署和持续运营,难免出现部分车辆转向执行机构老化或执行性能一致性差异较大的问题,给自动驾驶的快速批量部署造成了一定困难。
转向执行延时是车辆EPS线控性能降低的一个典型案例,尤其是部分重卡底盘长时间工作导致转向助力油温过高或整车载荷较大时更易出现,具体表现为车辆最大转向角速度下降,请求转角变化较大时,需较长时间实际转角才能达到请求,导致自动驾驶路径跟踪精度下降,直线行驶出现走S现象,大曲率弯道车辆循迹出现外切,影响自动驾驶正常运行。
发明内容
鉴于以上问题,本发明提供了一种线控转向机构执行延迟的在线检测补偿方法、系统及介质,不仅保证车辆在异常状况下仍能沿预期路径行驶,而且提高了自动驾驶系统的可靠性和安全性。
为了实现上述目的及其他相关目的,本发明提供的技术方案如下:
一种线控转向机构执行延迟的在线检测补偿方法,所述方法包括:
Q1.车辆行驶至弯道处,基于车载IMU实时获取车辆的航向角数据信息,基于车载角度传感器实时获取车辆的转角数据信息,并同时输入至训练好的神经网络模型进行融合,输出融合后的车辆转角数据信息;
Q2.基于所述融合后的车辆转角数据信息,采用强化车辆转角微分学习算法,得到任一时刻车辆转角变化率的数据信息,若连续多个时刻车辆转角变化率的数据信息小于预设转向机构标称参数时,则判断车辆处于延时转向状态,进入步骤Q3;
Q3.根据所述车辆处于延时转向状态,获取车辆请求转角数据信息,并采用强化车辆转角积分学习算法得到车辆从当前转角到请求转角的时间间隔数据信息;
Q4.基于所述车辆从当前转角到请求转角的时间间隔数据信息,采用预瞄距离补偿算法,得到车辆补偿状态数据信息,并将所述车辆补偿状态数据信息输入多模态横向控制算法对车辆的转角进行补偿,输出补偿后的车辆的转角数据信息。
进一步的,在步骤Q1中,所述并同时输入至训练好的神经网络模型进行融合包括:
Q11.将所述车辆的航向角数据信息和所述车辆的转角数据信息输入神经网络模型进行训练和学习,确定网络参数,得到训练好的神经网络模型;
Q12.基于所述训练好的神经网络模型,输入实时获取的车辆的航向角数据信息和车辆的转角数据信息,进行数据融合,得到融合后的车辆转角数据信息。
进一步的,所述神经网络模型的激活函数为F,
其中,n为采样样本总量,A
进一步的,在步骤Q2中,所述采用强化车辆转角微分学习算法,得到任一时刻车辆转角变化率的数据信息包括:
Q21.采集t时刻的融合后的车辆转角数据信息θ
其中,λ
λ
Q22.基于所述车辆转角变化率函数G,得到任意时刻车辆转角变化率的数据信息。
进一步的,在步骤Q4中,所述采用预瞄距离补偿算法,得到车辆补偿状态数据信息包括:
Q411.基于所述车辆从当前转角到请求转角的时间间隔数据信息,建立预瞄距离函数P,
P=k
Q412.基于所述车辆的预瞄距离数据信息,得到在当前的转向响应延迟时间下,车辆到达该位置所需的方向盘转角,从而得到车辆补偿状态数据信息;
所述并将所述车辆补偿状态数据信息输入多模态横向控制算法对车辆的转角进行补偿包括:
Q421.基于所述车辆补偿状态数据信息,建立多模态横向控制函数H,
其中,t为时间,γ
Q422.基于所述多模态横向控制函数H,得到补偿后的车辆的转角数据信息。
进一步的,在步骤Q3中,所述并采用强化车辆转角积分学习算法得到车辆从当前转角到请求转角的时间间隔数据信息包括:
Q31.获取当前时刻融合后的车辆转角数据信息和车辆请求转角数据信息,建立当前转角到请求转角的时间间隔函数T,
其中,φ
Q32.基于所述当前转角到请求转角的时间间隔函数T,得到车辆从当前转角到请求转角的时间间隔数据信息。
进一步的,所述当前时刻融合后的车辆转角到车辆请求转角的角度变化率ρ
其中,N为采样样本总数,θ
进一步的,所述当前时刻车辆请求转角函数φ
其中,L为常数,
所述当前时刻融合后的车辆转角函数φ
φ
为了实现上述目的及其他相关目的,本发明还提供了一种线控转向机构执行延迟的在线检测补偿系统,包括计算机设备,该计算机设备被编程或配置以执行任意一项所述的线控转向机构执行延迟的在线检测补偿方法的步骤。
为了实现上述目的及其他相关目的,本发明还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有被编程或配置以执行任意一项所述的线控转向机构执行延迟的在线检测补偿方法的计算机程序。
本发明具有以下积极效果:
1.本发明通过训练好的神经网络模型进行数据融合,并结合采用强化车辆转角微分学习算法,得到任一时刻车辆转角变化率的数据信息,不仅能够更加准确的得到车辆的转角数据信息,而且在转向机构出现执行延迟时及时向故障诊断模块发送故障码。
2.本发明通过车辆从当前转角到请求转角的时间间隔数据信息,采用预瞄距离补偿算法,得到车辆补偿状态数据信息,并将车辆补偿状态数据信息输入多模态横向控制算法对车辆的转角进行补偿,不仅保证车辆在异常状况下仍能沿预期路径行驶,而且提高了自动驾驶系统的可靠性和安全性。
附图说明
图1为本发明的方法流程示意图;
图2为本发明的转向执行机构的动态响应延迟示意图;
图3为本发明的横向控制的流程示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例1:如图1或图2或图3所示,一种线控转向机构执行延迟的在线检测补偿方法,所述方法包括:
Q1.车辆行驶至弯道处,基于车载IMU实时获取车辆的航向角数据信息,基于车载角度传感器实时获取车辆的转角数据信息,并同时输入至训练好的神经网络模型进行融合,输出融合后的车辆转角数据信息;
Q2.基于所述融合后的车辆转角数据信息,采用强化车辆转角微分学习算法,得到任一时刻车辆转角变化率的数据信息,若连续多个时刻车辆转角变化率的数据信息小于预设转向机构标称参数时,则判断车辆处于延时转向状态,进入步骤Q3;
Q3.根据所述车辆处于延时转向状态,获取车辆请求转角数据信息,并采用强化车辆转角积分学习算法得到车辆从当前转角到请求转角的时间间隔数据信息;
Q4.基于所述车辆从当前转角到请求转角的时间间隔数据信息,采用预瞄距离补偿算法,得到车辆补偿状态数据信息,并将所述车辆补偿状态数据信息输入多模态横向控制算法对车辆的转角进行补偿,输出补偿后的车辆的转角数据信息。
在本实施例中,在步骤Q1中,所述并同时输入至训练好的神经网络模型进行融合包括:
Q11.将所述车辆的航向角数据信息和所述车辆的转角数据信息输入神经网络模型进行训练和学习,确定网络参数,得到训练好的神经网络模型;
Q12.基于所述训练好的神经网络模型,输入实时获取的车辆的航向角数据信息和车辆的转角数据信息,进行数据融合,得到融合后的车辆转角数据信息。
在本实施例中,所述神经网络模型的激活函数为F,
其中,n为采样样本总量,A
在本实施例中,在步骤Q2中,所述采用强化车辆转角微分学习算法,得到任一时刻车辆转角变化率的数据信息包括:
Q21.采集t时刻的融合后的车辆转角数据信息θ
其中,λ
λ
Q22.基于所述车辆转角变化率函数G,得到任意时刻车辆转角变化率的数据信息。
在本实施例中,在步骤Q4中,所述采用预瞄距离补偿算法,得到车辆补偿状态数据信息包括:
Q411.基于所述车辆从当前转角到请求转角的时间间隔数据信息,建立预瞄距离函数P,
P=k
Q412.基于所述车辆的预瞄距离数据信息,得到在当前的转向响应延迟时间下,车辆到达该位置所需的方向盘转角,从而得到车辆补偿状态数据信息;
所述并将所述车辆补偿状态数据信息输入多模态横向控制算法对车辆的转角进行补偿包括:
Q421.基于所述车辆补偿状态数据信息,建立多模态横向控制函数H,
其中,t为时间,γ
Q422.基于所述多模态横向控制函数H,得到补偿后的车辆的转角数据信息。
实施例2:在实施例1的一种线控转向机构执行延迟的在线检测补偿方法的基础上,下面对本发明作进一步的说明和描述。
如图1或图2或图3所示,一种线控转向机构执行延迟的在线检测补偿方法,所述方法包括:
Q1.车辆行驶至弯道处,基于车载IMU实时获取车辆的航向角数据信息,基于车载角度传感器实时获取车辆的转角数据信息,并同时输入至训练好的神经网络模型进行融合,输出融合后的车辆转角数据信息;
Q2.基于所述融合后的车辆转角数据信息,采用强化车辆转角微分学习算法,得到任一时刻车辆转角变化率的数据信息,若连续多个时刻车辆转角变化率的数据信息小于预设转向机构标称参数时,则判断车辆处于延时转向状态,进入步骤Q3;
Q3.根据所述车辆处于延时转向状态,获取车辆请求转角数据信息,并采用强化车辆转角积分学习算法得到车辆从当前转角到请求转角的时间间隔数据信息;
Q4.基于所述车辆从当前转角到请求转角的时间间隔数据信息,采用预瞄距离补偿算法,得到车辆补偿状态数据信息,并将所述车辆补偿状态数据信息输入多模态横向控制算法对车辆的转角进行补偿,输出补偿后的车辆的转角数据信息。
在本实施例中,在步骤Q3中,所述并采用强化车辆转角积分学习算法得到车辆从当前转角到请求转角的时间间隔数据信息包括:
Q31.获取当前时刻融合后的车辆转角数据信息和车辆请求转角数据信息,建立当前转角到请求转角的时间间隔函数T,
其中,φ
Q32.基于所述当前转角到请求转角的时间间隔函数T,得到车辆从当前转角到请求转角的时间间隔数据信息。
在本实施例中,所述当前时刻融合后的车辆转角到车辆请求转角的角度变化率ρ
其中,N为采样样本总数,θ
在本实施例中,所述当前时刻车辆请求转角函数φ
其中,L为常数,
所述当前时刻融合后的车辆转角函数φ
φ
本发明提供了一种线控转向机构执行延迟的在线检测补偿系统,包括计算机设备,该计算机设备被编程或配置以执行任意一项所述的线控转向机构执行延迟的在线检测补偿方法的步骤。
本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有被编程或配置以执行任意一项所述的线控转向机构执行延迟的在线检测补偿方法的计算机程序。
本申请所提供的实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明不仅保证车辆在异常状况下仍能沿预期路径行驶,而且提高了自动驾驶系统的可靠性和安全性。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。