文/屈藝多 胡琳
為提升智能駕駛路徑跟隨行駛性能,文章通過分析國內外智能駕駛縱向控制的直接式和分層式設計方法,論述了縱向控制理論方法和技術應用的研究現狀。目前研究主要是應用解耦控制系統來單獨研究縱向控制,但存在系統模型單一、計算方法受限和未結合車聯網技術等不足。因此,未來縱向控制技術將結合車聯網通信技術、人工智能以及耦合橫向控制進行研究,以實現智能、高效和安全的縱向控制行駛性能。
智能駕駛汽車是一種主要依靠車內以計算機系統為主的智能駕駛儀來實現智能駕駛的智能汽車,又稱為自動駕駛汽車、電腦駕駛汽車等。智能駕駛汽車能夠在道路上安全可靠地行駛,主要通過車載傳感對行駛車輛的周圍環境進行感知與識別,對獲取的車輛位置、交通信號、道路以及障礙物等信息經分析處理,從而控制汽車的速度和轉向。智能駕駛技術是一門建立在信息感知、信息控制以及信息執行等環節基礎上的多學科、跨行業的綜合性技術。車輛智能化的基礎包括:信息感知、處理控制、動作執行,車輛智能將經由高級駕駛輔助系統(ADAS)向整車自動駕駛發展。
智能駕駛汽車在其“視覺能力”方面無法達到人腦的高度,其傳感器通過紅外攝像和普通攝像兩種技術完成道路環境的收集。當車輛在人口密集的樓房建筑區、事故區域或者其他有人通過通用手勢信號來指揮車輛在此區域通行時,無人汽車將遇到判斷難題。另外,道路存在信號標志老舊變形等情況出現,無人汽車可能產生誤識或者漏識,造成不必要的事故。
社會對智能駕駛汽車依然存在諸多疑問,如當智能駕駛汽車行駛在這個人口稠密的世界時,發現已經無法避免事故的發生時,智能計算機應該選擇沖向馬路的行人還是直接撞擊迎面而來的車輛?在受到外部虛擬網絡攻擊后是否還可以維持完全駕駛?未被Google 或GPS完全測繪的道路如何行使等。智能駕駛汽車在法律法規方面同樣存在極大的挑戰。
軟件安全公司SecurityInnovation 首席科學家喬納?!づ宓偬兀↗onathanPetit)表示,大部分智能駕駛汽車探測障礙物的激光雷達系統只需一個成本不到60美元的裝置即可破解。佩蒂特表示,通過這一裝置,黑客可以在任何位置設置實際并不存在的汽車、行人,或是墻壁,導致無人駕駛汽車的行駛速度放慢,甚至寸步難行。其相關論文已在歐洲黑帽安全大會上發表。
直接式運動控制是通過縱向控制器直接控制期望制動壓力和節氣門開度,從而實現對跟隨速度和跟隨減速度直接控制,具有快速響應等特點。該系統由PID、PI、滑??刂破骱湍:刂破魉牟糠謽嫵?。系統通過專家經驗知識設計了控制器間的協調切換邏輯,可以在不同工況下充分發揮其優勢。該系統的缺點是由于控制器的頻繁切換會使執行機構存在時滯和振動。有學者提出采用特定的控制策略對控制系統的參數不確定、非線性等因素進行模擬,例如模糊控制等得到較好的效果。2012年,土耳其的VSezer 等人設計了一種智能車速度控制器。該控制器是有兩個串聯Mamdani 型的是基于模糊邏輯推理系統,串聯結構通過減少模糊控制規則,從而方便了控制器設計,研究結果顯示車輛行駛在急轉向工況時的控制器性能更好。2017年,清華大學李升波等基于分布式H ∞最優控制方法設計一種魯棒縱向控制器,該系統通過信息交換矩陣的線性變換和特征值分解轉換成一個不確定的、對角非線性系統。并通過與非魯棒性控制器對比,分析設計系統的魯棒穩定性和縱向穩定性。2017年,國防科技大學的黃振華等提出一種參數批量化處理的強化學習算法(PBACV)為了獲得自動駕駛車輛的最優縱向控制。該方法的采用actor-critic 學習結構,且為了提高學習效率采用最小二乘方法更新參數。通過大量的實車實驗顯示通過強化學習的方法縱向控制性能超過了傳統的縱向控制方法。直接式縱向控制器設計采用自適應控制、PID 控制等控制方法,建立一種非線性系統模型。目的為了提高系統的自適應能力,降低參數不確定、非線性等對系統的影響。該設計方法集成度高,但是開發難度高。
縱向控制分層式控制根據控制目標的不同設計上位控制器和下位控制器,上位控制器是用來產生期望車速和期望加速度,下位控制器根據上位控制的期望值產生期望的油門開度和制動壓力,以實現對速度和制動的分層控制。2003年,東京大學MOmae 基于H-infinity 魯棒控制方法,設計了前饋/H-infinity 反饋縱向下位控制器,該設計克服車輛縱向動力學的參數不確定性以及執行機構產生的系統延時,試驗結果表明所設計縱向下位控制器具有良好的魯棒性和穩定性。2007年,GaoF 等構建了多模型分層切換縱向下位魯棒控制方法,主要針對車輛縱向動力學系統中參數不確定和模型不確定,通過實車實驗驗證了方法的魯棒性和擾動抑制能力。
隨著科技的進步,智能駕駛技術將在不斷提高,智能駕駛汽車也將解放操作者的雙手,通過計算機技術和傳感技術等,使汽車變得更加便捷智能,提高交通效率。