基于神经工效学的智能车辆横向控制模型研究

doi:10.19562/j.chinasae.qcgc.2021.07.013

摘要/Abstract

摘要：

现有的驾驶人模型，在揭示驾驶人的驾驶机理上，或单独从驾驶人认知角度出发，或单独从控制角度出发，缺乏一个将驾驶人的认知过程和控制原理有机地结合起来的系统模型。鉴于此，本文中在神经工效学认知体系架构的基础上融合了模型预测控制算法（MPC）以及手臂肌肉模型，建立了一种基于神经工效学的车辆横向控制模型。模型采用了CarSim/Simulink联合仿真和基于dSPACE/驾驶模拟器硬件在环的方法进行验证。结果表明：基于神经工效学的车辆横向控制模型的轨迹跟踪精度优于MPC算法。同时，在控制转向盘转角、横摆角和横向加速度波动幅度等方面也较MPC算法有一定的提升。

关键词: 横向控制模型, 神经工效学, 模型预测控制, 硬件在环

Abstract:

In the process of revealing the driving mechanism of the driver， some of the existing driver models are from the perspective of driver cognition alone and the other from the perspective of control alone， so there is a lack of a system model that organically combines the driver’s cognitive process and control principle. In order to solve the above problems， a vehicle lateral control model based on neuro?ergonomics is established by integrating model predictive control （MPC） algorithm and arm muscle model based on neuro?ergonomics cognitive architecture. The model is verified by test using the CarSim/Simulink co?simulation and dSPACE/driving simulator hardware in the loop. The results show that the trajectory tracking accuracy of the vehicle lateral control model based on neuro?ergonomics is better than that of the MPC algorithm. Additionally， the control of steering wheel angle， yaw angle and lateral acceleration fluctuation amplitude is also improved compared with MPC algorithm.

Key words: lateral control model, neuro?ergonomics, model predictive control, hardware in the loop

郭应时,张洪加,付锐,王畅. 基于神经工效学的智能车辆横向控制模型研究[J]. 汽车工程, 2021, 43(7): 1057-1065.

Yingshi Guo,Hongjia Zhang,Rui Fu,Chang Wang. Research on Intelligent Vehicle Lateral Control Model Based on Neuro⁃Ergonomics[J]. Automotive Engineering, 2021, 43(7): 1057-1065.

图/表 11

图 1

图 2

图 3

图 4

表 1

车辆动力学模型参数"

动力学模型参数	符号	数值
整车质量/kg	$m$	1 723
绕Z轴转动惯量/（kg·m²）	$I z$	4 175
质心至前轴的距离/m	$a$	1.232
质心至后轴的距离/m	$b$	1.468
前轮胎的侧偏刚度/（N·rad^-1）	$C c f$	66 900
后轮胎的侧偏刚度/（N·rad^-1）	$C c r$	62 700

表 1

图 5

图 6

图 7

图 8

图 9

图 10

参考文献 21

1	ZHOU M， QU X， JIN S. On the impact of cooperative autonomous vehicles in improving freeway merging： a modified intelligent driver model⁃based approach［J］. IEEE Transactions on Intelligent Transportation Systems， 2017， 18（6）： 1422-1428.
2	SCHNELLE S， WANG J M， JAGACINSKI R， et al. A feedforward and feedback integrated lateral and longitudinal driver model for personalized advanced driver assistance systems［J］. Mechatronics， 2018， 50：177-188.
3	MCRUER D T， HENRY R J. A review of quasi-linear pilot models［J］. IEEE Transaction on Human Factors in Electronics， 1967， 8（3）： 231-249.
4	郭孔辉. 驾驶员-汽车闭环系统操纵运动预瞄最优曲率模型［J］. 汽车工程， 1984， 6（3）： 56-59.
	GUO K H. Drivers⁃vehiele close⁃loop simulation of handling by “preselect optimal curvature method” ［J］. Automotive Engineering， 1984， 6（3）： 56-59.
5	SHI B， XU L， MENG W. Applying a WNN⁃HMM based driver model in human driver simulation： method and test［J］. IEEE Transactions on Intelligent Transportation Systems， 2018， 19（11）： 3431-3438.
6	辛喆，陈海亮，林子钰，等.智能汽车的路面附着极限横向轨迹跟踪控制［J］.机械工程学报，2020， 56（14）：138-145.
	XIN Z， CHEN H L， LIN Z Y， et al. Lateral trajectory following for automated vehicles at handling limits［J］. Journal of Mechanical Engineering， 2020， 56（14）： 138-145.
7	郭应时，蒋拯民，白艳.无人驾驶汽车路径跟踪控制方法拟人程度研究［J］.中国公路学报， 2018（8）：189-196.
	GUO Y S， JIANG Z M， BAI Y. Investigation of humanoid level of path tracking methods［J］. China Journal of Highway and Transport， 2018（8）：189-196.
8	TREIBER M， HENNECKE A， HELBING D. Congested traffic states in empirical observation and microscopic simulations［J］. Physical Review E， 2000， 62 （2）： 1805.
9	RAHMAN S， ABDEL⁃ATY M， WANG L， et al. Understanding the highway safety benefits of different approaches of connected vehicles in reduced visibility conditions［J］. Transportation Research Record， 2018， 2672 （19）： 91–101.
10	龚建伟. 无人驾驶车辆模型预测控制［M］. 北京：北京理工大学出版社， 2014.
	GONG J W. Model predictive control for self⁃driving vehicles［M］. Beijing： Beijing Institute of Technology Press， 2014.
11	刘凯，龚建伟，陈舒平，等.高速无人驾驶车辆最优运动规划与控制的动力学建模分析［J］.机械工程学报，2018，54（14）：141-151.
	LIU K， GONG J W， CHEN S P， et al. Dynamic modeling analysis of optimal motion planning and control for high⁃speed self-driving vehicles［J］. Journal of Mechanical Engineering， 2018， 54（14）： 141-151.
12	吉岩，陈虹. 基于MPC的驾驶员转向控制行为建模与仿真［J］. 计算机仿真，2014， 2（3）： 198-203.
	JI Y， CHEN H. Modeling and simulation of driver steering behavior based on model predictive control［J］. Computer Simulation， 2014， 2（3）： 198-203.
13	管欣，高振海，郭孔辉.驾驶员稳态预瞄动态校正假说［J］.汽车工程，2003，25（3）：227-231.
	GUAN X， GAO Z H， GUO K H. A hypothesis of steady preview and dynamic correction for driver model［J］. Automotive Engineering， 2003， 25（3）： 227-231.
14	AASMAN J. Modelling driver behavior in Soar［D］. Groningen： University of Groningen， 2009.
15	SALVUCCI D D. Modeling driver behavior in a cognitive architecture ［J］. Human Factor， 2006， 48（2）： 362-380.
16	LI A， ZHAO W， WANG X， et al. ACT⁃R cognitive model⁃based trajectory planning method study for electric vehicle’s active obstacle avoidance system［J］. Energies， 2018， 11（1）： 75.
17	WU C， LIU Y. Queuing network modeling of driver workload and performance［J］. IEEE Transaction on Intelligent Transportation Systems， 2007， 8（3）： 528–537.
18	BI L， GAN G， SHANG J， et al. Queuing network modeling of driver lateral control with or without a cognitive distraction task［J］. IEEE Transaction on Intelligent Transportation Systems， 2012， 13 （4）： 1810-1820.
19	BI L， LU Y， FAN X A， et al. Queuing network modeling of driver EEG signals⁃based steering control［J］. IEEE Transactions on Neural Systems and Rehabilitation Engineering， 2016， 25（8）： 1117-1124.
20	LIU Y， FEYAN R， TSIMHONI O. Queuing network⁃model human processor （QN⁃MHP）： a computational architecture for multitask performance in human⁃machine systems［J］. ACM Transactions on Computer⁃Human Interaction （TOCHI）， 2006， 13（1）： 37-70.
21	PICK A J， COLE D J. A mathematical model of driver steering control including neuromuscular dynamics［J］. Journal of Dynamic Systems， Measurement， and Control， 2008， 130（3）.

[1]	王明,唐小林,杨凯,李国法,胡晓松. 考虑预测风险的自动驾驶车辆运动规划方法[J]. 汽车工程, 2023, 45(8): 1362-1372.
[2]	高锋,冯德福,胡秋霞. 面向NMPC运动规划系统的数值优化加速技术[J]. 汽车工程, 2023, 45(8): 1438-1447.
[3]	林程, 汪博文, 吕沛原, 宫新乐, 于潇. 面向变曲率道路的自动驾驶汽车换道博弈运动规划与协同控制研究[J]. 汽车工程, 2023, 45(7): 1099-1111.
[4]	李军, 周伟, 唐爽. 基于自适应拟合的智能车换道避障轨迹规划[J]. 汽车工程, 2023, 45(7): 1174-1183.
[5]	查云飞,吕小龙,陈慧勤,易迎春,王燕燕. 基于路面附着系数估计的车辆轨迹跟踪控制[J]. 汽车工程, 2023, 45(6): 1010-1021.
[6]	贺伊琳,马建,杨舒凯,郑威,薛启帆. 融合预瞄特性的智能电动汽车稳定性模型预测控制研究[J]. 汽车工程, 2023, 45(5): 719-734.
[7]	周兵,魏佳宝,柴天,吴晓建,王鹤. 基于最优方法的碰后辅助驾驶控制策略[J]. 汽车工程, 2023, 45(4): 561-571.
[8]	张彬,邹渊,张旭东,孙逢春,吴喆,孟逸豪. 混动履带式无人平台轨迹跟踪控制研究[J]. 汽车工程, 2023, 45(4): 579-587.
[9]	张紫微,郑玲,李以农,乔旭强,郑浩,王戡. 考虑前车运动不确定性的多目标自适应巡航控制[J]. 汽车工程, 2023, 45(3): 361-371.
[10]	贺林,徐子昂,黄春荣,龚超,李书华,石琴. 线控转向系统转角预测滑模控制算法研究[J]. 汽车工程, 2023, 45(12): 2200-2208.
[11]	胡丹丹,尹鹏飞,牛国臣,赵金聚. 非结构化道路下离轴式拖挂车辆主动避障控制研究[J]. 汽车工程, 2023, 45(12): 2318-2329.
[12]	宋强,王冠峰,商赫,张念忠. 基于多参数控制的分布式驱动电动汽车操纵稳定性控制策略研究[J]. 汽车工程, 2023, 45(11): 2104-2112.
[13]	芦勇,何一超,田贺,江昆,杨殿阁. 面向量产的自适应巡航控制系统纵向加速度规划方法研究[J]. 汽车工程, 2023, 45(10): 1803-1814.
[14]	林程,梁晟,宫新乐,于潇,汪博文. 面向极限工况的分布式驱动电动汽车动力学集成控制方法[J]. 汽车工程, 2022, 44(9): 1372-1385.
[15]	解少博,屈鹏程,李嘉诚,王惠庆,郎昆. 跟驰场景中网联混合电动货车速度规划和能量管理协同控制的研究[J]. 汽车工程, 2022, 44(8): 1136-1143.