行人防碰撞系统制动控制建模与联合仿真

葛平淑，徐国凯，郭 烈，任泽建

(1.大连民族大学 机电信息工程学院，辽宁 大连116605;2.大连理工大学 汽车工程学院，辽宁 大连116024)

随着各国对道路交通安全的重视以及智能交通系统的不断发展，汽车主动防碰撞预警系统已经成为国内外研究的热点。考虑到目前汽车主动防碰撞系统的主要研究目标是将前方车辆作为防撞目标［1］，将系统的研究目的主要定位在提高本车行驶安全性上，没有体现对车外行人等交通弱势群体的主动安全保护。

由于交通环境信息的复杂性、行人运动特征的多样性以及随机性，如何建立基于行人安全的行车安全评估模块，这也是未来汽车主动防碰撞预警系统的重要组成之一［2］。如Llorca 等［3］结合高精度GPS 信息为驾驶员提供导航信息，采用立体视觉传感器实现前方行人探测，并设计了基于模糊理论的避撞行人转向控制器。Milanés 等［4］针对道路交通事故当中易受伤害的行人，设计了旨在保护行人安全的自动停车模糊控制系统，实现智能车辆避免碰撞行人的制动行为。

为了更好地模拟汽车的实际运行状态，需要实现建立汽车动力学建模。考虑到汽车动力学系统存在较强的非线性，行驶过程中又存在大量不确定性因素，国内外对车辆动力学系统的建模和控制系统的设计进行了相关研究。如李径亮等［5］提出的基于模糊规则的控制算法在急加速和急减速情况下会有一定程度的滞后与超调。文献［6-7］利用模糊逻辑理论对车辆的相对速度和间距进行控制，有效提高了控制系统的跟踪性和鲁棒性，但其在建模过程中对车辆动力学系统进行了不同程度的简化处理，没有全面考虑发动机模型的动态特性和轮胎模型滑移特性对动力学模型特性的影响等，因此很难反映实际工况下的控制效果。

针对常规线性建模的不足，本文对保护行人安全的防碰撞预警系统设计了制动控制方法，如图1。首先结合前期行人检测结果进行了行车安全判断，采用了Carsim 软件和Simulink 建立了能够反映系统动态特性并能兼顾模型精确性的试验车动力学系统模型，基于滑模控制和单神经元PID 设计了双层控制器，并对典型的危险场景进行了仿真研究。

1 行车安全判断

汽车纵向主动避撞系统包括以下几项关键技术:行车信息感知及处理，行车安全状态判断，车辆动力学建模和控制以及控制执行技术。车辆行车信息感知及处理就是利用安装于汽车上的各种传感器，实时的对车辆运行参数进行检测，并通过必要的信号处理获得准确、可靠的行车信息。行车安全判断即为判断车辆是否处理危险状态，在经过行车安全判断后，若判断为危险，将会采取下图中的(一)减速制动或者(二)紧急制动，进而保证行车的安全性。

图1 避撞控制系统设计

车辆前方检测到目标行人后，车辆和目标行人必须保持一定的安全距离，否则将会被判定为目标行人处于危险状态，需要对车辆进行控制。对目标行人和车辆信息做简化，只考虑以下二种典型的场景。

1.1 行人步行横穿车道

在行人横穿车道的情况下，求取制动临界距离和安全临界距离，制动临界距离采用了基于制动过程的安全距离模型［8］，参照图2 所示的场景，求取了安全临界距离。根据获取到前方目标行人和车辆间的相对距离，来判断目标行人和车辆是否处于安全状态。

制动临界距离

式中，vx0为被控车辆的初始速度，tr为驾驶员反应时间和制动协调时间之和，一般取值为0. 8s ～1.0s，ti为减速度增长的时间，一般取0.1s ～0.2s，φ 为路面附着系数，g=9.8m/s2，d0为停车后行人与车辆之间最低要求的距离，vh为行人步行的平均速度。

安全临界距离为

式中，d 为标准车道线宽度，vh为行人步行的平均速度，S 为车辆和行人之间的实际距离值。

满足公式(3)，则判定为行车危险，需要控制车辆自动减速，如果满足公式(4)，则判定为行车安全，车辆可以保持原状态行驶。

图2 目标行人—车辆示意图

1.2 行人突然出现在车道上

在行车过程中，前方近距离会突然出现目标行人或者障碍物，则判断为行车极限危险状态

在满足公式(3)的基础上，如果满足公式(5)，则判定为行车极度危险，需要控制车辆以较大的减速度紧急制动。

2 车辆动力学模型

2.1 Carsim 车辆动力学模型

本文中Carsim 软件提供了仿真的车辆动力学模型，包括车体、空气动力学、传动系统、制动系统、转向系统、悬架系统和轮胎，该模型能够模拟车辆运行工况，反映系统动态特性并能兼顾模型精确性，使得仿真结果更好的反应真实场景。为了保持Carsim 的模型特性与物理样车的一致性，在建模过程中需尽可能准确的模拟物理样车各部件的特性，本文选用课题组DUTIV-I 智能车辆的主要参数来进行Carsim 建模，其参数见表1。

表1 DUTIV-I 智能车辆主要参数

在Carsim 中能便捷地按车辆结构参数建立模型，同时也能在模板中建立车辆发动机、变速箱、转向器等特性;对于Carsim 没有专门定义的部件则需要在Simulink 中定义，如制动系的特性等［5］。

2.2 车辆逆动力学系统模型

按照期望加速度的要求，计算制动油路期望的制动压力，然后将期望制动压力通过制动执行器施加于车辆动力学系统进行制动控制。而将期望制动力矩转化为期望制动压力是通过逆制动系模型依据制动力矩与制动压力之间的线性关系进行的［9］。

忽略车辆旋转部件的质量换算，将车辆运动方程表示如下

本文对∑F(v)进行简化，取其风阻值和滚动阻力，即:

本文在Carsim 中采用公式(7)求得Kb，在不超过路面最大制动力的情况下，制动力可以近似表示为制动管路中油压的线性函数，其表达式为

式中，Tbf和Tbr分别表示前后轮的制动力矩，r表示轮胎的滚动半径，Pb为制动力，Kb为制动力和制动压力比值。

由公式(6)和公式(7)求得的Kb值，可得

式中，acdes为车辆期望加速度，Ft为由于发动机的驱动作用产生的路面作用于车辆的驱动力，制动时为零，Fxb表示由于制动器的制动作用产生的路面作用于车辆的制动力，ρ 为空气密度，m 为整车质量，CD表示空气阻力系数，A 为迎风面积，v 表示汽车行驶速度，g 表示重力加速度，f 表示滚动阻力系数。

3 避撞系统控制器设计

控制系统的设计是汽车自动停车研究的关键，该系统是通过对车辆的纵向动力学控制来实现其功能的。本文控制系统采用分层式控制结构。上位控制器根据被控车辆与前方目标行人间保持适当的距离，确定当前情况下被控车实现的期望加速度;下位控制器依据上位控制器的输出，对车辆动力学系统进行控制，实现这一期望的加速度［10］。

3.1 加速度滑模上位控制器

相对距离误差是评价控制系统的一个重要指标，为了提高模型的控制精度，文中将人—车相对距离和相对速度误差作为控制系统的两个指标［11］。定义上位控制器的变量参数为

根据滑模控制理论，选择避撞控制系统的滑模切换面为

λ1＞0 和λ2＞0 为滑模控制的两个参数，对公式(11)求导，得

在实际系统中，摩擦、外界干扰和参数摄动的影响是难以避免的，这时需要考虑选取合适的控制率，采用符号函数sgn( S) 使滑模切换面S 的一阶微分得以收敛，即

被控车辆的期望加速度为

3.2 单神经元PID 下位控制器

由具有自学习和自适应能力的单神经元构成单神经元自适应智能PID 控制器，不但结构简单，而且能够适应环境变化，有较强的鲁棒性。在实际的行车过程中，驾驶员通过控制制动踏板的位置来控制汽车的纵向加速度，进而控制汽车的纵向速度。这一控制过程由于涉及到制动器及轮胎等强非线性环节，因而是一个参数时变的强非线性系统，由于单神经元PID 控制器具有的适用于非线性控制的特点，所以将其应用于汽车避撞控制系统下位控制器的设计，以满足系统精度和响应要求。

在下位控制系统中，汽车的期望纵向加速度acdes由公式(14)求得，将acdes以及当前时刻汽车的实际纵向加速度ax的差作为单神经元PID 控制器的输入，采用式(16)中改进后的有监督Hebb学习规则来直接进行控制器中的连接权值的调整，从而实现单神经元PID 控制器的参数在线自整定，且保证控制器的自适应性和鲁棒性。

本文所设计的单神经元控制器所需要的状态量为x1，x2，x3:

控制算法和学习规则如下公式所示:

式中，μI、μP、μD分别为积分、比例、微分的学习速率，K 为神经元的比例系数，K ＞0，wi( t) 对应于xi( t) 的加权系数，acdes( t) 为期望加速度，ax(t)为实际加速度，accon( t) 为控制加速度。

本文对积分I、比例P 和微分D 分别采用了不同的学习速率μI、μP、μD以便对不同的权系数分别进行调整，加权系数的在线修正不完全根据神经网络学习算法，而是参考实际情况制定的，能够更好的满足实时性和准确性的要求。

4 实例研究

为验证控制器的效果，在Matlab/Simulink 中与Carsim 进行了联合仿真。将表1 中DUTIV -I智能车辆参数输入到Carsim 中，Carsim 输出给Simulink 的信号包括:车辆的纵向速度、加速度和位置信息。本文设计的控制器所选择的控制参数见表2。

图3 减速度曲线

图4 速度曲线

表2 控制参数

(1)经行车安全判断后，判定为车辆处于危险状态，需要对被控车辆做自动减速控制。

行人的步行速度相对于车辆的速度近似为vh=0 km·h-1，检测到行人在被控车辆前方S=50 m，因此在Carsim 中设置被控车初始位置为距离原点50 m 处，初始速度为v=55 km·h-1，仿真时间为40 s。

仿真结果如图3 -图5 所示。由图3 可见，被控车辆的实际加速度值和期望加速度值的变化趋势基本一致，在0.25 s 后达到了期望加速度的最大值-6.6 m·s-2，此时乘员会有一定的不舒适度，在第3 s-5 s 之间实际加速度值相对于期望加速度出现了上下较小的波动，在22 s 时被控车辆的加速度值为0。由图4 可见，车速在前5 s 内迅速下降，第5 s 时，车速降为9 km·h-1，在第15s 时车速为1.2 km·h-1，在22 s 时车辆速度达到了期望值。由图5 得，在初始时车辆与目标行人相距50 m，在前5 s 内，相对距离值下降非常快，在第5 s 时，相对距离降为16.5 m，在第22 s时，相对距离达到了停车后期望的车间距离值，车辆完全停止。

图5 相对距离曲线

(2)经过行车安全判断后，判定为车辆处于极限危险状态，需要对被控车辆做紧急避撞控制。

行人的步行速度相对于车辆的速度近似为vh=0 km·h-1，检测到行人在被控车辆前方S=25 m，因此在Carsim 中设置被控车初始位置为距离原点处25 m，初始速度为v=60 km·h-1，仿真时间为10 s。

仿真结果如图6 -图8 所示。由图6 可见，被控车辆加速度在第0.3 s 迅速达到最大值-8.5c，在0.3 -2 s 之间，加速度值在最大值附近有较小范围的波动，乘员会有一定的不舒适度。随后加速度值逐渐降低，并快速趋近于0。由图7 可知，以最大的减速度制动后，车辆从初速度60 km·h-1迅速下降，在2 s 时车速降为2 km·h-1，在2.3 s，车辆速度达到期望值0，车辆停止。由图8可见，初始时刻，车辆和行人的相对距离为25 m，在2 s 时车间相对距离值逐渐趋向于期望的相对距离值，到车辆完全停止时行人和车辆的相对距离值为7.2 m。

图6 减速度曲线

图7 速度曲线

图8 相对距离曲线

5 结 语

本文根据避撞控制系统的要求，计算了安全行驶状态，建立了Carsim 整车动力学模型和车辆逆纵向动力学模型，基于滑模控制和单神经元PID 控制设计了具有上下两层结构的控制系统，实现了车辆为避撞行人而进行的自动停车控制，保证了车辆行驶的安全性;将试验样车的参数运用到Carsim 整车建模中，能够更好的反应车辆纵向运动学的非线性时变特点和控制效果，有一定的实际意义和研究价值。下一步的工作需要考虑更多可能出现的避撞场景以及将所研究的控制算法进行实车试验。

［1］宋晓琳，冯广刚，杨济匡. 汽车主动避撞系统的发展现状及趋势［J］. 汽车工程，2008，30(4):287 -291.

［2］HUANG S N，YANG J K，EKLUND F. Analysis of car-pedestrian impact scenarios for evaluation of a pedestrian sensor system based on accident data from sweden［R］. International Conference on Expert Symposium on Accident Research (ESAR)， Hannover Germany，2006.

［3］LLORCA D F，MILANÉS V，ALONSO I P，et al. Autonomous pedestrian collision avoidance using a fuzzy steering controller［J］. IEEE Transactions on Intelligent Transportation System，2011，12(2):390 -401.

［4］MILANÉS V，LLORCAB D F，VILLAGRÁA J，et al.Vision-based active safety system for automatic stopping［J］. Expert Systems with Applications，2012，39(12):11234 -11242.

［5］李径亮，夏汤忠，陆志成，等. 基于Carsim 的车辆自适应巡航仿真与试验研究［J］. 汽车科技，2013，(2):46 -49.

［6］LEE G D，KIM S W. A longitudinal control system for a platoon of vehicle using a fuzzy-sliding mode algorithm［J］. Mechatronics，2002，12(1):97 -118.

［7］李以农，郑玲，谯艳娟. 汽车纵向动力学系统的模糊-PID 控制［J］. 中国机械工程，2006，17(1):99 -103.

［8］许伦辉，罗强，吴建伟，等. 基于最小安全距离的车辆跟驰模型研究［J］. 公路交通科技，2010，27(10):95 -100.

［9］李以农，冀杰，郑玲，等. 智能车辆自适应巡航控制系统建模与仿真［J］. 中国机械工程，2010，21(11):1374 -1380.

［10］SEUNGWUK M，ILKI M，KYONGSU Yi. Design，turning，and evaluation of a full -range adaptive cruise control system with collision avoidance［J］. Control Engineer Practice，2009(17):442 -455.

［11］李诗福. 汽车避撞控制系统建模与仿真研究［D］.长沙:湖南大学，2009.