[發(fā)明專利]一種無人車數(shù)據(jù)驅(qū)動控制方法和裝置

在審

• 申請?zhí)枺?/td>: 202110433856.8
• 申請日: 2021-04-22
• 公開（公告）號: CN112989499A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計）人: 蔣薇;劉晉澤;蘇紹璟;左震;郭曉俊
• 申請（專利權(quán)）人: 中國人民解放軍國防科技大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20
• 代理公司: 長沙國科天河知識產(chǎn)權(quán)代理有限公司 43225
• 代理人: 段盼姣

本申請涉及一種無人車數(shù)據(jù)驅(qū)動控制方法、裝置、計算機設(shè)備和存儲介質(zhì)。方法包括：通過傳感器獲取無人車在行駛狀態(tài)下的多組數(shù)據(jù)對信息，構(gòu)建非線性靜態(tài)映射模型和高維線性動態(tài)演化模型，其中非線性靜態(tài)映射模型滿足在狀態(tài)量為0時，非線性靜態(tài)映射模型的值為0。在預測時域內(nèi)以最小化期望軌跡跟蹤誤差為優(yōu)化目標，構(gòu)建無人車的模型預測控制最優(yōu)化模型，獲取無人車在當前時間步的控制信息。本發(fā)明通過非線性映射將系統(tǒng)的原狀態(tài)空間映射到高維特征空間，在高維特征空間對動力學特性進行線性逼近，再設(shè)計模型預測控制器實現(xiàn)基于數(shù)據(jù)驅(qū)動的模型預測控制算法，可以實現(xiàn)無人車的預測控制。

技術(shù)領(lǐng)域

本申請涉及無人車技術(shù)領(lǐng)域，特別是涉及一種無人車數(shù)據(jù)驅(qū)動控制方法、裝置、計算機設(shè)備和存儲介質(zhì)。

背景技術(shù)

隨著無人車技術(shù)的發(fā)展，無人車有了越來越多的應(yīng)用。無人車的動力學是高度非線性的，設(shè)計基于優(yōu)化的控制方法具有一定的挑戰(zhàn)。當前的控制方法均有各自的局限性，絕大部分工作控制器的設(shè)計均需要動力學模型信息，但實際應(yīng)用中精確模型難以獲取。目前機器學習的建模與控制是一個熱點方向，但基于機器學習的建模方法求解得到的模型是高度非線性的網(wǎng)絡(luò)模型；此外，多數(shù)基于機器學習特別是深度學習的建模方法還存在魯棒性和泛化能力不強的問題。基于上述模型設(shè)計基于優(yōu)化的預測控制算法需要求解一個含有非線性約束的復雜優(yōu)化問題，求解計算量大，且求解的可靠性無法保證。因此，在復雜路況下，無人車預測控制方法存在控制效果不佳的問題。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠提升無人車自主駕駛對路面適應(yīng)性能的無人車數(shù)據(jù)驅(qū)動控制方法、裝置、計算機設(shè)備和存儲介質(zhì)。

一種無人車數(shù)據(jù)驅(qū)動控制方法，所述方法包括：

通過傳感器獲取無人車在行駛狀態(tài)下的多組數(shù)據(jù)對信息；所述多組數(shù)據(jù)對信息中的每組數(shù)據(jù)對包含一個時刻的當前控制量、當前狀態(tài)量和下一時刻狀態(tài)量；

構(gòu)建非線性靜態(tài)映射模型和高維線性動態(tài)演化模型，根據(jù)所述多組數(shù)據(jù)對信息通過構(gòu)建有監(jiān)督回歸優(yōu)化問題，求解所述高維線性動態(tài)演化模型，得到所述高維線性動態(tài)演化模型的參數(shù)信息；所述非線性靜態(tài)映射模型滿足在狀態(tài)量為0時，所述非線性靜態(tài)映射模型的值為0；所述高維線性動態(tài)演化模型根據(jù)所述參數(shù)信息確定模型參數(shù)；

在預測時域內(nèi)以最小化期望軌跡跟蹤誤差為優(yōu)化目標，構(gòu)建無人車的模型預測控制最優(yōu)化模型，以所述高維線性動態(tài)演化模型、所述非線性靜態(tài)映射模型、狀態(tài)量約束和控制量約束為約束條件，通過優(yōu)化求解器求解所述模型預測控制最優(yōu)化模型。

在其中一個實施例中，還包括：構(gòu)建非線性靜態(tài)映射模型為：

其中，是一種非線性映射函數(shù)，以實現(xiàn)從x→z的映射，可以設(shè)計成深度神經(jīng)網(wǎng)絡(luò)或者由基函數(shù)構(gòu)成；z(k)表示k時刻的高維的抽象狀態(tài)量；x(k)表示k時刻在原狀態(tài)空間的狀態(tài)量；n表示原狀態(tài)空間的維數(shù)；表示高維特征空間的維數(shù)；

構(gòu)建高維線性動態(tài)演化模型為：

其中，A,B表示高維線性動態(tài)演化模型的參數(shù)；C表示高維線性空間到低維非線性原狀態(tài)空間的映射關(guān)系參數(shù)；u(k)表示k時刻的控制量；表示k時刻根據(jù)高維狀態(tài)空間的狀態(tài)值z(k)計算得到的狀態(tài)量x(k)的估計值。

在其中一個實施例中，還包括：構(gòu)建求解高維線性動態(tài)演化模型參數(shù)A,B的一種最優(yōu)化目標函數(shù)為：