CN110466495B - 一种智能自动矢量驾驶执行系统及控制方法 - Google Patents
一种智能自动矢量驾驶执行系统及控制方法 Download PDFInfo
- Publication number
- CN110466495B CN110466495B CN201910823128.0A CN201910823128A CN110466495B CN 110466495 B CN110466495 B CN 110466495B CN 201910823128 A CN201910823128 A CN 201910823128A CN 110466495 B CN110466495 B CN 110466495B
- Authority
- CN
- China
- Prior art keywords
- whole vehicle
- vehicle controller
- judging
- instruction
- controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000033001 locomotion Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000036632 reaction speed Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 15
- 210000004556 brain Anatomy 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 208000028990 Skin injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/08—Electric propulsion units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Vehicle Body Suspensions (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种智能自动矢量驾驶执行系统及换档控制方法，所述系统包括：包括执行器和控制器，控制器包括接收模块，用于接收整车控制器的指令，一个即时车辆目标运动矢量和一个预备目标运动矢量；判断模块，用于判断整车控制器的指令是否正确；深度自学习模块，根据判断模块的判断结果自主选择执行命令、采用原程序中设置的对应措施、向云端搜索方案或求救。本发明包含了动力总成以外的转向总成，还改变了控制方式，给予执行层的自主求学和选择执行的权利。
Description
技术领域
本发明涉及汽车驱动系统，智能驾驶，尤其是自动驾驶技术领域里的动力总成系统。
背景技术
人们对车辆自动驾驶的需求越来越明显，自动驾驶的研发工作进展很快，具有自动驾驶L2的车辆已经上市。
自动驾驶系统可以分为三大部分：感知层、决策层、和执行层。感知层依赖于多种传感器，包括：摄像头、毫米波雷达、超声波雷达、激光雷达、夜视红外、定位系统、惯性测量单元、车联网等，在有人驾驶的情况下还有驾驶员动机识别等。
决策层包括控制中心，主要任务是根据感知部分得到的信息决定朝哪里走？走多快？这就是一个对车辆进行矢量控制的问题。简单的路径和环境可以容易做出决策，复杂的路径和环境需要很多方面的考虑，比较复杂。
一旦决策层给出了方向和速度，那么依赖的就是执行层面的执行力了。如果执行层执行不到位，再好的传感器，再好的决策都无济于事，甚至导致车毁人亡的悲剧发生。
现今由人工操作的车辆也要执行驾驶员的指令。不过，行驶方向完全由驾驶员通过旋转方向盘的角度大小来实现，而行驶速度完全由驾驶员踩下的油门和刹车深度来决定。转弯方向的大小和行驶速度的快慢基本上是相互独立的，相互之间没有什么关系或者说完全由驾驶员自己决定这种关系。
对于现今的自动驾驶系统也都沿用手动驾驶系统中使用的执行系统，即分别对方向和速度进行控制。执行器是一个完全被动的部件。它机械地接受控制器的指令就像以前机械地执行驾驶员的操作一样。这样做的缺点是执行器自身得不到提高，完全依赖于整车控制器。有的整车控制器也许可以做得很完美，问题就不大，但如果换一种整车控制器和现有的执行器，问题可能就比较多了。换一个车辆外部环境，问题可能就更多了。对于一个面向社会的通用性的执行器，应该不完全受整车控制器能力的制约而应有它自身的智力去不断完善自己、保护自己。就像人体一样，人的各个器官基本上都是接受大脑控制的，但不是所有器官只等大脑独家控制。比如正常人的肢体运动和语言都是受大脑控制的，但肌肉皮肤损伤后的自我愈合、骨头的自我愈合、抗体的自我形成、食物的消化都不由大脑明确发出指令来控制。心脏跳动也是不由大脑直接发出指令来控制，但呼吸是可以受大脑控制也可以不受大脑控制的行为。人可以短暂地憋住呼吸，也可以在大脑休眠后自动呼吸。行走时，手和脚的运动可以自动协调，也叫做潜意识。自动驾驶的执行层包含多个部件，它们之间的自动协调或说潜意识协调也是很重要的。但是人体除了大脑以外，其他器官没有自我学习功能。根据达尔文的进化论，生物都是遵循随机变异自然淘汰达到自然进化的法则，而不是主动学习进化的结果。到现代人类才进入主动学习和主动进化的阶段。机器的部件也应该朝主动学习、自我提高的智能化迈进。自动驾驶汽车中的执行部件也应该朝主动学习、自我提高的智能化迈进。机器部件的自我提高意识可以比人体各器官的个体意识更强。甚至超出个人范围，而将自动驾驶车辆有一个人体演变成一个团队。一个人体只有一个大脑，而一个团队可以有很多个大脑，当然这些大脑都服从一个统一的领导或遵循统一的规则。
在车辆控制系统中有许多子系统，它们都有单独的控制器，这些控制器的能力都很大，这就像一个团队中带着聪明脑袋的众多成员，如何发挥好它们的主动积极性、发挥好它们的作用，优化它们自身系统是非常有意义的。所以本发明旨在使自动驾驶的执行层的总体智能化。
发明内容
本发明实施例所要解决的一个技术问题是：提供一种智能自动矢量驾驶执行系统及控制方法，以解决现有技术中存在的问题。
一种智能自动矢量驾驶执行系统，其特征在于：包括执行器和控制器，控制器包括接收模块，用于接收整车控制器的指令，指令内容为一个即时车辆目标运动矢量和一个预备目标运动矢量；判断模块，用于判断整车控制器的指令是否正确；深度自学习模块，根据判断模块的判断结果自主选择执行命令、采用原程序中设置的对应措施、向云端搜索方案或求救；执行器包括动力总成，提供车辆前进动力，和转向总成，改变车辆的行驶方向。
作为优选，所述判断模块包括第一判断单元，用于判断整车控制器是否被非法劫持；
第二判断单元，用于在第一判断单元确认整车控制器未被非法劫持的情况下判断整车控制器状态是否健康；
第三判断单元，用于在第二判断单元确认整车控制器状态健康的情况下判断执行器的状态是否正常和被优化；
综合判断单元，综合第一判断单元、第二判断单元、第三判断单元的判断结果，对整车控制器的指令是否正确进行判断。
作为优选，深度自学习模块包括内学习模块，在综合判断单元判断整车控制器指令正确时选择执行命令，在综合判断单元判断整车控制器指令错误时从自身的运行数据中收集信息，进行统计、推导、归纳、总结，得出结论，然后采用原程序中设置的对应措施；外搜索模块，在原有程序中没有对应的措施时向云端搜索方案或求救。
一种智能自动矢量驾驶执行系统的控制方法，包括：
a)控制器接收整车控制器的指令，一个即时车辆目标运动矢量和一个预备目标运动矢量，并对指令的正确性进行判断，判断整车控制器是否被非法劫持，如果被非法劫持，则作劫持处理，判定该指令为错误指令，如果未被非法劫持，则判断整车控制器状态是否健康，如果不健康，则作病态处理，判定该指令为错误指令，如果健康，则判断执行器的状态是否正常和被优化，如果执行器的状态不正常或未被优化，则作优化处理，判定该指令为错误指令，如果执行器状态正常且被优化，判定该指令为正确指令；
b)判定该指令为错误指令时，控制器拒绝接受指令并采用原有程序中设置的对应措施，如果在原有程序中没有对应的解救措施，则通过网络搜索方案或求教并采取相应措施，搜索方案包括搜索执行器的运行经验和故障处理矫正对策、其它车辆上整车控制器的健康状况及成功处理经验、劫持和绑架的先例信息，求援包括将有关怀疑意见通过有关部门或个人进行进一步分析和确认，对最终采用的措施和结果进行统计、分析、上传到云端；
c)判定该指令为正确指令，控制器控制动力总成和转向总成按整车控制器的指令内容运行。
作为优选，判断整车控制器是否被非法劫持的步骤，包括采用原始目标和中途更改目标形成前期疑虑，通过外部询问和求证来得出结果。
作为优选，判断执行器状态是否正常和被优化的步骤，包括根据实际矢量于目标矢量的差异，判断执行部件的执行力，回答执行器状态是否正常和被优化。
作为优选，判断整车控制器状态是否健康的步骤，包括根据目标矢量判断决策的正确性。
与现有技术相比，本发明具有如下优点：
在驾驶执行上实施矢量智能控制；在系统上实施主动求学智能学习。
附图说明
图1为本发明智能自动矢量驾驶执行系统的结构示意图；
图2为本发明中深度自学习模块的结构示意图；
图3为本发明中判断模块的判断流程图。
具体实施方式
下面结合附图对本发明的实施例进行详细阐述。
一种智能自动矢量驾驶执行系统，其特征在于：包括执行器和控制器，控制器包括接收模块，用于接收整车控制器的指令，指令内容为一个即时车辆目标运动矢量和一个预备目标运动矢量；判断模块，用于判断整车控制器的指令是否正确；深度自学习模块，根据判断模块的判断结果自主选择执行命令、采用原程序中设置的对应措施、向云端搜索方案或求救；执行器包括动力总成，提供车辆前进动力，和转向总成，改变车辆的行驶方向。
作为优选，所述判断模块包括第一判断单元，用于判断整车控制器是否被非法劫持；
第二判断单元，用于在第一判断单元确认整车控制器未被非法劫持的情况下判断整车控制器状态是否健康；
第三判断单元，用于在第二判断单元确认整车控制器状态健康的情况下判断执行器的状态是否正常和被优化；
综合判断单元，综合第一判断单元、第二判断单元、第三判断单元的判断结果，对整车控制器的指令是否正确进行判断。
作为优选，深度自学习模块包括内学习模块，在综合判断单元判断整车控制器指令正确时选择执行命令，在综合判断单元判断整车控制器指令错误时从自身的运行数据中收集信息，进行统计、推导、归纳、总结，得出结论，然后采用原程序中设置的对应措施；外搜索模块，在原有程序中没有对应的措施时向云端搜索方案或求救。
一种智能自动矢量驾驶执行系统的控制方法，包括：
a)控制器接收整车控制器的指令，一个即时车辆目标运动矢量和一个预备目标运动矢量，并对指令的正确性进行判断，判断整车控制器是否被非法劫持，如果被非法劫持，则作劫持处理，判定该指令为错误指令，如果未被非法劫持，则判断整车控制器状态是否健康，如果不健康，则作病态处理，判定该指令为错误指令，如果健康，则判断执行器的状态是否正常和被优化，如果执行器的状态不正常或未被优化，则作优化处理，判定该指令为错误指令，如果执行器状态正常且被优化，判定该指令为正确指令；
b)判定该指令为错误指令时，控制器拒绝接受指令并采用原有程序中设置的对应措施，如果在原有程序中没有对应的解救措施，则通过网络搜索方案或求教并采取相应措施，搜索方案包括搜索执行器的运行经验和故障处理矫正对策、其它车辆上整车控制器的健康状况及成功处理经验、劫持和绑架的先例信息，求援包括将有关怀疑意见通过有关部门或个人进行进一步分析和确认，对最终采用的措施和结果进行统计、分析、上传到云端；
c)判定该指令为正确指令，控制器控制动力总成和转向总成按整车控制器的指令内容运行。
作为优选，判断整车控制器是否被非法劫持的步骤，包括采用原始目标和中途更改目标形成前期疑虑，通过外部询问和求证来得出结果。
作为优选，判断执行器状态是否正常和被优化的步骤，包括根据实际矢量于目标矢量的差异，判断执行部件的执行力，回答执行器状态是否正常和被优化。
作为优选，判断整车控制器状态是否健康的步骤，包括根据目标矢量判断决策的正确性。
在驾驶执行上实施矢量智能控制；在系统上实施主动求学智能学习。
整车控制器给出的指令是一个即时车辆目标运动矢量和一个预备目标运动矢量。每个矢量包含四个标量：x，y，z坐标和幅度，幅度和其它标量之间存在固定的关系。x，y，z坐标都是以车辆实时原点和坐标为参考点。x，y，z也可由2个角度来取代：车身和前进目标方向的夹角；路平面和水平面的夹角。
车辆可以容易地通过控制转向器使车身在道路平面上改变方向，即使车身方向和目标前进方向之夹角为零，即方向一致。但是车辆不能改变路平面和水平面之间的夹角，因为车辆不可能脱离地面，也不能钻入地面，所以路平面和水平面的夹角不是控制量而是输入量以期望执行器能更好的完成对车身和前进目标方向的夹角的控制和舒适性等方面的控制。
运动矢量中方向决定了车身需即时改变行驶方向的夹角大小，运动矢量中的幅度用于决定即时动力源出力的大小。运动目标矢量指令来源于整车控制器，执行器的任务一般就是忠实完成整车控制器交给的任务。一个具有智能的执行器需要在对指令的正确判断和高质量执行两方面有突出的智能表现而不是一个无智商的低端执行者。
本发明在控制器内增设了一个外搜索、内学习的深度自学习模块。外搜索是主动搜索资料进行学习，其目的在于根据需求获得三个方面内容：
1.执行器的运行经验和故障处理矫正对策；
2.其它车辆上整车控制器的健康状况及成功处理经验；
3.劫持和绑架的先例信息。
人工智能的介入可以协助从众多的数据中快速寻找所需资料。
深度自学习在于从自身的运行数据收集非正常现象进行统计、推导、归纳、总结得出结论，然后采用原程序中设置的对应措施。如果在原有程序中没有对应的解救措施，则正如前面所述，可主动向云端搜索方案或求教。当然本机要对最终采用的措施和结果进行统计、分析、和上传到云端。这是本发明的重点之一：即“回头看”，要总结所采用的措施的真正效果是否好，如果发现现有的处理措施不好，就应该记录并自动矫正以后的处理措施。具体的体现是在某特殊情况下的x、y、z三个标量之间的关系是否最佳？其变化过程是否最佳？学习的深度在于矢量三点法：1.温故而知新；2.矢量值最佳化结果；3.矢量变化值的最佳化结果。比如，在雪地路面，矢量y在模量变化不大但绝对值大，那么对x和y之间的变化率就要有更大的限制。落实到车辆动力源出力的控制和轮子转角的控制就要克制在一定的范围内。否则车辆的倾翻或失控就在所难免。
对指令的正确性要进行判断。一方面考虑的是辨识整车控制器是否失误和失常，另一方面是辨识控制器是否被非法劫持绑架。在这两种情况下，本执行器要拒绝接受指令和实施突破或求援。求援包括将有关怀疑意见通过有关部门或个人进行进一步分析和确认并采取相应措施。当然必须准确探测到这两种情况才能采取这些措施，否则就是违抗整车控制器的命令，器后果是不堪设想的。一般具有自动驾驶功能的车上网关或整车控制器应有反劫持的机制，但也有疏漏的可能性，加上很多没有自动驾驶功能的车上也需要动力总成。在没有自动驾驶功能的车上的防劫持就全靠动力总成的反劫持功能了。所以深度学习模块在有深度的同时还要有一定的广度。广度体现在该模块的三要素结论：
1.整车控制器是否被非法劫持？
2.本车辆的整车控制器是否健康？
3.本动力总成状态是否正常和被优化？
对这三要素的判断需要智能和深度学习。如果其中任何一个结论是负面的，那么就要采取相应的措施进行补救。
初看，前面提到的矢量三点法只是第三要素的核心，但实际上对第一、第二要素也有相同的作用，只不过着眼点不是运动矢量，而是状态。比如如何判断整车控制器是否中途被非法劫持？本发明采用原始目标和中途更改目标形成前期疑虑，通过外部询问和求证来达到。本发明采用对任何新的目的地、新的驾驶风格(运动矢量变化规律)、新的驾驶员、新的控制指令格调来增加对劫持的当地怀疑。从网络获得外部怀疑。本法的缺点是不能判别第一时间被绑架的情况，需要时间积累。
如何判断本车辆的整车控制器是否健康，通常系统采用冗余的方法，多加控制器进行比较而得出是否一致。如果不一致，那么其中有一个是有问题的，但是谁也不能确定究竟哪个控制器出了问题。事实上有可能两个控制器都出了问题。冗余增加了系统的复杂性和成本而且不能真正解决问题。本发明不采用冗余方式而采用自查外报方式。自查是通过深度学习掌握程序运行时间、几个重点因果关系、输出目标矢量规律等三方面进行统计、归纳供验证，然后周期性地对外有序报告。当外界收不到应该收到的信息时，那么整车控制器就是不健康的。接着，智能动力总成就不再依赖该控制器的指令而进入故障处理模式。掌握程序运行时间、几个重点因果关系、输出目标矢量规律这三方面的工作都由软件完成。就是说，在智能动力总成控制器里既有传统的控制软件执行所需的目标矢量指令，还有一套自学习系统在不断从系统内、外两部分进行总结归纳，再有一套监管软件系统一直在对关注的事件进行比较、对照、和决定系统是否异常和在某些情况下反馈修改运行方法进行系统的自我完善。
如何判断本动力总成状态是否正常和被优化？本发明采用目标跟踪精度判别法。为了更好的判别动力总成的执行器功能：动力功能和转向功能。将其中目标分为第一目标和第二目标。第一目标是指目标矢量跟踪速度，用于判断执行决策的执行力，即是否够动力，第二目标是实际矢量于目标矢量的差异，用于判断执行部件的控制精度。只有这两方面正确，就可以判断本动力总成状态是否正常和被优化。
这里所谓的深度学习是在作出判断以后还要事后复习和验证以确定以前的判断是否正确，如果以前的判断不正确，那么在以后的判断中要做调整，不让错误重复。有了正确的判断，就可以设计和实施应对措施。
车辆上一般有很多传感器和控制器，一旦其它传感器或某子系统坏了，常常导致整个系统失灵。但是当动力总成具备一定的智能后，即使其他系统坏了，动力总成仍然可以完成基本工作：安全和可能低速运行回家或到服务点。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种智能自动矢量驾驶执行系统，其特征在于：包括执行器和控制器，控制器包括接收模块，用于接收整车控制器的指令，指令的内容为一个即时车辆目标运动矢量和一个预备目标运动矢量；判断模块，用于判断整车控制器的指令是否正确；深度自学习模块，根据判断模块的判断结果自主选择执行命令、采用原程序中设置的对应措施、向云端搜索方案或求救；执行器包括动力总成，提供车辆前进动力；转向总成，改变车辆的行驶方向；
所述判断模块包括第一判断单元，用于判断整车控制器是否被非法劫持；
第二判断单元，用于在第一判断单元确认整车控制器未被非法劫持的情况下判断整车控制器状态是否健康；
第三判断单元，用于在第二判断单元确认整车控制器状态健康的情况下判断执行器的状态是否正常和被优化；
综合判断单元，综合第一判断单元、第二判断单元、第三判断单元的判断结果，对整车控制器的指令是否正确进行判断。
2.根据权利要求1所述的一种智能自动矢量驾驶执行系统，其特征在于：深度自学习模块包括内学习模块，在综合判断单元判断整车控制器指令正确时选择执行命令，在综合判断单元判断整车控制器指令错误时从自身的运行数据中收集信息，进行统计、推导、归纳、总结，得出结论，然后采用原程序中设置的对应措施；外搜索模块，在原有程序中没有对应的措施时向云端搜索方案或求救。
3.一种智能自动矢量驾驶执行系统的控制方法，其特征在于：包括：
a）控制器接收整车控制器的指令，一个即时车辆目标运动矢量和一个预备目标运动矢量，并对指令的正确性进行判断，第一判断单元判断整车控制器是否被非法劫持，如果被非法劫持，则作劫持处理，判定该指令为错误指令，如果未被非法劫持，第二判断单元判断整车控制器状态是否健康，如果不健康，则作病态处理，判定该指令为错误指令，如果健康，第三判断单元判断执行器的状态是否正常和被优化，如果执行器的状态不正常或未被优化，则作优化处理，但不判定该指令为错误指令，如果执行器状态正常且被优化，判定该指令为正确指令；
b）判定该指令为错误指令时，控制器拒绝接受指令并采用原有程序中设置的对应措施，如果在原有程序中没有对应的解救措施，则通过网络搜索方案或求教并采取相应措施，搜索方案包括搜索执行器的运行经验和故障处理矫正对策、其它车辆上整车控制器的健康状况及成功处理经验、劫持和绑架的先例信息，求援包括将有关怀疑意见通过有关部门或个人进行进一步分析和确认，对最终采用的措施和结果进行统计、分析、上传到云端；
c）判定该指令为正确指令，控制器控制动力总成和转向总成按整车控制器的指令内容运行。
4.根据权利要求3所述的一种智能自动矢量驾驶执行系统的控制方法，其特征在于：判断整车控制器是否被非法劫持的步骤，包括采用原始目标和中途更改目标形成前期疑虑，通过外部询问和求证来得出结果。
5.根据权利要求3所述的一种智能自动矢量驾驶执行系统的控制方法，其特征在于：判断整车控制器状态是否健康的步骤，包括深度自学习模块学习对程序运行时间、重点因果关系、输出目标矢量规律三方面进行统计、归纳、验证，然后周期性地对外有序报告，当外界收不到应该收到的信息时，则整车控制器就是不健康的。
6.根据权利要求3所述的一种智能自动矢量驾驶执行系统的控制方法，其特征在于：判断执行器状态是否正常和被优化的步骤，采用目标跟踪精度判别法，将其中目标分为第一目标和第二目标，第一目标是指目标矢量跟踪速度，用于判断执行决策的执行力，即是否够动力，第二目标是实际矢量与目标矢量的差异和反应速度，用于判断执行部件的控制精度，这两方面正确与否，就可以判断本动力总成状态是否正常和被优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910823128.0A CN110466495B (zh) | 2019-09-02 | 2019-09-02 | 一种智能自动矢量驾驶执行系统及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910823128.0A CN110466495B (zh) | 2019-09-02 | 2019-09-02 | 一种智能自动矢量驾驶执行系统及控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110466495A CN110466495A (zh) | 2019-11-19 |
| CN110466495B true CN110466495B (zh) | 2024-04-09 |
Family
ID=68514708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910823128.0A Active CN110466495B (zh) | 2019-09-02 | 2019-09-02 | 一种智能自动矢量驾驶执行系统及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110466495B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111605565A (zh) * | 2020-05-08 | 2020-09-01 | 昆山小眼探索信息科技有限公司 | 基于深度强化学习的自动驾驶行为决策方法 |
Citations (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103359123A (zh) * | 2013-07-04 | 2013-10-23 | 陈根 | 一种智能车速控制管理系统及实现方法 |
| KR20140128090A (ko) * | 2013-04-26 | 2014-11-05 | 주식회사 만도 | 차량용 전자제어장치 고장감지시스템 및 그 고장감지방법 |
| CN104627180A (zh) * | 2014-12-19 | 2015-05-20 | 北京新能源汽车股份有限公司 | 一种半主动巡航控制系统及其方法 |
| CN104890526A (zh) * | 2014-03-05 | 2015-09-09 | 福特全球技术公司 | 车辆、系统和方法 |
| CN105292052A (zh) * | 2015-11-12 | 2016-02-03 | 福州大学 | 车辆行车安全自动监控与报警系统 |
| CN205113247U (zh) * | 2015-11-12 | 2016-03-30 | 福州大学 | 车辆行车安全自动监控与报警系统 |
| CN105730448A (zh) * | 2016-02-19 | 2016-07-06 | 广州橙行智动汽车科技有限公司 | 一种车辆的自动爬行与自动驻车的智能切换方法及装置 |
| WO2016186383A1 (ko) * | 2015-05-15 | 2016-11-24 | 주식회사 한글과컴퓨터 | 인공지능 무인 스마트카 및 그의 운용 방법 |
| CN106228755A (zh) * | 2016-08-12 | 2016-12-14 | 深圳市元征科技股份有限公司 | 疲劳驾驶预警方法及云端服务器 |
| CN106218553A (zh) * | 2016-08-03 | 2016-12-14 | 北京新能源汽车股份有限公司 | 加速踏板传感器最小电压学习方法、装置及整车控制器 |
| CN106240493A (zh) * | 2016-07-21 | 2016-12-21 | 安徽师范大学 | 基于can的电动汽车线控装置 |
| CN106515706A (zh) * | 2016-09-30 | 2017-03-22 | 广州汽车集团股份有限公司 | 车辆安全驾驶控制方法及车辆安全驾驶控制系统 |
| CN106774291A (zh) * | 2016-12-26 | 2017-05-31 | 清华大学苏州汽车研究院（吴江） | 一种自动驾驶电动汽车的电控系统 |
| CN106878130A (zh) * | 2017-03-14 | 2017-06-20 | 成都雅骏新能源汽车科技股份有限公司 | 一种电动汽车can网络异常检测方法及装置 |
| CN107031600A (zh) * | 2016-10-19 | 2017-08-11 | 东风汽车公司 | 基于高速公路的自动驾驶系统 |
| CN107117162A (zh) * | 2016-02-25 | 2017-09-01 | 福特全球技术公司 | 自主车辆控制转换 |
| CN107264534A (zh) * | 2017-05-23 | 2017-10-20 | 北京理工大学 | 基于驾驶员经验模型的智能驾驶控制系统和方法、车辆 |
| CN107415959A (zh) * | 2016-05-17 | 2017-12-01 | 本田技研工业株式会社 | 车辆控制系统、车辆控制方法和车辆控制程序 |
| CN107640124A (zh) * | 2017-07-28 | 2018-01-30 | 北京长城华冠汽车科技股份有限公司 | 车载安全系统 |
| CN107640159A (zh) * | 2017-08-04 | 2018-01-30 | 吉利汽车研究院（宁波）有限公司 | 一种自动驾驶人机交互系统及方法 |
| CN107797534A (zh) * | 2017-09-30 | 2018-03-13 | 安徽江淮汽车集团股份有限公司 | 一种纯电动自动驾驶系统 |
| CN107908186A (zh) * | 2017-11-07 | 2018-04-13 | 驭势科技（北京）有限公司 | 用于控制无人驾驶车辆运行的方法及系统 |
| KR20180103473A (ko) * | 2017-03-10 | 2018-09-19 | 한국오므론전장주식회사 | 차량의 자율 주행 제어 시스템 및 방법 |
| CN108881174A (zh) * | 2018-05-25 | 2018-11-23 | 北京长城华冠汽车科技股份有限公司 | 一种防范新能源汽车本地攻击的方法和装置 |
| CN109291934A (zh) * | 2017-07-24 | 2019-02-01 | 长城汽车股份有限公司 | 加速踏板最小位置的自学习方法、系统及车辆 |
| CN109324537A (zh) * | 2018-08-13 | 2019-02-12 | 北京长城华冠汽车科技股份有限公司 | 一种人机共同操控车辆的控制系统和控制方法 |
| CN109460042A (zh) * | 2018-12-29 | 2019-03-12 | 北京经纬恒润科技有限公司 | 一种自动驾驶控制方法及系统 |
| CN109591733A (zh) * | 2019-01-24 | 2019-04-09 | 北京长城华冠汽车科技股份有限公司 | 车辆的安全系统、控制方法及车辆 |
| CN109688135A (zh) * | 2018-12-27 | 2019-04-26 | 东软集团股份有限公司 | 车载控制器的数据传输方法、车载控制器及可读存储介质 |
| CN109969192A (zh) * | 2017-12-28 | 2019-07-05 | 郑州宇通客车股份有限公司 | 一种车辆及自动驾驶控制系统 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102085795B (zh) * | 2009-12-04 | 2015-04-15 | 上海汽车集团股份有限公司 | 一种车用离合器动力藕合同步器换档混合动力驱动系统 |
| GB2492748B (en) * | 2011-07-04 | 2014-05-07 | Jaguar Land Rover Ltd | Vehicle control system and method for controlling a vehicle |
| CN104276163B (zh) * | 2014-01-30 | 2015-11-25 | 比亚迪股份有限公司 | 车辆中发动机单元的控制方法和车辆 |
| GB2523321B (en) * | 2014-02-19 | 2017-10-18 | Jaguar Land Rover Ltd | Vehicle speed control system with gear shift limits being dependent on tractive force |
| US20150355637A1 (en) * | 2014-06-10 | 2015-12-10 | Magtec Products, Inc. | Remote speed management system for vehicles |
| EP3521961A1 (en) * | 2014-12-15 | 2019-08-07 | Polaris Industries Inc. | Autonomous ready vehicle |
| CN106608201B (zh) * | 2015-10-26 | 2019-04-19 | 比亚迪股份有限公司 | 电动车辆及其主动安全控制系统和方法 |
| JP2017165296A (ja) * | 2016-03-17 | 2017-09-21 | 株式会社日立製作所 | 自動運転制御システム |
| JP2017197011A (ja) * | 2016-04-27 | 2017-11-02 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
-
2019
- 2019-09-02 CN CN201910823128.0A patent/CN110466495B/zh active Active
Patent Citations (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140128090A (ko) * | 2013-04-26 | 2014-11-05 | 주식회사 만도 | 차량용 전자제어장치 고장감지시스템 및 그 고장감지방법 |
| CN103359123A (zh) * | 2013-07-04 | 2013-10-23 | 陈根 | 一种智能车速控制管理系统及实现方法 |
| CN104890526A (zh) * | 2014-03-05 | 2015-09-09 | 福特全球技术公司 | 车辆、系统和方法 |
| CN104627180A (zh) * | 2014-12-19 | 2015-05-20 | 北京新能源汽车股份有限公司 | 一种半主动巡航控制系统及其方法 |
| WO2016186383A1 (ko) * | 2015-05-15 | 2016-11-24 | 주식회사 한글과컴퓨터 | 인공지능 무인 스마트카 및 그의 운용 방법 |
| CN105292052A (zh) * | 2015-11-12 | 2016-02-03 | 福州大学 | 车辆行车安全自动监控与报警系统 |
| CN205113247U (zh) * | 2015-11-12 | 2016-03-30 | 福州大学 | 车辆行车安全自动监控与报警系统 |
| CN105730448A (zh) * | 2016-02-19 | 2016-07-06 | 广州橙行智动汽车科技有限公司 | 一种车辆的自动爬行与自动驻车的智能切换方法及装置 |
| CN107117162A (zh) * | 2016-02-25 | 2017-09-01 | 福特全球技术公司 | 自主车辆控制转换 |
| CN107415959A (zh) * | 2016-05-17 | 2017-12-01 | 本田技研工业株式会社 | 车辆控制系统、车辆控制方法和车辆控制程序 |
| CN106240493A (zh) * | 2016-07-21 | 2016-12-21 | 安徽师范大学 | 基于can的电动汽车线控装置 |
| CN106218553A (zh) * | 2016-08-03 | 2016-12-14 | 北京新能源汽车股份有限公司 | 加速踏板传感器最小电压学习方法、装置及整车控制器 |
| CN106228755A (zh) * | 2016-08-12 | 2016-12-14 | 深圳市元征科技股份有限公司 | 疲劳驾驶预警方法及云端服务器 |
| CN106515706A (zh) * | 2016-09-30 | 2017-03-22 | 广州汽车集团股份有限公司 | 车辆安全驾驶控制方法及车辆安全驾驶控制系统 |
| CN107031600A (zh) * | 2016-10-19 | 2017-08-11 | 东风汽车公司 | 基于高速公路的自动驾驶系统 |
| CN106774291A (zh) * | 2016-12-26 | 2017-05-31 | 清华大学苏州汽车研究院（吴江） | 一种自动驾驶电动汽车的电控系统 |
| KR20180103473A (ko) * | 2017-03-10 | 2018-09-19 | 한국오므론전장주식회사 | 차량의 자율 주행 제어 시스템 및 방법 |
| CN106878130A (zh) * | 2017-03-14 | 2017-06-20 | 成都雅骏新能源汽车科技股份有限公司 | 一种电动汽车can网络异常检测方法及装置 |
| CN107264534A (zh) * | 2017-05-23 | 2017-10-20 | 北京理工大学 | 基于驾驶员经验模型的智能驾驶控制系统和方法、车辆 |
| CN109291934A (zh) * | 2017-07-24 | 2019-02-01 | 长城汽车股份有限公司 | 加速踏板最小位置的自学习方法、系统及车辆 |
| CN107640124A (zh) * | 2017-07-28 | 2018-01-30 | 北京长城华冠汽车科技股份有限公司 | 车载安全系统 |
| CN107640159A (zh) * | 2017-08-04 | 2018-01-30 | 吉利汽车研究院（宁波）有限公司 | 一种自动驾驶人机交互系统及方法 |
| CN107797534A (zh) * | 2017-09-30 | 2018-03-13 | 安徽江淮汽车集团股份有限公司 | 一种纯电动自动驾驶系统 |
| CN107908186A (zh) * | 2017-11-07 | 2018-04-13 | 驭势科技（北京）有限公司 | 用于控制无人驾驶车辆运行的方法及系统 |
| CN109969192A (zh) * | 2017-12-28 | 2019-07-05 | 郑州宇通客车股份有限公司 | 一种车辆及自动驾驶控制系统 |
| CN108881174A (zh) * | 2018-05-25 | 2018-11-23 | 北京长城华冠汽车科技股份有限公司 | 一种防范新能源汽车本地攻击的方法和装置 |
| CN109324537A (zh) * | 2018-08-13 | 2019-02-12 | 北京长城华冠汽车科技股份有限公司 | 一种人机共同操控车辆的控制系统和控制方法 |
| CN109688135A (zh) * | 2018-12-27 | 2019-04-26 | 东软集团股份有限公司 | 车载控制器的数据传输方法、车载控制器及可读存储介质 |
| CN109460042A (zh) * | 2018-12-29 | 2019-03-12 | 北京经纬恒润科技有限公司 | 一种自动驾驶控制方法及系统 |
| CN109591733A (zh) * | 2019-01-24 | 2019-04-09 | 北京长城华冠汽车科技股份有限公司 | 车辆的安全系统、控制方法及车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110466495A (zh) | 2019-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9539999B2 (en) | Vehicle operator monitoring and operations adjustments | |
| US20180157973A1 (en) | Method and device for a computerized mechanical device | |
| US10037031B2 (en) | Vehicle operation states | |
| US10359772B2 (en) | Fault-tolerant method and device for controlling an autonomous technical system through diversified trajectory planning | |
| KR101500091B1 (ko) | 차량 제어 장치 및 시스템 | |
| Zheng et al. | Evaluation of a predictor-based framework in high-speed teleoperated military UGVs | |
| WO1995012171A2 (en) | Method and apparatus for adaptive control of human-machine systems employing disturbance response | |
| CN111805546A (zh) | 一种基于脑机接口的人-多机器人共享控制的方法及系统 | |
| CN110466495B (zh) | 一种智能自动矢量驾驶执行系统及控制方法 | |
| Zheng et al. | A delay compensation framework for predicting heading in teleoperated ground vehicles | |
| JP2023551944A (ja) | 少なくとも部分的に自動化されて走行する車両のための運転操作の選択 | |
| EP3397431B1 (de) | Roboter und verfahren zum betreiben eines roboters | |
| CN111887004B (zh) | 一种杆状作物收割机器人控制方法 | |
| Hermannstädter et al. | Driver distraction assessment using driver modeling | |
| Bruschetta et al. | A motion cueing algorithm with look-ahead and driver characterization: Application to vertical car dynamics | |
| Rojas et al. | Performance evaluation of an autonomous vehicle using resilience engineering | |
| EP3640857B1 (en) | Method, vehicle, system, and storage medium for indicating anomalous vehicle scenario using encoder network and discriminator network intermediate layer activation | |
| Zouaghi et al. | Modified particle Petri nets for hybrid dynamical systems monitoring under environmental uncertainties | |
| CN211969415U (zh) | 一种智能自动矢量驾驶执行系统 | |
| CN108839710B (zh) | 车辆及其转向助力控制方法、系统 | |
| Goodin et al. | An empirical vehicle speed model for tuning throttle controller parameters | |
| EP3654246B1 (en) | Method, vehicle, system, and storage medium for indicating anomalous vehicle scenario using encoder network and replay buffer | |
| Faraji et al. | Autonomous Merging onto the Highway Using LSTM Neural Network | |
| Saraphis et al. | Online Estimation of Bio-mechanical Properties of a Human Driver using Dual Adaptive Unscented Kalman Filter | |
| Yu et al. | A neural network-based detection and mitigation system for unintended acceleration |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |