针对转向系统响应偏差的车道居中控制的自学习及补偿算法研究

高级辅助驾驶系统(ADAS)中的车道居中辅助(LCC)系统,通过LCC控制器向电动助力转向(EPS)系统请求扭矩或转角,再由EPS系统响应LCC的请求,实现车辆行驶于车道中心区域。LCC对EPS响应有严格要求,但转向系统复杂、影响因素众多,EPS响应能力常有变化。研究发现,当LCC的控制参数确定后,如果EPS的响应性能变化,会不同程度地影响LCC的表现。为减小车辆的EPS响应参数变化对LCC的性能影响,提出了对EPS响应偏差的自学习算法,并通过比例-积分-微分(PID)补偿至LCC的请求输出,经CarSim/Simulink模拟及实车测试后,发现EPS的响应偏差对LCC的影响表现,有明显的改善,与开发完成阶段验收结果相当,证明算法有效。

车道居中控制系统的建模与仿真

为辅助驾驶员使汽车稳定行驶在车道线中间,提高汽车行驶安全性,采用建模与仿真的方法对车道居中保持系统进行研究。首先采用多模式预警算法判断车辆是否偏离车道,并基于线性二次调节器(LQR)控制算法进行设计横向控制计算,然后运用Carsim软件及MATLAB/Simulink软件进行建模与仿真,结果显示车辆在不同道路上的横向偏差、方向盘转角和质心侧偏角均满足车道居中控制的要求。

基于车道居中控制的驾驶员切弯行为偏好视觉影响机制

驾驶模拟器的采集车道居中控制系统(LCCS)开启时,根据高速公路匝道弯道上的驾驶员注视点视角与关键路点视角信息,建立模型分析视觉特征与该工况下驾驶员对路径切弯行为偏好的关系。首先,提出基于临近路点的驾驶员注视行为分析方法;其次,分析不同弯道区间段上关键路点与驾驶员注视视点之间的位置关系,以及利用其预测偏好的可行性;最后,基于视觉特征设计了72个统计指标,筛选后选择其中8个指标建立切弯行为偏好估计逻辑回归模型。结果表明:该模型能够准确估计驾驶员对两条路径在弯道中心区域切弯程度的相对偏好;模型中的参数反映了切弯行为偏好背后的视觉影响机制,这为弯道居中控制时的驾驶员偏好获取及其自适应方法提供了依据与支撑。

车道居中控制算法的设计与验证

论文以车辆的相对偏航角和横向偏移量作为参考量,以车道中心线作为车辆跟踪目标路径,基于模型预测控制(MPC)原理,设计了车道居中控制算法。基于驾驶模拟器和实时硬件仿真系统,搭建了驾驶员在环测试平台,对车道居中控制算法的可靠性和有效性进行了验证。试验结果表明:论文设计的车道居中控制算法对车道中心线的跟随精度较高,具有一定工程应用价值。