厚势按:本文为清华大学汽车工程系郭景华博士后、李克强教授、罗禹贡博士发表在 2016 年第 2 期《汽车安全与节能学报》上发表的关于自动驾驶汽车运动控制的综述论文。
在昨天推送的文章《同济汽车余卓平教授:无人车运动规划算法综述》中,主要讲述自动驾驶汽车生成运动轨迹的算法,今天推送的文章将介绍轨迹生成之后,如何对轨迹进行跟踪控制的算法,两者具有逻辑上的连贯性。
「轨迹跟踪控制」是指以车辆姿态作为控制输入,实际轨迹作为状态变量,期望轨迹(通过算法生成)作为参考状态,跟踪车辆轨迹,规划模块输出的行驶轨迹,包括位置、航向和速度。
智能车辆是车辆工程领域的研究前沿和未来汽车工业发展的新方向,其智能化集中体现在智能安全驾驶方面。严峻的交通安全、能源浪费和环境污染等问题,使得智能车辆作为智能交通系统的一个重要组成部分日益受到重视。
横向控制主要研究智能车辆的路径跟踪能力,即如何控制车辆沿规划的路径行驶,并保证车辆的行驶安全性、平稳性与乘坐舒适性;
纵向控制主要研究智能车辆的速度跟踪能力,控制车辆按照预定的速度巡航或与前方动态目标保持一定的距离。
1. 智能车辆横向运动控制
1.2 横向运动控制方法
国内外研究学者分别针对基于非预瞄及预瞄横向动力学系统的控制问题,采用现代控制及非线性控制等理论和方法来处理,现对当前横向控制方法进行分析。
(1) 经典控制方法
2004 年,日产公司为实现速度连续变化工况下车辆平稳光滑地跟踪参考路径这一控制目标 [2],采用经典比例积分微分(Proportion Integration Differentiation,PID)方法构建了横向前馈及反馈控制器,解决了智能交通环境下智能车辆横向运动控制的实时性问题。
针对 DARPA 智能车挑战赛行驶区域为崎岖不平的非结构化道路 [3],2005 年,文献 [4] 构建了由基于前方路径曲率的前馈控制和 PID 反馈控制器叠加组合的横向复合式控制系统。斯坦福大学 Sebastian Thrun 以 Stanley 智能车为研究对象,构建了一种非线性 PID 控制器,将前轮转角控制量表示成横向偏差的非线性函数,该非线性 PID 控制器可使偏差迅速有界收敛。
2006 年,法国 Netto 针对大曲率路径工况下车辆横向路径跟踪问题,提出了基于最优路径检测数据的状态反馈 PID 控制策略 [5],增强了横向控制系统对路径曲率变化的鲁棒性。
(2) 最优控制方法
(3) H∞鲁棒控制方法
2005 年,在美国 PATH 项目中,Huang J. 等针对智能车后轮传感器失效工况下车辆横向控制问题进行了研究,分析了后轮传感器失效对系统的影响,并视失效工况下横向系统为线性时变系统,提出车辆横向状态反馈线性化控制算法 [1],考虑到状态反馈线性化方法容易导致内动态子系统的弱阻尼性,构建了用于反馈线性化的 H∞ 非匹配估计器,可增强横向运动系统的稳定性。
2003 年,R.Rajamani 等以后轮驱动-前轮转向智能车为研究对象,针对车辆相对于参考路径的非线性几何模型 [12],提出了基于预瞄的车辆横向输入输出反馈线性化控制方法,实验结果表明,基于预瞄的横向控制策略可有效提高系统的跟踪性能。
国防科技大学贺汉根建立了车辆运动学和动力学相结合的非线性路径跟踪控制模型,提出轨迹跟踪反馈线性化控制方法 [13],并对控制输出量的物理取值范围进行限制。
2007 年,意大利 P.Falcone 等针对智能车辆主动转向控制问题,提出了横向模型预测控制方法 [20],车辆行驶轨迹的预测模型由三自由度整车模型和非线性轮胎模型构成。为了有效解决非线性模型预测控制方法的实时性问题,作者构建了次优线性时变模型预测控制方法,即用线性时变模型来预测车辆行驶轨迹,可减低预测控制方法的计算复杂度,提高控制系统的实时性。
2014 年,文献 [21] 提出基于线性时变预测模型的车辆横向自适应模型预测控制方法,实现了车辆横向车道保持的功能。仿真测试表明,该控制方法在不同道路曲率和纵向速度变化工况下可有效减低横向位置的偏差和实现较好的车道保持性能。
(8) 模糊控制方法
2015 年, 文献 [24] 构建了车辆横向 Type-2 模糊逻辑控制系统,采用滑模自适应算法实时调节模糊逻辑的控制规则。
意大利帕尔玛大学 A. Broggi 等针对基于视觉导航的智能车辆横向运动控制问题,提出了基于准 G2 样条的路径规划算法,通过单目视觉获取车辆与期望路径的相对位置偏差,设计了以偏差信息为输入量的增益调度控制器 [25]。
西班牙 M. Sotelo 等建立了智能车辆 Ackerman 运动学模型,提出了基于链式系统理论的横向非线性控制器 [26],通过样车测试分析了该控制系统的有效性和稳定性。
此外,2010 年,法国 N.M. Enache 等构建了基于混杂理论的车辆横向控制算法 [27],所提出的方法综合了线性矩阵不等式、多面体不变集和复合 Lyapunov 函数等各种技术的优点,确保横向控制系统混杂切换过程中车辆状态有界收敛。
2014 年,文献 [28] 采用参数空间法研究横向轨迹跟踪控制策略,并构建了干扰观测器,从而提高对车辆参数变化的鲁棒控制。
2. 智能车辆纵向运动控制
纵向运动控制指通过某种控制策略调节车辆的纵向运动状态,实现车辆纵向距离保持或自动加减速的功能。按照实现方式可分为直接式结构控制和分层式结构控制,现对这2种纵向控制方法进行分析。
2.1 基于直接式结构的纵向控制
图 4 直接式控制结构
直接式控制结构由一个纵向控制器给出所有子系统的控制输入,如图 4 所示。
2.2 基于分层式结构的纵向控制
图 5 直接式结构的纵向控制
3. 智能车辆横纵向综合控制
针对智能车辆横纵向动力学间的耦合、关联特性,部分学者尝试采用横纵向运动综合控制。对于智能车辆纵横向综合控制的研究工作,目前大多局限于理论分析。
从控制结构上讲,智能车辆横纵向运动综合控制分为分解式控制和集中式控制。
3.1 分解式协调控制
3.2 集中式协调控制
4. 运动控制技术发展趋势
综上所述,智能车辆的运动控制技术取得了令人瞩目的进展。然而,由于车辆纵横向动力学机理复杂及多性能目标相互耦合,且先进通信技术在智能车辆上的广泛应用,使得其运动控制技术产生了新的挑战。因此,智能车辆运动控制研究中还存在许多重要且尚未解决的问题需要我们去探索和认知。
随机不确定性及时滞工况下智能车辆纵横向运动协同控制方法
如何掌握智能车辆高度网络化和集成化固有的随机不确定及时滞等特征对车辆运动控制系统的作用规律;
如何构建随机不确定性及时滞干扰下智能车辆纵横向协同控制方法,实现车辆纵横向动力学的实时动态协调。
结论
智能车辆的研究和发展将给汽车工业带来革命性变化。运动控制技术作为智能车辆的关键环节,仍将是研究热点。
本文介绍了智能车辆横向、纵向及横纵向综合运动控制的研究现状,提出智能车辆运动控制未来发展的三大方向,分别为:
随机不确定性及时滞工况下智能车辆纵横向运动协同控制;
智能车辆运动控制的多性能目标全局优化技术;
车联网环境下智能车辆协作式控制理论和方法。
参考文献
作者简介
联系客服