基于模型预测控制的智能车辆主动避撞控制研究

《基于制动和转向的智能车避撞控制研究》篇一一、引言随着智能交通系统的快速发展，自动驾驶汽车逐渐成为未来交通的重要趋势。

避撞系统作为自动驾驶汽车的核心技术之一，对于提高行车安全性和减少交通事故具有重要意义。

本文将重点研究基于制动和转向的智能车避撞控制技术，探讨其原理、方法及实际应用。

二、智能车避撞控制技术概述智能车避撞控制技术主要通过传感器、控制器和执行器等设备实现车辆的自主避障和避撞。

其中，制动和转向是两种主要的避撞手段。

制动系统通过调整车辆制动力度，使车辆减速或停车，以避免碰撞；转向系统则通过改变车辆的行驶方向，使车辆绕过障碍物。

这两种手段在智能车避撞控制中相互配合，共同保障行车安全。

三、制动和转向的避撞控制原理1. 制动避撞控制原理制动避撞控制主要通过传感器检测车辆与障碍物之间的距离，当距离小于安全阈值时，控制系统会发出制动指令，调整制动力度，使车辆减速或停车，以避免碰撞。

此外，制动系统还可以根据障碍物的速度、大小和类型等信息，进行智能化的制动策略调整，提高避撞效果。

2. 转向避撞控制原理转向避撞控制主要通过传感器检测车辆周围的障碍物信息，通过算法计算出最佳的转向路径和转向角度，使车辆绕过障碍物。

转向避撞控制需要考虑车辆的动力学特性、道路条件、车速等因素，以确保转向过程的稳定性和安全性。

四、智能车避撞控制的实现方法1. 传感器技术传感器是智能车避撞控制的核心设备之一，主要用来检测车辆周围的障碍物信息。

常用的传感器包括雷达、激光雷达、摄像头等。

这些传感器可以提供障碍物的位置、速度、大小等信息，为控制系统提供决策依据。

2. 控制器设计控制器是智能车避撞控制的核心部分，主要负责接收传感器的信息，根据一定的算法计算出最佳的避撞策略，并发出指令给执行器。

控制器设计需要考虑多种因素，如传感器的精度、执行器的性能、车辆的动力学特性等。

3. 执行器技术执行器是智能车避撞控制的最终环节，主要负责执行控制器的指令。

Vol.44,No.3Jun.2021第44卷第3期2021年6月武汉科技大学学报Journal of Wuhan University of Science and Technology D0I ：10.3969/j.issn.1674-3644.2021.03.009基于模型预测控制的汽车紧急转向避撞研究严运兵，许峻峰,许小伟，杨建青(武汉科技大学汽车与交通工程学院，湖北 武汉,30065)摘要：为了解决汽车在低附着路面上中高速转向避撞时产生的侧滑失稳和轨迹跟踪能力不足等问题，本文基于模型预测控制算法，提出一种主动避撞的方法，建立了车辆单轨模型并经线性离散化后作为预测模型。

在模型预测控制的过程中加入前轮转角约束、前轮转角增量约束、纵向加速度约束与轮胎侧偏角约束等多种约 束条件，对车辆横向位移、横向速度、横摆角与横摆角速度等多个状态量进行控制，使车辆的轨迹更加符合理想轨迹。

仿真模拟结果表明，相比无控制与PID 控制方法，利用本文方法可以有效地使汽车在中高速及低附着路面条件下按理想的轨迹进行避撞且保持避撞过程中的行驶稳定性，大幅提高避撞过程中的车辆安全性。

关键词：汽车转向；转向避撞；模型预测控制；路径跟踪；轨迹规划中图分类号:U463.6 文献标志码:A 文章编号:1674-3644(2021.)03-0220-06汽车主动安全技术的不断发展为汽车行驶安 全提供了有力的保障。

目前，因汽车在高速路面 躲避障碍物而造成的安全事故率越来越高，气车主动安全技术中的主动避撞技术已成为汽车驾驶安全领域的研究热点，亥类研究主要包括汽车行 驶路径规划以及对汽车行驶轨迹进行跟踪控制,如修彩靖等［］利用高斯组合隶属函数建立改进的 人工势场模型进行路径规划;Wnag 等［］基于模拟退火算法优化了路径规划器初等函数中的多项 式参数;张琳等［］通过引入滚动窗口优化策略来 解决未知环境中的全局最优轨迹；田彦涛等⑷借助线性二次型调节器(LQR)设计出侧向控制器实现了平稳避撞;Chen 等［5］利用一种路径跟随转 向控制器来减小跟踪误差,亥控制器由具有自适 应预览时间的自动换道系统组成；李印祥等［］基于滑模控制方法对汽车行驶路径进行跟踪，仿真和硬件在环试验证实该方法具有良好的跟踪特 性。

《基于制动和转向的智能车避撞控制研究》篇一一、引言随着科技的飞速发展，智能车辆技术已成为当今研究的热点。

其中，避撞控制作为智能车辆安全行驶的关键技术之一，其研究具有重要的理论意义和实际应用价值。

本文将针对基于制动和转向的智能车避撞控制进行研究，旨在提高智能车辆的行驶安全性和稳定性。

二、智能车避撞系统概述智能车避撞系统是一种集成了多种传感器、控制器和执行器的复杂系统。

其中，传感器用于获取车辆周围的环境信息，控制器根据获取的信息进行决策，执行器则负责实施控制动作。

在避撞控制中，制动和转向是两种主要的执行动作。

三、制动避撞控制研究制动避撞控制是智能车避撞控制的重要组成部分。

在紧急情况下，通过合理控制制动系统，使车辆迅速减速，以避免碰撞事故的发生。

3.1 制动系统模型制动系统模型是研究制动避撞控制的基础。

该模型应包括制动器的结构、工作原理以及制动力的产生和传递过程。

通过建立精确的制动系统模型，可以为后续的避撞控制研究提供有力的支持。

3.2 制动策略研究制动策略是指导制动避撞控制的关键。

根据不同的环境信息和车辆状态，制定合理的制动策略，使车辆在保证安全的前提下，尽可能地减小制动距离。

目前，常见的制动策略包括预见性制动、紧急制动等。

四、转向避撞控制研究转向避撞控制是另一种重要的避撞控制方式。

通过控制车辆的转向系统，使车辆在避免碰撞的同时，保持稳定的行驶轨迹。

4.1 转向系统模型转向系统模型是研究转向避撞控制的基础。

该模型应包括转向器的结构、工作原理以及转向力的产生和传递过程。

通过建立精确的转向系统模型，可以更好地理解转向避撞控制的原理和实现方法。

4.2 转向策略研究转向策略是指导转向避撞控制的关键。

根据环境信息和车辆状态，制定合理的转向策略，使车辆在避免碰撞的同时，保持稳定的行驶状态。

常见的转向策略包括路径规划、车道保持等。

五、制动与转向的协调控制研究在实际应用中，制动和转向往往需要协调配合，以实现最佳的避撞效果。

汽车智能防碰撞系统的建模分析与应用研究概要汽车智能防碰撞系统是一种利用传感器、相机、雷达和激光等技术来监测车辆周围环境并实时分析和预测潜在碰撞风险的系统。

它可以帮助驾驶员及时发现危险情况，并采取相应的措施来避免碰撞事故的发生。

本文将对汽车智能防碰撞系统的建模分析与应用进行研究，并提出相应的研究概要。

首先，需要对汽车智能防碰撞系统的建模进行分析。

建模是将系统的行为和结构抽象化的过程，可以用于仿真、测试和优化系统的性能。

汽车智能防碰撞系统的建模包括以下几个方面：1.环境感知模型：该模型使用传感器、相机、雷达和激光等设备来感知车辆周围的环境，包括道路、车辆和行人等，以获取实时的环境信息。

2.碰撞风险评估模型：该模型根据环境感知模型提供的信息，通过算法和模式识别等技术对周围环境进行分析和评估，确定潜在的碰撞风险。

3.决策控制模型：该模型根据碰撞风险评估模型提供的结果，决定采取何种措施来避免碰撞事故的发生，比如自动刹车或驾驶员警告。

4.车辆动力学模型：该模型用于模拟车辆的运动和动力学特性，以便更好地理解和预测车辆的行为和运动轨迹。

其次，需要对汽车智能防碰撞系统的应用进行研究。

汽车智能防碰撞系统在实际应用中有着广泛的应用场景，如城市交通、高速公路和停车场等。

下面是一些典型的应用场景：1.交通流量监测与预测：智能防碰撞系统可以监测交通流量和拥堵情况，并预测未来的交通状况，提供实时的交通信息和导航建议。

2.自动紧急制动：当智能防碰撞系统检测到前方有障碍物或潜在的碰撞风险时，会自动触发车辆的制动系统，减少碰撞事故的风险。

3.自动泊车辅助：智能防碰撞系统可以利用传感器和相机等设备，辅助驾驶员完成车辆的自动泊车操作，减少停车事故的发生。

4.交通信号灯优化：智能防碰撞系统可以与交通信号灯进行通信，根据交通流量和车辆位置等信息，优化信号灯的配时，减少交通拥堵和碰撞事故的发生。

最后，对于汽车智能防碰撞系统的研究概要，可以按照以下步骤进行：1.调研和分析现有的汽车智能防碰撞系统及相关技术，了解其原理和应用场景。

智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究一、综述随着科技的不断发展，智能汽车已经成为了现代交通领域的一个重要研究方向。

智能汽车通过将各种传感器、控制器和通信技术与车辆相结合，实现了对车辆的实时监控、故障诊断、自动驾驶等功能。

在智能汽车的发展过程中，紧急避撞轨迹规划与路径跟踪控制策略的研究显得尤为重要。

本文将对智能汽车紧急避撞轨迹规划与路径跟踪控制策略的现状进行综述，分析现有技术的优缺点，并提出一种新的解决方案，以期为智能汽车的发展提供理论支持和技术指导。

尽管目前已经取得了一定的研究成果，但智能汽车紧急避撞轨迹规划与路径跟踪控制策略仍然面临着一些挑战。

首先由于智能汽车涉及到多种复杂的运动模式和环境因素，因此在实际应用中很难实现对所有情况的有效处理。

其次由于智能汽车的控制系统具有很高的实时性要求，因此在计算复杂度和响应速度方面存在一定的限制。

此外由于智能汽车的安全性和可靠性对于整个交通系统具有重要意义，因此在研究过程中需要充分考虑安全性和可靠性的问题。

智能汽车紧急避撞轨迹规划与路径跟踪控制策略的研究对于提高智能汽车的安全性和可靠性具有重要意义。

本文将对这一领域的研究现状进行综述，分析现有技术的优缺点，并提出一种新的解决方案，以期为智能汽车的发展提供理论支持和技术指导。

1.1 研究背景和意义随着科技的飞速发展，智能汽车已经成为了未来交通出行的重要趋势。

然而智能汽车在行驶过程中可能会遇到各种突发情况，如紧急避险、碰撞等，这些情况对车辆和乘客的安全具有极大的威胁。

因此研究智能汽车在紧急情况下的避撞轨迹规划与路径跟踪控制策略显得尤为重要。

首先研究智能汽车紧急避撞轨迹规划与路径跟踪控制策略有助于提高道路交通安全。

通过对智能汽车在紧急情况下的避撞轨迹规划和路径跟踪控制策略的研究，可以有效地降低交通事故的发生概率，减少因交通事故造成的人员伤亡和财产损失。

其次研究智能汽车紧急避撞轨迹规划与路径跟踪控制策略有助于提高道路通行效率。

船舶自主避碰系统中的模型预测控制航行中的船舶面临着众多的危险和难题。

随着科学技术的不断进步和发展，很多国家和机构都在致力于研发一种更加高效安全的船舶自主避碰系统，希望能够在航行中避免碰撞等事故的发生。

在这个系统中，模型预测控制技术被广泛地采用，具有非常重要的作用。

1. 船舶自主避碰技术和模型预测控制船舶自主避碰技术旨在通过计算机、船舶设备、卫星导航等各种技术手段来实现船舶自主避碰，以减少事故的发生。

目前，全球各个国家和地区都在努力推动船舶自主避碰技术的研发和应用。

在船舶自主避碰技术中，模型预测控制技术是一个非常重要的部分。

模型预测控制是一种基于状态空间模型的预测控制方法，通过预测系统状态的变化来对其进行控制。

在船舶自主避碰中，模型预测控制技术通过对船舶运动状态的预测，能够对船舶的运动进行智能化控制，从而实现避免碰撞等事故的发生。

2. 船舶自主避碰中的模型预测控制技术应用在船舶自主避碰中，模型预测控制技术被广泛应用于以下方面：（1）动态碰撞风险评估动态碰撞风险评估是船舶自主避碰技术的核心之一。

这个技术通过模型预测控制技术，能够对船舶行驶路径和运动状态进行实时监测和预测，并能够根据这些信息对船舶的碰撞风险进行评估。

评估结果能够为船舶自主避碰系统提供最优路线和最佳航速等智能化控制指令，从而降低碰撞风险。

（2）船舶状态随机优化控制船舶状态随机优化控制是基于船舶状态和通信环境等多方面条件，对船舶自主避碰行动进行智能化控制的一种手段。

在该控制中，模型预测控制技术可将当前船舶状态与预测计算后的状态进行比较，制定出最佳控制策略，从而使得船舶避免危险。

（3）动态规划航行优化动态规划航行优化是一种基于模型预测控制技术的实时船舶自主避碰技术。

该技术针对不同环境、天气、海况等因素，对船舶的航行路径和航速进行智能化优化，从而降低碰撞风险。

同时，这种技术还可以结合卫星导航、电子海图等信息，实现船舶自动导航和导航数据共享。

3. 模型预测控制在船舶自主避碰中的应用前景随着航海技术和计算机技术的迅速发展，船舶自主避碰技术已经成为未来船舶运输领域的重要发展方向之一。

无人驾驶车辆运动障碍物检测、预测和避撞方法研究一、本文概述随着科技的不断进步，无人驾驶车辆已经逐渐从概念走向实际应用，其在提高交通效率、减少交通事故、提供便捷出行等方面具有巨大的潜力。

然而，无人驾驶车辆在实现这些优势的也面临着如何有效检测、预测和避撞运动障碍物等复杂问题的挑战。

因此，本文旨在深入研究无人驾驶车辆在运动障碍物检测、预测和避撞方面的方法，以期为无人驾驶技术的发展提供理论支持和实际应用指导。

本文首先将对无人驾驶车辆运动障碍物检测的方法进行探讨，包括传统的基于传感器的方法以及基于深度学习的目标检测方法。

然后，我们将对运动障碍物的预测技术进行深入研究，包括基于运动模型的预测和基于机器学习的预测方法。

在此基础上，本文将进一步探讨无人驾驶车辆避撞策略的设计和实现，包括避撞路径规划和避撞控制等关键技术。

通过对以上内容的深入研究和分析，本文旨在提出一套有效的无人驾驶车辆运动障碍物检测、预测和避撞方法，以提高无人驾驶车辆的安全性和可靠性。

本文还将对相关方法进行实验验证，以评估其在不同场景下的性能表现，为无人驾驶车辆的实际应用提供参考。

本文的研究对于推动无人驾驶技术的发展具有重要意义，有望为未来的智能交通系统提供有力的技术支持。

二、相关技术研究现状近年来，随着、传感器技术和计算机视觉等领域的飞速发展，无人驾驶车辆的研究和应用取得了显著的进步。

其中，运动障碍物检测、预测和避撞方法是无人驾驶车辆实现安全、高效行驶的关键技术之一。

目前，国内外学者和科研机构已在该领域进行了大量的研究，并取得了一系列重要成果。

在运动障碍物检测方面，研究者们主要利用雷达、激光雷达（LiDAR）、摄像头等传感器获取车辆周围环境信息。

通过图像处理、深度学习等技术，实现对运动障碍物的准确检测。

例如，基于深度学习的目标检测算法，如YOLO、SSD等，在实时性和准确性方面均取得了良好的性能。

多传感器融合技术也被广泛应用于提高检测精度和鲁棒性。

智能驾驶技术中的模型预测控制技术研究随着科技的不断发展以及人们对出行方式的需求日益提高，智能驾驶技术已经成为了现代交通的一项重要发展方向。

其中，模型预测控制（MPC）技术是智能驾驶技术中的一个重要支撑，它能够利用预测模型对车辆行驶过程进行精确预测，并实现对车辆的自主控制。

本文将对智能驾驶技术中的模型预测控制技术进行系统研究和梳理。

一、MPC技术的基本概念和原理模型预测控制技术是一种基于动态模型的控制方法。

它将下一个时刻车辆状态预测与控制相结合，通过优化控制信号，使车辆状态得到最优化控制。

MPC技术的基本原理是将预测控制问题转化为多步时变优化问题，通过在线求解预测模型进行优化。

MPC技术的基本流程如下：首先，定义车辆运动的数学模型，包括惯性、力、转向等因素；其次，根据车辆运动的特点，建立相应的控制模型；最后，将建立的控制模型带入多步优化问题，得到最优控制信号，实现车辆的自主控制。

二、MPC技术在智能驾驶中的应用MPC技术在智能驾驶中的应用非常广泛，包括车道保持、自动泊车、ACC智能巡航、自动驾驶等领域。

其中，自动驾驶技术是MPC技术的核心应用，它通过模型预测控制来实现车辆状态的精确预测和优化控制，从而实现车辆的自主行驶。

在自动驾驶领域，MPC技术主要应用于路线规划和控制两个方面。

路线规划方面，通过成本函数来进行路线规划，包括考虑车辆性能、交通状况、道路限制等因素，得到最佳路径；控制方面，根据预测的车辆状态和驾驶目标，计算出最优控制输入，实现车辆的自主控制。

三、MPC技术的发展趋势和挑战随着智能驾驶技术的快速发展，MPC技术也面临着一系列的发展趋势和挑战。

其中，最主要的趋势是向实时控制和混合控制方向发展。

实时控制是指对车辆实时状态进行监控和控制，实现快速响应和精确控制；混合控制是指将多种控制器进行调和，实现更加高效灵活的控制。

同时，MPC技术也面临着一些挑战。

最大的挑战之一是模型误差，即由于对车辆自身和环境因素的不充分考虑，模型预测结果和实际情况会存在一定的差别，影响控制效果。

人工智能算法在自动驾驶车辆碰撞避免中的研究第一章研究背景和意义自动驾驶技术的快速发展为交通行业带来了一场革命。

然而，在实际应用中，自动驾驶车辆碰撞避免一直是一个关键的挑战。

为了确保自动驾驶的安全性和可靠性，人工智能算法被广泛应用于自动驾驶车辆的碰撞避免研究中。

本章将介绍研究的背景和意义。

第二章自动驾驶车辆碰撞避免的挑战自动驾驶车辆碰撞避免面临着多种挑战，如环境感知、决策制定、轨迹规划等。

在环境感知方面，车辆需要准确地识别并跟踪道路上的车辆、行人、障碍物等，并做出适当的反应。

决策制定涉及到对不同情况下的最佳行动选择，这需要综合考虑交通规则、事故风险、行人和其他车辆的意图等。

轨迹规划则是为自动驾驶车辆选择合适的动作路径，避免与其他对象产生碰撞。

第三章人工智能算法在环境感知中的应用在环境感知方面，人工智能算法被广泛应用于自动驾驶车辆的物体检测、识别和跟踪。

例如，深度学习算法可以通过对大量图像和视频数据的学习，实现对道路上不同物体的准确识别和跟踪，从而在车辆与其他物体接近时提前做出反应。

此外，传感器数据融合、目标检测和跟踪算法还可以进一步提高环境感知的准确性和鲁棒性。

第四章人工智能算法在决策制定中的应用在决策制定方面，人工智能算法被应用于实现自动驾驶车辆的智能决策。

通过与交通规则和事故数据的结合，机器学习算法可以让自动驾驶车辆学习并做出最佳决策，以确保安全驾驶。

此外，强化学习等算法也可使车辆通过与环境的交互来优化决策策略，并适应不同的交通场景。

第五章人工智能算法在轨迹规划中的应用在轨迹规划方面，人工智能算法可以根据车辆及其他行人车辆的状态，预测未来的轨迹，并为自动驾驶车辆选择最佳的行驶路径。

例如，马尔科夫决策过程（Markov Decision Process）可以应用于自动驾驶车辆的规划问题，通过建立状态空间、动作空间和奖励函数，实现对最佳轨迹的搜索和选择。

第六章目前的研究进展和挑战目前，人工智能算法在自动驾驶车辆碰撞避免中已取得了一些成果，但仍面临着诸多挑战。

汽车主动避撞控制系统控制方法研究近年来,随着信息科学技术的飞速发展,主动安全装备已成为国内外主动安全领域研究的热点。

主动避撞控制系统作为主动安全装备,其开发的核心就是控制方法。

本课题重点分析设计汽车纵向主动避撞控制系统的控制方法,包括对系统所涉及的安全距离模型、避撞控制策略、车辆动力学系统建模和分层控制器设计等方面进行研究。

研究的主要内容如下:(1)行车安全距离模型是主动避撞控制系统的基础,在阅读分析大量国内外相关文献资料的基础上,对三种经典安全距离模型进行分析比较,确定主要研究的安全距离模型以速度为阈值划分高速和低速两种状态。

在高速行驶时采用基于制动过程的安全距离模型,在低速行驶时则采用基于车头时距的安全距离模型。

(2)基于新型安全距离模型及危险系数的避撞控制策略制定。

引入危险系数ε来确定车辆的安全状态。

一般的安全距离模型把驾驶员反应时间和路面附着系数设置在一定范围内的某个定值,本文的安全距离模型中引入基于模糊数学理论确定的驾驶员反应时间的方法和路面附着系数识别模型,以提高安全距离模型的精度。

(3)对系统各组成部分及关键参数进行分析与建模。

基于车辆动力学和自动控制原理,对车辆动力学、安全距离、驾驶员反应时间和上下位控制器建立相应的模型。

(4)设计避撞控制系统要实现的功能。

首先设计自适应巡航控制系统以降低驾驶员疲劳强度。

在中低速工况下,自适应巡航控制系统能够满足两车车间距保持的运动,但如果前车紧急制动工况,应用这一控制算法无法完全避免碰撞的发生,所以本文针对前车紧急制动的情况,对主动避撞控制系统中的安全距离模型、根据危险系数制定的避撞控制策略以及上下位控制器设计等展开研究,设计紧急避撞控制系统。

(5)采用典型工况对设计的避撞系统控制方法进行仿真验证。

在CarSim和Simulink中搭建联合仿真模型,针对干燥沥青路面、潮湿沥青路面、积雪路面及高速工况进行仿真,验证避撞控制系统控制方法的有效性。

同时分析对比传统基于制动过程和车头时距安全距离模型基础上设计的避撞控制系统,验证本文避撞系统控制方法的优越性。

汽车智能防碰撞系统的建模分析与应用研究申请书正文1、项目研究意义本项目以提高汽车的主动安全性为出发点，是汽车智能制动系统的关键技术，是一项集工程科学、信息科学和自动化技术于一体的光机电一体化研究项目。

主要研究内容包括基于汽车特性和交通状况的车辆安全信息的获取，对处于追尾行驶状态的本车与前车的各种运动学随机特征参数如车辆与障碍物间的相对速度、制动系统反应时间等进行模型化的统计、界定和参数识别，建立相对精确而又实用的汽车安全距离评判模型、处理准则和模糊控制方法，提出车辆防追尾碰撞系统的基本构成、分析方法和设计理论，其成果对于降低我国高速公路交通事故的发生、促进民族汽车工业和运输业的发展具有重大意义。

本项目属于浙江省实现可持续发展所需解决的关键科技问题。

在《浙江省“十五”基础性研究发展计划》的第四款《优先发展领域》中，第四项为“信息科学与自动化”，其下的第3子项为“自动化及相关技术的基础性研究”，内容包括：复杂过程的实时控制与优化管理、先进制造技术与装备自动化、自动化在农业、交通、经济等领域的应用基础研究；其下的第4子项为“光机电一体化的基础性研究”，内容包括：光机电一体化产品的设计平台技术；光机电多媒介集成技术与系统；微小尺度光机电器件与系统等。

本项目从应用范围看是自动化在交通经济等领域的应用基础研究，从技术成分看是典型的光机电一体化产品设计技术，因此，本项目对促进和带动浙江省经济、交通和科技的持续发展有着非常积极的作用和影响。

另外，从行业角度看，随着社会的进步、经济的发展，公路运输在整个交通运输系统中所站的比例得到了快速的提高，但与此同时，公路交通事故却成为导致人类非正常伤亡的主要原因，我国更是交通事故最严重的国家之一：从1985年到1994年的10年间，事故数量和死亡人数分别增加了27%和62%，1995年已达到了27200起和71000多人[10]。

尤其是近几年来，随着经济的发展与科学技术的进步，公路交通呈现出行驶高速化、车流密集化和驾驶人员非专业化的趋势，交通事故更加频繁，全世界每年死于道路交通事故的人数估计超过50万人，伤1000万人以上[11]。

第51卷第2期2021年3月吉林大学学报（工学版）Journal of Jilin University (Engineering and T e c h n o l o g y Edition)V ol. 51 N o. 2M ar. 2021一种基于模型预测复合控制的车辆避碰控制方法李寿涛〗’2,王蕊2,徐靖淳2,王德军^2,田彦涛U2,于丁力3(1.吉林大学汽车仿真与控制国家重点实验室，长春130022:2.吉林大学通信工程学院，长春130022;3.利物浦约翰摩尔大学工程与技术学院，利物浦L33A F)摘要：为减少日益增长的交通安全问题，车辆碰撞预警及避碰控制系统必不可少。

本文提出 了 一种结合车辆横纵向动力学的复合控制避碰方法，以达到减少交通事故发生的目的。

首先，分别建立了车辆逆纵向和横向动力学模型，纵向控制器通过安全距离模型来判断车辆是否处于危险状态并进行碰撞预警，采用分层控制方法设计了上层模型预测控制器和底层单神经元P I D控制器。

横向上结合不同时速时的参数约束设计模型预测控制器。

最后，在不同工况下 进行了仿真实验，表明本文控制系统能成功避碰，提高了车辆的安全性、稳定性、舒适性。

关键词：车辆工程；车辆主动安全；车辆避碰；安全距离模型；纵向控制；侧向换道控制中图分类号：T P273 文献标志码：A文章编号：1671-5497(2021)02-0738-09DOI：10. 13229/ki.j d x b g x b20191201A vehicle collision avoidance control method based onmodel predictive composite controlLI S h o u-taol z,W A N G R u i2,X U Jing-c h u n2,W A N G D e-junK2,T I A N Y a n-tao12,Y U D i n g-l i3(1. State Key Laboratory of Automotive Simulation and Control, Jiliti University, Changchun130022, China； 2. College of Communication Engineering，Jilin University，Changchun130022, China； 3. School uf Engineering and Technology, Liverpool John Moores University ^Liverpoo/ L33A F, UK)A b s t r a c t：In order to reduce the increasing traffic safety p r o b l e m s,the d e v e l o p m e n t of vehicle collision early w a r n i n g and collision avoidance control s ystem is essential.Th i s paper prevsents a c o m p o u n d control a n d collision avoidance m e t h o d based on the longitudinal and lateral d y n a m i c s of vehicles to reduce traffic accidents.First,the vehicle inverse longitudinal and lateral d y n a m i c s m o d e l s are established respectively. T h e longitudinal controller judges w h e t h e r the vehicle i s in a dangerous state and gives collision warning through the safety distance m o d e l.T h e n,the upper m o d e l prediction controller a nd the b o t t o m single n e u r o n P I D controller are designed b y using the layered control m e t h o d.Finally,the m o d e l predictive controller is designed b y c o m b i n i n g the parameters constraint at different s p e e d s.Simulation experiments收稿日期=2020-01-03.基金项目：吉林省科技厅自然基金项目（20190201099J C);汽车仿真与控制国家重点实验室自由探索项目（a s c h z y t s x m-202022);吉林省教育厅“十三五”科学技术项目（U K H20190167K J).作者简介：李寿涛（1975-)，男，副教授，博士 .研究方向：年辆动力学及仿真控制，智能机械与机器人控制技术.E-m a i l：************.cn第2期李寿涛，等：一种基于模型预测复合控制的车辆避碰控制方法•739•under different working conditions w e r e p e r f o r m e d,a nd results s h o w that the control system designed in this paper can avoid collision successfully and i m p rove the safety,stability and comfort of the vehicle.K e y w o r d s：vehicle engineering；active vehicle safety；vehicle collision avoidance；safety distance m o d e l；longitudinal control；lateral lane change〇引言如今车辆増多及驾驶员操作不当导致交通事 故频发，人员伤忙数量递增，主动安全成为研究热 点。

无人驾驶汽车动态障碍物避撞关键技术研究一、本文概述随着科技的不断进步和创新，无人驾驶汽车已经成为当今科技领域研究的热点和前沿。

无人驾驶汽车的动态障碍物避撞技术是确保其安全、稳定运行的关键。

本文旨在探讨无人驾驶汽车动态障碍物避撞的关键技术，包括传感器技术、障碍物识别与跟踪、路径规划与控制等方面，以期为提高无人驾驶汽车的安全性和可靠性提供理论支持和实践指导。

本文将对无人驾驶汽车动态障碍物避撞技术的研究背景和意义进行阐述，分析当前国内外研究现状和存在的问题。

本文将重点介绍传感器技术，包括激光雷达、毫米波雷达、高清摄像头等多种传感器的原理及其在障碍物检测中的应用。

接着，本文将探讨障碍物识别与跟踪技术，包括基于深度学习的障碍物识别算法和基于多传感器融合的障碍物跟踪算法。

在此基础上，本文将研究路径规划与控制技术，包括基于规则的路径规划算法、基于优化算法的路径规划算法以及基于控制理论的车辆控制算法。

本文将通过仿真实验和实际道路测试验证所提算法的有效性和可靠性，并对未来研究方向进行展望。

通过本文的研究，可以为无人驾驶汽车的动态障碍物避撞技术提供理论支持和实践指导，推动无人驾驶汽车技术的进一步发展和应用。

同时，本文的研究成果也可以为其他领域的智能车辆和机器人技术提供参考和借鉴。

二、无人驾驶汽车感知技术无人驾驶汽车的感知技术是实现动态障碍物避撞的关键前提。

感知技术的主要任务是通过各种传感器获取并解析周围环境的信息，包括道路、交通标志、障碍物等，以便为后续的决策规划提供准确的数据支持。

无人驾驶汽车的感知系统通常包括多种传感器，如激光雷达（LiDAR）、毫米波雷达（mmWave Radar）、高清摄像头（HD Camera）、超声波传感器（Ultrasonic Sensor）等。

这些传感器各有其独特的优点和适用场景。

例如，激光雷达可以提供高精度的三维环境信息，毫米波雷达则可以在恶劣天气条件下稳定工作，高清摄像头能够捕捉丰富的颜色和纹理信息，而超声波传感器则因其低成本和简单性在近距离感知中广泛应用。

第４１卷第６期Ｖｏｌ．４１Ｎｏ．６２０２０青岛理工大学学报ＪｏｕｒｎａｌｏｆＱｉｎｇｄａｏＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ基于模型预测控制的智能车辆紧急避障系统邹旭东，贾志强，张丽霞（青岛理工大学机械与汽车工程学院，青岛２６６５２５）摘　要：为了减少因危险交通条件或驾驶员操作失误等原因而导致的事故，提出了一种基于轨迹重规划与路径跟踪双层模型预测控制（ＭＰＣ）的紧急避障策略．轨迹规划层采用了实时性较好的点质量模型，路径跟踪层则采用精度较高的车辆七自由度动力学模型，以ＭＰＣ算法为基础设计了控制器，并利用联合仿真平台验证其在不同工况下的鲁棒性．结果表明，所设计的控制器分别在不同车速和路面附着系数下都很好地完成了避障操作，且具有很强的鲁棒性．关键词：紧急避障；模型预测控制；智能车辆；轨迹规划；联合仿真中图分类号：Ｕ４６１．９１ 文献标志码：Ａ 文章编号：１６７３ ４６０２（２０２０）０６ ００２５ ０８收稿日期：２０２０ ０８ ３０基金项目：国家自然科学基金资助项目（５１５０５２４４）作者简介：邹旭东（１９７３ ），男，山东烟台人．副教授，主要从事车辆现代设计方法方面的研究．Ｅ ｍａｉｌ：ｚｘｄ１０２０＿ｑｄ＠１６３．ｃｏｍ．犐狀狋犲犾犾犻犵犲狀狋狏犲犺犻犮犾犲犲犿犲狉犵犲狀犮狔狅犫狊狋犪犮犾犲犪狏狅犻犱犪狀犮犲狊狔狊狋犲犿犫犪狊犲犱狅狀犿狅犱犲犾狆狉犲犱犻犮狋犻狏犲犮狅狀狋狉狅犾ＺＯＵＸｕ ｄｏｎｇ，ＪＩＡＺｈｉ ｑｉａｎｇ，ＺＨＡＮＧＬｉ ｘｉａ（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌａｎｄＡｕｔｏｍｏｔｉｖｅＥｎｇｉｎｅｅｒｉｎｇ，ＱｉｎｇｄａｏＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｑｉｎｇｄａｏ２６６５２５，Ｃｈｉｎａ）犃犫狊狋狉犪犮狋：Ｉｎｏｒｄｅｒｔｏｒｅｄｕｃｅａｃｃｉｄｅｎｔｓｃａｕｓｅｄｂｙｄａｎｇｅｒｏｕｓｔｒａｆｆｉｃｃｏｎｄｉｔｉｏｎｓｏｒｄｒｉｖｅｒ＇ｓｍｉｓｏ ｐｅｒａｔｉｏｎ，ａｎｅｍｅｒｇｅｎｃｙｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｓｔｒａｔｅｇｙｂａｓｅｄｏｎｔｒａｊｅｃｔｏｒｙｒｅ ｐｌａｎｎｉｎｇａｎｄｐａｔｈｔｒａｃｋｉｎｇｄｏｕｂｌｅ ｌａｙｅｒｍｏｄｅｌｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌ（ＭＰＣ）ｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｐｏｉｎｔｑｕａｌｉｔｙｍｏｄｅｌｗｉｔｈｂｅｔｔｅｒｒｅａｌ ｔｉｍｅｐｅｒｆｏｒｍａｎｃｅｉｓａｄｏｐｔｅｄｏｎｔｈｅｔｒａｊｅｃｔｏｒｙｐｌａｎｎｉｎｇｌａｙｅｒ，ｔｈｅｖｅｈｉｃｌｅｓｅｖｅｎｄｅｇｒｅｅｏｆｆｒｅｅｄｏｍｄｙｎａｍｉｃｍｏｄｅｌｗｉｔｈｈｉｇｈｐｒｅｃｉｓｉｏｎｉｓａｄｏｐｔｅｄｏｎｔｈｅｐａｔｈｔｒａｃｋｉｎｇｌａｙｅｒ，ａｎｄｔｈｅｃｏｎｔｒｏｌｌｅｒｉｓｄｅｓｉｇｎｅｄｂａｓｅｄｏｎＭＰＣａｌｇｏｒｉｔｈｍ．Ｔｈｅｊｏｉｎｔｓｉｍｕｌａｔｉｏｎｐｌａｔｆｏｒｍｉｓｕｓｅｄｔｏｖｅｒｉｆｙｉｔｓｒｏｂｕｓｔｎｅｓｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｗｏｒｋｉｎｇｃｏｎｄｉｔｉｏｎｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｄｅｓｉｇｎｅｄｃｏｎｔｒｏｌｌｅｒｃａｎｃｏｍｐｌｅｔｅｔｈｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｏｐｅｒａｔｉｏｎｗｅｌｌｕｎｄｅｒｄｉｆｆｅｒｅｎｔｖｅｈｉｃｌｅｓｐｅｅｄｓａｎｄｒｏａｄａｄｈｅｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓ，ａｎｄｈａｓｓｔｒｏｎｇｒｏｂｕｓｔｎｅｓｓ．犓犲狔狑狅狉犱狊：ｅｍｅｒｇｅｎｃｙｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅ；ｍｏｄｅｌｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌ（ＭＰＣ）；ｉｎｔｅｌｌｉｇｅｎｔｖｅｈｉ ｃｌｅ；ｔｒａｊｅｃｔｏｒｙｐｌａｎｎｉｎｇ；ｊｏｉｎｔｓｉｍｕｌａｔｉｏｎ随着智能车辆技术的迅速发展，紧急避障成为智能汽车安全设计必不可少的一环．国内外许多专家都对此展开了研究，在轨迹规划方面，聂枝根等针对实际换道情景下汽车速度和加速度的不断变化，提出了智能汽车变道动态轨迹规划算法，以变道效率为主要优化目标，同时考虑乘员舒适性，实时求解得到了在换道最长距离内的最优换道轨迹［１］．ＸＵ等考虑到车辆在避障过程中的稳定性，采用多项式参数法设计了青岛理工大学学报第４１卷避障轨道规划器，并采用遗传算法对其进行了优化，车辆在不同速度下都取得了良好的避障效果和稳定性［２］．刘凯等针对车辆滑移与侧倾问题，在保证实时性和车辆安全行驶的基础上，研究了一种步长可变的方法将车辆模型离散化，运用模型预测控制（ＭＰＣ）算法实现最合理的轨迹规划和跟踪［３］．石钧仁等以最优快速随机扩展树算法为基础，考虑自动驾驶轮式装载机车身膨胀圆数目，得到了一个实现最优避障的全局路径，但未考虑地面情况对轨迹规划效果的影响［４］．在路径跟踪方面，尹晓丽等以运动学原理为基础设计了一种车辆状态预测模型，并将车辆横向位置和横摆角偏差考虑进去，以此设计了基于预测误差的反馈模糊逻辑控制器，实现了跟踪期望轨迹的效果［５］．邹凯等设计了一种基于增量式线性时变模型预测控制（ＩＬＴＶＭＰＣ）的路径跟踪方案，将魔术公式（Ｐａｃｅｊｋａ ９８）轮胎模型在每个控制周期都进行线性化，得到了车辆二自由度时变模型，设计了带有控制量和控制增量等约束的轨迹跟踪控制器［６］．李军等运用指数模型表示车辆期望车速，设计了比例积分微分纵向控制器控制车速以改善路径跟踪精度；运用质心侧偏角相平面图的形式给出了车辆稳定性特征，设计了比例积分微分稳定性控制器，使车辆在冰雪路面上仍然有较好的稳定性［７］．然而上面这些研究中的控制器都没有很高的自适应能力，而且有些控制策略假设控制量的计算值永远保持在方向盘等执行机构的物理饱和极限以内，与车辆实际情况并不相符，反观模型预测控制算法在实现目标函数最优解的过程中包含了约束条件，在建立的模型不太精确的情况下能根据车辆当前的状态量预测未来状态，并且在线滚动优化目标函数，是智能车辆控制过程中体现车辆动力学特性的理想方法［８］．为了充分发挥ＭＰＣ的算法优势，在轨迹规划与路径跟踪两个问题中都应用了ＭＰＣ算法，在轨迹规划问题中，轨迹重规划层接收到障碍物信息后，将重规划后的轨迹以预测时域内离散点的形式给出，再选择四次多项式作为拟合曲线，最后将多项式参数输出给控制层；在路径跟踪问题中，选择实时性较好的车辆线性时变模型进行ＭＰＣ计算，并将求解的车辆最优前轮转角作为控制量输出．１　车辆模型１．１　点质量模型在车辆实际行驶时，如果出现期望参考轨迹上存在障碍物的道路突发情况，智能车辆需要迅速地根据障碍物信息进行局部轨迹重规划，并在通过后继续跟踪参考路线，这就要求车辆模型要有较快的计算速度和较短的计算时间，还要满足各种约束条件［９］，所以轨迹规划层的车辆模型选择复杂度较低且忽略车身尺寸的点质量模型，如图１所示．图１　车辆点质量模型 车辆点质量模型方程为狔··＝犪狔（１）狓··＝犪狓（２）φ·＝犪狔狓·（３）犢·＝狓·ｓｉｎφ＋狔·ｃｏｓφ（４）犡·＝狓·ｃｏｓφ－狔·ｓｉｎφ（５）可将式（１）—（５）简写为如下形式：ξ·狋（）＝犳ξ狋（），狌狋（）（）（６）式中：狔··和狓··分别为车辆在狔和狓方向上的加速度；犪狔和犪狓分别为车辆侧向和纵向加速度；φ·为车辆横摆角速度；犢·和犡·分别为车辆在大地坐标系犢轴和犡轴上的速度；状态变量ξ＝［狔·，狓·，φ，犢，犡］Ｔ，分别为车辆在狔和狓方向上的车速、航向角、质心在大地坐标系上的纵、横坐标；控制量狌＝［δｆ］为前轮转角．６２第６期 邹旭东，等：基于模型预测控制的智能车辆紧急避障系统１．２　车辆七自由度模型为了追求路径跟踪的准确度，使求解的最优控制量满足执行机构的物理极限，以及保证跟踪过程中车辆的横向稳定性和安全性，采用车辆七自由度动力学模型作为整车模型，但为了兼顾实时性，需要对车辆模型进行相应简化，并做出如下假设：１）假设车辆始终行驶在水平道路上，无垂向位移；２）忽略悬架系统的影响，将其视为刚体；３）假设车辆制动力矩和发动机拖拽扭矩为０；４）忽略车辆侧倾与俯仰运动；５）假设汽车左右转角一致；６）忽略车辆受到的空气动力学影响．因此可以将车辆看作有纵向、横向和横摆３个方向的运动，以及４个车轮转动的简化模型，车辆动力学模型如图２所示，车轮转动动力学模型［１０］如图３所示．图２　车辆动力学模型图３　车轮转动动力学模型 图２中，犿为整车质量；犉ｆｌ，ｌ，犉ｆｒ，ｌ，犉ｒｌ，ｌ，犉ｒｒ，ｌ分别为各车轮所受的纵向力；犉ｆｌ，ｃ，犉ｆｒ，ｃ，犉ｒｌ，ｃ，犉ｒｒ，ｃ分别为各车轮所受的侧向力；犪ｆｌ，犪ｆｒ，犪ｒｌ，犪ｒｒ分别为各车轮的轮胎侧偏角；犪，犫分别为前、后轴与车辆质心之间的距离；犮为轮距的一半；狏ｆｌ为左前轮速度；狏ｆｌ，ｌ，狏ｆｌ，ｃ分别为左前轮纵向和侧向速度；狏为车辆质心速度．图３中，ω犻，狏犻，ｌ，犉犻，ｌ和犉犻，狕分别表示车辆４个车轮上的角速度、纵向速度、地面纵向反作用力和垂直载荷，下标犻代表左前轮ｆｌ，右前轮ｆｒ，左后轮ｒｌ，右后轮ｒｒ．由图２可得车辆动力学方程：　犿狔··＝－犿狓·φ·＋犉ｆｌ，ｌ＋犉ｆｒ，ｌ（）ｓｉｎδｆ＋犉ｆｌ，ｃ＋犉ｆｒ，ｃ（）ｃｏｓδｆ＋犉ｒｌ，ｃ＋犉ｒｒ，ｃ（７）犿狓··＝犿狔·φ·＋犉ｆｌ，ｌ＋犉ｆｒ，ｌ（）ｃｏｓδｆ－犉ｆｌ，ｃ＋犉ｆｒ，ｃ（）ｓｉｎδｆ＋犉ｒｌ，ｌ＋犉ｒｒ，ｌ（８）犐φ··＝犪犉ｆｌ，ｌ＋犉ｆｒ，ｌ（）ｓｉｎδｆ＋犉ｆｌ，ｃ＋犉ｆｒ，ｃ（）ｃｏｓδｆ［］－犫犉ｒｌ，ｃ＋犉ｒｒ，ｃ（）＋犮－犉ｆｌ，ｌ＋犉ｆｒ，ｌ（）ｃｏｓδｆ＋犉ｆｌ，ｃ－犉ｆｒ，ｃ（）ｓｉｎδｆ－犉ｒｌ，ｌ＋犉ｒｒ，ｌ［］（９）式中：φ··为车辆横摆角加速度；犐为车辆的转动惯量．４个车轮的角速度可通过对下列微分方程的积分求得．犐ｆω·ｆｌ＝－犉ｆｌ，ｌ狉（１０）犐ｆω·ｆｒ＝－犉ｆｒ，ｌ狉（１１）犐ｒω·ｒｌ＝－犉ｒｌ，ｌ狉（１２）犐ｒω·ｒｒ＝－犉ｒｒ，ｌ狉（１３）式中：犐ｆ，犐ｒ分别为前、后车轮的转动惯量；ω·ｆｌ，ω·ｆｒ，ω·ｒｌ，ω·ｒｒ分别为４个车轮的角加速度；狉为车轮半径．７２青岛理工大学学报第４１卷２　轨迹规划层２．１　初始参考点选择轨迹规划层采用非线性ＭＰＣ控制器，在保证被控车辆能安全有效地避开障碍物车辆的同时，尽可能减小车辆与全局参考路径的偏差，而如何选取初始参考轨迹点则是计算期望路径与预测轨迹之间偏差的关键步骤．传统的参考点选择方法利用期望路径的曲率信息，在车辆质心处向路径作垂线，其交点即为所寻找的初始参考点，但在参考轨迹点的选择过程中未考虑目标点的位置信息，所以在障碍物尺寸较大时会出现车辆的参考点在避开障碍物后重新回到起始点的情况．针对这种情况，可以将目标点位置信息加入其中，在车辆行驶过程中始终向狓轴和狔轴作两条垂线与全局期望轨迹相交，以两个交点中离目标点最近的那个点作为初始参考点．２．２　安全距离模型避障系统中需要加入一个传感器来检测障碍物的信息，并将信息传递到轨迹规划层中，生成相应的重规划轨迹．因此将传感器和通信程序添加到测试模块，并在其中设置了障碍物车辆，利用ＣａｒＳｉｍ中的Ｓｅｎｓｏｒ模块在车辆前端位置的中心处安装距离传感器，检测距离设置为１５０ｍ，探测角度范围为（－４５°，４５°）．为了安全避障，建立了安全距离模型，确定是否进行避障操作和轨迹重规划，此处只讨论被控车辆在前进过程中避开静止障碍物车辆的情况．假设被控车辆匀速行驶，则车辆的行驶距离犔＝狏狋，如果被控车辆速度过高或与障碍物车辆的安全距离过小，则可能出现转向机构物理极限饱和仍不能有效避障的情况，因此安全距离模型中应包含动态安全距离，这里将其设为犔ｓ＝犽狏狋＋犔０，其中，犽为安全系数；犔０为基本安全距离，此处取１０ｍ，约为被控车辆长度的２倍．避障系统的工作原理是判断被控车辆是否处于危险状态，因此设定判断依据为被控车辆与障碍物车辆的距离小于动态安全距离．２．３　避障功能函数为了防止被控车辆与障碍物车辆相撞，设立避障惩罚函数来保障避障操作，且距离越近，惩罚值越大．考虑车速等因素对避障效果的影响，并加入权重系数，避障惩罚函数犑ｏｂｓ，犻如下：犑ｏｂｓ，犻＝犛ｏｂｓ狏犻狓犻－狓０（）２＋狔犻－狔０（）２＋γ（１４）图４　惩罚函数示意式中：犛ｏｂｓ为避障权重系数；车辆速度狏犻＝狏２狓＋狏２槡狔；狓犻，狔犻分别为在被控车辆车身坐标系下障碍物车辆的横、纵坐标；狓０，狔０分别为被控车辆质心的横、纵坐标；γ为非常小的正数，防止避障函数无解的情况．避障惩罚函数惩罚值大小分布如图４所示．为了在避让障碍物车辆的基础上，使重规划轨迹与期望路径的偏差和控制量尽可能的小，轨迹重规划层的非线性模型预测控制器具体形式如下：　ｍｉｎ∑犖ｐ犻＝１‖η（狋＋犻狘狋）－ηｒｅｆ（狋＋犻狘狋）‖２犙［＋‖犝犻‖２犚＋犑ｏｂｓ，犻］ｓ．ｔ．　犝ｍｉｎ≤犝狋≤犝ｍａｘ（１５）式中：犖Ｐ为预测时域；η狋＋犻狋（）和ηｒｅｆ狋＋犻狋（）分别为狋＋犻时刻的重规划轨迹和期望路径；犝犻为控制量；犙和犚分别为轨迹偏差和控制量的权重矩阵；犝狋为狋时刻的控制量．式（１５）中第１项表征重规划轨迹与期望路径之间的偏差，通过权重矩阵犙控制其大小；第２项表征控制量δｆ，通过权重矩阵犚控制其大小；最后１项犑ｏｂｓ，犻为采样时刻犻的避障函数，实现对障碍物车辆的避让．８２第６期 邹旭东，等：基于模型预测控制的智能车辆紧急避障系统２．４　四次多项式拟合由于轨迹重规划层的预测方程给出的都是离散点，规划层与控制层的预测时域和控制时域也不相同，仅根据离散的参考轨迹点，跟踪控制层并不能完成路径跟踪的任务．因此对离散点进行曲线拟合是非常有必要的，考虑车辆的多种运动学约束，采用四次多项式拟合曲线：犢＝犪０狋４＋犪１狋３＋犪２狋２＋犪３狋＋犪４（１６）φ＝犫０狋４＋犫１狋３＋犫２狋２＋犫３狋＋犫４（１７）式中：犢为拟合后的轨迹；φ为拟合后的航向角；犪犻，犫犻（犻＝０，１，…，４）为规划层输出给控制层的待求参数．３　路径跟踪层为了加快计算速度、缩短计算时间，将上述车辆的七自由度非线性动力学模型转化为线性时变模型，在跟踪层以线性化后的线性时变模型为基础设计ＭＰＣ路径跟踪控制器，形式如下：ｍｉｎΔ犝狋，ε∑犖ｐ犻＝１‖η（狋＋犻狘狋）－ηｒｅｆ，ｌｏｃａｌ（狋＋犻狘狋）‖２犙＋∑犖ｃ－１犻＝１‖Δ犝（狋＋犻狘狋）‖２犚＋ρε２ｓ．ｔ．Δ犝ｍｉｎ≤Δ犝狋≤Δ犝ｍａｘ犝ｍｉｎ≤Δ犝狋＋犝狋≤犝ｍａｘ狔ｈｃ，ｍｉｎ≤狔ｈｃ≤狔ｈｃ，ｍａｘ狔ｓｃ，ｍｉｎ－ε≤狔ｓｃ≤狔ｓｃ，ｍａｘ＋εε＞０烅烄烆（１８）式中：ηｒｅｆ，ｌｏｃａｌ＝犢ｒｅｆ，ｌｏｃａｌ，φｒｅｆ，ｌｏｃａｌ［］为轨迹重规划层输出的局部参考轨迹；［狔·，狓·，φ，φ·，犢，犡，ωｆｌ，ωｆｒ，ωｒｌ，ωｒｒ］Ｔ为状态变量；δｆ为前轮转角控制量；犖ｃ为控制时域；Δ犝狋＋犻狋（）为狋＋犻时刻的控制增量；ε为松弛因子，防止无有效解的情况；ρ为松弛因子的权重矩阵；Δ犝狋为狋时刻的控制增量；狔ｈｃ为硬约束；狔ｓｃ为软约束．综合轨迹规划层和路径跟踪层的设计，得到一个轨迹规划与路径跟踪双层ＭＰＣ控制器，其结构如图５所示．图５　双层ＭＰＣ控制器结构示意４　仿真与分析为了验证所设计的车辆轨迹规划与跟踪控制器的有效性，利用ＣａｒＳｉｍ和ＭＡＴＬＡＢＳｉｍｕｌｉｎｋ进行联合仿真．选择道路宽度为７ｍ的双车道路径，被控车辆沿右侧车道中心线匀速直线行驶，在车辆正前方１００ｍ设置一辆静止障碍物车辆，车身尺寸与被控车辆相同，长度为５ｍ，宽度为２ｍ．当距离传感器检测到前方道路上的障碍物车辆时，控制器重新规划出一条新的替代路径，然后车辆在双层ＭＰＣ控制器的帮助下跟踪新路径，完成避障操作．在验证基本避障效果的基础上，在２种不同的情况下对所设计的控制器进行鲁棒性测试：①在不同行驶速度下，测试其对速度的鲁棒性；②在附着系数不同的路面上，测试其对路面附着系数的鲁棒性．４．１　对不同速度的鲁棒性为了验证控制器对速度的鲁棒性，在道路附着系数为０．８的路面上，分别取车辆的速度为３６，７２，１０８ｋｍ／ｈ３种工况进行仿真，仿真结果分别如图６与图７所示．９２青岛理工大学学报第４１卷图６　不同速度下避障轨迹示意 从图６以及图７（ａ）可以看出被控车辆的避障轨迹随速度有层次地变化，３６ｋｍ／ｈ速度下车辆在距障碍物车辆２０ｍ时开始避障操作，最大横向位移为２．５ｍ；７２ｋｍ／ｈ速度下车辆在距障碍物车辆２５ｍ时开始避障操作，最大横向位移为３．０ｍ；１０８ｋｍ／ｈ速度下车辆在距障碍物车辆３０ｍ时开始避障操作，最大０３第６期 邹旭东，等：基于模型预测控制的智能车辆紧急避障系统横向位移为３．２ｍ，说明速度越快，避障操作越早开始，最大横向位移越大．而由图７（ｂ）—（ｄ）可以看出速度越快，前轮转角越小，横摆角速度和质心侧偏角随速度的增大而减小，符合车辆稳定性需求，１０８ｋｍ／ｈ车速下车辆的质心侧偏角略大，说明车辆在速度过高时有失控趋势．控制器的避障效果对速度具有较强的鲁棒性，且避障过程中车辆的稳定性指标始终保持在约束范围内．４．２　对不同路面附着系数的鲁棒性为了验证控制器对路面附着系数的鲁棒性，车辆以７２ｋｍ／ｈ的速度匀速直线行驶，分别取路面附着系数为μ＝０．４，０．６，０．８的３种路况进行仿真，仿真结果分别如图８与图９所示．图８　不同路面附着系数下避障轨迹示意 从图８以及图９（ａ）可以看出，被控车辆的避障轨迹随路面附着系数变化不大，避障操作都是在距离障碍物车辆２５ｍ时开始的，最大横向位移有微小的差异，分别为２．９５，３．１０，３．０５ｍ，当然路面附着系数越低，避障轨迹与全局期望路径的偏差越大．当μ＝０．４时，车辆在控制器作用下更晚回到期望轨迹以减小最大横向位移，防止车辆驶出车道造成其他危险．而图９（ｂ）表明前轮转角对路面附着系数的鲁棒性较好，图９（ｃ）（ｄ）表明路面附着系数越低，车辆避障时的横摆角速度和质心侧偏角越小，符合车辆稳定性需求．由此可以看出所设计的控制器的避障对路面附着系数也具有非常强的鲁棒性，且拥有较好的行驶稳定性．１３青岛理工大学学报第４１卷５　结论针对智能车辆紧急避障问题，设计了一种基于车辆七自由度动力学模型的轨迹规划与路径跟踪双层模型预测控制器，分别对车辆在不同速度和不同路面附着系数下的避障效果进行了联合仿真验证．仿真结果表明，所设计的轨迹规划与跟踪控制器帮助被控车辆顺利完成了对障碍物车辆的规避和全局参考路径的跟踪，且对速度和路面附着系数都有很好的鲁棒性．参考文献（犚犲犳犲狉犲狀犮犲狊）：［１］　聂枝根，王万琼，赵伟强，等．基于轨迹预瞄的智能汽车变道动态轨迹规划与跟踪控制［Ｊ］．交通运输工程学报，２０２０，２０（２）：１４７ １６０．ＮＩＥＺｈｉ ｇｅｎ，ＷＡＮＧＷａｎ ｑｉｏｎｇ，ＺＨＡＯＷｅｉ ｑｉａｎｇ，ｅｔａｌ．Ｄｙｎａｍｉｃｔｒａｊｅｃｔｏｒｙｐｌａｎｎｉｎｇａｎｄｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｆｏｒｌａｎｅｃｈａｎｇｅｏｆｉｎｔｅｌｌｉ ｇｅｎｔｖｅｈｉｃｌｅｂａｓｅｄｏｎｔｒａｊｅｃｔｏｒｙｐｒｅｖｉｅｗ［Ｊ］．ＪｏｕｒｎａｌｏｆＴｒａｆｆｉｃａｎｄＴｒａｎｓｐｏｒｔａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，２０２０，２０（２）：１４７ １６０．（ｉｎＣｈｉｎｅｓｅ）［２］　ＸＵＺｈｉ ｊｉａｎｇ，ＺＨＡＯＷａｎ ｚｈｏｎｇ，ＷＡＮＧＣｈｕｎ ｙａｎ，ｅｔａｌ．Ｌｏｃａｌｐａｔｈｐｌａｎｎｉｎｇａｎｄｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｏｆｖｅｈｉｃｌｅｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｓｙｓ ｔｅｍ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓ，２０１８，３５（４）：７２９ ７３８．［３］　刘凯，龚建伟，陈舒平，等．高速无人驾驶车辆最优运动规划与控制的动力学建模分析［Ｊ］．机械工程学报，２０１８，５４（１４）：１４１ １５１．ＬＩＵＫａｉ，ＧＯＮＧＪｉａｎ ｗｅｉ，ＣＨＥＮＳｈｕ ｐｉｎｇ，ｅｔａｌ．Ｄｙｎａｍｉｃｍｏｄｅｌｉｎｇａｎａｌｙｓｉｓｏｆｏｐｔｉｍａｌｍｏｔｉｏｎｐｌａｎｎｉｎｇａｎｄｃｏｎｔｒｏｌｆｏｒｈｉｇｈ ｓｐｅｅｄｓｅｌｆ ｄｒｉｖｉｎｇｖｅｈｉｃｌｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，２０１８，５４（１４）：１４１ １５１．（ｉｎＣｈｉｎｅｓｅ）［４］　石钧仁，孙冬野，秦大同，等．装载机避障轨迹规划及模型预测轨迹跟踪［Ｊ／ＯＬ］．中国公路学报：１ １３［２０２０ ０８ ２９］．ｈｔｔｐ：／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／６１．１３１３．ｕ．２０２００４２０．０９００．００２．ｈｔｍｌ．ＳＨＩＪｕｎ ｒｅｎ，ＳＵＮＤｏｎｇ ｙｅ，ＱＩＮＤａ ｔｏｎｇ，ｅｔａｌ．Ｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｊｅｃｔｏｒｙｐｌａｎｎｉｎｇａｎｄｍｏｄｅｌｐｒｅｄｉｃｔｅｄｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｏｆｗｈｅｅｌｌｏａｄｅｒｓ［Ｊ／ＯＬ］．ＣｈｉｎａＪｏｕｒｎａｌｏｆＨｉｇｈｗａｙａｎｄＴｒａｎｓｐｏｒｔ：１ １３［２０２０ ０８ ２９］．ｈｔｔｐ：／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／６１．１３１３．ｕ．２０２００４２０．０９００．００２．ｈｔｍｌ．（ｉｎＣｈｉｎｅｓｅ）［５］　尹晓丽，李雷，贾新春．无人驾驶汽车路径跟踪模糊预测控制［Ｊ］．中北大学学报（自然科学版），２０１１，３２（２）：１３５ １３８．ＹＩＮＸｉａｏ ｌｉ，ＬＩＬｅｉ，ＪＩＡＸｉｎ ｃｈｕｎ．Ｐｒｅｄｉｃｔｉｖｅｆｕｚｚｙｃｏｎｔｒｏｌｏｆｕｎｍａｎｎｅｄｖｅｈｉｃｌｅｐａｔｈｔｒａｃｋｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０１１，３２（２）：１３５ １３８．（ｉｎＣｈｉｎｅｓｅ）［６］　邹凯，蔡英凤，陈龙，等．基于增量线性模型预测控制的无人车轨迹跟踪方法［Ｊ］．汽车技术，２０１９（１０）：１ ７．ＺＯＵＫａｉ，ＣＡＩＹｉｎｇ ｆｅｎｇ，ＣＨＥＮＬｏｎｇ，ｅｔａｌ．Ａｐａｔｈｔｒａｃｋｉｎｇｍｅｔｈｏｄｏｆｓｅｌｆ ｄｒｉｖｉｎｇｖｅｈｉｃｌｅｂａｓｅｄｏｎｉｎｃｒｅｍｅｎｔａｌｌｉｎｅａｒｍｏｄｅｌｐｒｅｄｉｃ ｔｉｖｅｃｏｎｔｒｏｌ［Ｊ］．ＡｕｔｏｍｏｂｉｌｅＴｅｃｈｎｏｌｏｇｙ，２０１９（１０）：１ ７．（ｉｎＣｈｉｎｅｓｅ）［７］　李军，唐爽，黄志祥，等．融合稳定性的高速无人驾驶车辆纵横向协调控制方法［Ｊ］．交通运输工程学报，２０２０，２０（２）：２０５ ２１８．ＬＩＪｕｎ，ＴＡＮＧＳｈｕａｎｇ，ＨＵＡＮＧＺｈｉ ｘｉａｎｇ，ｅｔａｌ．Ｌｏｎｇｉｔｕｄｉｎａｌａｎｄｌａｔｅｒａｌｃｏｏｒｄｉｎａｔｉｏｎｃｏｎｔｒｏｌｍｅｔｈｏｄｏｆｈｉｇｈ ｓｐｅｅｄｕｎｍａｎｎｅｄｖｅｈｉ ｃｌｅｓｗｉｔｈｉｎｔｅｇｒａｔｅｄｓｔａｂｉｌｉｔｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＴｒａｆｆｉｃａｎｄＴｒａｎｓｐｏｒｔａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，２０２０，２０（２）：２０５ ２１８．（ｉｎＣｈｉｎｅｓｅ）［８］　ＳＨＩＭＴａｅｈｙｕｎ，ＡＤＩＲＥＤＤＹＧａｎｅｓｈ，ＹＵＡＮＨｏｎｇ ｌｉａｎｇ．Ａｕｔｏｎｏｍｏｕｓｖｅｈｉｃｌｅｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｓｙｓｔｅｍｕｓｉｎｇｐａｔｈｐｌａｎｎｉｎｇａｎｄｍｏｄｅｌ ｐｒｅｄｉｃｔｉｖｅ ｃｏｎｔｒｏｌ ｂａｓｅｄａｃｔｉｖｅｆｒｏｎｔｓｔｅｅｒｉｎｇａｎｄｗｈｅｅｌｔｏｒｑｕｅｃｏｎｔｒｏｌ［Ｊ］．ＡｕｔｏｍｏｂｉｌｅＥｎｇｉｎｅｅｒｉｎｇ，２０１２，２２６（６）：７６７ ７７８．［９］　黑凯先，曲大义，周警春，等．基于随机森林决策树的行驶车辆换道行为识别［Ｊ］．青岛理工大学学报，２０２０，４１（１）：１１５ １２０．ＨＥＩＫａｉ ｘｉａｎ，ＱＵＤａ ｙｉ，ＺＨＯＵＪｉｎｇ ｃｈｕｎ，ｅｔａｌ．Ｌａｎｅ ｃｈａｎｇｉｎｇｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎｏｆｒｕｎｎｉｎｇｖｅｈｉｃｌｅｓｂａｓｅｄｏｎＲａｎｄｏｍＦｏｒｅｓｔ［Ｊ］．ＪｏｕｒｎａｌｏｆＱｉｎｇｄａｏＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，２０２０，４１（１）：１１５ １２０．（ｉｎＣｈｉｎｅｓｅ）［１０］　ＣＨＡＮＧＳｅｈｙｕｎ，ＧＯＲＤＯＮＴｉｍｏｔｈｙＪ．Ｍｏｄｅｌ ｂａｓｅｄｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌｏｆｖｅｈｉｃｌｅｄｙｎａｍｉｃｓ［Ｊ］．ＶｅｈｉｃｌｅＡｕｔｏｎｏｍｏｕｓＳｙｓｔｅｍｓ，２００７，５（１／２）：３ ２７．（责任编辑　赵金环）２３。

《基于制动和转向的智能车避撞控制研究》篇一一、引言随着智能交通系统的快速发展，自动驾驶汽车逐渐成为未来交通的重要趋势。

避撞系统作为自动驾驶汽车的核心技术之一，其重要性不言而喻。

本文旨在研究基于制动和转向的智能车避撞控制技术，以提高智能车的安全性和行驶稳定性。

二、研究背景及意义近年来，随着人工智能、传感器技术和控制理论的发展，智能车避撞控制技术取得了显著的进步。

基于制动和转向的避撞控制策略是实现智能车安全行驶的关键技术之一。

研究该技术不仅有助于提高智能车的安全性，降低交通事故率，还有助于提升智能车的行驶效率和驾驶体验。

三、制动和转向避撞控制技术研究1. 制动避撞控制技术制动避撞控制技术主要通过控制车辆的制动系统，使车辆在遇到危险时能够及时减速或停车，从而避免碰撞。

该技术主要依赖于雷达、激光雷达和摄像头等传感器获取周围环境信息，结合车辆的动力学模型和驾驶者的意图，计算出最优的制动策略。

在实际应用中，需考虑制动系统的响应速度、制动力矩等因素。

2. 转向避撞控制技术转向避撞控制技术主要通过控制车辆的转向系统，使车辆在遇到危险时能够及时改变行驶方向，从而避免碰撞。

该技术主要依赖于高精度地图、导航系统和传感器融合等技术，实现对周围环境的感知和判断。

在计算最优转向策略时，需考虑车辆的动力学特性、道路条件、驾驶者的意图等因素。

四、基于制动和转向的避撞控制策略研究在实际应用中，制动和转向避撞控制技术往往需要相互配合，以实现最优的避撞效果。

本文提出一种基于制动和转向的智能车避撞控制策略，该策略主要包括以下几个步骤：1. 环境感知：通过雷达、激光雷达和摄像头等传感器获取周围环境信息，识别出潜在的碰撞风险。

2. 危险评估：结合车辆的动力学模型和驾驶者的意图，对潜在碰撞风险进行评估，确定避撞策略的优先级。

3. 制动控制：根据危险评估结果，计算出最优的制动策略，并控制车辆的制动系统实施制动。

4. 转向控制：在必要时，结合高精度地图、导航系统和传感器融合等技术，计算出最优的转向策略，并控制车辆的转向系统实施转向。

基于模型预测控制的车车协同后端主动防撞研究余国宽;何锋;赵津【摘要】为提高车辆在复杂行车环境下的主动安全性,提出了一种基于MPC在线优化的加速度重分配后端防撞控制算法,该方法通过车间信息交互分配制动减速度使相邻车辆间协同响应,从而避免碰撞的发生.研究表明,通过车间协同响应避撞,可缓解车辆的减速制动压力,提高车辆在避撞响应时的安全性与舒适性.通过仿真验证了该控制算法的可行性.%In order to improve the active safety of vehicles in complex driving environment, a novel rear-end collision avoidance algorithm was proposed to distribute the braking deceleration based on MPC (Model Predictive Control) on-line optimization, which made the adjacent vehicles respond cooperatively through information exchange braking deceleration between vehicles, to avoid collision. The results show that the braking pressure is alleviated by inter-vehicular cooperatively responding, which improves the driving safety and ride comfort of vehicle in the process of collision avoidance response. Simulation verifies feasibility of this control algorithm.【期刊名称】《汽车技术》【年(卷),期】2017(000)008【总页数】7页(P12-18)【关键词】车车协同;后端防撞;加速度重分配【作者】余国宽;何锋;赵津【作者单位】贵州大学,贵阳 550025;贵州大学,贵阳 550025;贵州大学,贵阳550025【正文语种】中文【中图分类】U461.91随着汽车保有量的持续增长，交通事故频繁发生，尤其是汽车追尾已占整个交通事故的75%以上［1］，追尾碰撞事故造成的损失占整个交通事故损失的绝大部分［2～4］。

无人驾驶车辆智能避碰的设计与研究随着科技的不断发展，无人驾驶车辆的研究也得到了越来越广泛的关注。

然而，无人驾驶车辆在行驶过程中可能会遇到各种复杂的交通情况，如何在避免交通事故的同时确保车辆行驶的准确性和稳定性，已经成为当前无人驾驶车辆研发所面临的重要问题之一。

本文将就无人驾驶车辆智能避碰的设计与研究展开讨论。

一、无人驾驶车辆智能避碰的背景和意义随着无人驾驶车辆市场的逐渐扩大，其行驶安全问题也越来越受关注。

2018年，美国国家公路交通安全管理局发布了一份关于无人驾驶车辆行驶安全的报告，指出无人驾驶车辆的行驶安全性和避免碰撞事故的能力是其普及应用的关键因素之一。

因此，研究无人驾驶车辆智能避碰系统，可以为其推广应用提供技术保障，同时还可以促进交通事故的减少，保障道路交通的安全。

二、无人驾驶车辆智能避碰的设计要求无人驾驶车辆智能避碰系统的设计需要考虑以下几个方面：1. 必须具备实时感知和决策能力：无人驾驶车辆必须拥有实时感知周围道路交通状况和其他车辆的行驶状态，并能快速做出决策，避免发生碰撞事故。

2. 精度高且稳定性强：无人驾驶车辆的控制系统必须具有高度的精确性和稳定性，以确保车辆行驶的准确性和稳定性。

3. 能够适应不同的交通场景：无人驾驶车辆智能避碰系统必须能够适应各种复杂的道路交通状况，如高速公路、城市道路、人行道等。

三、无人驾驶车辆智能避碰的技术实现目前，无人驾驶车辆智能避碰的设计和研究是基于先进的感知技术、决策算法和控制系统的，主要涉及如下技术：1. 感知技术：无人驾驶车辆需要通过各种传感器获取周围的环境信息，如摄像头、毫米波雷达、激光雷达等。

同时，车辆还需要将这些信息整合起来，构建高精度的地图，以确保车辆行驶的准确性和稳定性。

2. 决策算法：无人驾驶车辆需要能够根据周围环境信息快速做出决策，避免碰撞事故。

目前，研究者们正在探索基于机器学习的决策算法，以提高车辆避碰的准确性和稳定性。

3. 控制系统：无人驾驶车辆的控制系统需要能够根据决策算法输出的控制指令，控制车辆的加速、制动和转向等行驶动作，以保障车辆行驶的稳定性和安全性。