陳 翔 程 碩 趙萬(wàn)忠 王春燕 蔣 睿

* (南京航空航天大學(xué)能源與動(dòng)力學(xué)院,南京 210016)

? (東京大學(xué)生產(chǎn)技術(shù)研究所,日本東京 153-0041)

引言

近年,由于交通流密度的迅速擴(kuò)增,交通事故已成為一個(gè)重大的社會(huì)問(wèn)題,全世界每年有多達(dá)5000 萬(wàn)人因道路交通事故受傷,120 多萬(wàn)人死亡[1].因此,車輛主動(dòng)安全技術(shù)備受關(guān)注,許多人在該方向已經(jīng)進(jìn)行了大量研究[2-4].車輛碰撞是交通事故中最常見的一種,而避撞控制可以有效地避免或緩解車輛碰撞事故.此外,近年來(lái),隨著先進(jìn)控制系統(tǒng)和導(dǎo)航技術(shù)的發(fā)展[5],自動(dòng)駕駛汽車得到了汽車行業(yè)的重點(diǎn)關(guān)注[6-7].一些高級(jí)輔助駕駛系統(tǒng)(advanced driver assistance system,ADAS),如電子穩(wěn)定性控制系統(tǒng)(electronic stability control,ESC)[8-9]、自適應(yīng)巡航控制系統(tǒng)(adaptive cruise control,ACC)[10]、自動(dòng)緊急制動(dòng)系統(tǒng)(autonomous emergency brake system,AEB)[11]、主動(dòng)前轉(zhuǎn)向系統(tǒng)(active front steering control,AFS)[12-13]和車道保持輔助系統(tǒng)(lane keeping assistance system,LKA)[14]等.避撞控制是自動(dòng)駕駛汽車安全系統(tǒng)中最重要的控制之一.因此,有必要對(duì)避撞控制進(jìn)行廣泛而深入研究.

近年來(lái),許多研究人員將工作重點(diǎn)放在了避撞控制上,避撞控制很快進(jìn)入了實(shí)用階段.AEB 是避撞控制系統(tǒng)的一項(xiàng)主要功能,可在車輛處于潛在碰撞危險(xiǎn)時(shí)激活.態(tài)勢(shì)評(píng)估是碰撞系統(tǒng)的關(guān)鍵問(wèn)題之一,它可以估計(jì)碰撞風(fēng)險(xiǎn).通常,碰撞時(shí)間(time to collision,TTC)用于測(cè)量碰撞障礙物的潛在危險(xiǎn),一旦TTC 小于其設(shè)計(jì)閾值,AEB 可以激活制動(dòng)系統(tǒng)[15-16].Jhonghyun 等[17]基于神經(jīng)網(wǎng)絡(luò)集成設(shè)計(jì)一種新的態(tài)勢(shì)評(píng)估算法來(lái)確定碰撞概率.Lu 等[18]設(shè)計(jì)一種同時(shí)考慮前后車輛的協(xié)調(diào)制動(dòng)控制策略,以避免或減輕多輛車縱向碰撞的影響.Lee 等[19]開發(fā)一種先進(jìn)的AEB 控制系統(tǒng),該系統(tǒng)通過(guò)使用阻抗控制的概念測(cè)量到前方車輛和后方車輛的距離來(lái)緩解多車情況下的碰撞.Santos 等[20]提出一種新的具有避撞功能的軌跡跟蹤控制器,并設(shè)計(jì)一個(gè)正勢(shì)函數(shù)來(lái)考慮障礙物的運(yùn)動(dòng).此外,Ji 等[21]提出一個(gè)規(guī)劃和跟蹤框架,而不是緊急制動(dòng),以避免障礙物碰撞.然而,由于環(huán)境感知的難度和責(zé)任歸咎的問(wèn)題,轉(zhuǎn)向避撞系統(tǒng)在最近幾年可能很難進(jìn)入實(shí)用階段[11].

避撞控制的難點(diǎn)在于如何確保其在各種路況下的有效性[22].眾所周知,復(fù)雜的路況對(duì)制動(dòng)距離會(huì)產(chǎn)生很大的影響.此外,有關(guān)輪胎-路面附著系數(shù)的準(zhǔn)確獲取對(duì)許多其他主動(dòng)車輛安全控制有非常重要的作用,例如偏航穩(wěn)定性控制和牽引力控制等.因此,許多人都把重點(diǎn)放在了關(guān)鍵參數(shù)的觀測(cè)算法上.Rajamani 等[23]使用遞歸最小二乘參數(shù)識(shí)別算法來(lái)估計(jì)車輛每個(gè)單獨(dú)車輪處的獨(dú)立路面附著系數(shù).Liu 等[24]提出一種APF-IEKF 的綜合方法來(lái)估算輪胎路面附著系數(shù).路永婕等[25]采用無(wú)跡卡爾曼濾波器對(duì)重型三軸車的輪胎路面附著系數(shù)進(jìn)行了估計(jì).Zhang 等[26]對(duì)8 × 8 的電動(dòng)輪車輛的路面附著系數(shù)進(jìn)行了估算,并基于此進(jìn)行了各車輪力矩的合理分配,實(shí)現(xiàn)了穩(wěn)定性控制.Chen 等[27]提出了一種基于相似性原理的方法對(duì)路面最大附著系數(shù)進(jìn)行估算,該方法綜合考慮橫縱向動(dòng)力學(xué)特性和非線性特性,實(shí)現(xiàn)了全工況下的路面附著系數(shù)精確估計(jì).

另一個(gè)挑戰(zhàn)是每個(gè)車輪制動(dòng)缸的精確液壓調(diào)節(jié)問(wèn)題.必須通過(guò)相應(yīng)的液壓執(zhí)行器來(lái)執(zhí)行避撞控制策略所需的減速度.溫度、濕度和負(fù)載的變化會(huì)直接嚴(yán)重影響車輛的綜合制動(dòng)性能.因此,Yang 等[28]提出一種集成式電液制動(dòng)系統(tǒng)的一般原理方案,以實(shí)現(xiàn)各個(gè)車輪制動(dòng)缸在各種制動(dòng)條件下獨(dú)立而精確的液壓調(diào)節(jié)控制.Hutter 等[29]研究了自動(dòng)行走式挖掘機(jī)底盤的液壓實(shí)現(xiàn),并提出新一代高性能液壓閥,具有集成壓力反饋功能,可以實(shí)現(xiàn)快速準(zhǔn)確的油缸壓力跟蹤控制.Nie 等[30]提出一種新的分層制動(dòng)控制方法,通過(guò)產(chǎn)生一定的制動(dòng)力達(dá)到制動(dòng)減速度的需求,該控制方法對(duì)避撞功能產(chǎn)生了較好的控制效果.

考慮到各種交通條件、不確定的路面摩擦系數(shù)以及復(fù)雜的液壓制動(dòng)執(zhí)行器,本文提出了一種基于可拓決策方法的自適應(yīng)避撞控制方法(adaptive collision avoidance control,ACAC).首先,利用滑模觀測(cè)器(sliding mode observer,SMO)估計(jì)輪胎縱向力,利用帶遺忘因子的遞推最小二乘法(recursive least square method with forgetting factors,FFRL)估計(jì)路面摩擦系數(shù).然后,基于FFRL 的估計(jì)值,由ACAC 決定采用哪種避撞控制策略,并采用可拓決策方法.最后,主動(dòng)減速度控制(active deceleration control,ADC)可以通過(guò)精確的液壓制動(dòng)控制采用點(diǎn)剎預(yù)警制動(dòng)或全制動(dòng)實(shí)現(xiàn)避碰控制策略.

1 車輛動(dòng)力學(xué)模型

如圖1 所示,采用包含4 輪縱向運(yùn)動(dòng)和4 輪旋轉(zhuǎn)運(yùn)動(dòng)的車輛縱向動(dòng)力學(xué)模型.車身沿車輛縱軸方向的運(yùn)動(dòng)方程和4 個(gè)車輪的旋轉(zhuǎn)運(yùn)動(dòng)方程如下

圖1 縱向車輛動(dòng)力學(xué)模型Fig.1 The longitudinal vehicle dynamics model

其中,m為車輛質(zhì)量,u為縱向和橫向速度.Fx1和Fx2分別為前、后軸輪胎縱向力.Faero為空氣阻力.Iw為車輪繞旋轉(zhuǎn)軸的慣性矩.ωij為車輪角速度.其下標(biāo)ij包括fl,fr,rl和rr,分別代表左前輪、右前輪、左后輪和右后輪.下文所有公式中的ij具有相同含義.Ttij和Tbij分別表示每個(gè)車輪的驅(qū)動(dòng)扭矩和制動(dòng)扭矩.R為每個(gè)車輪的半徑.

各輪胎的縱向力和縱向滑移率之間的關(guān)系如圖2 所示.縱向滑移率定義如下

圖2 各輪胎縱向力與縱向滑移率的關(guān)系Fig.2 The relationship between the longitudinal tire force and longitudinal slip ratio of each tire

考慮車身載荷傳遞的影響,可推導(dǎo)出前、后軸的輪胎垂向力.Fz1和Fz2如下所示

式中,hg為車輛質(zhì)心高度.a和b分別為前、后軸到車輛重心(CG)的距離.

2 ACAC 設(shè)計(jì)

如圖3 所示,所設(shè)計(jì)的ACAC 主要由3 部分組成: 路面附著系數(shù)估計(jì)算法、基于可拓決策的避撞控制和精確液壓制動(dòng)控制.其中設(shè)計(jì)了一種用于估計(jì)輪胎縱向力的SMO 法,并利用FFRLS 估計(jì)路面摩擦系數(shù).基于可拓決策法可以確定在點(diǎn)剎預(yù)警制動(dòng)或全制動(dòng)情況下的避撞控制策略.然后,基于上述避撞策略的預(yù)期減速度,液壓制動(dòng)控制模塊計(jì)算出預(yù)期的主缸制動(dòng)壓力.為了提升制動(dòng)壓力控制精度,該模塊首選基于減速度值進(jìn)行前饋計(jì)算出基準(zhǔn)壓力,然后基于誤差計(jì)算出補(bǔ)償壓力,兩者結(jié)合保證了制動(dòng)壓力精確控制.最后,液壓控制單元(hydraulic control unit,HCU)實(shí)現(xiàn)所需的泵速和閥門占空比.

圖3 ACAC 的框架圖Fig.3 The framework of the proposed ACAC

2.1 輪胎縱向力的SMO 法

所設(shè)計(jì)的SMO 僅使用車載傳感器測(cè)量的信號(hào),即車輪角速度來(lái)估計(jì)輪胎所受的縱向力.

為設(shè)計(jì)出SMO,將式(2)轉(zhuǎn)換成

式(7)的推導(dǎo)如下

然后,即可設(shè)計(jì)出系統(tǒng)狀態(tài)觀測(cè)器

其中,Lij表示觀測(cè)器的增益.

結(jié)合式(8)和式(9),可重新計(jì)算上面的Lyapunov函數(shù)的推導(dǎo),結(jié)果如下

由于輪胎縱向力Fxij未知且輸入變量有界,故總存在正數(shù) ε,當(dāng)其足夠大時(shí),可滿足下式

然后,結(jié)合式(10)和式(11),Lyapunov 函數(shù)的推導(dǎo)可以表示為如下

然后,式(12)可轉(zhuǎn)化成如下形式

如式(15) 所示,Lyapunov 函數(shù)的推導(dǎo)過(guò)程滿足系統(tǒng)穩(wěn)定.因此,輪胎縱向力可以收斂到滑模面.

系統(tǒng)變量誤差的推導(dǎo)可計(jì)算如下

其中,ε為觀測(cè)器的滑模增益,Lij為觀測(cè)器的反饋增益.

由于時(shí)間延遲和系統(tǒng)慣性的作用,SMO 可能發(fā)生抖動(dòng),并且較大的抖動(dòng)將會(huì)導(dǎo)致較大的估計(jì)誤差.因此,所設(shè)計(jì)的SMO 中采用了邊界層的概念,并用飽和函數(shù)sat(s) 代替了飽和函數(shù) s gn(s),從而能夠大幅削弱抖動(dòng)

式中,φ >0且表示邊界層的厚度.

那么,輪胎縱向力的SMO 可表示為

2.2 道路摩擦系數(shù)估算

當(dāng)輪胎工作在線性輪胎區(qū)域[31]時(shí),前、后軸的歸一化輪胎縱向力Fxi,N與滑移率si成正比.Fxi,N可由式(20)計(jì)算得到.由于輪胎何時(shí)開始在其非線性區(qū)域內(nèi)工作沒(méi)有明確的定義,因此本文只考慮車輛在線性輪胎區(qū)域內(nèi)工作的情況.

因此,當(dāng)輪胎工作在線性區(qū)域時(shí),輪胎縱向力之和Fx可表示為

其中,k1和k2分別為前輪輪胎剛度和后輪輪胎剛度.α 表示k1和k2之間的關(guān)系系數(shù),即 α=k1/k2.

式(21)可以用如下參數(shù)辨識(shí)形式表示

其中,θk為向量估計(jì)參數(shù),在本文中該參數(shù)為k2.φk代表回歸向量,在本文中即為 αFz1s1+Fz2s2.ek為估計(jì)值與真實(shí)值yk之間的識(shí)別誤差,即Fx.

所提出的FFRLS 算法可以對(duì)未知參數(shù)進(jìn)行更新,從而使得模型誤差的平方和最小.

首先,yk可由式(19) 中提出的輪胎縱向力的SMO 計(jì)算得到.其次,根據(jù)式(3)～ 式(5)可計(jì)算出回歸向量 φk.

然后,參數(shù)辨識(shí)誤差,即ek可通過(guò)下式計(jì)算

再然后,由式(24)和式(25)可計(jì)算得到協(xié)方差矩陣Pk以及更新的增益向量Kk

其中,遺忘因子 λ可在0.9～ 1 之間選擇,在本文中,該值取為0.95.

最后,利用式(22)通過(guò)提出的FFRLS 算法估計(jì)參數(shù).滑動(dòng)斜率定義為輪胎縱向力與滑移率曲線的初始斜率,即可在本文中觀測(cè)到的滑移率坡度k2.

在低滑移區(qū)域,對(duì)于任何給定的路面和法向力,車輛縱向力與相應(yīng)的滑移率成正比.因此,輪胎-路面的摩擦系數(shù)可估計(jì)為

其中,η1和η2分別為比例值和偏置常數(shù),且可通過(guò)仿真進(jìn)行校準(zhǔn).

2.3 避撞控制策略

所提出的ACAC 系統(tǒng)可根據(jù)可拓決策法確定采用哪種避撞控制策略.基于自車與前車的運(yùn)動(dòng)關(guān)系,可建立二維擴(kuò)展集.將即將發(fā)生碰撞的時(shí)間Tic定義為主要特征量,將碰撞危險(xiǎn)距離Dcd定義為輔助特征量,則能建立二維擴(kuò)展集,并可將其分為3 個(gè)不同的域: 經(jīng)典域 C、擴(kuò)展域E和非域 N,如圖4 所示.

圖4 二維可拓集的3 個(gè)域Fig.4 Three domains of the two-dimensional extension set

根據(jù)自車與前車的相對(duì)距離對(duì)碰撞危險(xiǎn)指數(shù)Dcd進(jìn)行設(shè)計(jì),即d.再設(shè)計(jì)另一種基于時(shí)間的碰撞危險(xiǎn)指數(shù)Tic,其利用如式(27)所示的自車和前車的動(dòng)力學(xué)狀態(tài)

其中,ve和ae分別為自車的縱向速度和縱向加速度.vr和ar分別為自車與前車之間的相對(duì)速度和相對(duì)加速度.d為自車與前車間的相對(duì)距離.

考慮到自車與前車間相對(duì)運(yùn)動(dòng)的不同,Tic可計(jì)算如下

眾所周知,路面輪胎摩擦系數(shù)對(duì)制動(dòng)距離影響很大.考慮到附著系數(shù),自適應(yīng)臨界制動(dòng)距離db、臨界預(yù)警距離dw以及臨界時(shí)間tb和tw可表達(dá)如下

然后,根據(jù)度量模式的識(shí)別確定相應(yīng)的避撞策略.(1)若特征量在經(jīng)典域 C 內(nèi),即 {K(S)≥0},則采用全制動(dòng)避撞策略;(2) 當(dāng)特征量在擴(kuò)展域E中,即{?1 ≤K(S)<0},則采用點(diǎn)剎預(yù)警制動(dòng)避撞策略以警示駕駛員;(3)如果 {K(S)

2.4 基于ADC 的液壓制動(dòng)控制

該避撞策略基于可拓決策法給出了自車的預(yù)期減速度.然后,ADC 能夠通過(guò)精確的液壓制動(dòng)控制,實(shí)現(xiàn)避撞控制策略的預(yù)期減速度,即點(diǎn)剎預(yù)警制動(dòng)或全制動(dòng).如圖5 所示,測(cè)試車輛裝有輪缸壓力傳感器、電子控制單元(electronic control unit,ECU)和HCU.本文提出的ADC 方案如圖6 所示,它包括兩個(gè)子模塊,即基于比例?積分?微分(proportion integration differentiation,PID)的壓力計(jì)算子模塊和壓力控制子模塊.壓力計(jì)算子模塊可根據(jù)PID 自適應(yīng)地給出所需的輪缸液壓壓力,以實(shí)現(xiàn)所需的減速度.壓力控制子模塊可以控制HCU 的電磁閥和液壓泵,并能使適量的制動(dòng)液流入輪缸,從而使自車減速.

圖5 裝有各種傳感器和設(shè)備的試驗(yàn)車Fig.5 The experiment car with various sensors and equipment

圖6 ADC 方案Fig.6 The scheme of the proposed ADC

基于PID 的壓力計(jì)算子模塊采用如下所示的車輛縱向動(dòng)力學(xué)平衡方程來(lái)計(jì)算基礎(chǔ)輪缸液壓壓力Pbasis,即

其中,Te為發(fā)動(dòng)機(jī)驅(qū)動(dòng)扭矩,ig和i0分別為變速箱傳動(dòng)比和驅(qū)動(dòng)傳動(dòng)比.ηT為動(dòng)力傳動(dòng)系統(tǒng)效率.CD為空氣阻力系數(shù),A為迎風(fēng)面積.i為道路坡度,δ為車輛等效慣性系數(shù).KP為制動(dòng)扭矩系數(shù).

由于車輛動(dòng)力學(xué)模型的非線性和不確定性,補(bǔ)償壓力可通過(guò)PID 控制器來(lái)計(jì)算.然后,預(yù)期壓力即為基礎(chǔ)液壓壓力與補(bǔ)償壓力的總和.

為了克服車輛動(dòng)力學(xué)模型的非線性和不確定性,一種基于PID 的補(bǔ)償控制器被設(shè)計(jì)用來(lái)給出補(bǔ)償壓力.因此,預(yù)期的減速度可被準(zhǔn)確、及時(shí)地跟蹤.將測(cè)量到的減速度與預(yù)期減速度之間的誤差ed設(shè)計(jì)為基于PID 的補(bǔ)償控制器的輸入,且其輸出PPID為補(bǔ)償壓力,即

最終,預(yù)期的輪缸壓力為基礎(chǔ)液壓壓力和補(bǔ)償壓力的總和,即

預(yù)期的液壓壓力可以通過(guò)壓力控制子模塊,即ADC 的執(zhí)行器來(lái)實(shí)現(xiàn).它由ECU 和HCU 組成.此外,所設(shè)計(jì)的ACAC 的程序在ECU 上進(jìn)行編寫.通過(guò)控制電磁閥的占空比和ECU 的泵速來(lái)實(shí)現(xiàn)所需的輪缸壓力.首先,通過(guò)大量車載實(shí)驗(yàn)標(biāo)定電磁閥占空比的基準(zhǔn)值和壓力的基準(zhǔn)值.在輪缸增壓過(guò)程中,作用在閥門上的驅(qū)動(dòng)電流為零且只有泵工作,本文通過(guò)將泵的負(fù)荷從0%逐步提高到100%來(lái)校準(zhǔn)增壓率.而在輪缸減壓過(guò)程中,泵轉(zhuǎn)速為零且只有HCU 的閥門工作,本文通過(guò)將閥門的負(fù)荷從0%逐步提高到100%來(lái)校準(zhǔn)減壓率.此外,標(biāo)定試驗(yàn)采用輪缸初始?jí)毫χ鸺?jí)增大的方式且標(biāo)定結(jié)果如圖7 所示.然后,利用插值法計(jì)算電磁閥占空比的基準(zhǔn)值和壓力的基準(zhǔn)值.

圖7 增壓和減壓速率的校準(zhǔn)結(jié)果Fig.7 The calibration result of the supercharging and decompression rate

由于液壓系統(tǒng)的復(fù)雜性和非線性,實(shí)際壓力與預(yù)期壓力相比可能存在偏差.因此,本文采用一種基于實(shí)際實(shí)時(shí)壓力的反饋控制器,即

其中,Ts為控制周期.Ksup和Kdec分別為增壓速率和減壓速率.

基于簡(jiǎn)化的式(39)中的水力模型,壓力控制子模塊能夠計(jì)算增壓速率或減壓速率,且通過(guò)設(shè)計(jì)好的查表可得到電磁閥占空比和壓力的基準(zhǔn)值,即DCv,basis和DCp,basis.反饋控制器根據(jù)壓力偏差 ?P給出閥和泵的補(bǔ)償占空比,即

其中,DCv,com和DCp,com為閥門和泵的補(bǔ)償占空比.Kv和Kp為反饋增益.

3 仿真結(jié)果

為了研究第3 節(jié)中提出的ACAC 的性能,利用MATLAB/Simulink 和CarSim 車輛仿真軟件對(duì)ACAC 進(jìn)行了數(shù)值模擬,車輛模型使用如圖8 所示的CarSim 中的“轎車”模型,在MATLAB/Simulink中進(jìn)行ACAC 的設(shè)計(jì).系統(tǒng)關(guān)鍵參數(shù)如表1 所示.如圖8 所示為一種緊急避撞模擬,即在單向道路上,前車突然停在自車前面.此外,設(shè)置路面摩擦系數(shù)為變量且范圍為0.4～ 0.9.縱向速度和自車與前車的距離如圖9 所示.己方車輛首先從大約8 m/s 加速到28 m/s 左右,然后再慢慢減速直到ACAC 工作.當(dāng)所提出的ACAC 工作時(shí),自車急劇減速.前車在開始時(shí)距離自車約500 米.由于ACAC 的作用,自車與前車沒(méi)有發(fā)生碰撞且當(dāng)自車停止時(shí),兩者間的距離約為1.9 m.

圖8 CarSim 中的一種緊急避撞場(chǎng)景Fig.8 A collision avoidance emergency scenario in CarSim

表1 系統(tǒng)主要參數(shù)表Table 1 Main parameters of system

圖9 前方車輛與自身車輛間的縱向速度和距離Fig.9 The longitudinal velocity and distance between the preceding and ego vehicle

圖10 顯示了輪胎縱向力估計(jì)值之和并用于路面摩擦系數(shù)的估計(jì).縱向力的觀測(cè)值與實(shí)際值之間的誤差很小,能夠滿足路面摩擦系數(shù)估計(jì)精度的要求.圖11 為路面摩擦系數(shù)的估計(jì)結(jié)果,路面摩擦系數(shù)估計(jì)值與實(shí)際值非常接近.路面摩擦系數(shù)在5 s 左右前為0.9,之后降低至0.4.預(yù)估的路面摩擦系數(shù)在0.5 s 前變動(dòng)有點(diǎn)劇烈,并迅速收斂到0.9.在5 s 左右,路面摩擦系數(shù)降低到0.4 且估計(jì)值準(zhǔn)確收斂到0.4.

圖10 實(shí)際和估計(jì)的輪胎縱向力Fig.10 The actual and estimated longitudinal tire force

圖11 實(shí)際和估計(jì)的路面摩擦系數(shù)Fig.11 The actual and estimated road friction coefficient

基于預(yù)估的路面摩擦系數(shù),利用可拓決策法,所提出的ACAC 采用合理的控制策略防止碰撞.如圖12 所示,在18 s 左右采用點(diǎn)剎預(yù)警制動(dòng)避撞策略,在19 s 左右采用全制動(dòng)策略.眾所周知,路面摩擦系數(shù)越小,制動(dòng)距離越長(zhǎng),最大減速度越小.圖13 關(guān)于縱向加速度,在約14 s 之前,自車以約1.8 m/s2的平均加速度加速.點(diǎn)剎預(yù)警制動(dòng)控制策略在18 s 左右給出了預(yù)期的減速度,約為 ? 2.2 m/s2且保持0.5 s 左右.點(diǎn)剎預(yù)警制動(dòng)策略提醒司機(jī)避開障礙物.約18.9 s 時(shí),采用全制動(dòng)策略,減速度約4.4 m/s2,減速度與路面附著系數(shù)相適應(yīng).當(dāng)自車停止時(shí),預(yù)期減速度為零,ACAC 采用保持靜止的策略.圖14 顯示了4 個(gè)車輪的輪缸液壓壓力.精確的液壓壓力調(diào)節(jié)確保了實(shí)際減速度非常接近圖13 所示的預(yù)期減速度.

圖12 避撞策略Fig.12 The collision avoidance strategy

圖13 預(yù)期和實(shí)際的縱向加速度Fig.13 The desired and actual longitudinal acceleration

圖14 四輪的輪缸液壓壓力Fig.14 The wheel cylinder hydraulic pressure of four wheels

4 結(jié)論

本文提出了一種基于可拓決策法的自適應(yīng)避撞系統(tǒng).該系統(tǒng)不僅能對(duì)路面摩擦系數(shù)進(jìn)行自適應(yīng)控制,還能通過(guò)ADC 對(duì)制動(dòng)液壓壓力進(jìn)行精確控制.首先,采用FFRLS 估計(jì)路面摩擦系數(shù),且FFRLS 利用了由SMO 估計(jì)的輪胎縱向力.然后,基于FFRLS的估計(jì)值,ACAC 確定采用哪種避撞控制策略,并同時(shí)采用了可拓決策法.最后,ADC 通過(guò)精確的液壓制動(dòng)控制實(shí)現(xiàn)點(diǎn)剎預(yù)警制動(dòng)或全制動(dòng)的避撞控制策略且通過(guò)仿真驗(yàn)證了ACAC 的有效性.實(shí)際道路環(huán)境極端復(fù)雜,如路滑和道路傾斜等,并且受實(shí)車測(cè)試場(chǎng)景設(shè)計(jì)限制,本文尚未對(duì)算法策略進(jìn)行實(shí)車試驗(yàn)測(cè)試.同時(shí)考慮實(shí)車測(cè)試易發(fā)生危險(xiǎn)事故,因此未來(lái)研究將進(jìn)一步提升系統(tǒng)魯棒性,部署在實(shí)車上對(duì)算法進(jìn)行進(jìn)一步驗(yàn)證和迭代優(yōu)化.