錢玉寶，余米森*，郭旭濤，黃華寶，李世震

(1.長江大學(xué)機(jī)械工程學(xué)院，荊州 434023；2.長江大學(xué)新能源特車研究所，荊州 434023)

對無人駕駛的研究可追溯至20世紀(jì)七八十年代，在人工智能(artificial intelligence,AI)技術(shù)的助力下無人駕駛技術(shù)正在闊步向前。將人工智能、智能控制、環(huán)境感知、電子計(jì)算機(jī)等技術(shù)融合，涉及深度學(xué)習(xí)、云端芯片、高精地圖、5G通信等前沿?zé)狳c(diǎn)的無人駕駛技術(shù)被美國列為國家層面的技術(shù)項(xiàng)目。

在2020年的國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)[1]中顯示，年末中國民用汽車保有量為28 087萬輛，同比增長1 937萬輛；可預(yù)見未來中國汽車保有量仍將呈遞增的趨勢?，F(xiàn)借助CiteSpace的文獻(xiàn)可視化功能，分析無人駕駛車輛控制技術(shù)中外發(fā)展現(xiàn)狀，介紹智能控制相關(guān)技術(shù)在無人駕駛車輛控制當(dāng)中的應(yīng)用，論述線控技術(shù)、跟蹤控制精度等無人駕駛關(guān)鍵技術(shù)。最后總結(jié)當(dāng)前無人駕駛車輛在智能控制技術(shù)方面存在的不足，并預(yù)測無人駕駛車輛在智能控制技術(shù)方面的研究方向。

1 車輛控制技術(shù)的發(fā)展歷程

車輛控制技術(shù)是汽車性能實(shí)現(xiàn)的重要保障；電控系統(tǒng)在汽車上隨處可見，大到對發(fā)動機(jī)動力總成的控制，小到對轉(zhuǎn)向燈的控制。

1.1 無人駕駛&智能控制

無人駕駛作為汽車產(chǎn)業(yè)的一個(gè)重要里程碑，其自動化程度可從完全由人駕駛到完全自動駕駛不等，汽車工程師協(xié)會(Society of Automotive Engineers, SAE)在J3016標(biāo)準(zhǔn)[2]中引入L0～L5 6個(gè)等級來對汽車的自動化程度進(jìn)行劃分。

Waymo公司自動駕駛研究計(jì)劃始于2009年4月[3]，隨后Uber[4]、Toyota[5]、Tesla[6]、Mercedes Benz[7]、Ford[8]、Bosch[9]等公司也陸續(xù)開始進(jìn)軍自動駕駛。文獻(xiàn)[10]詳細(xì)地羅列出了截至2020年由學(xué)術(shù)界和科技公司開發(fā)的自動駕駛研究平臺，簡表如表1所示。

表1 無人駕駛研發(fā)平臺及其合作伙伴[10]

人工智能的誕生意味著科學(xué)技術(shù)的發(fā)展進(jìn)入到認(rèn)識人自身的發(fā)展階段。結(jié)合人工智能等發(fā)展起來的無人駕駛技術(shù)是迄今為止最具顛覆性的技術(shù)之一。李德毅等[11]提出無人駕駛汽車應(yīng)當(dāng)要有在線學(xué)習(xí)及預(yù)測控制等能力的“駕駛腦”。Saridis在智能控制二元論概念的基礎(chǔ)上加入運(yùn)籌學(xué)，提出三元論概念[12]，即

IC=AI∩AC∩OR

(1)

式(1)中：IC為Intelligent Control；AI為Artificial Intelligence；AC為Automatic Control；OR為Operational Research。

在一些復(fù)雜的控制問題中，僅用傳統(tǒng)控制難以解決，隨著高度綜合與集成多個(gè)學(xué)科的智能控制技術(shù)的出現(xiàn)，傳統(tǒng)控制或新興領(lǐng)域中的一些疑難雜癥得到了較好的解決。如非線性、多變量和不確定性的無人飛行器就是智能控制發(fā)揮潛力的重要領(lǐng)域。

1.2 國內(nèi)技術(shù)發(fā)展

1980年由哈爾濱工業(yè)大學(xué)、國防科技大學(xué)等聯(lián)合承擔(dān)的“遙控駕駛防核化偵察車”是中國自動駕駛技術(shù)研發(fā)的開端。在分析國內(nèi)車輛控制技術(shù)時(shí)，以CNKI數(shù)據(jù)庫為文獻(xiàn)來源，以“車輛控制”為主題檢索國內(nèi)2000年1月1日—2021年3月25日期間內(nèi)發(fā)表的文獻(xiàn)，并在結(jié)果中以“無人駕駛、自動駕駛、智能控制、控制策略”等為子主題，在汽車工業(yè)、自動化技術(shù)、計(jì)算機(jī)軟件及應(yīng)用這三個(gè)學(xué)科領(lǐng)域內(nèi)進(jìn)行二次檢索。檢索文獻(xiàn)分析結(jié)果如圖1所示。

從可視化分析圖(圖1)可知，雖然檢索的是國內(nèi)近20年的文獻(xiàn)，但結(jié)果表明國內(nèi)對無人駕駛車輛控制技術(shù)的研究主要是從2014年開始，總體上呈現(xiàn)遞增的趨勢，正好和國內(nèi)近10年對無人駕駛技術(shù)研發(fā)熱度的升溫相互印證。對檢索文獻(xiàn)的作者進(jìn)行分析，得出作者合作網(wǎng)絡(luò)關(guān)系圖(圖2)。由圖2可看出，目前無人駕駛車輛控制技術(shù)的研發(fā)陣地主要在高校，且研究者們主要是以同校課題組或校企合作研發(fā)為主。

圖1 文獻(xiàn)可視化分析

數(shù)字表示作者總發(fā)文量

中國將自動駕駛各階段的發(fā)展目標(biāo)及傳統(tǒng)汽車自動化研發(fā)和產(chǎn)業(yè)化發(fā)展規(guī)劃提上了日程[13]。國內(nèi)各大主機(jī)廠對無人駕駛車輛控制技術(shù)的發(fā)展相對保守，主要是基于對傳統(tǒng)汽車電控系統(tǒng)控制策略的優(yōu)化以及研發(fā)智能駕駛輔助控制系統(tǒng)。相對而言，互聯(lián)網(wǎng)科技公司以及自動駕駛創(chuàng)業(yè)公司則采用較為激進(jìn)的方式，如Apollo自動駕駛開源研發(fā)平臺。

1.3 國外技術(shù)發(fā)展

1977年誕生于日本Tsukuba實(shí)驗(yàn)室的自主駕駛汽車是最早實(shí)現(xiàn)自動駕駛的車輛[14]。2004年，美國國防部高級研究計(jì)劃局(Defense Advanced Research Projects Agency，DARPA)在莫哈韋沙漠組織的自動駕駛挑戰(zhàn)賽加速了該領(lǐng)域相關(guān)技術(shù)的發(fā)展。

在分析技術(shù)發(fā)展時(shí)，以全球最大數(shù)據(jù)庫Web of Science(WoS)為數(shù)據(jù)來源，采用TS=(“autonomous vehicle*” and intelligent control)檢索式，檢索了Core Collection中2000年1月1日—2021年3月27日期間發(fā)表的文獻(xiàn)。

借助CiteSpace以“Country、Author”為對象進(jìn)行分析，得出可視化結(jié)果如圖3和圖4所示。圖3和圖4中標(biāo)記了在自動駕駛車輛控制領(lǐng)域發(fā)文量前三的國家，分別是美國、中國和西班牙；發(fā)文較多的三位作者分別是MILANES V、TALEBPOUR A和NARANJO J E。其余部分為在可視化結(jié)果中不再具體顯示作者姓名隨用ANONYMOUS(匿名的)做注釋。

圖3 國家發(fā)文量分布視圖

圖4 作者發(fā)文量可視化圖

對文獻(xiàn)數(shù)據(jù)做“Title”聚類視圖和“Keyword”分析視圖，結(jié)果分別如圖5和圖6所示；由圖5和圖6可知，國外對無人駕駛車輛控制的研究主要集中在對單車智能的控制，單車及車隊(duì)自適應(yīng)巡航控制以及車輛動力學(xué)模型的優(yōu)化等。例如，在智能交通的發(fā)展策略上，美國選擇的是走單車智能的道路，原因其一是就美國5G技術(shù)尚未大規(guī)模鋪開，其二是美國對單車智能的研發(fā)處領(lǐng)先位置。在對傳統(tǒng)車輛動力性及橫向控制方法等的研究基礎(chǔ)上，借助fuzzy logic(模糊邏輯)、simulation(仿真)等方法，產(chǎn)生了fuzzy control(模糊控制)、model predictive control(模型預(yù)測控制)等控制算法用于對intelligent vehicle(智能車輛)的優(yōu)化控制，作為汽車工業(yè)發(fā)展永恒性主題之一的safety在視圖中亦有所體現(xiàn)。

圖5 WoS文獻(xiàn)關(guān)鍵詞聚類可視化視圖

圖6 WoS文獻(xiàn)關(guān)鍵詞可視化視圖

以“Reference、Cited Author”為分析對象得出文獻(xiàn)相關(guān)性以及作者共被引可視化視圖(圖7)。由圖7可知，TALEBPOUR A與JIA DY、WANG M與CHEN X等作者的文章共被引關(guān)系較為密切。

圖7 文獻(xiàn)相關(guān)性以及作者共被引視圖

2 智能控制在無人駕駛中的應(yīng)用

隨著車載芯片算力的加強(qiáng)，先進(jìn)的控制理論與方法以及深度學(xué)習(xí)在實(shí)車上的應(yīng)用成為可能。有關(guān)深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的知識可參考文獻(xiàn)[15-17]。下面將以智能化比例積分微分(proportion integration differentiation, PID)控制及模糊邏輯優(yōu)化控制等先進(jìn)控制方法為例，論述其在無人駕駛汽車控制應(yīng)用中取得的最新進(jìn)展。

2.1 改進(jìn)型PID控制的應(yīng)用

PID控制，即比例-積分-微分(proportional-integral-derivative, PID)，其由P(比例單元)、I(積分單元)、D(微分單元)構(gòu)成，控制效果主要受比例積分(proportion integration,PI)參數(shù)的影響，例如，采用PID對車輛進(jìn)行縱向控制時(shí)，節(jié)氣門開度在P參數(shù)的控制下，車輛可以快速地達(dá)到?jīng)Q策規(guī)劃系統(tǒng)給出的期望速度，I參數(shù)可以消除系統(tǒng)的穩(wěn)態(tài)誤差使得實(shí)車速度無限的逼近期望速度，而D參數(shù)用來抑制PI控制中的超調(diào)問題[18]。

為了消除傳統(tǒng)PID控制的局限性，改進(jìn)型或者說是智能PID控制[19]應(yīng)運(yùn)而生。為適應(yīng)自動駕駛車輛巡航控制的要求，在以往的研究中引入了PID控制器來讓車輛在行駛的過程中可以自行調(diào)節(jié)；如采用速度控制和距離控制兩種穩(wěn)態(tài)操作模式的自適應(yīng)巡航控制系統(tǒng)(adaptive cruise control，ACC)，其下層控制器可以采用PID對節(jié)氣門和制動執(zhí)行器的輸入量進(jìn)行調(diào)節(jié)來實(shí)現(xiàn)“自主”控制。

雖然傳統(tǒng)自動駕駛汽車比純電動和混動自動駕駛汽車的應(yīng)用面要窄，無人駕駛技術(shù)的研發(fā)也大都是基于純電動實(shí)車平臺，但傳統(tǒng)燃油汽車仍然是當(dāng)前的主流用戶。針對傳統(tǒng)自動駕駛汽車的能量管理更難及節(jié)能的問題，Phan等[20-21]利用道路需求模型和智能系統(tǒng)構(gòu)建了一種能量管理系統(tǒng)，該系統(tǒng)依據(jù)車輛對道路功率的需求，通過智能PID對加速踏板角度的調(diào)節(jié)來控制發(fā)動機(jī)空燃比。

若采用傳統(tǒng)PID控制策略來控制制動系統(tǒng)的輪缸壓力，制動系統(tǒng)的響應(yīng)及穩(wěn)定性無法滿足車輛制動性能對制動系統(tǒng)的要求，通過大量實(shí)踐衍生出了許多改進(jìn)型控制算法來對PID參數(shù)進(jìn)行整定[22-23]。

Chen等[24]提出了一種用于自動駕駛車輛的智能安全駕駛系統(tǒng)(intelligent safe driving system，ISDS)，該系統(tǒng)分別采用高層控制器來負(fù)責(zé)決策，低層控制器來負(fù)責(zé)運(yùn)動控制的分層控制結(jié)構(gòu)；在低層控制器中，橫向運(yùn)動控制采用雙模型預(yù)測控制，縱向運(yùn)動控制則采用帶逆模型的PID反饋控制。文獻(xiàn)[25]針對駕駛員模型無法體現(xiàn)駕駛操縱熟練程度的缺點(diǎn)，采用基于遺傳算法的模糊PID控制對駕駛員模型的方向、速度以及兩者的綜合進(jìn)行駕駛員熟練度模擬控制，以提高參數(shù)的適應(yīng)性。

為了充分利用輪胎與路面之前的附著系數(shù)φ，提升汽車的動力性以及防止驅(qū)動輪滑轉(zhuǎn)；文獻(xiàn)[26]提出利用人工魚群算法來優(yōu)化車輛防滑的PID神經(jīng)網(wǎng)絡(luò)控制參數(shù)的方法，并給出了具體的優(yōu)化步驟。就四輪轉(zhuǎn)向的控制參數(shù)優(yōu)化問題，文獻(xiàn)[27]基于人群搜索算法[28]優(yōu)化了四輪轉(zhuǎn)向PID控制參數(shù)。

針對輔助動力單元(auxiliary power unit，APU)在啟動時(shí)會產(chǎn)生扭轉(zhuǎn)振動的問題，文獻(xiàn)[29]憑借非線性狀態(tài)方程設(shè)計(jì)了一種PID控制策略來抑制對系統(tǒng)進(jìn)行主動控制時(shí)APU產(chǎn)生的扭轉(zhuǎn)振動。針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)過程中學(xué)習(xí)率選取過大會導(dǎo)致振蕩的問題，文獻(xiàn)[30]提出一種新的前饋(back propagation, BP)神經(jīng)網(wǎng)絡(luò)PID參數(shù)自適應(yīng)算法。為解決底盤測功機(jī)系統(tǒng)用增量式PID控制易出現(xiàn)積分飽和的問題，文獻(xiàn)[31]提出了一種面向汽車底盤測功機(jī)的BP+RNN(recurrent neural network, 循環(huán)神經(jīng)網(wǎng)絡(luò))變速積分PID控制系統(tǒng)。

Naranjo等[32]提出了一種新的全局誤差函數(shù)，該函數(shù)可使用啟發(fā)式優(yōu)化方法進(jìn)行PID整定，并采用遺傳算法(genetic algorithm, GA)、模因算法(memes algorithm, MA)和網(wǎng)格自適應(yīng)直接搜索(mesh adaptive direct search, MADS)三種黑箱算法進(jìn)行優(yōu)化。

在已知模型下對PID參數(shù)進(jìn)行整定可得到較好的控制效果，用PID進(jìn)行縱向控制在無人駕駛車輛運(yùn)動控制方面應(yīng)用最為廣泛。若模型未知或系統(tǒng)參數(shù)時(shí)變，PID控制參數(shù)整定往往只能結(jié)合經(jīng)驗(yàn)試湊，工作量極大，且不能對外部干擾輸入進(jìn)行針對性、有效性的補(bǔ)償。

2.2 基于模糊理論控制的應(yīng)用

自1965年Zadeh L A創(chuàng)立了模糊集理論[33]和1974年Mamdani E H將模糊邏輯運(yùn)用在對蒸汽發(fā)動機(jī)的壓力和速度的控制以來，模糊控制開始廣泛發(fā)展并成功的轉(zhuǎn)化為量產(chǎn)化適用技術(shù)，尤其是在家用電器中應(yīng)用廣泛。

模糊控制理論的出現(xiàn)標(biāo)志著人工智能發(fā)展到一個(gè)新的階段。對于時(shí)變非線性復(fù)雜系統(tǒng)，如對電控液壓制動(electro-hydraulic brake, EHB)中液壓力的控制，其制動力需實(shí)時(shí)可調(diào)；所以當(dāng)被控對象的清晰數(shù)學(xué)模型無法或很難獲得的情況下可選擇模糊控制器來得到有效的系統(tǒng)響應(yīng)[34]。Zhang等[35]根據(jù)無人駕駛車輛的橫向位置和姿態(tài)角的實(shí)時(shí)偏差，設(shè)計(jì)了一種基于模糊控制算法的反饋控制器來提升橫向控制精度。

基于模糊邏輯，文獻(xiàn)[36]提出一種面向汽車轉(zhuǎn)向、剎車和油門等底層執(zhí)行器的控制模式。為獲得智能車輛主動底盤側(cè)向穩(wěn)定性；文獻(xiàn)[37]提出一種主動前輪轉(zhuǎn)向和附加橫擺力矩的非線性模型預(yù)測控制方法，并采用輪胎側(cè)滑角來表示車輛的橫向穩(wěn)定性，有效地解決了制動器及輪胎-路面力的非線性特性。

文獻(xiàn)[38]基于車輛二自由度單軌動力學(xué)模型，考慮實(shí)際交通場景中的車輛狀況并總結(jié)熟練駕駛員的操作經(jīng)驗(yàn)，利用模糊控制理論設(shè)計(jì)了橫向模糊控制器。單軌動力學(xué)模型如圖8所示。汽車行駛時(shí)輪胎側(cè)偏會影響對運(yùn)動目標(biāo)的實(shí)時(shí)跟蹤，就此問題文獻(xiàn)[39]采用車輛非線性動力學(xué)三自由度汽車模型，設(shè)計(jì)了多級模糊控制目標(biāo)跟蹤算法。

êx、êy分別為x、y方向的單元向量；pf和pr分別為前后輪同路面的接觸點(diǎn)；θ、δ分別為車輛的朝向角和轉(zhuǎn)向盤轉(zhuǎn)角；l為汽車軸距；分別為汽車后、前輪在路面接觸點(diǎn)處的速度

在汽車安全與完整性水平(automotive safety integrity level，ASIL)評估方面，文獻(xiàn)[40]提出了一種數(shù)值量化的方法，該方法還借助模糊控制理論對風(fēng)險(xiǎn)評估步驟進(jìn)行細(xì)分。為減少商用長途汽車司機(jī)的職業(yè)傷害，Taghavifar等[41]建立了6-DOF(6自由度)耦合的人體和座椅懸架系統(tǒng)，并基于一種新的學(xué)習(xí)速率梯度下降的神經(jīng)網(wǎng)絡(luò)逼近器算法和自適應(yīng)間接型模糊神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行耦合，使得控制器收斂于不確定模型的理想?yún)?shù)。

Ma等[42]提出一種可適用各種自動駕駛等級的微觀車輛引導(dǎo)模型，其模型的第一部分是依據(jù)自動化程度的不同來調(diào)整傳統(tǒng)微觀汽車的跟隨模型；第二部分是一個(gè)模糊控制模型，描述了自動駕駛汽車如何依據(jù)乘車人想要達(dá)到的車速來控制加速踏板的角度；并通過模擬數(shù)據(jù)與實(shí)際駕駛員的測試數(shù)據(jù)對比得出該駕駛模型可較準(zhǔn)確地再現(xiàn)參與者的行為。

Huang等[43]提出了一種基于現(xiàn)場可編程門陣列(field programmable gate array，F(xiàn)PGA)的全機(jī)械式自動駕駛輪式車輛的機(jī)電設(shè)計(jì)及實(shí)時(shí)模糊控制與計(jì)算智能優(yōu)化的方法；利用布谷鳥搜索(cuckoo search，CS)的優(yōu)點(diǎn)，提出一種基于進(jìn)化CS的模糊系統(tǒng)——CS-fuzzy，并利用CS的計(jì)算智能對模糊系統(tǒng)結(jié)構(gòu)進(jìn)行優(yōu)化。

模糊理論的本質(zhì)作用就是把不能量化的參數(shù)“量化”它，基于模糊理論的控制算法的建立不依賴于精確的數(shù)學(xué)模型，常用于解決時(shí)變非線性復(fù)雜，系統(tǒng)模型難以獲得的控制問題；由于控制精度難以估量，所以該控制方法不適用于在高速等極限工況下自動駕駛汽車對控制系統(tǒng)高精度的需求。

2.3 其他智能控制技術(shù)的應(yīng)用

智能控制在日常生產(chǎn)生活、科研實(shí)驗(yàn)也應(yīng)用普遍，如用于三高(高風(fēng)險(xiǎn)、高轉(zhuǎn)速、高難度)的直升機(jī)風(fēng)洞動態(tài)實(shí)驗(yàn)[44]。針對質(zhì)子交換膜(proton exchange membrane，PEM)燃料電池自主供氣的特點(diǎn)，文獻(xiàn)[45]研究了包括PID控制、模糊控制、模型預(yù)測控制在內(nèi)的控制邏輯和策略。

行駛在高速工況下的車輛，輪胎有可能發(fā)生駐波現(xiàn)象[46]，針對這一問題，文獻(xiàn)[47-49]分別采用了約束H∞控制方法和魯棒非線性控制方法對轉(zhuǎn)向及制動子系統(tǒng)的協(xié)調(diào)來實(shí)現(xiàn)對汽車的方向穩(wěn)定性和軌跡跟蹤控制。為了提升對無人駕駛車輛橫向運(yùn)動的控制性能，文獻(xiàn)[50]提出一種神經(jīng)網(wǎng)絡(luò)滑膜控制策略。

遷移學(xué)習(xí)[51]是機(jī)器學(xué)習(xí)中最前沿的研究領(lǐng)域，通俗來講就是運(yùn)用已學(xué)到的知識來學(xué)習(xí)新知識，Udacity開源了一個(gè)可從模擬中學(xué)習(xí)的無人駕駛汽車工程教學(xué)模擬器[52]。通過迭代學(xué)習(xí)的思想，借助前一次或幾次的跟蹤誤差來修正系統(tǒng)當(dāng)前迭代次數(shù)的控制輸入來設(shè)計(jì)控制器，是解決一些重復(fù)運(yùn)動系統(tǒng)中跟蹤控制問題的有效方法。文獻(xiàn)[53]基于迭代學(xué)習(xí)設(shè)計(jì)了一種純電動汽車ACC驅(qū)動和制動控制算法。

文獻(xiàn)[54]綜述了海洋機(jī)器人運(yùn)載器中的基于模糊邏輯的制導(dǎo)與控制。針對水下自動潛航器因外界測量噪聲等對路徑跟蹤的干擾，Zendehdel等[55]設(shè)計(jì)了一種監(jiān)督式兩級控制器，即采用反饋線性化技術(shù)進(jìn)行線性化處理，然后描繪出模糊PID跟蹤控制律。Liao等[56]總結(jié)了水面無人車(unmanned surface vehicle，USV)在不同階段的動態(tài)特性，提出一種改進(jìn)型自適應(yīng)模糊PID控制策略來解決USV的控制問題。

3 無人駕駛車輛控制的關(guān)鍵技術(shù)

把智能控制新技術(shù)融入無人駕駛車輛控制系統(tǒng)的決策、執(zhí)行等核心環(huán)節(jié)，以提高系統(tǒng)的安全、節(jié)能、環(huán)保等性能是汽車控制的目標(biāo)[57]。下面就無人駕駛車輛中線控技術(shù)的優(yōu)化、車輛跟蹤精度的控制以及人機(jī)協(xié)同控制三個(gè)關(guān)鍵控制技術(shù)展開論述。

3.1 線控技術(shù)的優(yōu)化

線控底盤好比是駕駛員的手和腳，應(yīng)當(dāng)大力發(fā)展汽車線控技術(shù)[58]，線控油門/轉(zhuǎn)向/制動等技術(shù)的突破將會極大地把汽車向智能化方向推進(jìn)。有關(guān)汽車線控轉(zhuǎn)向技術(shù)的發(fā)展概況及線控轉(zhuǎn)向系統(tǒng)的典型布置方案可參考文獻(xiàn)[59]。

3.1.1 線控轉(zhuǎn)向控制策略

高度電子化和智能化的線控轉(zhuǎn)向(Steering-by-wire，SBW)是轉(zhuǎn)向系統(tǒng)新產(chǎn)物，SBW可根據(jù)不同的行駛工況獲得更有利于駕駛的變角傳動比[60]，相比于傳統(tǒng)機(jī)械式轉(zhuǎn)向系統(tǒng)，SBW的響應(yīng)速度和準(zhǔn)確性都有較大提升，人參與駕駛的程度也進(jìn)一步降低，是實(shí)現(xiàn)無人駕駛的關(guān)鍵技術(shù)[61-62]。SBW的主要結(jié)構(gòu)如圖9所示，其中ECU為電控單元。

圖9 線控轉(zhuǎn)向系統(tǒng)結(jié)構(gòu)[60]

為了提升車輛轉(zhuǎn)向時(shí)的操縱穩(wěn)定性，文獻(xiàn)[63]借助分?jǐn)?shù)階PID理論設(shè)計(jì)了一種SBW主動控制方法。余卓平等[64]針對配備SBW系統(tǒng)的車輛在轉(zhuǎn)向時(shí)對轉(zhuǎn)向輪轉(zhuǎn)角的控制存在非線性和不確定性的問題，設(shè)計(jì)了一種前饋+抗積分飽和的控制方法來獲得理想的輪轉(zhuǎn)角，并借助Lyapunov函數(shù)證明SBW系統(tǒng)的漸進(jìn)穩(wěn)定性。

在自動駕駛線控系統(tǒng)的軟件開發(fā)方面，Arango等[65]介紹了一種基于機(jī)器人操作系統(tǒng)(robot operat-ing system，ROS)的高魯棒性自動駕駛線控系統(tǒng)開發(fā)過程，為自動駕駛電動汽車設(shè)計(jì)了一種開源底盤；該系統(tǒng)由一個(gè)線控轉(zhuǎn)向模塊和一個(gè)線控節(jié)氣門模塊組成，這些模塊允許控制單元通過本地網(wǎng)絡(luò)發(fā)送車輪線速度和曲率的命令來控制車輛。

為提高SBW系統(tǒng)對轉(zhuǎn)向輪轉(zhuǎn)角的跟蹤能力，針對傳統(tǒng)滑?？刂?sliding mode control，SMC)設(shè)計(jì)時(shí)需要預(yù)先獲取系統(tǒng)的擾動量，文獻(xiàn)[66]提出一種自適應(yīng)模糊滑膜控制(adaptive fuzzy sliding mode control, AFSMC)方法，該方法可通過在線模糊自適應(yīng)系統(tǒng)實(shí)時(shí)估計(jì)系統(tǒng)擾動量。文獻(xiàn)[67]針對一種直驅(qū)式SBW系統(tǒng)構(gòu)型，提出基于徑向基神經(jīng)網(wǎng)絡(luò)滑?？刂?radial basis function sliding mode control, RBFSMC)的車輪轉(zhuǎn)角控制方法，即先采用RBF對系統(tǒng)的不確定性和電機(jī)力矩?cái)_動進(jìn)行實(shí)時(shí)估計(jì)，再結(jié)合傳統(tǒng)的SMC設(shè)計(jì)車輪轉(zhuǎn)角控制器以提高轉(zhuǎn)角控制的自適應(yīng)性和穩(wěn)定性。

3.1.2 線控制動控制策略

線控制動(brake-by-wire，BBW)系統(tǒng)[68]，又稱機(jī)電制動系統(tǒng)，可對每個(gè)車輪施加制動力矩。制動作為汽車主動安全性的重要保障，BBW也是智能汽車的關(guān)鍵技術(shù)之一。就EHB系統(tǒng)而言，對制動力控制的關(guān)鍵是對液壓力的精確控制[69]，而液壓力調(diào)節(jié)的關(guān)鍵在液壓力控制算法，控制算法的優(yōu)劣是EHB精確且快速地對液壓力進(jìn)行調(diào)節(jié)及與整車良好匹配的關(guān)鍵所在。

集成式線控液壓制動(integration electro-hydraulic brake, IEHB)也是制動系統(tǒng)的發(fā)展趨勢；但電動主缸的引入增強(qiáng)了系統(tǒng)的非線性，從而致使IEHB對輪缸液壓力的精確控制難以實(shí)現(xiàn)，針對此問題文獻(xiàn)[70]采用非線性魯棒補(bǔ)償RBF網(wǎng)絡(luò)的控制策略對電動主缸進(jìn)行控制。

基于汽車線控技術(shù)發(fā)展而來的EHB系統(tǒng)，其主動制動相比于防抱死制動系統(tǒng)(antilock braking system, ABS)及依靠差動制動來實(shí)現(xiàn)車身穩(wěn)定性控制的電子穩(wěn)定程序(electronic stability program, ESP)具有更強(qiáng)的主動制動能力，非常適合無人駕駛汽車。文獻(xiàn)[71]提出一種串聯(lián)式制動系統(tǒng)，即EHB&ESP協(xié)調(diào)制動，既可保證硬件冗余又可實(shí)現(xiàn)分時(shí)獨(dú)立工作。針對線控制動過程中壓力跟隨精度不高的問題，文獻(xiàn)[72]建立了基于電子穩(wěn)定控制系統(tǒng)(electronic stability controller，ESC)的線控制動模型，并設(shè)計(jì)了一種邏輯門限控制與模糊控制聯(lián)合的復(fù)合控制策略，基于ESC的BBW系統(tǒng)結(jié)構(gòu)如圖10所示。

圖10 線控制動系統(tǒng)結(jié)構(gòu)[72]

為獲得滿意的性能和控制效果，在硬件改進(jìn)方面Wang等[73]設(shè)計(jì)了可安裝在EHB系統(tǒng)上的新型電動助力器來實(shí)現(xiàn)主動制動控制的同時(shí)為制動助力。針對路面自適應(yīng)性和控制器魯棒性問題，文獻(xiàn)[74]以液壓調(diào)控的BBW系統(tǒng)為基礎(chǔ)，提出上層采用計(jì)算機(jī)視覺，下層引入SMC理論的雙層制動系統(tǒng)結(jié)構(gòu)，即下層對路面類型進(jìn)行識別，依據(jù)識別結(jié)果制定當(dāng)前路面的最佳滑移率；下層則針對制動參數(shù)不確定性問題，對制動過程中的最佳滑移率進(jìn)行跟蹤控制。

汽車在制動時(shí)，車內(nèi)乘客的乘坐舒適性也是制動系統(tǒng)設(shè)計(jì)所要考慮的因素，在未來的智能車輛中尤其體現(xiàn)。針對配備了BBW系統(tǒng)的車輛，文獻(xiàn)[75]提出一套完整的控制方案來保證車輛制動時(shí)車內(nèi)乘客的乘坐舒適性。有關(guān)智能互聯(lián)電動汽車(electric vehicles, EVs)BBW系統(tǒng)發(fā)展趨勢和關(guān)鍵技術(shù)可參考文獻(xiàn)[76]。

在線控系統(tǒng)魯棒性能夠得到保障的前提下，優(yōu)化線控系統(tǒng)的自適應(yīng)性，線控技術(shù)替代純機(jī)械控制將極大地提升傳統(tǒng)車輛的自動化程度。

3.2 控制精度優(yōu)化

無人駕駛車輛的運(yùn)動控制問題可分為路徑跟蹤&軌跡跟蹤控制，兩者的區(qū)別在于路徑跟蹤中的參考路徑與時(shí)間參數(shù)無關(guān)，而軌跡跟蹤中的參考軌跡是依賴于時(shí)間參數(shù)的函數(shù)。熊璐等[77]分別從縱向運(yùn)動控制、路徑跟蹤及軌跡跟蹤控制三個(gè)方面論述了無人駕駛車輛的運(yùn)動控制所用的方法。下面主要針對路徑&軌跡跟蹤控制的精度問題對現(xiàn)有的解決方法做較為詳細(xì)的論述。

作為無人駕駛車輛運(yùn)動控制的核心[78]，路徑跟蹤控制基本目的是使車輛可沿著事先規(guī)劃好的路徑安全抵達(dá)路徑終點(diǎn)；即通過控制車輛的縱向車速及轉(zhuǎn)向輪轉(zhuǎn)角來跟蹤目標(biāo)路徑，在保證車輛穩(wěn)定行駛的基礎(chǔ)上使車輛與目標(biāo)路徑之間的橫向距離及方向偏差最小化[79-81]。

以基于幾何學(xué)模型的純追蹤算法(pure tracking)為例，其為依據(jù)前視距離來計(jì)算期望轉(zhuǎn)向角的橫向控制算法[82]，基本原理是控制車輛的轉(zhuǎn)向半徑R，使車輛后軸中心控制點(diǎn)沿圓弧達(dá)到前視距離為L的參考目標(biāo)點(diǎn)，然后基于Ackerman轉(zhuǎn)向模型計(jì)算得到控制所需前輪轉(zhuǎn)向角δf。圖11為純追蹤控制器的幾何模型，藍(lán)色的圓為適合后輪運(yùn)動的軌跡，棕色的為參考路徑，綠色的弦長是向前看的距離L。

圖11 純追蹤控制器幾何模型[82]

依據(jù)幾何關(guān)系：

(2)

可得車輛的轉(zhuǎn)向半徑R和轉(zhuǎn)向曲率ρ分別為

(3)

(4)

基于Ackerman轉(zhuǎn)向和需求轉(zhuǎn)向半徑R可得橫向控制核心參數(shù)、前輪轉(zhuǎn)角δf的控制律為

(5)

式中：l為汽車軸距；α為車輛中心平面與前視矢量的夾角。

基于幾何學(xué)模型的純追蹤算法簡單實(shí)用，但未考慮車輛的動力學(xué)特性和轉(zhuǎn)向執(zhí)行器的動態(tài)特性，系統(tǒng)模型與高速工況下的實(shí)際車輛特性相差較大，跟蹤精度難以保證，所以純追蹤算法適用于低速和小側(cè)向加速度下的跟蹤控制，如自動泊車系統(tǒng)中對車輛的橫向控制[83]等。

陳龍等[84]就極限工況下的跟蹤控制精度和穩(wěn)定性皆得不到保證的問題，提出可對橫&縱向穩(wěn)定性進(jìn)行協(xié)調(diào)控制的方法。劉凱等[85]就高速行駛工況下車輛路徑規(guī)劃與跟蹤控制問題運(yùn)用模型預(yù)測控制(model predictive control，MPC)來求解最優(yōu)控制軌跡及跟蹤控制序列來保證精度，但受限于車載芯片的算力，求解難以保證實(shí)時(shí)性。高速行駛在低附著系數(shù)且復(fù)雜的路面時(shí)，為了保證車輛的跟蹤精度和行駛穩(wěn)定性，文獻(xiàn)[85]加入側(cè)偏角軟約束來保證精度。

針對自動駕駛車輛跟蹤精度與行駛穩(wěn)定性之間互相矛盾的問題，文獻(xiàn)[86]在MPC路徑跟蹤控制理論的基礎(chǔ)上進(jìn)行優(yōu)化，依據(jù)駕駛員的經(jīng)驗(yàn)來設(shè)計(jì)模糊控制器，使控制器中成本函數(shù)的權(quán)重系數(shù)可根據(jù)跟蹤偏差和道路曲率的變化來自行調(diào)整。文獻(xiàn)[87-88]分別提出帶避撞約束方程的換道軌跡模型和基于行人軌跡預(yù)測的主動避撞算法；而針對無人駕駛車輛避撞時(shí)容易出現(xiàn)控制精度低、實(shí)時(shí)性差等問題，Cao等[89]研究了一種考慮轉(zhuǎn)彎特性的無人駕駛汽車軌跡跟蹤控制算法。

文獻(xiàn)[90]提出一種SBW執(zhí)行層基于PID控制的路徑跟蹤控制策略來提升在線控轉(zhuǎn)向系統(tǒng)控制下的橫向跟蹤精度，邏輯框圖如圖12所示。SBW執(zhí)行層在執(zhí)行決策規(guī)劃系統(tǒng)下達(dá)的指令時(shí)，由于車輛在運(yùn)動過程中模型的不確定性、感知誤差、障礙物及交通環(huán)境中其他不確定性與隨機(jī)性而產(chǎn)生跟蹤誤差，就此問題，文獻(xiàn)[91]重點(diǎn)研究了閉環(huán)控制系統(tǒng)的魯棒性和穩(wěn)定性以提升系統(tǒng)的控制精度。

u為車輛沿x軸方向的速度；β為車輛質(zhì)心側(cè)偏角；Δf為側(cè)向偏差；wr為車輛橫擺角速度；tp為時(shí)間；為理想前輪轉(zhuǎn)角；為理想方向盤轉(zhuǎn)角；方向盤轉(zhuǎn)角的穩(wěn)態(tài)增益；K為車輛穩(wěn)定性系數(shù)；I為方向盤轉(zhuǎn)角與前輪轉(zhuǎn)角的比值；L為汽車軸距；Yb為修正系數(shù)；Tlz、Trz分別為左右輪回正力矩；Tm為轉(zhuǎn)向執(zhí)行點(diǎn)擊電磁轉(zhuǎn)矩；θm為轉(zhuǎn)向執(zhí)行電機(jī)轉(zhuǎn)角；U為轉(zhuǎn)向執(zhí)行電機(jī)兩端電壓

以獨(dú)立驅(qū)動電動汽車(independently drive electric vehicles, IDEV)的特性為基礎(chǔ)，Guo等[92]基于分層策略來提升跟蹤精度，即上層控制器采用MPC來跟蹤目標(biāo)軌跡，中層控制器采用模糊理論優(yōu)化PI控制器參數(shù)，并基于SMC產(chǎn)生附加的偏航控制力矩，下層控制器根據(jù)車輪的穩(wěn)定性和附著情況將扭矩分配給各個(gè)車輪，但隨著算法復(fù)雜度的增加，控制參數(shù)的實(shí)時(shí)性難以得到保證。文獻(xiàn)[93]設(shè)計(jì)了低速工況下采用PID，高速工況下采用MPC的方法來對路徑進(jìn)行跟蹤控制的混合控制策略。

針對隨機(jī)網(wǎng)絡(luò)延遲嚴(yán)重降低車輛控制系統(tǒng)穩(wěn)定性和軌跡跟蹤精度的問題，文獻(xiàn)[94]基于MPC的多目標(biāo)ACC算法，提出一種在線快速計(jì)算解決方案，但對芯片的算力要求較高。中國科技大學(xué)建立了自己的智能小車自動駕駛系統(tǒng)Sonic，并針對自動駕駛的實(shí)時(shí)性問題，提出一種新的計(jì)算優(yōu)化框架MPInfer[95]?？紤]因隨機(jī)網(wǎng)絡(luò)延遲而引起的轉(zhuǎn)向角振蕩，Luan等[96]綜合考慮控制系統(tǒng)精度、魯棒性和MPC滾動優(yōu)化中的計(jì)算效率，提出面向不確定模型的UM-AMPC(自適應(yīng)模型預(yù)測控制)算法，借助硬件在環(huán)仿真證明了該算法能有效保證隨機(jī)網(wǎng)絡(luò)延遲時(shí)系統(tǒng)的穩(wěn)定性及跟蹤精度。

在自動泊車技術(shù)方面，針對當(dāng)前泊車算法的遲滯性和精度達(dá)不到期望值的問題，文獻(xiàn)[97]設(shè)計(jì)了一種基于駕駛員經(jīng)驗(yàn)的自動泊車規(guī)劃算法；而文獻(xiàn)[98]則針對低速泊車時(shí)車速不穩(wěn)定使得路徑跟蹤精度不高的問題，提出一種反演滑模自適應(yīng)控制策略。為提高車輛智能循跡控制精度；文獻(xiàn)[99]提出一種模糊神經(jīng)網(wǎng)絡(luò)控制(fuzzy neural network control, FNNC)+神經(jīng)網(wǎng)絡(luò)預(yù)測(neural network prediction, NNP)的策略。文獻(xiàn)[100]則設(shè)計(jì)了可避免傳統(tǒng)反步法中“微分爆炸”現(xiàn)象的一種自適應(yīng)神經(jīng)網(wǎng)絡(luò)動態(tài)面控制算法。

3.3 人機(jī)協(xié)同控制

自動駕駛是一項(xiàng)典型的“智能”技術(shù)，但它非天生聰明[101]。文獻(xiàn)[102]提出必須保持對自動駕駛汽車的控制，自動駕駛不是，也不應(yīng)該沒有人類操作員。如何協(xié)調(diào)人機(jī)混合駕駛決策自動控制系統(tǒng)和人類駕駛員的權(quán)重，即實(shí)現(xiàn)人機(jī)協(xié)同共駕；胡云峰等[103]對智能汽車人機(jī)協(xié)同控制作出6個(gè)展望。

隨著5G通信基礎(chǔ)設(shè)施的布局，車聯(lián)萬物V2X(vehicle to everything)的概念轉(zhuǎn)化現(xiàn)實(shí)成為可能。車-車互聯(lián)V2V(vehicle to vehicle)，車與基礎(chǔ)設(shè)施互聯(lián)V2I(vehicle to infrastructure)，車與行人互聯(lián)V2P(vehicle to pedestrian)等也是當(dāng)前智能車路系統(tǒng)領(lǐng)域的熱門研究方向。文獻(xiàn)[104]應(yīng)用反步法(Backstepping)和Lyapunov(李雅普諾夫)穩(wěn)定性理論設(shè)計(jì)了一種可對匯入車隊(duì)的無人駕駛車輛的行駛軌跡進(jìn)行跟蹤的控制器，并分析了多車協(xié)同狀態(tài)的穩(wěn)定性。文獻(xiàn)[105]就共享智能汽車的技術(shù)、法律和管理等提出集車輛、技術(shù)、出行“三位一體”的合作模式。文獻(xiàn)[106]提出“五位一體”新一代智慧公路發(fā)展概念。

4 結(jié)論與展望

概述了無人駕駛車輛智能控制技術(shù)的發(fā)展現(xiàn)狀，得到如下結(jié)論與展望。

(1)通過文獻(xiàn)可視化分析可知，國內(nèi)對無人駕駛車輛控制技術(shù)的研究始于2014年，而國外則始于2009年；國內(nèi)對無人駕駛車輛控制硬件的基礎(chǔ)研究較為薄弱，主要是集中在對控制算法的模擬仿真，對實(shí)車的測試也較少。

(2)針對基于精確數(shù)學(xué)模型構(gòu)建的控制算法復(fù)雜，計(jì)算量大，導(dǎo)致難以保證控制實(shí)時(shí)性，而依據(jù)簡單數(shù)學(xué)模型構(gòu)建的算法又難以適應(yīng)高精度控制需求的問題，可借助深度學(xué)習(xí)來訓(xùn)練模型，以尋求最優(yōu)控制策略，即可簡化控制模型又可提升控制精度。

(3)線控技術(shù)是高度電子化和智能化的產(chǎn)物，也是實(shí)現(xiàn)L5級自動駕駛的關(guān)鍵技術(shù)；線控制動為線控技術(shù)中的難點(diǎn)，由于汽車的制動是一種強(qiáng)非線性過程，如何在制動能力冗余的同時(shí)保證制動系統(tǒng)的穩(wěn)定性，及優(yōu)化制動控制策略等需要進(jìn)一步研究。

(4)開展包含極限工況在內(nèi)的全工況車輛路徑跟蹤控制精度與穩(wěn)定性研究迫在眉睫；借助5G技術(shù)，應(yīng)用非線性控制理論與算法簡化構(gòu)建閉環(huán)智能控制理論是實(shí)現(xiàn)精確控制的一個(gè)可行方法。

(5)在人車協(xié)同、車車協(xié)同方面可借助遷移學(xué)習(xí)等機(jī)器學(xué)習(xí)算法來優(yōu)化駕駛環(huán)境，在車路協(xié)同方面可用磁流變材料等新型智能材料來優(yōu)化無人駕駛車輛的行駛環(huán)境。