一种自动驾驶汽车轨迹规划方法、系统、电子设备及介质

1.本发明涉及自动驾驶汽车轨迹规划领域，特别是涉及一种自动驾驶汽车轨迹规划方法、系统、电子设备及介质。


背景技术：

2.轨迹规划包含全局轨迹规划和局部轨迹规划两部分，全局轨迹规划规划出一条从起始点到目标点的全局参考轨迹，局部轨迹规划是自动驾驶车辆在跟踪全局参考轨迹的过程中，根据外部交通环境的实时信息进行局部轨迹的规划，从而避免碰撞事故的发生。目前采用的轨迹规划算法大致可以分为四个类别：曲线插值法；图搜索法；随机采样法；基于优化的算法。
3.基于曲线插值的轨迹规划算法是通过内插已知的点来构建更平滑的轨迹。在轨迹规划中使用的曲线包括：五次多项式曲线、七次多项式曲线、三次贝塞尔曲线、回旋曲线等。
4.基于图搜索法的轨迹规划算法的基本原理为：将车辆的可行驶区域进行格栅化，按照预先定义的标准搜索出从一条从起始点到目标点的最优路径。例如dijkstra算法和a*算法等。
5.基于随机采样的轨迹规划算法通过随机地对格栅化后的地图进行采样来寻找汽车当前状态和下一个目标状态之间的连接，基于随机采样的轨迹规划算法有概率地图法(probabilistic roadmap method，prm)和快速探索随机树法(rapidly-exploring random tree，rrt)等。
6.基于优化方法的轨迹规划算法通过构建包含性能指标的目标函数，在满足约束条件下，对目标函数进行最优化求解，从而计算出最优轨迹。
7.在当前自动驾驶算法中，车辆行驶的轨迹生成主要考虑车辆周边环境因素。例如静态障碍物、动态障碍物、交通标志等信息。通过这些信息对轨迹进行生成后，再计算多条轨迹的损失函数(costfunction)，从而规划出车辆行驶的轨迹。在这个过程中，算法有考虑例如轮胎与地面的附着条件等因素，但是并未对其他有可能影响车辆轨迹的结构特性进行考虑；并且对于制动器摩擦负荷的评估，以往的方法只能通过收集碎屑、观察摩擦表面划痕等方式解决。这类方法过于低效，不具有实时性。目前的车辆的轨迹规划并不考虑车辆自身机械结构的性能，在车辆处于某些工况下，例如下长坡时、低速蠕行时，车辆的制动器过热会导致车辆制动性能下降。若此时的轨迹规划算法仍然按照正常的制动器来进行轨迹规划时，将会出现规划出的轨迹始终无法准确执行的情况，极容易导致车辆事故的发生。


技术实现要素：

8.本发明的目的是提供一种自动驾驶汽车轨迹规划方法、系统、电子设备及介质，能够避免由于轨迹规划导致的制动器失效，延长制动器寿命，提高了制动器故障检测效率。
9.为实现上述目的，本发明提供了如下方案：
10.一种自动驾驶汽车轨迹规划方法，所述方法包括：
11.利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值；所述制动器摩擦特性模型为试验台等效实验测试输出的制动转矩和实车测试转矩与制动器转矩的函数关系式；所述补偿值包括末状态速度补偿值和末状态加速度补偿值；
12.构建所述自动驾驶汽车的多项式轨迹表达式；
13.根据所述制动器摩擦特性模型，确定所述自动驾驶汽车的状态参数；所述状态参数包括初状态位置、初状态速度、初状态加速度、末状态位置、末状态速度和末状态加速度；
14.根据所述状态参数和所述补偿值建立约束条件，对所述多项式轨迹表达式进行求解，得到以自动驾驶汽车的位置为自变量的自动驾驶汽车轨迹；所述自动驾驶汽车的位置为笛卡尔坐标系下距离起始点的距离。
15.可选地，所述利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值，具体包括：
16.利用台架等效实验，得到制动器数学模型；
17.对所述制动器数学模型中的所述温度因素对应的摩擦系数和所述速度因素对应的摩擦系数进行加权平均计算，得到初始制动器摩擦特性模型；
18.获取不同工况下的压力、转速、实车测试转矩和实车测试温度；
19.根据不同工况下的所述压力、所述转速、所述实车测试转矩和所述实车测试温度，对所述初始制动器摩擦特性模型进行校正，得到制动器摩擦特性模型和自动驾驶汽车不同工况下对应的补偿值。
20.可选地，应用五次多项式构建所述自动驾驶汽车的多项式轨迹表达式。
21.可选地，所述自动驾驶汽车的多项式轨迹表达式为：
22.f(x)＝c0+c1x+c2x2+c3x3+c4x4+c5x5；
23.其中，x自动驾驶汽车的位置；c0、c1、c2、c3、c4、c5均为系数；f(x)为从指定起点到指定终点的轨迹。
24.可选地，所述制动器摩擦特性模型为：
25.tf＝ct
fe
+dt
fc
,；
[0026][0027]
其中，tf为制动器转矩，分别为由转速和温度分别估算的摩擦系数，a、b、c和d均为加权系数，ri为摩擦盘内径，ro为摩擦盘外径，p为面压力，a为摩擦盘面积，t
fe
为试验台等效实验测试输出的制动转矩，t
fc
为实车测试转矩。
[0028]
可选地，所述约束条件为：
[0029][0030]
其中，tf为制动器转矩，x0代表初始状态，xe代表规划的末状态，c0、c1、c2、c3、c4、c5均为系数，fv(tf)，fa(tf)分别为末状态速度的补偿值和末状态加速度的补偿值；为初状态速度；为初状态加速度；为末状态速度；为末状态加速度。
[0031]
可选地，所述方法还包括：
[0032]
将设定工况下的制动面压力、转速和温度输入所述制动器摩擦特性模型，得到设定工况下的计算转矩；
[0033]
获取所述设定工况下的实车测试转矩；
[0034]
当所述实车测试转矩与所述计算转矩的差大于设定阈值时，所述自动驾驶汽车的摩擦副状态异常。
[0035]
一种自动驾驶汽车轨迹规划系统，应用于上述的自动驾驶汽车轨迹规划方法，所述系统包括：
[0036]
建立模块，用于利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值；所述制动器摩擦特性模型为试验台等效实验测试输出的制动转矩和实车测试转矩与制动器转矩的函数关系式；所述补偿值包括末状态速度补偿值和末状态加速度补偿值；
[0037]
构建模块，用于构建所述自动驾驶汽车的多项式轨迹表达式；
[0038]
第一解算模块，用于根据所述制动器摩擦特性模型，确定所述自动驾驶汽车的状态参数；所述状态参数包括初状态位置、初状态速度、初状态加速度、末状态位置、末状态速度和末状态加速度；
[0039]
第二解算模块，用于根据所述状态参数和所述补偿值建立约束条件，对所述多项式轨迹表达式进行求解，得到以自动驾驶汽车的位置为自变量的自动驾驶汽车轨迹；所述自动驾驶汽车的位置为笛卡尔坐标系下距离起始点的距离。
[0040]
一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的自动驾驶汽车轨迹规划方法。
[0041]
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的自动驾驶汽车轨迹规划方法。
[0042]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0043]
本发明提供的自动驾驶汽车轨迹规划方法，将等效摩擦实验得到的理论数学模型与实车测试得到的数据进行结合，达到对理论模型进行修正的目的，使得等效模型的精度得到提高；利用制动器模型对自动驾驶轨迹规划算法进行优化，从根源上避免了自动驾驶
轨迹可能导致的制动效能降低的问题，使车辆的安全性、平顺性得到提高；利用制动器模型对制动过程的摩擦负荷进行评估，避免了制动器产生不良摩擦的情况，有效提高了制动器摩擦副之间的有效接合，提高了相关部件的寿命。
附图说明
[0044]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0045]
图1为本发明提供的自动驾驶汽车轨迹规划方法流程图；
[0046]
图2为摩擦实验中各参数变化示意图；
[0047]
图3为速度、压力、温度对摩擦系数的影响示意图；其中，图3(a)为转速-摩擦系数关系示意图；图3(b)为压力-摩擦系数关系示意图；图3(c)为温度-摩擦系数关系示意图；
[0048]
图4为本发明提供的自动驾驶汽车轨迹规划系统模块图。
[0049]
附图标记说明：
[0050]
建立模块—1，构建模块—2，第一解算模块—3，第二解算模块—4。
具体实施方式
[0051]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0052]
本发明的目的是提供一种自动驾驶汽车轨迹规划方法、系统、电子设备及介质，能够避免由于轨迹规划导致的制动器失效，延长制动器寿命，提高了制动器故障检测效率。
[0053]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0054]
实施例一
[0055]
如图1所示，本发明提供了一种自动驾驶汽车轨迹规划方法，所述方法包括：
[0056]
步骤1：利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值；所述制动器摩擦特性模型为试验台等效实验测试输出的制动转矩和实车测试转矩与制动器转矩的函数关系式；所述补偿值包括末状态速度补偿值和末状态加速度补偿值。
[0057]
作为一个具体的实施方式，步骤1具体包括：
[0058]
步骤11：利用台架等效实验，得到制动器数学模型。
[0059]
在实际应用中，根据摩擦实验结果建立制动器摩擦特性模型，其中包括：
[0060]
步骤111：选取样车的摩擦副材料，进行实验样品制备。
[0061]
步骤112：进行销盘实验、研究摩擦副摩擦特性，具体的：首先确定实验工况。主要影响摩擦转矩产生的因素有制动面压力(p)、转速(n)以及温度(θ)，实验工况的确定是通过对实车工况的等效计算得到，压力为0.1mpa至4.2mpa，转速为160rpm至4000rpm，具体公式
如式(1)、式(2)、式(3)所示。
[0062][0063][0064]
θ＝θ
brake
ꢀꢀ
(3)
[0065]
其中：p,n,θ为销盘实验的面压力、转速、温度，单位分别为mpa，rad/min，℃；p
brake
为实车主缸压力，单位mpa；a
brake
为制动器摩擦片面积，单位m2；a
pin
为销的横截面积，单位m2；r
brake
为制动卡钳距离制动盘中心的距离，单位m；r
test
为销盘实验时，销距离旋转中心的距离，单位m；r
wheel
为车轮半径，单位m；v
x
为车速，单位km/h；θ
brake
为制动器摩擦界面温度，单位℃。
[0066]
步骤113：根据实验工况下的销盘摩擦实验结果，如图2所示，取步骤112的实验过程中稳定摩擦阶段的摩擦系数平均值代表当前制动面压力(p)、转速(n)、温度(θ)下的摩擦系数具体地，得到当前工况的摩擦系数之后，对其他工况进行相同处理，得到图3中的每个点，利用每个工况下的摩擦系数进行线性插值；对不同的制动面压力(p)、转速(n)、温度(θ)下的摩擦系数分别进行线性插值，如图3(a)、图3(b)和图3(c)所示，能够分别得到在特定制动面压力(p)、转速(n)以及温度(θ)对应的摩擦系数如式(4)所示。每个单一工况下的摩擦都是一段过程，第一步都需要对这一段过程的摩擦系数进行求平均，得到一个代表当前工况下的摩擦系数(图3中的每个点)。第二步才是将不同工况下的这个摩擦系数之间进行插值，得到图3所示的曲线。
[0067][0068]
式中，x包含制动面压力(p)、转速(n)以及温度(θ)三个因素，表示变化规律的自变量，为摩擦系数插值后的估计值；μi，μ
i+1
分别为摩擦系数的上下限，xi，x
i+1
分别代表在μi，μ
i+1
处实测值的大小。
[0069]
步骤114：根据步骤112和步骤113的实验结果，搭建制动器数学模型。制动器是通过摩擦片与制动盘摩擦而产生制动力，其数学模型如式(5)所示。
[0070][0071]
其中，tf为试验台等效实验测试输出的制动转矩，单位n
·
m；μ为摩擦系数，ri为摩擦盘内径，单位mm；ro为摩擦盘外径，单位mm；p为面压力，单位mpa；a为摩擦盘面积，单位mm2。
[0072]
这个模型是最初的理论模型，温度对转矩的影响体现在公式中的μ中。本专利的重点在于对不同压力、转速、温度下的μ。
[0073]
步骤12：对所述制动器数学模型中的所述温度因素对应的摩擦系数和所述速度因素对应的摩擦系数进行加权平均计算，得到初始制动器摩擦特性模型。
[0074]
作为一个具体地实施方式，基于步骤113，转速、压力、温度都会对摩擦系数进行影响，进而影响制动转矩的产生。但是如式(5)所示，压力(p)是直接影响制动转矩的因素之一，且如图3(b)所示，压力对摩擦系数的影响较小。因此本步骤中摩擦系数的影响因素主要
考虑转速(n)和温度(θ)两个因素对摩擦系数的影响。
[0075]
将转速(n)和温度(θ)两个因素对摩擦系数的影响进行加权平均，可以得到结合两个因素影响后的摩擦系数，如式(6)所示。并将式(6)带入到式(5)，以得到制动器最终的数学模型式(7)
[0076]
此式即为结合了转速、温度、压力三方面因素的制动器摩擦特性模型。
[0077][0078][0079]
式中，分别代表由转速和温度分别估算的摩擦系数，a和b为加权系数。tf为试验台等效实验测试输出的制动转矩，单位n
·
m；μ为摩擦系数，ri为摩擦盘内径，单位mm；ro为摩擦盘外径，单位mm；p为面压力，单位mpa；a为摩擦盘面积，单位mm2。
[0080]
步骤13：获取不同工况下的压力、转速、实车测试转矩和实车测试温度。
[0081]
步骤14：根据不同工况下的所述压力、所述转速、所述实车测试转矩和所述实车测试温度，对所述初始制动器摩擦特性模型进行校正，得到制动器摩擦特性模型和自动驾驶汽车不同工况下对应的补偿值。
[0082]
作为一个具体的实施方式，由于步骤111-步骤114是利用台架等效实验对制动器性能进行推算，与实车上的制动器情况仍有差异。因此，实时测量在特定压力(p)、转速(n)下的实车测试转矩t
fc
和温度θc的变化。并利用此结果进一步修正制动器模型。最终的制动器模型如式(8)所示。
[0083]
具体地，所述制动器摩擦特性模型为：
[0084]
tf＝ct
fe
+dt
fc (8)
[0085]
其中，tf为制动器转矩，分别为由转速和温度分别估算的摩擦系数，a、b、c和d均为加权系数，其取值范围为：a+b≤1，c+d≤1，通常根据试验台架的设计确定，通常推荐值为1，ri为摩擦盘内径，ro为摩擦盘外径，p为面压力，a为摩擦盘面积，t
fe
为试验台等效实验测试输出的制动转矩，t
fc
为实车测试转矩。
[0086]
步骤2：构建所述自动驾驶汽车的多项式轨迹表达式；具体地，应用五次多项式构建所述自动驾驶汽车的多项式轨迹表达式。进一步地，所述自动驾驶汽车的多项式轨迹表达式为：
[0087]
f(x)＝c0+c1x+c2x2+c3x3+c4x4+c5x
5 (9)
[0088]
其中，x为自动驾驶汽车的位置；c0、c1、c2、c3、c4、c5均为系数；f(x)为从指定起点到指定终点的轨迹。
[0089]
作为一个具体的方式，根据上述求得的制动器摩擦特性模型来建立下述的约束条件，计算自动驾驶汽车轨迹。具体的，轨迹规划中常使用的五次多项式轨迹是指其路径是五次多项式的形式，如式(9)所示。其中，x为表示轨迹的自变量，若在frenet坐标系中，x代表距离起始点的距离；c0、c1、c2、c3、c4、c5为参数，通过限制条件可以将参数求出。若限制条件充足，f(x)是从指定起点到指定终点唯一的一条轨迹。
[0090]
在实际应用中，不一定对五次多项式轨迹规划进行优化，也可以对其他轨迹规划
算法相应添加包含转速n、压力p、温度θ的变量，对其规划算法进行优化。例如：在apollo的em planner进行速度规划的二次规划时，通过当前的速度和加速度(制动时为减加速度)推算温度，并以此作为约束加入目标函数进行优化求解。
[0091]
步骤3：根据所述制动器摩擦特性模型，确定所述自动驾驶汽车的状态参数；所述状态参数包括初状态位置、初状态速度、初状态加速度、末状态位置、末状态速度和末状态加速度；具体地，五次多项式轨迹有c0、c1、c2、c3、c4、c5六个参数需要确定，一般是通过初、末状态的位置、速度、加速度确定一条唯一的轨迹。
[0092]
步骤4：根据所述状态参数和所述补偿值建立约束条件，对所述多项式轨迹表达式进行求解，得到以自动驾驶汽车的位置为自变量的自动驾驶汽车轨迹；所述自动驾驶汽车的位置为笛卡尔坐标系下距离起始点的距离。
[0093]
作为一个具体地实施方式，为了使五次多项式规划出来的轨迹能使制动器在最理想的工况下进行工作，最理想的工况是指的能产生的制动转矩最大的工况。在求解五次多项式的约束中添加了制动器温度影响的补偿值，如公式(10)所示。
[0094]
具体地，所述约束条件为：
[0095][0096]
其中，tf为制动器转矩，x0代表初始状态，xe代表规划的末状态，在frenet坐标系中，x0、xe分别代表出状态和末状态距离起点的距离；c0、c1、c2、c3、c4、c5均为系数，fv(tf)，fa(tf)分别为末状态速度的补偿值和末状态加速度的补偿值；为初状态速度；为初状态加速度；为末状态速度；为末状态加速度。此外，fv(tf)，fa(tf)分别代表由制动器模型计算得到的转矩带来的末状态速度、加速度的补偿值，此补偿值由步骤1中的实验测量得到，建立补偿值与工况的表，这个表就是说明，在此制动转矩下，实际速度/加速度与理想速度/加速度的误差。表现得是制动转矩与误差之间的关系。在规划过程中，通过查表即可。只有在极限工况下，fv(tf)，fa(tf)才会发挥作用，影响算法规划的轨迹。例如：下长坡、冰面、蠕行、涉水路面等。通过该步骤所得到的轨迹就是考虑了制动器影响之后得到的轨迹。在非极限情况下，在补偿值与工况的表中，fv(tf)和fa(tf)的补偿值是零，本发明中会因为制动器因素导致轨迹产生偏移的工况就是极限工况。
[0097]
此外，本发明提供的自动驾驶汽车轨迹规划方法还包括：
[0098]
将设定工况下的制动面压力、转速和温度输入所述制动器摩擦特性模型，得到设定工况下的计算转矩。
[0099]
获取所述设定工况下的实车测试转矩。
[0100]
当所述实车测试转矩与所述计算转矩的差满足设定范围时，所述自动驾驶汽车的摩擦副接合失效。
[0101]
在实际应用中，对制动过程中摩擦状态进行评估。包括以下两种情况：
[0102]
第一种情况：基于步骤14中修正后的制动器模型，可以将工况由制动面压力(p)、转速(n)、温度(θ)计算得到摩擦转矩tf，利用测量的真实转矩t，与模型计算的tf进行对比，若瞬时转矩的实测值与模型输出的预测值相比出现不稳定的情况(例如较大波动、曲线不平滑、驼峰)，则说明摩擦副接合失效。
[0103]
第二种情况：将步骤113中得到的特定制动面压力(p)、转速(n)、温度(θ)下的摩擦系数作为标准值，根据实时测量的转矩计算真实的摩擦系数，并将测量的摩擦系数μ
real
与标准摩擦系数进行对比，测量的摩擦系数衰退到达10％以上的，则说明摩擦副出现摩擦系数衰退失效。
[0104]
本发明提供的一种自动驾驶汽车轨迹规划方法具有下述优点：
[0105]
1、为研究制动器摩擦副性能，基于实车的摩擦副材料，进行销盘等效实验。通过对实验结果进行数据分析建立制动转矩与摩擦工况、温度之间的关系模型；对实车制动过程的各项参数进行实时测量，对上述过程建立的实验模型进行修正，得到更加准确的制动器模型。
[0106]
2、利用修正后的制动器模型，对自动驾驶轨迹规划算法进行优化，从而得到更符合实际情况的自动驾驶轨迹，提高了自动驾驶轨迹的实用性。同时，利用修正后的制动器模型，能够对制动过程中的摩擦负荷状态进行评估，也能够对控制精度进行优化和评估。本发明专利利用制动器模型对自动驾驶轨迹规划算法进行优化，从根源上避免了自动驾驶轨迹可能导致的制动效能降低的问题，使车辆的安全性、平顺性得到提高。
[0107]
3、本发明专利将等效摩擦实验得到的理论数学模型与实车测试得到的数据进行结合，达到对理论模型进行修正的目的，提高了等效模型的精度。
[0108]
4、本发明专利利用制动器模型对制动过程的摩擦负荷进行评估，避免了制动器产生不良摩擦的情况，有效提高了制动器摩擦副之间的有效接合，提高了相关部件的寿命。
[0109]
5、本发明专利在对摩擦系数进行估算时，提出了一种新的摩擦系数估算方法，即：通过转矩、温度对摩擦系数分别进行估算，再将两者进行加权求和，得到最终考虑转速、温度的摩擦系数。
[0110]
实施例二
[0111]
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种自动驾驶汽车轨迹规划系统，如图4所示，所述系统包括：
[0112]
建立模块1，用于利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值；所述制动器摩擦特性模型为试验台等效实验测试输出的制动转矩和实车测试转矩与制动器转矩的函数关系式；所述补偿值包括末状态速度补偿值和末状态加速度补偿值。
[0113]
构建模块2，用于构建所述自动驾驶汽车的多项式轨迹表达式。
[0114]
第一解算模块3，用于根据所述制动器摩擦特性模型，确定所述自动驾驶汽车的状态参数；所述状态参数包括初状态位置、初状态速度、初状态加速度、末状态位置、末状态速
度和末状态加速度。
[0115]
第二解算模块4，用于根据所述状态参数和所述补偿值建立约束条件，对所述多项式轨迹表达式进行求解，得到以自动驾驶汽车的位置为自变量的自动驾驶汽车轨迹；所述自动驾驶汽车的位置为笛卡尔坐标系下距离起始点的距离。
[0116]
实施例三
[0117]
本发明实施例提供一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行计算机程序以使电子设备执行实施例一的自动驾驶汽车轨迹规划方法。
[0118]
可选地，上述电子设备可以是服务器。
[0119]
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的自动驾驶汽车轨迹规划方法。
[0120]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0121]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种自动驾驶汽车轨迹规划方法，其特征在于，所述方法包括：利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值；所述制动器摩擦特性模型为试验台等效实验测试输出的制动转矩和实车测试转矩与制动器转矩的函数关系式；所述补偿值包括末状态速度补偿值和末状态加速度补偿值；构建所述自动驾驶汽车的多项式轨迹表达式；根据所述制动器摩擦特性模型，确定所述自动驾驶汽车的状态参数；所述状态参数包括初状态位置、初状态速度、初状态加速度、末状态位置、末状态速度和末状态加速度；根据所述状态参数和所述补偿值建立约束条件，对所述多项式轨迹表达式进行求解，得到以自动驾驶汽车的位置为自变量的自动驾驶汽车轨迹；所述自动驾驶汽车的位置为笛卡尔坐标系下距离起始点的距离。2.根据权利要求1所述的自动驾驶汽车轨迹规划方法，其特征在于，所述利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值，具体包括：利用台架等效实验，得到制动器数学模型；对所述制动器数学模型中的温度因素对应的摩擦系数和速度因素对应的摩擦系数进行加权平均计算，得到初始制动器摩擦特性模型；获取不同工况下的压力、转速、实车测试转矩和实车测试温度；根据不同工况下的所述压力、所述转速、所述实车测试转矩和所述实车测试温度，对所述初始制动器摩擦特性模型进行校正，得到制动器摩擦特性模型和自动驾驶汽车不同工况下对应的补偿值。3.根据权利要求1所述的自动驾驶汽车轨迹规划方法，其特征在于，应用五次多项式构建所述自动驾驶汽车的多项式轨迹表达式。4.根据权利要求3所述的自动驾驶汽车轨迹规划方法，其特征在于，所述自动驾驶汽车的多项式轨迹表达式为：f(x)＝c0+c1x+c2x2+c3x3+c4x4+c5x5；其中，x为自动驾驶汽车的位置；c0、c1、c2、c3、c4、c5均为系数；f(x)为从指定起点到指定终点的轨迹。5.根据权利要求1所述的自动驾驶汽车轨迹规划方法，其特征在于，所述制动器摩擦特性模型为：t
f
＝ct
fe
+dt
fc
；其中，t
f
为制动器转矩，分别为由转速和温度分别估算的摩擦系数，a、b、c和d均为加权系数，r
i
为摩擦盘内径，r
o
为摩擦盘外径，p为面压力，a为摩擦盘面积，t
fe
为试验台等效实验测试输出的制动转矩，t
fc
为实车测试转矩。6.根据权利要求4所述的自动驾驶汽车轨迹规划方法，其特征在于，所述约束条件为：
其中，t
f
为制动器转矩，x0代表初始状态，x
e
代表规划的末状态，c0、c1、c2、c3、c4、c5均为系数，f
v
(t
f
)，f
a
(t
f
)分别为末状态速度的补偿值和末状态加速度的补偿值；f(x0)代表初始位置；f(x
e
)代表结束位置；为初状态速度；为初状态加速度；为末状态速度；为末状态加速度。7.根据权利要求1所述的自动驾驶汽车轨迹规划方法，其特征在于，所述方法还包括：将设定工况下的制动面压力、转速和温度输入所述制动器摩擦特性模型，得到设定工况下的计算转矩；获取所述设定工况下的实车测试转矩；当所述实车测试转矩与所述计算转矩的差大于设定阈值时，所述自动驾驶汽车的摩擦副状态异常。8.一种自动驾驶汽车轨迹规划系统，其特征在于，所述系统包括：建立模块，用于利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值；所述制动器摩擦特性模型为试验台等效实验测试输出的制动转矩和实车测试转矩与制动器转矩的函数关系式；所述补偿值包括末状态速度补偿值和末状态加速度补偿值；构建模块，用于构建所述自动驾驶汽车的多项式轨迹表达式；第一解算模块，用于根据所述制动器摩擦特性模型，确定所述自动驾驶汽车的状态参数；所述状态参数包括初状态位置、初状态速度、初状态加速度、末状态位置、末状态速度和末状态加速度；第二解算模块，用于根据所述状态参数和所述补偿值建立约束条件，对所述多项式轨迹表达式进行求解，得到以自动驾驶汽车的位置为自变量的自动驾驶汽车轨迹；所述自动驾驶汽车的位置为笛卡尔坐标系下距离起始点的距离。9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至7中任一项所述的自动驾驶汽车轨迹规划方法。10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的自动驾驶汽车轨迹规划方法。

技术总结
本发明公开一种自动驾驶汽车轨迹规划方法、系统、电子设备及介质，涉及自动驾驶汽车轨迹规划领域，该方法包括：利用台架等效实验，建立制动器摩擦特性模型并获取自动驾驶汽车不同工况下对应的补偿值；构建自动驾驶汽车的多项式轨迹表达式；根据制动器摩擦特性模型，确定自动驾驶汽车的状态参数；状态参数包括初状态位置、初状态速度、初状态加速度、末状态位置、末状态速度和末状态加速度；根据状态参数和补偿值建立约束条件，对多项式轨迹表达式进行求解，得到自动驾驶汽车轨迹，本发明能够避免由于轨迹规划导致的制动器失效，延长制动器寿命，提高了制动器故障检测效率。提高了制动器故障检测效率。提高了制动器故障检测效率。


技术研发人员：龚边 张欧文 李和言 张文浩 夏笠 宋懂宏 汪奇
受保护的技术使用者：深圳技术大学
技术研发日：2023.03.27
技术公布日：2023/7/12