郭貴中,楊松,程劍鋒,舒寧
(新鄉(xiāng)學(xué)院,河南 新鄉(xiāng) 453003)
近年來,我國汽車保有量增長迅速,但各類交通事故也給我們帶來了巨大的損失。如今隨著傳感器技術(shù)、5G技術(shù)與車聯(lián)網(wǎng)的快速發(fā)展與應(yīng)用,智能駕駛技術(shù)也正在飛速發(fā)展。一旦智能駕駛技術(shù)獲得較大范圍的應(yīng)用,可極大程度地降低如疲勞駕駛、違反交規(guī)等因素造成的交通事故,因此對智能車輛碰撞避免系統(tǒng)的研究具有非常重要的現(xiàn)實意義。
汽車行駛過程發(fā)生碰撞可分為三種情況:他碰、主碰、互碰。通過概率統(tǒng)計在雙方駕駛員都按交通法規(guī)正常駕駛的情況下,對以下幾種情況進行分析:
表1 只考慮障礙情況
車輛狀態(tài)良好,忽略其他因素,只考慮駕駛員誤操作的情況為:
表2 只考慮駕駛員操作情況
表3 路面狀況與事故概率關(guān)系
通常主碰和他碰主要的碰撞方式為追尾和側(cè)碰,互碰主要是正碰或者側(cè)碰,碰撞的原因可概括為以下幾個方面。
車輛自身故障造成的碰撞,在法國對1500萬輛車的安全性能檢測中,67%為制動方面存在問題,轉(zhuǎn)向系統(tǒng)占6%,輪胎為2.5%[1]。數(shù)據(jù)統(tǒng)計顯示,制動系統(tǒng)影響行車安全的主要原因包括:制動液不足或漏氣、控制系統(tǒng)故障、制動盤抗熱衰退性差,車輛制造時制動壓力分配不適當?shù)取?/p>
駕駛員原因發(fā)生的碰撞,如駕駛員精神緊張、疲勞駕駛或者為了追求速度、尋求刺激駕駛車輛做出危險動作等均有可能造成交通事故,《世界預(yù)防道路交通傷害》指出,在既往事故統(tǒng)計中因為駕駛員的原因造成交通事故占比高達80%。其中主要關(guān)聯(lián)因素有:駕駛員年齡、性別、教育程度、駕駛時長和里程、駕駛員生理及心理狀況等。
道路的狀況也是影響車輛狀況的重要因素,路面概況總結(jié)起來有:工程范圍、工程規(guī)模、道路等級、設(shè)計速度、設(shè)計年限、載荷標準、橫斷面布置以及路邊環(huán)境布置等。在駕駛車輛過程中道路情況越復(fù)雜對駕駛員和車輛的影響也越大,更容易發(fā)生意外。雖然路況環(huán)境影響很多,但是主要因素是路面附著系數(shù)。
表4 各觀測指標與事故發(fā)生率的關(guān)聯(lián)度
綜上所述,在汽車制動過程中采取路面附著狀態(tài)辨識的方法,通過路面狀態(tài)反饋,設(shè)計一碰撞避免系統(tǒng),以此來達到提高車輛安全性,減少交通事故發(fā)生的目的。
整車動力學(xué)建模是碰撞避免系統(tǒng)研究的前提,但汽車是個非常復(fù)雜系統(tǒng),故需對車輛模型進行合理簡化??紤]到本次研究的車輛是普通轎車,故選擇縱向、側(cè)向、橫擺三個自由度作為狀態(tài)變量[2],簡化模型如圖1,其中 o點為坐標原點,a為質(zhì)心到前軸的距離,b為質(zhì)心到后軸的距離,δ為前輪轉(zhuǎn)角,β為質(zhì)心轉(zhuǎn)角。
圖1 三自由度車輛動力學(xué)模型
輪胎模型選為 Dugoff輪胎模型[3],與其他模型相比Dugoff輪胎模型具有計算效率高、輪胎附著力關(guān)于車輛狀態(tài)是連續(xù)可微等顯著的優(yōu)點??紤]輪胎模型的車輛動力學(xué)方程如下。
上述公式中:
ax表示汽車縱向加速度;ay表示汽車側(cè)向加速度
vx表示汽車縱向速度;vy表示汽車側(cè)向速度
Fx表示縱向附著力;Fy表示側(cè)向附著力
根據(jù)預(yù)選參數(shù)在 CarSim完成整車參數(shù)的設(shè)定,并結(jié)合實際參照車型,在 CarSim中完成整車模型的設(shè)置,如圖2所示。
圖2 CarSim整車模型
汽車主動安全經(jīng)歷了多年的發(fā)展,與其相關(guān)的控制策略為數(shù)眾多,但真正具有一定實踐性的相對較少,下面簡要分析其中典型的四種并提出本次研究所設(shè)計的控制策略。
1)過輪胎滑移率檢測計算;滑移率檢測可以辨識路面附著狀態(tài),但是無法分析何種路面,比如積水路面和冰雪路面會造成誤判斷。
2)攝像機圖像分析識別;該技術(shù)比較先進但是由于攝像裝置外露,容易被灰塵覆蓋且成本比較大。
3)雷達反饋檢測;和激光檢測類似,都存在不平整或者路況較差時誤判斷。
4)信息融合技術(shù)檢測;綜合幾種手段檢測精度很高,但是會造成資源浪費。
通過以上分析比較,本次設(shè)計決定設(shè)計基于滑移率和雷達探測聯(lián)合運用的控制策略,因為激光會折射和散射,會受到一定影響,而雷達并不會受到光學(xué)反射的影響,并且雷達可以分辨出積水或者冰雪路面,積雪路面有空,反射波波差大,積水路面這比較光順,以此方法確定出φ。由此設(shè)計基于附著系數(shù)估計的卡爾曼參數(shù)估計器,通過輪胎模型估計器和參數(shù)估計器串接,實現(xiàn)聯(lián)合運行。在Simulink環(huán)境下編寫調(diào)試其濾波算法。碰撞避免系統(tǒng)要求車輛制動系統(tǒng)反應(yīng)迅速、精準,為了控制方便,采用比例閥改進EHB系統(tǒng),并建立制動時輪缸壓力增壓減壓過程的仿真模型和設(shè)計單神經(jīng)元 PID壓力控制器來實現(xiàn)本次避撞系統(tǒng)的控制策略。
碰撞避免系統(tǒng)即為車輛遇到危險時車輛自身主動避讓,可較大程度的減少甚至避免交通事故的發(fā)生。本次設(shè)計主要通過對制動壓力控制量進行估算,依靠車輛對路面附著狀態(tài)的精準判斷與整車控制策略的合理性來實現(xiàn)車輛在緊急條件下的智能碰撞避免[4]。根據(jù)需要,將設(shè)計方案按如圖3所示進行。
圖3 碰撞避免系統(tǒng)總體方案
考慮到相同以及不同路段的路面附著系數(shù)變化范圍一般較大的實際路況,所以設(shè)計過程中既要準確且迅速地采集路面附著狀態(tài)又需一套完備的控制策略來對輸入的路面附著信號進行迅速處理并輸出給執(zhí)行機構(gòu)。本次研究主要針對路面附著系數(shù)的信息采集,然后經(jīng)ECU計算,在ECU的設(shè)計過程中,這里融合了多種路面信息條件下特別是在雨雪、濕滑的路面時,采用多算法融合,利用各算法的優(yōu)勢來處理不同的路面信息。故設(shè)計的碰撞避免系統(tǒng)能在危險情況下及時制動,通過控制通滑移率來保障車輛安全性。其系統(tǒng)流程如圖4。
圖4 控制系統(tǒng)流程
執(zhí)行機構(gòu)通過對車輛節(jié)氣門開度、制動機構(gòu)來實現(xiàn)。要求制動系統(tǒng)的響應(yīng)速度快、制動壓力最優(yōu)化。制動時要實現(xiàn)節(jié)氣門開度快速穩(wěn)定的減小相對容易。對于EHB系統(tǒng),要實現(xiàn)制動壓力調(diào)節(jié)方便,且防抱死時制動輪缸不斷增壓與減壓并不容易[5]。故本次研究對EHB系統(tǒng)進行優(yōu)化且設(shè)計PID壓力控制器來快速調(diào)節(jié)制動壓力,擁有較高的穩(wěn)定性和可靠性。
按照設(shè)計目的與已開發(fā)的控制策略在Simulink建立如圖5所示的仿真模型,進行聯(lián)合仿真。
圖5 仿真模型
本次所設(shè)置路面為瀝青路面,CarSim作為整車模型,首先識別當前路面的附著系數(shù),然后計算最大制動減速度[6],根據(jù)運行車況與路況估算制動壓力。PID制動壓力控制器根據(jù)估算的制動壓力計算處理得到實際需要的制動壓力。最后導(dǎo)入CarSim整車模型完成閉環(huán)仿真。
圖6 車速-時間
圖7 制動輪缸壓力-時間
聯(lián)合仿真時主要對車速與制動輪缸壓力進行分析,其仿真結(jié)果如圖6、7車速、制動輪缸壓力與時間的關(guān)系曲線,驗證了本次研究所改進EHB系統(tǒng)與單神經(jīng)元PID壓力控制器的可靠性與穩(wěn)定性。
首先將路況信息設(shè)置為瀝青路面,車況信息設(shè)置如表5,然后將基于路面識別的設(shè)計車(A車)與原ABS車(B車)進行對比仿真。
表5 工況參數(shù)
聯(lián)合仿真時主要針對制動距離、側(cè)向加速度、行駛車速進行分析,仿真結(jié)果如下:
圖8 制動距離與時間
圖9 側(cè)向加速度與時間
圖10 速度-時間
仿真結(jié)果表明,本次研究所設(shè)計的A車與原ABS的B車相比,制動距離縮短了12%,制動時間縮短了15%、方向穩(wěn)定性也明顯提高。整車的制動效能與穩(wěn)定性的得到了明顯提高,驗證了本次設(shè)計的合理性。
仿真結(jié)果證明本次設(shè)計的碰撞避免系統(tǒng)具有更好的制動性能,能明顯的縮短制動距離,且具備較好的方向穩(wěn)定性。另外,由于對路面峰值附著系數(shù)辨識算法以及制動系統(tǒng)的優(yōu)化,在有效提高路面的利用率的基礎(chǔ)上使車輛所能適應(yīng)的路面范圍更廣,確保車輛即使在極端路況下仍能具備比較良好的制動性能,有效地提高了車輛的安全性與穩(wěn)定性,最大程度地避免交通事故的發(fā)生。