行人防碰撞系統(tǒng)制動控制建模與聯(lián)合仿真

葛平淑，徐國凱，郭 烈，任澤建

(1.大連民族大學(xué) 機電信息工程學(xué)院，遼寧 大連116605;2.大連理工大學(xué) 汽車工程學(xué)院，遼寧 大連116024)

隨著各國對道路交通安全的重視以及智能交通系統(tǒng)的不斷發(fā)展，汽車主動防碰撞預(yù)警系統(tǒng)已經(jīng)成為國內(nèi)外研究的熱點?？紤]到目前汽車主動防碰撞系統(tǒng)的主要研究目標是將前方車輛作為防撞目標［1］，將系統(tǒng)的研究目的主要定位在提高本車行駛安全性上，沒有體現(xiàn)對車外行人等交通弱勢群體的主動安全保護。

由于交通環(huán)境信息的復(fù)雜性、行人運動特征的多樣性以及隨機性，如何建立基于行人安全的行車安全評估模塊，這也是未來汽車主動防碰撞預(yù)警系統(tǒng)的重要組成之一［2］。如Llorca 等［3］結(jié)合高精度GPS 信息為駕駛員提供導(dǎo)航信息，采用立體視覺傳感器實現(xiàn)前方行人探測，并設(shè)計了基于模糊理論的避撞行人轉(zhuǎn)向控制器。Milanés 等［4］針對道路交通事故當中易受傷害的行人，設(shè)計了旨在保護行人安全的自動停車模糊控制系統(tǒng)，實現(xiàn)智能車輛避免碰撞行人的制動行為。

為了更好地模擬汽車的實際運行狀態(tài)，需要實現(xiàn)建立汽車動力學(xué)建模?？紤]到汽車動力學(xué)系統(tǒng)存在較強的非線性，行駛過程中又存在大量不確定性因素，國內(nèi)外對車輛動力學(xué)系統(tǒng)的建模和控制系統(tǒng)的設(shè)計進行了相關(guān)研究。如李徑亮等［5］提出的基于模糊規(guī)則的控制算法在急加速和急減速情況下會有一定程度的滯后與超調(diào)。文獻［6-7］利用模糊邏輯理論對車輛的相對速度和間距進行控制，有效提高了控制系統(tǒng)的跟蹤性和魯棒性，但其在建模過程中對車輛動力學(xué)系統(tǒng)進行了不同程度的簡化處理，沒有全面考慮發(fā)動機模型的動態(tài)特性和輪胎模型滑移特性對動力學(xué)模型特性的影響等，因此很難反映實際工況下的控制效果。

針對常規(guī)線性建模的不足，本文對保護行人安全的防碰撞預(yù)警系統(tǒng)設(shè)計了制動控制方法，如圖1。首先結(jié)合前期行人檢測結(jié)果進行了行車安全判斷，采用了Carsim 軟件和Simulink 建立了能夠反映系統(tǒng)動態(tài)特性并能兼顧模型精確性的試驗車動力學(xué)系統(tǒng)模型，基于滑?？刂坪蛦紊窠?jīng)元PID 設(shè)計了雙層控制器，并對典型的危險場景進行了仿真研究。

1 行車安全判斷

汽車縱向主動避撞系統(tǒng)包括以下幾項關(guān)鍵技術(shù):行車信息感知及處理，行車安全狀態(tài)判斷，車輛動力學(xué)建模和控制以及控制執(zhí)行技術(shù)。車輛行車信息感知及處理就是利用安裝于汽車上的各種傳感器，實時的對車輛運行參數(shù)進行檢測，并通過必要的信號處理獲得準確、可靠的行車信息。行車安全判斷即為判斷車輛是否處理危險狀態(tài)，在經(jīng)過行車安全判斷后，若判斷為危險，將會采取下圖中的(一)減速制動或者(二)緊急制動，進而保證行車的安全性。

圖1 避撞控制系統(tǒng)設(shè)計

車輛前方檢測到目標行人后，車輛和目標行人必須保持一定的安全距離，否則將會被判定為目標行人處于危險狀態(tài)，需要對車輛進行控制。對目標行人和車輛信息做簡化，只考慮以下二種典型的場景。

1.1 行人步行橫穿車道

在行人橫穿車道的情況下，求取制動臨界距離和安全臨界距離，制動臨界距離采用了基于制動過程的安全距離模型［8］，參照圖2 所示的場景，求取了安全臨界距離。根據(jù)獲取到前方目標行人和車輛間的相對距離，來判斷目標行人和車輛是否處于安全狀態(tài)。

制動臨界距離

式中，vx0為被控車輛的初始速度，tr為駕駛員反應(yīng)時間和制動協(xié)調(diào)時間之和，一般取值為0. 8s ～1.0s，ti為減速度增長的時間，一般取0.1s ～0.2s，φ 為路面附著系數(shù)，g=9.8m/s2，d0為停車后行人與車輛之間最低要求的距離，vh為行人步行的平均速度。

安全臨界距離為

式中，d 為標準車道線寬度，vh為行人步行的平均速度，S 為車輛和行人之間的實際距離值。

滿足公式(3)，則判定為行車危險，需要控制車輛自動減速，如果滿足公式(4)，則判定為行車安全，車輛可以保持原狀態(tài)行駛。

圖2 目標行人—車輛示意圖

1.2 行人突然出現(xiàn)在車道上

在行車過程中，前方近距離會突然出現(xiàn)目標行人或者障礙物，則判斷為行車極限危險狀態(tài)

在滿足公式(3)的基礎(chǔ)上，如果滿足公式(5)，則判定為行車極度危險，需要控制車輛以較大的減速度緊急制動。

2 車輛動力學(xué)模型

2.1 Carsim 車輛動力學(xué)模型

本文中Carsim 軟件提供了仿真的車輛動力學(xué)模型，包括車體、空氣動力學(xué)、傳動系統(tǒng)、制動系統(tǒng)、轉(zhuǎn)向系統(tǒng)、懸架系統(tǒng)和輪胎，該模型能夠模擬車輛運行工況，反映系統(tǒng)動態(tài)特性并能兼顧模型精確性，使得仿真結(jié)果更好的反應(yīng)真實場景。為了保持Carsim 的模型特性與物理樣車的一致性，在建模過程中需盡可能準確的模擬物理樣車各部件的特性，本文選用課題組DUTIV-I 智能車輛的主要參數(shù)來進行Carsim 建模，其參數(shù)見表1。

表1 DUTIV-I 智能車輛主要參數(shù)

在Carsim 中能便捷地按車輛結(jié)構(gòu)參數(shù)建立模型，同時也能在模板中建立車輛發(fā)動機、變速箱、轉(zhuǎn)向器等特性;對于Carsim 沒有專門定義的部件則需要在Simulink 中定義，如制動系的特性等［5］。

2.2 車輛逆動力學(xué)系統(tǒng)模型

按照期望加速度的要求，計算制動油路期望的制動壓力，然后將期望制動壓力通過制動執(zhí)行器施加于車輛動力學(xué)系統(tǒng)進行制動控制。而將期望制動力矩轉(zhuǎn)化為期望制動壓力是通過逆制動系模型依據(jù)制動力矩與制動壓力之間的線性關(guān)系進行的［9］。

忽略車輛旋轉(zhuǎn)部件的質(zhì)量換算，將車輛運動方程表示如下

本文對∑F(v)進行簡化，取其風(fēng)阻值和滾動阻力，即:

本文在Carsim 中采用公式(7)求得Kb，在不超過路面最大制動力的情況下，制動力可以近似表示為制動管路中油壓的線性函數(shù)，其表達式為

式中，Tbf和Tbr分別表示前后輪的制動力矩，r表示輪胎的滾動半徑，Pb為制動力，Kb為制動力和制動壓力比值。

由公式(6)和公式(7)求得的Kb值，可得

式中，acdes為車輛期望加速度，F(xiàn)t為由于發(fā)動機的驅(qū)動作用產(chǎn)生的路面作用于車輛的驅(qū)動力，制動時為零，F(xiàn)xb表示由于制動器的制動作用產(chǎn)生的路面作用于車輛的制動力，ρ 為空氣密度，m 為整車質(zhì)量，CD表示空氣阻力系數(shù)，A 為迎風(fēng)面積，v 表示汽車行駛速度，g 表示重力加速度，f 表示滾動阻力系數(shù)。

3 避撞系統(tǒng)控制器設(shè)計

控制系統(tǒng)的設(shè)計是汽車自動停車研究的關(guān)鍵，該系統(tǒng)是通過對車輛的縱向動力學(xué)控制來實現(xiàn)其功能的。本文控制系統(tǒng)采用分層式控制結(jié)構(gòu)。上位控制器根據(jù)被控車輛與前方目標行人間保持適當?shù)木嚯x，確定當前情況下被控車實現(xiàn)的期望加速度;下位控制器依據(jù)上位控制器的輸出，對車輛動力學(xué)系統(tǒng)進行控制，實現(xiàn)這一期望的加速度［10］。

3.1 加速度滑模上位控制器

相對距離誤差是評價控制系統(tǒng)的一個重要指標，為了提高模型的控制精度，文中將人—車相對距離和相對速度誤差作為控制系統(tǒng)的兩個指標［11］。定義上位控制器的變量參數(shù)為

根據(jù)滑?？刂评碚?，選擇避撞控制系統(tǒng)的滑模切換面為

λ1＞0 和λ2＞0 為滑?？刂频膬蓚€參數(shù)，對公式(11)求導(dǎo)，得

在實際系統(tǒng)中，摩擦、外界干擾和參數(shù)攝動的影響是難以避免的，這時需要考慮選取合適的控制率，采用符號函數(shù)sgn( S) 使滑模切換面S 的一階微分得以收斂，即

被控車輛的期望加速度為

3.2 單神經(jīng)元PID 下位控制器

由具有自學(xué)習(xí)和自適應(yīng)能力的單神經(jīng)元構(gòu)成單神經(jīng)元自適應(yīng)智能PID 控制器，不但結(jié)構(gòu)簡單，而且能夠適應(yīng)環(huán)境變化，有較強的魯棒性。在實際的行車過程中，駕駛員通過控制制動踏板的位置來控制汽車的縱向加速度，進而控制汽車的縱向速度。這一控制過程由于涉及到制動器及輪胎等強非線性環(huán)節(jié)，因而是一個參數(shù)時變的強非線性系統(tǒng)，由于單神經(jīng)元PID 控制器具有的適用于非線性控制的特點，所以將其應(yīng)用于汽車避撞控制系統(tǒng)下位控制器的設(shè)計，以滿足系統(tǒng)精度和響應(yīng)要求。

在下位控制系統(tǒng)中，汽車的期望縱向加速度acdes由公式(14)求得，將acdes以及當前時刻汽車的實際縱向加速度ax的差作為單神經(jīng)元PID 控制器的輸入，采用式(16)中改進后的有監(jiān)督Hebb學(xué)習(xí)規(guī)則來直接進行控制器中的連接權(quán)值的調(diào)整，從而實現(xiàn)單神經(jīng)元PID 控制器的參數(shù)在線自整定，且保證控制器的自適應(yīng)性和魯棒性。

本文所設(shè)計的單神經(jīng)元控制器所需要的狀態(tài)量為x1，x2，x3:

控制算法和學(xué)習(xí)規(guī)則如下公式所示:

式中，μI、μP、μD分別為積分、比例、微分的學(xué)習(xí)速率，K 為神經(jīng)元的比例系數(shù)，K ＞0，wi( t) 對應(yīng)于xi( t) 的加權(quán)系數(shù)，acdes( t) 為期望加速度，ax(t)為實際加速度，accon( t) 為控制加速度。

本文對積分I、比例P 和微分D 分別采用了不同的學(xué)習(xí)速率μI、μP、μD以便對不同的權(quán)系數(shù)分別進行調(diào)整，加權(quán)系數(shù)的在線修正不完全根據(jù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，而是參考實際情況制定的，能夠更好的滿足實時性和準確性的要求。

4 實例研究

為驗證控制器的效果，在Matlab/Simulink 中與Carsim 進行了聯(lián)合仿真。將表1 中DUTIV -I智能車輛參數(shù)輸入到Carsim 中，Carsim 輸出給Simulink 的信號包括:車輛的縱向速度、加速度和位置信息。本文設(shè)計的控制器所選擇的控制參數(shù)見表2。

圖3 減速度曲線

圖4 速度曲線

表2 控制參數(shù)

(1)經(jīng)行車安全判斷后，判定為車輛處于危險狀態(tài)，需要對被控車輛做自動減速控制。

行人的步行速度相對于車輛的速度近似為vh=0 km·h-1，檢測到行人在被控車輛前方S=50 m，因此在Carsim 中設(shè)置被控車初始位置為距離原點50 m 處，初始速度為v=55 km·h-1，仿真時間為40 s。

仿真結(jié)果如圖3 -圖5 所示。由圖3 可見，被控車輛的實際加速度值和期望加速度值的變化趨勢基本一致，在0.25 s 后達到了期望加速度的最大值-6.6 m·s-2，此時乘員會有一定的不舒適度，在第3 s-5 s 之間實際加速度值相對于期望加速度出現(xiàn)了上下較小的波動，在22 s 時被控車輛的加速度值為0。由圖4 可見，車速在前5 s 內(nèi)迅速下降，第5 s 時，車速降為9 km·h-1，在第15s 時車速為1.2 km·h-1，在22 s 時車輛速度達到了期望值。由圖5 得，在初始時車輛與目標行人相距50 m，在前5 s 內(nèi)，相對距離值下降非常快，在第5 s 時，相對距離降為16.5 m，在第22 s時，相對距離達到了停車后期望的車間距離值，車輛完全停止。

圖5 相對距離曲線

(2)經(jīng)過行車安全判斷后，判定為車輛處于極限危險狀態(tài)，需要對被控車輛做緊急避撞控制。

行人的步行速度相對于車輛的速度近似為vh=0 km·h-1，檢測到行人在被控車輛前方S=25 m，因此在Carsim 中設(shè)置被控車初始位置為距離原點處25 m，初始速度為v=60 km·h-1，仿真時間為10 s。

仿真結(jié)果如圖6 -圖8 所示。由圖6 可見，被控車輛加速度在第0.3 s 迅速達到最大值-8.5c，在0.3 -2 s 之間，加速度值在最大值附近有較小范圍的波動，乘員會有一定的不舒適度。隨后加速度值逐漸降低，并快速趨近于0。由圖7 可知，以最大的減速度制動后，車輛從初速度60 km·h-1迅速下降，在2 s 時車速降為2 km·h-1，在2.3 s，車輛速度達到期望值0，車輛停止。由圖8可見，初始時刻，車輛和行人的相對距離為25 m，在2 s 時車間相對距離值逐漸趨向于期望的相對距離值，到車輛完全停止時行人和車輛的相對距離值為7.2 m。

圖6 減速度曲線

圖7 速度曲線

圖8 相對距離曲線

5 結(jié) 語

本文根據(jù)避撞控制系統(tǒng)的要求，計算了安全行駛狀態(tài)，建立了Carsim 整車動力學(xué)模型和車輛逆縱向動力學(xué)模型，基于滑模控制和單神經(jīng)元PID 控制設(shè)計了具有上下兩層結(jié)構(gòu)的控制系統(tǒng)，實現(xiàn)了車輛為避撞行人而進行的自動停車控制，保證了車輛行駛的安全性;將試驗樣車的參數(shù)運用到Carsim 整車建模中，能夠更好的反應(yīng)車輛縱向運動學(xué)的非線性時變特點和控制效果，有一定的實際意義和研究價值。下一步的工作需要考慮更多可能出現(xiàn)的避撞場景以及將所研究的控制算法進行實車試驗。

［1］宋曉琳，馮廣剛，楊濟匡. 汽車主動避撞系統(tǒng)的發(fā)展現(xiàn)狀及趨勢［J］. 汽車工程，2008，30(4):287 -291.

［2］HUANG S N，YANG J K，EKLUND F. Analysis of car-pedestrian impact scenarios for evaluation of a pedestrian sensor system based on accident data from sweden［R］. International Conference on Expert Symposium on Accident Research (ESAR)， Hannover Germany，2006.

［3］LLORCA D F，MILANéS V，ALONSO I P，et al. Autonomous pedestrian collision avoidance using a fuzzy steering controller［J］. IEEE Transactions on Intelligent Transportation System，2011，12(2):390 -401.

［4］MILANéS V，LLORCAB D F，VILLAGRáA J，et al.Vision-based active safety system for automatic stopping［J］. Expert Systems with Applications，2012，39(12):11234 -11242.

［5］李徑亮，夏湯忠，陸志成，等. 基于Carsim 的車輛自適應(yīng)巡航仿真與試驗研究［J］. 汽車科技，2013，(2):46 -49.

［6］LEE G D，KIM S W. A longitudinal control system for a platoon of vehicle using a fuzzy-sliding mode algorithm［J］. Mechatronics，2002，12(1):97 -118.

［7］李以農(nóng)，鄭玲，譙艷娟. 汽車縱向動力學(xué)系統(tǒng)的模糊-PID 控制［J］. 中國機械工程，2006，17(1):99 -103.

［8］許倫輝，羅強，吳建偉，等. 基于最小安全距離的車輛跟馳模型研究［J］. 公路交通科技，2010，27(10):95 -100.

［9］李以農(nóng)，冀杰，鄭玲，等. 智能車輛自適應(yīng)巡航控制系統(tǒng)建模與仿真［J］. 中國機械工程，2010，21(11):1374 -1380.

［10］SEUNGWUK M，ILKI M，KYONGSU Yi. Design，turning，and evaluation of a full -range adaptive cruise control system with collision avoidance［J］. Control Engineer Practice，2009(17):442 -455.

［11］李詩福. 汽車避撞控制系統(tǒng)建模與仿真研究［D］.長沙:湖南大學(xué)，2009.