重型車輛路徑跟蹤控制策略實現(xiàn)?

江 奎 李炎亮 楊國平 劉景鋒

（上海工程技術大學機械與汽車工程學院 上海 201620）

1 引言

路徑跟蹤作為智能駕駛決策重要功能之一，主要目標是合理規(guī)劃車輛行駛路線，確保車輛能夠精確按照行駛路徑行駛。

路徑規(guī)劃中采用的控制策略主要包括最優(yōu)控制、滑模控制及神經(jīng)網(wǎng)絡、模糊控制等，近年來也多采用深度學習等人工智能控制算法。文獻［1］基于傳統(tǒng)的滑膜控制器，提出RBF神經(jīng)網(wǎng)路與滑膜控制相結(jié)合的控制策略；文獻［2］基于車輛動力學模型提出一種帶有前饋補償和反饋的最優(yōu)控制策略；文獻［3］基于道路寬度及車輛幾何結(jié)構(gòu)，提出一種汽車道路帶狀模型的的評價方法。文獻［4］基于線性時變系統(tǒng)，運用模型預測控制算法實現(xiàn)路徑跟蹤。文獻［5］基于MPC進行軌跡跟蹤控制系統(tǒng)的設計。

目前所研究的PID 控制及模型預測控制等算法，依然無法滿足重型車輛在各種自主路面下的路徑跟蹤的要求。針對上述難題，結(jié)合實際項目，設計了一種新的路徑跟蹤控制策略，實現(xiàn)各種自主路面下的路徑跟蹤功能。

2 重型車輛二自由度模型

根據(jù)汽車理論［6］研究，將整車簡化為理想化二自由模型，忽略轉(zhuǎn)向系、懸架和空氣阻力的影響。如圖1所示。

圖1 重型車輛三軸的二自由度的模型

參數(shù)如下所示：V為車輛行駛速度；li為第i軸到車身質(zhì)心的距離；δi為第i軸車輪的轉(zhuǎn)向角；u、v為質(zhì)心速度V在x、y軸的分量；ωr為車輛繞z軸的角速度；β為車輛質(zhì)心處的側(cè)偏角。

式（1）為多橋轉(zhuǎn)向車輛橫向動力學普適公式，若定義第i軸轉(zhuǎn)角和前輪轉(zhuǎn)角的關系為kpi=δi δ1，則有

根據(jù)式（2）可以求出車輛轉(zhuǎn)向的側(cè)向加速度和橫擺角速度，進行車輛操縱穩(wěn)定性的研究［7~10］。

3 LFC預瞄模型

在建立重型車輛動力學模型的基礎上，需要繼續(xù)建立車輛-道路的預瞄模型［11~13］，如圖2所示。

圖2 車輛-道路預瞄模型

結(jié)合汽車自由度模型及預瞄模型，構(gòu)建關系方程式：

主車與車道中心線的橫向偏差距離公式：

ye為主車與預瞄點的橫向偏差；ef為預瞄距離；?e為主車與中心線的航向偏差；Pc為車輛坐標系下質(zhì)心與道路中心線的交點。

主車的橫向偏差變化率公式：

式（4）中為主車與中心線之間橫向位置的偏差變化率。

主車與中心線的航向偏差：

主車與中心線的航向偏差率：

由前面的關系最終得出預瞄偏差模型的關系式：

對于線性系統(tǒng)，可以建立關于狀態(tài)向量和控制向量的二次型函數(shù)，求得解析解。

4 最優(yōu)控制策略

最優(yōu)控制策略的目的根據(jù)車輛自由度模型及預瞄模型求最優(yōu)期望轉(zhuǎn)角和速度，實現(xiàn)控制算法預期目標。

圖3 最優(yōu)控制算法流程圖

在LQ中，受控系統(tǒng)表達式：

選取主車與車道中心線的橫向偏差及航向偏差作為狀態(tài)量，前輪轉(zhuǎn)角作為控制量。

x(tf)為t=tf時的末狀態(tài)，加權陣S為n·n半正定對稱陣，加權陣Q為n·n半正定對稱陣加權陣R為r·r正定對稱陣。

根據(jù)龐脫里雅金原理［14~15］，可得到使J為極小值的最優(yōu)控制：

式（11）表 明，當 取δ*(t)=-R-1BP(t)x*(t) 時，J(δ(?) )取最小值。

由于矩陣Riccati 方程［16］解的唯一性，即P（t）是唯一的，則反饋陣：

最優(yōu)控制器后系統(tǒng)的狀態(tài)方程為

最終可以求得最優(yōu)解。

5 模型構(gòu)建及仿真分析

基于重型車輛的動力學模型及建立的車輛-道路預瞄模型，在Matlab 中構(gòu)建整車模型，具體框架如圖4所示。

圖4 Matlab模型框架

主要分為輸入輸出信號模塊、車輛控制模塊、ADAS控制模塊和融合感知模塊等四部分。

5.1 車輛控制功能

通過ADAS 計算的期望車速與主車實際車速通過PID 控制算法，實現(xiàn)實際車速能夠快速準確地跟隨期望車速。

圖5 車輛控制原理圖

5.2 ADAS控制算法

首先給定初始時刻實際車速為0m/s 的主車一個啟動車速，避免加速過快的弊端；達到設定的啟動車速閾值2m/s 時，開始執(zhí)行加速邏輯，當車速加速到理想的狀態(tài)值后，保持勻速行駛。設定主車與目標點在一定距離時執(zhí)行減速邏輯，保證能夠在目標點位置精確?？?。

圖6 整車加速減速算法

5.3 Trucksim聯(lián)合仿真驗證

1）Trucksim 測試環(huán)境的搭建主要進行“人-車-路”的搭建，即駕駛員配置參數(shù)（轉(zhuǎn)向、制動和初始車速的配置），整車參數(shù)的配置要與實際車輛參數(shù)盡量保持一致；路況的設置可以根據(jù)驗證要求進行搭建包括坡度轉(zhuǎn)彎及道路摩擦系數(shù)等。

2）配置好人車路參數(shù)后，配置周圍環(huán)境路況，主要包括行駛車輛狀態(tài)、車的數(shù)量和行人狀態(tài)的設置。

3）下一步進行Trucksim 與Simulink 控制算法聯(lián)合仿真測試，存在主要問題有Trucksim 與simu?link 輸入輸出接口的連接問題。即Trucksim 模塊輸出為simulink 模型的輸入，Trucksim 模塊輸入為simulink模型的輸出。

4）接口配置好以后可以進行聯(lián)合仿真測試。

仿真效果圖如圖7所示。

圖7 Trucksim 虛擬仿真分析

在聯(lián)合仿真分析中，分別模擬自動緊急剎車及直線定點行駛功能。從虛擬仿真分析可以看出：主車從初始點經(jīng)歷啟動、加速、減速、停止過程。符合設計要求。

表1 主要計算參數(shù)

6 實車驗證分析圖

如圖8 所示，為實車驗證定點行駛功能時的實際運行曲線，當實車執(zhí)行自動駕駛功能時，ADAS_CMD_st 的狀態(tài)為1，此時如圖8 藍色曲線表示實車的實際車速。綠色曲線表示實車與目標定位點的距離，紫色曲線為自動駕駛與非自動駕駛的狀態(tài)門檻值。從實際曲線可以得出實車的實際車速先加速再減速最終控制車輛姿態(tài)?？康侥繕它c。根據(jù)多次測試，實車可以實現(xiàn)較準確的目標位置?？浚_到設計驗證要求。

圖8 實驗數(shù)據(jù)分析1

在進行實車驗證過程中，首先檢驗重型車輛裝載的傳感設備及整車開關等，設備連接成功后，將開關設置為自動導航狀態(tài)，運行程序?qū)嵻嚋y試結(jié)果如圖9 所示，從圖中可以得到初始時刻整車距離障礙物的距離為50.4m，整車執(zhí)行正常行駛狀態(tài)，輸出的工作模式觀測量為0，當距離障礙物小于20m時，整車執(zhí)行減速模式，同時觸發(fā)預警信號，最終可以實現(xiàn)在距離障礙物5m時最終停車。

圖9 實驗數(shù)據(jù)分析2

7 結(jié)語

從實驗結(jié)果分析，本文設計的控制策略能保證車輛實時在道路上行駛。當?shù)缆穼挾劝l(fā)生變化時，該算法控制的重型車輛仍保持在道路上行駛，相比于傳統(tǒng)的算法，有了更平滑的跟隨效果。實車驗證分析，該方法可以自動調(diào)整跟蹤策略，有助于車輛自主地適應各種環(huán)境，如狹窄的道路、寬闊的道路和接近障礙物的環(huán)境等。