段婷婷　呂冬慧　陳寬　胡順堂　王毓

摘 要：基于安全距離的汽車軌跡規(guī)劃，提出一種結(jié)合汽車主動(dòng)變道和緊急制動(dòng)的汽車主動(dòng)避障研究方法，建立汽車主動(dòng)變道時(shí)的安全軌跡規(guī)劃，并利用MPC控制器對(duì)規(guī)劃出來的軌跡分割各個(gè)數(shù)據(jù)點(diǎn)進(jìn)行依次跟蹤，分析不同車速下的汽車主動(dòng)變道的軌跡，通過carsim和simulink的聯(lián)合仿真，驗(yàn)證基于主動(dòng)變道策略的汽車安全軌跡規(guī)劃的可行性。

關(guān)鍵詞：OBE教學(xué)理念;新能源汽車;考核評(píng)價(jià)機(jī)制

近年來，社會(huì)經(jīng)濟(jì)的飛速發(fā)展極大地提高了國民購買能力，同時(shí)也促進(jìn)了汽車產(chǎn)業(yè)的蓬勃發(fā)展。在提供便利性的同時(shí)也造成了交通擁堵等事故頻頻發(fā)生。從保證乘駕人身財(cái)產(chǎn)安全和降低交通事故發(fā)生率的角度出發(fā)，研究以預(yù)防為核心的先進(jìn)車輛主動(dòng)安全控制系統(tǒng)則是當(dāng)下交通的迫切需求[1]。

汽車主動(dòng)變道的研究屬于自動(dòng)駕駛ADAS的范疇，主要是汽車依靠先進(jìn)的車載傳感器獲取前方道路、目標(biāo)車輛及自車的狀態(tài)信息，利用主動(dòng)變道路徑規(guī)劃算法對(duì)狀態(tài)信息進(jìn)行分析處理，及時(shí)改變行車路徑，以避免或減輕交通事故帶來的安全問題[3]。目前存在的主動(dòng)避障多是縱向避障策略，其主要通過制動(dòng)來控制與前車的距離，而較少考慮主動(dòng)轉(zhuǎn)向變道的控制策略。因此在進(jìn)行縱向避撞研究的同時(shí)，加入主動(dòng)變道系統(tǒng)的研究對(duì)于未來交通而言是十分有意義的。

本文對(duì)汽車主動(dòng)避障系統(tǒng)進(jìn)行研究，通過變道軌跡規(guī)劃策略對(duì)汽車變道軌跡進(jìn)行規(guī)劃，并且采用模型預(yù)測(cè)控制器提供跟蹤控制策略，對(duì)于汽車行駛時(shí)安全性和穩(wěn)定性的研究有很大的意義。

3 仿真結(jié)果

為更好驗(yàn)證非線性MPC控制器對(duì)規(guī)劃軌跡的跟蹤效果，本文采用Carsim與Simulink聯(lián)合仿真分析，針對(duì)低速和中速工況進(jìn)行仿真和軌跡的跟蹤效果。在分析過程中，主要對(duì)整車的橫擺角速度和側(cè)向加速度及實(shí)際跟蹤軌跡對(duì)比的分析，仿真的變道軌跡跟蹤圖如圖2所示。

通過圖3和圖4分析可以得到，在30km/h低速和60km/h中速運(yùn)行的情況下，汽車在進(jìn)行軌跡跟蹤過程中，自適應(yīng)MPC控制器進(jìn)行跟蹤控制時(shí)橫擺角速度波動(dòng)范圍較大，而非線性MPC控制器進(jìn)行跟蹤控制時(shí)橫擺角速度趨于穩(wěn)定，說明在中速跟蹤時(shí)非線性MPC控制器的穩(wěn)定性更好。

通過圖5分析可以得到，在30km/h低速和60km/h中速運(yùn)行的情況下，汽車在進(jìn)行軌跡跟蹤過程中，自適應(yīng)MPC控制器進(jìn)行跟蹤控制時(shí)側(cè)向加速度波動(dòng)范圍較大，而非線性MPC控制器進(jìn)行跟蹤控制時(shí)側(cè)向加速度趨于穩(wěn)定，說明在中速跟蹤時(shí)非線性MPC控制器的穩(wěn)定性更好。

4 結(jié)論

本文基于汽車的主動(dòng)變道策略，研究了基于安全距離和最小轉(zhuǎn)向距離的汽車軌跡規(guī)劃，提出了汽車在緊急避障的主動(dòng)變道時(shí)的軌跡規(guī)劃，并采用基于模型預(yù)測(cè)控制軌跡跟蹤控制器對(duì)規(guī)劃的軌跡進(jìn)行跟蹤控制，通過仿真分析對(duì)兩種模型預(yù)測(cè)控制器的跟蹤結(jié)果進(jìn)行評(píng)價(jià)，結(jié)果顯示，由非線性模型預(yù)測(cè)控制器進(jìn)行的軌跡跟蹤控制具有較好的控制效果。

基金項(xiàng)目：本文系“2019年天津中德應(yīng)用技術(shù)大學(xué)科研基金項(xiàng)目”（項(xiàng)目編號(hào)：X18010）的研究成果。

參考文獻(xiàn)：

[1]付揚(yáng).智能駕駛交通事故法律問題研究[D].沈陽師范大學(xué)，2018.

[2]余志生.汽車?yán)碚摚ǖ?版）[M].北京：機(jī)械工業(yè)出版社，2006.

[3]解來卿，羅禹貢，李克強(qiáng).分布式電驅(qū)動(dòng)車輛的ACC協(xié)同控制[J].汽車工程，2018，40（06）.

[4]龔建偉，姜巖，徐威.無人駕駛車輛模型預(yù)測(cè)控制[M].北京：北京理工大學(xué)出版社，2014.

[5]Cherroun L，Boumehraz M，Kouzou A.Mobile robot path planning based on optimized fuzzy logic controllers[M].New Bioprocessing Strategies： Development and Manufacturing of Recombinant Antibodies and Proteins，2019.

[6]劉一棟.基于自抗擾控制器的PMSM模型預(yù)測(cè)直接轉(zhuǎn)矩控制策略研究[D].西安理工大學(xué)，2019.

[7]Ali M，Mailah M.Path planning and control of mobile robot in road environments using sensor fusion and active force control[J].IEEE Transactions on Vehicular Technology，2019，99：123-139.

[8]Arantes M，Toledo C ，Williams B，et al.Collision-free encoding for chance-constrained nonconvex path planning[J].IEEE Transactions on Robotics，2019，99：148-166.

[9]Jiao M，Song Y.Path planning for unmanned campus sightseeing vehicle with linear temporal logic： volume I[M].Proceedings of 2018 Chinese Intelligent Systems Conference，2019.