智能汽車橫向控制方法

吳 晨

（陜西工業(yè)職業(yè)技術學院 汽車工程學院，陜西 咸陽 712000）

汽車產(chǎn)業(yè)的不斷發(fā)展對交通、環(huán)境和能源都造成了很大的壓力，而智能汽車作為未來汽車的發(fā)展方向，能很大程度地緩解這些問題。因此，近年來智能汽車逐漸受到各國政府、研究學者及企業(yè)的廣泛關注，智能汽車的最終目標是實現(xiàn)自主駕駛，即汽車可以不需要駕駛員的操縱和監(jiān)測，僅通過傳感器、控制單元和其他技術與設備就能實時監(jiān)測車輛狀態(tài)并控制車輛安全行駛。橫向控制作為智能汽車研究領域中的重點和難點技術之一，主要是路徑的跟隨控制，控制車輛能根據(jù)規(guī)劃出的最優(yōu)路徑進行行駛，保證乘車的安全性和舒適性。

1 智能汽車動力學模型

智能汽車橫向控制中許多控制理論的應用依賴于車輛動力學模型。車輛的動力學模型包括懸架特性模型和車輛-輪胎模型。懸架特性模型一般用來研究車輛的平順性問題，車輛-輪胎模型一般用來研究車輛的穩(wěn)定性問題，本文主要研究車輛在平坦道路上的橫向控制，也就是研究車輛是否能穩(wěn)定、快速地跟隨期望路徑行駛，所以忽略懸架特性模型，僅研究車輛-輪胎模型。雖然系統(tǒng)模型較復雜時，可更準確地描述車輛特性，路徑跟蹤也更為精確，但同時會帶來計算量大、參數(shù)調(diào)整復雜等問題。所以通常在智能汽車橫向控制的研究中，會對車輛模型進行簡化，以便更好地分析。

1.1 2自由度模型

2自由度模型是智能汽車橫向控制中應用最多的模型，研究表明，當車輛側(cè)向加速度小于0.2g時，結(jié)合線性輪胎模型，即可很好地表現(xiàn)車輛的動力學響應。

隋官昇等[1]針對汽車低速行駛軌跡，假設車身的縱向速度不變，將車輛模型簡化為縱向運動和橫擺運動，建立車輛的二自由度動力學模型。

1.2 3自由度模型

3自由度模型將車輛當作一個線性的動力學系統(tǒng)，包括車輛的側(cè)向運動、橫擺運動和側(cè)傾運動，可研究車輛合理的側(cè)傾運動。

柴瑞強等[2]針對彎道時車輛進行軌跡跟蹤的精度較差，且容易發(fā)生側(cè)滑的現(xiàn)象，建立了3自由度車輛動力學模型，結(jié)合準線性輪胎模型，利用控制算法跟蹤軌跡，保證車輛彎道行駛時軌跡跟蹤的高精度和穩(wěn)定性。

1.3 7自由度模型

7自由度模型包括車輛的縱向運動、側(cè)向運動、橫擺運動以及四個車輪的轉(zhuǎn)動，結(jié)合輪胎模型，可在確保車輛行駛穩(wěn)定性的前提下，實現(xiàn)車輛的橫向控制。

滿金[3]建立了車輛的7自由度模型，并使用魔術公式描述了輪胎模型，保證了車輛對路徑跟蹤實時性和穩(wěn)定性的要求。

2 常見的橫向控制方法

2.1 PID控制

比例-積分-微分（Proportion Integration Diffe- rentiation, PID）控制是應用最廣泛的一種經(jīng)典控制方法，為單輸入單輸出的控制方法，通過將車輛的預期狀態(tài)與實際狀態(tài)之間的偏差按照比例、積分和微分的關系進行控制，實現(xiàn)車輛的橫向控制，如圖1所示。PID控制結(jié)構(gòu)簡單、穩(wěn)定性好、可靠性高，但控制效果取決于控制參數(shù)是否合適，較難應用于多變量和時變系統(tǒng)。

圖1 PID控制原理

NETTO等[4]針對大曲率路徑跟蹤問題，基于最優(yōu)路徑檢測數(shù)據(jù)，提出了一種PID控制策略。

HAYAKAWA等[5]設計了基于PID控制的前饋控制器和反饋控制器，能夠在汽車速度發(fā)生變化時控制車輛穩(wěn)定的轉(zhuǎn)向。

后來隨著控制理論的進一步發(fā)展，PID控制法逐漸結(jié)合其他控制方法，針對具有不確定性、非線性和外界干擾的系統(tǒng)進行控制器設計。

韓愛國等[6]綜合考慮橫擺角速度和單點預瞄模型本身誤差建立駕駛員模型，采用滑?？刂七M行路徑跟蹤，同時使用PID控制消除單點預瞄模型產(chǎn)生的誤差。

2.2 純追蹤控制

純追蹤控制（Pure Pursuit, PP）基于幾何原理進行計算，可用來計算車輛從當前位置到預期位置之間走過的弧形軌跡，這種方法不需要建立車輛的動力學模型，結(jié)構(gòu)簡單，直觀。但需要確定合適的預瞄距離，才能達到較好的路徑跟蹤精度。

呂文杰等[7]針對前視距離隨車輛狀態(tài)發(fā)生變化，將純追蹤控制與模糊控制器結(jié)合，通過模糊控制確定前視距離，并能根據(jù)工況實時調(diào)整，仿真結(jié)果表明，路徑跟蹤精度明顯提高。

張?zhí)K才等[8]針對變速和復雜曲率的路徑，結(jié)合純追蹤控制和模型預測控制設計橫向運動控制器，當車輛縱向車速較低時，使用純追蹤控制，當車輛縱向車速較高時，采用模型預測控制。

2.3 最優(yōu)控制

最優(yōu)控制方法是基于現(xiàn)代控制理論的控制方法，對橫向位置、轉(zhuǎn)向速度等控制參數(shù)分配不同權(quán)重，對作為控制量的車輪轉(zhuǎn)角序列進行調(diào)整得到性能指標泛函最小值。由于控制器計算量大，主要針對線性定常系統(tǒng)，由于車輛具有非線性特點，所以最優(yōu)控制在車輛橫向控制中具有一定的局限性。

馬瑩等[9]將有限時間內(nèi)的當前位置與預瞄點位置誤差、當前角度與預瞄點角度的誤差作為控制變量，構(gòu)建車輛橫向控制模型，仿真及實車結(jié)果驗證控制器誤差小。

郭景華等[10]針對預瞄距離不同對橫向控制的影響，基于最優(yōu)控制理論設計了橫向路徑跟蹤控制系統(tǒng)，主要包括反饋控制和前饋控制，其中前饋控制用來補償路徑曲率干擾。

2.4 滑?？刂?/h3>

滑?？刂葡到y(tǒng)通過設計控制律，使系統(tǒng)的運動軌跡按預定的滑模軌跡改變，其控制參數(shù)少，響應快，不受外界擾動干擾。

姜立標等[11]設計了新的趨近律，建立基于反步控制的滑?？刂颇Ｐ?，系統(tǒng)穩(wěn)定性好。

徐明法[12]提出了如何對車輪滑移率進行合理分配，基于滑模控制設計了車輛橫向控制器。

2.5 模型預測控制

模型預測控制（Model Predictive Control, MPC）也可叫做滾動時域最優(yōu)控制，針對非線性動力學模型可預測未來某段時間內(nèi)車輛的輸出，通過解決帶約束下的最優(yōu)控制問題使車輛按照理想路徑行駛。根據(jù)汽車行駛速度和方向盤轉(zhuǎn)角等車輛信息預測橫擺角速度，由此計算對應的制動力大小和橫擺力矩，從而提高車輛的行駛穩(wěn)定性。該控制魯棒性強，穩(wěn)定性好。但由于非線性系統(tǒng)的計算量較大，MPC需要在控制周期內(nèi)完成大量計算。因此，車輛橫向控制中，車輛需要進行線性化后采用模型預測控制。

江浩斌等[13]針對智能汽車在復雜路面條件下的自適應性，基于模型預測控制理論，利用遺傳算法優(yōu)化最優(yōu)時域參數(shù)，引入縱向車速和道路曲率，設計了汽車路徑跟蹤控制器，經(jīng)仿真驗證，提高了路徑跟蹤的魯棒性。

楊陽陽等[14]針對存在較大初始偏差的情況，將模型預測控制和純追蹤控制混合設計橫向控制器，當橫向偏差較大時，運用純追蹤控制法控制車輛，當橫向偏差較小且滿足算法約束時，則切換至模型預測控制，經(jīng)仿真及實車驗證，設計的橫向控制器魯棒性及跟蹤精度均較高。

2.6 自適應控制

自適應控制可用來控制不完全確定性的系統(tǒng)，當有外部干擾及本身參數(shù)不停發(fā)生變化時，可采用自適應控制，通過不斷檢測車輛工作狀態(tài)、優(yōu)化控制準則，可不斷對系統(tǒng)參數(shù)進行調(diào)整，達到最佳控制效果，通常也與其他控制方法一起使用。

ZHENHAI G等[15]使用BP（Back Propagation）神經(jīng)網(wǎng)絡表示和優(yōu)化控制參數(shù)，設計自適應PID控制器，使用誤差反饋調(diào)整PID參數(shù)。

吳永剛[16]針對不同工況下智能汽車的適應性不足的問題，將自適應控制與模型預測控制相結(jié)合，分析時域與約束等參數(shù)對控制器的影響，對模型預測控制器的參數(shù)進行自適應優(yōu)化，實現(xiàn)參數(shù)自適應，改善車輛路徑跟蹤精度，仿真結(jié)果表明，所涉及的橫向控制器跟蹤精度和穩(wěn)定性都較高。

2.7 模糊控制

模糊控制基于模糊數(shù)學，包括模糊化、知識庫、模糊推理和解模糊，無需精確的數(shù)學模型，利用模糊集合和模糊變量模擬人類思維，只要建立正確的模糊規(guī)則，就能達到較好的控制效果，如圖2所示。由于車輛橫向控制具有非線性的特點，且模型復雜，所以比較適宜采用模糊控制。但由于模糊控制中規(guī)則參數(shù)需要人為確定，易造成穩(wěn)態(tài)誤差。

圖2 模糊控制結(jié)構(gòu)

李琳輝等[17]建立基于視覺預瞄距離的車輛橫向控制模型，將模糊和滑模相結(jié)合，以車輛當前橫向偏差和方位偏差組成的綜合偏差為參數(shù)設計滑模面，利用模糊規(guī)則調(diào)整變量大小保證車輛轉(zhuǎn)向的穩(wěn)定性，仿真結(jié)果表明，該橫向控制器保證車輛跟蹤路徑的精確性和穩(wěn)定性。

刁勤晴等[18]針對大曲率路徑轉(zhuǎn)向機構(gòu)過早轉(zhuǎn)向及駛?cè)胲囁龠^高，提出了雙預瞄點的策略，并設計了模糊控制器，經(jīng)仿真驗證后，此橫向控制器在大曲率路徑跟蹤時的控制精度高。

3 總結(jié)和展望

智能汽車正在逐漸走進人們的視野，作為智能汽車的核心技術，橫向控制是決定整車性能的關鍵。車輛橫向控制經(jīng)過多年發(fā)展，已經(jīng)較為成熟，其關鍵問題在于考慮極端路況時保證車輛橫向控制的魯棒性與平順性。未來智能汽車的橫向控制將要求在雨雪天氣、積水等復雜路況下保證控制算法具有強魯棒性，同時實際駕駛過程中，車輛作為一個整體，橫向和縱向的力學影響是相互耦合的，因此，想要進行高精度的車輛控制，必須考慮進行車輛橫縱向的耦合控制，另外，隨著車聯(lián)網(wǎng)技術的發(fā)展，依靠車用無線通信技術（Vehicle to Everything, V2X）可以獲取車路人的信息，完成車輛高精度的橫向控制，也將是未來的一個研究方向。