一种无人车自适应控制系统
本发明涉及无人车，尤其涉及一种无人车自适应控制系统。
背景技术：
1、无人车技术的起源可以追溯到20世纪初期，最初由一些先驱者进行探索。然而，直到近年来，随着计算机科学、传感器技术、人工智能等领域的快速发展，无人车技术才取得了显著的进步。自适应控制技术是一种基于系统了解自身动态特性的系统控制方法。它能够实时监测和分析车辆和周围环境的状况，然后调整车辆的行驶状态，以达到自动驾驶的目的。
2、经检索，中国专利号为cn115195791a的发明专利，公开了一种基于大数据的无人驾驶速度控制方法及装置，属于车辆驾驶控制技术领域。该方法在无人驾驶车辆当前行进的路段上，获取标准案例；获取无人驾驶车辆的已行驶数据；筛选出多段无障碍行驶片段，获取无障碍行驶片段在每个标准案例中对应的标准片段；分别获取无障碍行驶片段与每个标准片段之间的序列距离；获取每个标准案例的候选速度，基于序列距离获取每个标准案例与已行驶数据之间的整体差异，基于整体差异和候选速度获取当前时刻的期望速度，基于期望速度对无人驾驶汽车进行速度调控。
3、与现有技术相比，该中国专利号为cn115195791a的发明专利，能够使无人驾驶车辆在任何时刻都能够自适应调控速度，在遇到突发情况时，能够灵活调整驾驶速度，具有实时性。
4、然而上述装置在使用过程中，当个别数据点出现错误时，会导致导致整个速度调控策略的失败，另外，不必要的速度波动来降低乘客的舒适度，因此，提出一种无人车自适应控制系统。
技术实现思路
1、本发明的目的是为了解决现有技术中存在，当个别数据点出现错误时，会导致导致整个速度调控策略的失败，另外，不必要的速度波动来降低乘客的舒适度的缺点，而提出的一种无人车自适应控制系统。
2、为了实现上述目的，本发明采用了如下技术方案：
3、一种无人车自适应控制系统，包括感知层、决策层与执行层；
4、所述感知层包括环境感知模块与传感器数据融合模块，所述环境感知模块实时获取车辆周围环境信息，包括道路状况、障碍物位置、交通信号等，所述传感器数据融合模块将来自不同传感器的数据进行融合处理，提高环境感知的准确性和鲁棒性；
5、所述决策层包括道路识别与障碍物检测模块、交通信号识别模块、自适应控制算法模块与异常情况处理模块，所述道路识别与障碍物检测模块基于实时感知数据识别道路边界、车道线、交通标志，检测并跟踪障碍物，所述交通信号识别模块识别交通信号灯的状态(红、绿、黄)，为车辆提供交通信号信息，所述自适应控制算法模块根据当前道路条件、交通状况以及车辆状态，动态调整速度、加速度、转向等控制参数，所述异常情况处理模块检测并处理突然的交通拥堵、道路施工、车辆故障等异常情况，确保行驶安全；
6、所述执行层包括车辆控制模块，所述车辆控制模块接收决策层的控制指令，通过控制车辆的油门、刹车、转向等执行机构，实现车辆的精确控制。
7、上述技术方案进一步包括：
8、进一步地，所述环境感知模块将通过各种传感器(如摄像头、激光雷达、毫米波雷达、gps等)获取的环境信息，如道路状况、障碍物位置、交通信号等，实时传输给决策层，所述传感器数据融合模块负责将这些来自不同传感器的数据进行融合处理，生成更为准确、鲁棒的环境感知数据，并同样传输给决策层。
9、进一步地，所述道路识别与障碍物检测模块接收来自感知层的环境感知数据，利用机器学习算法进行分析(道路识别、障碍物检测等任务)，将分析结果(如道路边界、车道线、障碍物位置等)传输给自适应控制算法模块，所述交通信号识别模块接收来自感知层的环境感知数据，利用图像识别技术识别交通信号灯的状态，并将结果(如红灯、绿灯、黄灯)传输给自适应控制算法模块，所述自适应控制算法模块根据道路识别与障碍物检测模块及交通信号识别模块提供的信息，以及车辆当前的状态(如速度、加速度、转向角等)，进行动态的速度、加速度、转向等控制参数的调整，并生成相应的控制指令，所述异常情况处理模块实时监测传感器数据和车辆状态，一旦检测到异常情况(如突然的交通拥堵、道路施工、车辆故障等)，会立即触发相应的应急处理机制，并通知自适应控制算法模块进行相应的调整。
10、进一步地，所述自适应控制算法模块将生成的控制指令(如加速、减速、转向等)传输给执行层的车辆控制模块，所述车辆控制模块接收控制指令后，通过控制车辆的油门、刹车、转向等执行机构，实现车辆的精确控制。
11、进一步地，所述环境感知模块包括传感器数据收集单元、数据预处理单元与环境解析单元，所述传感器数据收集单元负责接收来自高清摄像头、激光雷达、毫米波雷达和gps等传感器的原始数据，这些数据可能包括图像帧、点云数据、速度测量值和位置坐标等，所述数据预处理单元负责对收集到的原始数据进行初步处理，如图像去噪、点云滤波等，预处理后的数据更容易被后续的数据融合处理单元和环境解析单元处理，所述环境解析单元负责利用图像识别技术对环境进行解析，提取出车辆周围环境信息，包括道路状况、障碍物位置、交通信号等信息，解析结果将作为环境感知模块的输出，供决策层使用；
12、所述传感器数据融合模块包括传感器数据接收单元、数据处理单元、数据融合处理单元与结果输出单元，所述传感器数据接收单元负责接收来自高清摄像头、激光雷达、毫米波雷达、gps等传感器的原始数据，所述数据处理单元负责对接收到的原始数据进行处理，如去噪、滤波、时间同步等，所述数据融合处理单元采用卡尔曼滤波对处理后的数据进行融合处理，所述结果输出单元将数据融合处理单元的输出结果，即融合后的环境感知数据，传输给环境解析单元或决策层。
13、进一步地，所述数据融合处理单元利用kalman滤波进行融合的具体步骤为：
14、系统建模：
15、状态方程：描述系统的状态如何随时间变化，公式为xk＝akxk-1+bkuk+wk，其中，xk是状态向量，表示系统在第k时刻的状态；ak是状态转移矩阵，描述系统状态如何从上一时刻转移到当前时刻；uk是控制变量矩阵，表示系统在第k时刻的输入或控制信号；bk是控制向量，描述输入或控制信号如何影响系统状态；wk是系统噪声，通常假设服从高斯分布；
16、观测方程：描述如何从系统状态中得到观测数据，公式为zk＝hkxk+vk，其中，zk是观测向量，表示系统在第k时刻的观测值；hk是状态向量到测量向量的转换矩阵；vk是观测噪声，同样假设服从高斯分布；
17、初始化：
18、初始状态：通过观测数据进行估计，或使用先验知识或猜测来初始化；
19、初始协方差：描述初始状态的不确定性；
20、预测：
21、预测状态：
22、预测协方差：其中，q是系统噪声协方差矩阵；
23、更新：
24、计算kalman增益：
25、更新状态：
26、更新协方差：pk＝(i-kkhk)pk-1，pk和pk-1是误差协方差矩阵，分别表示当前时刻和上一时刻的估计误差，pk＝(i-kkhk)pk-1是单位矩阵；
27、迭代：kalman滤波是一个迭代过程，每次迭代都会进行预测和更新；
28、输出：kalman滤波的输出是一个状态向量和协方差矩阵，它们描述了系统状态的估计和不确定性。
29、进一步地，所述自适应控制算法模块包括数据收集单元、自适应控制算法处理单元与控制优化单元，所述数据收集单元负责接收来自道路识别与障碍物检测模块提供的道路条件、交通信号识别模块提供的交通状况，以及车辆当前的状态，所述自适应控制算法处理单元接收数据收集单元提供的信息，根据这些信息，运用自适应控制算法计算并确定车辆的速度、加速度、转向等控制参数，所述控制优化单元接收自适应控制算法处理单元计算出的控制参数，优化速度调控的平滑性，减少不必要的速度波动来提高乘客的舒适。
30、进一步地，所述控制优化单元利用粒子群优化算法优化速度调控的平滑性的具体步骤为：
31、初始化粒子群：定义粒子群的大小(即粒子的数量)，在解空间中随机初始化每个粒子的位置和速度，这些位置代表不同的速度调控策略或参数集合，为每个粒子设置一个适应度函数值，所述适应度函数值将基于速度调控的平滑性和乘客舒适性来评估；
32、评估适应度：对于每个粒子，根据当前的速度调控参数计算其对应的速度曲线，根据加速度变化率与速度波动率评估速度曲线的平滑性，结合乘客舒适性的其他指标(如加速度大小、加速度变化频率等)，计算每个粒子的适应度函数值；
33、更新个体最优和全局最优：对于每个粒子，比较其当前适应度函数值与其历史最优值，如果当前值更优，则更新历史最优值，在所有粒子中，找出当前的全局最优值，即所有历史最优值中的最优值；
34、更新粒子位置和速度：使用粒子群优化算法的速度和位置更新公式来更新每个粒子的速度和位置：
35、速度更新公式：vi(t+1)＝ω·vi(t)+c1·rand()·(pbes,ti-xi(t))+c2·rand()·(gbest-xi(t))；
36、位置更新公式：xi(t+1)＝xi(t)+vi(t+1)：
37、其中，vi(t)和xi(t)分别是粒子i在迭代t时的速度和位置，ω是惯性权重，c1和c2是加速常数，rand()是随机数生成函数，pbes,ti是粒子i的历史最优值，gbest是当前的全局最优值，根据需要，可以对速度和位置进行边界限制，以确保它们不会超出搜索空间的范围；
38、迭代优化：重复评估适应度、更新个体最优和全局最优、更新粒子位置和速度，直到达到预设的迭代次数或满足某种收敛条件(如连续多次迭代的全局最优值没有明显改进)；
39、输出结果：输出最终的全局最优解，即对应的最优速度调控参数，使用最优速度调控参数来控制实际系统，以实现更平滑的速度调控和更高的乘客舒适性。
40、进一步地，所述异常情况处理模块包括数据监测与采集单元、异常检测单元与应急处理单元，所述数据监测与采集单元负责实时收集来自传感器数据融合模块、道路识别与障碍物检测模块、交通信号识别模块以及自适应控制算法模块的数据，监测车辆状态、道路信息以及交通状况，所述异常检测单元接收数据监测与采集单元提供的数据，利用异常检测算法对数据进行分析，检测是否存在异常情况，一旦检测到异常情况，向应急处理单元发送警报，所述应急处理单元接收异常检测单元的警报，根据异常类型，启动相应的应急处理措施，如减速、避让、紧急制动或自动导航至最近的安全区域等。
41、进一步地，所述异常检测单元利用异常检测算法对数据进行分析的具体步骤为：
42、数据接收：异常检测单元接收来自数据监测与采集单元提供的数据；
43、数据预处理：对接收到的数据进行预处理，包括数据清洗(处理缺失值、重复值和异常值等)、特征选择(选择对异常检测有用的特征)和数据转换(将数据转换为适合机器学习算法处理的形式)；
44、参数估计：计算数据集的均值μ和方差σ2；
45、计算概率：对于数据集中的每一个数据点xi，计算其概率p(xi)，其中，σ为标准差；
46、设定阈值：选择一个合适的阈值ε，当p(xi)<ε时，认为xi是异常点；
47、异常检测：遍历数据集，对每个数据点应用上述步骤，判断其是否为异常点；
48、发送警报：一旦数据点被判定为异常点，异常检测单元向应急处理单元发送警报。
49、本发明具备以下有益效果：
50、1、本发明中，系统采用鲁棒性强的算法设计，利用异常检测算法对数据进行分析，一旦检测到异常情况，向应急处理单元发送警报，处理缺失或异常数据，避免因为个别数据点的错误导致整个速度调控策略的失败。
51、2、本发明中，系统在保证安全性的前提下，控制优化单元利用粒子群优化算法优化速度调控的平滑性，减少不必要的速度波动，提供舒适的乘坐体验。
技术特征：
1.一种无人车自适应控制系统，其特征在于，包括感知层、决策层与执行层；
2.根据权利要求1所述的一种无人车自适应控制系统，其特征在于，所述环境感知模块将通过各种传感器获取的环境信息，实时传输给决策层，所述传感器数据融合模块负责将这些来自不同传感器的数据进行融合处理，生成环境感知数据，并同样传输给决策层。
3.根据权利要求1所述的一种无人车自适应控制系统，其特征在于，所述道路识别与障碍物检测模块接收来自感知层的环境感知数据，利用机器学习算法进行分析，将分析结果传输给自适应控制算法模块，所述交通信号识别模块接收来自感知层的环境感知数据，利用图像识别技术识别交通信号灯的状态，并将结果传输给自适应控制算法模块，所述自适应控制算法模块根据道路识别与障碍物检测模块及交通信号识别模块提供的信息，以及车辆当前的状态，进行控制参数的调整，并生成相应的控制指令，所述异常情况处理模块实时监测传感器数据和车辆状态，一旦检测到异常情况，会立即触发相应的应急处理机制，并通知自适应控制算法模块进行相应的调整。
4.根据权利要求1所述的一种无人车自适应控制系统，其特征在于，所述自适应控制算法模块将生成的控制指令传输给执行层的车辆控制模块，所述车辆控制模块接收控制指令后，通过控制车辆的执行机构，实现车辆的精确控制。
5.根据权利要求1所述的一种无人车自适应控制系统，其特征在于，所述环境感知模块包括传感器数据收集单元、数据预处理单元与环境解析单元，所述传感器数据收集单元负责接收来自传感器的原始数据，所述数据预处理单元负责对收集到的原始数据进行初步处理，所述环境解析单元负责利用图像识别技术对环境进行解析，提取出车辆周围环境信息；
6.根据权利要求5所述的一种无人车自适应控制系统，其特征在于，所述数据融合处理单元利用kalman滤波进行融合的具体步骤为：
7.根据权利要求1所述的一种无人车自适应控制系统，其特征在于，所述自适应控制算法模块包括数据收集单元、自适应控制算法处理单元与控制优化单元，所述数据收集单元负责接收来自道路识别与障碍物检测模块提供的道路条件、交通信号识别模块提供的交通状况，以及车辆当前的状态，所述自适应控制算法处理单元接收数据收集单元提供的信息，根据这些信息，运用自适应控制算法计算并确定车辆的控制参数，所述控制优化单元接收自适应控制算法处理单元计算出的控制参数，优化速度调控的平滑性。
8.根据权利要求7所述的一种无人车自适应控制系统，其特征在于，所述控制优化单元利用粒子群优化算法优化速度调控的平滑性的具体步骤为：
9.根据权利要求1所述的一种无人车自适应控制系统，其特征在于，所述异常情况处理模块包括数据监测与采集单元、异常检测单元与应急处理单元，所述数据监测与采集单元负责实时收集来自传感器数据融合模块、道路识别与障碍物检测模块、交通信号识别模块以及自适应控制算法模块的数据，监测车辆状态、道路信息以及交通状况，所述异常检测单元接收数据监测与采集单元提供的数据，利用异常检测算法对数据进行分析，检测是否存在异常情况，一旦检测到异常情况，向应急处理单元发送警报，所述应急处理单元接收异常检测单元的警报，根据异常类型，启动相应的应急处理措施。
10.根据权利要求9所述的一种无人车自适应控制系统，其特征在于，所述异常检测单元利用异常检测算法对数据进行分析的具体步骤为：
技术总结
本发明公开了一种无人车自适应控制系统，包括感知层、决策层与执行层；感知层包括环境感知模块与传感器数据融合模块，环境感知模块实时获取车辆周围环境信息，传感器数据融合模块将来自不同传感器的数据进行融合处理；决策层包括道路识别与障碍物检测模块、交通信号识别模块、自适应控制算法模块与异常情况处理模块；本发明中，系统采用鲁棒性强的算法设计，利用异常检测算法对数据进行分析，一旦检测到异常情况，向应急处理单元发送警报，处理缺失或异常数据，避免因为个别数据点的错误导致整个速度调控策略的失败，控制优化单元利用粒子群优化算法优化速度调控的平滑性，减少不必要的速度波动，提供舒适的乘坐体验。
技术研发人员：赵爱亮,刘衍民,王正伟
受保护的技术使用者：遵义师范学院
技术研发日：
技术公布日：2024/9/23