无人驾驶汽车纵向速度控制研究＊

杜利民，李刚，武霖，白鸿飞，李玉治

（辽宁工业大学 汽车与交通工程学院，辽宁 锦州 121001）

引言

北京理工大学朱敏等人，以无人驾驶轻型战术轮式越野车辆为平台，开展模型预测纵向速度跟踪控制实车试验研究[1]。针对智能电动汽车的纵向控制在不确定性干扰下存在非线性、强时变特征，李文昌等人提出一种分层控制架构下的智能电动汽车纵向跟车运动自适应模糊滑模控制方法[2]。罗玉峰等人为提升智能驾驶路径跟随行驶性能，通过分析国内外智能驾驶纵向控制的直接式和分层式设计方法，论述了纵向控制理论方法和技术应用的研究现状[3]。高峰等人针对汽车纵向动力学模型的大不确定性,设计了一种基于鲁棒控制理论的汽车纵向加速度多模型分层切换控制系统。通过分析汽车纵向动力学特性,用4 个不确定模型覆盖对象不确定性,并应用LMI 方法设计对应的鲁棒性能控制器集合。考虑鲁棒控制系统的特点,设计了一种对不确定性的系统增益进行估计的切换指标函数,以选择控制器进行控制。实验表明,提出的方法在大不确定性下可以对纵向加速度有效控制[4]。在美国开始自动转向控制研究的同一时期，英国和日本也先后开始了车辆自动转向控制的研究工作。英国的道路研究室（Road Research Laboratory, RRL）在上世纪60 年代末对其设计的自主转向控制系统进行了实验验证；结果表明，连接该控制系统的智能车辆，其在直线道路上的侧向跟踪误差只有2cm[5]。日本通产省的机械研究所（Mechanical Engineering Laboratory, MEL）则在1967 年成功实现了较高速度（100 km/h）下的车辆无人驾驶控制[6]。本文针对无人驾驶汽车在上下坡道的过程中，汽车纵向速度对行驶状态影响较大的问题，提出了一种针对无人驾驶汽车在路径跟踪过程中的纵向速度控制方法。

1 坡道速度增量预估模型

对理想的水平路面上行驶的无人驾驶汽车而言，路面条件变化不大，可以基本满足在实际无人驾驶汽车对纵向速度稳定性的要求。但是，当行驶路面变化比较明显时，即存在较大的坡道，由于汽车重力的影响，上坡时实际纵向速度会低于期望纵向速度，下坡时实际纵向速度会大于期望纵向速度。当这些情况出现的时候，就会对无人驾驶汽车的行驶状态造成比较大的影响。

如图1 所示，即为无人驾驶汽车在坡道上的受力分析情况。

g 为重力加速度，αslope为坡道倾斜角

在坡道上汽车由重力加速度产生的加速度为：（1）式中aslope下坡时符号为正，上坡时符号为负。

在实际应用中可以用车身俯仰角代替坡道倾斜角，车身俯仰角可以由传感器测得。而本文采用Simulink 与Carsim联合仿真的方法，所以坡道倾斜角可以通过Carsim 道路建模设置为定值，这样的仿真过程更加简单可靠。

无人驾驶汽车在一个控制周期T 内因坡道产生的速度增量为：

（3）式中，vd为期望纵向速度、v1为实际纵向速度。坡道预估速度跟踪逻辑框图，如图2 所示。

图2 坡道预估速度跟踪逻辑框图

2 纵向速度控制器

纵向速度控制器采用增量PID 控制算法，输入为式（3）中的速度偏差，输出为期望纵向速度，增量PID 的计算公式如式（4）。

Kp、Ki、Kd分别为比例、积分、微分系数，u(k)表示第k个采样时刻的控制量，e(k)表示第k 个采样时刻的速度输入偏差。

3 实验仿真

本文采用Simulink 和Carsim 联合仿真的方法，进行控制算法的实验验证。在Carsim 中设置道路为存在高为5m 的凸包，即无人驾驶汽车在仿真初始时刻，先走一段水平路线，然后上坡，到达坡顶之后开始下坡，纵向速度设置为10km/h。由于仿真环境设置为直线，所以在Carsim 模型输入包括：期望纵向速度、两个前轮转角、两个后轮转角，前后轮转角设置为0，保证车辆模型直线行驶不跑偏。

纵向速度为10km/h 的时候，纵向速度随无人驾驶汽车行驶距离的变化趋势如图3 所示。

图3 10km/h 的实际纵向速度变化趋势

由于，在仿真过程中无人驾驶汽车的初始纵向速度为0km/h。所以，在0-6m 汽车的纵向速度产生比较大的变化是因为，这一段距离是无人驾驶汽车的起步阶段，纵向速度从0km/h 加速，然后减速到10km/h，这是正常的行驶状态。从6m 以后无人驾驶汽车的纵向速度不会因为路面坡度的影响产生剧烈的变化，从数据中可以看出输出结果十分稳定，达到了无人驾驶汽车在受到路面坡度的影响时，仍然以稳定速度行驶的要求。

4 总结

由以上实验可以得出，该控制算法在路面条件发生改变的时候，能够对无人驾驶汽车的纵向速度控制起到很好的控制作用，能够将实际纵向速度稳定在期望期望速度附近。从而改善无人驾驶汽车的行驶稳定性，避免了由于无人驾驶汽车运行状态对纵向速度变化具有较高的敏感性，在纵向速度发生改变的时候，无人驾驶汽车的运行状态不可控。