張子才

(寶山鋼鐵股份有限公司運輸部,上海 201999)

寶鋼股份公司寶山基地主要采用重型框架車進行鋼鐵在制品及產(chǎn)成品的物流運輸。隨著國內(nèi)外車輛無人駕駛技術(shù)的逐漸成熟,框架車的無人駕駛技術(shù)研發(fā)也被提上議事日程。與轎車等輕型車輛的無人駕駛不同,框架車由于載重大、控制復(fù)雜,與轎車控制有較大不同。如轉(zhuǎn)向機構(gòu)采用液壓控制,存在一定的滯后;行駛機構(gòu)采用多電動機驅(qū)動,多電動機同步比較困難。本文根據(jù)重載框架車的特點,探討在無人駕駛時的速度與方向的控制方法。

1 速度控制

無人化框架車需要在執(zhí)行任務(wù)的過程中保持一定的速度,在控制系統(tǒng)預(yù)先完成速度規(guī)劃后,需要一個合理的速度控制策略,以實現(xiàn)框架車的實際速度更好地跟隨該速度規(guī)劃曲線,在無人駕駛領(lǐng)域稱之為縱向控制。

傳統(tǒng)的縱向控制策略為PID控制[1]。本文在傳統(tǒng)PID的基礎(chǔ)上加以創(chuàng)新,使之更貼合項目的實際需要。項目中,電動機驅(qū)動力矩百分比和剎車制動力矩百分比(類似于有人駕駛自動檔車輛的油門和剎車,故以下簡稱“油門”和“剎車”),均對速度產(chǎn)生一定影響,故速度的控制需要同時考慮兩個控制量的輸出。油門量的給定通常影響到車輛加速和速度保持,而剎車量的給定通常影響到車輛的減速和停車過程。兩者互為排斥關(guān)系,即當油門給定時,不能給定剎車量;同理,當剎車量給定時,不能給定油門量。

本項目中,為解決油門量和剎車量相互耦合的問題,設(shè)計一個共用的PID控制器,如公式(1):

U[n]=Kp{e[n]-e[n-1]}+Kie[n]

(1)

式中:U[n]為當前油門或剎車量的輸出值,當U[n]>0時輸出的為油門值,當U[n]<0時,輸出的為剎車值;Kp為當前的PID控制中比例系數(shù);Ki為PID控制中積分系數(shù);e[n]為本周期中目標速度和當前速度的偏差值;e[n-1]為上一周期中目標速度和當前速度的偏差值。

采用增量式PID,且會根據(jù)每次任務(wù)的車輛載重,更新車輛的PID參數(shù),即車輛載重越大,油門和剎車控制器的Kp值和Ki值越大。

在車輛控制的過程中,首先計算當前速度和目標速度的速度差,作為輸出量令油門控制器計算出油門給定量,如果是負值,則啟動剎車控制器進行控制計算。實際的框架車行駛過程中,過大的加速度和減速度均會招致車輛運輸物如鋼卷等發(fā)生滾動、脫落的危險,而且對車輛使用壽命不利。所以,車輛控制器的設(shè)計在最終輸出時,對油門量百分比和剎車量百分比的變化值作出了限制,即分別控制在一定的限幅區(qū)域(死區(qū))內(nèi),避免車輛過快加速或減速帶來的風險。

車輛速度控制流程圖如圖1所示。

圖1 車輛速度控制流程Fig.1 Vehicle speed control process

圖2為車輛在直接下達高速行駛指令的高速段的速度追蹤效果,可以得知:車輛在速度追蹤到想要達到的目標速度后,由于PID積分效應(yīng)的影響,會產(chǎn)生一定的超調(diào),隨著時間的推進,速度會產(chǎn)生震蕩隨后達到穩(wěn)態(tài)。這一現(xiàn)象符合PID調(diào)節(jié)的基本規(guī)律,合理地調(diào)整參數(shù)可以一定程度上減小超調(diào)并減小達到穩(wěn)態(tài)所需要的時間。

圖2 速度追蹤效果Fig.2 Speed tracking effect

圖3是在試驗路段的實際跟蹤效果,在速度控制上基本達到了人工駕駛開車的效果。

圖3 試驗路段速度測試結(jié)果Fig.3 Speed test results of experimental road

2 車輛尋跡控制

軌跡生成是各類無人車運動規(guī)劃算法的一個基本程序,其目的是構(gòu)造狀態(tài)空間中的一條軌跡連接任意給定的兩個狀態(tài)[2]。無人化框架車收到任務(wù)指令時,可以沿著規(guī)劃系統(tǒng)所計算出的軌跡進行尋跡控制。車輛尋跡的過程中,需要不斷調(diào)整車輛的轉(zhuǎn)向角度以追上目標軌跡。由于車輛根據(jù)轉(zhuǎn)角大小尋跡的過程與曲線曲率、車輛速度等各個因素都有關(guān),車輛尋跡是一個相對復(fù)雜的過程,本文采用單點預(yù)瞄偏差的PID控制來實現(xiàn)車輛尋跡控制。

基于誤差調(diào)節(jié)的路徑跟蹤控制系統(tǒng)相當于一個駕駛員模型,駕駛員模型是導(dǎo)航技術(shù)的重要組成部分。實際駕駛中駕駛員通常以當前車輛的運動狀態(tài)為基礎(chǔ),預(yù)測當汽車行駛到前方視覺所及某處(即預(yù)瞄點)時車輛與期望道路中心線之間橫向位置誤差的大小,駕駛員轉(zhuǎn)動方向盤的目的就是盡可能使這個預(yù)測的誤差為 0,而不是著重于減小當前車輛中心與期望路徑之間橫向位置誤差。這個預(yù)測的誤差就被稱作橫向預(yù)瞄誤差。駕駛員根據(jù)橫向預(yù)瞄誤差的正負和大小來轉(zhuǎn)動方向盤調(diào)節(jié)前輪轉(zhuǎn)角,實現(xiàn)對車輛行駛路徑的調(diào)節(jié)。無人駕駛領(lǐng)域中,傳感器采集的信息被傳回車載計算機后,計算機根據(jù)車輛運動參數(shù)、道路曲率和單點預(yù)瞄模型計算出預(yù)瞄點處的橫向誤差,然后根據(jù)這個橫向誤差、車輛的運動狀態(tài)和車輛的動力學公式計算出所需的前后輪轉(zhuǎn)角,實現(xiàn)對目標路徑的跟蹤。

如圖4,以車輛中心點為坐標原點O,車輛中心線正前方為OX軸正方向,OX軸上的C點為預(yù)瞄點,Ls表示預(yù)瞄距離。

圖4 預(yù)瞄點與目標點的偏差 Fig.4 Deviation between preview point and target point

由于道路被規(guī)劃系統(tǒng)定義為一系列散點,故求預(yù)瞄點C與道路的距離偏差ey和角度偏差eψ,需要取預(yù)瞄點與距離最近的相鄰道路點A、B的插值。道路點A、B基于車輛坐標系轉(zhuǎn)化后的x,y坐標分別為(x1,y1),(x2,y2),可以求得:

(2)

角度偏差eψ可以直接視作預(yù)瞄點與道路前后兩相鄰點切線的夾角,可以用式(3)求出:

(3)

本文用復(fù)合PID來實現(xiàn)ey和eψ的糾偏,由于車輛輪胎的變化對偏航角的變化十分明顯,本項目中將角度偏差eψ的偏差影響P調(diào)整為一個相對微小的值,并刪除了角度PID中的積分項和微分項,同時刪除距離PID中的微分項,最終輸出車輛輪胎轉(zhuǎn)向角和ey、eψ之間的關(guān)系,見式(4):

(4)

式中:δ為車輛輪胎轉(zhuǎn)向角;Kp1為距離PID控制中的比例系數(shù);Ti為積分時間;Kp2為角度PID控制中的比例系數(shù)。

實際應(yīng)用中,由于車輛實際工況比較復(fù)雜,一套PID參數(shù)不能適應(yīng)所有工況的需要,其中對于控制影響最大的兩個因素分別是速度和車輛的載重。本項目中,經(jīng)過長時間對最優(yōu)控制參數(shù)的摸索和調(diào)整,對于不同速度和不同載重的劃分,將速度和載重設(shè)計為不同分段,通過建表的方式記錄最優(yōu)參數(shù)(表1)。在車輛執(zhí)行任務(wù)的過程中,實時根據(jù)車輛速度和載重,讀取最優(yōu)參數(shù),并計算實時車輛輪胎轉(zhuǎn)向角。

表1 方向控制最優(yōu)參數(shù)表Table 1 Optimal parameters of directional control

在選取車輛預(yù)瞄點時,預(yù)瞄距離Ls同樣應(yīng)受工況的影響而變化,本項目中預(yù)瞄距離隨車輛當前速度變化可以用多段線的關(guān)系表示,如圖5所示。

圖5 預(yù)瞄距離與速度的關(guān)系Fig.5 Relationship between preview distance and speed

重載無人車直線行駛,實測控制效果如圖6所示,偏差為一個較小較穩(wěn)定的結(jié)果。

圖6 直線行駛尋跡控制效果Fig.6 Control effect of straight line driving trace

無人車彎道尋跡控制如圖7所示。采用上述介紹方法仍然能夠追上所設(shè)路點,可以證明該尋跡模型同樣適用于直線和轉(zhuǎn)彎的情況。

圖7 彎道行駛尋跡控制效果 Fig.7 Tracking control effect of curve driving

3 不同載重及速度下的控制效果

為了進一步驗證控制策略的魯棒性及對不同載重與速度的適應(yīng)性,筆者進行了大量的實車測試驗證。如圖8中展示了不同載重(空載、中載、重載)且速度變化時的速度及軌跡跟隨效果(數(shù)據(jù)采樣頻率為0.2 s)。從圖8可以看出,在不同載重及速度下,實車均能較為穩(wěn)定且快速地跟隨規(guī)劃速度與設(shè)定軌跡,從而進一步驗證了筆者所提控制策略的有效性和實用性。

4 結(jié)束語

重載無人車行駛中,在速度控制中采用增量式PID模型,在方向控制中采用復(fù)合式PID模型;同時根據(jù)車速和載重,實際反復(fù)測試,選取最優(yōu)控制參數(shù)。通過這種方法,可以有效控制重載無人車在自動行駛過程中的速度和方向,自動駕駛控制效果與人工駕駛相似,滿足了實際工藝需求。通過在不同載重及不同速度下的多次實車測試,進一步驗證了所提控制策略的魯棒性和實用性。