一种时变人车共享转向控制系统的驾驶特性参数辨识方法

1.本发明涉及个性化驾驶辅助技术领域，尤其涉及一种时变人车共享转向控制系统及驾驶特性参数辨识方法。


背景技术：

2.21世纪以来，汽车的自动驾驶水平不断提高，但是由于技术瓶颈及政策法规的限制，现有汽车的自动驾驶水平更多的处于l0-l3级，且短期内很难达到l4-l5级别。例如自适应巡航控制、车道保持系统、紧急制动系统等技术都属于l1-l3级别的自动驾驶技术，但是这类智能驾驶辅助系统所提供的控制效果，几乎不考虑驾驶员的特性和需求，仅仅单纯的在自动控制和手动驾驶之间相互切换，这种直接切换的行为，往往会带来驾驶人的不适应及不信任的问题。
3.因此，在实现l4-l5这类高级别自动驾驶之前，结合驾驶员特性和智能车控制系统的人机共享驾驶技术运用到智能车辆系统中，实现个性化的驾驶辅助控制，逐渐成为当前智能汽车技术研究的又一个主流方向。
4.在共享控制系统中，驾驶员和控制器不再是单独执行驾驶任务，控制器需要将驾驶员的生理、行为、状态等因素考虑在内，从而提供适合、稳定、安全的辅助控制输出。
5.但是，驾驶员是一个复杂多变的系统，其状态往往会随着时间发生频繁的变化，为了设计出驾驶员深度参与的共享控制器，就需要对驾驶员的状态进行准确建模，并将驾驶员状态模型与车-路模型进行合理的耦合，实时提取驾驶员特征参数，为控制器的求解提供原始数据。但是，现有技术中，未有关于此类方法的研究。


技术实现要素：

6.本发明要解决的技术问题：本发明的目的是为了解决现有技术中的不足，提供一种可综合驾驶员疲劳状态和特征参数的人车系统共享转向控制行为模型，并在线获取驾驶员状态特征参数的时变人车共享转向控制系统的驾驶特性参数辨识方法。
7.本发明的技术方案：本发明公开了一种时变人车共享转向控制系统的驾驶特性参数辨识方法，包括将双点预瞄驾驶员模型耦合二自由度车辆动力学模型并引入驾驶员疲劳程度以确定控制权限，借助递推最小二乘法获取时变参数，对驾驶员状态参数进行辨识；
8.所述双点预瞄驾驶员模型包括近预瞄点和远预瞄点；
9.所述远预瞄点表征驾驶员对道路边界的感知能力，所述远预瞄点夹角为车辆与远预瞄点的连线和车辆行驶方向之间的夹角；
10.所述近预瞄点表征驾驶员对车辆偏航状态的感知能力，所述近预瞄点夹角为车辆与近预瞄点的连线和车辆行驶方向之间的夹角。
11.进一步的，由二自由度车辆动力学模型和双点预瞄驾驶员模型，建立车-路模型，获取当前车辆的横向误差和航向误差；
12.以驾驶员输入的方向盘转角和近预瞄点夹角、远预瞄点夹角两个视觉角度为输
入，建立驾驶员转向行为模型，通过最小二乘法辨识所述驾驶员转向行为模型的模型参数，耦合驾驶员转向行为模型和车路模型，得到人车共享转向控制系统模型。
13.进一步的，包括如下步骤：
14.s1.由道路曲率和车辆横向误差、航向误差建立远预瞄点和近预瞄点，用于描述驾驶员的视觉角度；
15.s2.构建驾驶员对前方道路的预瞄行为建模、驾驶员对车辆横向误差和航向误差的补偿行为建模以及神经肌肉响应行为建模，建立描述驾驶员转向操纵过程的驾驶员转向行为模型；
16.s3.将驾驶员转向行为模型和基于疲劳评价的时变控制权限耦合到二自由度车辆动力学模型，构建时变人车系统共享转向控制行为模型；
17.s4.建立基于递推最小二乘法的系统参数辨识模型，借助驾驶模拟器半实物平台采集数据，对驾驶员状态参数进行辨识。
18.进一步的，所述驾驶员对前方道路的预瞄行为建模g
p
＝k
p
(t)θf；
19.式中，预瞄增益k
p
表征驾驶员对前方道路的感知能力、远预瞄点夹角θf＝dfρr，df为驾驶员远点预瞄距离；
20.所述驾驶员对车辆横向误差和航向误差的补偿行为建模gc＝kc(t)θn；
21.式中，补偿增益kc表征驾驶员对误差的补偿能力、近预瞄点夹角l
p
为驾驶员远点预瞄距离、y
l
为车辆的横向误差、为车辆航向误差；
22.由驾驶员决策行为得到的方向盘转向输入为：
[0023][0024]
进一步的，将神经肌肉传导后的响应作为车辆的实际转向输入，以阻尼比为ξ，固有频率为ωn的二阶系统描述驾驶员的转向行为的响应特性，所述驾驶员转向行为模型
[0025]
进一步的，将前轮转角作为输入的驾驶员模型的状态空间方程为：
[0026][0027]
式中，车辆的转向比为rg；
[0028]
将驾驶员与控制器之间基于驾驶员疲劳评价的时变控制权限引入到驾驶员-车辆模型中，以适应驾驶员的疲劳状态，所述时变控制权限包括控制器权限λc和驾驶员权限λd，实际前轮转向角可表示为：
[0029][0030]
λd(t) λc(t)＝1
[0031]
式中，δ
fd
为驾驶员输入的前轮转角、为驾驶员最终输入的有效前轮转角、δ
fc
为控制器输入的前轮转角、为驾驶员最终输入的有效前轮转角。
[0032]
进一步的，所述时变人车系统共享转向控制行为模型：
[0033][0034][0035]
u＝δ
fc
[0036]
ρ＝[k
p
(t) kc(t) ξ(t) ωn(t) λd(t)]
[0037][0038][0039]bω
(ρ)＝[0 0
ꢀ‑vx
l
p
ꢀ‑vx 0 rgk
p
(t)lf]
t
[0040]
式中，为状态变量x的一阶微分，u＝δ
fc
为控制输入，a(ρ)、bu(ρ)、b
ω
(ρ)是人车系统共享转向控制行为模型的系数矩阵，k
p
(t),kc(t),ξ(t),ωn(t)为驾驶员转向行为模型的时变参数，根据驾驶员的疲劳状态，呈现一定的时变特性。
[0041]
进一步的，所述步骤s4还包括如下步骤，
[0042]
s41.通过双线性变化法则,将所述时变人车系统共享转向控制行为模型映射到z平面，做s域到z域变换的变量代换：式中，ts为系统采样时间；
[0043]
得到变换后的z平面的系统表达式为：
[0044][0045]
式中，δd为驾驶员输入的方向盘转角；
[0046]
s42.将z平面的表达式转化到离散时域中，得到离散差分方程为：
[0047]
aδd(k) bδd(k-1) cδd(k-2)＝k
p
(t)[θf(k) 2θf(k-1) θf(k-2)] kc(t)[θn(k) 2θn(k-1) θn(k-2)]
[0048][0049][0050]
[0051]
s43.构建递推最小二乘法辨识的辨识模型为：
[0052]
δd(k)＝φ
t
β
[0053][0054]
φ＝nδd(k-1) δd(k-2) θf(k) 2θf(k-1) θf(k-2) θn(k) 2θn(k-1) θn(k-2)]
t
[0055]
式中，β，φ是辅助变量，用于表示矩阵参数。
[0056]
s44.针对时变系统，建立在线的带有遗忘因子的递推最小二乘辨识算法的递推关系：
[0057][0058]
s45.根据递推关系，求解每一个采样时刻的参数：
[0059][0060]
s46.根据β(k)的每一个元素与驾驶员转向行为特征参数k
p
,kc,ξ,ωn的函数映射关系，可获取每一个采样时刻的时变的驾驶员转向特征参数。
[0061]
进一步的，所述l
p
＝0.4df。
[0062]
本发明与现有技术相比的有益效果：
[0063]
相较于现有技术，本发明综合考虑了驾驶员的转向行为特征和车辆、道路模型，能够准确的描述驾驶员依据道路信息的转向操纵行为特性，并高效的求解模型中的时变参数。本发明提出的模型及辨识方法可广泛应用于考虑驾驶员纵向行为的个性化辅助控制系统的研究和应用，具有一定实用性。
附图说明
[0064]
图1为本发明的时变人车系统共享转向控制行为模型架构图。
[0065]
图2为prescan中建立的u-turn场景工况。
[0066]
图3为不同驾驶员正常状态、中度疲劳、重度疲劳下参数ξ的统计结果。
[0067]
图4为不同驾驶员正常状态、中度疲劳、重度疲劳下参数ωn的统计结果。
[0068]
图5为不同驾驶员正常状态、中度疲劳、重度疲劳下参数k
p
的统计结果。
[0069]
图6为不同驾驶员正常状态、中度疲劳、重度疲劳下参数kc的统计结果。
具体实施方式
[0070]
下面将参照附图及发明内容，详细描述根据本发明提出的时变人车共享转向控制系统及驾驶特性参数辨识方法的实施。
[0071]
本发明提出了一种时变的驾驶员-车辆共享转向控制系统及相应的驾驶员参数辨
识方法。首先由道路曲率和车辆横向误差、航向误差建立远、近预瞄点描述驾驶员的视觉角度；然后考虑驾驶员的预瞄行为、补偿行为和神经肌肉响应行为，引入描述驾驶员转向操纵过程的二阶系统；在此基础上，结合二自由度车辆动力学模型构建了时变的驾驶员-车辆系统共享转向控制行为模型；最后建立了基于递推最小二乘法的系统参数辨识模型，借助驾驶模拟器半实物平台采集数据，对驾驶员-车辆共享转向控制系统中的驾驶特性参数进行辨识。本发明所提出的驾驶员模型和辨识方法能够准确的描述驾驶员依据道路信息的转向操纵行为特性，并高效地求解模型中的时变参数，在考虑驾驶员转向行为特征进行人车协作共享控制，具有实用性。
[0072]
具体来说，如图1所示，根据由二自由度车辆动力学模型和双点预瞄驾驶员模型，建立车-路模型，获取当前车辆的横向误差y
l
和航向误差
[0073]
以驾驶员输入的方向盘转角δd和近预瞄点夹角θn、远预瞄点夹角θf两个视觉角度为输入，通过最小二乘法辨识所建立的驾驶员转向行为模型的模型参数，耦合驾驶员模型和车路模型，得到人车共享转向控制系统模型。
[0074]
本发明包括如下步骤：
[0075]
首先，以远预瞄点表征驾驶员对道路边界的感知能力，远预瞄点夹角为车辆与远预瞄点的连线和车辆行驶方向之间的夹角，计算公式为：
[0076]
θf＝lfρr[0077]
其中，df为驾驶员远点预瞄距离，本实施例中取df＝30m。
[0078]
以近预瞄点表征驾驶员对车辆偏航状态的感知能力，近预瞄点夹角为车辆与近预瞄点的连线和车辆行驶方向之间的夹角，计算公式为：
[0079][0080]
其中，l
p
为驾驶员远点预瞄距离，取l
p
＝0.4df，y
l
、分别为车辆的横向误差和航向误差。
[0081]
考虑驾驶员对前方道路的预瞄行为，以一个预瞄增益k
p
表征驾驶员对前方道路的感知能力：
[0082]gp
＝k
p
(t)θf[0083]
考虑驾驶员对车辆横向误差和航向误差的补偿行为，以一个补偿增益kc表征驾驶员对误差的补偿能力：
[0084]
gc＝kc(t)θn[0085]
所以，由驾驶员决策行为得到的方向盘转向输入为：
[0086][0087]
对车辆的实际转向输入则是经神经肌肉传导后的响应，以阻尼比为ξ，固有频率为ωn的二阶系统近似描述驾驶员的转向行为的响应特性，得到驾驶员转向行为模型为：
[0088][0089]
假设车辆的转向比为rg，以前轮转角作为输入的驾驶员模型的状态空间方程为：
[0090][0091]
将驾驶员与控制器之间基于驾驶员疲劳评价的时变控制权限引入到人车模型中，以适应驾驶员的疲劳状态，即实际前转向角可表示为：
[0092][0093]
将驾驶员模型和基于疲劳评价的时变控制权限耦合到二自由度车辆动力学模型，得到时变人车系统共享转向控制行为模型：
[0094][0095][0096]
u＝δ
fc
[0097]
ρ＝[k
p
(t) kc(t) ξ(t) ωn(t) λd(t)]
[0098][0099][0100]bω
(ρ)＝[0 0
ꢀ‑vx
l
p
ꢀ‑vx 0 rgk
p
(t)lf]
t
[0101]
模型中的k
p
(t),kc(t),ξ(t),ωn(t)为本发明提出的驾驶员转向行为模型的时变参数，往往根据驾驶员的疲劳状态，呈现一定的时变特性，考虑包含四个参数的双输入单输出的驾驶员二阶系统，通过双线性变化法则映射到z平面，即做s域到z域变换的变量代换：ts为系统采样时间。
[0102]
得到变换后的z平面的系统表达式为：
[0103][0104]
式中，δd为驾驶员输入的方向盘转角；
[0105]
整理上述变换后的z平面的系统表达式，将z平面的表达式转化到离散时域中，得到离散差分方程为：
[0106]
aδd(k) bδd(k-1) cδd(k-2)＝k
p
(t)[θf(k) 2θf(k-1) θf(k-2)] kc(t)[θn(k) 2θn(k-1) θn(k-2)]
[0107][0108][0109][0110]
构建递推最小二乘法辨识的辨识模型为：
[0111]
δd(k)＝φ
t
β
[0112][0113]
φ＝[δd(k-1) δd(k-2) θf(k) 2θf(k-1) θf(k-2) θn(k) 2θn(k-1) θn(k-2)]
t
[0114]
针对时变系统，建立在线的带有遗忘因子的递推最小二乘辨识算法的递推关系：
[0115][0116]
根据递推关系，即可求解每一个采样时刻的参数：
[0117][0118]
根据β(k)的每一个元素与驾驶员转向行为特征参数k
p
,kc,ξ,ωn的函数映射关系，可获取每一个采样时刻的时变的驾驶员转向特征参数。
[0119]
实施例：
[0120]
在驾驶员在环的半物理仿真实验平台上进行试验，搭建模型参数辨识算法，在matlab/simulink-prescan联合仿真实验软件环境下进行驾驶员纵向模型的在线辨识。
[0121]
在prescan中搭建如图2所示的u-turn场景，半圆弯道半径为100m，共选择三位驾驶员，分别在正常状态、中度疲劳和重度疲劳的状态下操纵方向盘控制车辆(纵向设置为定速巡航)，进行9次试验，进行驾驶员转向模型的参数在线辨识。
[0122]
通过辨识算法求解的驾驶员特征参数，将结果进行整理分析。
[0123]
图3-6为正常状态、中度疲劳状态和重度疲劳状态下几位驾驶员的参数辨识结果，截取第19秒至第34秒车辆在弯道上的结果。其中，下标mean表示各个采样时刻的不同驾驶员参数的平均值，下标max表示各个采样时刻的不同驾驶员参数的最大值，下标min表示各个采样时刻的不同驾驶员参数的最大值；上标n、m、h分别表示驾驶员的正常状态、中度疲劳状态和重度疲劳状态。
[0124]
从辨识结果可以发现，在正常、重度疲劳、重度疲劳下，各个参数有明显的范围边界。
[0125]
如图3所示，阻尼比ξ随疲劳程度加深而变小，说明驾驶员越疲劳，会出现频繁但不准确的方向修正行为；
[0126]
如图4所示二阶系统中，固有频率ωn随疲劳程度加深而变小，说明驾驶员越疲劳，其操纵行为的反应会更加迟钝；
[0127]
如图5所示，k
p
对应θf输入，即与道路曲率相关，随疲劳程度加深而减小，说明驾驶员越疲劳，对道路信息的感知灵敏度降低；
[0128]
如图6所示，kc对应θn输入，即与位置误差和航向误差相关，随疲劳程度加深而震荡明显，说明驾驶员越疲劳，对误差感知能力更不确定，对车辆的位置控制能力变弱。
[0129]
参数的特征符合系统规律，具有时变特性，将参数实时输入人车系统共享转向控制行为模型中，可用于个性化辅助控制器的设计。
[0130]
上述仅为本发明的构思作举例说明。本发明亦可以针对具体交通环境场景和具体驾驶员状态对人车系统共享转向控制行为模型和辨识算法进行微调和改进，凡对本发明进行的非实质性的改动，均应属于侵犯本发明保护范围的行为。