详情

原文传递人机共驾型智能汽车协同控制策略的研究

论文题名：	人机共驾型智能汽车协同控制策略的研究
关键词：	智能汽车;人机共驾;权值惩罚法;柔性切换;行车风险场;驾驶员
摘要：	随着多传感器融合与人工智能技术的兴起，汽车的智能化水平越来越高，但实现真正的无人驾驶为时尚早，智能汽车的人机共驾技术是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段。为协调驾驶员与辅助驾驶系统，降低人机冲突，论文以国内外人机共驾研究成果为基础，对纵横向人机协同控制进行研究，主要研究内容如下: 　　(1)根据驾驶员在横向控制中的特性，基于预瞄跟随理论并结合驾驶员决策意愿建立了单点预瞄双目标驾驶员模型，采用预瞄点搜索算法实时计算预瞄侧向偏差;根据驾驶员对车速与车距的控制，使用纵向控制模型(LongitudinalControlModel，LCM)搭建了纵向驾驶员模型，并通过调节模型参数表征纵向驾驶风格。通过Simulink/CarSim联合仿真，验证了所搭建的纵、横向驾驶员模型能够体现不同驾驶风格。　　(2)为了实现汽车自动路径跟踪与车速跟踪，设计了纵、横向辅助驾驶控制器。基于线性二自由度模型设计了横向模型预测控制器(ModelPredictiveControl，MPC)，通过滚动优化实现最优控制;针对传统车速PID控制器的不足，设计了线性参数自整定PID控制器，对控制参数进行调节。通过Simulink/CarSim仿真得到横向控制器路径跟踪最大偏移量为0.15m，纵向速度控制器车速跟踪最大偏差为4.1m/s，验证了所设计的控制器路径跟踪精度良好，同时具有更好的车速跟踪能力。　　(3)针对智能汽车横向人机共驾，提出了一种基于权值惩罚法的协同控制策略。首先根据驾驶风格参数、预瞄时间与路面附着系数，得到基于先验条件的惩罚权值;其次根据驾驶员在实际过程中造成的偏差，设计驾驶员权重模糊控制器，对驾驶员权值进行实时调节。通过Simulink/CarSim联合仿真验证了所提出的协同控制策略可适应不同的驾驶员参数，对保守、平衡和激进风格的驾驶员路径跟踪性能分别提升了48.4％、40％和70％，减少了路径跟踪侧向偏差。　　(4)针对智能汽车纵向人机共驾，提出了一种驾驶权柔性切换协同控制策略。针对驾驶员与行车环境的耦合关系，根据交通单元所具有的能量，定义了交通单元的风险量;根据交通单元间的距离与相对速度，建立综合行车风险场，表征车辆在行车中的风险强度;根据驾驶员在一定时间长度内行车风险度的平均值与标准差，提出了人机控制权柔性切换策略。通过Simulink/CarSim联合仿真验证了所提出纵向人机协同控制策略可适应不同风格的驾驶员，平稳分配人机权值，对于保守、平衡和激进风格的驾驶员所造成的最大行车风险度分别降低了60.9％、89.3％和94.3％，增加了行车安全性。　　(5)针对智能汽车纵横向人机共驾，首先结合纵、横向驾驶员模型与辅助驾驶系统，构建了纵横向综合的人机共驾结构;其次根据驾驶员在弯道的视野特性，建立了远近视角驾驶员模型，并得到道路曲率与极限车速的关系;最后设计了基于模糊理论的纵横向人机协同控制策略。通过仿真验证了在纵向车速变化的情况下，所提出的人机协同策略能降低纵横向耦合影响，提高过弯稳定性，减小路径跟踪与速度跟踪的偏差。　　综上，所设计的纵、横向驾驶员模型体现了不同风格驾驶员的个性化差异;所提出的基于惩罚法的横向人机协同控制策略，可适应不同风格的驾驶员，同时可根据偏差对驾驶员权值进行实时调节;所提出的驾驶权柔性切换协同控制策略，表征了驾驶员与行车环境的耦合关系，提高了行车安全性;所提出的纵横向人机共驾策略，构建了纵横向驾驶员与辅助驾驶系统协同控制结构，考虑了纵向车速对横向控制的影响，减小了纵横向的耦合影响。
作者：	谢东
专业：	机械工程
导师：	汪选要
授予学位：	硕士
授予学位单位：	安徽理工大学
学位年度：	2021