基于主動變道策略的汽車緊急避障系統(tǒng)研究

段婷婷　呂冬慧　陳寬　胡順堂　王毓

摘 要：基于安全距離的汽車軌跡規(guī)劃，提出一種結合汽車主動變道和緊急制動的汽車主動避障研究方法，建立汽車主動變道時的安全軌跡規(guī)劃，并利用MPC控制器對規(guī)劃出來的軌跡分割各個數(shù)據(jù)點進行依次跟蹤，分析不同車速下的汽車主動變道的軌跡，通過carsim和simulink的聯(lián)合仿真，驗證基于主動變道策略的汽車安全軌跡規(guī)劃的可行性。

關鍵詞：OBE教學理念;新能源汽車;考核評價機制

近年來，社會經(jīng)濟的飛速發(fā)展極大地提高了國民購買能力，同時也促進了汽車產(chǎn)業(yè)的蓬勃發(fā)展。在提供便利性的同時也造成了交通擁堵等事故頻頻發(fā)生。從保證乘駕人身財產(chǎn)安全和降低交通事故發(fā)生率的角度出發(fā)，研究以預防為核心的先進車輛主動安全控制系統(tǒng)則是當下交通的迫切需求[1]。

汽車主動變道的研究屬于自動駕駛ADAS的范疇，主要是汽車依靠先進的車載傳感器獲取前方道路、目標車輛及自車的狀態(tài)信息，利用主動變道路徑規(guī)劃算法對狀態(tài)信息進行分析處理，及時改變行車路徑，以避免或減輕交通事故帶來的安全問題[3]。目前存在的主動避障多是縱向避障策略，其主要通過制動來控制與前車的距離，而較少考慮主動轉向變道的控制策略。因此在進行縱向避撞研究的同時，加入主動變道系統(tǒng)的研究對于未來交通而言是十分有意義的。

本文對汽車主動避障系統(tǒng)進行研究，通過變道軌跡規(guī)劃策略對汽車變道軌跡進行規(guī)劃，并且采用模型預測控制器提供跟蹤控制策略，對于汽車行駛時安全性和穩(wěn)定性的研究有很大的意義。

3 仿真結果

為更好驗證非線性MPC控制器對規(guī)劃軌跡的跟蹤效果，本文采用Carsim與Simulink聯(lián)合仿真分析，針對低速和中速工況進行仿真和軌跡的跟蹤效果。在分析過程中，主要對整車的橫擺角速度和側向加速度及實際跟蹤軌跡對比的分析，仿真的變道軌跡跟蹤圖如圖2所示。

通過圖3和圖4分析可以得到，在30km/h低速和60km/h中速運行的情況下，汽車在進行軌跡跟蹤過程中，自適應MPC控制器進行跟蹤控制時橫擺角速度波動范圍較大，而非線性MPC控制器進行跟蹤控制時橫擺角速度趨于穩(wěn)定，說明在中速跟蹤時非線性MPC控制器的穩(wěn)定性更好。

通過圖5分析可以得到，在30km/h低速和60km/h中速運行的情況下，汽車在進行軌跡跟蹤過程中，自適應MPC控制器進行跟蹤控制時側向加速度波動范圍較大，而非線性MPC控制器進行跟蹤控制時側向加速度趨于穩(wěn)定，說明在中速跟蹤時非線性MPC控制器的穩(wěn)定性更好。

4 結論

本文基于汽車的主動變道策略，研究了基于安全距離和最小轉向距離的汽車軌跡規(guī)劃，提出了汽車在緊急避障的主動變道時的軌跡規(guī)劃，并采用基于模型預測控制軌跡跟蹤控制器對規(guī)劃的軌跡進行跟蹤控制，通過仿真分析對兩種模型預測控制器的跟蹤結果進行評價，結果顯示，由非線性模型預測控制器進行的軌跡跟蹤控制具有較好的控制效果。

基金項目：本文系“2019年天津中德應用技術大學科研基金項目”（項目編號：X18010）的研究成果。

參考文獻：

[1]付揚.智能駕駛交通事故法律問題研究[D].沈陽師范大學，2018.

[2]余志生.汽車理論（第4版）[M].北京：機械工業(yè)出版社，2006.

[3]解來卿，羅禹貢，李克強.分布式電驅(qū)動車輛的ACC協(xié)同控制[J].汽車工程，2018，40（06）.

[4]龔建偉，姜巖，徐威.無人駕駛車輛模型預測控制[M].北京：北京理工大學出版社，2014.

[5]Cherroun L，Boumehraz M，Kouzou A.Mobile robot path planning based on optimized fuzzy logic controllers[M].New Bioprocessing Strategies： Development and Manufacturing of Recombinant Antibodies and Proteins，2019.

[6]劉一棟.基于自抗擾控制器的PMSM模型預測直接轉矩控制策略研究[D].西安理工大學，2019.

[7]Ali M，Mailah M.Path planning and control of mobile robot in road environments using sensor fusion and active force control[J].IEEE Transactions on Vehicular Technology，2019，99：123-139.

[8]Arantes M，Toledo C ，Williams B，et al.Collision-free encoding for chance-constrained nonconvex path planning[J].IEEE Transactions on Robotics，2019，99：148-166.

[9]Jiao M，Song Y.Path planning for unmanned campus sightseeing vehicle with linear temporal logic： volume I[M].Proceedings of 2018 Chinese Intelligent Systems Conference，2019.