基于模糊控制的汽車自動緊急制動乘員離位仿真分析研究

任立海，李星月，覃禎員，李 晨

（1.中國汽車工程研究院股份有限公司博士后工作站，重慶 401122；2.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；3.重慶車輛檢測研究院有限公司，重慶 401120）

隨著社會經濟的發展，汽車保有量不斷增加，頻發的汽車交通事故成為危害公共安全的一大社會問題。以2017年為例，中國共發生道路交通事故203 049起，造成209 654人受傷，63 772人死亡［1］。自動緊急制動系統（autonomous emergency braking，AEB）的應用能夠減少事故的發生率或降低碰撞強度［2-3］。當檢測到危險工況時，AEB通過聲音或圖像向駕駛員發出警報，提醒駕駛員采取制動措施。如果駕駛員仍未采取制動措施或采取的制動壓力不夠大，避撞系統將會主動介入。

目前針對AEB的相關研究主要側重于如何準確表征當前工況的危險程度。Han等［4］以滑動輪胎模型估算出路面摩擦力峰值，進一步計算出碰撞剩余時間（time to collision，TTC）對應的制動力閾值，提高避撞系統對不同路面的適應性；江蘇大學的張雪峰［5］將車頭時距進行了算法融合，并考慮駕駛員的反應時間和路面附著系數，從而提高了避撞系統的精確度。

隨著AEB系統的廣泛運用，有研究表明，當碰撞發生時，AEB導致的乘員離位可能會增加乘員自身損傷風險［6］，針對上述情況，湖南大學的徐哲［7］采取可逆預緊安全帶與AEB相結合的方式改善了乘員離位，降低了二次碰撞的風險；重慶理工大學的胡遠志等［8］研究了主動安全帶參數（預緊力和預緊時間）對乘員離位的影響，進一步提高了制動階段的乘員安全性。

本研究旨在減少制動過程中乘員頭部和胸部的位移量，從減小乘員慣性載荷的角度出發對AEB控制策略進行研究，通過建立以TTC和相對速度為輸入、制動壓力為輸出的模糊控制緊急制動模型，改善緊急制動階段的制動壓力，降低AEB作用下乘員的慣性載荷，減小乘員最大離位。

1 方法

1.1 AEB系統危險判定設計

TTC能定量反映出當前工況下緊急制動系統進行避撞操作的剩余時間，因此可以直接作為主動避撞系統的有效判據。TTC［9］的計算公式為：

式中：Drel為前后兩車相對距離；Vrel為兩車相對速度。

若僅以TTC作為制動策略的判定條件，會造成高速制動過晚、低速制動過早的問題［10］。所以，以TTC和相對速度2個參數共同作為制動策略的判定條件，制定避撞系統的制動策略。

1.2 AEB系統模糊控制器的設計

一般的AEB控制系統檢測到TTC值或安全距離小于設定好的閾值時，制動主缸會直接輸出一定的制動壓力（后文將這種控制方式稱為直接控制），由于制動壓力突然增大，車輛減速度也迅速增大，乘員姿態發生變化，若此時有碰撞發生則增加了乘員受傷的風險；因此，對制動主缸的增壓過程進行改進，使制動減速度連續增加，從而避免車內乘員受到突然增大的慣性載荷。

模糊控制具有解決非線性問題的特點，模糊控制器的輸入、輸出變量個數越多，且模糊集劃分越細，模糊控制器的精度就會越高。但輸入輸出的變量越多，模糊集劃分越細，就會使模糊規則越多，控制器的響應速度變慢［11-12］。本文設計的模糊控制器，以危險判定指標TTC和相對速度作為輸入量，以汽車主缸制動壓力為輸出量。模糊控制系統如圖1所示。

圖1 模糊控制系統框圖

1.2.1 AEB系統中隸屬度函數的建立

模糊化是將輸入量的精確值轉化成模糊語言，解模糊化則是將模糊語言轉變成論域范圍內的精確值。這里對碰撞剩余時間TTC、相對速度以及制動壓力進行模糊化處理。將剩余時間、相對速度和制動壓力的量化等級都設為7級。PB為正大、PM為正中、PS為正小、O為0、NS為負小、NM為負中、NB為負大。建立碰撞剩余時間TTC［13］、相對速度［13-15］、制動壓力［16］的隸屬度函數。

TTC＝｛NB、NM、NS、O、PS、PM、PB｝，論域的作用范圍［0，5］ms；

相對速度 ＝｛NB、NM、NS、O、PS、PM、PB｝，論域的作用范圍［0，22.22］m／s；

制動壓力 ＝｛NB、NS、O、PS、PB｝，論域的作用范圍［0，150］105Pa。

語言變量的模糊集采用隸屬度函數描述，模糊集論域中的個隸某個元素隸屬于某屬度函數的程度，通常由隸屬函數值決定，函數值越大，屬于這個函數的程度就越大，值越小，屬于這個函數的程度就越小。常見的隸屬度函數有三角形、梯形、高斯型等，本文中參考專家經驗［15，17］以及實際調試選擇高斯函數作為輸入、輸出變量的隸屬度函數，如圖2所示。

1.2.2 AEB系統中模糊規則的建立

通過分析TTC及相對速度與制動壓力的邏輯關系，建立了相應的模糊規則。當主車接近目標車時，兩車之間的距離變小，TTC值也隨之減小。當TTC和相對速度達到了緊急制動的論域時，輸出一定的制動壓力。當TTC值較大，相對速度較小時，輸出的制動強度較小；當TTC值越小，相對速度越大時，輸出較大的制動強度。模糊控制器的條件庫如表1所示。

圖2 輸入、輸出變量的隸屬度函數

表1 模糊推理條件庫

1.3 駕駛員約束系統模型

目前，汽車行業中使用的假人主要是基于碰撞條件開發和驗證的。而在預碰撞階段由于持續時間較長，乘員有時間對突然的制動做出反應，所以具有主動肌肉力的主動人體模型（active human model，AHM）能運用于預碰撞階段的研究，還能利用PID（proportional-integral-derivative）肌肉控制器調整肌肉活性水平。因此，采用主動人體模型和前期已驗證的約束系統模型［9］（如圖3），利用MADYMO軟件分析模糊控制和直接控制下AEB緊急制動階段乘員的離位變化。

圖3 AHM和乘員約束系統模型示意圖

1.4 仿真及分析

為了驗證模糊控制器的有效性，在PreScan中搭建了符合歐洲新車評價規程Euro-NCAP的仿真場景（如圖4），車輛模型選用Audi A8的2D Simple動力學模型，建立了PreScan和Simulink聯合仿真模型，在聯合仿真模型中加入上文設計的模糊控制器。將兩車初始間距設為100 m，主車車速設為60 km／h，前車保持靜止；仿真時采用直接控制和模糊控制進行對比驗證。

圖4 仿真場景

仿真完成后提取主車與前車的距離、主車速度、主車的減速度和主缸制動壓力，研究模糊控制的制動性能；對比直接控制與模糊控制制動性能的差異。將主車在AEB制動階段的減速度導入MADYMO軟件中，利用AHM主動人體模型和約束系統模型對比驗證模糊控制和直接控制下乘員的離位。仿真流程如圖5所示。

圖5 仿真流程框圖

2 結果

2.1 AEB制動性能分析

由圖6（a）和圖6（b）對比分析可知：2種控制條件下主車均以60 km／h的速度勻速行駛，模糊控制條件下的主車在3.2 s左右開始制動，比直接控制早0.06 s；制動完成后，直接控制下的主車與前車的距離為2.1 m，而模糊控制下的主車與前車的距離為1.1 m。仿真結果表明：本文中設計的模糊控制和直接控制都可以實現汽車緊急制動，有效保證車輛的安全性。

圖6 主車車速、主車與前車距離曲線

模糊控制和直接控制的主缸制動壓力如圖7所示。由圖7可知，模糊控制器作用下的制動主缸壓力的升降過程與直接控制下的制動壓力驟變不同，其壓力的上升過程是連續變化的。在3.26 s時，直接控制達到部分制動的閾值，此時節氣門開度變為0，制動主缸輸出6 MPa的制動壓力；在5.78 s時，直接控制達到全力制動的閾值，制動主缸輸出15 MPa的制動壓力，直到汽車完全停止?；谀：刂破鞯闹鬈囋?.2 s左右收到制動信號后節氣門關閉，主缸制動壓力開始上升逐漸達到最大，然后當TTC值增大、相對速度減小時，主車危險程度下降，制動壓力也開始下降，直至趨于穩定。

圖7 主缸制動壓力

2.2 乘員離位狀態分析

汽車緊急制動時，不同控制器作用下的車內乘員的姿態變化有所不同，其姿態變化對乘員的安全具有重要的影響。本文中以模糊控制開始制動時刻作為乘員離位分析的初始時刻，乘員頭部胸部位移量如圖8所示，人體模型動態響應如圖9所示（灰色人體模型表示直接控制；彩色人體模型表示模糊控制）。

對比分析緊急制動階段2種控制方式下的乘員頭部及胸部的位移量可知：在緊急制動的前期相較于直接控制，模糊控制下的乘員頭部和胸部的位移量明顯降低，且在3.51 s時2種控制方式之間的差異達到最大。直接控制條件下的頭部位移量為86 mm，胸部位移量為32 mm；而模糊控制的頭部位移量為27.5 mm，胸部位移量僅為5.4 mm；總體而言，模糊控制有效地降低了乘員頭部及胸部的位移量，其中頭部位移量降幅為62%，胸部位移量降幅為80%。在4.25～4.88 s時，模糊控制下乘員頭部和胸部的位移量則大于直接控制；在4.61 s時，直接控制的頭部位移量為56.9 mm，胸部位移量為31.7 mm；模糊控制的頭部位移量為100 mm，胸部位移為48.3 mm；頭部位移量的增幅為77.5%，胸部位移量的增幅為52.4%。如表2所示。

圖8 乘員頭部、胸部位移量曲線

圖9 制動過程中人體模型動態響應

表2 AHM的位移量 mm

3 討論與展望

在Simulink中建立了以TTC和相對速度為輸入、制動壓力為輸出的模糊控制器。以減小乘員在緊急制動階段的離位位移為目標，分別建立了輸入和輸出的隸屬度函數，以及輸入和輸出對應的規則；確定了以該模糊控制器為主的控制策略。

由于汽車自動緊急制動系統可以有效地降低交通事故率，目前主要通過設計準確表示當前工況的危險程度及避撞的策略來提高安全性［4，13，18］。但汽車緊急制動系統起作用時因慣性載荷會導致車內乘員發生前傾離位，若此時再有碰撞發生就會增加乘員受傷的風險。然而大多數研究者在AEB緊急制動系統的研究中只考慮沖擊度（即減速度的變化率）、俯仰角加速度等來評價車內乘員的舒適性［11，15］。即使一些研究者注意到制動階段乘員離位會加大乘員損傷，但主要采用主動安全帶來減小乘員的離位［19-21］。而本研究在Simulink中建立了可以輸出漸變制動壓力的模糊控制器，利用PreScan和Simulink進行聯合仿真，得出制動減速度作為AHM主動假人-約束系統模型的邊界條件再次進行仿真，最后分析車內乘員在緊急制動階段的離位。

對比模糊控制和直接控制下的車輛速度和乘員離位發現：在緊急制動的前期，車速較高且相差較小，最大相差0.7 m／s；而模糊控制下乘員的頭部和胸部位移量減小，在3.51 s時模糊控制下的頭部位移量僅為27.4 mm，降幅為62%、胸部位移量僅為6.1 mm，降幅為80%；如果在這時發生追尾碰撞，則模糊控制下的乘員離位較小，安全性得到提高。在緊急制動的后期，兩者乘員的頭部和胸部位移量相差不大，但這一階段車速較小，故在追尾事故發生時車內乘員的損傷不會太大。所以，運用本文設計的模糊控制器可以有效提高乘員在緊急制動階段的安全性。

相較于直接控制，在制動前期由于模糊控制條件下主缸壓力較小，產生的制動減速度小于直接控制，所以在前期模糊控制下的頭部位移較小。在制動中期，直接控制下主缸制動壓力恒定產生恒定的制動減速度，從而無法抵消AHM頸部產生的肌肉力矩，造成頭部回彈；而模糊控制下主缸制動壓力持續增加產生持續上升的制動減速度，從而可以持續抵消AHM頸部產生的肌肉力矩，頭部位移持續增加，從而高于直接控制下的頭部位移。在制動后期，由于2種控制方式下的最大制動壓力差異較小，因此兩者之間的頭部位移量相差較小。

本文中只對前車靜止工況（car-to-car rear stationary，CCRs）進行了仿真，在后續的研究中可以對模糊控制進行完善并增加不同的仿真場景。

4 結論

運用建立的模糊控制器，通過PreScan及Simulink軟件聯合仿真，實現了前車靜止工況下的緊急制動，并利用AHM主動人體模型對比分析緊急制動階段，模糊控制和直接控制下車內乘員頭部和胸部的位移。結果表明：本文中設計的模糊控制器可以在緊急制動前期減小乘員的慣性載荷及位移，提高車內乘員的安全性。