智能車主動安全技術-智能汽車自主循跡控制研究精編版

1、 智能車輛：是一個集環(huán)境感知、規(guī)劃決策、多等級輔助駕駛等功能于 一體的綜合系統(tǒng)，它集中運用了計算機、現(xiàn)代傳感、信息融合、通訊、 人工智能及自動控制等技術，是典型的高新技術綜合體。目前對智能 車輛的研究主要致力于提高汽車的安全性、舒適性、安全性，以及提 供優(yōu)良的人車交互界面。 汽車的主動安全性：是指事故將要發(fā)生時操縱制動或轉(zhuǎn)向系，防止事 故發(fā)生的能力，以及汽車正常行駛時保證其動力性、操縱穩(wěn)定性、駕 駛舒適性、信息正常的能力。又可分為行駛安全性、環(huán)境安全性、感 覺安全性、操作安全性。 1 概 述 汽車主動 安全分類 預防安全技術 （正常行駛時） 車況、路況檢測 改善駕駛視野 提高車輛認視性 燈照防

2、眩目 駕駛員注意力監(jiān)測 自動導行 事故安全技術 （事故前） 車距自動報警 駕駛操縱性提高 電控懸架 防抱死 驅(qū)動防滑 巡航控制 智能汽車的兩個重要組成部分是環(huán)境感知系統(tǒng)和自主循跡控制系統(tǒng)環(huán) 境感知是前提，自主循跡控制是目的。 任務規(guī)劃、行為決策以及底層汽車操作。 2.2 分類： 橫向控制主要是通過控制轉(zhuǎn)向盤轉(zhuǎn)角使汽車沿期望的既定路線行駛， 同時滿足一定的舒適性和平順性要求。 縱向控制是行車方向上的控制，主要是通過控制汽車的油門和剎車使 汽車按期望的車速行駛，同時實現(xiàn)與前后車車距的保持及緊急避障等功能。 2.1 主要任務: 2 智能汽車自動循跡控制研究 圖1 智能汽車自主循跡橫向控制系統(tǒng)基本結(jié)構(gòu)

3、 圖2 智能汽車自主循跡縱向控制系統(tǒng)基本結(jié)構(gòu) 智能汽車自主循跡控制中所選擇的汽車模型可以分為汽車轉(zhuǎn)向幾何 學模型、汽車運動學模型和汽車動力學模型。 （1）用一個簡單的公式表示智能汽車前輪轉(zhuǎn)角與期望道路軌跡之間的幾何 關系。汽車轉(zhuǎn)向幾何學模型在控制時又分為非預瞄和基于預瞄兩種方式。 （2）汽車在全局坐標系中的位移與汽車的車速、橫擺角和前輪轉(zhuǎn)角之間 的關系。 2.3.1按汽車模型分類： 2.3研究內(nèi)容 關于智能汽車自主循跡控制的研究可以從所選擇的汽車模型、使 用的控制理論以及控制內(nèi)容進行分類。 （3）以牛頓力學定律為基本原理，揭示的是汽車的受力與汽車各運 動學變量之間的關系。 2.3.2 按控制內(nèi)

4、容分類 智能汽車自主循跡控制按照其控制內(nèi)容可以分成橫向控制、縱向控 制以及縱橫向耦合控制。 （1）橫向控制分為補償跟蹤控制和預瞄跟蹤控制。補償跟蹤控制的輸入 是當前時刻汽車行駛的狀態(tài)信息和道路信息之間的偏差，控制器根據(jù)輸入 的偏差進行補償校正，計算出相應的轉(zhuǎn)向盤轉(zhuǎn)角。預瞄跟蹤控制則是模擬 駕駛員駕駛汽車時的預瞄原理，根據(jù)未來某一時刻汽車的期望位置和預計 位置之間的差值進行控制。 （2）縱向控制常用于現(xiàn)代汽車的自適應巡航控制中，其目的是使智能汽 車在循跡時保持期望的既定車速，同時保持與前后車的距離處于安全標 準之內(nèi)。 2.3.3按控制理論分類 智能汽車自主車循跡控制中使用的控制方法可以分成經(jīng)典控

5、制理論、 現(xiàn)代控制理論和智能控制理論。 （2）建立在狀態(tài)空間法基礎上的一種控制理論，通過系統(tǒng)辨識的方法建 立了智能汽車的動力學狀態(tài)方程，通過計算系統(tǒng)的可控和可觀矩陣得知 系統(tǒng)是可控可觀的，通過最優(yōu)控制方法實現(xiàn)了智能汽車 CyberCar的自主 循跡控制。 （1）提出的幾種穩(wěn)定性判據(jù)至今在智能汽車循跡控制中仍在廣泛使用， 奈式判據(jù)和伯德圖法是判斷智能汽車循跡控制器穩(wěn)定性的重要方法 （3）模糊控制不依賴于對象的數(shù)學模型，而是通過輸入、輸出信息模仿 人腦并利用先驗知識進行模糊化推理，在智能汽車自主循跡控制方面有 著廣泛的應用前景。 3 存在的問題 傳統(tǒng)的自主循跡控制方法往往依賴于被控對象的精確數(shù)學模

6、型，由 于智能汽車系統(tǒng)的復雜性、非線性、時變性和不確定性，一般無法獲得 精確的數(shù)學模型而且在研究時提出的一些比較苛刻的線性化假設與實際 應用往往不相符，這使得傳統(tǒng)的自主循跡控制方法在汽車非線性區(qū)循跡 時經(jīng)常會失效。 神經(jīng)網(wǎng)絡補償方法需要大量的線上計算并依賴于高精度的 ECU，僅 依靠神經(jīng)網(wǎng)絡補償實現(xiàn)智能汽車的自主循跡控制勢必會增加控制的成本 并產(chǎn)生一些潛在的誤差。 圖 3 雙移線仿真試驗道路軌跡 3.1試驗方法 （1）雙移線試驗在汽車性能測試中經(jīng)常使用，此處可以用來表征智能汽車自 主循跡控制器在直線道路上遇到緊急彎道時的性能。ISO/3888、GB6323-86 S0 =50m；S1 =15m

7、；S2 =30m；S3 =S4 =25m；S5 =30m；S6 =50m；變道 距離 D =3.5m； b 表 示 車 寬 ； 標 桿 寬 度B =1.1b +0.25m ； 標 桿 寬度B2 =1.2b +0.25m；標桿寬度B =1.3b +0.25m。 3 智能汽車自動循跡橫向控制方法及其仿真試驗 （2）圓形彎道仿真試驗的道路軌跡由一個固定曲率的圓形彎道組成， 曲率半徑為 152.4m，目的是表征智能汽車自主循跡控制器在某一固定 曲率道路上的循跡效果，同時由于汽車最終處于一個穩(wěn)定的狀態(tài)，該 試驗還可以用來表征循跡控制器穩(wěn)態(tài)循跡誤差的大小。 圖4 Carsim 中建立的圓形彎道仿真試驗道路

8、軌跡 3.2汽車轉(zhuǎn)向幾何學模型橫向控制方法及其仿真 汽車轉(zhuǎn)向幾何學模型是智能汽車自主循跡控制中使用最早也是最廣 泛的汽車模型，可分為非預瞄和基于預瞄 2 種情況。 一個線性二自由度的二輪模型來代替智能汽車模型。通常的假設 包括：忽略汽車的轉(zhuǎn)向系統(tǒng)，以前輪轉(zhuǎn)角作為轉(zhuǎn)向輸入；忽略懸架，即 忽略汽車的俯仰和側(cè)傾運動；汽車縱向車速視作定值；輪胎處于線性區(qū)， 汽車側(cè)向加速度限定在 0.4g 以下；忽略地面切向力對輪胎的影響。此 時，汽車前輪轉(zhuǎn)角和后輪將要行駛的軌跡之間滿足一個簡單的幾何學關 系，稱為汽車轉(zhuǎn)向幾何學模型， 圖5 汽車轉(zhuǎn)向幾何學模型 tan=L /R 汽車前輪轉(zhuǎn)角（deg）； L 汽車軸距（

9、m）； R 期望軌跡的曲率半徑（m） 3.1基于預瞄的轉(zhuǎn)向幾何學模型橫向控制方法 e=-p 汽車前輪處的角度循跡誤差為： 圖6 汽車前輪處的橫向循跡誤差與期望軌跡的關系 e角度循跡誤差（deg）； 汽車橫擺角（deg）； p 期望的汽車橫擺角（deg） 循跡控制器的目的是通過調(diào)整使e 和ef 都趨于 0。 k 調(diào)整系數(shù) v 車速（m/s） 圖 7 非預瞄汽車轉(zhuǎn)向幾何學模型雙移線仿真試驗結(jié)果 仿真結(jié)果： 非預瞄汽車轉(zhuǎn)向幾何學模型在固定曲率彎道循跡的控制精度隨著車 速的增大而逐漸降低，在同一車速下控制精度隨著調(diào)整系數(shù)k 的增大。 而提高。盡管可以通過增大調(diào)整系數(shù)k 來彌補車速增大造成的循跡控制 精

10、度的下降，但這種彌補效果僅能在一定程度上改善循跡控制精度。當 車速過大時，非預瞄汽車轉(zhuǎn)向幾何學模型的控制精度仍然較低。這與雙 移線仿真試驗得出的結(jié)論相符，進一步證明了非預瞄汽車轉(zhuǎn)向幾何學模 型適用于智能汽車的低速循跡工況。 分析： 3.2基于預瞄的轉(zhuǎn)向幾何學模型橫向控制方法 原理： 基于預瞄的汽車轉(zhuǎn)向幾何學模型研究的是當前汽車前輪轉(zhuǎn)角與 汽車前方ld 處某一點 （gx，gy）處的期望軌跡之間的關系，該方法使 用的是預瞄點處的橫向循跡誤差ep ， 圖8 基于預瞄的汽車轉(zhuǎn)向幾何學模型 圖8 基于預瞄的汽車轉(zhuǎn)向幾何學模型雙移線仿真試驗結(jié)果 仿真結(jié)果： 預瞄的汽車轉(zhuǎn)向幾何學模型在同一車速下的橫向循跡誤

11、差隨著調(diào)整系數(shù) k 的增大而增大。對于同一調(diào)整系數(shù)k ，隨著車速的提高，循跡誤差也越來 越大。預瞄距離越短（k 越?。难E精度越高，預瞄距離越長（k 越大）對應的期望軌跡越平緩。所以，k 越小越容易導致系統(tǒng)的收斂性變 差，k 越大越容易導致系統(tǒng)循跡精度的降低。當 k 足夠大即預瞄距離足夠 遠時，會出現(xiàn)轉(zhuǎn)向不足的情況，原因是基于預瞄的汽車轉(zhuǎn)向幾何學模型僅 關注前方道路某一點處的曲率而忽視了汽車到預瞄點之間的道路曲率變化。 由于存在預瞄，基于預瞄的汽車轉(zhuǎn)向幾何學模型對于道路曲率瞬態(tài)變化的 魯棒性要強于非預瞄汽車轉(zhuǎn)向幾何學模型。 分析： 3.3汽車運動學模型光滑時變反饋橫向控制方法及其仿真 圖

12、9 汽車運動學模型 圖10 汽車后輪處的橫向循跡 誤差與期望軌跡的關系 汽車運動學模型揭示的是汽車在全局坐標系中的位移與汽車車速、 橫擺角和前輪轉(zhuǎn)角之間的關系，如圖9所示，圖中 x和 y 表示汽車后輪 中心在全局坐標系中的坐標，fx 和fy 表示汽車前輪中心在全局坐標系中 的坐標。 期望軌跡曲率 k（s）可用期望汽車橫擺角p與汽車沿期望軌跡行 程s表示： 汽車運動學模型寫成矩陣形式 圖11 汽車運動學模型雙移線仿真試驗結(jié)果 仿真結(jié)果： 隨著車速的提高，汽車運動學模型在雙移線仿真試驗的循 跡控制精度越來越低。在同一車速下，其循跡控制的精度隨著 調(diào)整系數(shù)k 的增大而提高。因此可以通過增大調(diào)整系數(shù)k

13、 來彌 補車速提高帶來的控制精度的下降，但調(diào)整系數(shù)k 的彌補效果 并不如非預瞄和基于預瞄的汽車轉(zhuǎn)向幾何學模型那么明顯。 分析： 線性二自由度汽車模型同樣可以進行汽車的動力學分析。汽車動 力學模型表征的是汽車的受力與汽車的速度、加速度以及橫擺角之間 的關系。 3.4汽車動力學模型橫向控制方法及其仿真 圖12 汽車動力學模型 圖13 汽車質(zhì)心處的橫向循跡誤差與期望軌跡的關系 矩陣形式： 圖14 汽車動力學模型最優(yōu) LQR 方法雙移線仿真試驗結(jié)果 線性二次型調(diào)節(jié)器 ：其對象是現(xiàn)代控制理論中以狀態(tài)空間形式給出的 線性系統(tǒng) ,而目標函數(shù)為對象狀態(tài)和控制輸入的二次型函數(shù) 隨著車速的增大，汽車動力學模型最優(yōu)

14、 LQR 橫向方法的循 跡誤差也逐漸增大，此時可以通過增大調(diào)整系數(shù)1q 來減小循跡 誤差。與汽車轉(zhuǎn)向幾何學模型和汽車運動學模型相比，汽車動 力學模型最優(yōu) LQR 橫向控制方法并沒有如設想的那樣在所有場 合下的循跡控制效果都有所改進。原因是此處使用的汽車動力 學模型雖然考慮了汽車側(cè)向動力學，但在計算過程中為了使用 線性控制方法作了一些線性化假設，排除了一部分明顯的非線 性動力學特性，因此該方法更適于直線或者小角度循跡循跡工 況。 分析： 表 1 種橫向控制方法的特點 1954 年美國巴里特電氣公司研發(fā)出一輛用于實現(xiàn)倉庫內(nèi)物品的自動運輸 的自動引導智能汽車系統(tǒng)，標志著智能汽車的誕生。 目前，車載環(huán)

15、境感知系統(tǒng)由最初的電纜引導發(fā)展到了目前機器視覺、 GPS、激光雷達和三軸陀螺儀的多傳感器綜合環(huán)境感知系統(tǒng) 在 2005年 10 月的第二屆 DARPA 智能汽車越野挑戰(zhàn)賽上，來自 Stanford 大學的 Stanley智能汽車，以 6 小時 53 分 58 秒的時間自 主走完 229km 的全程獲得第一名，平均車速為 32km/h。 4 智能車輛發(fā)展歷史 2005 年 DARPA 越野挑 戰(zhàn)賽冠軍Stanley 智能汽車 車載環(huán)境感知設備 2007 年 11 月 3 DARPA 在美國南加利福尼亞后勤空軍基地舉行了 DARPA 智能汽車城市挑戰(zhàn)賽。 圖15 2007 年 DARPA 城市挑戰(zhàn)賽冠軍BOSS 智能汽車 圖 16 智能汽車 Shelley 車載高