基于认知-控制框架的侧风工况下驾驶员横向控制模型研究

doi:10.19562/j.chinasae.qcgc.2022.08.014

摘要/Abstract

摘要：

本文中基于神经工效学认知理论融入驾驶员预瞄模型，建立了以认知-控制为框架的驾驶员横向控制模型。模型采用Simulink和TruckSim软件联合仿真的形式验证。采用粒子群优化算法对控制框架中的比例-微分（PD）控制器模块参数进行优化标定。结果表明，在侧风工况下，基于认知-控制为框架所建立的驾驶员横向控制模型有效（RMSE=0.09），且精度更高，适应度更广。另外，从认知-控制角度改变预览时间t_p、增益比例k_p和微分参数k_d，可表征不同驾驶风格的驾驶员行为。本研究为提高侧风工况下的高级辅助驾驶系统和自动驾驶汽车的安全性和舒适性提供参考思路。

关键词: 认知-控制框架, 驾驶员预瞄模型, 侧风工况, 横向控制模型

Abstract:

In this paper， a driver lateral control model with cognitive-control as framework is proposed based on neuro-ergonomic cognitive theory and driver preview model. The lateral control model is verified by the co-simulation of Simulink and TruckSim software. The particle swarm optimization algorithm is used to optimize and calibrate the parameters of the proportional-derivative controller module in control framework. The results show that in crosswind condition， the driver lateral control model built with cognitive-control framework is effective （RMSE=0.09）， with higher accuracy and wider adaptability. In addition， from the perspective of cognitive-control， by changing the preview time t_p，gain ratio k_p and differential parameter k_d， the behaviors of drivers with different driving style can be characterized. The research provides a reference thinking for enhancing the safety and comfort of advanced driving assisted systems and autonomous vehicles under crosswind conditions.

Key words: cognitive-control framework, driver preview model, crosswind conditions, lateral control model

郭应时,胡亚辉,付锐,王畅. 基于认知-控制框架的侧风工况下驾驶员横向控制模型研究[J]. 汽车工程, 2022, 44(8): 1251-1261.

Yingshi Guo,Yahui Hu,Rui Fu,Chang Wang. Research on Driver Lateral Control Model Under Crosswind Conditions Based on Cognitive-Control Framework[J]. Automotive Engineering, 2022, 44(8): 1251-1261.

图/表 14

图1

图2

表1

表2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

参考文献 25

1	盛士刚. 公路桥梁侧风风致行车安全研究［D］.长春：吉林大学，2018.
	SHENG S G. Analysis of vehicle safety under cross wind on the road bridge［D］. Changchun： Jilin University， 2018.
2	梅刚，王策，王达磊，等.大跨悬索桥桥面风致行车安全评价与对策［J］.公路交通科技（应用技术版），2018，14（6）：129.
	MEI G， WANG C， WANG D L， et al. Evaluation and countermeasure of wind-induced traffic safety accidents on the long-span suspension bridge［J］. Journal of Highway and Transportation Research and Development （Applied Technology）， 2018，14（6）：129.
3	韩万水，赵越，刘焕举，等.风-车-桥耦合振动研究现状及发展趋势［J］.中国公路学报， 2018，31（7）：1.
	HAN W S， LIU Y， LIU H J， et al. Research and development trends of wind-vehicle-bridge coupling vibration systems［J］. China Journal of Highway and Transport，2018，31（7）：1.
4	姜康，尹宏程，冯忠祥.侧风对大跨度桥梁轿车行车安全影响的仿真分析［J］.合肥工业大学学报（自然科学版）， 2019，42（2）：145.
	JIANG K， YIN H C， FENG Z X. Simulation analysis of the influence of crosswind on traffic safety of long-span bridges［J］. Journal of Hefei University of Technology （Natural Science），2019，42（2）：145.
5	韩艳，刘叶，黄静文，等. 考虑车桥间气动干扰的桥上车辆行驶安全性分析［J］.湖南大学学报（自然科学版）， 2019， 46（7）：76.
	HAN Y， LIU Y， HUANG J W， et al. Traffic safety analysis of vehicles on a bridge considering the aerodynamic interference between vehicles and bridge［J］. Journal of Hunan University （Natural Sciences）， 2019， 46（7）：76.
6	YANG Y， YANG L， WU B， et al. Safety prediction using vehicle safety evaluation model passing on long-span bridge with fully connected neural network［J］. Advances in Civil Engineering， 2019，13.
7	KIM S J， YOO C H， KIM H K. Vulnerability assessment for the hazards of crosswinds when vehicles cross a bridge deck［J］. Journal of Wind Engineering and Industrial Aero-dynamics，2016，156：62-71.
8	CHEN S R， CHEN F. Simulation-based assessment of vehicle safety behavior under hazardous driving conditions［J］. Journal of Transportation Engineering-asce， 2010， 136.
9	ZHOU Y， CHEN S. Fully coupled driving safety analysis of moving traffic on long-span bridges subjected to crosswind［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2015，143：1.
10	GUO W H， XU Y L. Safety analysis of moving road vehicles on a long bridge under crosswind［J］. Journal of Engineering Mechanics，2006，132（4）：438.
11	陈丰，彭浩荣，马小翔，等.侧风作用下货车驾驶员反应行为模型［J］.同济大学学报（自然科学版），2020，48（5）：702-709.
	CHEN F， PENG H R， MA X X， et al. Model of driving behavior of truck driver under crosswind［J］. Journal of Tongji University （Natural Science），2020，48 （5）：702-709.
12	BAKER C J. The quantification of accident risk for road vehicles in cross winds［J］. Journal of Wind Engineering and Industrial Aerodynamics，1994，52：93.
13	CHEN S R， CAI C S. Accident assessment of vehicles on long-span bridges in windy environments［J］. Journal of Wind Engineering and Industrial Aerodynamics，2004，92 （12）：991.
14	马麟.考虑驾驶员行为的风-汽车-桥梁系统空间耦合振动研究［D］.西安：长安大学，2008.
	MA L. Three-dimensional coupled vibration of wind-vehicle-bridge system considering driver’s behavior［D］. Xi’an： Chang’an University，2008.
15	BI L， GAN G， SHANG J， et al. Queuing network modeling of driver lateral control with or without a cognitive distraction task［J］. IEEE Transactions on Intelligent Transportation Systems， 2012， 13（4）： 1810-1820.
16	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.
17	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.
18	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.
19	郭应时，张洪加，付锐，等.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.
	GUO Y S， ZHANG H J， FU R， et al. Research on intelligent vehicle lateral control model based on neuro⁃ergonomics［J］. Automotive Engineering， 2021，43（7）： 1057-1065.
20	WU C，LIU Y. Queuing network modeling of driver workload and performance［J］. IEEE Transaction on Intelligent Transportation Systems，2007，8（3）：528-537.
21	LIU Y， FEYEN R， TSIMHONI O. Queueing network-model human processor （QN-MHP） a computational architecture for multitask performance in human-machine systems［J］. ACM Transactions on Computer-Human Inter-action， 2006，13（1）：37–70，.
22	LIU Y. QN-ACES： integrating queueing network and ACT-R， CAPS， EPIC， and soar architectures for multitask cognitive modeling［J］. International Journal of Human-Computer Interaction， 2009，25（6）：554-581.
23	HU Y H， GUO Y S， FU R， et al. Evaluation of failure probability in series system of three-axle trucks under strong crosswind［J］. Shock and Vibration， 2021， 2021： 4540252.
24	CHEN F， PENG H， MA X， et al. Examining the safety of trucks under crosswind at bridge-tunnel section： a driving simulator study［J］. Tunnelling and Underground Space Technology，2019，92：103034.
25	潘晓东，梁洁馀，陈丰，等.风-车-桥耦合作用下大跨桥梁驾驶模拟实验方法［J］.同济大学学报（自然科学版），2019，47（6）：787.
	PAN X D， LIANG J Y， CHEN F， et al. Experimental method for driving simulation on the long-span bridge under wind-vehicle-bridge coupling［J］. Journal of Tongji University （Natural Science），2019，47（6）：787.

动力学参数	符号	数值
整车质量/kg	m_c	6 545
横摆转动惯量/（kg·m²）	I_zz	34 823.2
质心到前轴距离/m	l_a	1 110
质心到后轴距离/m	l_b	4 775
前轮刚度/（N·（°）^-1）	k₁	5 228.8
后轮刚度/（N·（°）^-1）	k₂	5 228.8
悬架刚度/（N·mm^-1）	k_s	250
悬架阻尼/（kN·s·m^-1）	C	15
质心高度/mm	h_c	1 175
迎风面积/m²	A	10
转向系统角传动比	i_w	25

工况编号	风速/（m?s^-1）	来流方向/（°）
1#	10	90
2#	15	90
3#	20	90
4#	10	-90
5#	15	-90
6#	20	-90