基于觀測器的車隊協(xié)同自主控制方法
【專利摘要】本發(fā)明公開了一種基于觀測器的車隊協(xié)同自主控制方法，包括以下步驟：步驟1：初始化濾波器參數(shù)；步驟2：讀取傳感器的測量信息；步驟3：運用漸消記憶的卡爾曼濾波算法進行狀態(tài)估計；步驟4：鄰居車輛之間進行信息交換；步驟5：輸出控制信號，發(fā)出控制指令。本發(fā)明通過漸消記憶的卡爾曼濾波算法，利用可獲得的測量信號，得到間隔誤差及其導(dǎo)數(shù)的估計值，解決了間隔誤差不可測的問題和濾波發(fā)散的問題，并利用無線網(wǎng)絡(luò)進行通信，鄰居車輛之間實現(xiàn)信息交換和共享，根據(jù)當前車輛及鄰居車輛的狀態(tài)的估計值，得到控制信號，發(fā)出控制指令，實現(xiàn)了協(xié)同控制。
【專利說明】基于觀測器的車隊協(xié)同自主控制方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種智能車的協(xié)同控制算法技術(shù)，特別涉及一種基于觀測器的車隊協(xié) 同自主控制方法，該自主控制方法是一種基于車載雷達、無線通信技術(shù)和卡爾曼次優(yōu)濾波 的狀態(tài)反饋控制方法。

【背景技術(shù)】
[0002] 車隊協(xié)同控制是智能交通系統(tǒng)的重要組成部分，協(xié)同控制的實現(xiàn)，可以有效的緩 解交通擁堵，提高道路通行效率，減少交通事故，具有重要的理論和實用價值。傳感檢測技 術(shù)、無線通信技術(shù)、計算機技術(shù)和車輛控制技術(shù)的發(fā)展為車隊協(xié)同控制的實現(xiàn)提供了堅實 的基礎(chǔ)。本發(fā)明中，每輛車上都裝有車載雷達、速度傳感器、加速度傳感器、無線收發(fā)模塊和 計算機。車載雷達能夠測量與前方車輛的距離和相對速度；速度、加速度傳感器用來測量當 前汽車的速度和加速度；無線收發(fā)模塊用于信息交換，通過計算機，運用卡爾曼濾波算法進 行狀態(tài)估計并輸出控制量，發(fā)出控制指令，實現(xiàn)車隊協(xié)同自主控制。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種基于觀測器的車隊協(xié)同 自主控制方法，該協(xié)同自主控制方法是分布式的，車隊中每輛車的地位是對等的，獨立進行 濾波運算，不需要信息融合中心，從而降低了對硬件的要求。同時，該算法是可擴展的，適合 其他自主車輛加入或者退出車隊。無線通信過程中，只有狀態(tài)估計值在信道中傳播，不需要 復(fù)雜的通信協(xié)議來傳遞信息，便于物理實現(xiàn)。
[0004] 本發(fā)明的目的通過下述技術(shù)方案實現(xiàn)：一種基于觀測器的車隊協(xié)同自主控制方 法，包括以下步驟：
[0005] 步驟1 :初始化濾波器參數(shù)；
[0006] 步驟2 :讀取傳感器測量信息；
[0007] 步驟3 :運用漸消記憶的卡爾曼濾波算法進行狀態(tài)估計；
[0008] 步驟4 :鄰居車輛之間進行信息交換；
[0009] 步驟5 :輸出控制信號，發(fā)出控制指令。
[0010] 所述步驟1中，所述的濾波器參數(shù)包括當前車輛狀態(tài)估計值、誤差協(xié)方差矩陣、鄰 居車輛的狀態(tài)估計值，所述的狀態(tài)估計值服從高斯分布。狀態(tài)變量為間隔誤差、速度誤差和 加速度誤差。
[0011] 所述步驟2中，所述傳感器包括車載雷達、速度傳感器和加速度傳感器，車載計算 機車載雷達獲得的與前方車輛的距離和相對速度信號，速度傳感器、加速度傳感器獲得的 當前車輛的速度信號和加速度信號。車隊中的第一輛車前方?jīng)]有其他車輛，車載雷達沒有 測量信號。
[0012] 所述步驟3包括以下步驟：
[0013] S31、第一輛車沒有雷達測量信號，不進行濾波運算，接受鄰居車輛的狀態(tài)估計值。
[0014] S32、車隊中的其他車輛運用漸消記憶的卡爾曼濾波算法進行狀態(tài)估計，計算間隔 誤差及速度誤差的估計值。
[0015] 所述步驟S32中，由于原系統(tǒng)不完全能觀，使用基本的卡爾曼濾波算法時存在狀 態(tài)發(fā)散的問題，使用漸消記憶的濾波算法，能夠有效減小歷史測量數(shù)據(jù)的影響，增大當前測 量值的校正作用，使得狀態(tài)估計值收斂到其真實值。
[0016] 所述步驟4包括以下步驟：
[0017] S41、鄰居車輛為當前車輛前方的第一輛車和后方的第一輛車。
[0018] S42、在通信過程中，鄰居車輛只交換狀態(tài)估計信息，減小通信量，降低對通信網(wǎng)絡(luò) 的要求。其中狀態(tài)估計值包括間隔誤差、速度誤差和加速度誤差。
[0019] S43、當前車輛監(jiān)聽信道，如果信道空閑，廣播當前車輛的狀態(tài)估計值，持續(xù)一段時 間后，停止廣播，接收鄰居車輛的廣播信息并進行存儲；如果信道繁忙，接收其他車輛的廣 播信息并進行存儲。
[0020] 所述步驟5中，當前車輛根據(jù)自身的估計值和鄰居車輛的估計值，按照給定的控 制算法，輸出控制信號，發(fā)出控制指令。
[0021] 本發(fā)明的工作原理：本發(fā)明基于負反饋控制原理，具體控制規(guī)律是基于間隔誤差 的比例微分控制。在控制規(guī)律的實現(xiàn)過程中，由于間隔誤差、速度誤差等不能直接測量得 至IJ，因此使用估計值來代替真實值計算控制量。然而實際的傳感器不可避免地會引入觀測 噪聲，本發(fā)明中采用卡爾曼濾波算法進行濾波，減小觀測噪聲的影響，提高估計精度。然而， 由于實際的車隊系統(tǒng)的狀態(tài)變量不完全能觀測，基本的卡爾曼濾波算法存在濾波發(fā)散的 問題。漸消記憶的卡爾曼濾波算法通過引入加權(quán)因子，減小歷史觀測數(shù)據(jù)對當前估計值的 影響，增大當前觀測信息的校正作用，能夠有效的解決濾波發(fā)散問題。因此，本發(fā)明中采用 漸消記憶的卡爾曼濾波算法估計間隔誤差及其導(dǎo)數(shù)，利用估計值得到控制信號，發(fā)出控制 指令。本發(fā)明主要介紹了一種基于變間隔的協(xié)同控制方法，即想要的車輛間隔隨著車速加 快而線性增加。車輛間固定間距情形屬于本發(fā)明的一種特殊情況，本發(fā)明中，在設(shè)計每輛車 的控制規(guī)律中，同時考慮了前方車輛和后面車輛對當前車輛的影響。只考慮前方車輛或后 面車輛對當前車輛有影響的屬于本發(fā)明的特例，也在本發(fā)明的保護范圍之內(nèi)。通過漸消記 憶的卡爾曼濾波算法，利用可獲得的測量信號，得到間隔誤差及其導(dǎo)數(shù)的估計值，解決了間 隔誤差不可測的問題和濾波發(fā)散的問題。利用無線網(wǎng)絡(luò)進行通信，鄰居車輛之間實現(xiàn)信息 交換和共享，根據(jù)當前車輛及鄰居車輛的狀態(tài)的估計值，得到控制信號，發(fā)出控制指令，實 現(xiàn)協(xié)同控制。
[0022] 本發(fā)明相對于現(xiàn)有技術(shù)具有如下的優(yōu)點及效果：
[0023] 1、本發(fā)明中，采用了協(xié)同控制技術(shù)，鄰居車輛之間通過信息交換，能夠增強車隊的 安全性和道路通行效率。
[0024] 2、本發(fā)明中，提出的控制算法為基于間隔誤差的比例微分控制，同時考慮了前方 車輛和后面車輛的影響，控制效果更好。
[0025] 3、本發(fā)明中，采用了漸消記憶的卡爾曼濾波算法，估計間隔誤差、速度誤差和加速 度誤差，有效解決了間隔誤差不可測量和濾波發(fā)散的問題。
[0026] 4、本發(fā)明中，采用的是分布式的濾波算法，便于擴展，容錯能力強，計算量小，對硬 件設(shè)施要求低。

【專利附圖】

【附圖說明】
[0027] 圖1是本發(fā)明中間隔誤差的仿真曲線，圖中的實線、虛線、點劃線分別表示第二 個、第三個和第四個間隔誤差。
[0028] 圖2是本發(fā)明中汽車速度的仿真曲線。
[0029] 圖3是本發(fā)明中汽車加速度的仿真曲線。
[0030] 圖4是本發(fā)明中整個車隊系統(tǒng)的示意圖。

【具體實施方式】
[0031] 下面結(jié)合實施例及附圖對本發(fā)明作進一步詳細的描述，但本發(fā)明的實施方式不限 于此。
[0032] 實施例
[0033] 對于車隊系統(tǒng)，設(shè)第i輛車的位置為qi，速度為Pi，加速度為％，i為汽車在車隊中 編號，i G {1，…，n}，n為車隊中汽車的數(shù)量，qi，Pi， ai G R1。第i輛車和第i-1輛車之間 的安全距離定義為：
[0034] 8 j = d〇+ A Pi, i = 2, --?, n, (1)
[0035] 其中，入為時間常數(shù)，Cltl為最小安全距離，定義間隔誤差為：
[0036] ei = qH-qr S " i = 2,…，n, (2)
[0037] 汽車的動態(tài)方程如下：

【權(quán)利要求】
1. 基于觀測器的車隊協(xié)同自主控制方法，其特征在于，包括以下步驟： 步驟1 :初始化濾波器參數(shù)； 步驟2 :讀取傳感器的測量信息； 步驟3 :運用漸消記憶的卡爾曼濾波算法進行狀態(tài)估計； 步驟4 :鄰居車輛之間進行信息交換； 步驟5 :輸出控制信號，發(fā)出控制指令。
2. 根據(jù)權(quán)利要求1所述的基于觀測器的車隊協(xié)同自主控制方法，其特征在于，所述步 驟1中，所述的濾波器參數(shù)包括當前車輛狀態(tài)變量、誤差協(xié)方差矩陣和鄰居車輛的狀態(tài)變 量。
3. 根據(jù)權(quán)利要求2所述的基于觀測器的車隊協(xié)同自主控制方法，其特征在于，所述狀 態(tài)變量包括間隔誤差、速度誤差和加速度誤差，所述的狀態(tài)變量的初始值服從高斯分布。
4. 根據(jù)權(quán)利要求1所述的基于觀測器的車隊協(xié)同自主控制方法，其特征在于，在步驟2 中，所述傳感器包括車載雷達，速度傳感器和加速度傳感器；所述車載雷達裝在車頭，能夠 獲得當前車與前面車輛的距離以及當前車與前面車之間的相對速度；所述速度傳感器和加 速度傳感器安裝在汽車內(nèi)部，用于獲得當前汽車的速度值和加速度值，并得到觀測方程： Zi (k) = HiXi (k) +Yi+Vi (k), 其中，Zi為當前汽車的觀測值，Xi為當前汽車的狀態(tài)值,Yi為常數(shù)，V i為觀測噪聲，Hi為 觀測矩陣。
5. 根據(jù)權(quán)利要求1所述的基于觀測器的車隊協(xié)同自主控制方法，其特征在于，在步驟3 中，車隊中除第一輛以外的汽車均運用所述的卡爾曼濾波算法進行狀態(tài)估計。
6. 根據(jù)權(quán)利要求1所述的基于觀測器的車隊協(xié)同自主控制方法，其特征在于，在步驟3 中，所述卡爾曼濾波算法進行狀態(tài)估計后，得到狀態(tài)變量的估計值，濾波算法包括預(yù)測濾波 算法和濾波算法，所述濾波算法的預(yù)測方程為：
其中，毛(AK-I)為當前汽車的狀態(tài)變量在k時刻的預(yù)測值，為0-1A-1)為k-Ι時刻 狀態(tài)變量的估計值，G為汽車的系統(tǒng)矩陣，D為汽車的輸入矩陣，P (k I k-Ι)為k時刻協(xié)方差 矩陣的預(yù)測值，纟為外部輸入；濾波方程：
其中，K為濾波增益矩陣，p(kI k)為k時刻的協(xié)方差矩陣，為0μ)為k時刻狀態(tài)變量的 估計值，W為加權(quán)因子，R為觀測噪聲協(xié)方差矩陣。
7. 根據(jù)權(quán)利要求1所述的基于觀測器的車隊協(xié)同自主控制方法，在步驟4中，所述鄰居 車輛包括當前車輛前方的第一輛車和后方的第一輛車。
8. 根據(jù)權(quán)利要求1所述的基于觀測器的車隊協(xié)同自主控制方法，其特征在于，在步驟4 中，所述鄰居車輛只交換估計信息，減小通信數(shù)據(jù)量，降低對通信網(wǎng)絡(luò)的要求；估計信息包 括間隔誤差，速度誤差和加速度誤差。
9. 根據(jù)權(quán)利要求1所述的基于車載雷達和無線通信技術(shù)的車隊協(xié)同控制方法，其特征 在于，在步驟4中，在通信過程中，當前車輛監(jiān)聽信道，如果信道空閑，當前車輛廣播自身的 狀態(tài)變量估計值，持續(xù)一段時間后，停止廣播，接收鄰居車輛的廣播信息并進行存儲；如果 信道繁忙，接收鄰居車輛的廣播信息并進行存儲。
10. 根據(jù)權(quán)利要求1所述的基于車載雷達和無線通信技術(shù)的車隊協(xié)同控制方法，其特 征在于，所述步驟5中，當前車輛根據(jù)自身的估計值和鄰居車輛的估計值，按照如下的控制 算法：
輸出控制信號，發(fā)出控制指令。
【文檔編號】G05B13/04GK104391445SQ201410383803
【公開日】2015年3月4日 申請日期:2014年8月6日 優(yōu)先權(quán)日:2014年8月6日
【發(fā)明者】劉永桂, 潘創(chuàng), 高煥麗, 李伯忍 申請人:華南理工大學(xué)