智能网联汽车技术专题-控制2023年
随着汽车智能化、网联化技术不断发展，传统电子电气架构已难以满足面向未来的车路云网一体化发展新需求。本文中聚焦面向未来的智能网联汽车多域电子电气架构，分别从总体设计、硬件系统、通信系统和软件系统4个方面对现有技术进行了详细的综述并对我国电子电气架构的发展进行展望。本文可对汽车电子电气架构技术研究提供重要的参考价值。
智能汽车与车联网技术不断融合，汽车正朝着智能化和网联化方向发展。随着车载网络（例如：CAN网络）的复杂性以及车辆与外界相连的方式增加，汽车面临的网络安全风险大幅上升。入侵检测系统作为保护车载网络安全的重要屏障，可以有效检测外部入侵和车辆异常行为。首先，介绍了车载网络的安全属性，并分析了智能网联汽车的网络安全问题以及车载CAN网络的脆弱性和对其的攻击方式。其次，总结了近几年车载CAN网络入侵检测方法的研究现状。最后，对未来车载网络入侵检测系统的发展提出几项开放性问题。
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。
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。
随着汽车向电动化、智能化发展，其电子电气架构正从传统分布式架构向域集中式架构以及中央计算架构转变，汽车软件由面向信号的架构朝面向服务的软件架构升级。车用操作系统是汽车软件生态的重要基础，大力发展车用操作系统技术对保障我国智能汽车产业安全具有重要意义。基于此背景，本文对车用操作系统技术架构、典型产品以及发展现状进行了梳理，对比了国内外主流虚拟化技术产品、内核、中间件，并提出了车用操作系统发展趋势。
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。
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。
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。
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。
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。
汽车技术的进步要求网络能够支持多种通信要求，如可靠性、实时性、低抖动和严格的延迟限制。时间敏感网络（time sensitive network， TSN）是建立在车载以太网的IEEE 802架构上的一个保障关键帧传输延迟解决方案。为了分析TSN协议在车载以太网应用中各个机制的性能，包括单独使用和组合使用时的情况，本文基于OMNeT++设计了车载以太网TSN网络仿真系统，同时，利用仿真系统对IEEE 802.1Qbv定义的分时调度机制进行了车载应用的性能评估，最后通过搭建车载TSN网络嵌入式平台，进一步验证分时调度的性能和修正网络仿真模型。结果表明，分时调度机制除了保证时间敏感流的实时性，仍然可以为其他的流量类提供出色的传输。
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。
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%。
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。
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。
为满足日益增长的汽车功能需求，汽车电子电气架构趋于集成化集中式架构。集中式架构对软件可移植性、规范化程度和高速通信能力提出了更高需求，本文以AUTOSAR架构为基础，基于SOME/IP协议和XCP协议设计实现智能驾驶域控制器车载以太网通信系统软件，部署于英飞凌TC397硬件平台进行测试。测试结果表明，域控制器以太网通信系统满足智能驾驶功能的通信与调试需要，其通信性能相比传统CAN通信协议大大提升，验证了本文提出的域控制器高速通信系统的可行性与有效性。
目前主流的车-云安全通信方法是采用公钥保护对称密钥加密数据，但公钥方法计算耗时，且存在被以量子计算为代表的超计算能力快速破解的风险。因此，当前智能网联汽车车-云通信存在着较大的安全隐患。本文将量子密钥应用于对称密钥的保护，提出了一种全新的融合量子密钥的车-云加密通信架构，实现了通过预置密钥进行对称会话密钥的无线分发和BB84协议下对称会话密钥的实时协商。对上述架构进行安全性分析和性能分析，结果表明该架构在威胁场景下对数据具有较高的保护性，通信的平均时延和丢包率控制在16.861 ms和0.0248%范围内，实现了安全高效的车-云通信。
汽车智能化需求推动了汽车电子电气（electrical/electronic，E/E）架构向基于时间敏感网络（time-sensitive networking，TSN）的区域（Zonal）架构演进，但网联化发展给数据传输带来了严重的信息安全问题。TSN标准所提供的流过滤器、流控门和流计量器3层信息防护模块本质上是一种边界防火墙技术，一旦边界被攻破，整个架构将暴露并因此瘫痪；此外，这种防护技术因存在多层处理而产生过多的计算和通信开销。本文提出一种面向汽车Zonal架构的TSN轻量级认证与授权通信框架，以去边界的方式实现了防劫持、防篡改及防监听的一体化防护方案。基于NXP车规级TSN交换芯片SJA1105Q（作为中央控制器）与NXP车规级SoC LS1028A（作为区域控制器）构建了Zonal架构原型平台，并将所开发的框架部署该原型平台，通过ProVerif工具验证了框架的安全性；基于原型平台的评估结果表明，所提框架在计算和通信开销方面均优于现有汽车信息安全通信框架。
智能网联汽车技术专题-控制2023年
