摘 要：超磁致伸縮式自動(dòng)緊急制動(dòng)系統(tǒng)是一種以超磁致伸縮致動(dòng)器（Giant Magnetostrictive Actuator，GMA）為制動(dòng)執(zhí)行機(jī)構(gòu)的自動(dòng)緊急制動(dòng)（Autonomous Emergency Braking，AEB）系統(tǒng)，能夠?qū)崿F(xiàn)車輛車身輕量化和快速制動(dòng)的效果。針對(duì)同速近距離跟車狀況下TTC算法失效，提出一種采用TTC（Time To Collision）算法和安全距離算法協(xié)同控制的控制策略。本文搭建了PreScan/SimulinkCarSim的聯(lián)合仿真平臺(tái)，采用CCRm（前方勻速行駛車輛追尾測(cè)試）的測(cè)試方法。聯(lián)合仿真結(jié)果表明，協(xié)同控制策略與GMA結(jié)合，制動(dòng)后避撞效果良好，極大提高車輛主動(dòng)安全性能。

關(guān)鍵詞：超磁致伸縮致動(dòng)器 自動(dòng)緊急制動(dòng)系統(tǒng) TTC算法 安全距離算法 聯(lián)合仿真 主動(dòng)安全

0 引言

隨著國內(nèi)汽車的普及率逐年攀升，各類交通事故層出不窮，給人們安全出行造成了嚴(yán)重的影響。截止2023年年底，全國道路交通事故萬車死亡人數(shù)1.38人，全國民用汽車保有量33618萬輛[1]，全年交通事故造成死亡人數(shù)為46392人。據(jù)Euro-NCAP的相關(guān)研究表明，安裝AEB系統(tǒng)的車輛可以將追尾事故減少25%以上[2]。然而，傳統(tǒng)油壓制動(dòng)結(jié)構(gòu)的AEB系統(tǒng)存在油壓制動(dòng)建壓慢、響應(yīng)速度慢以及制動(dòng)系統(tǒng)結(jié)構(gòu)復(fù)雜等缺點(diǎn)，對(duì)此提出了一種超磁致伸縮式AEB系統(tǒng)，該系統(tǒng)以超磁致伸縮致動(dòng)器GMA為制動(dòng)執(zhí)行機(jī)構(gòu)，具有結(jié)構(gòu)更加簡(jiǎn)化、重量更低、響應(yīng)速度更快的優(yōu)點(diǎn)。

本文采用的試驗(yàn)方法為C-NCAP管理規(guī)則中主動(dòng)安全ADAS系統(tǒng)試驗(yàn)方法中的CCRm （前方勻速行駛車輛追尾測(cè)試）測(cè)試方法。針對(duì)兩車同速近距離跟車會(huì)導(dǎo)致TTC算法失效的情況，對(duì)此提出了另一種AEB控制策略，即TTC算法和安全距離SeungwukMoon算法協(xié)同的控制策略。以Simulink作為中間銜接環(huán)節(jié)建立GMA模型[3]和AEB算法，在PreScan中建立仿真環(huán)境場(chǎng)景，由CarSim提供整車動(dòng)力學(xué)模型，搭建PreScan/Simulink/CarSim的聯(lián)合仿真平臺(tái)，對(duì)協(xié)同控制算法結(jié)合制動(dòng)執(zhí)行機(jī)構(gòu)GMA進(jìn)行仿真驗(yàn)證。

1 AEB協(xié)同控制策略

1.1 TTC算法

TTC定義為前后兩車以現(xiàn)有的速度和路徑繼續(xù)行駛，兩車碰撞所需的時(shí)間，也被稱為即碰時(shí)間。該算法可用如下公式表示：

其中，D為兩車相對(duì)距離；為兩車相對(duì)速度。由TTC公式可知，當(dāng)兩車同速近距離跟車時(shí)接近零時(shí)，兩車相距D值雖小，TTC值依然很大，此時(shí)TTC算法失效，碰撞的機(jī)率將大增。因此，AEB算法中僅有一種TTC算法時(shí)，具有一定的局限性。

1.2 安全距離算法

在安全距離算法中選擇一種表現(xiàn)相對(duì)較為穩(wěn)定的SeungwukMoon算法[4]。其安全距離的表達(dá)式如下所示。

其中，為制動(dòng)危險(xiǎn)距離；為前后兩車相對(duì)速度；為系統(tǒng)的延遲時(shí)間（取1.2s）；為制動(dòng)因素（取1）；Vs為本車速度；amax為本車最大制動(dòng)減速度（取6m/s2），d0為安全停車距離（取3m）[5，6]。

1.3 TTC與安全距離算法協(xié)同控制策略分析

車輛在正常行駛過程中主要通過TTC算法來確定是否觸發(fā)預(yù)警閾值、部分制動(dòng)閾值或者全力制動(dòng)閾值，該過程中駕駛員具有優(yōu)先制動(dòng)權(quán)，當(dāng)駕駛員采取制動(dòng)措施時(shí)AEB算法將不會(huì)介入；若TTC達(dá)到預(yù)警閾值時(shí)駕駛員仍未采取制動(dòng)措施時(shí)，AEB算法介入。在兩車同速近距離跟車狀況下，當(dāng)TTC算法失效時(shí)安全距離模型被激發(fā)。

2 仿真結(jié)果分析

2.1 工況1

設(shè)定自車車速為50km/h，前車車速為20km/h，自車與前車相距46m。當(dāng)AEB算法僅采用TTC算法的仿真結(jié)果如圖1（a，b，c）所示。在圖1（c）中，TTC算法在4.48s時(shí)刻介入，采取的制動(dòng)壓力為全力制動(dòng)的40%，壓力值為60bar，制動(dòng)持續(xù)為0.12s。因自車與前車碰撞危險(xiǎn)加劇，在4.6s時(shí)刻啟動(dòng)了全力制動(dòng)措施，制動(dòng)壓力為150bar，在6.3s時(shí)刻自車速度降為零，達(dá)到避撞目的。整個(gè)制動(dòng)過程中，自車與前車相距最短距離為2.29m。

在同樣的測(cè)試工況下使用TTC算法與安全距離算法協(xié)同控制下的仿真結(jié)果如圖2（a，b，c）所示。圖2（c）中，在3.28s時(shí)刻觸發(fā)了全力制動(dòng)措施，制動(dòng)壓力為150bar，持續(xù)時(shí)間為2.54s，在5.82s時(shí)刻自車速度降為零，相比僅有TTC算法時(shí)提前了0.48s。行駛過程中兩車相距最短為4.3m，與前者相比避撞效果更為理想。

2.2 工況2

設(shè)定自車與前車速度均為50km/h，兩車相距8m，為同速近距離跟車工況，使用TTC算法與安全距離算法協(xié)同控制的控制策略。因該過程TTC算法失效，由安全距離控制算法介入后得到的仿真結(jié)果如圖3（a，b，c）所示。由圖3（c）可知，安全距離模型在0.21s時(shí)刻介入，采取全力制動(dòng)措施，制動(dòng)壓力為150bar，制動(dòng)持續(xù)時(shí)間為1.04s。在1.4s時(shí)刻自車速度降到最低，約為19km/h，危險(xiǎn)已解除，自車開始加速，在2.6s時(shí)刻兩車距離達(dá)到最大值，為18m。協(xié)同控制算法實(shí)現(xiàn)了近距離跟車狀況下有效避撞，在該過程中TTC算法全程未介入系統(tǒng)，如圖3（c）所示。

3 結(jié)論

本文通過建立GMA模型和AEB的協(xié)同控制算法，于Prescan/Simulink/CarSim中搭建聯(lián)合仿真平臺(tái)。通過聯(lián)合仿真測(cè)試結(jié)果可知，以GMA為制動(dòng)執(zhí)行機(jī)構(gòu)，當(dāng)超磁致伸縮式AEB系統(tǒng)采用TTC算法和安全距離算法協(xié)同控制時(shí)：（1）相比僅有TTC算法時(shí)，制動(dòng)介入更加及時(shí)，制停后兩車距離更為合理；（2）在前后兩車同速近距離跟車狀況下，TTC算法失效，安全距離模型介入，避免了在僅有TTC算法的情況下發(fā)生碰撞，達(dá)到較好的避撞目的。驗(yàn)證了GMA在AEB協(xié)同控制算法介入時(shí)，制動(dòng)的及時(shí)性和有效性，提升了同速近距離跟車的主動(dòng)安全性能。

參考文獻(xiàn)

[1]國家統(tǒng)計(jì)局.中華人民共和國2023年國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)[N].2024-03-01（11）.

[2]Richard Schram，Aled Williams，Michiel van Ratingen.Implementation of Autonomous Emergency Braking （AEB）， the next step in Euro NCAP’S safety assessment[J]. Belgium：European New Car Assessment Programme， 2013：13-0269.

[3]Chu changbao，Liu zhenhua，Jia xingjian. Co-simulation of giant magnetostrictive autonomous emergen-cy braking system for intelligent vehicles based on Prescan/Simulink /CarSim. Journal of Electrical Systems. 2024，20（2）： 367-382.

[4]呂章潔.汽車AEB仿真控制算法優(yōu)化及驗(yàn)證[D].重慶：重慶理工大學(xué)，2017.

[5]Seungwuk Moon， Kyongsu Yi. Human driving data-based design of a vehicle adaptive cruise control algorithm [J]. Vehicle System Dynamics， 2008， 46（8）： 661-690.

[6]裴曉飛，劉昭度，馬國成，等.汽車主動(dòng)避撞系統(tǒng)的安全距離模型和目標(biāo)檢測(cè)算法[J]. 汽車安全與節(jié)能學(xué)報(bào).2012.01：26-33.