《智能车-主动安全技术-智能汽车自主循迹控制研究分析解析》由会员分享，可在线阅读，更多相关《智能车-主动安全技术-智能汽车自主循迹控制研究分析解析（34页珍藏版）》请在金锄头文库上搜索。
1、智能汽车主动安全 智能汽车自主循迹控制研究,智能车辆：是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性、安全性，以及提供优良的人车交互界面。 汽车的主动安全性：是指事故将要发生时操纵制动或转向系，防止事故发生的能力，以及汽车正常行驶时保证其动力性、操纵稳定性、驾驶舒适性、信息正常的能力。又可分为行驶安全性、环境安全性、感觉安全性、操作安全性。,1 概 述,汽车主动安全分类,预防安全技术 （正常行驶时）,车况、路况检测,改善驾驶视
2、野,提高车辆认视性,灯照防眩目,驾驶员注意力监测,自动导行,事故安全技术（事故前）,车距自动报警,驾驶操纵性提高,电控悬架,防抱死,驱动防滑,巡航控制,智能汽车的两个重要组成部分是环境感知系统和自主循迹控制系统环境感知是前提，自主循迹控制是目的。,任务规划、行为决策以及底层汽车操作。,2.2 分类： 横向控制主要是通过控制转向盘转角使汽车沿期望的既定路线行驶，同时满足一定的舒适性和平顺性要求。 纵向控制是行车方向上的控制，主要是通过控制汽车的油门和刹车使汽车按期望的车速行驶，同时实现与前后车车距的保持及紧急避障等功能。,2.1 主要任务:,2 智能汽车自动循迹控制研究,图1 智能汽车自主循迹横
3、向控制系统基本结构,图2 智能汽车自主循迹纵向控制系统基本结构,智能汽车自主循迹控制中所选择的汽车模型可以分为汽车转向几何学模型、汽车运动学模型和汽车动力学模型。,（1）用一个简单的公式表示智能汽车前轮转角与期望道路轨迹之间的几何关系。汽车转向几何学模型在控制时又分为非预瞄和基于预瞄两种方式。,（2）汽车在全局坐标系中的位移与汽车的车速、横摆角和前轮转角之间的关系。,2.3.1按汽车模型分类：,2.3研究内容 关于智能汽车自主循迹控制的研究可以从所选择的汽车模型、使用的控制理论以及控制内容进行分类。,（3）以牛顿力学定律为基本原理，揭示的是汽车的受力与汽车各运动学变量之间的关系。,2.3.2
4、按控制内容分类,智能汽车自主循迹控制按照其控制内容可以分成横向控制、纵向控制以及纵横向耦合控制。,（1）横向控制分为补偿跟踪控制和预瞄跟踪控制。补偿跟踪控制的输入是当前时刻汽车行驶的状态信息和道路信息之间的偏差，控制器根据输入的偏差进行补偿校正，计算出相应的转向盘转角。预瞄跟踪控制则是模拟驾驶员驾驶汽车时的预瞄原理，根据未来某一时刻汽车的期望位置和预计位置之间的差值进行控制。,（2）纵向控制常用于现代汽车的自适应巡航控制中，其目的是使智能汽车在循迹时保持期望的既定车速，同时保持与前后车的距离处于安全标准之内。,2.3.3按控制理论分类,智能汽车自主车循迹控制中使用的控制方法可以分成经典控制理论
5、、现代控制理论和智能控制理论。,（2）建立在状态空间法基础上的一种控制理论，通过系统辨识的方法建立了智能汽车的动力学状态方程，通过计算系统的可控和可观矩阵得知系统是可控可观的，通过最优控制方法实现了智能汽车 CyberCar的自主循迹控制。,（1）提出的几种稳定性判据至今在智能汽车循迹控制中仍在广泛使用，奈式判据和伯德图法是判断智能汽车循迹控制器稳定性的重要方法,（3）模糊控制不依赖于对象的数学模型，而是通过输入、输出信息模仿人脑并利用先验知识进行模糊化推理，在智能汽车自主循迹控制方面有着广泛的应用前景。,3 存在的问题,传统的自主循迹控制方法往往依赖于被控对象的精确数学模型，由于智能汽车系统
6、的复杂性、非线性、时变性和不确定性，一般无法获得精确的数学模型而且在研究时提出的一些比较苛刻的线性化假设与实际应用往往不相符，这使得传统的自主循迹控制方法在汽车非线性区循迹时经常会失效。,神经网络补偿方法需要大量的线上计算并依赖于高精度的 ECU，仅依靠神经网络补偿实现智能汽车的自主循迹控制势必会增加控制的成本并产生一些潜在的误差。,图 3 双移线仿真试验道路轨迹,3.1试验方法 （1）双移线试验在汽车性能测试中经常使用，此处可以用来表征智能汽车自主循迹控制器在直线道路上遇到紧急弯道时的性能。ISO/3888、GB6323-86,S0 =50m；S1 =15m；S2 =30m；S3 =S4 =
7、25m；S5 =30m；S6 =50m；变道 距离 D =3.5m； b 表 示 车 宽 ； 标 杆 宽 度B =1.1b +0.25m ； 标 杆 宽度B2 =1.2b +0.25m；标杆宽度B =1.3b +0.25m。,3 智能汽车自动循迹横向控制方法及其仿真试验,（2）圆形弯道仿真试验的道路轨迹由一个固定曲率的圆形弯道组成，曲率半径为 152.4m，目的是表征智能汽车自主循迹控制器在某一固定曲率道路上的循迹效果，同时由于汽车最终处于一个稳定的状态，该试验还可以用来表征循迹控制器稳态循迹误差的大小。,图4 Carsim 中建立的圆形弯道仿真试验道路轨迹,3.2汽车转向几何学模型横向控制方
8、法及其仿真,汽车转向几何学模型是智能汽车自主循迹控制中使用最早也是最广泛的汽车模型，可分为非预瞄和基于预瞄 2 种情况。,一个线性二自由度的二轮模型来代替智能汽车模型。通常的假设包括：忽略汽车的转向系统，以前轮转角作为转向输入；忽略悬架，即忽略汽车的俯仰和侧倾运动；汽车纵向车速视作定值；轮胎处于线性区，汽车侧向加速度限定在 0.4g 以下；忽略地面切向力对轮胎的影响。此时，汽车前轮转角和后轮将要行驶的轨迹之间满足一个简单的几何学关系，称为汽车转向几何学模型，,图5 汽车转向几何学模型,tan=L /R,汽车前轮转角（deg）； L 汽车轴距（m）； R 期望轨迹的曲率半径（m）,3.1基于预瞄
9、的转向几何学模型横向控制方法,e=-p,汽车前轮处的角度循迹误差为：,图6 汽车前轮处的横向循迹误差与期望轨迹的关系,e角度循迹误差（deg）； 汽车横摆角（deg）； p 期望的汽车横摆角（deg）,循迹控制器的目的是通过调整使e 和ef 都趋于 0。,k 调整系数,v 车速（m/s）,图 7 非预瞄汽车转向几何学模型双移线仿真试验结果,仿真结果：,非预瞄汽车转向几何学模型在固定曲率弯道循迹的控制精度随着车速的增大而逐渐降低，在同一车速下控制精度随着调整系数k 的增大。而提高。尽管可以通过增大调整系数k 来弥补车速增大造成的循迹控制精度的下降，但这种弥补效果仅能在一定程度上改善循迹控制精度。
10、当车速过大时，非预瞄汽车转向几何学模型的控制精度仍然较低。这与双移线仿真试验得出的结论相符，进一步证明了非预瞄汽车转向几何学模型适用于智能汽车的低速循迹工况。,分析：,3.2基于预瞄的转向几何学模型横向控制方法,原理： 基于预瞄的汽车转向几何学模型研究的是当前汽车前轮转角与汽车前方ld 处某一点 （gx，gy）处的期望轨迹之间的关系，该方法使用的是预瞄点处的横向循迹误差ep ，,图8 基于预瞄的汽车转向几何学模型,图8 基于预瞄的汽车转向几何学模型双移线仿真试验结果,仿真结果：,预瞄的汽车转向几何学模型在同一车速下的横向循迹误差随着调整系数 k 的增大而增大。对于同一调整系数k ，随着车速的提
11、高，循迹误差也越来越大。预瞄距离越短（k 越小）对应的循迹精度越高，预瞄距离越长（k 越大）对应的期望轨迹越平缓。所以，k 越小越容易导致系统的收敛性变差，k 越大越容易导致系统循迹精度的降低。当 k 足够大即预瞄距离足够远时，会出现转向不足的情况，原因是基于预瞄的汽车转向几何学模型仅关注前方道路某一点处的曲率而忽视了汽车到预瞄点之间的道路曲率变化。由于存在预瞄，基于预瞄的汽车转向几何学模型对于道路曲率瞬态变化的鲁棒性要强于非预瞄汽车转向几何学模型。,分析：,3.3汽车运动学模型光滑时变反馈横向控制方法及其仿真,图9 汽车运动学模型,图10 汽车后轮处的横向循迹误差与期望轨迹的关系,汽车运动学
12、模型揭示的是汽车在全局坐标系中的位移与汽车车速、横摆角和前轮转角之间的关系，如图9所示，图中 x和 y 表示汽车后轮中心在全局坐标系中的坐标，fx 和fy 表示汽车前轮中心在全局坐标系中的坐标。,期望轨迹曲率 k（s）可用期望汽车横摆角p与汽车沿期望轨迹行程s表示：,汽车运动学模型写成矩阵形式,图11 汽车运动学模型双移线仿真试验结果,仿真结果：,随着车速的提高，汽车运动学模型在双移线仿真试验的循迹控制精度越来越低。在同一车速下，其循迹控制的精度随着调整系数k 的增大而提高。因此可以通过增大调整系数k 来弥补车速提高带来的控制精度的下降，但调整系数k 的弥补效果并不如非预瞄和基于预瞄的汽车转向
13、几何学模型那么明显。,分析：,线性二自由度汽车模型同样可以进行汽车的动力学分析。汽车动力学模型表征的是汽车的受力与汽车的速度、加速度以及横摆角之间的关系。,3.4汽车动力学模型横向控制方法及其仿真,图12 汽车动力学模型,图13 汽车质心处的横向循迹误差与期望轨迹的关系,矩阵形式：,图14 汽车动力学模型最优 LQR 方法双移线仿真试验结果,线性二次型调节器 ：其对象是现代控制理论中以状态空间形式给出的线性系统 ,而目标函数为对象状态和控制输入的二次型函数,随着车速的增大，汽车动力学模型最优 LQR 横向方法的循迹误差也逐渐增大，此时可以通过增大调整系数1q 来减小循迹误差。与汽车转向几何学模
14、型和汽车运动学模型相比，汽车动力学模型最优 LQR 横向控制方法并没有如设想的那样在所有场合下的循迹控制效果都有所改进。原因是此处使用的汽车动力学模型虽然考虑了汽车侧向动力学，但在计算过程中为了使用线性控制方法作了一些线性化假设，排除了一部分明显的非线性动力学特性，因此该方法更适于直线或者小角度循迹循迹工况。,分析：,表 1 种横向控制方法的特点,1954 年美国巴里特电气公司研发出一辆用于实现仓库内物品的自动运输的自动引导智能汽车系统，标志着智能汽车的诞生。,目前，车载环境感知系统由最初的电缆引导发展到了目前机器视觉、GPS、激光雷达和三轴陀螺仪的多传感器综合环境感知系统,在 2005年 1
15、0 月的第二届 DARPA 智能汽车越野挑战赛上，来自 Stanford 大学的 Stanley智能汽车，以 6 小时 53 分 58 秒的时间自主走完 229km 的全程获得第一名，平均车速为 32km/h。,4 智能车辆发展历史,2005 年 DARPA 越野挑战赛冠军Stanley 智能汽车,车载环境感知设备,2007 年 11 月 3 DARPA 在美国南加利福尼亚后勤空军基地举行了DARPA 智能汽车城市挑战赛。,图15 2007 年 DARPA 城市挑战赛冠军BOSS 智能汽车,图 16 智能汽车 Shelley,车载高精度 GPS 完成期望道路轨迹的规划 最高车速可达 190km/h 采用能传感设备，包括摄像机、GPS、雷达和激光设备等，能够 360 度全方位感知汽车周围的道路环境。 车顶的激光雷达能够扫描半径 70 米范围内的环境信息，车载控制系统通过摄像机能“看懂”交通灯，识别行人和障碍物等，并模拟驾驶员对相应交通状况作出正确反应,图 17 谷歌智能汽车,HQ3 THMR-V,DLIUV-1 CyberC3,上海世博通用馆展出的三辆 EN-V 智能汽车,谢 谢,
