車輛碰撞避免系統的設計與仿真分析＊

郭貴中，楊松，程劍鋒，舒寧

（新鄉學院，河南 新鄉 453003）

前言

近年來，我國汽車保有量增長迅速，但各類交通事故也給我們帶來了巨大的損失。如今隨著傳感器技術、5G技術與車聯網的快速發展與應用，智能駕駛技術也正在飛速發展。一旦智能駕駛技術獲得較大范圍的應用，可極大程度地降低如疲勞駕駛、違反交規等因素造成的交通事故，因此對智能車輛碰撞避免系統的研究具有非常重要的現實意義。

1 碰撞原因分析

汽車行駛過程發生碰撞可分為三種情況：他碰、主碰、互碰。通過概率統計在雙方駕駛員都按交通法規正常駕駛的情況下，對以下幾種情況進行分析：

表1 只考慮障礙情況

車輛狀態良好，忽略其他因素，只考慮駕駛員誤操作的情況為：

表2 只考慮駕駛員操作情況

表3 路面狀況與事故概率關系

通常主碰和他碰主要的碰撞方式為追尾和側碰，互碰主要是正碰或者側碰，碰撞的原因可概括為以下幾個方面。

1.1 車輛自身故障

車輛自身故障造成的碰撞，在法國對1500萬輛車的安全性能檢測中，67%為制動方面存在問題，轉向系統占6%，輪胎為2.5%[1]。數據統計顯示，制動系統影響行車安全的主要原因包括：制動液不足或漏氣、控制系統故障、制動盤抗熱衰退性差，車輛制造時制動壓力分配不適當等。

1.2 駕駛員控制失誤

駕駛員原因發生的碰撞，如駕駛員精神緊張、疲勞駕駛或者為了追求速度、尋求刺激駕駛車輛做出危險動作等均有可能造成交通事故，《世界預防道路交通傷害》指出，在既往事故統計中因為駕駛員的原因造成交通事故占比高達80%。其中主要關聯因素有：駕駛員年齡、性別、教育程度、駕駛時長和里程、駕駛員生理及心理狀況等。

1.3 道路狀況原因

道路的狀況也是影響車輛狀況的重要因素，路面概況總結起來有：工程范圍、工程規模、道路等級、設計速度、設計年限、載荷標準、橫斷面布置以及路邊環境布置等。在駕駛車輛過程中道路情況越復雜對駕駛員和車輛的影響也越大，更容易發生意外。雖然路況環境影響很多，但是主要因素是路面附著系數。

表4 各觀測指標與事故發生率的關聯度

綜上所述，在汽車制動過程中采取路面附著狀態辨識的方法，通過路面狀態反饋，設計一碰撞避免系統，以此來達到提高車輛安全性，減少交通事故發生的目的。

2 整車動力學建模

整車動力學建模是碰撞避免系統研究的前提，但汽車是個非常復雜系統，故需對車輛模型進行合理簡化。考慮到本次研究的車輛是普通轎車，故選擇縱向、側向、橫擺三個自由度作為狀態變量[2]，簡化模型如圖1，其中 o點為坐標原點，a為質心到前軸的距離，b為質心到后軸的距離，δ為前輪轉角，β為質心轉角。

圖1 三自由度車輛動力學模型

輪胎模型選為 Dugoff輪胎模型[3]，與其他模型相比Dugoff輪胎模型具有計算效率高、輪胎附著力關于車輛狀態是連續可微等顯著的優點。考慮輪胎模型的車輛動力學方程如下。

上述公式中：

ax表示汽車縱向加速度；ay表示汽車側向加速度

vx表示汽車縱向速度；vy表示汽車側向速度

Fx表示縱向附著力；Fy表示側向附著力

根據預選參數在 CarSim完成整車參數的設定，并結合實際參照車型，在 CarSim中完成整車模型的設置，如圖2所示。

圖2 CarSim整車模型

3 控制策略

汽車主動安全經歷了多年的發展，與其相關的控制策略為數眾多，但真正具有一定實踐性的相對較少，下面簡要分析其中典型的四種并提出本次研究所設計的控制策略。

1）過輪胎滑移率檢測計算；滑移率檢測可以辨識路面附著狀態，但是無法分析何種路面，比如積水路面和冰雪路面會造成誤判斷。

2）攝像機圖像分析識別；該技術比較先進但是由于攝像裝置外露，容易被灰塵覆蓋且成本比較大。

3）雷達反饋檢測；和激光檢測類似，都存在不平整或者路況較差時誤判斷。

4）信息融合技術檢測；綜合幾種手段檢測精度很高，但是會造成資源浪費。

通過以上分析比較，本次設計決定設計基于滑移率和雷達探測聯合運用的控制策略，因為激光會折射和散射，會受到一定影響，而雷達并不會受到光學反射的影響，并且雷達可以分辨出積水或者冰雪路面，積雪路面有空，反射波波差大，積水路面這比較光順，以此方法確定出φ。由此設計基于附著系數估計的卡爾曼參數估計器，通過輪胎模型估計器和參數估計器串接，實現聯合運行。在Simulink環境下編寫調試其濾波算法。碰撞避免系統要求車輛制動系統反應迅速、精準，為了控制方便，采用比例閥改進EHB系統，并建立制動時輪缸壓力增壓減壓過程的仿真模型和設計單神經元 PID壓力控制器來實現本次避撞系統的控制策略。

4 碰撞避免系統的設計

碰撞避免系統即為車輛遇到危險時車輛自身主動避讓，可較大程度的減少甚至避免交通事故的發生。本次設計主要通過對制動壓力控制量進行估算，依靠車輛對路面附著狀態的精準判斷與整車控制策略的合理性來實現車輛在緊急條件下的智能碰撞避免[4]。根據需要，將設計方案按如圖3所示進行。

圖3 碰撞避免系統總體方案

4.1 中央控制器

考慮到相同以及不同路段的路面附著系數變化范圍一般較大的實際路況，所以設計過程中既要準確且迅速地采集路面附著狀態又需一套完備的控制策略來對輸入的路面附著信號進行迅速處理并輸出給執行機構。本次研究主要針對路面附著系數的信息采集，然后經ECU計算，在ECU的設計過程中，這里融合了多種路面信息條件下特別是在雨雪、濕滑的路面時，采用多算法融合，利用各算法的優勢來處理不同的路面信息。故設計的碰撞避免系統能在危險情況下及時制動，通過控制通滑移率來保障車輛安全性。其系統流程如圖4。

圖4 控制系統流程

4.2 執行機構

執行機構通過對車輛節氣門開度、制動機構來實現。要求制動系統的響應速度快、制動壓力最優化。制動時要實現節氣門開度快速穩定的減小相對容易。對于EHB系統，要實現制動壓力調節方便，且防抱死時制動輪缸不斷增壓與減壓并不容易[5]。故本次研究對EHB系統進行優化且設計PID壓力控制器來快速調節制動壓力，擁有較高的穩定性和可靠性。

5 仿真分析

5.1 聯合仿真模型的建立

按照設計目的與已開發的控制策略在Simulink建立如圖5所示的仿真模型，進行聯合仿真。

圖5 仿真模型

本次所設置路面為瀝青路面，CarSim作為整車模型，首先識別當前路面的附著系數，然后計算最大制動減速度[6]，根據運行車況與路況估算制動壓力。PID制動壓力控制器根據估算的制動壓力計算處理得到實際需要的制動壓力。最后導入CarSim整車模型完成閉環仿真。

圖6 車速-時間

圖7 制動輪缸壓力-時間

聯合仿真時主要對車速與制動輪缸壓力進行分析，其仿真結果如圖6、7車速、制動輪缸壓力與時間的關系曲線，驗證了本次研究所改進EHB系統與單神經元PID壓力控制器的可靠性與穩定性。

5.2 仿真結果對比

首先將路況信息設置為瀝青路面，車況信息設置如表5，然后將基于路面識別的設計車（A車）與原ABS車（B車）進行對比仿真。

表5 工況參數

聯合仿真時主要針對制動距離、側向加速度、行駛車速進行分析，仿真結果如下：

圖8 制動距離與時間

圖9 側向加速度與時間

圖10 速度-時間

仿真結果表明，本次研究所設計的A車與原ABS的B車相比，制動距離縮短了12%，制動時間縮短了15%、方向穩定性也明顯提高。整車的制動效能與穩定性的得到了明顯提高，驗證了本次設計的合理性。

6 結語

仿真結果證明本次設計的碰撞避免系統具有更好的制動性能，能明顯的縮短制動距離，且具備較好的方向穩定性。另外，由于對路面峰值附著系數辨識算法以及制動系統的優化，在有效提高路面的利用率的基礎上使車輛所能適應的路面范圍更廣，確保車輛即使在極端路況下仍能具備比較良好的制動性能，有效地提高了車輛的安全性與穩定性，最大程度地避免交通事故的發生。