智能车主动安全技术_智能汽车自主循迹控制研究

智能汽车自主循迹控制研究

1引言

智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性，以及提供优良的人车交互界面。

智能汽车与一般所说的自动驾驶有所不同，它指的是利用多种传感器和智能公路技术实现的汽车自动驾驶。智能汽车首先有一套导航信息资料库，存有全国高速公路、普通公路、城市道路以及各种服务设施(餐饮、旅馆、加油站、景点、停车场)的信息资料；其次是GPS 定位系统，利用这个系统精确定位车辆所在的位置，与道路资料库中的数据相比较，确定以后的行驶方向；道路状况信息系统，由交通管理中心提供实时的前方道路状况信息，如堵车、事故等，必要时及时改变行驶路线；车辆防碰系统，包括探测雷达、信息处理系统、驾驶控制系统，控制与其他车辆的距离，在探测到障碍物时及时减速或刹车，并把信息传给指挥中心和其他车辆；紧急报警系统，如果出了事故，自动报告指挥中心进行救援；无线通信系统，用于汽车与指挥中心的联络；自动驾驶系统，用于控制汽车的点火、改变速度和转向等。

汽车的主动安全性是指事故将要发生时操纵制动或转向系，防止事故发生的能力，以及汽车正常行驶时保证其动力性、操纵稳定性、驾驶舒适性、信息正常的能力。又可分为行驶安全性、环境安全性、感觉安全性、操作安全性；汽车被动安全技术是指在车辆发生交通安全事故后，通过车内的保护系统来有效地保护驾乘人员，尽量减少损伤的程度，包括对车上乘员和车下行人的保护．又可分为车外部安全性、车内部安全性。

经过近几十年，尤其是进人90年代以来的发展，未来汽车主动安全的新概念已大致形成如图1所示。

图1 汽车主动安全的分类

智能汽车研究包含众多任务，如何利用环境感知信息实现智能汽车的自主循迹控制是其中的重要内容之一。汽车本身是非线性的，加之汽车行驶的道路环境复杂多变，使得智能汽车自主循迹控制成为一个非线性、复杂、时变的控制问题，此时需要引入智能控制理论，采用仿人智能控制决策，使控制系统达到期望的目标。近年来随着控制理论的发展，越来越多的智能控制技术被应用于智能汽车自主循迹控制中。然而智能控制方法往往需要庞大的计算量并且依赖于高精度的电子元件设备，这在实际应用中势必会增加控制的成本并造成控制系统的滞后，为了弥补这些缺点，必须综合运用现代控制方法和智能控制方法来实现智能汽车的自主循迹控制。

2智能汽车自主循迹横向控制方法

智能汽车自主循迹横向控制是通过调整汽车的转向盘转角使汽车与期望轨迹之间的横向循迹误差最小，同时使汽车运动方向与期望轨迹切线方向之间的角度误差最小，在保证控制精度的前提下又要兼顾汽车的平顺性和舒适性。

2.1智能汽车的主要任务

智能汽车自主循迹控制系统的主要任务包括任务规划、行为决策以及底层汽车操作。在实际应用中，汽车的自主循迹控制分为横向控制和纵向控制。横向控制主要是通过控制转向盘转角使汽车沿期望的既定路线行驶，同时满足一定的舒适性和平顺性要求。纵向控制是行车方向上的控制，主要是通过控制汽车的油门和刹车使汽车按期望的车速行驶，同时实现与前后车车距的保持及紧急避障等功能。智能汽车自主循迹横向和纵向控制系统的基本结构如图2、图3所示。

图2智能汽车自主循迹横向控制系统基本结构

图3智能汽车自主循迹纵向控制系统基本结构

2.2汽车模型的分类

智能汽车自主循迹控制中所选择的汽车模型可以分为汽车转向几何学模型[30-37]、汽车运动学模型和汽车动力学模型。汽车转向几何学模型是智能汽车自主循迹控制中使用最早也是最广泛的汽车模型，使用一个简单的公式表示智能汽车前轮转角与期望道路轨迹之间的几何关系。汽车转向几何学模型在控制时又分为非预瞄和基于预瞄两种方式。由于汽车转向几何学模型易于理解，控制方法简单，在智能汽车循迹横向控制方面有着广泛的应用。汽车运动学模型揭示的是汽车在全局坐标系中的位移与汽车的车速、横摆角和前轮转角之间的关系。汽车运动学模型可以很好的解决智能汽车编队跟随控制问题，但由于模型复杂，计算量相对增大，增加了工程应用中可能存在的错误，而且运算过程中需要计算道路曲率的一、二阶导数，这无形中要求道路必须连续且平顺，在独立的智能汽车循迹控制中应用较少。汽车动力学模型以牛顿力学定律为基本原理，揭示的是汽车的受力与汽车各运动学变量之间的关系。模型易于理解，在应用时算法稍显复杂，其控制精度要高于汽车转向几何学模型和汽车运动学模型。但由于普遍使用的线性二自由度汽车模型在建模时进行了一定的线性化假设，模型在非线性区的控制精度较低。

2.3自主循迹的控制内容

智能汽车自主循迹控制按照其控制内容可以分成横向控制、纵向控制以及纵横向耦合控制。横向控制分为补偿跟踪控制和预瞄跟踪控制。补偿跟踪控制的输入是当前时刻汽车行驶

的状态信息和道路信息之间的偏差，控制器根据输入的偏差进行补偿校正，计算出相应的转向盘转角。预瞄跟踪控制则是模拟驾驶员驾驶汽车时的预瞄原理，根据未来某一时刻汽车的期望位置和预计位置之间的差值进行控制。纵向控制常用于现代汽车的自适应巡航控制中，其目的是使智能汽车在循迹时保持期望的既定车速，同时保持与前后车的距离处于安全标准之内。

2.4存在的问题

传统的自主循迹控制方法往往依赖于被控对象的精确数学模型，由于智能汽车系统的复杂性、非线性、时变性和不确定性，一般无法获得精确的数学模型而且在研究时提出的一些比较苛刻的线性化假设与实际应用往往不相符，这使得传统的自主循迹控制方法在汽车非线性区循迹时经常会失效。

神经网络可以通过其自学习能力对汽车动力学模型进行非线性补偿，改善其在非线性区的控制效果。然而神经网络补偿方法需要大量的线上计算并依赖于高精度的ECU，仅依靠神经网络补偿实现智能汽车的自主循迹控制势必会增加控制的成本并产生一些潜在的误差。

可以通过多控制方法变换解决此问题，然而以往智能汽车自主循迹控制中使用了多种不同的汽车模型，这些不同的汽车模型各有优缺点，适用范围也不同，在同一行驶工况下的控制精度也有差异，目前尚缺少关于智能汽车自主循迹控制几种汽车模型的统一比较。

目前智能汽车自主循迹纵向控制方法大多是将期望车速视作道路曲率和汽车侧向加速度的函数，这些方法计算出的期望车速信号变化比较灵敏，车速的选择也没有实际驾驶员的操作那么灵活，如何模拟驾驶员的思维智能地选择车速是一个难题。

3智能汽车自主循迹横向控制仿真实验

3.1智能汽车自主循迹控制仿真试验环境

为了比较各种横向控制方法的性能，使用Matlab/simulink 和Carsim 软件进行联合仿真。在相同试验条件下针对每一种横向控制方法分别进行双移线仿真试验和圆形弯道仿真试验，并将各种横向控制方法得出的汽车质心处的横向循迹误差进行对比。定义汽车质心位于道路轨迹左侧时误差为正，反之为负。双移线试验在汽车性能测试中经常使用，此处可以用来表征智能汽车自主循迹控制器在直线道路上遇到紧急弯道时的性能。由于存在两个方向相反的紧急弯道，还可以表征控制器对道路曲率变化的鲁棒性。双移线仿真试验的道路轨迹具体参数参照ISO/3888 技术报告与GB6323-86 标准，如图4所示。