鄭建明 張宇飛 覃斌 張建軍 高坤

（1.中國第一汽車股份有限公司研發(fā)總院，長春 130013；2.汽車振動噪聲與安全控制綜合技術(shù)國家重點實驗室，長春 130013）

主題詞：強化壞路 自動駕駛 可靠性試驗 循跡行駛 障礙物感知

1 前言

強化壞路試驗是考核車輛可靠性的關(guān)鍵方法之一，目前主要以道路強化[1-3]和仿真[4-6]方式開展，正在向無人化、智能化和規(guī)范化的方向發(fā)展。專業(yè)駕駛員駕駛車輛開展整車強化壞路試驗的缺點是：人工駕駛具有隨意性，影響數(shù)據(jù)的準(zhǔn)確性；無法實現(xiàn)不間斷駕駛；夜間和極端天氣條件下難以開展；部分彎道操作難度大，可能導(dǎo)致橫向應(yīng)力考核不足。

為解決人工駕駛存在的問題，美國ASI公司提出了基于駕駛機器人的可靠性試驗無人化方案，通過鏈接在轉(zhuǎn)向盤、油門和制動踏板上的執(zhí)行機構(gòu)實現(xiàn)轉(zhuǎn)向、加速及制動等控制。目前，國內(nèi)無人化測試技術(shù)仍停留在理論研究階段[7-9]。2017 年，上海泛亞汽車技術(shù)中心研發(fā)了基于駕駛機器人的智能駕駛輔助平臺，并在動態(tài)廣場和比利時路等路段進行了現(xiàn)場演示，但還未形成完備的系統(tǒng)和成熟的測試方法。

本文對某款純電動汽車的底盤進行線控化改造，并配置底盤域控制器、自動駕駛主控制器、定位和感知傳感器、通訊系統(tǒng)及遠程云端監(jiān)控系統(tǒng)等，開發(fā)適用于試驗場強化壞路的無人化自動駕駛測試系統(tǒng)和測試流程，以實現(xiàn)按試驗規(guī)范自動執(zhí)行測試任務(wù)。

2 無人化測試系統(tǒng)架構(gòu)設(shè)計

無人化測試系統(tǒng)分為云端和車端2 個部分，如圖1所示。云端系統(tǒng)即云端監(jiān)控平臺，采用已商用化的云服務(wù)平臺，通過網(wǎng)絡(luò)將車端傳感器收集到的數(shù)據(jù)上傳至云端進行處理并存儲在數(shù)據(jù)庫中，在數(shù)據(jù)庫內(nèi)完成分析并生成各種試驗報表，同時，可通過客戶端軟件進行云端操作和監(jiān)控，如起動、暫停運行和任務(wù)下發(fā)等；車端系統(tǒng)的核心是車載智能計算控制平臺，結(jié)合車輛平臺及傳感器等外圍硬件，使車輛具有自動駕駛的能力[10-12]。

圖1 無人化測試系統(tǒng)

2.1 云端監(jiān)控平臺設(shè)計

云端監(jiān)控平臺按功能分為客戶端、控制層、服務(wù)層、數(shù)據(jù)層、實時顯示推送系統(tǒng)和智能網(wǎng)關(guān)?？刂茖迂?fù)責(zé)將客戶端請求分發(fā)到相應(yīng)的服務(wù)層，并對客戶端進行響應(yīng)；服務(wù)層包括注冊配置中心、基礎(chǔ)服務(wù)及業(yè)務(wù)服務(wù)，負(fù)責(zé)實現(xiàn)試驗員、管理員等不同權(quán)限賬戶的注冊管理、設(shè)備管理、車輛監(jiān)控及命令下發(fā)等功能；數(shù)據(jù)層負(fù)責(zé)車輛數(shù)據(jù)存儲；實時顯示推送系統(tǒng)負(fù)責(zé)車輛日常及故障信息的推送、任務(wù)下發(fā)等，保證試驗員全面掌握車輛與系統(tǒng)的工作狀態(tài)；智能網(wǎng)關(guān)在保證通訊鏈路可靠安全的前提下完成平臺與車輛之間的數(shù)據(jù)傳輸。

2.2 車載智能計算平臺設(shè)計

車載智能計算平臺架構(gòu)主要由異構(gòu)分布硬件架構(gòu)和基礎(chǔ)框架軟件組成[13-14]。當(dāng)前單一芯片尚無法滿足多接口、高算力的要求，同時，該平臺需接入多類型、多數(shù)量的傳感器，且需要高可靠和高性能的計算能力，因此采用異構(gòu)分布架構(gòu)。異構(gòu)分布架構(gòu)由人工智能（AI）單元、計算單元和控制單元組成。基礎(chǔ)框架軟件包括系統(tǒng)軟件和功能軟件，其系統(tǒng)要求可靠運行、實時計算、彈性分布及高算力等，同時可實現(xiàn)感知、規(guī)劃、控制、網(wǎng)聯(lián)及云控等功能。

系統(tǒng)軟件即為適應(yīng)異構(gòu)分布硬件架構(gòu)的嵌入式系統(tǒng)運行環(huán)境。功能軟件采集傳感器數(shù)據(jù)、設(shè)備數(shù)據(jù)及車端數(shù)據(jù)，通過感知、決策模塊的綜合計算，結(jié)合行駛?cè)蝿?wù)要求，通過執(zhí)行模塊輸出執(zhí)行機構(gòu)可用的加、減速信息、轉(zhuǎn)向盤轉(zhuǎn)角、轉(zhuǎn)速等信息，通過尋跡開展自動駕駛測試。功能軟件具備與云平臺交互、離線調(diào)試、日志存儲等諸多功能，如圖2所示。

功能軟件中的安全冗余模塊（Security Redundancy Controller，SRC）作為主控制器與底盤域控制器之間的橋梁，其功能主要是采集和發(fā)送車輛信息給主控制器，并將主控制器的信息傳遞給底盤域控制器，同時，SRC可提供故障監(jiān)測與處理、循跡算法冗余備份等功能，以此提高系統(tǒng)安全性。

圖2 功能軟件模塊

2.3 無人化測試系統(tǒng)試驗流程設(shè)計

基于操作方便、使用簡單的原則，需將文本化的試驗規(guī)范轉(zhuǎn)換為測試系統(tǒng)可讀的二進制文件，試驗規(guī)范制作流程如圖3所示。制作規(guī)范時，軟件應(yīng)根據(jù)特征路段與車速自動計算出合理的加、減速點，同時，當(dāng)用戶設(shè)置路徑中任意點作為變速點時，軟件應(yīng)依據(jù)達到此點前的速度與加速度自動計算出所需要的加速或減速距離，并在界面中清晰顯示。

圖3 試驗規(guī)范制作設(shè)計流程

3 無人化測試系統(tǒng)硬件配置及功能

車載自動駕駛硬件系統(tǒng)主要包括主控制器、不間斷電源、實時動態(tài)（Real-Time Kinematic，RTK）+慣性測量單元（Inertial Measurement Unit，IMU）組合導(dǎo)航模塊、機器視覺單元、激光雷達及毫米波雷達等。車端系統(tǒng)除接收云端任務(wù)數(shù)據(jù)和指令（起動、暫停及停止任務(wù)等）、代替駕駛員控制車輛外，還應(yīng)具有可移植性。系統(tǒng)硬件配置如圖4所示。

圖4 無人自動駕駛系統(tǒng)硬件配置

3.1 組合慣導(dǎo)尋跡配置及功能

為滿足車輛高精度定位要求，采用RTK+IMU 的組合導(dǎo)航方案進行尋跡行駛，如圖5所示。RTK采用載波相位差分技術(shù)，在開闊場地可實現(xiàn)厘米級定位，與IMU融合后，即使RTK信號差，系統(tǒng)仍可實現(xiàn)亞米級定位。

圖5 RTK+IMU模塊

3.2 多傳感器融合硬件配置及功能

大部分強化壞路顛簸不平，車身上下起伏及車頭俯仰頻率隨車速和路面強化系數(shù)的增加而增加，在極限路段可造成各傳感器的誤檢和漏檢概率增大，尤其是毫米波雷達會頻繁掃描地面造成誤檢，不能單獨使用，因此需配置多傳感器并進行數(shù)據(jù)融合，以減少誤檢和漏檢。本文將機器視覺、激光雷達和毫米波雷達進行數(shù)據(jù)級融合，其中：視覺單元作為主要傳感器，如圖6所示，可識別到前方遠距離（≥50 m）的車輛和行人，但對距離的感知精度不高，且在近距離處誤差較大；在較近距離（≤30 m）采用16線激光雷達作為安全傳感器，如圖7所示，其測量精度可達厘米級，且對各種非透明障礙物有良好的探測能力，如輪胎和錐桶等；毫米波雷達探測距離更遠（≥100 m），如圖8 所示，可同時測量障礙物的位置和速度，且不易受天氣影響，但毫米波雷達照射角小，僅可在直路段使用，彎道及顛簸路面探測距離受限且易誤檢測，因此用作輔助傳感器。

圖6 機器視覺單元布置

圖7 激光雷達布置

圖8 毫米波雷達布置

3.3 主控制器及不間斷電源配置及功能

主控制器和不間斷電源如圖9所示：主控制器負(fù)責(zé)各傳感數(shù)據(jù)的融合，結(jié)合任務(wù)指令進行路徑規(guī)劃和動作決策等；電源系統(tǒng)采用不間斷供電技術(shù)，從整車蓄電池取電供給各子系統(tǒng)，當(dāng)蓄電池?zé)o法輸出電能時，無縫切換到電源內(nèi)部鋰電池供電狀態(tài)。同時，針對強化壞路的惡劣環(huán)境，設(shè)計了減振機構(gòu)，為主控制器與電源系統(tǒng)部件提供緩沖，以增強系統(tǒng)的可靠性。

3.4 通訊及交互系統(tǒng)硬件配置及功能

車輛通過總線接收主控制器發(fā)送的控制命令實現(xiàn)油門、制動及轉(zhuǎn)向執(zhí)行功能，同時將車輛多種狀態(tài)信息通過通訊鏈路向外發(fā)送。底盤域控制器負(fù)責(zé)連接線控車輛與主控制器，對往來數(shù)據(jù)進行加密和解密，保障系統(tǒng)信息安全，且與主控制器的通訊采用自定義接口和數(shù)據(jù)格式，實現(xiàn)系統(tǒng)的可移植性。通訊系統(tǒng)采用2套通訊鏈路實現(xiàn)安全冗余：主鏈路采用4 GHz 通訊，用于車端與云端系統(tǒng)間的數(shù)據(jù)交換；輔助鏈路采用2.4 GHz通訊，可使用手持遙控器遠距離遙控停車。

圖9 電源系統(tǒng)和主控制器布置

4 無人化測試系統(tǒng)軟件設(shè)計

4.1 自動駕駛橫向控制

橫向控制器主要由前饋控制器和反饋閉環(huán)控制器構(gòu)成，前饋控制消除跟蹤軌跡誤差，反饋閉環(huán)控制器主要起到求取最優(yōu)控制解的作用。反饋閉環(huán)控制器依托車輛動力學(xué)模型，基于車輛系統(tǒng)狀態(tài)方程計算控制量，引入線性二次型調(diào)節(jié)器（Linear Quadratic Regulator，LQR），窮盡最優(yōu)解，使得軌跡能量函數(shù)最小，最終達成精準(zhǔn)控制，橫向控制原理如圖10所示。

圖10 橫向控制原理

4.1.1 車輛動力學(xué)模型的建立

基于單車模型假設(shè)，搭建車輛動力學(xué)模型，僅考慮純側(cè)偏輪胎特性，忽略輪胎力的橫縱向耦合關(guān)系、橫縱向空氣動力學(xué)及載荷的左右轉(zhuǎn)移，同時將橫、縱向動力學(xué)分開。跟蹤軌跡誤差為相對于道路的位置誤差及方向誤差，空間狀態(tài)模型[12]為：

式中，e1為車輛的橫向偏差，即車輛質(zhì)心到中心車道線的距離；e2為車輛行駛方向相對于道路方向的誤差；Cαf、Cαr分別為車輛前、后輪的側(cè)偏剛度；lf、lr分別為車輛質(zhì)心到前、后軸的距離；m為車輛質(zhì)量；Vx為車輛縱向速度；Iz為車輛相對z軸的轉(zhuǎn)動慣量；為車輛期望橫擺角速度；δ為前輪轉(zhuǎn)角。

4.1.2 最優(yōu)LQR橫向控制原理

因控制矩陣[B1AB1A2B1A3B1]是滿秩的，說明系統(tǒng)可控，因此，設(shè)系統(tǒng)控制律[12]為：

式中，k1～k4為矩陣K的4個特征值。

為了獲得期望特征值，使用最優(yōu)控制中的LQR 對閉環(huán)矩陣A-B1K的特征值進行計算[13-14]。

系統(tǒng)的最優(yōu)前輪轉(zhuǎn)角的離散形式表示為：

式中，K=[R+B1TP B1]-1B1TPA。

其中矩陣P可通過代數(shù)黎卡提方程求解[13-14]：

式中，Q為狀態(tài)權(quán)重系數(shù)；R為控制量權(quán)重系數(shù)。

為了獲得新閉環(huán)系統(tǒng)的狀態(tài)矩陣的合理特征值，使用LQR調(diào)節(jié)器，引入目標(biāo)函數(shù)[13-14]：

依據(jù)路面狀況、車輛機械參數(shù)限制及系統(tǒng)的性能指標(biāo)，通過調(diào)節(jié)Q與R達到理想效果，并利用MATLAB 的LQR 工具箱求得最優(yōu)解對應(yīng)的矩陣K的4 個特征值k1～k4，帶入式（3）可求得最優(yōu)前輪轉(zhuǎn)角，再根據(jù)車輛轉(zhuǎn)向比，即可求得轉(zhuǎn)向盤的轉(zhuǎn)速與轉(zhuǎn)角。

由于車輛控制器存在控制周期誤差，針對特征路面類型及曲率，引入預(yù)瞄距離：

式中，K1為預(yù)瞄速度系數(shù)；K2為道路曲率系數(shù)；V為當(dāng)前車速；r為當(dāng)前軌跡半徑。

由于道路曲率與車速的不同，K1、K2需要設(shè)定不同的參數(shù)，預(yù)瞄距離參數(shù)配置如表1所示。

表1 預(yù)瞄距離參數(shù)區(qū)間劃分

LQR 最優(yōu)設(shè)計是指設(shè)計出的狀態(tài)反饋控制器K要使二次型目標(biāo)函數(shù)J取最小值，而K由權(quán)矩陣Q與R唯一決定，故Q、R的選擇尤為重要。由式（1）與式（6）可知，在LQR計算過程中，需要進行航向和橫向的權(quán)值比例分配，使車輛橫向輸出控制角度誤差逐漸趨于穩(wěn)定。本系統(tǒng)中，將航向權(quán)值分配系數(shù)設(shè)置為0.5，橫向權(quán)值分配系數(shù)設(shè)置為0.01，通過誤差插值表進行權(quán)值的優(yōu)劣區(qū)間劃分，如表2 所示。通過實際調(diào)試，達到最優(yōu)控制的目的。控制流程如圖11所示。

表2 誤差插值表

圖11 橫向控制流程

4.2 無人化自動駕駛縱向控制

縱向控制主要由速度-加速度閉環(huán)PID 控制器實現(xiàn)。輸入期望車速與當(dāng)前車速偏差，計算加速度，再根據(jù)IMU 反饋的X、Y、Z方向加速度作為補償量，最終計算出實際執(zhí)行的加速度并輸入底盤域控制器，縱向控制原理如圖12所示。

圖12 縱向控制原理

4.3 自動駕駛環(huán)境感知

根據(jù)系統(tǒng)使用環(huán)境和路面特點，采用多傳感器融合進行環(huán)境感知，感知邏輯流程如圖13所示。

融合部分分為5 個部分，分別是激光雷達+毫米波雷達+視覺傳感器、激光雷達+視覺傳感器、毫米波雷達+視覺傳感器、單獨激光雷達、單獨視覺傳感器，其中激光雷達+視覺傳感器融合邏輯為當(dāng)二者探測的目標(biāo)物距離相差<5 m 時，確定該位置存在障礙物，并取激光雷達探測距離數(shù)據(jù)執(zhí)行相應(yīng)控制邏輯，單獨視覺傳感器在使用過程中的限制條件為探測障礙物縱向距離>49 m，若條件限制不滿足則需要依據(jù)激光雷達探測結(jié)果，保證車輛安全制動。

圖13 環(huán)境感知流程

由于路面不平整度較大，在部分路面需關(guān)閉毫米波雷達，否則誤識別率極高，無法正常行駛。各路段感知融合狀態(tài)開關(guān)如表3所示。

表3 不同路面?zhèn)鞲衅魇褂们闆r

5 無人化測試系統(tǒng)運行結(jié)果分析

本文基于搭載無人化測試系統(tǒng)的某純電動汽車在某試驗場進行了一定里程的強化壞路試驗。強化壞路試驗規(guī)范要求的車速偏差為±2 km/h，車輛橫向偏移在±0.3 m 以內(nèi)，且須長期保持一致性。經(jīng)統(tǒng)計，人工駕駛的車速偏差至少在20%以上，無法保證試驗精度要求。經(jīng)測試，無人化系統(tǒng)即使在高速急彎路段，橫向平均偏移也可控制在±0.2 m以內(nèi)，縱向行駛速度偏差可控制在±0.2 m/s 以內(nèi)，無人化測試系統(tǒng)橫向偏差如圖所示，無人化測試系統(tǒng)與人工駕駛的速度對比如圖14所示。

圖14 自動駕駛橫向偏差

圖14 自動駕駛與人工駕駛的速度曲線對比

6 結(jié)束語

本文提出了整車壞路可靠性試驗的無人化測試方案，以某純電動汽車為試驗對象進行了系統(tǒng)搭建。試驗結(jié)果表明，無人化測試系統(tǒng)可用于場地可靠性試驗，且在規(guī)范執(zhí)行、精度控制等方面均有顯著優(yōu)勢。

本文重點研究了無人化測試系統(tǒng)代替人工駕駛的技術(shù)及可行性，但車輛點檢及問題暴露等方面工作仍需試驗員輔助完成，目前已實現(xiàn)輪胎壓力、車門狀態(tài)等少數(shù)狀態(tài)量的實時自動獲取，需要在后續(xù)開發(fā)中加快應(yīng)用智能傳感、云平臺遠程控制等先進測試技術(shù)，提升故障檢測能力，快速推進全試驗鏈的無人化進程。