基于自適應(yīng)采樣時(shí)間MPC的自動(dòng)緊急制動(dòng)系統(tǒng)*

劉永濤，劉傳攀，劉湘安，陳軼嵩，喬 潔

（1.長(zhǎng)安大學(xué)汽車學(xué)院，西安 710064；2.中電科（寧波）海洋電子研究院有限公司，寧波 315000）

前言

根據(jù)統(tǒng)計(jì)數(shù)據(jù)，汽車碰撞在交通事故中占比高達(dá)70%，且大多數(shù)汽車碰撞事故都是追尾導(dǎo)致。其中駕駛?cè)瞬僮鞑划?dāng)所導(dǎo)致的事故占比高達(dá)70%～90%［1］。自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）作為重要的駕駛輔助系統(tǒng)，能夠根據(jù)傳感器檢測(cè)到的環(huán)境風(fēng)險(xiǎn)信號(hào)自動(dòng)執(zhí)行相應(yīng)的制動(dòng)策略以輔助駕駛?cè)酥苿?dòng)，可以有效降低碰撞事故的發(fā)生，提高車輛行駛安全性［2］。

目前AEB 控制策略主要有基于安全距離和基于碰撞時(shí)間（TTC）兩種。基于安全距離控制策略是發(fā)展最早也是發(fā)展較完善的一種控制策略，其核心是通過車輛制動(dòng)時(shí)的運(yùn)動(dòng)學(xué)分析，結(jié)合駕駛?cè)酥苿?dòng)特性，通過運(yùn)動(dòng)學(xué)公式表達(dá)兩車間的危險(xiǎn)車間距并作為制動(dòng)閾值。較為經(jīng)典的安全距離模型［3-4］有Mazda模型、Honda模型、SeungwukMoon模型和Berkeley 模型等。以上模型均根據(jù)車間運(yùn)動(dòng)狀態(tài)計(jì)算合適的制動(dòng)減速度從而避免碰撞，但未考慮到駕駛?cè)颂匦耘c舒適性。在此基礎(chǔ)上，F(xiàn)rancesco 等［5］利用駕駛模擬器進(jìn)行駕駛?cè)藰颖緮?shù)據(jù)采集，并進(jìn)行多元線性回歸，建立了具有感知校準(zhǔn)系統(tǒng)的安全距離模型，能夠根據(jù)自車速度與相對(duì)速度大小進(jìn)行自動(dòng)調(diào)節(jié)；呂凱光等［6］通過對(duì)駕駛數(shù)據(jù)進(jìn)行聚類分析，提出一種基于不同駕駛?cè)笋{駛風(fēng)格的安全距離模型，在滿足不同駕駛風(fēng)格駕駛?cè)藗€(gè)性化需求的同時(shí)提高了舒適性；Lee 等［7］則進(jìn)一步研究了制動(dòng)執(zhí)行機(jī)構(gòu)延遲對(duì)安全停車距離精度的影響并建立了相應(yīng)的安全距離模型。此外，談東奎等［8］在考慮預(yù)期功能安全的前提下，構(gòu)建了自動(dòng)緊急制動(dòng)感知盲區(qū)安全距離模型，提高了車輛安全通過盲區(qū)的形式效率。

TTC 控制策略則根據(jù)兩車相對(duì)運(yùn)動(dòng)狀態(tài)，判斷兩車碰撞風(fēng)險(xiǎn)程度并進(jìn)行相應(yīng)制動(dòng)，該策略以時(shí)間尺度衡量碰撞風(fēng)險(xiǎn)，更能體現(xiàn)駕駛?cè)藢?duì)于碰撞風(fēng)險(xiǎn)的觀感與判斷［9］。在此基礎(chǔ)上，文獻(xiàn)［10］中提出了一種基于自車與前車相對(duì)加速度的2 階TTC 模型，解決了TTC 無窮大時(shí)系統(tǒng)無解的情況；裴曉飛等［11］采用碰撞時(shí)間的倒數(shù)作為評(píng)價(jià)指標(biāo)，設(shè)計(jì)了基于危險(xiǎn)系數(shù)的分級(jí)報(bào)警與主動(dòng)制動(dòng)的安全距離模型；蘭鳳崇等［12］利用分層控制提出了基于TTC的自動(dòng)緊急制動(dòng)系統(tǒng)分層控制策略；郭祥靖等［13］通過仿真手段構(gòu)建緊急制動(dòng)數(shù)據(jù)集，提出了一種基于BP網(wǎng)絡(luò)預(yù)測(cè)TTC 預(yù)警時(shí)間和碰撞時(shí)間閾值的風(fēng)險(xiǎn)評(píng)估模型，提高了緊急制動(dòng)時(shí)的安全性、舒適性和橫擺穩(wěn)定性。

目前學(xué)者們的研究大多注重于AEB 系統(tǒng)的安全性，對(duì)于駕乘舒適性討論較少。Kyongsu等［14］較早提出考慮舒適性的制動(dòng)控制策略，結(jié)合制動(dòng)控制對(duì)車輛響應(yīng)的影響與制動(dòng)減速度突變對(duì)舒適性的影響，設(shè)計(jì)了能夠減小制動(dòng)沖擊的加速度曲線，提高駕乘舒適性；黃城等［15］通過設(shè)置制動(dòng)減速度變化緩沖區(qū)對(duì)制動(dòng)減速度及其變化率進(jìn)行限制，得到了滿足舒適性條件的減速度控制曲線；Mahdi 等［16］則在利用軌跡規(guī)劃進(jìn)行車輛避撞研究時(shí)，將減速度與減速度變化率作為舒適性指標(biāo)引入速度規(guī)劃算法中，得到滿足舒適性標(biāo)準(zhǔn)的加速度曲線，實(shí)現(xiàn)以平穩(wěn)速度進(jìn)行主動(dòng)避撞。

上述研究主要聚焦于構(gòu)建舒適的加速度曲線，但在實(shí)際運(yùn)用過程中往往無法做到較好跟隨效果，為能夠?qū)踩耘c舒適性目標(biāo)同時(shí)納入到AEB 系統(tǒng)的決策過程中，本文中引入基于模糊規(guī)則的MPC算法，基于分層理論重新設(shè)計(jì)了AEB 系統(tǒng)，上層控制器根據(jù)車間狀態(tài)信息與控制目標(biāo)及約束條件計(jì)算出期望加速度值并傳遞給下層控制器，下層控制器通過期望加速度向車輛的制動(dòng)系統(tǒng)發(fā)出控制指令，最后通過仿真試驗(yàn)與實(shí)車試驗(yàn)驗(yàn)證了控制器的效能并分析了試驗(yàn)結(jié)果。

1 基于MPC的AEB上層控制系統(tǒng)

1.1 車間動(dòng)力學(xué)模型

上層控制器的任務(wù)主要是通過車輛采集到的前方車輛行駛信息與本車狀態(tài)信息，對(duì)兩車未來車間行駛狀態(tài)進(jìn)行預(yù)測(cè)并實(shí)時(shí)修正輸出的期望加速度，因此建立的運(yùn)動(dòng)學(xué)模型只須能反映出兩車的車間縱向運(yùn)動(dòng)學(xué)特性即可，故對(duì)模型作一定簡(jiǎn)化。在考慮安全性與乘坐舒適性的前提下，兼顧本車的加速度和加速度變化率，并將前車的加速度作為MPC 控制系統(tǒng)的擾動(dòng)輸入，建立車間縱向動(dòng)力學(xué)模型，如圖1所示。

圖1 車間縱向動(dòng)力學(xué)模型

圖中vh、ah，vf、af分別表示本車與前車的速度和加速度。根據(jù)兩車的運(yùn)動(dòng)狀態(tài)，可以建立本車與前車的狀態(tài)關(guān)系模型為

式中：dr為實(shí)際車間距；vrel為兩車相對(duì)速度；Ts為系統(tǒng)采樣時(shí)間；τ為描述本車期望加速度u與實(shí)際加速度ah的傳遞特性的1 階慣性環(huán)節(jié)時(shí)間常數(shù)，一般取τ=0.53［17-18］；j為本車的加速度變化率。

1.2 基于模型的離散狀態(tài)空間方程

將系統(tǒng)的狀態(tài)變量定義為x(k)，選取上述4 項(xiàng)變量為系統(tǒng)的狀態(tài)量，則

將前車加速度φ(k)作為狀態(tài)方程的擾動(dòng)量，以此提高狀態(tài)方程的準(zhǔn)確度與可靠性。由于控制目標(biāo)是將車速降至0 并使最終車間距控制在安全距離內(nèi)，所以將dr(k)、vh(k)作為系統(tǒng)的輸出，由此可得系統(tǒng)的離散狀態(tài)空間表達(dá)式為

式中A、B、G均為系統(tǒng)的系數(shù)矩陣，結(jié)合式（1）、式（2）可得

式（3）所表達(dá)的狀態(tài)空間方程在考慮車間安全距離、車速、本車加速度、加速度變化率的前提下，將前車的加速度φ(k)作為系統(tǒng)的干擾量，使模型更加貼近于實(shí)際車間運(yùn)動(dòng)學(xué)關(guān)系。

1.3 AEB系統(tǒng)多目標(biāo)控制性能要求與約束條件

為保證安全制動(dòng)的前提下同時(shí)兼顧舒適性，定義車間約束條件為

式中：vh-min、vh-max、ah-min、ah-max、jmin、jmax分別表示本車速度、加速度與加速度變化率的最小值與最大值；umin、umax表示期望加速度的最小值與最大值。

為盡快制動(dòng)，應(yīng)保證車輛速度能夠降為0，并與前車保持安全的車間距，將優(yōu)化目標(biāo)表述如下：

式中ddes通常包含1 到2 個(gè)車身的距離，在自適應(yīng)巡航系統(tǒng)中往往取一個(gè)車身的距離，考慮到自動(dòng)緊急制動(dòng)系統(tǒng)策略較為激進(jìn)，故此處取0.8 個(gè)車身的長(zhǎng)度。

選取車間距dr(k)，與本車車速vh(k)，本車加速度ah(k)及加速度變化率j(k)作為系統(tǒng)的輸出變量，即

1.4 MPC控制器求解

根據(jù)式（3）和式（6）可建立如下模型：

在設(shè)計(jì)MPC 控制器時(shí)，預(yù)測(cè)步長(zhǎng)Np必須大于控制步長(zhǎng)Nc，在控制時(shí)域內(nèi)，能夠得到相應(yīng)的控制量對(duì)系統(tǒng)狀態(tài)進(jìn)行預(yù)測(cè)，而超出控制時(shí)域范圍內(nèi)的預(yù)測(cè)則假定控制量不再發(fā)生改變，可用式（8）進(jìn)行描述：

同時(shí)，為得到系統(tǒng)狀態(tài)預(yù)測(cè)方程，認(rèn)為前車加速度在預(yù)測(cè)步長(zhǎng)內(nèi)不發(fā)生變化，即

式（7）中的系數(shù)矩陣滿足如下關(guān)系：

綜合1.3節(jié)中對(duì)AEB 系統(tǒng)多目標(biāo)控制性能要求的分析，將優(yōu)化目標(biāo)的評(píng)價(jià)函數(shù)定義為

式中：U為控制量；Q、R為權(quán)重矩陣，Q=中每個(gè)子矩陣代表每個(gè)狀態(tài)量的權(quán)重因子，其值越大代表系統(tǒng)越趨向于減小其對(duì)應(yīng)的狀態(tài)量與參考量之間偏差；R=diag(qu)，R越大則代表系統(tǒng)更傾向于使控制量盡可能小。為防止系統(tǒng)無解，引入松弛系數(shù)ρ與松弛因子ε。

令E=Apx(k) +Gpφ(k)并將式（7）代入式（10）可得

忽略式（11）中與控制量無關(guān)的項(xiàng)，并改寫成如下形式：

本文通過Matlab 優(yōu)化工具箱中的quadprog 函數(shù)來求解式（12）這一標(biāo)準(zhǔn)二次規(guī)劃問題，計(jì)算得到最優(yōu)的上層控制序列U(k)，即每個(gè)采樣時(shí)刻對(duì)應(yīng)控制時(shí)域內(nèi)的一系列最優(yōu)控制量：

2 基于模糊規(guī)則的MPC控制器優(yōu)化

MPC 控制器的控制精度與采樣時(shí)間有關(guān)，但過小的采樣時(shí)間會(huì)導(dǎo)致冗余制動(dòng)和較高的計(jì)算成本，在緊急制動(dòng)過程中，隨著危險(xiǎn)程度的變化，采樣時(shí)間的自適應(yīng)變化將會(huì)提高AEB 在不同場(chǎng)景下的適用性。通過模糊控制方法可以較好地描述二者之間的非線性關(guān)系［19］，為表征車輛自動(dòng)緊急制動(dòng)過程中的危險(xiǎn)程度進(jìn)而對(duì)MPC 控制器性能進(jìn)行優(yōu)化，本文中引入緊急系數(shù)i來衡量車輛行駛過程中的緊急程度。該系數(shù)為［0，5］的無量綱數(shù)，i從0到5代表緊急程度從最低到最高。此外，將AEB 中2 個(gè)重要參數(shù)作為輸入，即相對(duì)距離和TTC。

2.1 隸屬度函數(shù)與模糊規(guī)則確立

本文將相對(duì)距離模糊集合設(shè)定為｛極小，小，中，大，極大｝；TTC模糊集合設(shè)定為｛極小，小，中，大，極大｝，相應(yīng)的邏輯語言均設(shè)定為｛NB，NS，ZO，PS，PB｝。根據(jù)仿真工況，將相對(duì)距離論域設(shè)定為［0，100］m，由于GB/T39901—2021《乘用車自動(dòng)緊急制動(dòng)系統(tǒng)（AEBS）性能要求及試驗(yàn)方法》中要求緊急制動(dòng)不應(yīng)在TTC=3 s 前開始，故將TTC論域設(shè)定為［0，3］。同樣，將緊急系數(shù)i模糊化為｛極小，小，中，大，極大｝，相應(yīng)的邏輯語言為｛NB，NS，ZO，PS，PB｝。輸入變量和輸出變量采用三角形隸屬度函數(shù)，函數(shù)如圖2所示。

圖2 隸屬度函數(shù)

模糊規(guī)則采用IF-THEN 結(jié)構(gòu)，具體模糊規(guī)則如表1 所示。相對(duì)距離、TTC最大時(shí)，取最小緊急系數(shù)；相對(duì)距離、TTC最小時(shí)，取最大緊急系數(shù)。如果相對(duì)距離處于極大狀態(tài)，則無論TTC如何變化，都認(rèn)為兩車處于安全狀態(tài)，緊急系數(shù)i處于NB（極小）或NS（小）論域。如果相對(duì)距離處于極小狀態(tài)，則無論TTC如何變化，都認(rèn)為兩車處于危險(xiǎn)狀態(tài)，緊急系數(shù)i處于PB（極小）或PS（小）論域。

表1 模糊規(guī)則

通過Manadani 極大極小方法進(jìn)行邏輯推理，并選用質(zhì)心法解模糊化，求解得到的緊急系數(shù)曲面如圖3所示。

圖3 緊急系數(shù)曲面

2.2 MPC控制器的優(yōu)化

為降低在緊急制動(dòng)過程中MPC 控制器的計(jì)算成本，同時(shí)應(yīng)對(duì)更加復(fù)雜多樣的場(chǎng)景工況，本文中提出了一種基于模糊控制的改進(jìn)MPC 控制器，用于降低計(jì)算量，提高M(jìn)PC控制性能。

MPC的控制性能主要取決于預(yù)測(cè)模型的精準(zhǔn)度和控制參數(shù)。一般控制參數(shù)包括采樣時(shí)間Ts、控制步長(zhǎng)Nc和預(yù)測(cè)步長(zhǎng)NP。隨著采樣時(shí)間降低，采樣密度增加，MPC控制器的快速響應(yīng)能力提升，但穩(wěn)定性有所下降。因此，在場(chǎng)景緊急系數(shù)較低時(shí)，采用較大的采樣時(shí)間，減少計(jì)算量，提高控制系統(tǒng)穩(wěn)定性與乘坐舒適性；在場(chǎng)景緊急系數(shù)較高時(shí)，采用較小的采樣時(shí)間，提高AEB 系統(tǒng)的響應(yīng)能力，確保安全性，通過緊急系數(shù)來修正MPC 的采樣時(shí)間，使控制器的效率大大提高。依據(jù)文獻(xiàn)［20］，本文中將MPC 控制器的采樣時(shí)間定義為

式中：round為取整函數(shù)；ω為收縮因子。通過式（14）可將采樣時(shí)間限制在Ts∈[0.05 s，0.1 s]內(nèi)，通過改變?chǔ)乜烧{(diào)整采樣周期的收斂速度。考慮到行車的安全性和舒適性，本文將ω設(shè)置為1。綜合采樣時(shí)間與緊急系數(shù)的關(guān)系，當(dāng)Ts≥0.1 s 時(shí)，認(rèn)為車輛處于較為安全狀態(tài)，MPC控制器不介入系統(tǒng)。

3 車輛模型與下層控制器

3.1 基于PreScan的2-D汽車動(dòng)力學(xué)模型

在進(jìn)行車輛基本參數(shù)設(shè)置時(shí)，選取PreScan對(duì)象庫(kù)中的Toyota_Prius 作為試驗(yàn)對(duì)象，其基本參數(shù)如表2所示。

表2 Toyota_Prius車輛參數(shù)配置

3.2 下層控制器

下層控制器的主要功能是對(duì)上述車輛動(dòng)力學(xué)模型進(jìn)行控制，由于汽車縱向動(dòng)力學(xué)的非線性特性［21］，車輛的實(shí)際加速度與期望值存在誤差，采用PID 控制策略對(duì)加速度誤差進(jìn)行控制，將上層MPC 控制器輸出的期望加速度與實(shí)際加速度差值作為控制誤差e(t)，即

式中：areal(t)為實(shí)際加速度；ades(t)為期望加速度。

根據(jù)PID控制規(guī)律則有：

式中：Kp、Ki、KD分別為PID 控制器的比例增益、積分時(shí)間常數(shù)和微分時(shí)間常數(shù)；pb(t)為輸出的制動(dòng)壓力值，在Simulink中構(gòu)建下層控制模塊如圖4所示。

圖4 下層PID控制模塊

3.3 節(jié)氣門開度控制模型

由于在AEB 系統(tǒng)中沒有加速需求，因此節(jié)氣門只須維持勻速行駛狀態(tài)即可，將汽車行駛方程式展開可得

式中：Ttq為發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩；ig、i0分別為變速器與主減速器傳動(dòng)比；ηt為傳動(dòng)系機(jī)械效率；r為等效車輪半徑；G為車輛重力；f為滾動(dòng)阻力系數(shù)；Cw為空氣阻力系數(shù)；A為車輛迎風(fēng)面積；ρ為空氣密度；ir為道路坡度；δ為旋轉(zhuǎn)質(zhì)量換算系數(shù)；a為車輛加速度。

當(dāng)車輛在平直路面行駛時(shí)，ir=0，此時(shí)行駛方程式可表示為

將期望加速度代入式（18）便可得到發(fā)動(dòng)機(jī)期望轉(zhuǎn)矩Tdes。根據(jù)3.1節(jié)中所選車輛模型的發(fā)動(dòng)機(jī)map圖數(shù)據(jù)在Simulink 中建立2-D Lookup 模塊，便可根據(jù)期望轉(zhuǎn)矩逆向求得發(fā)動(dòng)機(jī)的期望節(jié)氣門開度。發(fā)動(dòng)機(jī)map圖如圖5所示。

圖5 發(fā)動(dòng)機(jī)map圖

3.4 制動(dòng)壓力控制模型

根據(jù)式（17）可推出制動(dòng)過程中行駛方程式為

式中FXb為作用在車輪上制動(dòng)力之和。車輛制動(dòng)過程中其大小與制動(dòng)壓力p之間關(guān)系可通過比例系數(shù)來描述［22］，本文通過引入比例系數(shù)Kb表述二者之間關(guān)系：

通過在PreScan中設(shè)置加速試驗(yàn)，代入式(20)可得地面制動(dòng)力大小，結(jié)合Simulink 車輛動(dòng)力學(xué)模型中制動(dòng)力值可計(jì)算出Kb為120。

4 仿真驗(yàn)證與實(shí)車驗(yàn)證分析

根據(jù)我國(guó)新車評(píng)價(jià)規(guī)程C-NCAP—2021 中對(duì)AEB 測(cè)試工況的規(guī)定，選取前車靜止（CCRs）、前車運(yùn)動(dòng)（CCRm）2 種測(cè)試場(chǎng)景，每個(gè)場(chǎng)景設(shè)置3 組工況試驗(yàn)。相應(yīng)的場(chǎng)景參數(shù)設(shè)置如表3所示。

表3 仿真場(chǎng)景參數(shù)

4.1 CCRs場(chǎng)景仿真

CCRs場(chǎng)景仿真結(jié)果如圖6所示。

圖6 CCRs場(chǎng)景仿真結(jié)果

由圖6 可知，本車以20 km/h 行駛時(shí)，在7.7 s 之前，由于緊急系數(shù)過小，系統(tǒng)判定為安全狀態(tài)，保持勻速行駛，MPC 控制器不介入。7.75 s時(shí)，MPC 控制器開始輸出期望加速度，此時(shí)車間距離為10.57 m，TTC為1.90 s，符合GB/T39901—2021 規(guī)定，此時(shí)緊急系數(shù)為0.57，系統(tǒng)采樣時(shí)間為0.09 s，在8.95 s 時(shí)達(dá)到最大期望加速度-7.49 m/s2（此處最大期望加速度指絕對(duì)值最大，下同）。車輛在7.85 s開始執(zhí)行期望加速度，整體遲滯約0.1 s，9.3 s時(shí)完成制動(dòng)，制動(dòng)距離為6.42 m，制動(dòng)過程中采樣時(shí)間由0.09 s 逐級(jí)降為0.06 s，加速度變化率最大為-8.24 m/s3，最終兩車間距為4.12 m。根據(jù)文獻(xiàn)［23］中試驗(yàn)分析，可以保障駕乘舒適性的加速度變化率極限值為-10 m/s3，因此符合舒適性與安全性預(yù)期。本車在以30、40 km/h 行駛時(shí)，制動(dòng)開始時(shí)刻TTC值分別為1.93、1.84 s，加速度變化率最大分別為-8.39、-8.86 m/s3，均符合舒適性與安全性預(yù)期。如圖6（b）所示，下層控制器跟蹤性能良好，最大跟蹤誤差不超過2%，在緊急制動(dòng)即將結(jié)束時(shí)由于車身的慣性導(dǎo)致實(shí)際加速度出現(xiàn)較小波動(dòng)。

4.2 CCRm場(chǎng)景仿真

CCRm場(chǎng)景仿真結(jié)果如圖7所示。

由圖7 可知，本車以30 km/h 行駛時(shí)，在19.2 s之前，由于緊急系數(shù)過小，系統(tǒng)判定為安全狀態(tài)，保持勻速行駛，MPC 控制器不介入。19.25 s 時(shí)，MPC控制器開始輸出期望加速度，此時(shí)車間距離為6.83 m，TTC為2.44 s，緊急系數(shù)為0.2，系統(tǒng)采樣時(shí)間為0.09 s，車輛在19.45 s 開始執(zhí)行期望加速度并于20.15 s達(dá)到最大加速度-4.44 m/s2，整體遲滯約0.2 s，20.9 s 時(shí)兩車間距達(dá)到最短4.18 m，加速度變化率最大為-8.79 m/s3，此后由于前車速度大于本車速度，兩車間距逐漸增大，緊急系數(shù)也逐漸增大，本車期望加速度變?yōu)?。本車在以40、50 km/h 行駛時(shí)，制動(dòng)開始時(shí)刻TTC值分別為1.81、1.46 s，加速度變化率最大分別為-8.27、-8.16 m/s3，制動(dòng)過程中最小車間距分別為3.89、1.74 m，均符合舒適性與安全性預(yù)期。

圖7 CCRm場(chǎng)景仿真結(jié)果

4.3 實(shí)車試驗(yàn)分析

為進(jìn)一步驗(yàn)證該策略的有效性與魯棒性，本文建立吉利嘉際自動(dòng)擋實(shí)車試驗(yàn)平臺(tái)。試驗(yàn)平臺(tái)與車輛如圖8 所示，試驗(yàn)道路為封閉測(cè)試場(chǎng)地。基于系統(tǒng)性能要求及試驗(yàn)需要，對(duì)試驗(yàn)車輛加裝自動(dòng)緊急制動(dòng)系統(tǒng)所需硬件，包括車載VCU 控制器、整車線束、毫米波雷達(dá)、V-Box 等。試驗(yàn)前按照GB/T39901—2021 對(duì)車輛進(jìn)行加載與制動(dòng)磨合、輪胎預(yù)處理等工作。目標(biāo)車輛采用C-NCAP 中規(guī)定的包含視覺、雷達(dá)、激光雷達(dá)等屬性的GVT，試驗(yàn)工況采用CCRs場(chǎng)景，為進(jìn)一步檢驗(yàn)用于實(shí)際車輛控制單元時(shí)的計(jì)算效能，本車以60 km/h 的時(shí)速駛向目標(biāo)車輛，兩車初始間距為100 m。試驗(yàn)結(jié)果如圖9所示。

圖8 吉利嘉際實(shí)車試驗(yàn)平臺(tái)

由圖9（c）可知，在3.85 s之前，由于緊急系數(shù)過小，系統(tǒng)判定為安全狀態(tài)，期望加速度為0，但由于道路阻力等環(huán)境因素，試驗(yàn)車輛車速有下降趨勢(shì)。3.85 s時(shí)，MPC 控制器開始輸出期望加速度，此時(shí)車間距離為37.4 m，TTC為2.36 s，緊急系數(shù)為0.26，系統(tǒng)采樣時(shí)間為0.09 s，在5.15 s 時(shí)達(dá)到最大期望加速度。車輛在4.55 s 時(shí)節(jié)氣門完全關(guān)閉，制動(dòng)壓力開始上升，系統(tǒng)開始執(zhí)行期望加速度，整體遲滯0.65 s，6.92 s 時(shí)完成制動(dòng)，此時(shí)制動(dòng)壓力達(dá)到峰值12 MPa 并維持0.3 s 后逐漸降為0，制動(dòng)距離為30.66 m，制動(dòng)過程中采樣時(shí)間由0.1逐級(jí)降為0.05 s，加速度變化率最大為-5.98 m/s3，最終兩車間距為3.54 m，符合舒適性與安全性要求。

圖9 實(shí)車試驗(yàn)結(jié)果

5 結(jié)論

（1）基于模糊規(guī)則MPC 算法與分層控制理論提出一種改進(jìn)AEB 控制策略。上層控制器由模糊規(guī)則模塊與MPC 控制器模塊組成，模糊規(guī)則采取雙輸入、單輸出，根據(jù)車間相對(duì)距離與TTC實(shí)時(shí)輸出場(chǎng)景緊急系數(shù)，并根據(jù)該緊急系數(shù)優(yōu)化MPC 控制器的仿真步長(zhǎng)；下層控制器采用PID 反饋控制與逆發(fā)動(dòng)機(jī)模型得到制動(dòng)壓力。

（2）在PreScan 與Simulink 聯(lián)合平臺(tái)上開展兩種場(chǎng)景及多種工況下的仿真試驗(yàn)，驗(yàn)證了本文提出的控制策略可以兼顧自動(dòng)緊急制動(dòng)系統(tǒng)的舒適性與安全性。通過實(shí)車試驗(yàn)，進(jìn)一步驗(yàn)證了系統(tǒng)的有效性。

（3）依托于MPC 控制器，為AEB 控制策略提供了新的解決思路。同時(shí)由于MPC 在自動(dòng)駕駛領(lǐng)域具有較高的應(yīng)用價(jià)值，研究?jī)?nèi)容將有助于推動(dòng)AEB、ACC、ADAS 以及更高階輔助駕駛系統(tǒng)一體化集成應(yīng)用。