用于汽車駕駛機器人的車輛性能自學習方法

陳 剛 張為公 龔宗洋 孫 偉

東南大學,南京,210096

0 引言

隨著汽車工業(yè)的發(fā)展,人類對汽車的性能要求越來越高,需要借助于大量的試驗來改進設(shè)計。由于汽車試驗重復(fù)性強、持續(xù)時間長、工作環(huán)境惡劣,因此更適合由機器人來操作[1-2]。國外駕駛機器人的關(guān)鍵技術(shù)還處在保密階段,目前擁有該項技術(shù)的主要有德國 SCHENCK、ST ?HLE,美國的 LBECO,英國的MIRA 、Froude Consine,日本的 HORIBA 、Nissan Motor、AUTOMAX 等。國內(nèi)主要有東南大學與南京汽車研究所聯(lián)合研制成功的、具有自主知識產(chǎn)權(quán)的DNC—1型、DNC—2型和DNC—3型駕駛機器人[3-4]。采用駕駛機器人進行汽車試驗不僅可以降低試驗人員的勞動強度,節(jié)省試驗費用,提高試驗效率,而且能消除人為因素的影響,保證汽車試驗數(shù)據(jù)的準確度和有效性。

車輛性能自學習是汽車駕駛機器人的關(guān)鍵技術(shù),國內(nèi)鮮見報道。不同類型的車輛,甚至同型號的不同車輛或者同一車輛在不同的運行時刻,其動力學參數(shù)是不同的。為了縮短在不同車況下以及更換車型之后的控制參數(shù)調(diào)整時間,本文提出了一種用于駕駛機器人的車輛性能自學習方法,對影響駕駛機器人駕駛行為的車輛尺寸和汽車性能參數(shù)進行自學習、自校正、自補償,提高了駕駛機器人駕駛的準確性和精度,以及駕駛機器人的適應(yīng)速度和能力,從而提高了駕駛機器人對不同車型的自適應(yīng)性以及駕駛動作的自學習能力。

1 汽車排放耐久性試驗系統(tǒng)構(gòu)成

汽車排放耐久性試驗系統(tǒng)主要由底盤測功機和駕駛機器人組成,其系統(tǒng)構(gòu)成如圖1所示[5-6]。底盤測功機配置功率吸收裝置和慣性飛輪,模擬汽車在平直道路上行駛過程中所受的各種阻力,以使汽車的試驗環(huán)境與在道路上行駛盡可能保持一致。駕駛機器人在不改造被試車輛的基礎(chǔ)上代替試驗人員駕駛汽車,完成汽車油門、制動器、離合器及換擋機械手的協(xié)調(diào)配合操作,跟蹤預(yù)先設(shè)定的各種循環(huán)行駛工況曲線。駕駛機器人應(yīng)能無破損地快速安裝,應(yīng)能輕巧方便地安裝于駕駛室的有限空間內(nèi),并適應(yīng)于各種車型,安裝時不得損壞車內(nèi)設(shè)備。

2 駕駛機器人系統(tǒng)

2.1 駕駛機器人系統(tǒng)結(jié)構(gòu)

駕駛機器人主要由換擋機械手、油門機械腿、制動器機械腿、離合器機械腿、計算機控制系統(tǒng)、電動驅(qū)動系統(tǒng)構(gòu)成。駕駛機器人采用純電動驅(qū)動的方式,使機器人的操作能夠具有人類試驗人員肌肉的快速性和柔順性,滿足了汽車駕駛動作快速(如換擋、制動)、快慢結(jié)合(如離合器)、慢速(如油門)等運動要求。汽車駕駛機器人的系統(tǒng)結(jié)構(gòu)如圖2所示[3-4,7]。

2.2 駕駛機器人系統(tǒng)工作過程

駕駛機器人系統(tǒng)工作過程如圖3所示。工作中,系統(tǒng)不斷地讀取發(fā)動機轉(zhuǎn)速、車速及循環(huán)行駛工況等數(shù)據(jù),并根據(jù)這些數(shù)據(jù)計算出所需的車輛驅(qū)動功率,然后與底盤測功機的吸收功率相比,以判斷是需要加速還是需要減速。若吸收功率小于所需的驅(qū)動功率,就需要加速,然后查表獲得所需的油門踏板行程;若吸收功率大于所需的驅(qū)動功率,就需要減速,通過查表獲得所需的制動踏板行程。這里,車輛驅(qū)動功率為

式中,P為所需的車輛驅(qū)動功率;v為車速,km/h;k為汽車旋轉(zhuǎn)質(zhì)量換算系數(shù);m為汽車質(zhì)量,kg;ΔW為轉(zhuǎn)動部分的微小慣性當量;μr為滾動阻力系數(shù);Cd為空氣阻力系數(shù);ρ為空氣密度,kg/m3;A為車輛迎風面積;g為重力加速度,9.8m/s2;a為加速度,m/s2。

底盤測功機的吸收功率為

式中,Pα為底盤測功機的吸收功率,kW;W為轉(zhuǎn)動部分慣性當量;v1為初始車速;v2為跟隨速度變化的車速;t為速度變化所需要的時間。

功率測量由駕駛機器人自動執(zhí)行。發(fā)動機扭矩為

式中,ne為發(fā)動機轉(zhuǎn)速。

T、ne與油門開度α之間存在一非線性關(guān)系:T=f(ne,α),它由發(fā)動機廠商提供,作為查詢表供控制程序調(diào)用。通過制動器產(chǎn)生制動力F,計算方法為

3 車輛尺寸和性能自學習方法

現(xiàn)代汽車是一個復(fù)雜的、具有強大非線性特性的系統(tǒng),故建立汽車控制數(shù)學模型的難度較大。利用自學習方法獲得描述汽車控制特性的近似模型,可以避開復(fù)雜的汽車動力學建模過程,縮短駕駛機器人控制參數(shù)對不同車型的適應(yīng)性調(diào)整時間。從駕駛機器人安裝到試驗車輛上,再到能夠跟蹤車速循環(huán)進行汽車速度的自動駕駛,需經(jīng)過兩個方面的自學習,即幾何尺寸的自學習和性能參數(shù)的自學習。

3.1 車輛幾何尺寸自學習

駕駛機器人安裝到試驗車輛上后,示教控制程序按照試驗人員的指令自動控制油門、制動器、離合器機械腿下踩、回收,利用安裝在各個機械腿上的傳感器獲得三條腿的起始位置、最終位置和行程。擋位位置的自學習由試驗人員使用示教盒示教完成,程序獲得各個擋位對應(yīng)的位置,并在再現(xiàn)環(huán)節(jié)中自動調(diào)整換擋機械手的位置定位控制參數(shù)。

由于離合器開始接合時,發(fā)動機轉(zhuǎn)速會下降,因此,離合器接合區(qū)的位置自學習方法可以利用發(fā)動機轉(zhuǎn)速下降時離合器機械腿的位置作為開始接合的標志。采用緩慢接合離合器的方式,在某個擋位下接合完成后,發(fā)動機轉(zhuǎn)速ne和車速v滿足:

式中,i0為主傳動比;ig為變速器各個擋位下的速比;r為輪胎半徑。

因此,通過捕捉接合過程中發(fā)動機轉(zhuǎn)速和車速的對應(yīng)關(guān)系,便能夠得到接合區(qū)的結(jié)束點。

3.2 汽車性能參數(shù)自學習

3.2.1 發(fā)動機性能自學習

發(fā)動機的輸出特性通過學習發(fā)動機轉(zhuǎn)速和發(fā)動機扭矩來完成油門執(zhí)行器位移,此即控制參數(shù)的學習過程。學習過程包括了發(fā)動機工作所采用的試驗循環(huán)行駛工況的全部情況。學習過程如圖4所示。通過油門執(zhí)行器位移s1獲取車輛速度v1。把油門以階躍方式從s1釋放到s2,同時測量車輛速度變化量Δv和產(chǎn)生這種變化所需要的時間Δt。在測量 v、Δv、Δ t的過程中 ,通過平均車速計算發(fā)動機功率,然后,由功率和同一時刻的發(fā)動機速度計算發(fā)動機扭矩。

3.2.2 制動性能自學習

汽車制動性能包括發(fā)動機制動性能和腳制動性能。學習發(fā)動機制動性能是為了判斷車輛減速控制是由油門控制的結(jié)果,還是由制動踏板控制的結(jié)果。學習過程采用梯度下降法。某時刻發(fā)動機的制動性能取決于該時刻車輛所需驅(qū)動功率和底盤吸收功率的差異,將差異結(jié)果轉(zhuǎn)化成表格,以顯示發(fā)動機轉(zhuǎn)速和發(fā)動機制動性能之間的關(guān)系,并存入內(nèi)存中。腳制動性能的學習過程與發(fā)動機性能學習過程相似。制動踏板開度以階躍方式變化,同時測量車速變化,確定減速性能。用式(4)計算通過腳制動產(chǎn)生的制動力。

3.3 控制參數(shù)在線優(yōu)化

在實際的汽車試驗過程中,汽車各個組成部件的磨損會導(dǎo)致自學習得到的車輛特性擬合表發(fā)生變動,因此有必要通過一定的補償方法對擬合表進行在線優(yōu)化和補償,通過比較系統(tǒng)輸出結(jié)果與理想值的偏差,采用遞推最小二乘算法對擬合表進行修正。遞推最小二乘算法是自適應(yīng)濾波中的一種常用算法,具有收斂時間短的優(yōu)點[8]。設(shè)輸入信號為控制參數(shù)插值中相鄰的4個點:

輸入量的權(quán)系數(shù)為

誤差信號為控制輸出量和學習的位置之間的偏差:

式中,d(k)為實際的控制輸出量;wT(k)x(k)為由學習得到的位置信息。

最小化誤差信號的平方和J(k),

當w(k)的導(dǎo)數(shù)為零時,得到控制參數(shù)權(quán)系數(shù)的最優(yōu)向量:

從而推出權(quán)系數(shù)的遞推關(guān)系式:

4 試驗驗證

為了驗證提出的駕駛機器人車輛性能自學習方法的有效性和可行性,在南京汽車集團技術(shù)中心BOCO NJ 150/80型水冷式電渦流底盤測功機上,由駕駛機器人進行80 000km排放耐久性V型試驗,試驗現(xiàn)場如圖5所示。十五工況車速循環(huán)跟蹤試驗曲線如圖6所示。試驗車為 FIAT Siena 1.5L,五擋手動變速器各擋速比為3.5、1.952、1.322、0.972、0.769,主減速比為 4.294,具體的車輛尺寸及汽車性能參數(shù)如表1所示。從安裝到試驗車完成自學習過程的時間在1h內(nèi),更換車型之后PID整定時間約為45min,經(jīng)自學習所得到的尺寸和位置信息如表2所示。學習得到的離合接合區(qū)起點位置為3515mm,離合接合區(qū)終點位置為3576mm,自學習得到的車速與油門行程之間的關(guān)系如圖7所示。

表1 FIAT Siena 1.5 L車輛參數(shù)表

表2 車輛尺寸自學習位置參數(shù) mm

由圖6可以看出,駕駛機器人能合理協(xié)調(diào)控制油門、制動器、離合器和換擋機械手實現(xiàn)汽車的起步、加速、換擋、等速、減速等操作,車速跟蹤精度滿足試驗的要求,并且穩(wěn)速工況階段車速變化柔和、波動小。加速—等速以及減速—等速工況變化階段車速雖然有一定的“過沖”和下降,但是得到了及時的控制,駕駛機器人具有良好的車速跟蹤性能。

[1]Shoval S,Zyburt J P,Grimaudo D W.Robot Driver for Guidance of Automatic Durability Road(ADR)Test Vehicles[C]//Proceedings of the 1998 IEEE International Conference on Robotics and Automation.Leuven,Belgium,1998:1767-1772.

[2]Thiel W,Grof S,Hohenberg G,et al.Investigations on Robot DriverforVehicleExhaustEmission Measurements in Comparison to the Driving Strategies of Human Drivers[J].SAE Paper,No.982642,1998.

[3]Chen Xiaobing,Zhang Weigong.Robot Driver for Vehicle Durability Emission Test on Chassis Dyna-mometer[J].Journal of Southeast University(English Edition),2005,21(1):33-38.

[4]張為公,陳曉冰.汽車駕駛機器人關(guān)鍵技術(shù)研究[J].江蘇大學學報(自然科學版),2005,26(1):20-23.

[5]Ogawa Y,Yoneshige Y.Automatic for the People[J].Testing Technology International,2000(5):12-15.

[6]陳曉冰,張為公,張丙軍.汽車駕駛機器人車速跟蹤控制策略研究[J].中國機械工程,2005,16(18):1669-1673.

[7]Schwarze K,Gollinger H,Busch A.Actuator Concepts for an Autonomous Robotic Driver[C]//Proceedings of IEEE International Conference on Intelligent Vehicles.Stuttgart,1998:463-468.

[8]崔宏巍.LPG汽車發(fā)動機電控系統(tǒng)研究與實現(xiàn)[D].南京:東南大學,2003.