智能車主動(dòng)安全技術(shù)-智能汽車自主循跡控制研究

1、智能汽車主動(dòng)安全智能汽車主動(dòng)安全 智能汽車自主循跡控制研究智能汽車自主循跡控制研究智能車輛：是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)，它集中運(yùn)用了計(jì)算機(jī)、現(xiàn)代傳感、信息融合、通訊、人工智能及自動(dòng)控制等技術(shù)，是典型的高新技術(shù)綜合體。目前對(duì)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(dòng)安全性：是指事故將要發(fā)生時(shí)操縱制動(dòng)或轉(zhuǎn)向系，防止事故發(fā)生的能力，以及汽車正常行駛時(shí)保證其動(dòng)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(jué)安全性、操作安全性。1 概 述汽車主動(dòng)安全分類預(yù)防安全技術(shù)（正常行駛時(shí)）

2、車況、路況檢測(cè)改善駕駛視野提高車輛認(rèn)視性燈照防眩目駕駛員注意力監(jiān)測(cè)自動(dòng)導(dǎo)行事故安全技術(shù)（事故前）車距自動(dòng)報(bào)警駕駛操縱性提高電控懸架防抱死驅(qū)動(dòng)防滑巡航控制 智能汽車的兩個(gè)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(wù)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(guò)控制轉(zhuǎn)向盤轉(zhuǎn)角使汽車沿期望的既定路線行駛，同時(shí)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(guò)控制汽車的油門和剎車使汽車按期望的車速行駛，同時(shí)實(shí)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(wù):2 智能汽車自動(dòng)循跡控制研究圖1 智能汽車自主循跡橫向控制系

3、統(tǒng)基本結(jié)構(gòu) 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(xué)模型、汽車運(yùn)動(dòng)學(xué)模型和汽車動(dòng)力學(xué)模型。 （1）用一個(gè)簡(jiǎn)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(guān)系。汽車轉(zhuǎn)向幾何學(xué)模型在控制時(shí)又分為非預(yù)瞄和基于預(yù)瞄兩種方式。（2）汽車在全局坐標(biāo)系中的位移與汽車的車速、橫擺角和前輪轉(zhuǎn)角之間的關(guān)系。2.3.1按汽車模型分類： 2.3研究?jī)?nèi)容 關(guān)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(jìn)行分類。（3）以牛頓力學(xué)定律為基本原理，揭示的是汽車的受力與汽車各運(yùn)動(dòng)學(xué)變量之間的關(guān)系。2.3.2 按控制內(nèi)容分類

4、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(bǔ)償跟蹤控制和預(yù)瞄跟蹤控制。補(bǔ)償跟蹤控制的輸入是當(dāng)前時(shí)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(jìn)行補(bǔ)償校正，計(jì)算出相應(yīng)的轉(zhuǎn)向盤轉(zhuǎn)角。預(yù)瞄跟蹤控制則是模擬駕駛員駕駛汽車時(shí)的預(yù)瞄原理，根據(jù)未來(lái)某一時(shí)刻汽車的期望位置和預(yù)計(jì)位置之間的差值進(jìn)行控制。（2）縱向控制常用于現(xiàn)代汽車的自適應(yīng)巡航控制中，其目的是使智能汽車在循跡時(shí)保持期望的既定車速，同時(shí)保持與前后車的距離處于安全標(biāo)準(zhǔn)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)典控制理論、現(xiàn)代控制理論和智能

5、控制理論。（2）建立在狀態(tài)空間法基礎(chǔ)上的一種控制理論，通過(guò)系統(tǒng)辨識(shí)的方法建立了智能汽車的動(dòng)力學(xué)狀態(tài)方程，通過(guò)計(jì)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(guò)最優(yōu)控制方法實(shí)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(duì)象的數(shù)學(xué)模型，而是通過(guò)輸入、輸出信息模仿人腦并利用先驗(yàn)知識(shí)進(jìn)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(yīng)用前景。3 存在的問(wèn)題 傳統(tǒng)的自主循跡控制方法往往依賴于被控對(duì)象的精確數(shù)學(xué)模型，由于智能汽車系統(tǒng)的復(fù)雜性、非線性、時(shí)變性和不

6、確定性，一般無(wú)法獲得精確的數(shù)學(xué)模型而且在研究時(shí)提出的一些比較苛刻的線性化假設(shè)與實(shí)際應(yīng)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(shí)經(jīng)常會(huì)失效。 神經(jīng)網(wǎng)絡(luò)補(bǔ)償方法需要大量的線上計(jì)算并依賴于高精度的 ECU，僅依靠神經(jīng)網(wǎng)絡(luò)補(bǔ)償實(shí)現(xiàn)智能汽車的自主循跡控制勢(shì)必會(huì)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(yàn)道路軌跡 3.1試驗(yàn)方法（1）雙移線試驗(yàn)在汽車性能測(cè)試中經(jīng)常使用，此處可以用來(lái)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(shí)的性能。ISO/3888、GB6323-86S0 =50m；S1 =15m；S2 =30m；S3 =S4 =25m；S5 =30m；S6 =

7、50m；變道 距離 D =3.5m； b 表 示 車 寬 ； 標(biāo) 桿 寬 度B =1.1b +0.25m ； 標(biāo) 桿 寬度B2 =1.2b +0.25m；標(biāo)桿寬度B =1.3b +0.25m。 3 智能汽車自動(dòng)循跡橫向控制方法及其仿真試驗(yàn) （2）圓形彎道仿真試驗(yàn)的道路軌跡由一個(gè)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(shí)由于汽車最終處于一個(gè)穩(wěn)定的狀態(tài)，該試驗(yàn)還可以用來(lái)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(yàn)道路軌跡 3.2汽車轉(zhuǎn)向幾何學(xué)模型橫向控制方法及其仿真 汽車轉(zhuǎn)向幾何學(xué)模型是智

8、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(yù)瞄和基于預(yù)瞄 2 種情況。 一個(gè)線性二自由度的二輪模型來(lái)代替智能汽車模型。通常的假設(shè)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(yùn)動(dòng)；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(duì)輪胎的影響。此時(shí)，汽車前輪轉(zhuǎn)角和后輪將要行駛的軌跡之間滿足一個(gè)簡(jiǎn)單的幾何學(xué)關(guān)系，稱為汽車轉(zhuǎn)向幾何學(xué)模型，圖5 汽車轉(zhuǎn)向幾何學(xué)模型 tan=L /R 汽車前輪轉(zhuǎn)角（deg）； L 汽車軸距（m）； R 期望軌跡的曲率半徑（m）3.1基于預(yù)瞄的轉(zhuǎn)向幾何學(xué)模型橫向控制方法e=-p汽

9、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(guān)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(guò)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(yù)瞄汽車轉(zhuǎn)向幾何學(xué)模型雙移線仿真試驗(yàn)結(jié)果 仿真結(jié)果： 非預(yù)瞄汽車轉(zhuǎn)向幾何學(xué)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(guò)增大調(diào)整系數(shù)k 來(lái)彌補(bǔ)車速增大造成的循跡控制精度的下降，但這種彌補(bǔ)效果僅能在一定程度上改善循跡控制精度。當(dāng)車速過(guò)大時(shí)，非預(yù)瞄汽車轉(zhuǎn)向幾何學(xué)模型的控制精度仍

10、然較低。這與雙移線仿真試驗(yàn)得出的結(jié)論相符，進(jìn)一步證明了非預(yù)瞄汽車轉(zhuǎn)向幾何學(xué)模型適用于智能汽車的低速循跡工況。 分析：3.2基于預(yù)瞄的轉(zhuǎn)向幾何學(xué)模型橫向控制方法 原理： 基于預(yù)瞄的汽車轉(zhuǎn)向幾何學(xué)模型研究的是當(dāng)前汽車前輪轉(zhuǎn)角與汽車前方ld 處某一點(diǎn) （gx，gy）處的期望軌跡之間的關(guān)系，該方法使用的是預(yù)瞄點(diǎn)處的橫向循跡誤差ep ， 圖8 基于預(yù)瞄的汽車轉(zhuǎn)向幾何學(xué)模型圖8 基于預(yù)瞄的汽車轉(zhuǎn)向幾何學(xué)模型雙移線仿真試驗(yàn)結(jié)果 仿真結(jié)果：預(yù)瞄的汽車轉(zhuǎn)向幾何學(xué)模型在同一車速下的橫向循跡誤差隨著調(diào)整系數(shù) k 的增大而增大。對(duì)于同一調(diào)整系數(shù)k ，隨著車速的提高，循跡誤差也越來(lái)越大。預(yù)瞄距離越短（k 越小）對(duì)應(yīng)的循

11、跡精度越高，預(yù)瞄距離越長(zhǎng)（k 越大）對(duì)應(yīng)的期望軌跡越平緩。所以，k 越小越容易導(dǎo)致系統(tǒng)的收斂性變差，k 越大越容易導(dǎo)致系統(tǒng)循跡精度的降低。當(dāng) k 足夠大即預(yù)瞄距離足夠遠(yuǎn)時(shí)，會(huì)出現(xiàn)轉(zhuǎn)向不足的情況，原因是基于預(yù)瞄的汽車轉(zhuǎn)向幾何學(xué)模型僅關(guān)注前方道路某一點(diǎn)處的曲率而忽視了汽車到預(yù)瞄點(diǎn)之間的道路曲率變化。由于存在預(yù)瞄，基于預(yù)瞄的汽車轉(zhuǎn)向幾何學(xué)模型對(duì)于道路曲率瞬態(tài)變化的魯棒性要強(qiáng)于非預(yù)瞄汽車轉(zhuǎn)向幾何學(xué)模型。分析：3.3汽車運(yùn)動(dòng)學(xué)模型光滑時(shí)變反饋橫向控制方法及其仿真圖9 汽車運(yùn)動(dòng)學(xué)模型 圖10 汽車后輪處的橫向循跡誤差與期望軌跡的關(guān)系 汽車運(yùn)動(dòng)學(xué)模型揭示的是汽車在全局坐標(biāo)系中的位移與汽車車速、橫擺角和前輪轉(zhuǎn)

12、角之間的關(guān)系，如圖9所示，圖中 x和 y 表示汽車后輪中心在全局坐標(biāo)系中的坐標(biāo)，fx 和fy 表示汽車前輪中心在全局坐標(biāo)系中的坐標(biāo)。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(yùn)動(dòng)學(xué)模型寫(xiě)成矩陣形式 圖11 汽車運(yùn)動(dòng)學(xué)模型雙移線仿真試驗(yàn)結(jié)果仿真結(jié)果： 隨著車速的提高，汽車運(yùn)動(dòng)學(xué)模型在雙移線仿真試驗(yàn)的循跡控制精度越來(lái)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(guò)增大調(diào)整系數(shù)k 來(lái)彌補(bǔ)車速提高帶來(lái)的控制精度的下降，但調(diào)整系數(shù)k 的彌補(bǔ)效果并不如非預(yù)瞄和基于預(yù)瞄的汽車轉(zhuǎn)向幾何學(xué)模型那么明顯。 分析： 線性二自由度汽車模型同樣可以進(jìn)行汽車

13、的動(dòng)力學(xué)分析。汽車動(dòng)力學(xué)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(guān)系。3.4汽車動(dòng)力學(xué)模型橫向控制方法及其仿真 圖12 汽車動(dòng)力學(xué)模型 圖13 汽車質(zhì)心處的橫向循跡誤差與期望軌跡的關(guān)系 矩陣形式：圖14 汽車動(dòng)力學(xué)模型最優(yōu) LQR 方法雙移線仿真試驗(yàn)結(jié)果 線性二次型調(diào)節(jié)器 ：其對(duì)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(biāo)函數(shù)為對(duì)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(dòng)力學(xué)模型最優(yōu) LQR 橫向方法的循跡誤差也逐漸增大，此時(shí)可以通過(guò)增大調(diào)整系數(shù)1q 來(lái)減小循跡誤差。與汽車轉(zhuǎn)向幾何學(xué)模型和汽車運(yùn)動(dòng)學(xué)模型相比，汽車動(dòng)力學(xué)模型最優(yōu) LQR 橫向控制方法并沒(méi)有

14、如設(shè)想的那樣在所有場(chǎng)合下的循跡控制效果都有所改進(jìn)。原因是此處使用的汽車動(dòng)力學(xué)模型雖然考慮了汽車側(cè)向動(dòng)力學(xué)，但在計(jì)算過(guò)程中為了使用線性控制方法作了一些線性化假設(shè)，排除了一部分明顯的非線性動(dòng)力學(xué)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(diǎn) 1954 年美國(guó)巴里特電氣公司研發(fā)出一輛用于實(shí)現(xiàn)倉(cāng)庫(kù)內(nèi)物品的自動(dòng)運(yùn)輸?shù)淖詣?dòng)引導(dǎo)智能汽車系統(tǒng)，標(biāo)志著智能汽車的誕生。目前，車載環(huán)境感知系統(tǒng)由最初的電纜引導(dǎo)發(fā)展到了目前機(jī)器視覺(jué)、GPS、激光雷達(dá)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(lái)自 Stanford 大學(xué)的 Stanley智能汽車，以 6 小時(shí) 53 分 58 秒的時(shí)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(shè)備2007 年 11 月 3 DARPA 在美國(guó)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 She