基于模糊控制的車道保持算法設(shè)計及仿真

譚蕊妮，魏巍，呂鳳強

（陜西重型汽車有限公司，陜西 西安 710200）

引言

目前，自動駕駛車輛是繼新能源汽車后，我國汽車工業(yè)的又一個發(fā)展熱點。國內(nèi)主要整車企業(yè)均制定了相關(guān)的戰(zhàn)略規(guī)劃，一方面通過自主開發(fā)，掌握自動駕駛的基本技術(shù)；另一方面通過跨界合作，尋求產(chǎn)業(yè)融合及新的商業(yè)模式。主流觀點認為，自動駕駛系統(tǒng)是分階段實現(xiàn)的，任何企業(yè)直接進入終極階段是不切實際的。因此，高級駕駛輔助系統(tǒng)（ADAS）作為初級階段的典型代表，已經(jīng)成為技術(shù)落地的研究熱門，其中就包含車道保持技術(shù)。

1 車輛的橫向控制

車輛控制是自動駕駛技術(shù)的研究核心之一，目的是能夠根據(jù)感知及決策系統(tǒng)的結(jié)果，正確計算車輛所需的轉(zhuǎn)向、油門和制動量，具體可分為車輛的橫向與縱向控制。橫向控制即轉(zhuǎn)向控制，指如何計算合理的轉(zhuǎn)角，使車輛能夠沿規(guī)劃的路徑或保持在道路中心行駛，同時保證一定的安全與舒適性?？v向控制即油門和制動控制，通過計算合理的油門及制動量，使車輛按規(guī)劃的速度或與前方動態(tài)目標(biāo)保持一定的距離平穩(wěn)安全的行駛。

車道保持是典型的橫向控制應(yīng)用，根據(jù)導(dǎo)航原理[1]，可將其分為基于CCD 相機、GPS 系統(tǒng)和磁信號的車道保持方案?？紤]信號質(zhì)量和應(yīng)用成本等因素，目前最常用CCD 相機識別車道線，所以根據(jù)這種傳感器的特點，一般使用預(yù)瞄式橫向控制方法。通過CCD 相機實時采集前方的車道線信息，計算與車輛相距一定預(yù)瞄距離處的偏差信息，如車輛距離車道中心的橫向偏差，車輛軸線與道路中心切線的角度偏差等，基于車輛運動學(xué)或動力學(xué)模型計算相應(yīng)的轉(zhuǎn)角，達到消除偏差的目的，從而實現(xiàn)車輛的橫向控制。

然而，汽車作為典型的時滯及高度非線性系統(tǒng)[2]，其橫向與縱向控制存在復(fù)雜的耦合關(guān)系。另外，車輛模型中涉及大量的經(jīng)驗參數(shù)，需要結(jié)合試驗進行計算，難以保證準確性。所以如何進行解耦控制，使算法滿足時滯和非線性需求，并且對一定范圍內(nèi)的車輛參數(shù)波動具有魯棒性，是車輛控制領(lǐng)域的一個熱點。針對這一問題，目前已有自適應(yīng)控制、滑膜控制、模型預(yù)測控制和模糊控制等先進算法得到應(yīng)用，并達到不錯的效果。

2 基于模糊控制的車道保持算法

2.1 控制策略

在駕駛員操作車輛的過程中，并不需要對車輛參數(shù)做過多的了解，而是通過人為對外部環(huán)境的觀察，調(diào)整車輛的航向及車速。所以，為了避免對車輛進行復(fù)雜的建模，考慮分析這種駕駛行為，并將其抽象為模糊規(guī)則。首先在駕駛過程中，駕駛員會觀察車輛前方一定距離處的道路狀況，并且該觀察距離與車速有關(guān)，高速狀態(tài)下距離較遠，低速狀態(tài)下距離較近。其次駕駛員將根據(jù)車輛與前方道路中心的橫向偏差反向調(diào)整轉(zhuǎn)向，即車輛位于道路中心左側(cè)，則向右側(cè)調(diào)整轉(zhuǎn)向，反之亦然。最后駕駛員調(diào)整轉(zhuǎn)向的幅度與當(dāng)前車速有關(guān)，車速較低傾向于采用較大的幅度調(diào)整轉(zhuǎn)向，反之則采用較為柔和的調(diào)整方式，以保證駕駛的安全。

因此，將橫向偏差yL和當(dāng)前車速Vx作為模糊控制器的輸入，車輛前輪轉(zhuǎn)角δ 作為輸出，根據(jù)道路曲率規(guī)劃車速，并采用一個合適的預(yù)瞄距離計算方式，即可實現(xiàn)一個完整的車道保持控制算法。

2.2 車道中心偏差和曲率計算

通常情況下，CCD 相機輸出的感知結(jié)果為左右車道線參數(shù)。以左側(cè)車道線為例，相機輸出C0L～C3L四個參數(shù)，并基于一定的車道線模型計算偏差。本文采用螺旋車道線模型，設(shè)預(yù)瞄距離為z，那么與左側(cè)車道線的橫向偏差yLL及道路曲率CL可分別采用式（1）和（2）進行計算。

對于右側(cè)車道線也具有同樣的公式計算yLR和CR，分別根據(jù)yLL和yLR、CL和CR即能夠估算出車道中心偏差yL和曲率C，用于模糊控制器和車速規(guī)劃。

2.3 模糊控制器設(shè)計

根據(jù)文獻[3]，整個模糊控制器使用九個模糊集合，如表1 所示。模糊規(guī)則采用IF-AND-THEN 且為Mamdani 型推理，如表2 所示。隸屬度使用三角形函數(shù)和梯形函數(shù)，如圖1～3所示。

表1 模糊集合定義

表2 模糊規(guī)則

圖1 橫向偏差yL 的模糊集合劃分

圖2 當(dāng)前車速Vx 的模糊集合劃分

圖3 前輪轉(zhuǎn)角δ的模糊集合劃分

2.4 車速規(guī)劃

為保證駕駛安全，將車道保持的最高車速設(shè)置為70km/h，并根據(jù)預(yù)瞄的車道曲率C 確定目標(biāo)車速，如表3 所示。

表3 道路曲率和車速的關(guān)系

最后根據(jù)目標(biāo)車速VP和當(dāng)前車速Vx，利用式（3）求得需要的加速度Acc（其中T 為采樣周期）。注意，由于車輛執(zhí)行機構(gòu)的限制，需要對Acc進行限幅。

3 基于Matlab/Simulink 的算法模型

Matlab 2018a 中提供了自動駕駛工具箱（Automated Driving System Toolbox）和車輛動力學(xué)工具箱（Vehicle Dyna-mics Blockset），可以方便的創(chuàng)建簡單的駕駛場景，模擬CCD相機感知的結(jié)果，以及創(chuàng)建車輛動力學(xué)模型，并具備相當(dāng)?shù)姆抡婢取Ｋ赃x擇Matlab2018a 為平臺，搭建算法模型并進行仿真，如圖4 所示。

圖4 基于模糊控制的車道保持算法模型

其中，子模塊Simulation 用于讀取創(chuàng)建的駕駛場景，Estimate 用于估計車道中心參數(shù)，LateralController 為模糊控制器，LongitudinalController 用于車速規(guī)劃。整個模型的采樣周期為0.01s，為防止轉(zhuǎn)向頻繁抖動，使用Rate Transition模塊降低轉(zhuǎn)角的輸出頻率為0.1s。以當(dāng)前車速Vx與預(yù)瞄時間TP相乘的方式計算預(yù)瞄距離，并限制最小和最大預(yù)瞄距離為5.6 和15m。車輛使用二自由度單軌動力學(xué)模型表示，具體參數(shù)如表4 所示。

表4 仿真車輛的動力學(xué)參數(shù)

4 仿真結(jié)果

算法仿真結(jié)果如圖5 所示，可見該算法能夠控制車輛通過車道中心點，并且轉(zhuǎn)角變化較為平穩(wěn)，在轉(zhuǎn)彎較急處，車輛有明顯的減速過程。整個算法的設(shè)計簡單，執(zhí)行效果較好，具備一定的應(yīng)用價值。

圖5 車道保持算法仿真結(jié)果