縮微智能車巡航控制系統開發方法研究

劉 西，張 隆，胡遠志

（重慶理工大學 汽車零部件先進制造技術教育部重點實驗室，重慶 400054）

近年來，隨著智能汽車技術的迅猛推進，國內外諸多企業、高校及研究人員投入到了智能汽車技術的研究，而利用縮微智能車進行相關課題的研究已逐漸成為比較普遍的研究手段之一［1-2］。

智能汽車的主要研究內容包括環境感知、決策與規劃、控制與執行等幾大方面［3］。而縮微智能車是集環境感知、規劃決策的自動化控制系統，其可用于導航定位、計算機視覺、通信、自動控制等多方面的研究［4］。利用縮微智能車進行智能汽車技術的研究不僅具有成本低廉、簡單易行的優點，而且可以有效地避免實車試驗危險系數高、純軟件仿真的真實性與準確性難以保證等缺點。因此，利用縮微智能車進行智能汽車技術的研究非常有意義。

國外的加拿大滑鐵盧大學舉辦的國際無人小車比賽（international autonomous robot racing challenge，IARRC），國內的上汽集團縮微智能車挑戰賽、飛思卡爾智能車大賽等，都是利用縮微智能車進行智能汽車技術研究的典型代表［5］。此外，還有國內外學者利用縮微智能車進行了自動導航系統［6］、路徑跟蹤算法［7］、車輛跟馳控制系統［8］、目標檢測系統［9］及室內定位系統［10-11］等多方面的研究。上述研究方法在一定程度上取得了實際性的研究成果，但其均是利用計算機高級編程語言（C／C++、python等）進行研究的，其不僅要求研究與開發人員具有較強代碼編寫能力，而且在調試過程中會花費大量的時間與精力。

基于此，本文中提出了一種簡單、高效的基于圖形化編程進行智能汽車技術研究的方法，且采用該種方法開發了縮微智能車的巡航控制系統并進行了相應的實驗與測試。首先，基于圖形化編程方法在Matlab／Simulink軟件中開發了縮微智能車巡航控制算法與控制策略；然后，以真實車輛1∶10比例的縮微智能車、樹莓派開發板與縮微交通環境搭建了開發與測試平臺；最后，將控制算法部署到樹莓派開發板中實現了縮微智能車的巡航控制。該種開發方法有效地避免了計算機高級編程語言復雜而不易上手的缺陷，使相關的研究人員將研究重點轉移至控制算法與系統功能實現的開發上，而不是通過何種編程方法的實現上。

1 縮微智能車巡航控制器設計

1.1 巡航控制系統概述

巡航控制系統是智能汽車研究的重點［12-13］，真實車輛的巡航控制系統是通過控制車輛油門和剎車系統以實現對車輛的縱向控制，其對緩解駕駛員的駕駛疲勞、提高汽車的安全性和道路交通利用率等均具有突出的貢獻［14］。巡航控制系統主要包括定速巡航和自適應巡航控制系統2個子系統，其中后者是前者的延伸。

控制算法與控制策略是實現巡航控制的根本，目前多用于巡航控制的算法有PID控制、模糊控制、神經網絡及模型預測控制（MPC）算法等。其中PID控制算法具有簡單易行、響應速度快等優點，但在面對車輛非線性極強的系統時穩定性、超調等問題都難以處理；模糊控制是基于專家經驗的算法，具有簡單易應用的優點，控制系統的建立需要一定的知識與經驗積累；模型預測控制算法雖很適用于多控制目標和非線性系統，但其運算量較大不利于實時運算且算法較為復雜，對硬件的運算能力要求較高；神經網絡及機器學習等智能算法不僅開發周期長且同時對硬件的計算能力要求較高。綜合考慮控制算法的時效性、精確性、穩定性和樹莓派開發板的運算能力等，本文中選用模糊控制算法及響應速度較快的PID控制算法對縮微智能車的巡航控制器進行設計。

1.2 縮微智能車巡航控制器設計

為實現縮微智能車的巡航控制，結合真實車輛巡航系統控制方法與縮微智能車的縱向運動特性，設計縮微智能車的巡航控制系統整體架構，如圖1所示。

縮微智能車巡航控制系統整體架構主要包括信號采集單元、信號控制單元、執行單元3個部分。信號采集單元主要作用是采集縮微智能車與前方目標的車間距離信息、本車車速信息并傳遞至信號控制單元；信號控制單元的主要作用是將縮微智能車的狀態信息根據控制算法和控制策略量化為執行單元的PWM參量；執行單元的主要作用是控制驅動電機以實現對縮微智能車的縱向運動控制。

本文中結合縮微智能車的縱向運動特性，在信號控制單元中根據本車前方80 cm范圍內是否存在有效跟隨目標將控制系統分為速度控制模式和跟車控制模式，在速度控制模式下采用PID控制算法，跟車控制模式下采用模糊控制算法。

1.2.1 模糊控制器設計

模糊控制是基于專業經驗與知識庫的控制算法，其多用于無法以嚴密數學表示的控制對象模型［15］。模糊控制主要包含模糊化、模糊推理和解模糊3個部分，其原理如圖2所示。

為了實現縮微智能車在跟車模式時的巡航行駛，本文中以縮微智能車與前車的車間距離S和實際車速V為輸入變量、控制驅動電機的PWM為輸出變量，建立模糊控制器三角形隸屬度函數，如圖3所示。其中實際車速V的論域為［0，80］，車間距離S的論域為［0，80］，PWM的論域為［0，0.095］。

專家經驗與知識庫是模糊控制算法的關鍵，根據縮微智能車的縱向運動特性及多次測試數據積累，建立模糊控制規則表，如表1所示。

表1 模糊控制規則

常用的解模糊方法有：最大隸屬度法、中位數法、面積重心法等，本文中選用平滑度較高的面積重心法解模糊，可得控制曲面，如圖4所示。

1.2.2 PID控制器設計

PID控制算法原理簡單、適應性強、魯棒性強，在工業界得到了廣泛的應用［16］，其主要包含比例、積分、微分3個環節。PID控制器的算法原理如圖5所示。

PID控制器算法的數學表達式為

式中：e（t）為系統的偏差量（本文中的e（t）為設定車速與實際車速的偏差量）；kp為比例系數；Ti為積分時間常數；Td為微分時間常數，經變形可得

式中：kp為比例系數，ki＝kp／Ti為積分系數，kd＝kp·Td為微分系數。

2 測試與開發平臺搭建

測試與開發平臺主要由搭載傳感器的縮微智能車、縮微交通環境、Matlab／Simulink軟件及樹莓派開發板等組成，其基本原理是首先利用Matlab／Simulink軟件進行巡航系統控制器的設計，然后將設計好的控制器Simulink模型部署到樹莓派開發板中，最后在縮微交通環境下實現縮微智能車的巡航功能，整個開發與測試平臺的基本組成如圖6所示。

2.1 縮微智能車

縮微智能車是由真實車輛1∶10比例的智能小車、測速傳感器、測距傳感器與樹莓派開發板組成，如圖7所示。該縮微智能車具備環境感知和規劃決策的能力。測速傳感器主要用于智能小車實時車速信息的獲?。粶y距傳感器主要用于本車與前方有效目標的車間距離信息的獲??；樹莓派是整個控制系統的數據處理和運算平臺，即中央控制器。

2.1.1 樹莓派開發板

樹莓派（Raspberry Pi）是基于ARM的微型電腦主板，可運行Linux和Windows 2種系統，目前在物聯網與工業控制領域得到了廣泛的應用［17］。樹莓派自身是可以用計算機編程語言C／C++與Python進行開發和應用的，而MathWorks公司于2013年開發的樹莓派Matlab／Simulink支持包，使利用Matlab／Simulink軟件圖形化編程方法進行樹莓派相關應用的開發成為了可能。

樹莓派從早期的B版本到現在的4B型版本，其外部接口更加豐富、功能更加強大、使用更加廣泛。Matlab／Simulink軟件從R2014a版本開始提供了樹莓派開發的支持包，本文中選用Matlab 2018b和樹莓派3B+進行縮微智能車巡航控制系統的開發與測試。

2.1.2 智能小車

智能小車以AMO 5200 mA（2S 7.4V鋰電池）電池為動力源，驅動方式為四驅，驅動電機為540有刷電機，轉向采用JX PS-5221舵機（金屬齒輪20 kG扭矩），其基本的結構尺寸為：車輛總寬度297 mm、總長度522 mm、軸距177 mm、輪距324 mm、離地間隙55 mm、車輪直徑106 mm。

為了保證智能小車能在車道內巡航，利用攝像頭提取車道線并通過相應的控制算法使智能小車具備車道保持功能。由于本文的重點是實現縮微智能車的巡航控制，因此不對車道保持相應的控制算法與控制策略進行詳細的說明。

2.1.3 測距模塊

超聲波傳感器通過鏡片發射出超聲波，當遇到障礙物時返回，隨后感知系統計算聲波的飛行時間，分辨出與障礙物的距離信息。本文中測距傳感器選用HC-SR04的超聲波傳感器，其測距范圍為3～400 cm且精度為±3 mm。根據超聲波測距傳感器的基本工作原理建立數學模型：

式中：s為實際車距；v為超聲波傳播的速度（設為340 m／s）；t為超聲波返回的時間差。

將上述數學模型轉化為Simulink模型，如圖8所示。

2.1.4 測速模塊

光電編碼器可計算單位時間內光電編碼的脈沖個數，通過車速與脈沖個數的數學關系將其轉化為實際的小車車速。本文中選用以LM393為主要芯片的對射光電傳感器，其測速精度為±3 cm／s。根據光電式傳感器的基本工作原理建立其數學模型：

式中：l為單位時間內的位移；x表示單位時間內記錄的脈沖數；v代表車速；t代表單位時間（本文中設定為0.5 s）。

將上述的數學模型轉化為Simulink模型，如圖9所示。

2.2 縮微交通環境

縮微交通環境如圖10所示，長為10 m，寬為6 m，單車道寬為0.5 m。該實驗平臺不僅可以用于巡航控制系統的研究，還可以用于車道保持、自動泊車及有效目標識別等多方面的研究。利用此平臺進行智能網聯汽車技術、人工智能等方面的研究非常具有實際性意義。

3 實驗測試與結果分析

為了驗證本文中提出的縮微智能車巡航控制系統開發方法的簡單易行性，對縮微智能車的巡航功能進行了大量的實驗與測試。首先為了保證傳感器獲取數據的真實有效性，對測速與測距傳感器進行了數據標定；然后根據縮微智能車的縱向運動特性分別設定了跟車控制、車速控制與跟車和車速復合控制模式多種不同的測試工況；最后將在Matlab／Simulink軟件中開發的巡航系統控制算法與控制策略模型（如圖11所示）部署到樹莓派開發板中，進行了實驗與測試，以驗證開發方法與控制算法和控制策略的有效性。

3.1 傳感器數據標定

由于不同的采樣時間及計算步長使得傳感器在獲取數據時與真實的狀態信息有一定的誤差，因此為了獲取縮微智能車實際車速與車間距離的精確數據，在使用之前需對超聲波傳感器、光電編碼器2個主要傳感器進行數據標定。

3.1.1 測距傳感器標定

在縮微智能車前方60 cm處放置一障礙物，設定計算步長為0.001、采樣時間為0.001，將搭建的測距模塊Simulink模型部署到樹莓派中測試15 s。對獲取的數據分析可知，在15 s內的距離數據平均值為62.08 cm。為了獲取更加精確的數據對原有的模型減去數值2。最后，對標定后的測距傳感器再次進行測試（方法不變），對獲取的數據分析可知在15 s內的距離數據平均值為59.48 cm且誤差在±3 cm，更加接近真實值。圖12為標定前后的數據。

3.1.2 測速傳感器標定

選取一條長度為6 m的跑道，記錄縮微智能車在選定跑道所用的時間，可計算出真實的小車車速。設定計算步長為0.001，采樣時間為0.01，將搭建的測速模塊Simulink模型部署到樹莓派開發板中進行測試。對獲取的數據分析可知，小車從啟動到通過6 m的跑道所需的時間為13.9 s，即實際車速為43.1 cm／s，而傳感器獲取的數據均值為48.71 cm／s（此處只需考慮車速穩定時的數據）。為了獲取更加精確的數據對原有的模型減去數值5.61。最后，對標定后的測距傳感器再次進行測試（方法不變），對獲取的數據分析可知車速穩定時的均值為44.1 cm／s且誤差在±5 cm／s，其更加接近真實值。圖13為標定前后的數據。

3.2 巡航功能測試

為了測試縮微智能車的巡航功能，分別設定車速控制模式測試工況、跟車控制模式測試工況、車速與跟車復合控制模式測試工況進行測試。

3.2.1 車速控制模式測試

當小車前方80 cm范圍內不存在有效跟隨目標時將執行速度控制模式，即以設定的車速穩定巡航行駛。將縮微智能車放置于車道內（如圖14所示），分別設定小車的車速為40、50、60 cm／s進行測試，測試結果如圖15所示。

由圖15的測試結果分析可知：在不同測試工況下縮微智能車均能按照設定的車速穩定巡航行駛。由于本文中選用的縮微智能車結構復雜，其在啟動時的阻力較大，所以縮微智能車從啟動到穩定行駛所需的時間較長；由于加入了PID控制所以會造成一定的超調量，但該超調量在可控的范圍內。綜上分析可知，誤差與超調量均在可控范圍內，即設計的控制器魯棒性、精確性均可滿足縮微智能車的速度控制模式的需求。

3.2.2 跟車控制模式測試

當小車前方80 cm范圍內存在有效跟隨目標時將執行跟車控制模式，即根據當前的實際車速和本車與前車的車間距離跟隨前方車輛穩定行駛。將縮微智能車放置于車道內并在其前方40 cm處放置一輛引導車（如圖16所示），分別設定前方引導車的的車速為40、50 cm／s進行測試，測試結果如圖17、圖18所示。

由圖17、18的測試結果分析可知，在不同測試工況下縮微智能車均能跟隨前方車輛穩定行駛且車間距離相對穩定，車速的波動是由于車間距離波動和傳感器自身精度而造成的，但其可滿足縮微智能車的巡航功能需求。

3.2.3 車速與跟車復合控制模式測試

為了測試整個控制系統的穩定性及跟車與車速控制模式的相互切換功能的有效性，搭建了相應的測試場景。在本車前方1.5 m處放置一輛引導車并設定前方車輛的車速為20 cm／s，設定本車的期望車速為40 cm／s進行測試，測試結果如圖19所示。

本文中設定當實際車距大于80 cm時測距模塊的輸出為80 cm，即執行車速控制模式。由圖19的測試結果可知，縮微智能車在前8 s執行車速控制模式且以設定的期望車速巡航行駛；后7 s執行跟車控制模式，由于縮微智能車在低速環境下行駛阻力較大所以造成距離控制模式下的車距與車速波動較大?？傮w分析可知，縮微智能車可實現巡航行駛功能。

4 結論

1）本文中提出的縮微智能車開發方法簡單易行且設計的巡航控制器可實現縮微智能車的巡航行駛功能。

2）利用縮微智能車進行智能汽車技術的研究不僅具有安全、高效、可操作性強等優點而且對推動智能汽車技術的發展具有深遠的意義。

3）本文中提出的基于圖形化編程進行縮微智能車開發的方法對于企業、研究院、高校等不同領域的工程開發與研究人員有極大的參考價值和應用價值，其不僅可以有效地避免高級編程語言不易上手且復雜的缺陷，而且具有安全、高效、廉價等優點，可使利用縮微智能車進行智能汽車技術研究的手段得到廣泛的普及。