基于可拓决策和人工势场法的车道偏离辅助系统研究

为保障驾驶安全,车道偏离辅助系统成为一大研究热点。针对车道偏离辅助系统中的决策问题,提出采用可拓决策方法:以跨道时间和距车道中心线距离作特征量建立二维可拓集合,设计动态边界划分可拓域,不同域中分别采用自由驾驶模式、辅助驾驶模式和线控主动转向模式;求解出关联函数,确定可拓域中辅助驾驶模式人和车的控制权重。针对车道偏离辅助系统的横向运动控制问题,采用人工势场法设计转角控制器:建立了跨道时间模型,以跨道时间为变量设计势场函数,以得到的势场力代入参考车辆模型,用PID控制跟踪理想转向盘转角。针对不同域表征的车道偏离状态,实现自由驾驶模式、辅助驾驶模式和线控主动转向模式之间的切换。利用Carsim/Simulink联合仿真和硬件在环试验台验证了该方法的有效性。     

基于换道后距离预测的横向安全预警模型

在主动避撞安全距离模型的基础上,假设自车在当前行车路况下进行安全换道,预测换道结束后自车与目标车道前、后车的距离,确定汽车横向安全预警系统发出换道危险警报的模型。通过仿真,证明运用该方法建立的横向安全预警模型是正确的。     

密集交通场景下无人驾驶重卡换道决策规划方法

准确估计周围车辆的驾驶员合作程度能提高无人驾驶车辆在密集交通场景下的换道安全性与效率,特别是对于自身灵活性和稳定性较差、对周围车辆安全威胁较大的重型卡车。因此,提出一种基于周围车辆驾驶员合作程度预测以及非对称风险评估的无人驾驶重型卡车换道决策规划方法。该方法基于高斯混合模型对周围车辆进行运动轨迹预测,结合当前驾驶环境估计目标车道后车的驾驶员合作程度,并用于构建非对称风险模型;基于轨迹预测结果,采用效用理论建模无人驾驶重型卡车当前和未来的车道选择概率,综合当前和未来的风险评估,输出最终的驾驶行为决策;设计多目标代价函数用于从多项式候选轨迹中选取最优轨迹。基于自然驾驶数据集的仿真试验表明,提出的方法可以准确地预测目标车道后车的驾驶员合作程度以及对周围车辆的风险等级,使无人驾驶重型卡车在密集交通流下也能安全高效地执行换道决策和轨迹规划。     

基于跨道时间的车道偏离报警方法

针对车道偏离报警系统的精确度和鲁棒性不足造成车辆事故频发的问题,提出一种基于跨道时间的车道偏离报警方法,以提升车道偏离报警系统的整体性能。建立稳定可靠的车辆运动模型,根据运动模型预测车辆的行驶轨迹,计算出车轮接触到车道边缘所需要的时间;当此时间小于某一特定阈值时,车辆迅速进行车道偏离报警。仿真与实车实验均证明:基于跨道时间的车道偏离报警方法的平均报警正确率能够达到91.8%,确保车道偏离报警系统准确有效的提示驾驶者,对于减少车辆行驶过程中安全事故的发生具有重要作用。     

基于安全边界车道偏离防避高性能鲁棒控制

针对现有车道偏离防避系统不能适应不同驾驶风格驾驶人,车道偏离防避转向控制器设计未同时考虑车速解耦和轮胎侧偏刚度的不确定性的问题,文中基于道路环境和车辆动力学安全边界提出了车道偏离防避高性能鲁棒控制。根据车道曲率半径、不同驾驶风格下车辆行驶横向位置标准差和局部横向位置均值,设计了确定道路环境安全边界的虚拟车道模糊控制器;根据车辆2自由度模型获得了车辆动力学安全边界。建立了基于虚拟车道跨道时间(Time to Lane Crossing, TLC)和车辆动力学安全阈值的车道偏离决策准则。通过对车辆动力学模型轮胎侧偏刚度不确定边界分析设计了H_∞鲁棒控制器,实现了车速解耦,利用CarSim/Simulink联合仿真验证了车道偏离纠正鲁棒性能。仿真结果表明,基于虚拟车道线和车辆动力学安全边界所设计的高性能鲁棒控制器可以及时纠正车辆偏离车道,且驾驶员接受度高。     

不同驾驶员相同路况试验数据分析

定义车道变换行为,从实车试验数据中提取驾驶员换道数据序列,对不同驾驶员相同路况的换道数据进行分析,结果表明:车道变换过程中具有小横向加速度的特征,不同驾驶员在换道时间上存在差异,换道时间是体现驾驶员个体特性的关键特征,建立适应不同驾驶特性驾驶员的横向安全预警系统可提高驾驶辅助系统的实用性。为下一步设计符合驾驶员特性且满足不同驾驶员安全需求的控制策略提供了参考。     

智能车辆的行为动力学运动规划方法研究

针对城市道路行驶的动态环境和智能车辆的典型驾驶行为,提出一种基于行为动力学的运动规划方法。根据智能车辆的导航控制要求,以航向角和线速度为行为控制变量,建立了基于行为动力学的运动规划模型。根据对智能车辆行驶环境和典型驾驶行为的分析,建立运动规划模型的坐标系;根据行为动力学原理,分别用吸引子和排斥子表达目标和障碍物,并建立趋向目标和避障的行为控制变量的吸引子和排斥子模型;通过吸引力和排斥力加权合成,建立了智能车辆行为动力学运动规划模型,实现了车辆在横向的航向角控制和纵向上的速度控制。仿真实验表明:所建立的行为动力学运动规划模型可实现车道保持、换道及超车等行为,并且能在车道内安全行驶。     

考虑驾驶员操纵失误的车道偏离辅助人机协同控制

人机协同控制车辆是降低道路交通事故的重要手段之一,针对因驾驶员操纵失误而引发的车道偏离问题,提出一种基于人机协同的车道偏离辅助控制方法。采用模型预测控制设计的车道偏离辅助控制器可保证车辆在不同速度下稳定地跟踪车道线,通过求解跨道时间并设定其阈值有效触发车道偏离预警,控制辅助系统开启与关闭。根据驾驶员状态、车辆状态、车路相对位置关系实时决策驾驶员与辅助控制器协同控制因子,并由协同因子决定辅助系统的转向力矩。CarSim/Simulink环境下的联合仿真及基于CarSim/LabVIEWRT的硬件在环试验表明:与驾驶员单独操纵相比,基于人机协同的车道偏离辅助系统在避免车道偏离的同时使横向偏差有所减小;与无协同控制相比,人机协同降低了控制器对驾驶员操纵的干预,充分说明所提出的人机协同车道偏离辅助方法提高了车辆行驶的安全性及驾驶舒适性。     

换车道过程中搜索车道线的一种方法

针对车道偏离预警系统（LDWS）车道图像处理中，图像通常包含许多与车道搜索无关的信息，以及常规方法不能处理换车道过程中车道线跟踪的问题，提出了一种基于车辆运动状态的感兴趣区（ROI）确定方法，并给出了基于该方法建立感兴趣区的原理与方法。应用该方法对各种工况进行了试验，试验结果表明方法运行可靠，能够很好地解决换道过程中车道线跟踪的问题。     

融合侧翻稳定性的SUV换道轨迹规划方法研究

针对运动型多功能汽车(Sport utility vehicle,SUV)换道过程中侧翻安全问题,提出融合侧翻稳定性的SUV换道轨迹规划方法。建立三自由度车辆动力学模型,推导SUV侧翻稳定性及侧滑稳定性评价指标。采集自车状态及环境信息,将换道轨迹规划分成预规划和重规划两个阶段;预规划阶段采用五次多项式模型生成横向轨迹簇,重规划阶段考虑周围车辆动态变化,生成包含自车纵向速度信息的轨迹簇。融合侧翻稳定性指标、侧滑稳定性指标以及双圆拟合的车辆外形最小距离,构建代价函数;进行轨迹簇碰撞筛选、稳定性筛选及轨迹选择。运用内点惩罚函数进行轨迹优化,求解最优轨迹。选取两种典型工况进行换道轨迹规划仿真,结果表明SUV沿着该方法规划的轨迹行驶可完成换道躲避障碍物,且横向位移小、换道效率高,可有效避免侧翻危险。     

极限工况下无人驾驶车辆运动规划策略研究

针对无人驾驶车辆在极限工况下的运动规划问题,提出一种适应极限工况的无人驾驶车辆运动规划策略。首先,建立了准确描述车辆运动的动力学模型,并采用修正的非线性轮胎模型反映轮胎与不同路面之间的动力学特性;其次,提出一种基于安全制动距离的自适应势场模型,以适应极限工况下外界条件与车辆参数的变化;再次,考虑到车辆在极限工况下易发生横向失稳,设计出横向稳定性指标(Lateral stability index,LSI)作为关键优化参数,并展开车辆横向稳定性分析;然后,基于模型预测控制方法(Model predictive control,MPC),将极限工况下的运动规划问题转化为多目标优化问题;最后,构建出PreScan-Simulink-CarSim联合仿真平台,并在冰雪路面等多种极限工况下对所提出的运动规划策略进行了验证。仿真结果表明,该策略有效提升了无人驾驶车辆在极限工况下的安全性与稳定性。     

基于点集优化和干扰点模糊化的车道线识别

提出了一种抗干扰车道线识别方法，通过对车道线点集的优化，能够去除道路上行驶的其他车辆造成的干扰。优化过程主要包括点集元素的预挑选、干扰点的去除以及有效点的补充。在干扰点去除的过程中，针对车辆边界很难精确定位的问题，对干扰点集进行了模糊化处理，引入隶属度函数对点集中元素的干扰程度进行描述。多工况试验证明，车道线识别方法能够稳定地对车道线进行识别，准确地提取车道线参数，并且算法体现出了对车辆干扰的良好抵抗能力。     

Study on modeling of vehicle dynamic stability and control technique

In order to solve the problem of enhancing the vehicle driving stability and safety,which has been the hot question researched by scientific and engineering in the vehicle industry,the new control method was investigated.After the analysis of tire moving characteristics and the vehicle stress analysis,the tire model based on the extension pacejka magic formula which combined longitudinal motion and lateral motion was developed and a nonlinear vehicle dynamical stability model with seven freedoms was made.A new model reference adaptive control project which made the slip angle and yaw rate of vehicle body as the output and feedback variable in adjusting the torque of vehicle body to control the vehicle stability was designed.A simulation model was also built in Matlab/Simulink to evaluate this control project.It was made up of many mathematical subsystem models mainly including the tire model module,the yaw moment calculation module,the center of mass parameter calculation module,tire parameter calculation module of multiple and so forth.The severe lane change simulation result shows that this vehicle model and the model reference adaptive control method have an excellent performance.     

基于多头注意力的CNN-LSTM的换道意图预测

自动驾驶车辆与传统车辆混行的交通环境中,车辆的换道意图预测能够为自动驾驶车辆安全行驶提供有效保证。为了更准确地预测车辆的换道意图,将多头注意力与卷积神经网络(Convolution neural network,CNN)和长短时记忆(Long-short term memory,LSTM)网络结合,提出一种新型车辆换道意图预测算法。首先对NGSIM(Next generation Simulaion)数据集进行处理,提取车辆横向位置信息和周围环境信息。然后输入基于多头注意力(Multi-headattention)的CNN-LSTM模型,提高对输入序列特征的提取能力和预测精度。最后在NGSIM数据集验证该模型的有效性。试验结果表明,该模型能够从大量数据中提取到重要特征,同时通过特征对比试验发现,横向位置信息作为预测的主要特征,而周围环境信息作为预测的辅助特征。最后通过模型的对比试验得出,该模型的换道意图预测准确率在换道前1s、2s、3s相比于LSTM、CNN、CNN-LSTM模型具有更好的预测精度,可以为自动驾驶汽车设计先进的意图预测算法提供帮助和参考。     

An investigation on the integrated human driver model for closed-loop simulation of intelligent safety systems

This paper presents an integrated human driver model for a closed-loop simulation of the intelligent safety system. A lateral human driver model was developed to represent the steering behavior of a human driver using the finite preview optimal control method. A longitudinal human driver model represents a human driver’s throttle and brake control behavior relative to the preceding vehicle motion. It computes the desired acceleration and generates throttle/brake inputs to maintain vehicle-to-vehicle clearance at a desired level or to control vehicle speed. An integrated driver model was been developed using the longitudinal and lateral driver models to represent the behavior of a human driver in alternative driving situations, that is, vehicle following, lane following, emergency braking, and so on. Simulation studies were conducted using “Carsim” model which is validated using vehicle test data. Results showed that a human driver’s behaviors could be well represented by the integrated human driver model presented in this paper. Closed-loop simulations of a unified chassis control system with the integrated human driver model were conducted.     

轮毂电机驱动汽车侧向稳定性底盘协同控制

轮毂电机驱动汽车可以通过差动驱动抑制车辆横摆和侧倾运动,从而提高车辆侧向稳定性,但受轮毂电机力矩和地面附着力约束的限制,作用效果薄弱。为提升车辆侧向稳定性控制效果,提出综合差动驱动、主动转向和主动悬架的车身横摆与侧倾稳定性底盘协同控制方法。根据轮毂电机驱动汽车特点,对其侧向失稳机理进行分析,基于模型预测控制设计前轮主动转向控制器;利用所提出的变系数指数趋近率求解期望横摆控制力矩,基于最优控制算法计算侧倾控制力矩;最后,构建集成差动驱动、主动转向和主动悬架的侧向稳定性控制器并完成整车侧向稳定性协同控制仿真验证。研究表明,所提出的底盘协同侧向稳定性控制方法可以有效控制车辆的横摆和侧倾运动,使其收敛于理想控制域,为轮毂电机驱动车辆的主动安全性控制提供了理论支持。     

新能源汽车主动四轮转向稳定性控制技术

针对无法在不同环境下改变控制规则，导致对汽车控制时获得的横摆角速度、质心侧偏角、车轮转角与理想模型偏差大，车身侧倾角大，存在控制性能差的问题，提出新能源汽车主动四轮转向系统稳定性控制方法。构建了汽车横向动力学模型、垂直运动模型、运动状态方程以及路面输入模型，设计了自适应模糊控制器，将可调因子引入自适应模糊控制器中，使控制器可以适用于不同环境，完成新能源汽车主动四轮转向系统的稳定性控制。实验结果表明，所提方法应用后，可实现汽车主动四轮转向系统稳定性控制。     

基于Gauss伪谱法的紧急避让汽车操纵逆动力学

汽车高速紧急避让行驶安全性是汽车自主开发亟待解决的关键问题,也是汽车主动安全的前提和必要条件之一。提出一种汽车操纵逆动力学求解方法,该方法能够用于汽车高速紧急避让性能的客观评价。基于一种求解最优控制问题的新方法——Gauss伪谱法(Gauss pseudospectral method, GPM),以驾驶员对汽车施加的转角输入和驱动力/制动力为控制变量,以最短时间完成双移线过程为控制目标,通过Gauss伪谱法将最优控制问题转化为非线性规划问题之后,运用序列二次规划方法求解。仿真结果表明,相对于间接法和传统直接法,Gauss伪谱法具有求解效率高,对初值依赖性小的优势。采用该方法解决汽车的最速操纵问题,边值约束和路径约束均得到很好的满足,可以客观评价不同汽车以最短时间完成双移线过程的操纵性能。通过实车试验,仿真值和试验值的变化趋势基本一致,从而验证了模型的正确性。     

低附着系数路面车道保持模型预测控制及汽车稳定性控制

提出了车道保持模型预测控制算法。在低附着系数路面上分析了双移线工况下转向角和侧向加速度二次低通滤波之差的峰值与汽车失稳程度之间的关系,基于可测信号(转向角、侧向加速度、横摆角速度和车速)提出了模糊控制算法,设计了汽车稳定性控制器。为了阻止低速和不严重失稳工况下汽车稳定性控制器的误启动,提出了不稳定指标模糊控制算法;为了避免汽车稳定性系数急速减小,设计了稳定性系数保持器。CarSim/Simulink仿真结果表明,在低附着系数路面上所设计的转向控制器和汽车稳定性控制器具有更好的车道保持能力和稳定性。