基于模糊控制的車道保持算法設計及仿真

譚蕊妮，魏巍，呂鳳強

（陜西重型汽車有限公司，陜西 西安 710200）

引言

目前，自動駕駛車輛是繼新能源汽車后，我國汽車工業的又一個發展熱點。國內主要整車企業均制定了相關的戰略規劃，一方面通過自主開發，掌握自動駕駛的基本技術；另一方面通過跨界合作，尋求產業融合及新的商業模式。主流觀點認為，自動駕駛系統是分階段實現的，任何企業直接進入終極階段是不切實際的。因此，高級駕駛輔助系統（ADAS）作為初級階段的典型代表，已經成為技術落地的研究熱門，其中就包含車道保持技術。

1 車輛的橫向控制

車輛控制是自動駕駛技術的研究核心之一，目的是能夠根據感知及決策系統的結果，正確計算車輛所需的轉向、油門和制動量，具體可分為車輛的橫向與縱向控制。橫向控制即轉向控制，指如何計算合理的轉角，使車輛能夠沿規劃的路徑或保持在道路中心行駛，同時保證一定的安全與舒適性?？v向控制即油門和制動控制，通過計算合理的油門及制動量，使車輛按規劃的速度或與前方動態目標保持一定的距離平穩安全的行駛。

車道保持是典型的橫向控制應用，根據導航原理[1]，可將其分為基于CCD 相機、GPS 系統和磁信號的車道保持方案。考慮信號質量和應用成本等因素，目前最常用CCD 相機識別車道線，所以根據這種傳感器的特點，一般使用預瞄式橫向控制方法。通過CCD 相機實時采集前方的車道線信息，計算與車輛相距一定預瞄距離處的偏差信息，如車輛距離車道中心的橫向偏差，車輛軸線與道路中心切線的角度偏差等，基于車輛運動學或動力學模型計算相應的轉角，達到消除偏差的目的，從而實現車輛的橫向控制。

然而，汽車作為典型的時滯及高度非線性系統[2]，其橫向與縱向控制存在復雜的耦合關系。另外，車輛模型中涉及大量的經驗參數，需要結合試驗進行計算，難以保證準確性。所以如何進行解耦控制，使算法滿足時滯和非線性需求，并且對一定范圍內的車輛參數波動具有魯棒性，是車輛控制領域的一個熱點。針對這一問題，目前已有自適應控制、滑膜控制、模型預測控制和模糊控制等先進算法得到應用，并達到不錯的效果。

2 基于模糊控制的車道保持算法

2.1 控制策略

在駕駛員操作車輛的過程中，并不需要對車輛參數做過多的了解，而是通過人為對外部環境的觀察，調整車輛的航向及車速。所以，為了避免對車輛進行復雜的建模，考慮分析這種駕駛行為，并將其抽象為模糊規則。首先在駕駛過程中，駕駛員會觀察車輛前方一定距離處的道路狀況，并且該觀察距離與車速有關，高速狀態下距離較遠，低速狀態下距離較近。其次駕駛員將根據車輛與前方道路中心的橫向偏差反向調整轉向，即車輛位于道路中心左側，則向右側調整轉向，反之亦然。最后駕駛員調整轉向的幅度與當前車速有關，車速較低傾向于采用較大的幅度調整轉向，反之則采用較為柔和的調整方式，以保證駕駛的安全。

因此，將橫向偏差yL和當前車速Vx作為模糊控制器的輸入，車輛前輪轉角δ 作為輸出，根據道路曲率規劃車速，并采用一個合適的預瞄距離計算方式，即可實現一個完整的車道保持控制算法。

2.2 車道中心偏差和曲率計算

通常情況下，CCD 相機輸出的感知結果為左右車道線參數。以左側車道線為例，相機輸出C0L～C3L四個參數，并基于一定的車道線模型計算偏差。本文采用螺旋車道線模型，設預瞄距離為z，那么與左側車道線的橫向偏差yLL及道路曲率CL可分別采用式（1）和（2）進行計算。

對于右側車道線也具有同樣的公式計算yLR和CR，分別根據yLL和yLR、CL和CR即能夠估算出車道中心偏差yL和曲率C，用于模糊控制器和車速規劃。

2.3 模糊控制器設計

根據文獻[3]，整個模糊控制器使用九個模糊集合，如表1 所示。模糊規則采用IF-AND-THEN 且為Mamdani 型推理，如表2 所示。隸屬度使用三角形函數和梯形函數，如圖1～3所示。

表1 模糊集合定義

表2 模糊規則

圖1 橫向偏差yL 的模糊集合劃分

圖2 當前車速Vx 的模糊集合劃分

圖3 前輪轉角δ的模糊集合劃分

2.4 車速規劃

為保證駕駛安全，將車道保持的最高車速設置為70km/h，并根據預瞄的車道曲率C 確定目標車速，如表3 所示。

表3 道路曲率和車速的關系

最后根據目標車速VP和當前車速Vx，利用式（3）求得需要的加速度Acc（其中T 為采樣周期）。注意，由于車輛執行機構的限制，需要對Acc進行限幅。

3 基于Matlab/Simulink 的算法模型

Matlab 2018a 中提供了自動駕駛工具箱（Automated Driving System Toolbox）和車輛動力學工具箱（Vehicle Dyna-mics Blockset），可以方便的創建簡單的駕駛場景，模擬CCD相機感知的結果，以及創建車輛動力學模型，并具備相當的仿真精度。所以選擇Matlab2018a 為平臺，搭建算法模型并進行仿真，如圖4 所示。

圖4 基于模糊控制的車道保持算法模型

其中，子模塊Simulation 用于讀取創建的駕駛場景，Estimate 用于估計車道中心參數，LateralController 為模糊控制器，LongitudinalController 用于車速規劃。整個模型的采樣周期為0.01s，為防止轉向頻繁抖動，使用Rate Transition模塊降低轉角的輸出頻率為0.1s。以當前車速Vx與預瞄時間TP相乘的方式計算預瞄距離，并限制最小和最大預瞄距離為5.6 和15m。車輛使用二自由度單軌動力學模型表示，具體參數如表4 所示。

表4 仿真車輛的動力學參數

4 仿真結果

算法仿真結果如圖5 所示，可見該算法能夠控制車輛通過車道中心點，并且轉角變化較為平穩，在轉彎較急處，車輛有明顯的減速過程。整個算法的設計簡單，執行效果較好，具備一定的應用價值。

圖5 車道保持算法仿真結果