基于改進預瞄控制模型的車道保持系統設計

摘要：為解決扭矩控制的車道保持（LKA）系統魯棒性不高、受車輛制造一致性以及路面激烈干擾影響大的問題，采用神經網絡技術、Autofix算法及預瞄反饋控制理論，利用預期軌跡決策和跟隨PID控制算法設計了一套基于角度控制的車道保持系統。基于Carsim/Veristand/MATLAB搭建了硬件在環仿真試驗平臺，通過虛擬仿真驗證了該車道保持系統設計的有效性與準確性。基于GB/T39323—2020、CN-CAP—2021、Euro-NCAP—2022并結合實車調試及用戶關注場景對車道保持系統的測試要求，通過仿真及實際場景對比驗證得出以下結論：相對于扭矩控制的LKA系統，在相同使用場景下，使用角度控制的車道保持系統具有較好的車道保持能力、穩定性、適應性和魯棒性。

關鍵詞：車道保持系統；角度控制；預瞄控制；Autofix算法；比例積分微分控制

中圖分類號：U467.1

DOI：10.3969/j.issn.1004-132X.2024.03.017

0引言

高度集成的自動駕駛汽車是主機廠不斷追求的目標，佐思汽研數據顯示，2021年中國自主品牌高級駕駛輔助系統（advaneddriveassistancesystems，ADAS）裝配率為29.1%；2022年同期裝配率繼續維持上漲態勢，裝配率接近34%。車道保持系統的使用可以有效減少疲勞駕駛引起的交通事故，研究表明，當車輛都搭載車道保持系統時，可以減少約12%的道路交通事故［1-4］。

國內外學者對車道保持的實現方式進行了理論研究。文獻［5-9］采用比例積分微分（proportional-integral-derivative，PID）前饋反饋控制方案設計車道保持系統，利用反饋誤差學習機制來學習車輛的逆動力學，并消除外部干擾和不確定性對車道保持系統的影響，通過MATLAB/Simulink和Carsim在不同速度下的聯合仿真，驗證了所提方法的有效性和魯棒性。CHEN等［10］、AMDITIS等［11］基于跨道時間（timetolanecrossing，TLC）方法，分別給出直線道路和曲線道路情況下跨道時間的計算方法，并通過臺架聯合仿真實驗驗證聯合算法的準確性。MARINO等［12］、SHOJAEI［13］、XU等［14］將自抗擾控制及自適應多變量超扭控制應用于轉向控制器的設計，主動補償外部干擾，通過仿真驗證該控制器的有效性。RATHAI等［15］基于模型預測控制（modelpredictivecontrol，MPC）算法設計了一種車輛車道保持系統，仿真結果表明，該控制器的性能和穩定性優于剪切線性二次型調節器（cuttinglinearquadraticregulator，CLQR）控制器。YU等［16］提出一種基于電液轉向系統的客車車道保持輔助系統，并利用TruckSim、AMESim和MATLAB/Simulink聯合仿真軟件進行實驗驗證。KANG等［17］針對電動助力轉向系統（electricpowersteering，EPS），對一種基于轉矩疊加的轉向盤角度控制方法進行了創新，并提出多速率保持航道控制方案，減小橫擺角速度的波動，以提高系統的車道保持性能。KIM等［18］提出一種基于力矩疊加的電動助力轉向魯棒轉向盤角度控制方法，利用輸入狀態穩定性特性，采用反推方法設計非線性阻尼控制器來抑制角跟蹤誤差。WANG等［19］基于強跟蹤自適應平方根容積卡爾曼濾波（strongtrackingadaptivesquare-rootcubatureKalmanfilter，ST-SRCKF）側滑角自適應預測控制器計算所需轉向角和附加偏航力矩，并通過硬件在環驗證該車道保持系統的可靠性。CHU等［20］基于線性自抗擾控制與定量反饋理論設計車道保持系統，并通過仿真和試驗驗證轉向控制器的可行性。WANG等［21］基于人工勢法和轉向/制動系統協調，設計車道保持控制系統，通過Carsim/Simulink仿真和硬件在環試驗驗證基于改進人工勢函數的滑模控制器和轉向制動系統協調策略的有效性和優越性。CHEN等［22］提出了一種基于人類模擬智能控制（human-simulatedintelligentcontrol，HSIC）的新型自動駕駛車輛車道保持控制方法，在PreScan和Carsim聯合仿真平臺上的實驗結果表明，該方案與專家駕駛員具有更好的匹配性能和良好的魯棒性。綜上，基于前饋的PID閉環控制或自適應控制是提高系統控制精度常見的控制手段，但是大部分研究只考慮駕駛員行為、車輛整體動力學或者道路環境的影響，未對比EPS執行器的綜合影響，且大多數處于仿真驗證階段，缺乏有效的實車驗證。

扭矩控制是常用的車道保持輔助（lanekeepingassist，LKA）系統請求控制方式，大量車型驗證和對標結果證明，使用扭矩控制的車道保持系統魯棒性較差，受車輛制造裝配一致性及路面激勵的影響較大，導致控制穩態精度不高。本文采用預期軌跡決策和跟隨PID控制算法設計一套基于角度控制的車道保持系統。利用Carsim建立車輛動力學模型，利用Veristand/MATLAB管理及配置系統、模型、硬件，搭建硬件在環仿真試驗平臺，實現聯合仿真，通過仿真和實際道路試驗來驗證所提系統設計的有效性。

1LKA控制策略

LKA工作系統框圖見圖1，通常為分層結構，分為感知層、信息處理層、決策控制層和執行層，各部分均基于模塊化思想進行設計，其工作相對獨立，提高了各模塊的靈活性和通用性［23-25］。LKA系統感知層提供了信息處理層，用于輸出車道線信息、車輛狀態信息（轉角、橫擺角速度、駕駛員手力矩）。信息處理層根據車道線信息、車輛信息得到車輛與車道線的位置關系。決策層就是LKA控制器，根據信息處理端輸入的車輛狀態信息與車道線信息來決策LKA狀態，與感知層一起組成了攝像頭硬件模塊。控制層根據車輛狀態、道路情況輸出對應角度請求到EPS執行層。

2LKA控制算法

路徑跟蹤控制是車道保持控制的關鍵技術，模型預測提前規劃下一階段路徑，提前評估、決策、執行，能夠克服模型誤差和不確定環境干擾帶來的影響，魯棒性強，實時控制性好［26-28］。圖2所示為信息處理與決策層控制流程。通過駕駛輔助攝像頭獲取道路信息，輸入攝像頭的前饋控制器進行軌跡預測信息處理，結合反饋控制器接收車身相關信息，如轉向盤轉角、扭矩和車身姿態等信息，輸出LKA控制最理想的控制狀態。

角度規劃采用濾波算法，用于平滑過渡控制和手感校正，有效過濾上層請求值中頻率較高的振動。該濾波算法的最終輸出形式為緩升緩降，保證階躍請求值不會產線劇烈跳變，讓EPS跟隨響應更好。在轉速閉環控制中加入前饋控制，從而有效降低控制滯后性。

該算法位置環比例控制根據目標轉角和車速進行查表控制，將大角度請求工況和小角度請求工況分開，有效解決大角度工況的請求和響應滯后的問題。速度環PI控制根據目標轉角與實際轉角的偏差值進行查表控制，采用積分參數可解決比例控制受路面環境干擾較大，尤其是大曲率彎道或斜坡路面時單純采用比例控制導致轉向盤轉動幅度較大、收斂慢、控制不舒適的問題。同時為避免積分參數過大而導致超調的問題，需要加入積分觸發條件及清除積分的操作。

前饋力矩根據目標轉角查表計算得到，通過加入前饋控制來削弱反饋控制的強度，有效減少過彎時和傾斜路面對控制的干擾。

2.1預瞄控制機制

LKA控制系統采用預瞄反饋控制理論，在行駛過程中獲取當前狀態作為初始條件，結合系統模型在預測時間內的狀態輸出最優控制值［5-9］。圖3為預瞄遠近點示意圖，其中，遠、近預瞄點的PID反饋控制用于消除車輛和目標軌跡間的橫向偏差和航向偏差，使車輛能快速且穩定地回到目標軌跡。同時根據車速進行查表控制，高速行駛時，將預瞄點拉遠；在低速行駛時，將預瞄點拉近。前饋控制用于消除在彎道中由曲率帶來的較大偏差量，使得遠、近預瞄點的PID控制模型在直道和彎道中不會有明顯差異，避免彎道中的PID超調和控制量不足的情況，

結合實車調試經驗，為加快車輛轉向盤對路面或人為激勵收斂速度，加入微分反饋校正；同時考慮EPS執行器存在較大死區，尤其是在小角度請求時EPS不響應或響應較慢的問題，需加入超前校正，同時請求角度加入死區補償，加快跨越死區的速度。

2.2PID控制器設置

通過計算輸入偏差的比例、積分、微分，并求取各部分的加權和得出控制量控制系統來達到穩定狀態。對于離散系統PID控制器，t時刻的輸出控制量u（t）可表示為

考慮到在車道保持控制中，針對不同速度和曲率下，對于同一誤差量，可能會需要不同的控制輸出以達到穩定控制效果，同時為提高舒適性，還需根據車輛和目標軌跡的相對位置來調節PID參數，因此，分別對遠近點設置不同的PID控制器，根據曲率及車輛速度對PID的比例參數、積分參數、微分參數做不同設定。

式中，kP為最終的比例參數；kP_c為根據曲率選擇的比例系數；kP_v為根據車輛速度選擇的比例系數；kP_y為根據車輛和目標軌跡的橫向距離選擇的比例系數；kP_fac為固定粗調比例系數。

2.3Autofix機制

Autofix補償可以消除車輛跑偏或零位扭矩不在設計閾值內對LKA控制穩定的影響，其目的是取得與控制車輛運動狀態相符的力，在一定程度上改善LKA控制性能，其模型框圖見圖5。

角度濾波采用均值濾波，記錄計算次數全局均值；扭矩計算方式根據C0與行駛路徑方向是否相反進行判斷，兩者相反時觸發計算判斷，根據C0是否小于閾值判斷補償值的正負。

2.4角度控制原理

圖6所示為LKA采用角度控制的系統架構，該架構包含轉向系統和攝像頭的基本接口信號，其中，Trq為EPS電機扭矩。EPS接收駕駛員施加在轉向盤的扭矩值和LKA角度請求值，經EPS齒輪角控制器，轉換成控制EPS的轉向力矩；同時考慮LKA激活和退出瞬間轉向盤從傳統助力到LKA模式平順過渡。轉向盤不會有較大的轉動動作干擾駕駛員，會通過輔助信號限制角度請求值變化斜率。如果此時LKA施加振動警報信號，則EPS還需要接收振動信號的頻率和幅值；EPS對上述信號進行變換處理后得到施加到助力電機的總扭矩。

在采用角度控制的LKA控制系統中，假設駕駛員輸入手力，標記為‘+’，有小角度偏移，但LKA沒有退出，在固定車速情況下，有以下功能會產生作用：

（1）基礎助力模塊。以‘+’方向提供Trq。

（2）回正力矩模塊。當偏移角度是遠離中心區域時，回正模塊提供‘-’方向的Trq；反之，當偏移角度是靠近中心區域時，回正模塊提供‘+’方向的Trq。

（3）阻尼力矩模塊。提供‘-’方向Trq。

（4）攝像頭。在調試中，為滿足LKA對EPS的響應要求，一般會在小角度時提供較大的‘-’方向的Trq以滿足響應需求。

綜上，在角度請求控制中，無論是角度請求還是斜率限制參數，最終輸入EPS電機的請求扭矩和總的電機扭矩都形成多閉環控制，在控制原理上精度會更高，穩定性更好。

3硬件在環仿真

完成基于角度控制車道保持系統設計后，通過硬件在環（hardware-in-the-loop，HIL）仿真平臺，使用Carsim車輛模型，采用MATLAB/Simulink環境下建立的相應車輛控制模塊建立系統仿真控制模型，分析車道保持系統的魯棒性、車道保持、主動轉向等關鍵性能指標，驗證基于角度控制的車道保持系統的有效性和可靠性。

3.1硬件搭建

圖7所示為硬件在環仿真平臺搭建硬件及系統原理，仿真平臺以真實的自動駕駛控制器作為待測件，外圍匹配虛擬場景仿真、實時仿真系統及環境感知模擬系統，共同為待測控制器構造虛擬的運行環境，主要由虛擬場景仿真系統、實時仿真系統、上位機系統、感知模擬系統和待測控制器組成。

利用VTD（virtualtestdrive）軟件進行仿真場景創建，通過視頻暗箱為攝像頭提供視頻采集環境，基于Carsim完成被控車輛模擬，基于Simulink工具開發力矩分段切換模型，并通過NIPXIe8880實時機完成實時仿真計算。仿真場景動畫通過HDMI傳輸至視頻暗箱內的視景顯示器進行播放。控制器（攝像頭）通過支架固定在視景顯示器前方，用于拍攝視景顯示器上播放的場景動畫，進而實現對車道線的感知。LKA系統發出的轉向角度請求指令由EPS執行，進而控制被控車輛橫向運動。

3.2仿真對比

根據GB/T39323—2020規定，設定仿真場景如下：車道寬為3.6m，彎道半徑R按250m和500m設定，被控車輛模型分別以70km/h、90km/h和120km/h的車速v進行直道、彎道、直道彎道銜接居中性保持仿真測試，記錄居中保持時中心偏移值（左負右正，居中偏差平均值要求在±0.2m范圍內），驗證車道保持系統的可行性［29-31］。

圖8所示為車道保持直道工況仿真測試結果，居中偏差最大值為-0.11m，平均值均在±0.1m范圍內。圖9所示為車道保持彎道工況仿真測試結果，居中偏差最大值為0.14m，平均值均在±0.2m范圍內。圖10所示為車道保持直道彎道過渡工況仿真測試結果，均可穩定行駛在車道內，居中偏差最大值為-0.18m，平均值均在±0.2m范圍內。綜上，車道保持系統在各仿真工況下均可穩定行駛在車道內，偏離車道中心線距離較小，居中能力較強。

根據CN-CAP—2021直道，測試速度為70km/h和90km/h，將車輛拉邊，使車輛靠著左/右側車道線行駛，當車輛行駛穩定后，駕駛員松開轉向盤。圖11所示為車道保持直道拉偏居中仿真測試結果，拉偏后首次回到居中位置時間分別為3.1s與3.5s（要求小于6s），超調幅值在±0.1m以內，無超調現象；拉偏后首次回到居中位置的時間較短，為2.4s，且無需收斂調整，車輛已處于居中位置。

仿真結果表明，在各場景測試中，基于角度控制的車道保持系統均能穩定行駛在車道中心，車道中心線偏離距離波動較小，拉偏測試可以有效驗證系統具備完整的控制穩定性，能滿足車道保持輔助系統功能測試的要求。

4實車場景測試

4.1測試設備

本文中基于某款MPV車型進行驗證（兩車除LKA控制方式不同外，其余參數均一致），測試車上安裝i-TESTERAVE2000測試系統，該系統配備i-TESTER主機、組合定位模塊等，包括GPS-RTK（通過配置千尋賬號獲取定位信息，無需定位基站，測試范圍更廣）、車道線定位、IMU等傳感器用于獲取車輛運動姿態真值。測試車設備連接原理如圖12所示，智能駕駛控制器與EPSamp;ESP控制器通過車載網關交互信號，使用CAN通信方式。

4.2測試工況

基于GB/T39323—2020、CN-CAP—2021、EuroNCAP—2022并結合實車調試及用戶關注場景對車道保持系統的測試要求，從實際道路場景對比出發，選取彎道性能、居中性、拉偏后首次回中時間、超調幅值、收斂時間、糾偏能力、顛簸路段抗干擾能力、初始力矩等指標對比角度控制和扭矩控制在相同場景下LKA的性能表現，測試工況和評價指標見表1。

4.3測試結果

在相同車型和相同工況下對比扭矩控制和角度控制的LKA系統性能，測試結果見表2及圖13、圖14。實車驗證了基于角度控制的LKA系統的可行性，同時使用角度控制的LKA系統，其居中性偏離最大值為0.08m，且較為穩定，扭矩控制的系統居中性滿足基本要求，但從偏移值走勢看，整車處于輕微蛇形行駛狀態。從表2來看，角度控制最小支持彎道半徑是125m，意味著可以通過更大彎曲率的彎道，過彎性能更強，性能更加穩定。

采用角度控制的LKA系統拉偏后首次回到居中位置時間為2.4s，小于扭矩控制的3.2s；超調幅值在±0.2m以內，無超調現象，無需收斂調整，車輛已處于居中位置，回中+收斂時間均在3.6s以內，小于采用扭矩控制系統的6.1s。

兩車在同樣的測試環境中分別以0.2m/s、0.3m/s，0.4m/s、0.5m/s的速度壓左右側LKA釋放點各三次，正值為輪胎最外緣距離左側車道線內側值，負值為輪胎最外緣距離右側車道線內側值，圖15所示為兩車糾偏性能對比結果。從結果看，扭矩控制在橫向拉偏速度超過0.4m/s時，其糾偏值大于0.35m，無法通過糾偏測試；而角度控制的系統在所有測試中糾偏值均小于0.35m，證明角度控制的LKA系統糾偏響應更快，保持穩定行駛能力更強。

圖16所示為兩車初始力矩對比，當車輛橫向角度有明顯變化，即車輛行駛不在處于居中位置時，采用角度控制的系統所需轉向盤力矩為2.03N·m，扭矩控制的系統轉向盤力矩為1.58N·m，可見角度控制的系統可抵抗外部激勵干擾所允許的力矩更大，保持居中能力更強。從曲線上看，扭矩控制的系統接管過程會更加柔和，但持續時間較長，會給駕駛員對抗現象，而角度控制車輛可瞬間達到接管閾值，方便駕駛員接管車輛。

圖17所示為兩車顛簸路段抗干擾測試對比，采用角度控制的系統連續經過鐵軌交界處時，轉向盤角度變化值最大為0.5°，轉向盤扭矩最大值為0.6N·m，小于扭矩控制的轉向盤角度變化值1.5°和轉向盤扭矩最大值1.1N·m。從曲線上看，角度控制的在經過鐵軌時，轉向盤控制較穩定，波動較小，且顛簸后收斂速度較快，基本在一個周期內可恢復穩定居中行駛；而扭矩控制的車輛經過顛簸后，存在轉向盤振蕩過程，恢復周期較慢。

圖18所示為兩種控制策略的車，通過改變轉向盤零位扭矩和零位角度，模擬制造一致性對車道保持居中性能對比。隨著轉向盤零位扭矩和零位角度變大，扭矩控制的系統居中性影響程度與轉向盤偏移零位角度和扭矩成正比，測試結果表明當零位扭矩超過0.35N·m或零位角度超過2.8°時，扭矩控制的車輛開始在車道內蛇形行駛，即車輛行駛不再處于居中位置，偏移值超過0.2m。采用角度控制的系統受零位扭矩和零位角度的影響較小，居中性和行駛穩定性均在0.2m以內。綜上，角度控制的車道保持系統控制精度高，受車輛制造一致性的影響較小。

5結論

本文通過Carsim/Veristand/MATLAB搭建硬件在環仿真試驗平臺以驗證基于角度控制的車道保持控制系統可行性。基于CN-CAP—2021以及GB/T39323—2020測試要求，實車對比了車道保持系統的在不同場景下的性能表現，結果表明，相對于使用扭矩控制的車保保持系統，使用角度控制的車道保持控制系統具有更好的保持居中能力、抗干擾穩定性、適應性和魯棒性。該系統解決了主機廠生產制造一致性導致車輛跑偏引起車道保持性能下降、跑偏等問題，可擴展應用到后續車型。主要結論如下：

（1）從控制原理的角度分析，通過改進預瞄控制模型和增加Autofix補償算法，形成了多重PID閉環控制。通過多個PID控制器的協同作用，使得基于角度控制的車道保持系統的控制精度得到顯著提升，同時也增強了系統的穩定性。

（2）在實車調試環節，角度控制展現出其獨特的優勢，涉及的測試指標更為豐富，覆蓋的場景和工況也更為廣泛，同時，嚴格的測試標準確保其在實際應用中的性能表現能夠達到更高的水平。

（3）通過實際場景測試對比分析可以發現，采用角度控制的車輛在過彎能力方面表現出色，其居中性和抗干擾能力也得到了顯著提升。這些優勢使角度控制的車道保持系統在實際應用中具有更高的實用價值。

參考文獻：

［1］余小川.智能汽車車道保持控制方法研究［D］.哈爾濱：哈爾濱工業大學，2016.

YUXiaochuan.ResearchonLaneTrackingControlforIntelligentVehicle［D］.Harbin：HarbinInstituteofTechnology，2016.

［2］佐思汽研.2022年中國乘用車自主品牌主機廠ADAS和自動駕駛研究報告［R］.北京：佐思汽研，2022.

ZuosiAutomotiveResearch.2022ResearchReportonADASandAutonomousDrivingofChinasAutonomousPassengerCarBrandOEMs［R］.Beijing：ZuosiAutomotiveResearch，2022.

［3］ERIKSSONL，BOLLINGA，ALMT，etal.DriverAcceptanceandPerformancewithLDWandRumbleStripsAssistanceinUnintentionalLaneDepartures［R］.Washington，DC：AustralianRoadResearchBoard，2013.

［4］EuroNCAP，InfinitiLaneDeparturePrevention（LDP）.［EB/OL］.［2014-07-17］.http：∥www.euroncap.com/rewards/infiniti_ldp.aspx.

［5］DEBARSHIS，SUNDARAMS，SUNDARARAJANN.RobustEMRAN-aidedCoupledControllerforAutonomousVehicles［J］.EngineeringApplicationsofArtificialIntelligence，2022，110：104717.

［6］黃楊成.基于電動助力轉向系統的車道偏離輔助系統的研究［D］.合肥：合肥工業大學，2017.

HUANGYangcheng.ResearchonLaneDepartureAssistanceSystemBasedonElectricPowerSteeringSystem［D］.Hefei：HefeiUniversityofTechnology，2017.

［7］于立嬌.基于EPS的車道保持輔助控制算法設計與實驗驗證［D］.長春：吉林大學，2016.

YULijiao.AlgorithmDesignandExperimentalVerificationforLaneKeepingAssistedControlBasedonElectricPowerSteering［D］.Changchun：JilinUniversity，2016.

［8］CHUZhengrong，SUNYuming，WUC，etal.ActiveDisturbanceRejectionControlAppliedtoAutomatedSteeringforLaneKeepinginAutonomousVehicles［J］.ControlEngineeringPractice，2018，74：13-21.

［9］HUChuan，QINYechen，CAOHaotian，etal.LaneKeepingofAutonomousVehiclesBasedonDifferentialSteeringwithAdaptiveMultivariableSuper-twistingControl［J］.MechanicalSystemsandSignalProcessing，2019，125：330-346.

［10］CHENJin，SUNDihua，ZHAOMin，etal.DCFS-basedDeepLearningSupervisoryControlforModelingLaneKeepingofExpertDrivers［J］.PhysicaA：StatisticalMechanicsandItsApplications，2021，567：125720.

［11］AMDITISA，BIMPASM，THOMAIDISG，etal.ASituation-adaptiveLane-keepingSupportSystem：OverviewoftheSAFELANEApproach［J］.IEEETransactionsonIntelligentTransportationSystems，2010，11（3）：617-629.

［12］MARINOR，SCALZIS，NETTOM.IntegratedDriverandActiveSteeringControlforVision-basedLaneKeeping［J］.EuropeanJournalofControl，2012，18（5）：473-484.

［13］SHOJAEIK.IntelligentCoordinatedControlofanAutonomousTractor-trailerandaCombineHarvester［J］.EuropeanJournalofControl，2021，59：82-98.

［14］XUY，CHENBY，SHANX，etal.ModelPredictiveControlforLaneKeepingSysteminAutonomousVehicle［C］∥20177thInternationalConferenceonPowerElectronicsSystemsandApplications—SmartMobility，PowerTransferamp;Security（PESA）.HongKong，2017：1-5.

［15］RATHAIKMM，AMIRTHALINGAMJ，JAYARAMANB.RobustTube-MPCBasedLaneKeepingSystemforAutonomousDrivingVehicles［C］∥Proceedingsofthe20173rdInternationalConferenceonAdvancesinRobotics.NewDelhi，2017：1-6.

［16］YULijiao，ZHENGHongyu，ZHAOWeiqiang，etal.ResearchonLane-keepingControlStrategyforBus［J］.InternationalJournalofHeavyVehicleSystems，2019，26（3/4）：291-314.

［17］KANGCM，LEEJ，YISG，etal.LateralControlforAutonomousLaneKeepingSystemonHighways［C］∥15thInternationalConferenceonControl，AutomationandSystems（ICCAS）.Busan，2015：7364643.

［18］KIMW，SONYS，CHUNGCC.Torque-overlay-basedRobustSteeringWheelAngleControlofElectricalPowerSteeringforaLane-keepingSystemofAutomatedVehicles［J］.IEEETransactionsonVehicularTechnology，2016，65（6）：4379-4392.

［19］WANGH，LIUB，QIAOJ.AdvancedHigh-speedLaneKeepingSystemofAutonomousVehiclewithSideslipAngleEstimation［J］.Machines，2022，10（4）：257.

［20］CHUZ，WUC，SEPEHRIN.AutomatedSteeringControllerDesignforVehicleLaneKeepingCombiningLinearActiveDisturbanceRejectionControlandQuantitativeFeedbackTheory［J］.ProceedingsoftheInstitutionofMechanicalEngineers，PartI：JournalofSystemsandControlEngineering，2018，232（7）：937-948.

［21］WANGHongbo，CHENLi，ZHANGWeihua.Lane-keepingControlBasedonanImprovedArtificialPotentialMethodandCoordinationofSteering/BrakingSystems［J］.IETIntelligentTransportSystems，2019，13（12）：1832-1842.

［22］CHENJin，SUNDihua，ZHAOMin，etal.ANewLaneKeepingMethodBasedonHuman-simulatedIntelligentControl［J］.IEEETransactionsonIntelligentTransportationSystems，2022，23（7）：7058-7069.

［23］郭洪強，陳慧，陳佳琛.基于EPS的車道保持輔助系統設計［J］.汽車技術，2018（8）：33-38.

GUOHongqiang，CHENHui，CHENJiachen.DesignofLaneKeepingAssistanceSystemBasedonEPS［J］.AutomobileTechnology，2018（8）：33-38.

［24］房澤平，段建民.基于串級MPC和EPS的集成駕駛員轉向車道線保持［J］.北京工業大學學報，2016，42（1）：119-127.

FANGZeping，DUANJianmin.CombinedDriversSteeringandEPSLaneKeepingBasedonCascadeMPC［J］.JournalofBeijingUniversityofTechnology，2016，42（1）：119-127.

［25］佘爍.汽車車道保持系統控制算法研究［D］.長春：吉林大學，2018.

SHEShuo.ResearchonControlAlgorithmofVehicleLaneKeepingSystem［D］.Changchun：JilinUniversity，2018.

［26］FALCONEP，ERICTSENGH，BORRELLIF，etal.MPC-basedYawandLateralStabilisationviaActiveFrontSteeringandBraking［J］.VehicleSystemDynamics，2008，46（sup1）：611-628.

［27］FALCONEP，BORRELLIF，ASGARIJ，etal.PredictiveActiveSteeringControlforAutonomousVehicleSystems［J］.IEEETransactionsonControlSystemsTechnology，2007，15（3）：566-580.

［28］LIShengbo，LIKeqiang，RAJAMANIR，etal.ModelPredictiveMulti-objectiveVehicularAdaptiveCruiseControl［J］.IEEETransactionsonControlSystemsTechnology，2011，19（3）：556-566.

［29］國家市場監督管理總局，國家標準化管理委員會.乘用車車道保持輔助：GB/T39323—2020［S］.北京：中國標準出版社，2020.

StateAdministrationforMarketRegulation，StandardizationAdministrationofthePeoplesRepublicofChina.PerformanceRequirementandTestingMethodforLaneKeepingAssist（LKA）SystemofPassengerCars：GB/T39323—2020［S］.Beijing：StandardsPressofChina，2020.

［30］隋新，劉春陽，詹坤，等.人機協同控制的車道保持輔助系統安全性能研究［J］.中國機械工程，2021，32（16）：1994-2001.

SUIXin，LIUChunyang，ZHANKun，etal.ResearchonSafetyPerformanceofLaneKeepingAssistSystemsBasedonHuman-machineCooperativeControl［J］.ChinaMechanicalEngineering，2021，32（16）：1994-2001.

［31］林國慶，韓龍飛，逯超，等.基于模型預測控制的車道保持輔助系統［J］.中國科技論文，2021，16（10）：1098-1104.

LINGuoqing，HANLongfei，LUChao，etal.LaneKeepingAssistSystemBasedonModelPredictiveControl［J］.ChinaSciencepaper，2021，16（10）：1098-1104.