楊向彬

摘 要：采用Fuzzy-PID控制算法進(jìn)行路徑跟蹤，根據(jù)建立的車輛阿克曼轉(zhuǎn)向模型針對自動(dòng)泊車的平行泊車過程進(jìn)行Matlab/Simulink仿真，通過設(shè)定車輛處于不同初始位置檢驗(yàn)車輛能否順利泊車入位，來驗(yàn)證控制算法的可靠性，找到車輛可以正確停車的初始位置范圍。

關(guān)鍵詞：自動(dòng)泊車;模糊控制;PID控制;阿克曼轉(zhuǎn)向模型

中圖分類號：U461.6 ?文獻(xiàn)標(biāo)識碼：A ?文章編號：1671-7988（2019）12-132-04

Abstract： Fuzzy-PID control algorithm is used to track the path ，According to the established Akman steering model， the parallel parking process of automatic parking is simulated by MATLAB/Simulink. The reliability of the control algorithm is verified by setting the vehicle at different initial positions to check whether the vehicle can park smoothly or not， and the range of initial position where the vehicle can park correctly is found.

Keywords： automatic parking; fuzzy control; PID control; Ackerman steering model

CLC NO.： U461.6 ?Document Code： A ?Article ID：1671-7988（2019）12-132-04

前言

隨著經(jīng)濟(jì)發(fā)展，我國汽車保有量飛速增長，城市中狹小的空間擁擠的道路狀況隨之帶來停車難的問題。而且因?yàn)榈管嚾胲囄辉斐傻慕煌ㄊ鹿暑l發(fā)，因此出現(xiàn)了自動(dòng)泊車技術(shù)來代替人進(jìn)行停車動(dòng)作解決停車難的問題，自動(dòng)泊車技術(shù)采用全景攝像頭、超聲波測距傳感器等多個(gè)傳感器配合使用[1]，通過主控制器規(guī)劃路徑，采用某種控制算法以及執(zhí)行裝置，自動(dòng)控制車速、方向盤及制動(dòng)踏板進(jìn)行跟蹤路徑[2]完成泊車入位。替代駕駛者安全、快速、準(zhǔn)確地完成泊車操作，不僅節(jié)省時(shí)間降低停車難度，而且能有效避免由于泊車造成的交通事故。自動(dòng)泊車技術(shù)控制算法是核心問題，目前國內(nèi)外對控制策略進(jìn)行了大量研究，長安大學(xué)賀伊琳，馬健等人提出一種RBF神經(jīng)網(wǎng)絡(luò)的滑模橫向控制策略[3]，梁釗，鄭國強(qiáng)等提出一種自組織模糊控制的路徑跟蹤控制器[4]，侯忠生，董航瑞等提出一種坐標(biāo)補(bǔ)償?shù)臒o模型自適應(yīng)控制[5]，哈工大的王聰研究了一種基于預(yù)瞄的車輛路徑跟蹤[6]。采用Fuzzy-PID控制策略，采用兩段圓弧[7]的泊車方式，針對特定車型及車庫參數(shù)進(jìn)行simulink仿真，驗(yàn)證設(shè)計(jì)的模糊控制策略的效果，并得到可成功自動(dòng)泊車的初始位置范圍。

1 車輛數(shù)學(xué)模型

根據(jù)車輛相對于泊車位的方向，可大致分為平行泊車、垂直泊車和斜泊車入位。只研究平行泊車的情況，針對車輛低速倒車這一運(yùn)動(dòng)建立車輛運(yùn)動(dòng)學(xué)模型，根據(jù)建立的車輛運(yùn)動(dòng)學(xué)模型進(jìn)行路徑規(guī)劃，汽車車身本是復(fù)雜的曲面，但考慮到自動(dòng)泊車只是為了避障，因此以車身最大外尺寸簡化成如下剛體結(jié)構(gòu)，因此可以建立經(jīng)典的阿克曼轉(zhuǎn)向模型如下圖所示。

汽車在倒車的過程中，由于后輪與車身的運(yùn)動(dòng)方向一致，后輪的運(yùn)動(dòng)軌跡能夠體現(xiàn)車輛運(yùn)動(dòng)軌跡。分析公式（12）可以看出忽略車輛后輪側(cè)滑的條件下任意時(shí)刻車輛的軌跡與倒車速度無關(guān)，主要與車輛的轉(zhuǎn)向角和軸距有關(guān)，倒車速度大小只會造成單位時(shí)間內(nèi)行駛距離的長短不同不會對行駛路徑有影響。車輛的運(yùn)動(dòng)軌跡可以用（xr，yr，θ）表示，為了方便起見，可以用（x，y，θ）來表示，此時(shí)，車輛軌跡變化的控制量為（x， y，θ），直接控制輸出量為φ。完成平行泊車的時(shí)候應(yīng)該有 φ=0（或接近零度角）。

采用經(jīng)典的兩段圓弧式泊車路徑，首先車輛識別可停車位后倒車，當(dāng)汽車前輪軸軸心與停車位的前邊線處于一條直線的時(shí)候開始停車轉(zhuǎn)向，將方向盤向右打死轉(zhuǎn)向一定角度θ后，回正方向盤，然后再將方向盤左打死轉(zhuǎn)動(dòng)一定角度θ后，完成泊車。整個(gè)過程中以可能發(fā)生的碰撞點(diǎn)為約束條件，車速定速為5Km/h，從而通過仿真的方法求出可靠停車的初始泊車位置。泊車過程如圖2所示。

2 車庫尺寸設(shè)計(jì)

我國建筑規(guī)范中對車庫、停車場設(shè)計(jì)標(biāo)準(zhǔn)規(guī)定得比較復(fù)雜，并沒有規(guī)定所謂“標(biāo)準(zhǔn)車位尺寸”，而是規(guī)定了相應(yīng)最低滿足的尺寸，如車長不大于6米及車寬不大于1.8米的車，規(guī)范車與車之間間距為不小于0.5米，車與墻、車位端之間間距不小于0.5米;車長大于6米不大于8米，車寬大于1.8米不大于2.2米的話，車與車之間間距不小于0.7米等。對于一般以停小型車為主的停車場來講，車位尺寸多采用2.5～2.7×5～6米的尺寸，現(xiàn)在的停車場為安全起見或者可以停中大型車輛，多設(shè)置為6米以上。因此設(shè)計(jì)停車位尺寸為長6米，寬2.7米。仿真車輛參數(shù)采用表1中尺寸。

3 模糊控制器設(shè)計(jì)

采用Fuzzy-PID控制，在MATLAB中利用模糊編輯器來設(shè)計(jì)控制策略，以（x， y，θ） 為輸入量，以φ為輸入量，隸屬度函數(shù)采用三角型函數(shù)。

建立模糊控制規(guī)則，設(shè)定輸入變量x的模糊集合數(shù)為4，語言變量表示為{LX，MX，HX，SX}輸入變量y的模糊集合數(shù)為4，語言變量為{ LY，MY，HY，SY }輸入變量θ的模糊集合數(shù)為5，語言變量表示為{LTH，MTH，HTH，BTH，STH }輸出變量φ的模糊集合數(shù)為7，語言變量表示為{NB，NM，NS，ZE，PS，PM， PB}。

模糊規(guī)則庫如下表，第一行為輸入變量Y的語言變量，第一列為輸入變量θ的語言變量，其余為輸出變量φ的語言變量，其中O表示沒有輸出，一共建立60條模糊控制規(guī)則。

4 仿真結(jié)果

根據(jù)建立的轉(zhuǎn)向模型在MATLAB/simulink中搭建仿真模型，并采用Fuzzy-PID控制策略進(jìn)行自動(dòng)泊車仿真，仿真結(jié)果如圖3和圖4所示。

由于自動(dòng)泊車過程是識別可停車位以后倒車，后輪軸中心點(diǎn)橫坐標(biāo)位置對泊車成功與否沒有影響，主要是通過改變縱坐標(biāo)來尋求可成功泊車的初始位置。在所選用的車型尺寸及設(shè)定的車位尺寸的前提下，通過分析表格數(shù)據(jù)可知，按照設(shè)計(jì)的模糊控制規(guī)則，車輛后輪軸中心點(diǎn)初始位置坐標(biāo)在（7523，3477.5）時(shí)會自動(dòng)泊車失敗主要是因?yàn)檐囕v輪廓邊線與車位底邊線發(fā)生接觸，初始位置在（7523， 4577.5）時(shí)也會泊車失敗因?yàn)檐囕v未能停入車位。初始位置縱坐標(biāo)y在[3577.7，4477.5]區(qū)間內(nèi)可以在設(shè)計(jì)的Fuzzy-PID控制策略下完成自動(dòng)泊車任務(wù)。

5 結(jié)論

自動(dòng)泊車技術(shù)是時(shí)下新興熱點(diǎn)技術(shù)，雖然國內(nèi)外已有大量研究，但技術(shù)還未成熟未能達(dá)到量產(chǎn)的程度，針對特定尺寸的車型在特定尺寸的車位進(jìn)行自動(dòng)泊車工況進(jìn)行研究，搭建阿克曼轉(zhuǎn)向模型，采用Fuzzy-PID控制策略進(jìn)行自動(dòng)泊車仿真試驗(yàn)，找出可成功停車的車輛初始位置范圍。

參考文獻(xiàn)

[1] 祿盛，黃顯杭，蘇嶺.自動(dòng)泊車系統(tǒng)模型研究與實(shí)車驗(yàn)證[J].重慶郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2014：100-107.

[2] 郭孔輝，李紅，宋曉琳.自動(dòng)泊車系統(tǒng)路徑跟蹤控制策略研究[J].中國公路學(xué)報(bào)，2015（09）：110-118.

[3] 賀伊琳，馬建，趙丹.無人駕駛汽車RBF神經(jīng)網(wǎng)絡(luò)滑模橫向控制策略[J].長安大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，38（05）：244-254.

[4] 梁釗，鄭國強(qiáng)，李濟(jì)順.自組織模糊控制的自動(dòng)泊車路徑跟蹤控制器[J].火力與指揮控制，2013（09）：54-58.

[5] 侯忠生，董航瑞，金尚泰.基于坐標(biāo)補(bǔ)償?shù)淖詣?dòng)泊車系統(tǒng)無模型自適應(yīng)控制[J].自動(dòng)化學(xué)報(bào)，2015（04）：157-165.

[6] 王聰.基于預(yù)瞄的車輛路徑跟蹤控制研究[D].哈爾濱工業(yè)大學(xué)，2014.

[7] Gomez-Bravo， F.， F.Cuesta， and A.Ollero. Parallel and diagonal par -king in nonholonomic autonomous vehicles[J].Engineering Applica -tions of Artificial Intelligence14.4， 419-434， 2001.