齊東潤， 陳 剛

(南京理工大學(xué) 機(jī)械工程學(xué)院， 南京 210094)

無人駕駛機(jī)器人(UDR)為自動駕駛的實(shí)現(xiàn)提供了新的思路.無人駕駛機(jī)器人是指無需對現(xiàn)有車輛進(jìn)行底盤改裝，可無損安裝在駕駛室內(nèi)，替代人類在危險和惡劣環(huán)境下進(jìn)行駕駛操作的特種作業(yè)機(jī)器人.由于其良好的通用性，無人駕駛機(jī)器人可廣泛應(yīng)用于車輛測試試驗(yàn)、搶險救援等領(lǐng)域.目前，國內(nèi)外主要有南京理工大學(xué)[1-3]、東南大學(xué)[4]、上海交通大學(xué)[5]、中國科學(xué)技術(shù)大學(xué)[6]，日本三重大學(xué)[7]、新西蘭奧克蘭大學(xué)[8-9]等高校對該技術(shù)進(jìn)行了研究.

駕駛機(jī)器人對車輛進(jìn)行操縱的過程可分為決策和控制兩部分.文獻(xiàn)[1]提出一種基于駕駛員行為模型的轉(zhuǎn)向操縱策略，實(shí)現(xiàn)了對路徑的跟蹤.文獻(xiàn)[2]提出一種基于縱向和橫向誤差的控制切換策略，提高了車速和路徑的跟蹤精度.文獻(xiàn)[6]提出一種行駛輔助線的計算方法，實(shí)現(xiàn)了機(jī)器人駕駛車輛對路徑的跟蹤.文獻(xiàn)[8]研究了純跟蹤、矢量跟蹤等路徑跟蹤策略，并對其進(jìn)行了對比.文獻(xiàn)[9]提出一種利用前車的位置點(diǎn)生成平滑軌跡的方法，實(shí)現(xiàn)了機(jī)器人操縱車輛對前車的跟蹤.文獻(xiàn)[5]提出一種多方法融合策略，實(shí)現(xiàn)了對駕駛機(jī)器人車速跟蹤誤差原因的分析.通過上述文獻(xiàn)研究可以發(fā)現(xiàn)，目前對駕駛機(jī)器人操縱策略的研究大多單獨(dú)涉及縱向或橫向，缺少對縱橫向協(xié)同操縱策略的研究.因此，亟需在駕駛機(jī)器人縱向和橫向操縱策略的基礎(chǔ)上研究縱橫向協(xié)同操縱策略.

文獻(xiàn)[4]提出一種基于駕駛員經(jīng)驗(yàn)和知識庫的分層控制策略，實(shí)現(xiàn)了在駕駛試驗(yàn)周期內(nèi)的準(zhǔn)確速度跟蹤.文獻(xiàn)[7]研究了專業(yè)駕駛員的駕駛數(shù)據(jù)，并基于此提出一種控制策略，實(shí)現(xiàn)了對踏板的平穩(wěn)操作和低油耗駕駛測試.上述文獻(xiàn)的操縱策略制定方法使用查表或數(shù)據(jù)擬合的方式，這種方式只能應(yīng)對相對固定的駕駛工況，在應(yīng)對與之前經(jīng)驗(yàn)不同的工況時表現(xiàn)不佳，且沒有考慮車輛的橫向動力學(xué).文獻(xiàn)[3]提出一種基于車輛性能自學(xué)習(xí)的轉(zhuǎn)向機(jī)械手轉(zhuǎn)角和力矩的求解策略，但沒有考慮車輛轉(zhuǎn)向時的穩(wěn)定性.文獻(xiàn)[10]提出一種預(yù)瞄式模型預(yù)測控制(MPC)路徑跟蹤策略，但沒有考慮不同車速對轉(zhuǎn)向的影響.文獻(xiàn)[11]提出一種路徑跟蹤混合切換控制策略，根據(jù)車輛的車速切換不同的橫向控制方法，提高了路徑跟蹤的準(zhǔn)確性，但沒有考慮路徑曲率的影響.文獻(xiàn)[12]利用廣義預(yù)測控制實(shí)現(xiàn)了車輛的路徑跟蹤，增強(qiáng)了車輛抵抗干擾的能力，但缺乏對不同路徑適應(yīng)性以及與其他方法的對比驗(yàn)證.通過上述分析，目前關(guān)于駕駛策略的研究大多集中在單目標(biāo)上，缺少對橫向、縱向、速度、加速度等多目標(biāo)同時考慮的操縱方法.多目標(biāo)決策是對多個相互矛盾的目標(biāo)進(jìn)行科學(xué)、合理的選優(yōu)后進(jìn)行決策的理論和方法，已經(jīng)廣泛應(yīng)用于各個領(lǐng)域[13-14].模糊決策中的模糊排序研究了對于有多種指標(biāo)函數(shù)的方案如何用模糊理論給出一個排優(yōu)次序的問題，是多目標(biāo)決策問題的一種十分有效的解法.

基于以上分析，本文首先建立了駕駛機(jī)器人和被操縱試驗(yàn)車輛的動力學(xué)模型，提出了橫擺角速度生成方法，并提出一種駕駛機(jī)器人多目標(biāo)模糊操縱策略，綜合考慮車輛橫向和縱向狀態(tài)，為實(shí)現(xiàn)駕駛機(jī)器人對車輛的平穩(wěn)操縱提供了新的思路.

1 無人駕駛機(jī)器人系統(tǒng)結(jié)構(gòu)與操縱模型

1.1 駕駛機(jī)器人的系統(tǒng)結(jié)構(gòu)

駕駛機(jī)器人的整體結(jié)構(gòu)如圖1所示, 主要由駕駛機(jī)械腿、駕駛機(jī)械手、驅(qū)動電機(jī)組成.轉(zhuǎn)向機(jī)械手與換擋機(jī)械手能夠操縱各種車型的方向盤、變速桿、加速機(jī)械腿、制動機(jī)械腿，離合機(jī)械腿能夠操縱各種車型的加速、制動、離合踏板，從而實(shí)現(xiàn)對車輛的控制.在自動擋車輛中不對離合機(jī)械腿進(jìn)行控制.

圖1 駕駛機(jī)器人整體結(jié)構(gòu)Fig.1 Overall structure of driving robot

1.2 驅(qū)動電機(jī)模型

(1) 駕駛機(jī)械腿的驅(qū)動電機(jī)模型

無人駕駛機(jī)器人的駕駛機(jī)械腿采用永磁同步直線電機(jī)(PMSLM)作為驅(qū)動裝置，驅(qū)動電機(jī)的動力學(xué)方程為

(1)

式中：vlm為直線電機(jī)線速度；Flme為直線電機(jī)電磁推力負(fù)載；Flml為直線電機(jī)推力負(fù)載；Flmd為直線電機(jī)阻尼負(fù)載；mlm為直線電機(jī)動子質(zhì)量.

駕駛機(jī)械腿驅(qū)動電機(jī)矢量控制系統(tǒng)如圖2所示，其中：SVPWM為空間矢量脈沖寬度調(diào)制.位置控制器根據(jù)目標(biāo)位移和霍爾傳感器傳回的實(shí)際位移為速度環(huán)指定目標(biāo)速度，速度控制器根據(jù)目標(biāo)速度和實(shí)際速度為電流環(huán)指定目標(biāo)電流值，電流控制器根據(jù)目標(biāo)電流和實(shí)際電流以及磁極位置得出換相邏輯與定子電壓，利用SVPWM和逆變器輸出控制電流.

圖2 駕駛機(jī)械腿驅(qū)動電機(jī)矢量控制系統(tǒng)結(jié)構(gòu)圖Fig.2 Structure diagram of vector control system for driving motor of mechanical leg

(2) 轉(zhuǎn)向機(jī)械手的驅(qū)動電機(jī)模型

無人駕駛機(jī)器人的轉(zhuǎn)向機(jī)械手采用無刷直流力矩電機(jī)作為驅(qū)動裝置，驅(qū)動電機(jī)的動力學(xué)方程為

(2)

1.3 操縱機(jī)構(gòu)動力學(xué)模型

(1) 轉(zhuǎn)向機(jī)械手機(jī)構(gòu)的動力學(xué)模型

轉(zhuǎn)向機(jī)械手的結(jié)構(gòu)簡圖如圖3所示.

圖3 轉(zhuǎn)向機(jī)械手結(jié)構(gòu)簡圖Fig.3 Schematic diagram of steering manipulator

忽略萬向節(jié)的不等速現(xiàn)象，認(rèn)為轉(zhuǎn)向機(jī)械手為單自由度系統(tǒng)，其動力學(xué)方程為

(3)

式中：Jh為轉(zhuǎn)向機(jī)械手等效轉(zhuǎn)動慣量；i0為轉(zhuǎn)向機(jī)械手減速器傳動比；Mc為方向盤卡盤受到的負(fù)載力矩.

(2) 駕駛機(jī)械腿機(jī)構(gòu)的動力學(xué)模型

駕駛機(jī)械腿的結(jié)構(gòu)簡圖如圖4所示.其中：A為驅(qū)動電機(jī)輸出端；EF為踏板；vA、vC、vD、vE為駕駛機(jī)械腿各桿件連接點(diǎn)A、C、D、E的速度；vG、vH、vI、vJ為各桿件質(zhì)心G、H、I、J的速度；ωAC、ωBD、ωDE、ωEF為各桿件AC、BD、DE、EF的角速度；sA為驅(qū)動電機(jī)輸出端位移；α為踏板轉(zhuǎn)角；FA為驅(qū)動電機(jī)輸出端推力；M為踏板阻力矩.設(shè)各桿件質(zhì)量均勻，質(zhì)心均位于幾何中心，由動能定理可得駕駛機(jī)械腿動力學(xué)模型為

圖4 駕駛機(jī)械腿結(jié)構(gòu)簡圖Fig.4 Schematic diagram of driving mechanical leg

(4)

式中：mAC、mBD、mDE、mEF為各桿件AC、BD、DE、EF的質(zhì)量；JAC、JBD、JDE、JEF為各桿件AC、BD、DE、EF的轉(zhuǎn)動慣量.

1.4 被操縱試驗(yàn)車輛的動力學(xué)模型

無人駕駛機(jī)器人操縱的試驗(yàn)車輛使用三自由度動力學(xué)模型：

(5)

用一階慣性環(huán)節(jié)描述試驗(yàn)車輛驅(qū)動力Fth和加速機(jī)械腿位移sth、制動力Fxb和制動機(jī)械腿位移sxb的關(guān)系：

式中：Ta和Tb分別為驅(qū)動系統(tǒng)和制動系統(tǒng)的一階慣性環(huán)節(jié)系數(shù)；ka和kb為比例系數(shù)；τ為時間常數(shù)；Fp為制動踏板力；kmc和kwc為制動主缸和制動輪缸的回位彈簧剛度；Amc和Awc為制動主缸和制動輪缸的活塞面積；kxb為制動常數(shù).

被操縱試驗(yàn)車輛轉(zhuǎn)向系統(tǒng)的動力學(xué)方程為

(9)

式中：Js為車輛轉(zhuǎn)向系統(tǒng)等效轉(zhuǎn)動慣量；is為轉(zhuǎn)向系統(tǒng)傳動比；kc為轉(zhuǎn)向柱扭轉(zhuǎn)剛度；MZ為回正力矩；ζ為輪胎拖距.

1.5 駕駛機(jī)器人與試驗(yàn)車輛集成動力學(xué)模型

結(jié)合式(3)～(9)，可得駕駛機(jī)器人與試驗(yàn)車輛的集成動力學(xué)模型為

其中：s為拉普拉斯算子.

2 多目標(biāo)模糊操縱策略

無人駕駛機(jī)器人對目標(biāo)速度和目標(biāo)橫擺角速度進(jìn)行跟蹤即可完成試驗(yàn)車輛的駕駛?cè)蝿?wù)，但車輛行駛在大曲率路徑或較高車速時可能會產(chǎn)生較大的橫向加速度，影響車輛的穩(wěn)定性.減速可以使試驗(yàn)車輛側(cè)向加速度減小，保證行駛的安全性，但減速時需考慮車輛的縱向加速度，過大的縱向加速度同樣會影響車輛的穩(wěn)定性.因此，需要對被操縱試驗(yàn)車輛的縱向操縱和橫向操縱進(jìn)行綜合考慮.為實(shí)現(xiàn)駕駛機(jī)器人對車輛的平穩(wěn)操縱，本文提出了基于多目標(biāo)決策的無人駕駛機(jī)器人操縱策略.

2.1 橫擺角速度生成

圖5 試驗(yàn)車輛在坐標(biāo)系中的位置Fig.5 Position of test vehicle in coordinate system

將預(yù)瞄距離lpr處預(yù)測的側(cè)向偏移量進(jìn)行泰勒二階展開，可得：

(10)

(11)

式中：t′為時間間隔.

作為駕駛機(jī)器人進(jìn)行路徑跟蹤的控制目標(biāo)，預(yù)瞄點(diǎn)處的期望和預(yù)測側(cè)向偏移量需相等，即

(12)

將式(12)、(13)代入式(11)，變形后得到期望橫向加速度為

(13)

認(rèn)為試驗(yàn)車輛質(zhì)心側(cè)偏角較小，則橫擺角速度與橫向加速度的關(guān)系為

(14)

將式(15)代入式(14)，得到期望橫擺角速度為

(15)

在駕駛機(jī)器人對彎道進(jìn)行跟蹤時，需考慮由于路徑曲率增加的橫擺角速度可表示為

ωrc(t)=vxρ(t)

(16)

式中：ρ為路徑曲率.由式(16)和(17)可得路徑跟蹤的總期望橫擺角速度ωrd為

ωrd(t)=ωr(t)+ωrc(t)=

(17)

2.2 橫縱協(xié)調(diào)操縱策略

使用駕駛機(jī)器人對車輛進(jìn)行操縱，將上述橫擺角速度作為目標(biāo)橫擺角速度進(jìn)行跟蹤即可完成對路徑的跟蹤，但可能造成車輛橫向加速度過大.因此，將上述橫擺角速度與試驗(yàn)要求車速作為參考值，使用多目標(biāo)決策方法得到合理的目標(biāo)橫擺角速度與目標(biāo)車速.

目標(biāo)車速和目標(biāo)橫擺角速度的生成需要考慮試驗(yàn)車輛的性能約束.目標(biāo)車速的生成需要考慮試驗(yàn)車輛的加速和制動性能，取縱向加速度的取值范圍為 -5～2.5 m/s2[16]，則目標(biāo)車速為

vx1=vx0+axΔt

(18)

目標(biāo)橫擺角速度的生成需要考慮橫向加速度的約束.考慮試驗(yàn)車輛的橫向穩(wěn)定性，取橫向加速度的取值范圍為 -4～4 m/s2，并假設(shè)質(zhì)心側(cè)偏角較小，目標(biāo)橫擺角速度為

(19)

式中：ωr1為下一時刻駕駛機(jī)器人對車輛進(jìn)行操縱的目標(biāo)橫擺角速度；ay為橫向加速度.當(dāng)時間間隔Δt較小時，認(rèn)為vx1與vx0相等，則有：

(20)

對可選方案集合中的方案進(jìn)行排序和選優(yōu)的判斷標(biāo)準(zhǔn)為目標(biāo)函數(shù).選擇駕駛機(jī)器人對車輛進(jìn)行操縱時的車速誤差、橫擺角速度誤差、縱向加速度、橫向加速度4個指標(biāo)對可選方案進(jìn)行評價，因此需要建立這4個指標(biāo)的目標(biāo)函數(shù).

(1) 車速誤差：

ev=|vx1-vd|

(21)

(2) 橫擺角速度誤差：

eω=|ωr1-ωrd|

(22)

(3) 縱向加速度：

(23)

(4) 橫向加速度：

ay=vx1ωr1

(24)

式中：vd為試驗(yàn)要求車速.由一個目標(biāo)車速和一個目標(biāo)橫擺角速度進(jìn)行組合即可得到一個方案，決策論域S是方案的集合，即S={s1,s2,…,si}，方案個數(shù)γ=m×n，且每個方案的目標(biāo)函數(shù)值(ev,eω,ax,ay)都不同.

根據(jù)可選方案集合和目標(biāo)函數(shù)即可建立駕駛機(jī)器人決策系統(tǒng)的特征量矩陣

(25)

根據(jù)評價指標(biāo)的類型不同，需采用不同的隸屬度計算公式將系統(tǒng)特征量矩陣轉(zhuǎn)換為隸屬度矩陣.隸屬度計算公式為

“越大越優(yōu)”型：

(26)

“越小越優(yōu)”型：

(27)

目標(biāo)區(qū)間型：

rij=

(28)

式中：λij為矩陣Λ中的元素；[q1,q2]為目標(biāo)區(qū)間；λi,max為第i行中的元素最大值；λi,min為第i行中的元素最小值.

駕駛機(jī)器人操縱車輛的車速誤差和橫擺角速度誤差為“越小越優(yōu)”型，縱向加速度和橫向加速度為目標(biāo)區(qū)間型，分別使用式(28)和(29)將特征量矩陣轉(zhuǎn)換為隸屬度矩陣

(29)

表1 試驗(yàn)車輛橫向與縱向加速度分級[17]

認(rèn)為試驗(yàn)車輛的縱向與橫向加速度為“好”或“一般”時，車輛較平穩(wěn).因此, 取縱向加速度的目標(biāo)區(qū)間為[-2.5,1.2] m/s2，橫向加速度的目標(biāo)區(qū)間為[-3,3] m/s2.

由于各種評價指標(biāo)的作用不同、地位不同，所以使用一個權(quán)重向量P來對各個評價指標(biāo)的重要程度進(jìn)行描述:

(30)

使用權(quán)重向量P可對駕駛機(jī)器人決策目標(biāo)集合做出綜合評判:

(31)

式中：h為目標(biāo)函數(shù)的數(shù)量，本文中h=4.根據(jù)運(yùn)算符⊕的不同定義，可得到不同的決策模型.

模型1：M(∧,∨)

uj=∨{(pi∧rij),1≤i≤h}

(32)

j=1,2,…,γ

模型2：M(·,∨)

bj=∨{(airij),1≤i≤h}

(33)

j=1,2,…,γ

模型3：M(∧,+)

uj=∑(pi∧rij)

(34)

j=1,2,…,γ

模型4：M(·,+)

uj=∑(pirij)

(35)

j=1,2,…,γ

駕駛機(jī)器人對車輛的操縱需要綜合考慮多個指標(biāo).前3種模型的評判主要考慮最突出因素，其他因素對結(jié)果的影響不大.模型4對所有因素依照權(quán)重大小均勻考慮，適用于考慮所有因素的情況.因此，本文采用模型4對駕駛機(jī)器人操縱方案進(jìn)行評判.最終, 向量U中值最大的分量所對應(yīng)的方案即為最佳方案，該方案對應(yīng)的車速和橫擺角速度即為駕駛機(jī)器人操縱車輛的目標(biāo)車速和目標(biāo)橫擺角速度.

3 仿真試驗(yàn)與驗(yàn)證

UDR多目標(biāo)模糊操縱策略結(jié)構(gòu)如圖6所示.為了驗(yàn)證所提策略在駕駛機(jī)器人操縱車輛時的有效性，將駕駛機(jī)器人安裝在試驗(yàn)車輛上，進(jìn)行雙移線仿真試驗(yàn)，試驗(yàn)車速為50 km/h，駕駛機(jī)器人安裝圖如圖7所示，試驗(yàn)關(guān)鍵性能參數(shù)如表2所示.人類駕駛員操縱車輛在交通部公路交通試驗(yàn)場進(jìn)行了雙移線試驗(yàn)[18].試驗(yàn)由熟練駕駛員駕駛桑塔納某型號轎車進(jìn)行，兩名試驗(yàn)員隨車實(shí)時采集測試數(shù)據(jù).橫向加速度、橫擺角速度和車輛位置信息由CDY-3車輛動態(tài)測試儀進(jìn)行測量，縱向車速由OES-II非接觸速度傳感器測量，質(zhì)心側(cè)偏角可以間接測量.

圖6 UDR多目標(biāo)模糊操縱策略結(jié)構(gòu)圖Fig.6 Structure diagram of multi-object fuzzy control strategy for UDR

表2 試驗(yàn)車輛關(guān)鍵參數(shù)Tab.2 Key parameters of test vehicle

圖7 駕駛機(jī)器人安裝圖Fig.7 Installation of driving robot

駕駛機(jī)器人操縱車輛與人類駕駛員駕駛車輛進(jìn)行雙移線試驗(yàn)的對比如圖8所示，駕駛機(jī)器人操縱策略包括提出策略和無協(xié)同策略[1].圖中：ey為路徑跟蹤誤差.由圖8(a)可知，仿真試驗(yàn)與實(shí)車試驗(yàn)的曲線變化趨勢吻合，能夠準(zhǔn)確地跟蹤目標(biāo)路徑，表明了提出策略的有效性.由圖8(b)可知， 人類駕駛員存在反應(yīng)滯后、跟蹤誤差較大等問題，而所提策略能夠更加精確地跟蹤目標(biāo)路徑，將誤差控制在 0.2 m 以內(nèi)[19]，平均絕對誤差(MAE)為 0.014 9 m，在四處轉(zhuǎn)彎處也能夠很好地控制跟蹤誤差.由圖8(c)可知，在彎道處橫向加速度超過了閾值，所提策略對車速進(jìn)行了調(diào)整，從而降低了橫向加速度，保證車輛行駛的平穩(wěn)性；無協(xié)同策略雖然也能將誤差控制在0.2 m以內(nèi)，但MAE值為 0.038 3 m，大于所提策略，且沒有考慮橫向加速度對車輛平穩(wěn)性的影響.

圖8 雙移線工況試驗(yàn)結(jié)果對比Fig.8 Comparison of test results in double lane-change condition

為了進(jìn)一步驗(yàn)證所提出無人駕駛機(jī)器人操縱策略的有效性，采取如圖9(a)所示的目標(biāo)路徑進(jìn)行仿真試驗(yàn)，并與其他操縱策略進(jìn)行對比，目標(biāo)車速為48 km/h.該路徑同時包含大曲率路徑與一般曲率路徑，因此可以驗(yàn)證策略的有效性.試驗(yàn)分別采用所提策略、無協(xié)同操縱策略與單目標(biāo)操縱策略.無協(xié)同操縱策略未考慮駕駛機(jī)器人橫縱協(xié)同操縱.單目標(biāo)操縱策略僅考慮橫向加速度，未考慮縱向加速度，使用單一的制動方式減小橫向加速度，如下式所示：

(36)

式中：[ay，max]為最大安全橫向加速度；na為安全系數(shù).

由圖9(a)可知，3種策略均可對路徑進(jìn)行較準(zhǔn)確的跟蹤.圖9(e)為由本文策略得出的目標(biāo)橫擺角速度和跟蹤結(jié)果.由圖9(e)可知，控制機(jī)構(gòu)可以對橫擺角速度進(jìn)行準(zhǔn)確的跟蹤.由圖9(b)可知，在該工況下有6處橫向加速度超過閾值，無協(xié)同策略沒有對橫向加速度進(jìn)行控制，其余兩種策略在這6處均進(jìn)行了減速操作，相比于無協(xié)同策略將橫向加速度超過閾值的時間縮短了80%以上，但由于單目標(biāo)策略未考慮縱向加速度，也未考慮車輛的實(shí)際性能約束，在操縱時出現(xiàn)了較大的縱向加速度數(shù)值，最大加速度為10.77 m/s2，最大減速度為35.45 m/s2，如圖9(d)所示.該策略僅通過降低車速的方法控制橫向加速度，導(dǎo)致車速誤差較大，如圖9(c)所示.而所提策略同時考慮了橫縱向加速度與車速誤差，在減速的同時保證了縱向加速度的合理性，最大加速度為1.33 m/s2，最大減速度為3.05 m/s2，且降低了車速誤差，因此可以實(shí)現(xiàn)駕駛機(jī)器人對車輛的平穩(wěn)操縱，從而驗(yàn)證了所提策略的有效性.

圖9 不同曲率路徑的路徑跟蹤試驗(yàn)結(jié)果對比Fig.9 Comparison of tracking test results in different curvature paths

雙移線和多曲率工況路徑跟蹤的統(tǒng)計分析如表3所示.通過計算MAE對行駛軌跡進(jìn)行量化，其中：eey為路徑跟蹤誤差的平均絕對誤差.由表3可知，本文策略在兩種工況下都能夠較好地跟蹤目標(biāo)路徑，跟蹤誤差較小，說明了所提策略的跟蹤精度性能具有一定的穩(wěn)健性.

表3 路徑跟蹤誤差的MAETab.3 MAE of path tracking error

本文的多曲率路徑由4段不同曲率的路徑拼接而成，每種曲率的路徑重復(fù)兩次，因此可以用來驗(yàn)證所提策略在控制車輛加速度方面的穩(wěn)健性， 如表4所示.由表4可知，所提策略在4種不同曲率路徑下都能夠?qū)囕v的橫向、縱向加速度進(jìn)行控制，證明了所提策略對不同曲率路徑的穩(wěn)健性.

表4 車輛加速度分段最大值Tab.4 Segmental maximum accelerations of vehicle

4 結(jié)論

(1) 提出了基于多目標(biāo)模糊決策的駕駛機(jī)器人操縱策略.建立了駕駛機(jī)器人與試驗(yàn)車輛的集成動力學(xué)模型，設(shè)計了橫擺角速度生成方法和無人駕駛機(jī)器人橫縱協(xié)調(diào)操縱調(diào)整策略，并進(jìn)行了試驗(yàn)與仿真驗(yàn)證.

(2) 駕駛機(jī)器人操縱車輛的雙移線路徑跟蹤試驗(yàn)表明了，橫擺角速度生成方法能夠控制車輛平滑地進(jìn)行路徑跟蹤，并將誤差控制在±0.2 m以內(nèi).對比試驗(yàn)表明了，當(dāng)試驗(yàn)車輛橫向加速度過大時，所提策略能夠在多目標(biāo)約束下有效減小橫向加速度，保持車輛平穩(wěn).

多目標(biāo)模糊決策方法只能在一定步長的離散值方案中選擇駕駛機(jī)器人操縱的目標(biāo)車速和目標(biāo)橫擺角速度，當(dāng)試驗(yàn)要求車速或橫擺角速度的變化量小于步長時，跟蹤精度會有所降低.今后將考慮使用強(qiáng)化學(xué)習(xí)等其他智能方法實(shí)現(xiàn)在一定范圍內(nèi)對決策方案的連續(xù)取值，提高實(shí)驗(yàn)要求車速或路徑在小范圍內(nèi)變化時的跟蹤精度.本文提出的策略沒有考慮其他車輛、障礙物、行人等路況環(huán)境參量，后續(xù)的工作將把這些參量加入研究范圍.