详情

原文传递面向紧急变道行为的智能车横纵向协同控制研究

论文题名：	面向紧急变道行为的智能车横纵向协同控制研究
关键词：	智能车辆;无人驾驶;紧急变道行为;横纵向协同控制;交通安全
摘要：	随着智能化、网联化、共享化和电动化“新四化”技术的迅猛发展，具有信息交互、协同控制能力的智能车已成为智能交通领域的重要研究热点。智能车高度自主性的特点有利于提升车辆的被控性能，尤其在针对快速增长的交通量所导致的交通安全问题时，能够为紧急协同避撞系统的改善提供新的机遇。但当前紧急协同避撞系统的研究未考虑交通场景约束、控制安全性约束与控制稳定性约束的影响，无法有效应对未来混行交通环境的难预测性所引发的新的风险，如车辆紧急变道等极具突发性、低可控性的行为所造成的连环碰撞事故。智能车协同避撞控制势必面临着一系列挑战：缺乏复杂冲突场景下的多车横纵向协同避撞控制方法；未能严格保证多车协同控制的安全性；难以协调避撞控制与稳定性需求间的矛盾。因此，本文依托国家自然科学基金“基于Multi-agent和驾驶行为的汽车追尾预警模型研究（51108209）”和江苏省自然科学研究重大项目“车联网环境下行车主动服务系统MAS建模与仿真（18KJA580002）”，以紧急变道场景下多智能车为研究对象，提出多车横纵向协同控制方法，为无人驾驶安全、稳定避险技术的发展提供了理论基础。主要研究内容有：　　（1）针对网联混行环境中变曲率车道智能车紧急变道场景，建立了融合模型预测控制和虚拟冲突场的紧急横纵向协同避撞控制模型(Model Predictive Control and Conflict Artificial Potential Field,MPC-CAPF)。模型包含基于模型预测控制的速度协同自适应预控制器以及基于虚拟冲突场的瞬态紧急避撞模型，前者提前调整两车速度，实现侧车越线前的协同预控制；后者借助势场力完成瞬态协同避撞，二者结合实现两阶段协同避撞。通过仿真实验证明，相比传统避撞模型，MPC-CAPF模型可提前3s完成避撞，且在预控制作用下显著提升避撞安全性。　　（2）针对智能车在紧急避撞中产生极端转向操纵，使得车辆状态失稳的问题。提出一种基于动态稳定域的线性参数时变（Line Parameter Varying,LPV）/H?横纵向稳定协同控制方法。该方法通过包含动态裕度的闭合稳定域分析极限工况下车辆稳定程度，并基于动态稳定域设计横纵向稳定协同控制策略与横纵向稳定协同控制器，提升智能车在危险工况下的操纵稳定性。最后，利用高速低附着双移线工况仿真场景验证极端操纵下的车辆稳态控制性能，所提方法可满足极端转向过程中的操纵稳定性、鲁棒性需求。　　（3）针对智能车避撞转矩分配过程中难以同时保证横纵向稳定性与避撞操纵问题，设计了综合横纵向稳定的避撞转矩协调分配框架。通过多车协同路面辨识算法获取路面关键参数，并结合滑模控制理论设计路面纵向力约束模型；同时设计基于最优滑移率的避撞转矩协调分配策略，以满足车辆转向、制动性能及横纵向稳定性。最后，通过CarSim/Simulink联合仿真验证了避撞转矩策略，在复杂低附着系数路面下横纵向稳定性提升，且避撞操纵可控，满足预期控制效果。　　综上，本文从“协同避撞—稳态控制—转矩分配”三个层面，针对现有智能车主动安全控制方法的应用场景局限、避撞技术不足、无法均衡操纵性和横纵向稳定性的需求等问题，进一步提升智能车横纵向协同控制方法在紧急变道场景下的安全性、有效性和高效性，为智能车危险场景下主动安全控制提供理论支撑和应用保障。
作者：	王珊珊
专业：	交通运输工程
导师：	梁军
授予学位：	硕士
授予学位单位：	江苏大学
学位年度：	2022