数据驱动前馈加反馈补偿的转角优化方法及系统

本发明涉及自动驾驶，尤其涉及数据驱动前馈加反馈补偿的转角优化方法及系统。

背景技术：

1、基于电气化、人工智能和5g网络的智能网联自动驾驶汽车是汽车行业重要的发展趋势之一。自动驾驶汽车的路径跟踪横向控制系统可以分为上下两层控制器，上层控制器通过一定的车辆运动控制算法计算得到期望的前轮转角以 “快速”“平稳”“准确”的跟踪期望路径，下层控制器通过线控转向系统控制方向盘转动使前轮转角达到期望的角度，但在实际的转向控制中，由于转向系统内部的时滞性以及外部环境的随机性扰动，使得转向指令的输出与期望输出存在延迟和偏差，这一偏差量在实车测试中，特别是在高速低附着工况下，对自动驾驶车辆最终的路径跟踪精度产生了较大的影响，甚至会导致车辆的稳定性下降。

2、因此，仍需设计解决克服实际汽车转向系统时滞特性与外界环境的不确定性干扰的下层转向控制器。

技术实现思路

1、本发明针对现有自动驾驶路径跟踪下层转向执行系统时滞以及外部复杂环境不规则扰动带来的转向指令输出与期望输出存在偏差导致路径跟踪精度下降的问题，提供一种数据驱动前馈加反馈补偿的转角优化方法及系统。

2、本发明所采用的技术方案是：

3、提供一种数据驱动前馈加反馈补偿的转角优化方法，包括以下步骤：

4、s1、输入当前时刻及其前n个时刻的车速、期望方向盘转角到时延神经网络模型tdnn中，输出方向盘转角的前馈补偿；该时延神经网络模型tdnn预先通过样本训练，对不同车速下期望方向盘转角和实际方向盘转角之间的非线性关系进行拟合，估算出同一时刻当前指令中期望方向盘转角与实际方向盘转角之间的预测误差，作为期望方向盘转角的前馈补偿；

5、s2、期望方向盘转角经过前馈补偿后作为汽车转向系统的输入，汽车转向系统执行输出实际前轮转角；

6、s3、将实际前轮转角与期望前轮转角的偏差及偏差变化率输入模糊pid控制器，输出期望前轮转角的反馈补偿；具体将实际前轮转角与期望前轮转角的偏差及偏差变化率进行模糊化处理得到相应的模糊子集，根据模糊子集查找预先构建的不同特性的比例p、微分i、积分d模糊规则库，进行解模糊处理，计算得到对应pid的三个参数修正量，修正后的pid输出作为期望前轮转角的反馈补偿；

7、s4、期望前轮转角经过反馈补偿后，再经汽车转向系统转换为期望方向盘转角，回到步骤s1形成闭环。

8、接上述技术方案，该时延神经网络模型tdnn包括三层隐藏层和一个全连接层，该全连接层与模型输出相连接。

9、接上述技术方案，该时延神经网络模型tdnn使用平方损失函数作为代价函数：

10、

11、式中，为第t个采样数据，为方向盘输入和输出之间的实际测量误差，为tdnn的预测误差，n为采样数。

12、接上述技术方案，采集的样本训练数据包括：每间隔一定时间采集的车速、期望方向盘转角、实际方向盘转角。

13、接上述技术方案，时延神经网络模型tdnn网络学习率设置为0.001。

14、接上述技术方案，模糊子集均定义为{负大nb、负中nm、负小ns、零zo、正小ps、正中pm、正大pb}，其对应的论域定义为{-1,1}。

15、接上述技术方案，将三角隶属度函数用于小误差区域(nm,ns,zo,ps,pm)处；将高斯分布曲线用在误差大的区域(nb,pb)处。

16、接上述技术方案，预先构建的不同特性的比例p、微分i、积分d模糊规则库包括以下步骤：

17、采用mamdani法对模糊化的输入进行模糊推理；

18、根据比例、微分、积分的不同特性分别建立模糊规则库，并求出它们的隶属度。

19、接上述技术方案，期望方向盘转角生成过程为：

20、上层路径跟踪控制器通过车辆路径跟踪横向控制算法生成期望的前轮转角；

21、基于汽车转向系统角传动比，将期望的前轮转角转换成期望方向盘转角。

22、本发明还提供一种数据驱动前馈加反馈补偿的转角优化系统，包括：

23、方向盘转角前馈补偿模块，用于输入当前时刻及其前n个时刻的车速、期望方向盘转角到时延神经网络模型tdnn中，输出方向盘转角的前馈补偿；该时延神经网络模型tdnn预先通过样本训练，对不同车速下期望方向盘转角和实际方向盘转角之间的非线性关系进行拟合，估算出同一时刻当前指令中期望方向盘转角与实际方向盘转角之间的预测误差，作为期望方向盘转角的前馈补偿；

24、方向盘转角反馈补偿模块，用于将实际前轮转角与期望前轮转角的偏差及偏差变化率输入模糊pid控制器，输出期望前轮转角的反馈补偿；具体将实际前轮转角与期望前轮转角的偏差及偏差变化率进行模糊化处理得到相应的模糊子集，根据模糊子集查找预先构建的不同特性的比例p、微分i、积分d模糊规则库，进行解模糊处理，计算得到对应pid的三个参数修正量，修正后的pid输出作为期望前轮转角的反馈补偿。

25、本发明还提供了一种计算机存储介质，其内存储可被处理器执行的计算机程序，该计算机程序执行上述方案的数据驱动前馈加反馈补偿的转角优化方法。

26、本发明产生的有益效果是：本发明主要是对于转向系统的时滞特性，利用时延神经网络tdnn对不同速度下方向盘转角输入和前轮转角输出之间的非线性关系进行拟合，估算出同一时刻控制输入信号与实际测量的输入之间的差值，进而对输入量进行前馈补偿；再通过通过自适应模糊pid控制器对外部环境干扰造成的执行误差进行反馈补偿，从而对方向盘转向进行优化，提高自动驾驶路径跟踪精度。

技术特征：

1.一种数据驱动前馈加反馈补偿的转角优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的数据驱动前馈加反馈补偿的转角优化方法，其特征在于，该时延神经网络模型tdnn包括三层隐藏层和一个全连接层，该全连接层与模型输出相连接。

3.根据权利要求1所述的数据驱动前馈加反馈补偿的转角优化方法，其特征在于，该时延神经网络模型tdnn使用平方损失函数作为代价函数：

4.根据权利要求1所述的数据驱动前馈加反馈补偿的转角优化方法，其特征在于，采集的样本训练数据包括：每间隔一定时间采集的车速、期望方向盘转角、实际方向盘转角。

5.根据权利要求2所述的数据驱动前馈加反馈补偿的转角优化方法，其特征在于，时延神经网络模型tdnn网络学习率设置为0.001。

6.根据权利要求1所述的数据驱动前馈加反馈补偿的转角优化方法，其特征在于，模糊子集均定义为{负大nb、负中nm、负小ns、零zo、正小ps、正中pm、正大pb}，其对应的论域定义为{-1,1}。

7.根据权利要求6所述的数据驱动前馈加反馈补偿的转角优化方法，其特征在于，将三角隶属度函数用于小误差区域(nm,ns,zo,ps,pm)处；将高斯分布曲线用在误差大的区域(nb,pb)处。

8.根据权利要求1所述的数据驱动前馈加反馈补偿的转角优化方法，其特征在于，预先构建的不同特性的比例p、微分i、积分d模糊规则库包括以下步骤：

9.根据权利要求1所述的数据驱动前馈加反馈补偿的转角优化方法，其特征在于，期望方向盘转角生成过程为：

10.一种数据驱动前馈加反馈补偿的转角优化系统，其特征在于，包括：

技术总结
本发明公开了一种数据驱动前馈加反馈补偿的转角优化方法及系统，其中方法包括以下步骤：S1、输入当前时刻及其前n个时刻的车速、期望方向盘转角到时延神经网络模型TDNN中，输出方向盘转角的前馈补偿；S2、将经过前馈补偿的期望方向盘转角输入模糊PID控制器，输出反馈补偿方向盘转角；S3、将当前车辆的期望方向盘转角、前馈补偿方向盘转角、反馈补偿方向盘转角之和作为最终优化后的方向盘转角。本发明可对方向盘转向进行优化，提高自动驾驶路径跟踪精度。

技术研发人员：聂琳真,柯隽威,尹智帅,巴元新,何志伟,孙二千,张书霖,曾俊源
受保护的技术使用者：武汉理工大学
技术研发日：
技术公布日：2024/1/13