CN113525512A - 基于自适应控制的车辆转向控制方法、装置、电子设备 - Google Patents

Abstract

本公开的实施例公开了基于自适应控制的车辆转向控制方法、装置、电子设备。该方法的一具体实施方式包括：响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息；将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息；将上述横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。该实施方式提高了转向系统的控制精度，提升了转向系统的响应速度。

Description

基于自适应控制的车辆转向控制方法、装置、电子设备

技术领域

本公开的实施例涉及计算机技术领域，具体涉及基于自适应控制的车辆转向控制方法、装置、电子设备。

背景技术

在自动驾驶车辆的控制层中，转向系统控制为自动驾驶车辆横向运动控制的关键，其系统的控制的精度直接决定了规划路径的跟踪效果。目前，提高自动驾驶车辆的转向系统控制精度的方式，通常为：采用模糊PID、滑膜控制等算法实现对转向系统参数识别，以提高自动驾驶车辆的转向系统的控制精度。

然而，采用上述方式通常会存在以下技术问题：上述方式为针对单一转向系统的控制方法，无法适配不同转向系统的硬件参数，降低了转向系统的鲁棒性。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了基于自适应控制的车辆转向控制方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种基于自适应控制的车辆转向控制方法，该方法包括：响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息；将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息；将上述横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。

可选地，上述自适应转向控制模型是通过以下步骤训练得到的：获取上述转向控制系统的转向训练样本，其中，上述转向训练样本包括对应上述转向横拉杆的转向位移；将上述转向训练样本输入至初始自适应控制模型中，得到样本横拉杆转向位移信息；将上述样本横拉杆转向位移信息发送至上述转向控制系统中，以得到上述转向横拉杆的样本转向位移信息；确定上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值；响应于上述误差值不满足预设条件，调整上述初始自适应控制模型的模型参数。

可选地，上述步骤还包括：响应于上述误差值满足上述预设条件，将上述初始自适应控制模型确定为上述自适应转向控制模型。

可选地，上述初始自适应控制模型的模型参数包括：初始转向阻尼和初始横拉杆阻尼；以及上述调整上述初始自适应控制模型的模型参数，包括：获取上述自动驾驶车辆的电机相关信息，其中，上述电机相关信息包括转向阻尼与横拉杆阻尼；将上述初始自适应控制模型的初始转向阻尼调整为上述电机相关信息包括的转向阻尼；将上述初始自适应控制模型的初始横拉杆阻尼调整为上述电机相关信息包括的横拉杆阻尼。

可选地，上述初始自适应控制模型的模型参数还包括：初始电机减速机构传动比与初始电机力矩常数，上述电机相关信息还包括：电机减速机构传动比和电机力矩常数；以及上述调整上述初始自适应控制模型的模型参数，还包括：将上述初始自适应控制模型的初始电机减速机构传动比调整为上述电机相关信息包括的电机减速机构传动比；将上述初始自适应控制模型的初始电机力矩常数调整为上述电机相关信息包括的电机力矩常数。

可选地，上述确定上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值，包括：对上述转向训练样本包括的转向位移进行微分处理，以生成微分转向位移；对上述样本转向位移信息包括的样本转向位移进行微分处理，以生成微分样本转向位移；基于上述转向位移、上述微分转向位移、上述样本转向位移和上述微分样本转向位移，生成上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值。

可选地，上述横拉杆位移信息包括横拉杆位置与横拉杆转向位移；以及上述将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息，包括：将上述横拉杆位置和上述横拉杆转向位移输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。

第二方面，本公开的一些实施例提供了一种基于自适应控制的车辆转向控制装置，装置包括：获取单元，被配置成响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息；位移信息输入单元，被配置成将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息；发送单元，被配置成将上述横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。

可选地，上述装置还包括：自适应转向控制模型训练单元；上述自适应转向控制模型训练单元包括，获取子单元、输入子单元、发送子单元、确定子单元和调整子单元；获取子单元被配置成：获取上述转向控制系统的转向训练样本，其中，上述转向训练样本包括对应上述转向横拉杆的转向位移；输入子单元被配置成：将上述转向训练样本输入至初始自适应控制模型中，得到样本横拉杆转向位移信息；发送子单元被配置成：将上述样本横拉杆转向位移信息发送至上述转向控制系统中，以得到上述转向横拉杆的样本转向位移信息；确定子单元被配置成：确定上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值；调整子单元被配置成：响应于上述误差值不满足预设条件，调整上述初始自适应控制模型的模型参数。

可选地，自适应转向控制模型训练单元还包括：模型确定子单元，被配置成响应于上述误差值满足上述预设条件，将上述初始自适应控制模型确定为上述自适应转向控制模型。

可选地，上述初始自适应控制模型的模型参数包括：初始转向阻尼和初始横拉杆阻尼。

可选地，调整子单元进一步被配置成：获取上述自动驾驶车辆的电机相关信息，其中，上述电机相关信息包括转向阻尼与横拉杆阻尼；将上述初始自适应控制模型的初始转向阻尼调整为上述电机相关信息包括的转向阻尼；将上述初始自适应控制模型的初始横拉杆阻尼调整为上述电机相关信息包括的横拉杆阻尼。

可选地，上述初始自适应控制模型的模型参数还包括：初始电机减速机构传动比与初始电机力矩常数，上述电机相关信息还包括：电机减速机构传动比和电机力矩常数。

可选地，调整子单元进一步被配置成：将上述初始自适应控制模型的初始电机减速机构传动比调整为上述电机相关信息包括的电机减速机构传动比；将上述初始自适应控制模型的初始电机力矩常数调整为上述电机相关信息包括的电机力矩常数。

可选地，确定子单元进一步被配置成：对上述转向训练样本包括的转向位移进行微分处理，以生成微分转向位移；对上述样本转向位移信息包括的样本转向位移进行微分处理，以生成微分样本转向位移；基于上述转向位移、上述微分转向位移、上述样本转向位移和上述微分样本转向位移，生成上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值。

可选地，上述横拉杆位移信息包括横拉杆位置与横拉杆转向位移。

可选地，位移信息输入单元被进一步配置成：将上述横拉杆位置和上述横拉杆转向位移输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于自适应控制的车辆转向控制方法，可以适配不同转向系统的硬件参数，提升了转向系统的鲁棒性。从而，提高了转向系统的控制精度，提升了转向系统的响应速度。具体来说，造成转向系统的鲁棒性降低的原因在于：无法适配不同转向系统的硬件参数，降低了转向系统的鲁棒性。基于此，本公开的一些实施例的基于自适应控制的车辆转向控制方法，首先，响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息。由此，便于根据横拉杆位移信息控制转向横拉杆进行位移，以便于自动驾驶车辆完成转向。然后，将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。由此，可以根据预先训练好的自适应转向控制模型，得到转向控制系统控制转向横拉杆进行位移的相关信息(横拉杆转向位移信息)，以便于转向控制系统快速且准确地根据横拉杆转向位移信息，控制转向横拉杆进行转向。最后，将上述横拉杆转向位移信息发送至上述自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。由此，可以通过自适应转向控制模型适配不同转向系统的硬件参数，以使得转向控制系统可以根据横拉杆转向位移信息快速且准确地控制转向横拉杆进行转向，以完成对自动驾驶车辆的转向。从而，提升了转向系统的鲁棒性。进而，提高了转向系统的控制精度，提升了转向系统的响应速度。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的一些实施例的基于自适应控制的车辆转向控制方法的一个应用场景的示意图；

图2是根据本公开的基于自适应控制的车辆转向控制方法的一些实施例的流程图；

图3是根据本公开的基于自适应控制的车辆转向控制方法中生成自适应转向控制模型的一些实施例的流程图；

图4是根据本公开的基于自适应控制的车辆转向控制方法的另一些实施例的流程图

图5是根据本公开的基于自适应控制的车辆转向控制装置的一些实施例的结构示意图；

图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开一些实施例的基于自适应控制的车辆转向控制方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息102。然后，计算设备101可以将上述横拉杆位移信息102输入至预先训练好的自适应转向控制模型103中，得到横拉杆转向位移信息104。最后，计算设备101可以将上述横拉杆转向位移信息104发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息104，控制上述自动驾驶车辆的转向横拉杆进行位移。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的基于自适应控制的车辆转向控制方法的一些实施例的流程200。该基于自适应控制的车辆转向控制方法，包括以下步骤：

步骤201，响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息。

在一些实施例中，基于自适应控制的车辆转向控制方法的执行主体(例如图1所示的计算设备101)可以响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息。这里，上述执行主体可以指自动驾驶车辆的车载终端。这里，转向指令可以是自动驾驶车辆在自动驾驶过程中，自动驾驶车辆上安装的雷达或无线传感器等设备在感知/检测到该自动驾驶车辆需要转向时发出的指令信息。这里，转向指令可以包括但不限于：车辆转向角度(方向盘转向角度)。实践中，上述执行主体可以响应于接收到转向指令，从本地数据库中获取对应上述转向指令的横拉杆位移信息。这里，横拉杆位移信息可以是指控制车辆完成转向时，车辆的转向横拉杆的位移信息。例如，转向指令可以是：车辆转向角度“向左转向5度”，则可以从本地数据库中查找对应转向指令的横拉杆位移信息为“转向横拉杆向左横向位移1厘米”。

可以理解的是，上述实施例中的例子，仅仅为一个简单的举例。在自动驾驶车辆转向过程中，还应当考虑车辆当前的速度、弯道长度、转向的时长、以及每一帧转向时长对应的转向横拉杆的横向位移长度等等。

步骤202，将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。

在一些实施例中，上述执行主体可以将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。这里，预先训练好的自适应转向控制模型可以是指预先选取的二阶参考模型。这里，自适应转向控制模型可以为一个单输入多输出的系统控制模型。例如，自适应转向控制模型可以是指MRACS(model referenceadaptive control system，模型参考自适应控制系统)。实践中，将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，可以得到控制自动驾驶车辆的转向横拉杆进行横向位移的相关参数(横拉杆转向位移信息)。这里，横拉杆转向位移信息可以包含但不限于：方向盘转向角度、方向盘的转向速度(等效为转向横拉杆的位移速度)。

可以理解的是，上述实施例中的描述仅仅为车辆转向所需要的关键参数的描述。在自动驾驶车辆转向过程中，还应当考虑(转向横拉杆之间齿轮齿条副的传动比)、(方向盘、转向管柱、小齿轮核电机输出轴等效到转向管柱上的转动惯量)、(转向横拉杆、连杆机构、车轮等效到转向横拉杆上的等效质量)、(方向盘、转向管柱、小齿轮和电机输出轴等效到转向管柱上的阻尼)、(转向管柱等效到转向横拉杆的阻尼)等等。

步骤203，将上述横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。

在一些实施例中，上述执行主体可以将上述横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。这里，转向控制系统可以是指自动驾驶车辆的用于控制转向的控制器。实践中，上述执行主体将上述横拉杆转向位移信息发送至上述自动驾驶车辆的转向控制系统中之后，转向控制系统可以根据横拉杆转向位移信息包括的参数，生成控制上述自动驾驶车辆的方向盘转动的电流，以使得上述自动驾驶车辆的方向盘的转动，可以带动车辆的转向管柱、转向小齿轮进行转向。进而，使得上述自动驾驶车辆的转向横拉杆发送横向位移。从而，完成了对自动驾驶车辆的转向。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于自适应控制的车辆转向控制方法，可以适配不同转向系统的硬件参数，提升了转向系统的鲁棒性。从而，提高了转向系统的控制精度，提升了转向系统的响应速度。具体来说，造成转向系统的鲁棒性降低的原因在于：无法适配不同转向系统的硬件参数，降低了转向系统的鲁棒性。基于此，本公开的一些实施例的基于自适应控制的车辆转向控制方法，首先，响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息。由此，便于根据横拉杆位移信息控制转向横拉杆进行位移，以便于自动驾驶车辆完成转向。然后，将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。由此，可以根据预先训练好的自适应转向控制模型，得到转向控制系统控制转向横拉杆进行位移的相关信息(横拉杆转向位移信息)，以便于转向控制系统快速且准确地根据横拉杆转向位移信息，控制转向横拉杆进行转向。最后，将上述横拉杆转向位移信息发送至上述自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。由此，可以通过自适应转向控制模型适配不同转向系统的硬件参数，以使得转向控制系统可以根据横拉杆转向位移信息快速且准确地控制转向横拉杆进行转向，以完成对自动驾驶车辆的转向。从而，提升了转向系统的鲁棒性。进而，提高了转向系统的控制精度，提升了转向系统的响应速度。

进一步参考图3，示出了根据本公开的基于自适应控制的车辆转向控制方法中生成自适应转向控制模型的一些实施例的流程图。该生成自适应转向控制模型的方法，包括以下步骤：

步骤301，获取转向控制系统的转向训练样本。

在一些实施例中，基于自适应控制的车辆转向控制方法的执行主体(可以是例如图1所示的计算设备101，也可以是车载终端)可以通过有线连接或无线连接的方式获取转向控制系统的转向训练样本。这里，转向控制系统可以是指自动驾驶车辆的转向控制系统。其中，上述转向训练样本包括对应上述转向横拉杆的转向位移。这里，转向位移可以是指自动驾驶车辆转向时，转向横拉杆的横向位移。

步骤302，将上述转向训练样本输入至初始自适应控制模型中，得到样本横拉杆转向位移信息。

在一些实施例中，上述执行主体可以将上述转向训练样本输入至初始自适应控制模型中，得到样本横拉杆转向位移信息。这里，样本横拉杆转向位移信息可以包含但不限于：方向盘转向角度、方向盘的转向速度(等效为转向横拉杆的位移速度)。这里，初始自适应控制模型可以为一个单输入多输出的系统控制模型(二阶线性系统)。可以理解的是，上述实施例中的描述仅仅为车辆转向所需要的关键参数的描述。在自动驾驶车辆转向过程中，还应当考虑(转向横拉杆之间齿轮齿条副的传动比)、(方向盘、转向管柱、小齿轮核电机输出轴等效到转向管柱上的转动惯量)、(转向横拉杆、连杆机构、车轮等效到转向横拉杆上的等效质量)、(方向盘、转向管柱、小齿轮和电机输出轴等效到转向管柱上的阻尼)、(转向管柱等效到转向横拉杆的阻尼)等等。

步骤303，将上述样本横拉杆转向位移信息发送至上述转向控制系统中，以得到上述转向横拉杆的样本转向位移信息。

在一些实施例中，上述执行主体可以将上述样本横拉杆转向位移信息发送至上述转向控制系统中，以得到上述转向横拉杆的样本转向位移信息。实践中，上述执行主体将上述样本横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中之后，转向控制系统可以根据样本横拉杆转向位移信息包括的参数，生成控制上述自动驾驶车辆的方向盘转动的电流，以使得上述自动驾驶车辆的方向盘的转动，可以带动车辆的转向管柱、转向小齿轮进行转向。从而，可以得到转向横拉杆的横向位移信息(样本转向位移信息)。

步骤304，确定上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值。

在一些实施例中，上述执行主体可以通过以下步骤确定上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值：

第一步，对上述转向训练样本包括的转向位移进行微分处理，以生成微分转向位移。这里，微分处理可以是指对转向位移(转向横拉杆的横向位移)进行微分。这里，微分转向位移可以是指速度。

第二步，对上述样本转向位移信息包括的样本转向位移进行微分处理，以生成微分样本转向位移。这里，微分处理可以是指对样本转向位移(转向横拉杆的横向位移)进行微分。这里，微分样本转向位移可以是指速度。

第三步，基于上述转向位移、上述微分转向位移、上述样本转向位移和上述微分样本转向位移，生成上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值。

实践中，上述执行主体可以通过以下公式生成上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值：

其中，X_e表示误差值。d表示上述转向位移。d′表示上述微分转向位移。d_m表示上述样本转向位移。d′_m表示上述微分样本转向位移。

步骤305，响应于上述误差值不满足预设条件，调整上述初始自适应控制模型的模型参数。

在一些实施例中，上述执行主体可以响应于上述误差值不满足预设条件，调整上述初始自适应控制模型的模型参数。这里，预设条件可以是“误差值等于预设阈值(0)”。这里，上述初始自适应控制模型的模型参数可以包括：初始转向阻尼和初始横拉杆阻尼。这里，上述初始自适应控制模型的模型参数还包括：初始电机减速机构传动比与初始电机力矩常数。这里，初始转向阻尼可以是指初始自适应控制模型中配置的方向盘、转向管柱、小齿轮和电机输出轴等效到转向管柱上的阻尼。这里，初始横拉杆阻尼可以是指初始自适应控制模型中配置的转向横拉杆、连杆机构和车轮等效到转向横拉杆上的阻尼。这里，初始横拉杆阻尼可以是指初始自适应控制模型中预先配置的电机减速机构的传动比。这里，初始电机力矩常数可以是指初始自适应控制模型中预先配置的电机的力矩常数。

实践中，响应于上述误差值不满足预设条件，上述执行主体可以通过以下步骤调整上述初始自适应控制模型的模型参数：

第一步，获取上述自动驾驶车辆的电机相关信息。其中，上述电机相关信息包括转向阻尼与横拉杆阻尼。这里，上述执行主体可以通过有线连接或无线连接的方式获取上述自动驾驶车辆中转向控制系统和无刷直流电机的相关信息(电机相关信息)。上述电机相关信息还包括：电机减速机构传动比和电机力矩常数。

第二步，将上述初始自适应控制模型的初始转向阻尼调整为上述电机相关信息包括的转向阻尼。实践中，可以将上述初始自适应控制模型的初始转向阻尼更换为上述电机相关信息包括的转向阻尼。

第三步，将上述初始自适应控制模型的初始横拉杆阻尼调整为上述电机相关信息包括的横拉杆阻尼。实践中，可以将上述初始自适应控制模型的初始横拉杆阻尼更换为上述电机相关信息包括的横拉杆阻尼。

第四步，将上述初始自适应控制模型的初始电机减速机构传动比调整为上述电机相关信息包括的电机减速机构传动比。实践中，可以将上述初始自适应控制模型的初始电机减速机构传动比更换为上述电机相关信息包括的电机减速机构传动比

第五步，将上述初始自适应控制模型的初始电机力矩常数调整为上述电机相关信息包括的电机力矩常数。实践中，可以将上述初始自适应控制模型的初始电机力矩常数更换为上述电机相关信息包括的电机力矩常数。

步骤306，响应于上述误差值满足上述预设条件，将上述初始自适应控制模型确定为自适应转向控制模型。

在一些实施例中，上述执行主体可以响应于上述误差值满足上述预设条件，将上述初始自适应控制模型确定为自适应转向控制模型。

从图3可以看出，图3对应的一些实施例中的流程300可以将初始自适应控制模型中的参数动态调整为当前自动驾驶车辆的电机相关参数，使得初始自适应控制模型可以适配该自动驾驶车辆的电机相关参数，以提升转向系统的鲁棒性。从而，使得转向系统可以准确地进行车辆转向运动控制，提高了转向系统的控制精度，提升了转向系统的响应速度。

进一步参考图4，示出了根据本公开的基于自适应控制的车辆转向控制方法的另一些实施例的流程400。该基于自适应控制的车辆转向控制方法，包括以下步骤：

步骤401，响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息。

在一些实施例中，基于自适应控制的车辆转向控制方法的执行主体(例如图1所示的计算设备101)可以响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息。这里，上述执行主体可以指自动驾驶车辆的车载终端。这里，转向指令可以是自动驾驶车辆在自动驾驶过程中，自动驾驶车辆上安装的雷达或无线传感器等设备在感知/检测到该自动驾驶车辆需要转向时发送的指令信息。这里，转向指令可以包括但不限于：车辆转向角度(方向盘转向角度)。实践中，上述执行主体可以响应于接收到转向指令，从本地数据库中获取对应上述转向指令的横拉杆位移信息。这里，横拉杆位移信息可以包括横拉杆位置与横拉杆转向位移。这里，横拉杆位置可以是指在以上述自动驾驶车辆中与转向小齿轮连接的转向轴建立的坐标系中，转向横拉杆的位置坐标。

步骤402，将上述横拉杆位置和上述横拉杆转向位移输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。

在一些实施例中，上述执行主体可以将上述横拉杆位置和上述横拉杆转向位移输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。这里，预先训练好的自适应转向控制模型可以是指预先选取的二阶参考模型。这里，自适应转向控制模型可以为一个多输入多输出的系统控制模型。例如，自适应转向控制模型可以是指MRACS(modelreference adaptive control system，模型参考自适应控制系统)。实践中，将上述横拉杆位置和上述横拉杆转向位移输入至预先训练好的自适应转向控制模型中，可以得到控制自动驾驶车辆的转向横拉杆进行横向位移的相关参数(横拉杆转向位移信息)。这里，横拉杆转向位移信息可以包含但不限于：方向盘转向角度、方向盘的转向速度(等效为转向横拉杆的位移速度)、转向横拉杆转向后的位置。

步骤403，将上述横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。

在一些实施例中，步骤403的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤203，在此不再赘述。

从图4可以看出，与图2对应的一些实施例的描述相比，图4对应的一些实施例中的流程400可以通过自适应转向控制模型适配不同转向系统的硬件参数，以使得转向控制系统可以根据横拉杆转向位移信息快速且准确地控制转向横拉杆进行转向，以完成对自动驾驶车辆的转向。从而，提升了转向系统的鲁棒性。进而，提高了转向系统的控制精度，提升了转向系统的响应速度。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种基于自适应控制的车辆转向控制装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，一些实施例的基于自适应控制的车辆转向控制装置500包括：获取单元501、位移信息输入单元502和发送单元503。其中，获取单元501被配置成响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息；位移信息输入单元502被配置成将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息；发送单元503被配置成将上述横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。

可选地，上述装置还包括：自适应转向控制模型训练单元；上述自适应转向控制模型训练单元包括，获取子单元、输入子单元、发送子单元、确定子单元和调整子单元；获取子单元被配置成：获取上述转向控制系统的转向训练样本，其中，上述转向训练样本包括对应上述转向横拉杆的转向位移；输入子单元被配置成：将上述转向训练样本输入至初始自适应控制模型中，得到样本横拉杆转向位移信息；发送子单元被配置成：将上述样本横拉杆转向位移信息发送至上述转向控制系统中，以得到上述转向横拉杆的样本转向位移信息；确定子单元被配置成：确定上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值；调整子单元被配置成：响应于上述误差值不满足预设条件，调整上述初始自适应控制模型的模型参数。

可选地，自适应转向控制模型训练单元还包括：模型确定子单元，被配置成响应于上述误差值满足上述预设条件，将上述初始自适应控制模型确定为上述自适应转向控制模型。

可选地，上述初始自适应控制模型的模型参数包括：初始转向阻尼和初始横拉杆阻尼。

可选地，调整子单元进一步被配置成：获取上述自动驾驶车辆的电机相关信息，其中，上述电机相关信息包括转向阻尼与横拉杆阻尼；将上述初始自适应控制模型的初始转向阻尼调整为上述电机相关信息包括的转向阻尼；将上述初始自适应控制模型的初始横拉杆阻尼调整为上述电机相关信息包括的横拉杆阻尼。

可选地，上述初始自适应控制模型的模型参数还包括：初始电机减速机构传动比与初始电机力矩常数，上述电机相关信息还包括：电机减速机构传动比和电机力矩常数。

可选地，调整子单元进一步被配置成：将上述初始自适应控制模型的初始电机减速机构传动比调整为上述电机相关信息包括的电机减速机构传动比；将上述初始自适应控制模型的初始电机力矩常数调整为上述电机相关信息包括的电机力矩常数。

可选地，确定子单元进一步被配置成：对上述转向训练样本包括的转向位移进行微分处理，以生成微分转向位移；对上述样本转向位移信息包括的样本转向位移进行微分处理，以生成微分样本转向位移；基于上述转向位移、上述微分转向位移、上述样本转向位移和上述微分样本转向位移，生成上述转向训练样本包括的转向位移与上述样本转向位移信息之间的误差值。

可选地，上述横拉杆位移信息包括横拉杆位置与横拉杆转向位移。

可选地，位移信息输入单元502被进一步配置成：将上述横拉杆位置和上述横拉杆转向位移输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息。

可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。

下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)600的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如笔记本电脑、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于接收到转向指令，获取对应上述转向指令的横拉杆位移信息；将上述横拉杆位移信息输入至预先训练好的自适应转向控制模型中，得到横拉杆转向位移信息；将上述横拉杆转向位移信息发送至自动驾驶车辆的转向控制系统中，以供上述转向控制系统根据上述横拉杆转向位移信息，控制上述自动驾驶车辆的转向横拉杆进行位移。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、位移信息输入单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“响应于接收到转向指令，接收对应上述转向指令的横拉杆位移信息的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。