汽车紧急避撞系统控制算法

汤　沛，魏民祥，赵万忠，黄丽琼

(1.南京航空航天大学 能源与动力学院，江苏 南京 210016；2.盐城工学院 汽车工程学院，江苏 盐城 224003)



汽车紧急避撞系统控制算法

汤沛1,2，魏民祥1，赵万忠1，黄丽琼1

(1.南京航空航天大学 能源与动力学院，江苏 南京 210016；2.盐城工学院 汽车工程学院，江苏 盐城 224003)

摘要：针对汽车主动避撞问题，提出了一种紧急避撞系统的控制算法，建立了紧急避撞安全距离模型，设计了模糊比例-积分-微分(PID) 控制器。对典型的高速变道避撞工况进行了仿真，仿真结果表明：本文设计的汽车紧急变道避撞控制系统，能够控制车辆在高速情况下按照所设计的预定变道轨迹行驶，横摆角速度为-7.41～7.42 (°)/s，具有良好的稳定性。仿真实验验证了模糊PID 控制性能优于单纯的PID 控制。

关键词：汽车工程；汽车紧急避撞系统；模糊PID；安全距离

0引言

汽车主动避撞系统已经成为国内外着重研究的主动安全技术，该系统根据路况与车况等综合信息判断汽车是否存在碰撞危险,并在紧急情况下采取制动、转向等措施使汽车主动避开障碍物,确保车辆安全行驶,从而达到提高交通安全性的目的[1-3]。

近年来，国内外学者对主动避撞系统的预警/碰撞算法进行了深入研究，并取得了一些成果。文献[4]针对汽车纵向避撞系统的要求，提出了一种基于纵向避撞时间的纵向预警/避撞算法，确定合理的预警距离。文献[5]设计了一种适用于不同驾驶员避撞特性的分级报警/避撞算法，并且通过声光报警及主动制动帮助驾驶员实现有效避撞，有效地提高了汽车的主动安全性。文献[6]建立了道路附着系数矩阵和以动态制动减速度为关键参数的车辆临界跟车距离模型，该模型具有较好的自适应性和鲁棒性。以上研究均集中在避撞系统的纵向控制领域，其中，避撞算法是汽车主动避撞系统的核心[4-7]。在危险工况中，驾驶员采取的避险策略往往是通过紧急变道来避免交通事故的发生，该操作在操控适当的情况下可以在较短距离内使车辆避开前方障碍物，并保持车辆行驶的稳定性[8]。本文基于紧急变道思想，设计避撞控制系统，目的是帮助汽车在无驾驶员干预的情况下，在直道上自动地从现行车道变换到目标车道，实现避撞，有效降低车辆碰撞的事故发生率。

1安全距离模型

图1　换道避撞模型图

图1为换道避撞模型图。如图1所示，整个侧向避撞换道过程可分为3个阶段[9-11]。

(Ⅰ)车姿车速调整阶段(0，ta)

ta为车姿车速调整时间，s。紧急避撞工况时不必考虑驾驶员反应时间，须考虑消除制动间隙时间t1和制动力增长时间t2，t1取0.2 s,t2取0.2 s。自车在原来车道上适当减速并调整车体姿态，选择合适换道间隙。

u(ta)=u0-ata；

(1)

(2)

其中：u(ta)为自车ta时刻速度，m/s；u0为自车初始速度，m/s；a为自车减速度，m/s2；D1为0～ta时纵向行驶位移，m。

(Ⅱ)换道避撞阶段(ta，tc)

自车以一定车速换道，直至到达最大临撞点tc(自车行驶转向角φ最大时)，纵向行驶位移为D2：

D2=u(ta)(tc-ta) 。

(3)

(Ⅲ)相邻车道调整阶段(tc，ta+te)

进入相邻车道后，调整自身车速至与相邻车道车辆均处于安全状态。基于换道过程中侧向速度的变化趋势(先增后减)，自车的侧向加速度采用正弦函数车道变换模型，侧向加速度模型为：

(4)

其中：H为换道侧车道宽度，m；ay为侧向加速度，m/s2;te为变道时间，s。

结合式(4)，自车横向位移l2须满足：

(5)

其中：lw为自车宽度，m；l1为障碍物边缘与车道中心线宽度，m。

在紧急避撞系统抵达可能碰撞点时，车辆纵向行驶距离为D：

(6)

对D求导得：

u0-ata-a(tc-ta)=0。

(7)

考虑车身长度，并保证车辆在整个变道过程中不与前方障碍发生碰撞，安全距离Da为：

Da=D+lLcosθ+d，

(8)

其中：lL为自车车长，m；d为静态安全距离，m；θ为车辆到达碰撞临界时刻的航向角，rad。

2模糊PID控制器的设计

传统比例-积分-微分(proportion-integral-derivative,PID)控制具有参数修改整定不便、不能适应误差和误差变化率波动较大的缺点。而模糊控制不依赖于对象模型，能依据系统的动态信息和控制规则进行推理，从而获得合适的控制量，具有较强的鲁棒性，但控制精度稍低。模糊PID控制是结合PID控制和模糊控制得出的一种控制方式，其重要任务是找出PID的比例系数、积分时间常数和微分时间常数分别与误差e和误差变化率ec之间的模糊关系。在运行中不断检测e和ec，根据确定的模糊控制规则对3个参数进行在线调整,满足不同的e和ec对3个参数的不同要求[12-16]。

期望的转向盘转角δsw可由车辆逆动力学模型推导得出：

δsw=ayiL/u2+ayiLK，

(9)

其中：u为车辆行驶速度，m/s；L为车辆轴距，m；i为转向系统传动比；K为稳定性因数。

图2为紧急避撞控制系统的结构图，控制器的输入是侧向加速度的理想值ay与实际值as的偏差ae；输出为经模糊PID控制器处理后的侧向加速度ac，用于输入到车辆逆动力学系统模型；而δsw作为转向盘转角信号，是车辆逆动力学系统的输出，输入到汽车7自由度动力学模型[17]。车辆模型参数如表1所示[18]。

图2　紧急避撞控制系统的结构图

参数数值整车质量m/kg1740车辆质心到前轴距离lf/m1.058车辆质心到后轴距离lr/m1.756车辆绕Z轴的转动惯量Iz/(kg·m2)3214车辆质心高度h/m0.542轮距d/m1.535轮胎纵向刚度(前轮、后轮)Cx/(N·rad-1)-105850、-79030轮胎侧向刚度(前轮、后轮)Cy/(kN·m-1)650、600车轮滚动半径R/m0.25

2.1隶属度函数

常规PID的控制公式为：

u(t)=kpe(t)+

(10)

其中：kp为比例系数；ki为积分系数；kd为微分系数；e(t)为系统误差。

输出语言变量模糊子集为{NB,NM,NS,ZO,PS,PM,PB},输出量模糊化后的论域值分别为[0,6]、[0,0.06]和[0,0.02]。对于输出变量的模糊集采取高斯函数建立隶属度函数，如图4～图6所示。

图3 侧向加速度偏差绝对值ae和变化率aec的隶属度函数图4 输出语言变量kp的隶属度函数

图5 输出语言变量ki的隶属度函数图6 输出语言变量kd的隶属度函数

2.2模糊控制规则的建立

表2　kp模糊规则表

3仿真验证及结果分析

为了检验控制系统的效果，进行了相应的虚拟仿真实验。本文研究的是高速情况下的紧急避撞，因此选取速度为100 km/h的典型高速仿真工况，并与单纯PID控制的紧急避撞系统和无控制器紧急避撞的车辆状态表现进行了对比。仿真结果见图7～图9。

如图7所示，含有模糊PID控制系统和单纯PID控制系统的轨迹曲线超前于理想的轨迹曲线，其中含有模糊PID控制系统的轨迹曲线比单纯PID控制系统的轨迹曲线更接近于理想的轨迹曲线。而不含控制器系统的轨迹曲线则相应地滞后于理想曲线，且总的横向位移明显偏离设定轨迹，这会影响车辆行驶安全。

如图8所示，含有模糊PID控制系统的侧向加速度曲线几乎与理想的曲线完全重合，而单纯PID控制系统与无控制器系统的侧向加速度曲线较理想值滞后严重，不能满足变道避撞系统的相关要求。图8中，侧向加速度的最大值为3.5 m/s2，没有出现明显超调，符合车辆稳定性的要求。

图7 100km/h速度下的横向位移曲线图图8 100km/h速度下变道避撞过程中侧向加速度曲线图

图9　100 km/h速度下系统车辆横摆角速度响应

模糊PID控制系统、单纯PID控制系统和无控制器的紧急避撞系统中车辆的横摆角速度响应如图9所示。从图9中可以看出：无控制器的系统的横摆角速度变化为-7.82～9.19 (°)/s。单纯PID控制系统的横摆角速度变化为-7.22～8.79 (°)/s。而模糊PID控制系统的横摆角速度变化为-7.41～7.42 (°)/s，且变道避撞过程完成后收敛迅速平滑，说明变道避撞过程中车辆姿态良好，没有出现剧烈的变化，稳定性较好。

4结论

本文对典型的高速变道避撞工况进行了仿真，所设计的紧急变道避撞控制系统，能够控制车辆在高速情况下按照所设计的预定变道轨迹行驶，并且具有良好的稳定性，验证了模糊PID紧急变道避撞控制系统性能优于单纯的PID控制系统和无控制器的系统。所设计的紧急变道避撞控制系统在快速响应的同时对被控参数具有较强的适应能力，可以满足实际紧急避撞工况中环境信息实时调整的需求。

参考文献：

[1]宋翔,李旭,张为公,等.汽车主动安全关键参数联合估计方法[J].交通运输工程学报,2014,14(1):65-74.

[2]刘月杰,金立生,郑义,等.汽车主动安全预警系统警告触发方式研究[J].汽车技术,2013(3):33-37.

[3]永井正夫.基于先进控制技术的车辆主动安全领域研究展望[J].汽车安全与节能学报,2010,1(1):14-22.

[4]于广鹏,谭德荣,田厚杰,等.基于纵向避撞时间的预警/制动算法[J].河南科技大学学报(自然科学版),2015,36(2):30-34.

[5]裴晓飞,齐志权,王保锋,等.汽车前向主动报警/避撞策略[J].吉林大学学报(工学版),2014,44(3):509-604.

[6]董红召,陈炜烽,郭明飞,等.基于车路一体化的车辆主动避撞系统关键技术的研究[J].汽车工程,2010,32(11):984-988.

[7]侯德藻.汽车纵向主动避撞系统的研究[D].北京:清华大学,2004.

[8]HULSEN M,ZOLLNER M J,WEISS C.Traffic intersection situation description ontology for advanced driver assistance[C]//IEEE Intelligent Vehicles Symposium.2011:993-999.

[9]VICENTE M,DAVID F L,JORGE V,et al.Vision-based active safety system for automatic stopping[J].Expert systems with applications,2012,39:11234-11242.

[10]JARROD M S.Automatic steering methods for autonomous automobile path tracking[D].Pittsburgh:Carnegie Mellon University,2009:29-43.

[11]王婉秋,陈雨人,钱宇彬.双车道公路弯道驾驶人模糊优选决策模型与实验验证[J].中南大学学报(自然科学版),2015(1):332-341.

[12]王述谚,师宇，冯忠绪.基于模糊PID控制器的控制方法研究[J].机械科学与技术,2011,30(1):166-172.

[13]CHIOU J S,TASI S H,LIU M T.A PSO-based adaptive fuzzy PID-controllers[J].Simulation modelling practice and theory,2012,26:49-59.

[14]CHAO L B.Traction control algorithm based on fuzzy PID and PWM modulation[C]//Proceedings of 2011 International Conference on Electronic and Mechanical Engineering and Information Technology.2011:3246-3249.

[15]CHANGIZI N.Comparison of PID and fuzzy controller for automobile suspension system[J].Applied mechanics and materials,2011,110/116:671-676.

[16]HIRULKAR S.Design of automatic car breaking system using fuzzy logic and PID controller[C]//International Conference on Electronic Systems,Signal Processing,and Computing Technologies.2014:413-418.

[17]刘存星,魏民祥,顾亮.车辆紧急变道避撞安全距离建模与仿真研究[J].机械设计与制造,2016(2):17-20.

[18]LV H M，LIU S N.Closed-loop handling stability of 4WS vehicle with yaw rate control[J].Journal of mechanical engineering,2013,10(59):595-603.

[19]李水良,杜迎慧,闫守成.电磁离合器电流的模糊自调整PID控制[J].河南科技大学学报(自然科学版),2010,31(4):43-46.

基金项目：国家自然科学基金项目(51375007)

作者简介：汤沛(1981-),男,江苏盐城人,讲师,博士生;魏民祥(1963-),男,山东青州人,教授,博士,博士生导师,主要从事汽车主动安全方面的研究.

收稿日期：2016-02-22

文章编号：1672-6871(2016)05-0020-05

DOI:10.15926/j.cnki.issn1672-6871.2016.05.005

中图分类号：TP273+.4

文献标志码：A