基于模糊推理的人车共享变权重算法设计

人与车辆的驾驶权分配问题一直是自动(辅助)驾驶相关研究中重要的任务之一,对于提升车辆对参考路径的跟踪性能、提高驾驶员的舒适性具有重要意义。针对上述任务,设计了一种基于模糊推理的人车共享变权重算法,使用并联式的、间接控制式的系统结构,其智能控制器基于模型预测控制算法(model predictive control,MPC)。在驾驶权的分配部分使用模糊推理,设计了隶属度函数和模糊规则,进行驾驶权重的分配。最后通过Simulink和CarSim的联合仿真对设计的人车共享变权重算法进行了验证。结果表明,所设计的基于模糊推理的变权重算法能在保证驾驶员驾驶体验的前提下,提升车辆行驶的稳定性。

一种驾驶权动态调整的人机主从博弈共驾方法

针对驾驶人和智能驾驶系统协同转向控制问题,构建驾驶权动态调整的主从博弈型人机协同转向控制框架,首先在该框架下对人机之间驾驶权重进行预分配,建立包含行车风险实时评估和人机操控冲突的驾驶权重调整方法动态调整人机之间的驾驶权重;然后将无意识竞争的人机协同关系描述为主从博弈交互关系,并将人机主从博弈条件下协同转向控制转化为模型预测控制优化问题,理论推导人机主从博弈均衡时双方的最优控制策略,通过主从博弈平衡实现驾驶人与智能驾驶系统操控动作的协同;最后设计包含路径跟踪精度和驾驶人驾驶负担的综合评价指标,并在所搭建的驾驶人在环仿真测试平台上验证所提出的驾驶权重分配方案,并通过邀请多名不同类型的驾驶人进行驾驶测试,确定人机驾驶权重的预分配规则。研究结果表明:当人机意图一致程度较高时,所提出人机共驾策略明显改善驾驶人操纵负担和行车安全性;当行车风险较高时,驾驶权重向共驾控制器转移,使得控制器能够合理介入保障行车安全;在驾驶风险较低且人机操控冲突严重时,驾驶权动态调整模块能够保证驾驶人对车辆的控制权,使得车辆能够按照驾驶人的意图行驶;人机之间驾驶权重的分配应考虑驾驶人驾驶技能,共驾控制器能够对驾驶技能较低的驾驶人提供更为明显辅助作用,且预分配给驾驶人的驾驶权重应随驾驶人驾驶技能提升相应提升。

低附着路况条件下人车共享转向系统稳定控制

针对冰雪天气车辆更容易失稳的情况,研究了低附着、不对称路面情况下车辆对参考路径的稳定跟踪问题,同时考虑了驾驶员与智能控制器的协同共享,讨论了共享方式和驾驶权分配,以提高车辆在冰雪路面复杂路况下的跟踪精度和转向稳定性,保证驾驶员的驾驶体验。此外,建立了左右轮不对称的适用于冰雪路面的车辆模型,并确定了将冰雪路面下车辆转向稳定性约束作为后续模型预测控制求解的一部分,在人车共享结构下,基于模糊推理权重分配策略设计了共享转向模型预测控制器。Simulink/CarSim联合仿真验证了本文控制系统能有效提高车辆跟踪精度和行驶稳定性。