本技术涉及自动驾驶技术,提出了一种基于电子电气架构的自动驾驶车辆运动控制技术与系统。该技术包括采集自动驾驶车辆的状态信息和参数,依据这些信息构建运动控制模型,并实施相应的控制策略,以实现车辆的精确运动控制。
背景技术
在自动驾驶的关键技术发展中,运动控制系统在执行特定驾驶任务的过程中起着至关重要的作用。目标车辆需要根据参考路径和实时外部环境信息生成控制策略,进而完成路径跟踪和安全避障的目标。随着人工智能概念的发展,机器学习算法不断被应用到自动驾驶汽车的运动控制优化中。Q学习(Q-learning)作为强化学习的代表算法,由于其逻辑结构相对简单,已被多次应用于运动控制问题中。然而,Q-learning算法存在由于对动作值的高估而导致训练效果不稳定的问题,如收敛缓慢或过早收敛,导致估计结果与实际结果存在不可忽略的误差,最终影响自动驾驶无人车辆运动控制策略的优化效果。同时,已有的大多数运动控制研究主要集中在路径跟踪问题上,没有充分考虑在路径跟踪过程中,也存在突然出现障碍物导致路径被阻隔的情况,因此,路径跟踪控制与动态避碰控制的耦合问题亟待研究。
此外,依托强大的软件更新、减少布线和功能集成的优势,域集中式电子电气架构正成为智能汽车发展的另一个热点。采用域集中式电子电气架构的自动驾驶汽车是智能发展的一个重要分支。然而,越来越多的架构功能组件、各种协议、不同的网络拓扑和域间通信模式导致了不可预测的跨域多跳信息延迟和系统不确定性的问题。这些因素都有可能影响系统性能,破坏自动驾驶汽车的整体系统稳定性。特别是自动驾驶汽车的运动控制问题,涉及到高精度的路径跟踪和实时的动态避障,在实际应用中,较大的异构环路延迟是不可忽视的。因此,分析和解决域集中式电子电气结构中异构拓扑环路延迟引起的运动控制稳定性问题是十分必要。
实现思路