自動駕駛車輛彎道隊列橫縱向協(xié)同控制策略研究

胡廣地職稱：教授單位：西南交通大學(xué)CONTENTS1.緒論2.車輛動力學(xué)建模3.橫縱向耦合路徑跟蹤4.基于滑模的隊列控制5.基于決策的橫縱向協(xié)同隊列控制6.仿真結(jié)果與分析4交通系統(tǒng)現(xiàn)存的問題汽車數(shù)量的增加使全國交通事故量激增，人們駕車時的安全性受到很大威脅。由于人類的駕駛能力有限，駕駛員在駕駛車輛過程中存在反應(yīng)延時長、長時間駕駛會產(chǎn)生疲勞等問題。急劇增長的汽車數(shù)量給現(xiàn)有交通基礎(chǔ)設(shè)施帶來了沉重負擔(dān)，使交通堵塞問現(xiàn)有車輛安全控制技術(shù)通常只針對自車安全性提高，無法對整個交通系統(tǒng)5研究背景智能交通系統(tǒng)智能交通系統(tǒng)智能交通系統(tǒng)是一種融合了先進信息、傳感、準等優(yōu)勢的智能化交通網(wǎng)絡(luò)管理系統(tǒng)。它能夠相比于傳統(tǒng)交通管理方式具備高效、實時、精將交通環(huán)境中的三大主體“人-車-路”組合成準等優(yōu)勢的智能化交通網(wǎng)絡(luò)管理系統(tǒng)。它能夠相比于傳統(tǒng)交通管理方式具備高效、實時、精將交通環(huán)境中的三大主體“人-車-路”組合成一個整體，為全方位解決交通安全和擁堵問題特斯拉ModelXP7極狐阿爾法S6研究背景隊列控制隊列控制是一種典型分布式協(xié)同運動控制方法。在此控制中，間距、車速等，自動調(diào)整本車的橫縱向運動狀態(tài)，以達到車輛隊列中國首次大規(guī)模商用車列隊跟馳試驗長中國首次大規(guī)模商用車列隊跟馳試驗7當(dāng)前車輛隊列控制研究存在的主要問題使用的車輛控制模型較為簡單，忽略車輛本身的動力學(xué)特性。但是實際車輛是一個十分復(fù)雜的系統(tǒng)，僅運動學(xué)模型并不能反映車輛本身的動力學(xué)特性，基于簡單模型到實際車輛中。隊列車間距策略未考慮不同車輛差異。距的要求，但不同車輛剎車距離有較大差異時無法保證安全。較少在彎曲道路下對車輛隊列進行協(xié)同控制。當(dāng)前研究大多基于單一直線道路，而真實道路卻非如此。在實際中，道路結(jié)構(gòu)復(fù)雜，道路可能既包含直線道路又包含彎曲8研究內(nèi)容模(Fxf=Flfcos6?Fcfsin6Fyf=Flfsin6+(Fxf=Flfcos6?Fcfsin6Fyf=Flfsin6+Fcfcos6〈(Fcf=CafafFcr=CararFlf=ades|cos6+dFlr=ades圖2.1車輛模型根據(jù)橫擺動力學(xué)分析車輛x、y根據(jù)橫擺動力學(xué)分析(Fxf=Flfcos6?Fcfsin6Fyf=Flfsin6+Fcfcos6〈輪胎力建模Fbmg?mhaxbmg?mh(v.x?vyv.)zf=a+b=a+bFamg+mhaxamg+mh(v.x?vyv.)zr=a+b=a+b車輛動力學(xué)建模車輛跟蹤誤差方程evxevy|全局坐標系下車速與車身坐標系下車速的轉(zhuǎn)換公式nvvycosv|lX.=vxcosv?vysinv由于自動駕駛車輛在高速時對控制量的實時性要求比較嚴格，非線性模型預(yù)測控制難以滿足，故本文采用線性時變模型預(yù)測控制，對該模型線性化可得狀態(tài)空間表達式如下：T0「0]T0「0]xvxvyv.vyv.e1e2e200100vx-vxL000100」模型驗證搭建Trucksim/MATLAB聯(lián)合仿真平臺圖2.3車輛模型圖圖2.3車輛模型Trucksim整車模型結(jié)構(gòu)模型驗證仿真試驗?zāi)Ｐ万炞C圖所示： 縱向耦合路徑跟蹤模型預(yù)測控制理論基礎(chǔ)基本思想是利用已有的模型、系統(tǒng)當(dāng)前的狀態(tài)和未來的控制量去預(yù)測系統(tǒng)未來的輸出，通過滾動地求解帶約束優(yōu)化問題來實現(xiàn)控制目標，具有預(yù)測模型、滾動優(yōu)化和反饋校正三個特點。預(yù)測模型模型預(yù)測控制的基礎(chǔ)，它能夠通過控制系統(tǒng)預(yù)測模型上未來的控滾動優(yōu)化采樣時刻，優(yōu)化性能指標只涉及從該時刻起到未滾動優(yōu)化的時間，而到下一個采樣時刻，這一優(yōu)化時段會時刻起有反饋校正斷的用實際輸出去校正預(yù)測輸出，使得滾動優(yōu)化反饋校正基于模型，而且利用反饋信息，從而構(gòu)成閉環(huán)優(yōu)化圖3.1模型預(yù)測控制原理模型預(yù)測控制理論基礎(chǔ)控制原理：在k時刻，可以得到被控系統(tǒng)的測量值即輸出量y(k),基于已有的預(yù)測模型，可以計算出被控系統(tǒng)未來的一段時間內(nèi)的輸出，模型預(yù)測控制的目標是希望尋找到最佳的控制輸入使得預(yù)測的系統(tǒng)輸出與期望的系統(tǒng)輸出越接近越好，通過求解滿足目標函數(shù)以及各種約束的優(yōu)化問題，可以得到控制時域內(nèi)的一系列控制序列。合問題車輛在真實的運動過程中，橫向運動和縱向運動是同時存在的，兩者存在高度的耦合關(guān)系。然而目前自動駕駛汽車軌跡跟蹤算法常將橫向運動和縱向運動解耦控制，從而導(dǎo)致系統(tǒng)實際應(yīng)用過程中存在轉(zhuǎn)化效率過低等問題，且在不確定性較大的交通場景中，其可靠性和安全性仍有待提高?？刂坡窂礁櫛狙芯坎捎脵M縱向耦合控制，控制車輛進行軌跡跟蹤。鑒于橫縱向耦合的車輛跟蹤軌跡的過程是一個非線性的多變量耦合問題，傳統(tǒng)的控制方法較難實現(xiàn)對軌跡的跟蹤問題。而模型預(yù)測控制算法有其天然的多變量模型約束處理優(yōu)勢，故本研究采用模型預(yù)測控制進行軌跡跟蹤。圖3.1模型預(yù)測控制原理模型預(yù)測控制器設(shè)計利用一階差商的方法對線性化的車輛動力學(xué)模型進行離散化處理，進而可得用于離散線性時變模型預(yù)測控制的離散狀態(tài)空間表達式：(x(k+1)=Ax(k)+Bu(k)+Dd(k) 「010000]以控制增量為控制量的狀態(tài)方程如下：|以控制增量為控制量的狀態(tài)方程如下：AB]「B]「D]圖3.1模型預(yù)測控制原理模型預(yù)測控制器設(shè)計根據(jù)模型最終所得的狀態(tài)空間方程和輸出方程，對模型進行預(yù)測，可推導(dǎo)出系統(tǒng)在k時刻的預(yù)測輸出表達式為：「n(k+1|k)]|nY「d(k+1|k)]|dd|~~~ 2...NP?1|~~~「Au(k)]2Au(k+1|k)...AU=Au(k2|k)個=NC?1Au(k+Nc?1|k)Nc*1NC0CB~CB~~~CAB0~~~~~CAD00CB~~CB00~~...0]|~~~~~............CAB...00...00]|........................0...00...CADCD~~...CADCDC?1..NP*NP20車輛本身執(zhí)行機構(gòu)約束5mΤs2≥a≥?8mΤs20.2mΤs3車輛本身執(zhí)行機構(gòu)約束5mΤs2≥a≥?8mΤs20.2mΤs3≥≥?0.2mΤs3道路幾何形狀約束vmax=20deg≥6≥?20deg模型預(yù)測控制器設(shè)計目標函數(shù)的設(shè)立是要能夠保證智能汽車快速平穩(wěn)的追蹤期望的軌跡，因此，需要同時考慮系統(tǒng)動態(tài)量的偏差和控制量變化情況對系統(tǒng)的影響。系統(tǒng)的約束為縱向加速度及其變化率、前輪轉(zhuǎn)角及其變化率。NpNC(UminU(k+i)Umax,i=0,1,...Nc?1〈UminU(k+i)Umax,,i=0,1,...Nc?1yrefQR輸出量、控制增量和控制量權(quán)重系數(shù)矩陣。vx?vxr=0ed?0=0ep?0=0模型預(yù)測控制器設(shè)計JminJ?ukNp2J1=?刀k+i?k?刀refk+iQQ2Np=?vxk+i?k?vxrk+i2Q1Np+?edk+i?k?02Q2Np2+?epk+i?k?0Q32+i)2QQ+σ1Δu(k+i?k)2RR+pe2制量要求系統(tǒng)對控制增量平穩(wěn)變化的要求。分別表示為在預(yù)測時域Np內(nèi)跟隨車輛與參考車分別表示為在預(yù)測時域Np內(nèi)跟隨車輛與參考車速的速度誤差、與參考道路中心的橫向位置誤差、橫擺角誤差，反映了系統(tǒng)對參考量的跟蹤跟蹤參考量要求2122模型預(yù)測控制器設(shè)計將MPC問題轉(zhuǎn)化為標準二次型規(guī)劃問題：Tmin△UT△U2「DK]「Umax?Ut]Umax「100...0]110...0(Umin三U(k+i)三Umax,i=0,1,...Nc?1仿真驗證及分析跡23仿真驗證及分析24對比置對比對比基于滑模的隊列控制隊列控制基礎(chǔ)26撲拓撲撲27通信拓撲選擇現(xiàn)如今，由于無線通信技術(shù)的發(fā)展，如基于IEEE802.11p的DSRC和新興的5G解決方案，隊列內(nèi)的車輛不僅可以獲取鄰近車輛的信息，也能與周圍環(huán)境以外的車輛通信，因此出現(xiàn)了多種可行的通信拓撲結(jié)構(gòu)。本研究的車隊采用如圖4-1所示的車輛通信策略，由于車輛期望的縱向加速度與車距控制是在整個車輛隊列中同時進行的，所以每輛車都能夠同步的獲得領(lǐng)航車與自車周圍其他車。28間距策略選擇SSS動的安全距離示意圖2理想車距差值6n(t)定義為：(t)=Sn(t)-Ssafe(2na(n)maxn29滑模控制原理對非線性系統(tǒng)：X.=fX,u,t選擇一個系統(tǒng)在有限時間內(nèi)可以到達并維持在其上運動的子流形，即滑模面s(x)，求取一個可以強迫系統(tǒng)進入滑動模態(tài)的控制律：uX,siXuX,siX意圖隊列控制考慮n+1輛車組成的級聯(lián)系統(tǒng)，箭頭表示汽車行進方向，虛線代表車輛間無線傳輸交流，第i?1輛車可以通過無線傳輸發(fā)送它的狀態(tài)信息，如車輛的位置、速度、加速度等信息給它的后車即第i輛車。期望間距Ssafe(t)由車間距策略確定：第i輛車的理想車距差值：要保證車輛隊列按最小車距行駛的同時又要保證避免發(fā)生碰撞事故，車輛隊列協(xié)同避撞控30制模型的控制目標是6i→0。即理想車距差值等于零，這是最理想的控制效果。30隊列控制參考滑?？刂圃O(shè)計規(guī)則，為保證車輛隊列始終大于安全車距行駛，定義期望加速度值的選取滑模面如下：將理想車距差值計算公式代入上式可以得出：選擇等速趨近率，如以下公式所示：進而可得在保證安全車距的情況下第n輛車理想的縱向加速度：滑?？刂剖疽鈭D滑模控制示意圖即根據(jù)滑?？刂评碚撚嬎愕睦硐肟v向加速度為:()nt()基于決策的橫縱向協(xié)同隊列控制橫縱向協(xié)同隊列控制為實現(xiàn)彎道下的智能車輛隊列行駛，并使車隊在彎道場景下以更安全的車速通過。將前文設(shè)計的單車橫縱向耦合控制器和隊列控制器結(jié)合在一起，設(shè)計成一個隊列控制與單車橫縱向耦合控制的車隊協(xié)同控制器。通過提出一個決策模塊，該決策模塊利用隊列控制器輸出的加速度用于調(diào)節(jié)橫縱向控制器的耦合加速度，在保證車輛能夠根據(jù)道路彎曲情況進行自我循跡的同時，實現(xiàn)對車隊中車與車之間車距，車速的控制。圖5.1協(xié)同控制策略框圖33橫縱向協(xié)同隊列控制決策模塊以車隊安全行駛為原則，根據(jù)車隊車輛的車速，決策根據(jù)車速和車距計算車隊行駛加速度的滑模隊列控制器如何去調(diào)節(jié)車輛橫縱向耦合控制的耦合加速度，進而實現(xiàn)車輛對車速和車距的控制。 1