賈長建

(陜西工業(yè)職業(yè)技術(shù)學(xué)院 汽車工程學(xué)院，陜西 咸陽 712000)

近年無人駕駛新能源汽車逐漸發(fā)展為汽車研究的一大主要熱點(diǎn)，汽車屬于繁雜的非線性系統(tǒng)，運(yùn)行于不同工況下，所以汽車路徑跟蹤控制一直都是學(xué)術(shù)領(lǐng)域研究的重難點(diǎn)。車聯(lián)網(wǎng)視域下，無人駕駛新能源汽車路徑跟蹤控制主要包含兩個環(huán)節(jié)，即橫向與縱向控制。其中，橫向控制即不同車速與負(fù)載狀態(tài)下，控制汽車轉(zhuǎn)向可將汽車位置保留在期望路徑中心線上，實(shí)際上就是方向盤控制；縱向控制即車速控制，實(shí)際上就是油門或剎車控制。二者相較而言，橫向控制更加關(guān)鍵，這主要是由于其與路徑跟蹤息息相關(guān)，是確保汽車安全性與平穩(wěn)性的重要前提，對于控制系統(tǒng)與算法要求相對偏高[1]。

1 車聯(lián)網(wǎng)框架分析

車聯(lián)網(wǎng)基于汽車安裝通信終端，通過通信網(wǎng)絡(luò)平臺提取汽車屬性與狀態(tài)等相關(guān)信息，并合理利用信息，根據(jù)功能需要，實(shí)時監(jiān)控管理汽車，提供具備綜合性服務(wù)的系統(tǒng)。車聯(lián)網(wǎng)以計算機(jī)、傳感器、網(wǎng)絡(luò)等多元化信息技術(shù)為載體，全方位感知汽車與道路狀況，且在行駛過程中不同汽車之間，以及汽車與基站之間構(gòu)建無線通信，以分發(fā)處理信息。面向無人駕駛新能源汽車運(yùn)行進(jìn)行全程控制，以保障擁堵時道路行車順暢與車輛行駛平穩(wěn)性。采取多條轉(zhuǎn)發(fā)方式，信號范圍之外，新能源汽車間可實(shí)現(xiàn)通信銜接，以共享信息。車聯(lián)網(wǎng)的車車、車路通信所構(gòu)建網(wǎng)絡(luò)框架[2]，具體如圖1所示。

圖1 車聯(lián)網(wǎng)框架

2 汽車模型構(gòu)建

基于汽車運(yùn)動學(xué)模型進(jìn)行控制系統(tǒng)設(shè)計，具備突出性優(yōu)勢，即實(shí)時性較高、結(jié)構(gòu)簡單。忽視汽車翻滾仰視等復(fù)雜運(yùn)動，將汽車簡化成兩輪運(yùn)動學(xué)模型[3]，具體如圖2所示。

圖2 運(yùn)動學(xué)模型

其中，(xi，yi)代表前軸；(xk，yk)代表后軸；β代表航向角；δ代表前輪偏角；T代表軸距；wi、wk分別代表前輪、后輪瞬時速度。

以(xk，yk，β)作為狀態(tài)量，(w，δ)作為輸入量，獲得無人駕駛新能源汽車運(yùn)動狀態(tài)方程[4]，即

(1)

3 路徑跟蹤控制系統(tǒng)設(shè)計

3.1 橫向控制系統(tǒng)

基于GPS反饋汽車具體位置，先搜尋目標(biāo)路點(diǎn)，通過車道路曲率明確預(yù)瞄間距，然后確定方向盤轉(zhuǎn)角與預(yù)瞄誤差間的傳輸函數(shù)關(guān)聯(lián)性，且以仿駕駛員經(jīng)驗(yàn)的反饋系統(tǒng)及時修正控制輸出，以獲得最佳方向盤轉(zhuǎn)角角度，橫向誤差控制算法流程[5]具體如圖3所示。

圖3 橫向誤差控制算法流程

橫向誤差控制算法通過簡化汽車運(yùn)動學(xué)模型，轉(zhuǎn)變?yōu)樽詣榆嚹Ｐ?，基于幾何關(guān)系，獲取方向盤具體轉(zhuǎn)角。

3.2 縱向控制系統(tǒng)

基于運(yùn)動學(xué)模型與預(yù)瞄跟隨理論，構(gòu)建前車輪轉(zhuǎn)角與橫向預(yù)瞄偏差之間的傳輸關(guān)聯(lián)性，即前車輪轉(zhuǎn)角前饋控制。就系統(tǒng)而言，受擾動影響，單純依賴于前饋根本無法保障系統(tǒng)穩(wěn)定性與可靠性。所以，以航向角偏差反饋控制方式，保障系統(tǒng)穩(wěn)定性。航向角反饋控制[6]具體如圖4所示。

圖4 航向角反饋控制

其中，θ代表當(dāng)前位置車輛航向角；θq代表預(yù)瞄點(diǎn)車輛目標(biāo)航向角。通過添加航向角反饋控制，在參考目標(biāo)路徑曲率變化相對較大時，車輛跟蹤誤差則會顯著縮小。

4 視覺目標(biāo)識別與路徑跟蹤控制

4.1 特征提取

新能源汽車行駛時，需利用攝像頭采集道路與汽車具體信息，為防止碰撞，需識別并跟蹤控制目標(biāo)。在識別時，需通過視頻全區(qū)域自定義所采集圖像，其中目標(biāo)區(qū)域明確為I，面向視頻圖像開展灰度處理分析，強(qiáng)化梯度，同時以雙邊濾波去除圖像噪聲。與Canny算子有機(jī)結(jié)合提取邊緣信息，獲取輪廓，明確為感興趣區(qū)域ROI，精確識別此區(qū)域中目標(biāo)特征。

4.2 特征融合

(2)

式中：xr∈Fv，yr∈Fw為新能源汽車處于r時刻時的狀態(tài)值與量測值；p()為非線性狀態(tài)觀測函數(shù)；f()為非線性狀態(tài)轉(zhuǎn)移函數(shù)；mr-1為獨(dú)立狀態(tài)噪聲；nr為量測噪聲；二者都屬于獨(dú)立分布離散噪聲。

(3)

(4)

4.3 運(yùn)動狀態(tài)

全程跟蹤目標(biāo)物體過程中，設(shè)定目標(biāo)粒子狀態(tài)向量即

(5)

Xr=Xr-1+Wr+Uμr

(6)

粒子表觀模型構(gòu)建過程中，前幀圖像信息是觀測值時，基于觀測概率實(shí)時更新粒子權(quán)值，以獲取表觀模型的似然函數(shù)得出真實(shí)具體目標(biāo)位置，從而實(shí)現(xiàn)目標(biāo)跟蹤。表觀模型構(gòu)建過程中，ROI協(xié)方差描述，即

(7)

式中：νr(Bi,Bj,Br)表示多特征組合特征值，即

νrBixr-xr(Bj,Br)=0(r=1,2,3,…,e)

(8)

基于特征協(xié)方差內(nèi)涵獲得表觀模型似然函數(shù)，即

(9)

4.4 實(shí)時跟蹤

基于粒子迭代進(jìn)行目標(biāo)實(shí)時跟蹤[8]。其中粒子權(quán)值即

(10)

而粒子權(quán)值歸一化即

(11)

粒子重采樣，首先粒子數(shù)目，即

(12)

如果，Weff

(13)

狀態(tài)估計，即

(14)

(15)

狀態(tài)估計獲得W個新樣本，結(jié)果即

(16)

(17)

5 仿真分析

選用Prescan與Matlab/Simulink相結(jié)合平臺，面向汽車路徑跟蹤控制系統(tǒng)仿真研究，模擬道路模型，基于差分GPS采集道路實(shí)際坐標(biāo)，生成數(shù)據(jù)信息。汽車選用Prescan動力學(xué)模型，仿真參數(shù)具體如表1所示。

仿真結(jié)果分析[9]具體如圖5～圖7所示。

表1 仿真參數(shù)

由圖5～圖7可知，路徑跟蹤控制系統(tǒng)可有效控制無人駕駛新能源汽車以高精確度全程跟蹤參考軌跡，尤其是車速控制在40 km/h狀態(tài)時，跟蹤路徑與目標(biāo)路徑之間最大偏差控制在0.36 m以內(nèi)，且控制算法能夠自適應(yīng)車速變化，盡管在彎道時，車速過高，也可適度控制路徑跟蹤誤差。通過方向盤轉(zhuǎn)角可全面了解路徑跟蹤整個過程，汽車行駛的穩(wěn)定性與通暢性。車速可較好跟蹤規(guī)劃的期望速度，系統(tǒng)穩(wěn)態(tài)誤差相對偏小?？傊?，控制此系統(tǒng)可切實(shí)應(yīng)用于無人駕駛新能源汽車路徑跟蹤控制實(shí)車中，且實(shí)踐效果良好。

圖5 軌跡跟蹤結(jié)果

圖6 方向盤轉(zhuǎn)角曲線

圖7 車速跟隨曲線

6 結(jié) 論

綜上所述，路徑跟蹤控制屬于無人駕駛新能源汽車核心技術(shù)，基于車輛橫向與縱向控制，促使無人駕駛新能源汽車沿目標(biāo)軌跡平穩(wěn)行進(jìn)?，F(xiàn)階段，駕駛輔助系統(tǒng)核心技術(shù)即有效保障車輛穩(wěn)定跟蹤規(guī)劃目標(biāo)路徑，以此實(shí)時跟蹤控制無人駕駛新能源汽車。據(jù)此本文基于車聯(lián)網(wǎng)技術(shù)設(shè)計了無人駕駛新能源汽車路徑跟蹤控制系統(tǒng)，通過仿真驗(yàn)證，結(jié)果表明系統(tǒng)可有效控制無人駕駛新能源汽車基于高精確度跟蹤參考軌跡，算法可自適應(yīng)車速實(shí)時變化；可觀察整個目標(biāo)跟蹤過程車輛行駛的平穩(wěn)性；汽車可快速、準(zhǔn)確跟蹤預(yù)期路徑，穩(wěn)態(tài)誤差較小。