下载文档原格式
基于滑模控制的无人驾驶汽车路径规划一、无人驾驶汽车路径规划概述无人驾驶汽车作为现代交通系统的重要组成部分，其核心功能之一便是路径规划。
路径规划是指无人驾驶汽车在给定的起点和终点之间，根据环境信息和交通规则，自动规划出一条安全、高效、舒适的行驶路径。
这一过程不仅需要考虑车辆的动态特性，还需考虑外部环境的复杂性和不确定性。
基于滑模控制的路径规划方法，因其在处理不确定性和非线性系统方面的优势，逐渐成为无人驾驶汽车领域研究的热点。
1.1 无人驾驶汽车路径规划的核心特性无人驾驶汽车路径规划的核心特性包括安全性、实时性、适应性和舒适性。
安全性要求路径规划必须确保车辆行驶过程中不会发生碰撞或违反交通规则；实时性要求路径规划能够快速响应环境变化和突发事件；适应性要求路径规划能够适应不同的道路条件和交通状况；舒适性则要求路径规划能够减少车辆的急加速、急减速和急转弯，提供平稳的驾驶体验。
1.2 无人驾驶汽车路径规划的应用场景无人驾驶汽车路径规划的应用场景广泛，包括城市道路、高速公路、乡村小道等。
在城市道路中，路径规划需要处理复杂的交通信号、行人、自行车和其他车辆；在高速公路上，路径规划则需要考虑高速行驶时的安全距离和车道变换；而在乡村小道上，路径规划则需要适应道路狭窄、视线不佳等挑战。
二、基于滑模控制的路径规划方法滑模控制是一种非线性控制策略，它通过设计滑模面和控制律，使得系统状态能够达到期望的性能。
在无人驾驶汽车路径规划中，滑模控制能够有效地处理系统的不确定性和非线性，提高路径规划的准确性和鲁棒性。
2.1 滑模控制理论基础滑模控制理论的核心是滑模面的设计和滑模动态的实现。
滑模面是系统状态空间中的一个子集，当系统状态到达滑模面时，系统将沿着滑模面滑动，直至达到期望的状态。
滑模控制律的设计旨在确保系统状态能够到达并沿着滑模面滑动。
2.2 基于滑模控制的路径规划策略在无人驾驶汽车路径规划中，基于滑模控制的策略主要包括目标轨迹跟踪和避障控制。
基于智能滑模控制的线控防抱死系统(ABS)研究的开题报告一、研究背景与意义线控防抱死系统(ABS)，是一种常见的汽车制动辅助系统，其作用是在车辆制动时防止车轮速度过快减缓，导致车轮抱死失控的情况出现，从而保证了行车安全。
传统的ABS采用PID等传统控制方法实现，但具有模型参数变化、外部干扰等问题，难以达到理想的控制效果。
因此，基于智能滑模控制的ABS研究就显得尤为重要。
智能滑模控制技术能够克服传统控制方法的缺陷，具有非线性自适应、鲁棒性强等特点。
因此，基于智能滑模控制的ABS研究不仅能提高ABS的精度和稳定性，还在未来的自动驾驶汽车中具有广泛的应用前景。
二、研究内容及方法本研究将基于智能滑模控制理论，研究线控ABS的控制方法和控制策略。
主要包括以下内容：1.分析ABS系统的工作原理和复杂性，绘制系统控制框图，确定控制目标和性能指标。
2.基于智能滑模控制理论，建立线控ABS的控制模型，设计ABS系统的智能控制器，并实现控制器的参数调节和优化。
3.通过仿真实验和实际实验相结合的方法，验证智能滑模控制方法的控制性能及稳定性，与传统控制方法相比较，评价其优劣。
三、预期成果及意义通过本研究，将能开发出一种基于智能滑模控制的ABS控制方法，该方法相比于传统的PID等控制方法，具有更高的自适应性和鲁棒性，能够更加准确地控制ABS系统的输出，提高系统的稳定性和控制精度。
在智能汽车研究领域，该方法还有广泛的应用前景。
四、研究计划及进度安排1.前期准备：对目前ABS的工作原理和控制方法进行系统学习和研究，以及各种智能滑模控制方法的分析。
2.中期计划：基于智能滑模控制理论，建立线控ABS的控制模型，设计ABS系统的智能控制器，并实现控制器的参数调节和优化。
3.后期计划：通过仿真实验和实际实验相结合的方法，验证智能滑模控制方法的控制性能及稳定性，与传统控制方法相比较，评价其优劣。
预计完成时间为12个月，具体进度安排如下：第1-3个月，阶段性成果：对ABS系统工作原理和控制方法进行学习；各种智能滑模控制方法的分析。
控制系统中的自适应滑模控制算法研究在控制系统中，自适应滑模控制算法作为一种强鲁棒性控制方法，已经得到了广泛的研究和应用。
它通过引入滑模面和滑模控制器来实现对系统的控制，能够有效解决模型不确定性、外部扰动以及未知参数的影响。
本文将从滑模控制算法的基本原理、优势和应用范围等方面进行分析和讨论。
一、自适应滑模控制算法的基本原理和优势自适应滑模控制算法是通过设计滑模面和滑模控制器来实现对受控系统的控制，其中滑模面是一个特定的超平面，通过在超平面上设计一个连续可微的滑模控制器，使系统状态能迅速地滑到滑模面上，并在滑模面上获得稳定性。
自适应滑模控制算法的优势主要体现在以下几个方面：1. 鲁棒性强：自适应滑模控制算法能够对模型不确定性、外部扰动和未知参数的变化作出有效的响应，并保持系统稳定运行。
2. 超调和调节时间小：自适应滑模控制器能够根据系统的变化自动调整滑模面和滑模控制器参数，从而使系统的超调和调节时间最小。
3. 高精度控制：自适应滑模控制算法具有较高的控制精度，可以满足对系统控制精度要求较高的应用场景。
二、自适应滑模控制算法的应用范围自适应滑模控制算法广泛应用于各个领域的控制系统中，特别是在工业控制、机器人控制、飞行器控制以及智能交通系统等方面，其应用范围涵盖了众多的实际应用场景。
1. 工业控制：在工业控制领域，自适应滑模控制算法可以应用于各类复杂的工业过程，例如温度控制、压力控制、流量控制等。
由于它对模型不确定性和扰动具有较强的鲁棒性，可以有效提高系统的性能和稳定性。
2. 机器人控制：在机器人控制领域，自适应滑模控制算法可以帮助机器人实现精确的运动控制和轨迹跟踪，能够应对外部干扰和未知参数的变化，保证控制系统的稳定性和精度。
3. 飞行器控制：在飞行器控制领域，自适应滑模控制算法可以实现对飞行器的姿态控制和位置控制，能够提高飞行器的稳定性和飞行性能，并保证飞行器在复杂环境下的安全操作。
4. 智能交通系统：在智能交通系统中，自适应滑模控制算法可以应用于车辆的自动驾驶和交通信号的优化控制，能够提高交通系统的效率和安全性。
第３５卷第３期中国机械工程V o l ．３５㊀N o ．３２０２４年３月C H I N A M E C HA N I C A LE N G I N E E R I N Gp p．５４８Ｇ５５８基于改进预瞄控制模型的车道保持系统设计梁永彬１㊀付㊀广１㊀林智桂１㊀何智成２㊀张家洛１㊀陈㊀涛１１．上汽通用五菱汽车股份有限公司,柳州,５４５００７２．湖南大学汽车车身先进设计制造国家重点实验室,长沙,４１００８２摘要:为解决扭矩控制的车道保持(L K A )系统鲁棒性不高㊁受车辆制造一致性以及路面激烈干扰影响大的问题,采用神经网络技术㊁A u t o f i x 算法及预瞄反馈控制理论,利用预期轨迹决策和跟随P I D 控制算法设计了一套基于角度控制的车道保持系统.基于C a r s i m /V e r i s t a n d /MA T L A B 搭建了硬件在环仿真试验平台,通过虚拟仿真验证了该车道保持系统设计的有效性与准确性.基于G B /T３９３２３ ２０２０㊁C N ＧC A P ２０２１㊁E u r o ＧN C A P ２０２２并结合实车调试及用户关注场景对车道保持系统的测试要求,通过仿真及实际场景对比验证得出以下结论:相对于扭矩控制的L K A 系统,在相同使用场景下,使用角度控制的车道保持系统具有较好的车道保持能力㊁稳定性㊁适应性和鲁棒性.关键词:车道保持系统;角度控制;预瞄控制;A u t o f i x 算法;比例积分微分控制中图分类号:U ４６７．１D O I :１０．３９６９/j ．i s s n ．１００４ １３２X．２０２４．０３．０１７开放科学(资源服务)标识码(O S I D ):D e s i g no fL a n eK e e p i n g A s s i s t S y s t e m sB a s e do n I m pr o v e dP r e v i e w C o n t r o lM o d e lL I A N G Y o n g b i n １㊀F U G u a n g １㊀L I NZ h i g u i １㊀H EZ h i c h e n g ２㊀ZH A N GJ i a l u o １㊀C H E N T a o １１．S A I C ＧGM ＧW u l i n g A u t o m o b i l eC o m p a n y L i m i t e d ,L i u z h o u ,G u a n gx i ,５４５００７２．S t a t eK e y L a b o r a t o r y o fA d v a n c e dD e s i g na n d M a n u f a c t u r i n g f o rV e h i c l eB o d y ,H u n a nU n i v e r s i t y,C h a n gs h a ,４１００８２A b s t r a c t :T o a d d r e s s t h e i s s u e s o f l o wr o b u s t n e s s ,c o n s i s t e n c y i nv e h i c l em a n u f a c t u r i n g,a n d s e Ｇv e r e r o a d s u r f a c e i n t e r f e r e n c e i nL K As y s t e mo f t o r q u e c o n t r o l ,aL K As y s t e m w a s d e s i gn e db a s e d o n a n g l e c o n t r o l b y u s i n g n e u r a l n e t w o r kt e c h n o l o g y ,A u t o f i xa l go r i t h m ,a n d p r e v i e wf e e d b a c kc o n t r o l t h e o r y ,t h r o u g he x p e c t e dt r a j e c t o r y d e c i s i o n Ｇm a k i n g a n df o l l o w i n g P I Dc o n t r o la l go r i t h m．A h a r d Ｇw a r e Ｇi n Ｇt h e Ｇl o o p s i m u l a t i o n t e s t p l a t f o r m w a sb u i l t t ov e r i f y t h e e f f e c t i v e n e s s a n da c c u r a c y of t h ed e Ｇs ig n o f th e a n g l e b a s e d l a n e p r o t e c ti o n s y s t e m s t h r o u gh v i r t u a l s i m u l a t i o n b a s e d o nC a r s i m /V e r i s t a n d /MA T L A B ．B a s e do n G B /T ３９３２３ ２０２０,C N ＧC A P ２０２１,E u r o ＧN C A P ２０２２a n dt h et e s t i n g re Ｇq u i r e m e n t s of t h e c a r r e t e n t i o n s y s t e m s b a s e d o n r e a l Ｇr o a d c o mm i s s i o n i ng an du s e r c o n c e r n s c e n a r i o s ,t h e s i m u l a t i o na n dc o m p a r i s o n w i t hr e a l Ｇr o a ds c e n a r i o ss h o wt h a t t h ea n g l e Ｇc o n t r o l l e dL K As ys t e m h a sb e t t e r l a n ek e e p i n g c a p a b i l i t y ,s t a b i l i t y ,a d a p t a b i l i t y a n d r o b u s t n e s s t h a n t h a t o f t h e t o r qu e Ｇc o n Ｇt r o l l e dL K As y s t e mi n t h e s a m eu s a ge s c e n a r i o s ．K e y wo r d s :l a n ek e e p i n g a s s i s t (L K A )s y s t e m ;a n g l ec o n t r o l ;p r e v i e w c o n t r o l ;A u t o f i xa l g o Ｇr i t h m ;p r o p o r t i o n a l Ｇi n t e gr a l Ｇd e r i v a t i v e (P I D )c o n t r o l 收稿日期:２０２３０７１９基金项目:国家自然科学基金(U ２０A ２０２８５);湖南省自然科学基金(２０２１J J １００１６);广西科技重大专项(A A ２２０６８１０８)０㊀引言高度集成的自动驾驶汽车是主机厂不断追求的目标,佐思汽研数据显示,２０２１年中国自主品牌高级驾驶辅助系统(a d v a n e dd r i v ea s s i s t a n c es ys t e m s ,A D A S )装配率为２９．１％;２０２２年同期装配率继续维持上涨态势,装配率接近３４％.车道保持系统的使用可以有效减少疲劳驾驶引起的交通事故,研究表明,当车辆都搭载车道保持系统时,可以减少约１２％的道路交通事故[１Ｇ４].国内外学者对车道保持的实现方式进行了理论研究.文献[５Ｇ９]采用比例积分微分(pr o Ｇp o r t i o n a l Ｇi n t e g r a l Ｇd e r i v a t i v e ,P I D )前馈反馈控制方案设计车道保持系统,利用反馈误差学习机制来学习车辆的逆动力学,并消除外部干扰和不确定性对车道保持系统的影响,通过MA T L A B/S i m u l i n k 和C a r s i m 在不同速度下的联合仿真,验证了所提方法的有效性和鲁棒性.C H E N 等[１０]㊁AM D I T I S 等[１１]基于跨道时间(t i m et ol a n e c r o s s i n g,T L C )方法,分别给出直线道路和曲线道路情况下跨道时间的计算方法,并通过台８４５架联合仿真实验验证联合算法的准确性.MAＧR I N O等[１２]㊁S HO J A E I[１３]㊁X U等[１４]将自抗扰控制及自适应多变量超扭控制应用于转向控制器的设计,主动补偿外部干扰,通过仿真验证该控制器的有效性.R A T H A I等[１５]基于模型预测控制(m o d e l p r e d i c t i v e c o n t r o l,M P C)算法设计了一种车辆车道保持系统,仿真结果表明,该控制器的性能和稳定性优于剪切线性二次型调节器(c u t t i n g l i n e a r q u a d r a t i cr e g u l a t o r,C L Q R)控制器.Y U 等[１６]提出一种基于电液转向系统的客车车道保持辅助系统,并利用T r u c k S i m㊁AM E S i m和MA T L A B/S i m u l i n k联合仿真软件进行实验验证.K A N G等[１７]针对电动助力转向系统(e l e cＧt r i c p o w e r s t e e r i n g,E P S),对一种基于转矩叠加的转向盘角度控制方法进行了创新,并提出多速率保持航道控制方案,减小横摆角速度的波动,以提高系统的车道保持性能.K I M等[１８]提出一种基于力矩叠加的电动助力转向鲁棒转向盘角度控制方法,利用输入状态稳定性特性,采用反推方法设计非线性阻尼控制器来抑制角跟踪误差. WA N G等[１９]基于强跟踪自适应平方根容积卡尔曼滤波(s t r o n g t r a c k i n g a d a p t i v e s q u a r eＧr o o t c uＧb a t u r eK a l m a n f i l t e r,S TＧS R C K F)侧滑角自适应预测控制器计算所需转向角和附加偏航力矩,并通过硬件在环验证该车道保持系统的可靠性.C HU等[２０]基于线性自抗扰控制与定量反馈理论设计车道保持系统,并通过仿真和试验验证转向控制器的可行性.WA N G等[２１]基于人工势法和转向/制动系统协调,设计车道保持控制系统,通过C a r s i m/S i m u l i n k仿真和硬件在环试验验证基于改进人工势函数的滑模控制器和转向制动系统协调策略的有效性和优越性.C H E N等[２２]提出了一种基于人类模拟智能控制(h u m a nＧs i m u l a t e d i n t e l l i g e n t c o n t r o l,H S I C)的新型自动驾驶车辆车道保持控制方法,在P r e S c a n和C a r s i m联合仿真平台上的实验结果表明,该方案与专家驾驶员具有更好的匹配性能和良好的鲁棒性.综上,基于前馈的P I D闭环控制或自适应控制是提高系统控制精度常见的控制手段,但是大部分研究只考虑驾驶员行为㊁车辆整体动力学或者道路环境的影响,未对比E P S执行器的综合影响,且大多数处于仿真验证阶段,缺乏有效的实车验证.扭矩控制是常用的车道保持辅助(l a n e k e e p i n g a s s i s t,L K A)系统请求控制方式,大量车型验证和对标结果证明,使用扭矩控制的车道保持系统鲁棒性较差,受车辆制造装配一致性及路面激励的影响较大,导致控制稳态精度不高.本文采用预期轨迹决策和跟随P I D控制算法设计一套基于角度控制的车道保持系统.利用C a rＧs i m建立车辆动力学模型,利用V e r i s t a n d/MA TＧL A B管理及配置系统㊁模型㊁硬件,搭建硬件在环仿真试验平台,实现联合仿真,通过仿真和实际道路试验来验证所提系统设计的有效性.１㊀L K A控制策略L K A工作系统框图见图１,通常为分层结构,分为感知层㊁信息处理层㊁决策控制层和执行层,各部分均基于模块化思想进行设计,其工作相对独立,提高了各模块的灵活性和通用性[２３Ｇ２５]. L K A系统感知层提供了信息处理层,用于输出车道线信息㊁车辆状态信息(转角㊁横摆角速度㊁驾驶员手力矩).信息处理层根据车道线信息㊁车辆信息得到车辆与车道线的位置关系.决策层就是L K A控制器,根据信息处理端输入的车辆状态信息与车道线信息来决策L K A状态,与感知层一起组成了摄像头硬件模块.控制层根据车辆状态㊁道路情况输出对应角度请求到E P S执行层.图１㊀L K A工作系统框图F i g．１㊀B l o c kd i a g r a mo fL K Aw o r k i n g s y s t e m ２㊀L K A控制算法路径跟踪控制是车道保持控制的关键技术,模型预测提前规划下一阶段路径,提前评估㊁决策㊁执行,能够克服模型误差和不确定环境干扰带来的影响,鲁棒性强,实时控制性好[２６Ｇ２８].图２所示为信息处理与决策层控制流程.通过驾驶辅助摄像头获取道路信息,输入摄像头的前馈控制器进行轨迹预测信息处理,结合反馈控制器接收车身相关信息,如转向盘转角㊁扭矩和车身姿态等信９４５基于改进预瞄控制模型的车道保持系统设计 梁永彬㊀付㊀广㊀林智桂等图２㊀信息处理与决策层控制流程F i g．２㊀C o n t r o l f l o wo f i n f o r m a t i o n p r o c e s s i n g l a y e r a n dd e c i s i o n l a y e r息,输出L K A控制最理想的控制状态.角度规划采用滤波算法,用于平滑过渡控制和手感校正,有效过滤上层请求值中频率较高的振动.该滤波算法的最终输出形式为缓升缓降,保证阶跃请求值不会产线剧烈跳变,让E P S跟随响应更好.在转速闭环控制中加入前馈控制,从而有效降低控制滞后性.该算法位置环比例控制根据目标转角和车速进行查表控制,将大角度请求工况和小角度请求工况分开,有效解决大角度工况的请求和响应滞后的问题.速度环P I控制根据目标转角与实际转角的偏差值进行查表控制,采用积分参数可解决比例控制受路面环境干扰较大,尤其是大曲率弯道或斜坡路面时单纯采用比例控制导致转向盘转动幅度较大㊁收敛慢㊁控制不舒适的问题.同时为避免积分参数过大而导致超调的问题,需要加入积分触发条件及清除积分的操作.前馈力矩根据目标转角查表计算得到,通过加入前馈控制来削弱反馈控制的强度,有效减少过弯时和倾斜路面对控制的干扰.２．１㊀预瞄控制机制L K A控制系统采用预瞄反馈控制理论,在行驶过程中获取当前状态作为初始条件,结合系统模型在预测时间内的状态输出最优控制值[５Ｇ９].图３为预瞄远近点示意图,其中,远㊁近预瞄点的P I D反馈控制用于消除车辆和目标轨迹间的横向偏差和航向偏差,使车辆能快速且稳定地回到目标轨迹.同时根据车速进行查表控制,高速行驶时,将预瞄点拉远;在低速行驶时,将预瞄点拉近.前馈控制用于消除在弯道中由曲率带来的较大偏差量,使得远㊁近预瞄点的P I D控制模型在直道和弯道中不会有明显差异,避免弯道中的P I D超图３㊀预瞄远、近点示意图F i g．３㊀S c h e m a t i c d i a g r a mo f p r eＧs c a nn e a r a n d f a r p o i n t 调和控制量不足的情况,提高控制系统过弯能力,便于P I D参数调节.设车辆行驶轨迹为Y p(t),预瞄时间设为T p,则预瞄点处的车辆侧向位置为Y p(t)＝Y(t＋t p),经过泰勒展开,得Y p(t)＝Y(t＋T p)ʈY(t)＋T p．Y(t)＋T２p/２．Y(t)(１)经拉氏变换的预瞄模块传递函数为P r(s)＝Y p(s)Y(s)＝１＋T p．s＋T２p２．s２(２)摄像头输出的车道线表达式为y＝C０＋C１．x＋C２．x２＋C３．x３(３)式中,y为自车车辆中线与车道线距离;x为预瞄距离,以车辆的前轴中心为原点;C０㊁C１㊁C２㊁C３分别为多项式曲线的４个参数;C０为当前车辆位置行驶轨迹与车身的相对距离;C１为航向角;C２为车辆当前点目标轨迹曲率;C３为目标轨迹的曲率变化率.则当前车辆位置行驶轨迹与车身的相对距离和航向角分别为y x＝０＝C０(４)θ＝d y d x x＝０＝C１(５)对于式(１),结合式(３),取原点在车道中线的大地坐标系,经过合理线性化,得Y(t)＝(C０L＋C０R)/２(６)Y (t)＝θ．v＝C１L＋C１R２．v(７)Y㊆＝φ ．v(８)式中,φ 为自车的横摆角速度;C０L为车辆当前点后轴中心点与轨迹的横向偏差;C０R为车辆当前点的切点与轨迹的横向偏差;C１L为车辆当前点后轴中心点与轨迹的航向偏差;C１R为车辆当前点的切点与轨迹的航向偏差;v为车辆当前车速.因此,控制方程为Y p＝C０L＋C０R２＋T p．C１L＋C１R２．v＋T２p２φ ．v(９)预瞄点处的道路模型表达式为Y∗＝C２L＋C２R２．(T p．v)２＋T p．C３L＋C３R２．(T p．v)(１０)０５５ 中国机械工程第３５卷第３期２０２４年３月式中,C ２L 为车辆当前点后轴中心点与轨迹的目标轨迹曲率;C ２R 为车辆当前点的切点与轨迹的目标轨迹曲率;C ３L为车辆当前点后轴中心点目标轨迹的曲率变化率;C ３R 为车辆当前点的切点目标轨迹的曲率变化率.由式(９)㊁式(１０)得到预瞄点处的侧向偏移量,反馈控制器M 设为比例控制,设置增益值为６,取侧向速度分量做反馈量闭环,s 为附属算子,前馈补偿为p r e v i e w ,经过P I D 控制器输出控制角度.系统反馈控制模型如图４所示.图４㊀系统反馈控制模型F i g ．４㊀S ys t e mf e e d b a c k c o n t r o lm o d e l 开环传递函数为pr ．M θ．E P S ．V e h ．１/s ２其中,pr 表示前馈补偿模型为p r e v i e w ;M θ表示比例控制模型;E P S 表示E P S 模型;V e h 表示当前车辆模型.车辆模型V e h 选取二轮模型,其传递函数为a y (s )δ(s )＝K V e h ．１＋T z １．s ＋T z s ．s２１＋２σfv ２f ．s ＋１v f ．s２．s ２(１１)K V e h ＝v ２i ．l [１＋(v v c h)２]T z １＝l H v ㊀㊀T z s ＝J zC a h ．lσf ＝m ．(Ca v ．l ２v＋C a h ．l ２H )＋J z ．(Ca v ＋C a H )J z ．m ．v２v ２f＝m ．v ２(C a H ．l ２H －Ca H ．l ２H )＋J z ．Ca v ．C a H )J z ．m ．v２v c h ＝l ２．Ca v ．C a H m ．(C a H ．l H －Ca H ．l v )㊀㊀C a V ＝C a V１＋C a V ．n v C Ln v ＝n k ＋n R式中,C a v 为车辆前轮偏向刚度;C a H 为后轮偏向刚度;C L 为转向系刚度;n k 为主销后倾角;n R 为轮胎拖距;J z 为整车转动惯量;l v 为质心到前轴的距离;l H 为质心到后轴距离;l 为轴距;m 为整备质量;i 为转向传动比.E P S 传递函数为θo u tθi n＝０．７４５s ＋７．５４６６１s ＋０．８６７８(１２)式中,θo u t 为E P S 执行输出的总角度;θi n 为摄像头请求的角度.结合实车调试经验,为加快车辆转向盘对路面或人为激励收敛速度,加入微分反馈校正;同时考虑E P S 执行器存在较大死区,尤其是在小角度请求时E P S 不响应或响应较慢的问题,需加入超前校正,同时请求角度加入死区补偿,加快跨越死区的速度.２．２㊀P I D 控制器设置通过计算输入偏差的比例㊁积分㊁微分,并求取各部分的加权和得出控制量控制系统来达到稳定状态.对于离散系统P I D 控制器,t 时刻的输出控制量u (t )可表示为u (t )＝k P e (t )＋k I ðkj ＝０e (j )T ＋k D [e (t )－e (t －１)]/T (１３)式中,e (t )为t 时刻的误差量;e (t －１)为(t －１)时刻的误差量;T 为采样周期;k P ㊁k I ㊁k D 分别为比例参数㊁积分参数㊁微分参数,通过调节这３个参数的设定来达到期望输出的目的.考虑到在车道保持控制中,针对不同速度和曲率下,对于同一误差量,可能会需要不同的控制输出以达到稳定控制效果,同时为提高舒适性,还需根据车辆和目标轨迹的相对位置来调节P I D 参数,因此,分别对远近点设置不同的P I D 控制器,根据曲率及车辆速度对P I D 的比例参数㊁积分参数㊁微分参数做不同设定.(１)比例参数k P 的设定.P I D 控制器的比例系数k P 由下式求出:k P ＝k P _c k P _v k P _y k P _f a c(１４)式中,k P 为最终的比例参数;k P _c 为根据曲率选择的比例系数;k P _v 为根据车辆速度选择的比例系数;k P _y 为根据车辆和目标轨迹的横向距离选择的比例系数;k P _f a c 为固定粗调比例系数.(２)积分参数k I 的设定.P I D 控制器的积分参数k I 由下式求出:k I ＝k I _c k I _v k I _yk I _f a c (１５)式中,k I 为最终的积分参数;k I _c 为根据曲率选择的积分系数;k I _v 为根据车辆速度选择的积分系数;k I _y 为根据车辆和目标轨迹的横向距离选择的积分系数;k I _f a c 为固定粗调积分系数.(３)微分参数k D 的设定.P I D 控制器的微分参数k D 由下式求出:k D ＝k D _c k D _v k D _y k D _f a c(１６)式中,k D 为最终的微分系数;k D _c 为根据曲率选择的微分系数;k D _v 为根据车辆速度选择的微分系数;k D _y 为根据车辆和目标轨迹的横向距离选择的微分系数;k D _f a c 为固定粗调微分系数.２．３㊀A u t o f i x 机制A u t o f i x 补偿可以消除车辆跑偏或零位扭矩不在设计阈值内对L K A 控制稳定的影响,其目的是取得与控制车辆运动状态相符的力,在一定程度上改善L K A 控制性能,其模型框图见图５.１５５ 基于改进预瞄控制模型的车道保持系统设计梁永彬㊀付㊀广㊀林智桂等图５㊀A u t o f i x 补偿控制模型F i g ．５㊀A u t o f i x c o m pe n s a t e d c o n t r o lm o d e l 为避免A u t of i x 补偿机制出现矫枉过正的现象,需要对触发条件做限制.行驶环境条件判断如下:|C ０|＜０．０２m |C ２|＜３ˑ１０－５m －１v ＞１０k m /h 驾驶员手力小于０．５N m 后延迟１süþýïïïï(１７)角度滤波采用均值滤波,记录计算次数全局均值;扭矩计算方式根据C ０与行驶路径方向是否相反进行判断,两者相反时触发计算判断,根据C ０是否小于阈值判断补偿值的正负.２．４㊀角度控制原理图６所示为L K A 采用角度控制的系统架构,该架构包含转向系统和摄像头的基本接口信号,其中,T r q 为E P S 电机扭矩.E P S 接收驾驶员施加在转向盘的扭矩值和L K A 角度请求值,经E P S 齿轮角控制器,转换成控制E P S 的转向力矩;同时考虑L K A 激活和退出瞬间转向盘从传统助力到L K A 模式平顺过渡.转向盘不会有较大的转动动作干扰驾驶员,会通过辅助信号限制角度请求值变化斜率.如果此时L K A 施加振动图６㊀角度控制的系统架构F i g ．６㊀S y s t e ma r c h i t e c t u r e o f a n gl e c o n t r o l 警报信号,则E P S 还需要接收振动信号的频率和幅值;E P S 对上述信号进行变换处理后得到施加到助力电机的总扭矩.在采用角度控制的L K A 控制系统中,假设驾驶员输入手力,标记为 ＋,有小角度偏移,但L K A 没有退出,在固定车速情况下,有以下功能会产生作用:(１)基础助力模块.以 ＋ 方向提供T r q .(２)回正力矩模块.当偏移角度是远离中心区域时,回正模块提供 － 方向的T r q ;反之,当偏移角度是靠近中心区域时,回正模块提供 ＋ 方向的T r q .(３)阻尼力矩模块.提供 － 方向T r q .(４)摄像头.在调试中,为满足L K A 对E P S的响应要求,一般会在小角度时提供较大的 － 方向的T r q 以满足响应需求.综上,在角度请求控制中,无论是角度请求还是斜率限制参数,最终输入E P S 电机的请求扭矩和总的电机扭矩都形成多闭环控制,在控制原理上精度会更高,稳定性更好.３㊀硬件在环仿真完成基于角度控制车道保持系统设计后,通过硬件在环(h a r d w a r e Ｇi n Ｇt h e Ｇl o o p,H I L )仿真平台,使用C a r s i m 车辆模型,采用MA T L A B /S i m Ｇu l i n k 环境下建立的相应车辆控制模块建立系统仿真控制模型,分析车道保持系统的鲁棒性㊁车道保持㊁主动转向等关键性能指标,验证基于角度控制的车道保持系统的有效性和可靠性.３．１㊀硬件搭建图７所示为硬件在环仿真平台搭建硬件及系统原理,仿真平台以真实的自动驾驶控制器作为待测件,外围匹配虚拟场景仿真㊁实时仿真系统及环境感知模拟系统,共同为待测控制器构造虚拟的运行环境,主要由虚拟场景仿真系统㊁实时仿真系统㊁上位机系统㊁感知模拟系统和待测控制器组成.利用V T D (v i r t u a l t e s t d r i v e)软件进行仿真场景创建,通过视频暗箱为摄像头提供视频采集环境,基于C a r s i m 完成被控车辆模拟,基于S i m Ｇu l i n k 工具开发力矩分段切换模型,并通过N I P X ＧI e ８８８０实时机完成实时仿真计算.仿真场景动画通过H D M I 传输至视频暗箱内的视景显示器进行播放.控制器(摄像头)通过支架固定在视景显示器前方,用于拍摄视景显示器上播放的场景动画,进而实现对车道线的感知.L K A 系统发出的转向角度请求指令由E P S 执行,进而控制被控车辆横向运动.２５５ 中国机械工程第３５卷第３期２０２４年３月图７㊀硬件在环仿真平台F i g ．７㊀H a r d w a r e Ｇi n Ｇt h e Ｇl o o p si m u l a t i o n p l a t f o r m ３．２㊀仿真对比根据G B /T３９３２３ ２０２０规定,设定仿真场景如下:车道宽为３．６m ,弯道半径R 按２５０m 和５００m 设定,被控车辆模型分别以７０k m /h ㊁９０k m /h 和１２０k m /h 的车速v 进行直道㊁弯道㊁直道弯道衔接居中性保持仿真测试,记录居中保持时中心偏移值(左负右正,居中偏差平均值要求在ʃ０．２m 范围内),验证车道保持系统的可行性[２９Ｇ３１].图８所示为车道保持直道工况仿真测试结果,居中偏差最大值为－０．１１m ,平均值均在ʃ０．１m 范围内.图９所示为车道保持弯道工况仿真测试结果,居中偏差最大值为０．１４m ,平均值均在ʃ０．２m范围内.图１０所示为车道保持直道弯道过渡工况仿真测试结果,均可稳定行驶在车道内,居中偏差最大值为－０．１８m ,平均值均在ʃ０．２m 范围内.综上,车道保持系统在各仿真工况下均可稳定行驶在车道内,偏离车道中心线距离较小,居中能力较强.图８㊀车道保持直道工况仿真测试F i g ．８㊀S i m u l a t i o n t e s t r e s u l t s o f s t r a i gh t p a t h w o r k i n g co n d i t i o ns 图９㊀车道保持弯道工况仿真测试F i g ．９㊀S i m u l a t i o n t e s t r e s u l t s o f b e n d i n g co n d i t i o ns 图１０㊀车道保持直道弯道过渡工况仿真测试F i g ．１０㊀S i m u l a t i o n r e s u l t s o f s t r a i gh t a n d c u r v e c o n d i t i o n s㊀㊀根据C N ＧC A P ２０２１直道,测试速度为７０k m /h 和９０k m /h ,将车辆拉边,使车辆靠着左/右侧车道线行驶,当车辆行驶稳定后,驾驶员松开３５５ 基于改进预瞄控制模型的车道保持系统设计梁永彬㊀付㊀广㊀林智桂等转向盘.图１１所示为车道保持直道拉偏居中仿真测试结果,拉偏后首次回到居中位置时间分别为３．１s 与３．５s (要求小于６s ),超调幅值在ʃ０．１m 以内,无超调现象;拉偏后首次回到居中位置的时间较短,为２．４s ,且无需收敛调整,车辆已处于居中位置.图１１㊀车道保持直道拉偏居中仿真测试F i g ．１１㊀S i m u l a t i o n t e s t o fL K As t r a i gh t p u l l i n g de v i a t i o n ㊀㊀仿真结果表明,在各场景测试中,基于角度控制的车道保持系统均能稳定行驶在车道中心,车道中心线偏离距离波动较小,拉偏测试可以有效验证系统具备完整的控制稳定性,能满足车道保持辅助系统功能测试的要求.４㊀实车场景测试４．１㊀测试设备本文中基于某款M P V 车型进行验证(两车除L K A 控制方式不同外,其余参数均一致),测试车上安装i ＧT E S T E R A V E２０００测试系统,该系统配备i ＧT E S T E R 主机㊁组合定位模块等,包括G P S ＧR T K (通过配置千寻账号获取定位信息,无需定位基站,测试范围更广)㊁车道线定位㊁I MU 等传感器用于获取车辆运动姿态真值.测试车设备连接原理如图１２所示,智能驾驶控制器与E P S &E S P 控制器通过车载网关交互信号,使用C A N 通信方式.图１２㊀i ＧT E S T E RA V E２０００测试系统F i g ．１２㊀i ＧT E S T E RA V E２０００T e s t S ys t e m ４．２㊀测试工况基于G B /T ３９３２３ ２０２０㊁C N ＧC A P ２０２１㊁E u r oN C A P ２０２２并结合实车调试及用户关注场景对车道保持系统的测试要求,从实际道路场景对比出发,选取弯道性能㊁居中性㊁拉偏后首次回中时间㊁超调幅值㊁收敛时间㊁纠偏能力㊁颠簸路段抗干扰能力㊁初始力矩等指标对比角度控制和扭矩控制在相同场景下L K A 的性能表现,测试工况和评价指标见表１.４．３㊀测试结果在相同车型和相同工况下对比扭矩控制和角度控制的L K A 系统性能,测试结果见表２及图１３㊁图１４.实车验证了基于角度控制的L K A 系统的可行性,同时使用角度控制的L K A 系统,其居中性偏离最大值为０．０８m ,且较为稳定,扭矩控制的系统居中性满足基本要求,但从偏移值走势看,整车处于轻微蛇形行驶状态.从表２来看,角度控制最小支持弯道半径是１２５m ,意味着可以通过更大弯曲率的弯道,过弯性能更强,性能更加稳定.采用角度控制的L K A 系统拉偏后首次回到居中位置时间为２．４s ,小于扭矩控制的３．２s ;超调幅值在ʃ０．２m 以内,无超调现象,无需收敛调整,车辆已处于居中位置,回中＋收敛时间均在３．６s 以内,小于采用扭矩控制系统的６．１s.两车在同样的测试环境中分别以０．２m /s ㊁０．３m /s ,０．４m /s ㊁０．５m /s 的速度压左右侧L K A 释放点各三次,正值为轮胎最外缘距离左侧车道线内侧值,负值为轮胎最外缘距离右侧车道线内侧值,图１５所示为两车纠偏性能对比结果.从结果看,扭矩控制在横向拉偏速度超过０．４m /s 时,其纠４５５ 中国机械工程第３５卷第３期２０２４年３月表１㊀设计变量样本空间L K A 测试工况与评价指标T a b ．１㊀L K At e s t c o n d i t i o n s a n d e v a l u a t i o n i n d e x e s序号测试工况测试方法评价指标１居中性测试平直道上,以７０k m /h 或９０k m /h 速度稳定行驶后,驾驶员松开转向盘偏离车道中心的距离保持在ʃ０．２m 范围内２拉偏测试直道,使车辆靠左/右侧车道线行驶,以７０k m /h 或９０k m /h稳定行驶后,驾驶员松开转向盘(１)首次回中时间t １:３~６s (２)超调幅值:＜０．５m(３)首次回中时间t １＋收敛时间t ２:＜９s ３弯道性能以４０k m /h 从直道驶入半径５０~３００m 的弯道最小通过弯道半径能居中过弯,车辆前轮外缘到对应侧车道边线外侧距离S ２＞０．２５m４纠偏测试以８０k m /h 行驶在道路中间,分别以０．２m /s ㊁０．３m /s ㊁０．４m/s ㊁０．５m /s 的横向速度将车辆往车道线侧行驶,到达L K A 释放点位置后,松开转向盘轮胎最外缘不应超过车道线外侧０．２m (即左侧S ２＜０．３５m ,右侧S ２＞－０．３５m )５初始力矩平直道上,以７０k m /h 或９０k m /h 行驶稳定后,驾驶员逐渐施加一个往左/右的手力矩,直到车辆横摆角速度明显变化车辆横摆角速度明显变化时的力矩大于１．７N m ６颠簸路段抗干扰测试平直道上,将车辆居中行驶,车辆以７０k m/h 行驶稳定后,路过桥梁连接处的铁轨车辆的转向盘角度及转向盘力矩保持稳定,不受干扰７转向盘零位干扰测试通过E P S 标定,改变转向盘零位扭矩(０~０．６N m )和零位角度(０ʎ~６ʎ),平直道上,以７０k m /h 速度居中行驶,稳定行驶后观察车辆居中性能车辆中心线偏离车道中心的距离需保持在ʃ０．２m 范围内表２㊀L K A 角度控制和扭矩控制性能对比T a b ．２㊀C o m p a r i s o no fL K Aa n g l e c o n t ro l a n d t o r qu e c o n t r o l p e r f o r m a n c e 序号评价指标居中性(最大值)拉偏回正(最大值)角度控制扭矩控制角度控制扭矩控制７０k m /h ９０k m /h ７０k m /h ９０k m /h ７０k m /h ９０k m /h ７０k m /h ９０k m /h １居中性(m )０．０６０．０８－０．１３－０．１６２首次回中时间(s )０．０７１．６１１．３３１．９１．３３超调幅值(m )－０．１８－０．０９－０．２７－０．４５４t １＋t ２(s )１．６１１．３３５．１４．８５弯道性能(最小支持半径)(m )ȡ１２５ȡ２５０ȡ１２５ȡ２５０图１３㊀车道保持居中性测试结果对比F i g ．１３㊀C o m p a r i s o no f l a n e k e e p i n g c e n t e r i n gt e s t r e s u l t s 偏值大于０．３５m ,无法通过纠偏测试;而角度控制的系统在所有测试中纠偏值均小于０．３５m ,证明角度控制的L K A 系统纠偏响应更快,保持稳定行驶能力更强.图１６所示为两车初始力矩对比,当车辆横向角度有明显变化,即车辆行驶不在处于居中位置时,采用角度控制的系统所需转向盘力矩为２．０３图１４㊀直道拉偏居中实车测试F i g．１４㊀P u l l Ｇo f f t e s t o f r e a l v e h i c l e s t e s t N m ,扭矩控制的系统转向盘力矩为１．５８N m ,可见角度控制的系统可抵抗外部激励干扰所允许的力矩更大,保持居中能力更强.从曲线上看,扭矩控制的系统接管过程会更加柔和,但持续时间较长,会给驾驶员对抗现象,而角度控制车辆可瞬间达到接管阈值,方便驾驶员接管车辆.图１７所示为两车颠簸路段抗干扰测试对比,采用角度控制的系统连续经过铁轨交界处时,转５５５ 基于改进预瞄控制模型的车道保持系统设计梁永彬㊀付㊀广㊀林智桂等。
