智能网联汽车技术专题-控制2023年
针对紧急避障及大曲率工况的稳定控制难题，提出基于改进分层可拓理论的AFS和DYC协调控制系统，引入了鲸鱼算法解决了可拓边界的自适应划分问题，既简化了分层可拓理论的边界确定过程，又遏制了控制器的一些较为强烈的输出振荡，显著提高了车辆控制的稳定性和安全性。所提AFS/DYC协调控制系统分上下两层，上层是改进分层可拓协调模块，下层是AFS/DYC控制器模块。上层可拓协调模块主要通过横摆角速度、纵向车速以及规划路径曲率来确定AFS和DYC的权重系数，下层控制器模块主要通过上层协调模块确定的权重系数来分配AFS和DYC的输出量，最终实现对智能车辆的稳定性控制。Carsim和Simulink联合仿真结果表明，所提协调控制系统在紧急避障、双移线等大曲率及曲率突变工况下，对横摆角速度和纵向车速的控制效果相较于分层可拓控制、普通可拓控制均有较大提升。
针对传统AEB系统控制过程中缺乏对舒适性考虑以及控制精度较差等问题，提出了一种考虑多目标的模型预测控制（MPC）策略。首先，通过引入模糊规则计算场景工况的紧急系数，并基于此设计自适应采样时间MPC上层控制器，接着采用PID反馈控制与逆发动机模型设计下层控制器，最后通过PreScan与Simulink联合平台进行仿真试验，并进一步在实车试验平台上验证。结果表明，基于本文策略的AEB系统在两种典型场景、多种运行工况下均能避撞成功，加速度变化率始终位于舒适区间，最终车间距离为1.74~4.18 m，能确保车辆自动紧急制动过程中的舒适性与有效性。
针对四轮独立驱动电动汽车具有结构参数、外部干扰不确定性与非线性和过驱动等特征，提出了一种分层控制框架，以实现前轮转向与直接横摆力矩控制系统协同的车辆路径跟踪控制。首先，基于路径跟踪运动学模型，将车辆的路径跟踪问题转化为约束跟随问题；其次，设计了基于约束跟随的自适应鲁棒上层控制算法，该方法可以有效处理由模型不确定性和外部干扰引起的失配问题，并保证闭环系统的一致有界性和一致最终有界性；最后，设计了一种基于二次规划的下层分配算法满足所需的直接横摆力矩，并在Simulink-Carsim平台进行联合仿真。通过不同工况的仿真结果表明，所设计的自适应鲁棒控制算法具有良好的路径跟踪精度和鲁棒性。
强化智能车辆主动避撞能力是提升车辆安全性的关键，紧急工况下主动避撞功能高效、稳定执行是保障智能车辆多目标准确切换的基础。而当前主动避撞方法须进一步提升面对不同方向切入车辆的避撞能力。本文针对上述问题，量化计算碰撞风险，构建目标切换逻辑，设计分层系统控制架构，提出智能车辆切换控制方法。本方法确保车辆在满足稳定性约束的同时，增强车辆主动躲避不同方向切入车辆碰撞的能力，实现不同行驶目标间的稳定切换。多车试验平台验证了该方法的有效性和正确性。
考虑前车运动状态不可控所带来的性能下降，提出一种基于高斯过程的随机模型预测多目标自适应巡航控制方法。基于车间运动关系对跟驰系统进行集成建模，综合考虑车辆安全、经济、舒适等多维诉求，确定跟驰系统目标函数与性能约束；引入径向基核描述样本间的关系，通过极大似然法获取预测模型超参数，根据历史交通数据，对前车运动轨迹进行短期预测；考虑预测结果存在的偏差，引入概率约束，建立不确定环境下的随机预测模型以保障系统在随机扰动下的整体性能最优；通过切入、加速跟驰、减速避撞等典型场景对算法的有效性与优越性进行验证。研究结果表明：所提出的方法具有良好的工况适应性，可快速消除跟踪误差与前车运动保持一致，使车辆对交通环境的反应更加敏捷。
提出了一种融合预瞄特性的智能电动汽车稳定性前馈+反馈控制方法。建立车辆预瞄模型，通过汽车在环境感知时的前视行为，引入道路曲率作为车辆动力学特性的影响因素。基于在前视信息指导下的车辆位姿变化，根据道路附着能力和车速指数模型描述期望纵向车速，建立轮胎侧偏刚度补偿的稳定性前馈控制方法。同时，采用模型预测控制（MPC）设计稳定性反馈控制律，根据车辆的预瞄信息自适应调整预测模型参数和预测时间，消除前馈控制误差及路面扰动等不确定性因素带来的影响。研究结果表明，本文提出的控制策略下汽车质心侧偏角、横摆角速度和侧向加速度小，且跟踪精度更高。仿真试验中，相比于无控制、MPC反馈控制与前馈+定参数MPC反馈控制，本文提出的控制策略在双移线工况1下质心侧偏角峰值分别减小了41.3%、28.9%和10.0%，横摆角速度峰值分别减小了18.0%、6.7%和2.0%，双移线工况2下质心侧偏角峰值分别减小了27.2%、8.7%和8.0%，横摆角速度峰值分别减小了16.9%、12.9%和8.6%；相比于MPC反馈控制与前馈+定参数MPC反馈控制，在蛇行工况1下，质心侧偏角峰值分别减小了49.8%与34.8%，横摆角速度峰值分别减小了21.8%与12.7%；在蛇行工况2下，质心侧偏角峰值分别减小了36.6%和18.6%，横摆角速度峰值分别减小了17.7%和12.4%。
为提高智能车辆的半主动悬架综合控制性能，提出一种基于状态反馈和预瞄前馈的半主动悬架控制方法。首先，以8轮车为研究对象建立11自由度半主动悬架模型，设计LQR状态反馈控制器。然后，为解决状态反馈控制抗路面干扰能力弱和基于固定时序延迟的预瞄反馈控制适用性差的问题，提出一种基于状态反馈和预瞄前馈的控制器：建立车轮运动规划模型和路面预瞄模型，计算出悬架控制系统所需的车轮规划轨迹点序号和控制延迟响应时间；以路面激励和垂向加速度为输入、以前馈阻尼力为输出，设计基于类模糊的预瞄前馈控制器，并与LQR反馈控制器一并构成所提控制器。最后，基于MATLAB/Simulink和Trucksim联合仿真平台，进行匀速转向工况、变速直线工况、变速转向工况和匀速直线工况下的试验验证。结果表明，在垂向加速度、俯仰角加速度、侧倾角加速度均方根值方面，与被动悬架相比，所提控制方法在4种工况下至少降低了23.52%、13.59%、19.35%；与基于固定时序延迟的预瞄反馈控制相比，所提控制方法在前3种工况下至少降低了14.04%、8.09%、13.79%；与基于状态反馈的控制方法相比，所提控制方法在第4种工况下降低了13.20%、4.96%、4.12%。所提悬架控制方法能够在多种工况下有效改善车辆的平顺性。
针对前车速度单双向突变引起的交通流不稳定问题，提出一种基于多车状态变化特征的网联车跟驰模型（MVSCF）。首先引入多前车加速度差变化特征和优化的速度期望估计改进MVCM模型；然后利用微小扰动法和约化摄动法求解MVSCF模型的临界稳定条件，同时结合环形道路场景推导多前车加速度差系数k、多前车数q和多前车最优速度权重ε的相对最优值；最后利用直行道路场景对比分析MVSCF模型在前车速度非平稳变化作用下的交通流稳定效果。仿真结果表明：前车速度单双向突变时，MVSCF模型能够较好吸收前车扰动，速度波动峰谷差值和加速度波动幅度均有所减小，有利于提升交通流的稳定性。
本文研究过弯场景下车辆队列的抗扰抗内切协同路径跟踪控制方法。首先，基于前车直接跟随式方案，采用圆弧曲线跟踪路径代替一般直线跟踪路径，构建车辆队列过弯抗内切策略，以降低车辆队列过弯时的整体跟踪误差；其次，设计卡尔曼滤波器和龙伯格观测器，以解决跟随车位置状态噪声及航向状态噪声或不易量测的问题；然后，设计协同路径跟踪控制器，并基于李雅普诺夫稳定性理论导出系统稳定的充分条件，指导控制器参数设计；最后，通过数值仿真和实车试验验证控制器设计的可行性和有效性。
针对多无人系统的编队包含控制问题，本文提出一种自适应鲁棒控制方法。针对系统中的领航者层和跟随者层分别设计对应的编队、包含以及避撞行为约束，并由Udwadia-Kalaba方程求得满足约束所需的理想驱动力。通过渐亏型自适应律估计系统的不确定参数，从而补偿不确定性影响。然后，采用李雅普诺夫函数方法验证了所设计控制的稳定性。最后，数值仿真结果显示：含时变不确定性的受控系统在完成编队包含行为的同时无任何碰撞发生。
新能源汽车的智能化与网联化对以车载核心控制芯片、车控操作系统及车载网络为核心的车载控制基础软硬件提出了更高的要求，必须满足高性能计算、高安全控制、大数据通信等颠覆性需求。本文围绕车载核心控制芯片、车控操作系统与车载高速分布式光纤通信的高可靠与高安全设计需求，介绍了复杂行驶条件下支持智能控制算法的车控操作系统和车载核心控制芯片的架构，恶劣工况下的车载核心控制芯片的高可靠性设计技术和环境适应性增强技术，车控操作系统和车载核心控制芯片的功能安全性设计与保障技术，基于高速分布式光纤通信技术的控制信号传输工具及通信协议故障诊断与自测试技术等关键技术的最新研究工作。基于上述研究成果自主研制的车载核心控制芯片和车控操作系统均已通过实车验证，由此构建的技术攻关、产品研制、标准制定、实车验证的研发体系可为我国智能新能源汽车车载控制基础软硬件的完全自主可控提供必要的理论与技术支撑。
智能网联汽车多车编队行驶可有效缩短跟车间距和提升交通系统通行效率，但多车编队控制须解决异构编队控制器的普适性问题，且能够在执行器响应延迟和通讯延迟情况下保证车辆编队的弦稳定性。本文提出一种面向异构智能网联汽车编队的延迟补偿控制方法，在无须获取他车系统动力学参数及控制输入前提下，利用他车加速度信息即可实现车辆编队纵向跟踪控制；此外，提出一种基于Smith预测器的延迟补偿控制架构，分别消除和降低了执行器响应延迟和通讯延迟对车辆编队弦稳定性的影响。典型工况仿真结果表明，相较常见车辆编队控制方法，本文提出的异构车辆编队延迟补偿控制器的跟车误差降低了80.7%，有效减小了最小车头时距和跟车间距。
端到端自动驾驶算法的开发现已成为当前自动驾驶技术研发的热点。经典的强化学习算法利用车辆状态、环境反馈等信息训练车辆行驶，通过试错学习获得最佳策略，实现了端到端的自动驾驶算法开发，但仍存在开发效率低下的问题。为解决虚拟仿真环境下训练强化学习算法的低效性和高复杂度问题，本文提出了一种异步分布式强化学习框架，并建立了进程间和进程内的多智能体并行柔性动作-评价（soft actor-critic， SAC）分布式训练框架，加速了Carla模拟器上的在线强化学习训练。同时，为进一步实现模型的快速训练和部署，本文提出了一种基于Cloud-OTA的分布式模型快速训练和部署系统架构，系统框架主要由空中下载技术（over-the-air technology， OTA）平台、云分布式训练平台和车端计算平台组成。在此基础上，本文为了提高模型的可复用性并降低迁移部署成本，搭建了基于ROS的Autoware-Carla集成验证框架。实验结果表明，本文方法与多种主流自动驾驶方法定性相比训练速度更快，能有效地应对密集交通流道路工况，提高了端到端自动驾驶策略对未知场景的适应性，减少在实际环境中进行实验所需的时间和资源。
建立智能汽车的预期功能安全（SOTIF）评价体系，进行SOTIF设计是实现智能驾驶汽车规模应用的必由之路。为完善自动紧急制动（AEB）系统的SOTIF理论，实现AEB系统的SOTIF设计，本文采用系统理论过程分析（STPA）的方法对AEB系统控制模块进行安全分析。根据安全分析的结果提出AEB系统控制模块的SOTIF评价指标，并基于CRITIC法和优劣解距离（TOPSIS）法对提出的评价指标进行综合量化评价。进一步地，使用提出的评价方法对某型智能汽车的AEB系统控制模块进行了基于实车试验的SOTIF评价，评价结果验证了所提出的AEB系统控制模块的SOTIF评价方法的合理性和实用性。最后，对评价结果进行分析，并根据提出的SOTIF评价指标给出AEB系统的SOTIF改进建议。
为了提高智能网联汽车在复杂城市交通环境下的乘坐体验，本文提出一种基于深度强化学习的考虑驾驶安全、能耗经济性、舒适性和行驶效率的多目标生态驾驶策略。首先，基于马尔可夫决策过程构造了生态驾驶策略的状态空间、动作空间与多目标奖励函数。其次，设计了跟车安全模型与交通灯安全模型，为生态驾驶策略给出安全速度建议。第三，提出了融合安全约束与塑形函数的复合多目标奖励函数设计方法，保证强化学习智能体训练收敛和优化性能。最后，通过硬件在环实验验证所提方法的有效性。结果表明，所提策略可以在真实的车载控制器中实时应用。与基于智能驾驶员模型的生态驾驶策略相比，所提策略在满足驾驶安全约束的前提下，改善了车辆的能源经济性、乘坐舒适性和出行效率。
针对前车目标丢失时车辆弯道自适应巡航的经济性和安全性问题，提出了一种多重约束下弯道自适应巡航策略。首先，建立了发动机燃油消耗模型和车辆纵向动力学模型，考虑弯道曲率的约束，基于动态规划算法对弯道最优巡航车速进行了规划；以经济性和安全性为目标，采用PID算法和MPC算法分别设计了自适应巡航纵向控制器和横向控制器；最后，搭建CarSim和Simulink联合仿真平台，进行了仿真分析；并基于ROS小车进行实验验证，结果表明本文提出的控制方法具有良好的经济性和鲁棒性。
针对自动驾驶货车相较于普通乘用车具有较大模型不确定性、执行器偏差以及存在曲率扰动等外部影响因素导致路径跟踪精度不足问题，本文提出一种基于鲁棒模型预测控制（robust model predictive control，RMPC）的分层式控制方法。首先，在转角增量式控制误差模型的基础上，根据实际车辆系统与标称模型之间的偏差，设计鲁棒控制律并构建上层多目标约束RMPC控制器，提高跟踪精度。然后，针对自动驾驶货车不足转向以及定位误差问题，设计下层转角补偿器和基于中值滤波的状态估计器，改善执行响应，提升车辆稳定性。最后，通过TruckSim/Simulink联合仿真和实车试验验证，结果表明：所提出的控制方法能够有效处理模型失配和不确定性扰动，具备良好的鲁棒性和适应性。
线控转向是智能底盘的关键技术之一，转角高精度跟踪是线控转向的控制核心目标，基于混合控制理论，本文设计了一种基于扰动转矩观测的转向角跟踪预测滑模控制方法，采用滑模控制作为核心算法，以适配线控转向系统动力学中的非线性特性，采用比例积分观测器估计总扰动转矩并补偿系统的不良影响，采用模型预测控制算法对滑模面参数进行优化，在装配有电机线控转向系统的实验车上对所设计的混合控制方法进行了测试和验证，实验结果表明所设计的预测滑模控制器能够实现较优的转角跟踪性能，以及比例积分观测器可以准确地估计系统总集成扰动转矩。
人机共驾是智能车辆实现高度自动驾驶之前的过渡阶段，由于驾驶员与驾驶辅助系统同时在环，存在驾驶权分配的问题，智能车辆的转向系统必须实时敏捷地执行驾驶员和驾驶辅助系统的转向控制指令。本文针对搭载于某智能MPV的平行轴式电动助力转向系统（APA-EPS）研究人机共驾转向控制策略。首先对APA-EPS系统进行Simscape建模，并通过台架试验验证了模型的准确度。随后基于模糊PID控制算法和模糊滑模控制算法分别设计了人驾和机驾模式下的控制策略。在驾驶员主导驾驶车辆时，根据距离影响度函数和角度影响度函数确定转向控制权重；在驾驶辅助系统主导驾驶车辆时，采用滑动时间窗口监测驾驶员的接管请求。仿真试验结果表明，人驾和机驾的控制策略均具有较好的转角跟随效果，人机共驾时转向控制权能够及时进行切换，且APA-EPS的转向盘转角响应迅速。
车辆底盘技术的创新与发展为智能驾驶系统的设计注入新的活力。结合线控转向系统的物理解耦特性，提出了一种面向密集障碍物避让场景的人车共享转向控制系统方案。首先，基于车辆动力学和蒙特卡洛树搜索算法，采用滚动时域转向场直方图法实现车辆的避障动作决策与规划；其次，搭建了基于门控循环单元网络的驾驶人行为短时预测模型，可直接输出驾驶人转角预测时序信号；在此基础上，结合车辆转向特性计算预期碰撞时距，据此建立风险评估模型；最后，构建了车辆转向控制权的动态分配策略，基于MATLAB/Simulink搭建的联合仿真环境开展了硬件在环驾驶实验。对比多工况下的共享驾驶与手动驾驶的结果表明，共享转向控制方法能有效减少碰撞、提升驾驶安全性，且在保证通行效率的情况下减轻驾驶人的操作负担。
智能网联汽车技术专题-控制2023年
