[发明专利]基于人机共享的智能电动汽车横向控制系统及方法

权利要求书

1.基于人机共享的智能电动汽车横向控制系统，其特征在于包括车辆信息采集模块、道路检测模块、CCD视觉传感器模块、驾驶员模型、时滞鲁棒保性能转向控制器、深度神经网络驾驶权优化模块；车辆信息采集模块的输出端接驾驶员模型和时滞鲁棒保性能转向控制器的输入端，驾驶员模型和时滞鲁棒保性能转向控制器的输出端接深度神经网络驾驶权优化模块，深度神经网络驾驶权优化模块的输出端接人机共享的智能电动汽车；

所述车辆信息采集模块，用于采集人类驾驶员驾驶车辆转向过程中车辆的状态信息及驾驶员操作信息并传送给驾驶员模型和时滞鲁棒保性能转向控制器；车辆的状态信息包括车辆横摆角速度、横向位移、横向速度、纵向速度、方位偏差、角度偏差、驾驶员的方向盘转角；

所述CCD视觉传感器模块用于采集智能电动汽车周围环境信息；

所述道路检测模块用于检测智能电动汽车前方行驶的道路；

所述驾驶员模型，基于专家系统建立，用于描述智能电动汽车转向过程参数不确定性和外界干扰；

时滞鲁棒保性能转向控制器，基于鲁棒控制理论设计,用于解决参数不确定性、干扰和时滞特性的智能电动汽车转向控制问题；

深度神经网络驾驶权优化模块，用于实现对人类驾驶员和转向控制器的人机协同，实现智能电动汽车横向控制人机共享。

2.基于人机共享的智能电动汽车横向控制方法，其特征在于包括以下步骤：

步骤1：针对行驶道路复杂多变，提出基于深度学习的智能电动汽车前方道路检测方法；

步骤2：根据驾驶员转向行为特性，建立模拟驾驶员转向特征的专家系统模型；

步骤3：建立描述智能电动汽车转向过程参数不确定性和外界干扰的转向控制模型；

步骤4：针对智能电动汽车转向系统的时滞特性，采用鲁棒控制理论设计解决参数不确定性、干扰和时滞特性的保性能转向控制器；

步骤5：采用深度神经网络设计智能电动汽车人机协同控制策略，实现智能电动汽车横向控制人机共享。

3.如权利要求2所述基于人机共享的智能电动汽车横向控制方法，其特征在于在步骤1中，所述针对行驶道路复杂多变，提出基于深度学习的智能电动汽车前方道路检测方法，包括以下子步骤：

第一步，对采集的图像进行预处理，将图像转变成为需要的输入尺寸，经由Darknet53网络将图片划分为多个单元格；

第二步，在Darknet53网络之后加入类空间金字塔池化的特征增强模块；

第三步，当被预测道路落在任意单元格中，该单元格便对被检测道路提进行检测，输出预测框的宽与高、置信度以及类别。

4.如权利要求2所述基于人机共享的智能电动汽车横向控制方法，其特征在于在步骤2中，所述根据驾驶员转向行为特性，建立模拟驾驶员转向特征的专家系统模型，包括以下子步骤：

第一步，采集人类驾驶员驾驶车辆转向过程中车辆的状态信息及驾驶员操作信息；

第二步，选择车辆横摆角速度、横向位移、横向速度、纵向速度、驾驶员的方向盘转角对驾驶员转向行为特性分析；

第三步，以横摆角速度、横向位移、横向速度纵向速度为输入信息，以前轮转角和附加横摆力矩为输出信息，建立驾驶员模型的驾驶知识库、推理机、解释器及信息获取器。

5.如权利要求2所述基于人机共享的智能电动汽车横向控制方法，其特征在于在步骤3中，所述建立描述智能电动汽车转向过程参数不确定性和外界干扰的转向控制模型，包括以下子步骤：

第一步，根据视觉系统获取的智能电动汽车相对于前方道路的位置信息，建立描述车辆相对于期望轨迹的预瞄运动学模型；

第二步，以智能电动汽车横摆角速度和横向速度为状态量，前轮转角为输入量建立智能电动汽车转向动力学模型；

第三步，综合预瞄运动学模型和转向动力学模型，建立包含侧偏刚度不确定性和外界干扰的智能电动汽车转向控制模型。