杜利民，李剛，武霖，白鴻飛，李玉治

（遼寧工業(yè)大學(xué) 汽車與交通工程學(xué)院，遼寧 錦州 121001）

引言

北京理工大學(xué)朱敏等人，以無人駕駛輕型戰(zhàn)術(shù)輪式越野車輛為平臺(tái)，開展模型預(yù)測(cè)縱向速度跟蹤控制實(shí)車試驗(yàn)研究[1]。針對(duì)智能電動(dòng)汽車的縱向控制在不確定性干擾下存在非線性、強(qiáng)時(shí)變特征，李文昌等人提出一種分層控制架構(gòu)下的智能電動(dòng)汽車縱向跟車運(yùn)動(dòng)自適應(yīng)模糊滑?？刂品椒╗2]。羅玉峰等人為提升智能駕駛路徑跟隨行駛性能，通過分析國(guó)內(nèi)外智能駕駛縱向控制的直接式和分層式設(shè)計(jì)方法，論述了縱向控制理論方法和技術(shù)應(yīng)用的研究現(xiàn)狀[3]。高峰等人針對(duì)汽車縱向動(dòng)力學(xué)模型的大不確定性,設(shè)計(jì)了一種基于魯棒控制理論的汽車縱向加速度多模型分層切換控制系統(tǒng)。通過分析汽車縱向動(dòng)力學(xué)特性,用4 個(gè)不確定模型覆蓋對(duì)象不確定性,并應(yīng)用LMI 方法設(shè)計(jì)對(duì)應(yīng)的魯棒性能控制器集合?？紤]魯棒控制系統(tǒng)的特點(diǎn),設(shè)計(jì)了一種對(duì)不確定性的系統(tǒng)增益進(jìn)行估計(jì)的切換指標(biāo)函數(shù),以選擇控制器進(jìn)行控制。實(shí)驗(yàn)表明,提出的方法在大不確定性下可以對(duì)縱向加速度有效控制[4]。在美國(guó)開始自動(dòng)轉(zhuǎn)向控制研究的同一時(shí)期，英國(guó)和日本也先后開始了車輛自動(dòng)轉(zhuǎn)向控制的研究工作。英國(guó)的道路研究室（Road Research Laboratory, RRL）在上世紀(jì)60 年代末對(duì)其設(shè)計(jì)的自主轉(zhuǎn)向控制系統(tǒng)進(jìn)行了實(shí)驗(yàn)驗(yàn)證；結(jié)果表明，連接該控制系統(tǒng)的智能車輛，其在直線道路上的側(cè)向跟蹤誤差只有2cm[5]。日本通產(chǎn)省的機(jī)械研究所（Mechanical Engineering Laboratory, MEL）則在1967 年成功實(shí)現(xiàn)了較高速度（100 km/h）下的車輛無人駕駛控制[6]。本文針對(duì)無人駕駛汽車在上下坡道的過程中，汽車縱向速度對(duì)行駛狀態(tài)影響較大的問題，提出了一種針對(duì)無人駕駛汽車在路徑跟蹤過程中的縱向速度控制方法。

1 坡道速度增量預(yù)估模型

對(duì)理想的水平路面上行駛的無人駕駛汽車而言，路面條件變化不大，可以基本滿足在實(shí)際無人駕駛汽車對(duì)縱向速度穩(wěn)定性的要求。但是，當(dāng)行駛路面變化比較明顯時(shí)，即存在較大的坡道，由于汽車重力的影響，上坡時(shí)實(shí)際縱向速度會(huì)低于期望縱向速度，下坡時(shí)實(shí)際縱向速度會(huì)大于期望縱向速度。當(dāng)這些情況出現(xiàn)的時(shí)候，就會(huì)對(duì)無人駕駛汽車的行駛狀態(tài)造成比較大的影響。

如圖1 所示，即為無人駕駛汽車在坡道上的受力分析情況。

g 為重力加速度，αslope為坡道傾斜角

在坡道上汽車由重力加速度產(chǎn)生的加速度為：（1）式中aslope下坡時(shí)符號(hào)為正，上坡時(shí)符號(hào)為負(fù)。

在實(shí)際應(yīng)用中可以用車身俯仰角代替坡道傾斜角，車身俯仰角可以由傳感器測(cè)得。而本文采用Simulink 與Carsim聯(lián)合仿真的方法，所以坡道傾斜角可以通過Carsim 道路建模設(shè)置為定值，這樣的仿真過程更加簡(jiǎn)單可靠。

無人駕駛汽車在一個(gè)控制周期T 內(nèi)因坡道產(chǎn)生的速度增量為：

（3）式中，vd為期望縱向速度、v1為實(shí)際縱向速度。坡道預(yù)估速度跟蹤邏輯框圖，如圖2 所示。

圖2 坡道預(yù)估速度跟蹤邏輯框圖

2 縱向速度控制器

縱向速度控制器采用增量PID 控制算法，輸入為式（3）中的速度偏差，輸出為期望縱向速度，增量PID 的計(jì)算公式如式（4）。

Kp、Ki、Kd分別為比例、積分、微分系數(shù)，u(k)表示第k個(gè)采樣時(shí)刻的控制量，e(k)表示第k 個(gè)采樣時(shí)刻的速度輸入偏差。

3 實(shí)驗(yàn)仿真

本文采用Simulink 和Carsim 聯(lián)合仿真的方法，進(jìn)行控制算法的實(shí)驗(yàn)驗(yàn)證。在Carsim 中設(shè)置道路為存在高為5m 的凸包，即無人駕駛汽車在仿真初始時(shí)刻，先走一段水平路線，然后上坡，到達(dá)坡頂之后開始下坡，縱向速度設(shè)置為10km/h。由于仿真環(huán)境設(shè)置為直線，所以在Carsim 模型輸入包括：期望縱向速度、兩個(gè)前輪轉(zhuǎn)角、兩個(gè)后輪轉(zhuǎn)角，前后輪轉(zhuǎn)角設(shè)置為0，保證車輛模型直線行駛不跑偏。

縱向速度為10km/h 的時(shí)候，縱向速度隨無人駕駛汽車行駛距離的變化趨勢(shì)如圖3 所示。

圖3 10km/h 的實(shí)際縱向速度變化趨勢(shì)

由于，在仿真過程中無人駕駛汽車的初始縱向速度為0km/h。所以，在0-6m 汽車的縱向速度產(chǎn)生比較大的變化是因?yàn)椋@一段距離是無人駕駛汽車的起步階段，縱向速度從0km/h 加速，然后減速到10km/h，這是正常的行駛狀態(tài)。從6m 以后無人駕駛汽車的縱向速度不會(huì)因?yàn)槁访嫫露鹊挠绊懏a(chǎn)生劇烈的變化，從數(shù)據(jù)中可以看出輸出結(jié)果十分穩(wěn)定，達(dá)到了無人駕駛汽車在受到路面坡度的影響時(shí)，仍然以穩(wěn)定速度行駛的要求。

4 總結(jié)

由以上實(shí)驗(yàn)可以得出，該控制算法在路面條件發(fā)生改變的時(shí)候，能夠?qū)o人駕駛汽車的縱向速度控制起到很好的控制作用，能夠?qū)?shí)際縱向速度穩(wěn)定在期望期望速度附近。從而改善無人駕駛汽車的行駛穩(wěn)定性，避免了由于無人駕駛汽車運(yùn)行狀態(tài)對(duì)縱向速度變化具有較高的敏感性，在縱向速度發(fā)生改變的時(shí)候，無人駕駛汽車的運(yùn)行狀態(tài)不可控。