基于模型的预测控制确定车辆致动器的输入变量的制作方法

基于模型的预测控制确定车辆致动器的输入变量
1.本发明涉及藉由基于模型的预测控制来确定车辆致动器的输入变量。
2.在自动驾驶的背景下，对车辆的轨迹控制系统在跟踪精度、稳定性和鲁棒性方面提出了严格的要求。这些特性必须在轨迹控制系统的整个工作范围内得到保证。影响轨迹控制的重要因素是轮胎/路面接触，因为车辆与道路之间的动力传输发生在这里。在轨迹控制系统中将轮胎/路面接触纳入考虑可以通过所谓鲁棒控制的方法进行，或者当有涉及轮胎/路面接触的信息可用时，藉由所谓增益调度的方式进行。
3.此外已知的是，在轨迹控制领域，可以采用基于模型的预测控制(model predictive control，简称mpc)方法。mpc方法由于其灵活性和对轨迹未来趋向的明确考虑，可以实现高控制性能。mpc方法的特殊优势是直接考虑与致动器相关的被操纵变量的限制条件。因此，关于轮胎/路面接触(例如呈最大摩擦系数的形式)的信息可以被整合到基于模型的预测控制的预测模型中。可以藉由例如统计方法进行轮胎/路面接触(例如呈最大摩擦系数的形式)的确定。仅以基于摩擦系数的预测模型的形式将此信息整合到mpc控制中，只能在特殊情况下确保车辆安全地遵循预定轨迹。特别是，当系统动态达到预测界限长度的数倍时，不能确保轨迹设定的安全实施。这意味着，例如，在预测界限内车辆不能将其速度改变为任意值，而是速度的适配需要比预测界限的时间长度更长的时间。
4.本发明的目的在于提供一种技术，该技术确保车辆以特别安全的方式自主或半自主地遵循为其预定的轨迹。
5.该目的是通过独立权利要求的主题实现的。有利的实施例是从属权利要求、以下说明以及附图的主题。
6.本发明提出了通过用安全的状态范围来扩展mpc控制，从而解决所描述的问题表述。为此，可以在mpc控制的优化问题中引入额外的辅助条件，例如基于涉及轮胎/路面接触的随机信息。这些辅助条件限制了被允许的系统状态(例如，车辆速度)的范围，使得车辆以指定安全性遵循预定轨迹。特别是，安全状态范围的确定将所有可用的轨迹信息都纳入考虑，而不仅仅是处于预测界限内的部分。尽管会有不确定的规划设定(例如超速)，但本发明使得轨迹控制能够确保车辆保持在安全的状态范围内。
7.在这方面，根据本发明的第一方面，提出了一种处理器单元，用于藉由基于模型的预测控制来确定车辆致动器的输入变量。
8.根据本发明的第二方面，提出了一种系统，用于藉由基于模型的预测控制来确定车辆致动器的输入变量。该系统特别是可以包括传感器单元，该传感器单元被设置用以记录该车辆的环境状态和/或该车辆的状态和/或该车辆的运行状态，以在此基础上生成状态数据记录并且将所述数据记录传输给处理器单元。特别地，传感器单元可以被设置用以通过传感器装置记录轮胎/路面的接触质量，以在此基础上生成摩擦系数数据记录并且将所述数据记录传输给处理器单元。
9.根据本发明的第三方面，提出了一种车辆，该车辆具有根据本发明第二方面的系统。
10.根据本发明的第四方面，提出了一种方法，用于藉由基于模型的预测控制来确定
车辆致动器的输入变量。
11.根据本发明的第五方面，提出了一种计算机程序产品，用于藉由基于模型的预测控制来确定车辆致动器的输入变量。
12.下文中将描述本发明及其实施例的细节、可选特征、技术效果以及由此产生的优点和可推导解决的技术问题，大部分结合根据本发明的第一方面的处理器单元。然而，在适当改变细节的情况下，这些陈述也适用于根据本发明第二方面的系统、根据本发明第三方面的车辆、根据本发明第四方面的方法、以及根据本发明第五方面的计算机程序产品。
13.因此，处理器单元可以被设置用以藉由基于模型的预测控制来确定车辆致动器的输入变量。在一些实施例中，处理器单元还被设置用以藉由基于模型的预测控制来控制致动器，从而控制车辆。致动器例如可以是影响或控制车辆转向系统的致动器(转向致动器)、影响或控制车辆驱动系统(特别是车辆的内燃机或电动马达)的致动器(驱动致动器)、或者影响或控制车辆制动系统的致动器(制动致动器)。本发明及其实施例将主要结合单个致动器予以描述。然而，在适当改变细节的情况下，这些陈述也适用于数个致动器，特别是不同类型的数个致动器。这意味着可以用本发明的主题来确定车辆的数个(特别是不同的)致动器的输入变量。此外，致动器可以实时地按照确定的输入变量来进行动作，因此可以控制车辆。特别地，可以控制车辆的方式为使得自主车辆地(也就是说，没有车辆驾驶员干预车辆的转向或控制)、至少是半自主地移动。
14.处理器单元可以包括接口。处理器单元可以被设置用以藉由接口访问状态数据记录。
15.接口特别是支持数据交换(特别是一方面处理器单元与另一方面传感器单元之间的数据交换)的通信接口。此外，经由接口，处理器单元可以将命令传输给车辆的致动器，例如传输给车辆的转向致动器和/或制动致动器和/或驱动致动器。处理器单元特别是被设置用以藉由接口访问由传感器单元生成的车辆周围区域的拍摄记录，并且将确定的输入变量应用于致动器，或者命令这样的应用，使得车辆以预定安全性遵循预定轨迹。
16.例如，状态数据记录可以包含关于车辆当前具体位置的信息。状态数据记录可以表示车辆的环境状态，例如，是否有其他道路使用者位于车辆附近以及位于何处、车辆正在其上移动的路面的状态、或者车辆的外部环境中正处于主导地位的天气类型。替代性地或附加地，状态数据记录可以表示车辆的状态，例如，车辆的当前位置。同样替代性地或附加地，状态数据记录可以表示车辆的运行状态，例如，车辆的当前速度、车辆的当前偏航速率、车辆的当前纵向加速度和侧向加速度、或者车辆的当前侧滑角。
17.此外，处理器单元可以被设置用以藉由接口访问车辆的轨迹信息或预定轨迹。预定轨迹可以通过轨迹算法或者通过自主驾驶系统(autonomous driving system，简称ad系统)生成。ad系统典型地包括用传感器感知环境的模块，以及规划模块。规划模块可以包括数个级别，例如，相对较大范围的导航级别(例如，数公里；此处可以选择从起点到终点的路线)和相对较小范围的导航级别(例如，取决于车辆的速度，在前方50米至100米内；此处可以选择车辆附近的路径和速度，以确定车辆在交通中如何移动)。规划模块生成轨迹，该轨迹被指定给mpc控制，并且可以作为输入值被下文描述的辅助条件算法访问。
18.mpc算法包括模型，藉由该模型基于计算出的致动器的未来输入变量来计算未来的轨迹。将这个计算出的或预测的轨迹与预定的轨迹进行比较，并且通过对致动器的未来
输入变量进行适配来进行最优化，其方式为使得预测的轨迹尽可能地接近预定轨迹。
19.处理器单元可以被设置用以执行用于计算辅助条件的辅助条件算法(第一功能块)，以及用于基于模型的预测控制的mpc算法(第二功能块)。为此，处理器单元可以展现单个处理器，该处理器既执行用于确定辅助条件的算法也执行mpc算法。替代性地，处理器单元还可以包括执行用于确定辅助条件的算法的第一处理器，以及执行mpc算法的第二处理器。
20.mpc算法用辅助条件解决优化问题。辅助条件由辅助条件算法确定。在这方面，处理器单元可以被设置用以通过执行该辅助条件算法，根据该轨迹信息并且根据该状态数据记录确定用于该mpc算法的辅助条件。辅助条件算法采用状态数据记录作为输入变量，以便以mpc控制处于安全状态或处于可实施状态的方式确定用于mpc算法的辅助条件。
21.处理器单元还可以被设置用以通过执行该mpc算法，根据该辅助条件确定用于该车辆的致动器的输入变量，使得在未来的预测的轨迹中车辆以预定安全性遵循预定轨迹。此外，辅助条件特别是还可以根据预定轨迹并且根据预测的轨迹来确定。辅助条件(例如速度限制，不一定要设置得特别保守，也就是说，具有非常高程度的安全性)因为即使在其典型地有限的时间预测界限内，mpc算法仍可以降低速度(在物理限制界限内)，以便在状态发生变化时将车辆保持在安全的状态范围内。
22.换言之，在mpc算法中辅助条件作为优化问题的边界条件被纳入考虑。可以选择辅助条件的方式为使得这些辅助条件对应于沿着轨迹实际上可能的情况之外的车辆状态。可以选择辅助条件的方式为使得在其预测界限内让mpc算法能够带车辆达成实际上可实现的状态。凭借所提出的由独立的辅助条件算法和mpc算法组成的结构，辅助条件算法能够充分利用轨迹信息，而mpc算法的预测界限可以选择为更短。在辅助条件算法和mpc算法中作为输入的轨迹信息不必处于实际上可能的车辆状态中。这将不可避免地导致保守的轨迹规划，因为不可能精确估计实际上可能的车辆状态。
23.在一个实施例中，状态数据记录包括表示轮胎/路面接触质量的摩擦系数数据记录。通过“轮胎/路面接触质量”，可以理解以下内容：车辆展现了数个车轮，每个车轮有一个轮胎。这些轮胎中的每一个轮胎都与车辆行驶于其上(或者更准确地说，轮胎在其上滚动)的路面、特别是道路相接触。因此，轮胎与路面相接触。这种接触的质量特别是可以通过轮胎与路面之间的摩擦系数来指示。较高的摩擦系数对应于较高的轮胎/路面接触质量，较低的摩擦系数对应于较低的轮胎/路面接触质量。
24.在一个实施例中，该处理器单元被设置用以藉由接口从传感器单元接收该摩擦系数数据记录，为此该传感器单元通过传感器装置记录该轮胎/路面接触的质量。在替代实施例中，该处理器单元被设置用来以统计方式、特别是随机方式确定该摩擦系数数据记录。在另一个实施例中，例如经由车对车网络或经由车对x网络，处理器单元可以从其他车辆、基础设施或服务器接收摩擦系数。
25.可以基于辅助条件算法和mpc算法的结果来控制车辆。在这方面，在一个实施例中规定，藉由该处理器单元，使该致动器按照该确定的输入变量来进行动作。例如，车辆可以展现分配给致动器的控制设备。控制设备可以将输入变量应用于致动器。处理器单元继而可以控制该控制设备。因此，可以主动并且实际地干预车辆的控制，以便使车辆不仅处于预测模型内，而且也确实处于安全的状态范围内。首先，由处理器单元确定用于致动器的最优
输入变量。接着在致动器中实施输入变量，其输出变量改变或操纵车辆的运动。车辆于是理想地以预定安全性遵循预定轨迹。
26.可以在mpc算法中选择相对较短的时间预测界限，以便能够将计算工作量保持在低到可以进行实时控制的程度。通过纳入由辅助条件算法确定的辅助条件，mpc算法可以补偿其相对较短的时间预测界限。如果没有辅助条件，在某些情况下，单靠mpc控制并不能足够前瞻地进行控制，例如，由于预测界限之外的未来状态变化，例如，假如必须通过弯道上特别滑的路段，为了充分降低相对较高的速度。
27.用于安全的状态范围的辅助条件的计算可以独立于mpc算法的预测界限进行，并且可以纳入所有轨迹信息。所以，用于安全的状态范围的辅助条件可以将车辆的速度限制在能够在预测界限内减速到安全速度的最大速度。特别是，安全的状态范围的确定因此将所有可用的轨迹信息都纳入考虑，而不仅是处于预测界限内的部分。在这方面，根据进一步的实施例规定，该处理器单元被设置用以通过执行该辅助条件算法，根据该整个预定轨迹确定该辅助条件。换言之，通过执行辅助条件算法来确定辅助条件不受为mpc算法建立的预测界限的限制。
28.本发明的示例性实施例将在下文中参照附图进行详细说明，该附图是示意性的并且不按比例绘制，其中类似或相似的元素具有相同的附图符号。附图中示出的是：
29.图1具有藉由基于模型的预测控制来控制车辆的系统的车辆的俯视图；
30.图2根据图1的车辆正自主或半自主地行驶于其上的路面的俯视图；以及
31.图3用于确定根据图1的车辆的致动器的输入变量的模块。
32.图1示出了车辆1。车辆1包括系统2，该系统用于确定车辆致动器的输入变量，并且用于藉由基于模型的预测控制来控制车辆。在所示出的示例性实施例中，系统2包括处理器单元3、存储器单元4、通信接口5和传感器单元6。在所示出的示例性实施例中，传感器单元6包括数码相机系统，该数码相机系统在下文中称为“相机”。相机6可以布置在车辆上的方式为使得相机6的视野可以拍摄到车辆的外部周围区域，以及可选地拍摄到车辆1正在其上移动的路面7(图2)。传感器单元6可以包括多个进一步的传感器16，例如，这些传感器被设置成确定车辆的位置、及其速度、偏航速率或侧向加速度，并将这些数据提供给处理器单元3。处理器单元3可以例如经由通信接口5访问呈状态数据记录17形式的此信息。
33.相机6相继地并且连续地记录图像(例如还包括路面7的图像)，由此生成还包括路面7的视频或图像序列。在此视频或此图像序列的各个图像中，可以描绘出图像细节(感兴趣区域，简称roi)，可以借助图像识别的方法从这些图像细节中检测出例如车辆1的轮胎与路面7之间的当前摩擦系数。替代性地，车辆1的轮胎与路面7之间的当前摩擦系数也可以通过随机方法确定，或者可以从另一车辆、交通基础设施设备或交通服务器传输到车辆1，使得处理器单元3同样可以访问呈状态数据记录形式的该摩擦系数。此外，车辆1包括多个致动器。第一致动器8、第二致动器9和第三致动器10已经通过图1中的示例加以表示。第一致动器8可以控制车辆1的转向(转向致动器8)。第二致动器9可以控制车辆1的驱动(驱动致动器9)。第三致动器10可以控制车辆1的制动器(制动致动器10)。
34.计算机程序产品11可以已经存储在存储器单元4中。计算机程序产品11可以在处理器单元3中执行，为此目的，处理器单元3和存储器单元4藉由通信接口5相互连接。当在处理器单元3中执行计算机程序产品11时，该计算机程序产品指示处理器单元3执行结合附图
描述的功能，或者更准确地说，执行该方法的步骤。
35.图2示出了在道路的路面7上的车辆1。在图2示出的示例中，车辆1以20米/秒的速度行驶在路面7上。路面7展现了第一路段12和直接与第一路段12毗连的第二路段13。第一路段12直行，长度为50米。第二路段13是左转弯道。
36.图3示意性地示出了计算机程序产品11的各个部件和算法，该算法用于藉由基于模型的预测控制来确定车辆致动器8、车辆致动器9和车辆致动器10中至少一个车辆致动器的输入变量19。计算机程序产品11包括用于计算辅助条件18的辅助条件算法14(可行状态估计器)，以及用于计算(例如车辆1的制动致动器10的)输入变量19的mpc算法15。此外，计算机程序产品11包括用于从轨迹信息p计算mpc参考轨迹的轨迹算法20。
37.处理器单元3藉由接口5访问状态数据记录17，该状态数据记录包含例如关于车辆1的当前位置和速度的信息，以及还有关于弯道13上的路面7的摩擦系数的信息。此外，处理器单元3藉由接口5访问车辆1的轨迹信息p和通过轨迹算法计算出的轨迹在根据图2的示例中，提供给辅助条件算法14的轨迹信息p表明指定的行程路线首先是在直行路段12上直行50米，然后按照弯道13的趋向转向左侧。轨迹算法计算出的轨迹短于轨迹信息p，因此只包含轨迹信息p的一小部分。
38.例如，如果mpc算法15的预测界限等于1秒，则缺乏用于安全的状态范围的辅助条件的mpc控制只能对逼近的左转弯道13作出反应(如果左转弯道处于预测界限内)。然而，取决于当前轮胎/路面接触的情况，为了将车辆1的速度降低到能够安全通过弯道13的程度，这时作出反应可能为时已晚。着眼于解决这个问题，处理器单元3执行辅助条件算法14，从而根据状态数据记录17并且根据轨迹信息p，确定用于mpc算法15的至少一个辅助条件18。凭借辅助条件算法14，可以计算出辅助条件18，该辅助条件构成车辆1在轨迹上可以实现的状态空间的外边界。确定用于mpc算法15的至少一个辅助条件18的方式为使得mpc控制处于安全状态或处于可实施状态。因此，确定了mpc控制的状态的安全或可能的辅助条件18。换言之，至少一个辅助条件18限定了安全状态空间，该安全状态空间可以作为预定轨迹的辅助条件提供给mpc算法15。
39.mpc算法15包括模型，藉由该模型，基于计算出的至少一个致动器8、9、10的未来输入变量，计算出车辆1的未来轨迹。将这个计算出的或预测的轨迹与预定的轨迹进行比较，并且通过对相关致动器8、9和/或10的未来被操纵变量或输入变量19(例如，转向角、制动扭矩、驱动扭矩等)进行操纵来进行最优化，其方式为使得预测的轨迹尽可能地接近预定轨迹。
40.处理器单元3执行mpc算法15，从而根据辅助条件18确定(例如车辆1的制动致动器10的)输入变量19，使得在未来的预测的轨迹中车辆1以预定安全性遵循预定轨迹。处理器单元3还指示致动器10执行对应于输入变量19的调整。例如，如果状态数据记录17包含弯道14上将非常滑的信息，辅助条件算法14于是可以确定辅助条件18，其方式为使得通过执行mpc算法15确定的制动致动器10的输入变量19为制动车辆1做足了准备，以确保安全通过弯道13并且防止车辆1以过高速度进入弯道区域。
41.附图标记
42.ꢀꢀꢀꢀꢀꢀ
轨迹信息
43.p
ꢀꢀꢀꢀꢀꢀꢀ
轨迹
[0044]1ꢀꢀꢀꢀꢀꢀꢀ
车辆
[0045]2ꢀꢀꢀꢀꢀꢀꢀ
系统
[0046]3ꢀꢀꢀꢀꢀꢀꢀ
处理器单元
[0047]4ꢀꢀꢀꢀꢀꢀꢀ
存储器单元
[0048]5ꢀꢀꢀꢀꢀꢀꢀ
通信接口
[0049]6ꢀꢀꢀꢀꢀꢀꢀ
具有相机的传感器单元
[0050]7ꢀꢀꢀꢀꢀꢀꢀ
路面
[0051]8ꢀꢀꢀꢀꢀꢀꢀ
转向致动器
[0052]9ꢀꢀꢀꢀꢀꢀꢀ
驱动致动器
[0053]
10
ꢀꢀꢀꢀꢀꢀ
制动致动器
[0054]
11
ꢀꢀꢀꢀꢀꢀ
计算机程序产品
[0055]
12
ꢀꢀꢀꢀꢀꢀ
第一路段(直行)
[0056]
13
ꢀꢀꢀꢀꢀꢀ
第二路段(左转弯道)
[0057]
14
ꢀꢀꢀꢀꢀꢀ
辅助条件算法
[0058]
15
ꢀꢀꢀꢀꢀꢀ
mpc算法
[0059]
16
ꢀꢀꢀꢀꢀꢀ
用于生成状态数据记录的传感器
[0060]
17
ꢀꢀꢀꢀꢀꢀ
状态数据记录
[0061]
18
ꢀꢀꢀꢀꢀꢀ
用于mpc算法的辅助条件
[0062]
19
ꢀꢀꢀꢀꢀꢀ
致动器的输入变量
[0063]
20
ꢀꢀꢀꢀꢀꢀ
轨迹算法