重型车辆自动驾驶气制动自适应控制研究

重型车辆自动驾驶气制动自适应控制研究

郑晓军,程利君,王晓东

中国重型汽车集团有限公司 山东济宁 272073

摘要：近年来世界各大国均将自动驾驶汽车的发展设为国家顶层规划，以抢占全球行牟产业的战略高地。在资本力釐的推动和新一轮科技革命的带动下，自动驾驶汽车在部分关键技术领域取得了新成果。作为自动驾驶汽车整车开发中的重要坏节，测试评价技术起着重要作用。自动驾驶汽车相关产品在大规模上市之前：ｆ应经过完整可靠的试验验证和测试评价。为了确保自动驾驶汽车安全、可靠地在实际道路上行驶，应在实际场景中进行长期的前期测试，以验证整个系统的安全性、稳定性和有效性。在实际应用领域，自动驾驶汽车前期应实现商业化示范，后期还应持续进行技术验证和迭代，才能最大程度地确保自动驾驶汽车性能的安全可靠。

关键词：重型车辆；自动驾驶；制动自适应控制

引言

重型汽车自动驾驶的制动减速控制采用电子制动踏板替代驾驶员的操作，通过电子制动踏板的开度控制制动阀打开输入足量的气压推动制动缸产生制动力，从而使车轮制动，车辆减速或停车。自动控制车辆完全停车或者以某一速度巡航是车辆纵向控制功能之一。目前国内外对重型车辆纵向控制的研究重点关注高速队列控制和自适应巡航控制。与车辆停车或精准制动控制相关的研究仅限于防抱死制动系统（ABS）、车辆稳定性或液压制动器等。重型车辆基于气制动系统因自身原因导致制动力不足的控制器设计没有得到充分的研究。

1发挥体制优势

顶层系统推进自动驾驶发展自动驾驶是一个复杂的系统性工程，涉及到物联网技术、5G技术、大数据、云计算、各种算力等系列通信技术方面的集成，又牵扯到社会人文法律法规，交通管理政策，道路交通工程学等传统学科，内容庞杂、跨学科、多学科交叉等难点分散，单凭各类车企、互联网公司和自动驾驶创新企业，已经很难推动自动驾驶真正快速商业运用，即使是各级地方政府部门想突破法律政策也并不容易，这就需要国家层面必须全面系统地进行顶层设计，从国家决策层进行全面统盘的协调组织，不能再走各个企业自由竞争和创新探索的老路。自动驾驶的难点就在于系统的集成和组合，应该充分发挥我国国家举国体制的优势，学习航空、航天、高铁等重大项目开发和建设的经验，由国家层面统一组织各类技术人才集中财力、人力、物力，进行整体集成取得感知技术、5G传输技术，交通法律法规，交通安全、秩序管理，交通工程学上的全面突破，目前从国际上来看，我国与美国在自动驾驶技术领域已经处于领跑和并肩阶段，都在全力的发展自动驾驶汽车技术，美国的自动驾驶技术也同样遇到了法律法规，交通安全方面的障碍难题，美国各州立法、司法相对独立，自动驾驶技术一旦商业应用会引发多个利益集团的利益冲突和平衡，由于美国民主政体的这些弊端性，短时间内解决法律法规问题会有一定难度，所以我们不能跟随美国的路径走下去了，应该要另辟蹊径，充分发挥我们体制的制度优势。

2重型汽车纵向动力学模型

沿车辆纵向的力平衡方程式如下：mx..=Fx-Faero-Rx-mgsin（θ）（1）式中Fx为轮胎纵向力，Faero为纵向空气阻力，Rx为纵向滚动阻力，m为车辆质量，g为重力加速度，θ为车辆行驶的坡度。本文主要研究气制动的制动力控制，主要考虑的是Fx为制动时轮胎的纵向力，暂不考虑纵向空气阻力、纵向滚动阻力和重力的影响。车辆制动时产生制动力Fx作用于式（1），车辆产生加速度x..使车辆减速（x..<0）。气制动缸产生制动力公式：Fx=PS，S为制动缸活塞的有效面积，P为制动缸的压力，根据压力传感器测量获得。根据以上公式可得到车辆制动时加速度与制动缸压力的关系。重型汽车气制动的基本工作原理本文不再赘述，下面主要描述自动驾驶系统计算纵向加速度的过程。目前车辆巡航控制系统典型算法是使用速度误差作为反馈的PID控制器：x..des（t）=-kp（vx-vref）—ki∫t0（vx-vref）dt-kd[（ek-ek-1）]（2）式中Vx为本车当前速度，Vref为期望的速度，ek为当前的速度误差，ek-1为上周期的速度误差。此算法只考虑期望的速度跟随，在重型汽车需要精准停车时不再合适，考虑加入位置误差的PID控制算法如下：x.des（t）=-kp（sx-sref）-ki∫t0（sx-sref）dtkd[（ek-ek-1）]（3）式中Sx为当前车辆所在位置，Sref为期望到达的位置，ek为当前的位置误差，ek-1为上周期的位置误差。将式（3）计算的x.des（t）即速度补偿量加入到式（2）中，即Vref=V+x.des（t）以此实现对车辆位置的精确控制。x..des（t）为自动驾驶纵向控制系统的期望加速度。仅使用PID控制器对自动驾驶车辆期望的速度和位置控制无法满足制动系统异常情况下的减速停车要求。咨询有多年驾驶经验的重卡司机，人工驾驶时同样会出现脚踩同样深度制动踏板出现刹车制动力不足情况，当然司机在这种情况下会自觉地的加大脚踩刹车的力度使得刹车制动满足停车要求。通过大量自动驾驶实验数据分析，当气制动产生的制动效果不足时，体现在气制动缸压力与实际期望产生的制动压力存在误差。因此，本文考虑在原有的PID控制器基础上，针对期望的制动力和实际产生的制动力引入一种自适应控制算法，补偿制动压力不足的问题，实现期望制动力与实际制动力匹配。

3自动驾驶测试方法

基于混合现实系统，本文自动驾驶测试方法的具体实现主要分为４个部分：（１）构建与实际测试场对应的虚拟测试场，模拟实际的交通运行环境。通过虚拟软件提供物理世界信息输入接口，以及虚拟世界控制输出接口，实现虚拟仿真与物理车辆镜像运行。（２）通过背景车、标识、障碍物等道具，在真实测试场营造典型交通场景（如自动紧急制动（ａｕｔｏｎｏｍｏｕｓｅｍｅｒｇｅｎｃｙｂｒａｋｉｎｇ，ＡＥＢ）测试等），考察主车的行为是否达到预期目标。并结合真实测试场、主车和背景车实时数据，在虚拟测试场中进行场景重现。（３）在虚拟仿真中增加虚拟背景车或传感器生成测试用例，并将仿真环境中运行的测试用例转换成驱动主车和真实背景车的控制指令，然后将实际测试数据通过网络层反馈到仿真环境中，从而实现虚实同步的闭环反馈测试。（４）利用在测试过程中收集的主车及交通环境数据，结合给定的测试任务，采用多指标、多时空维度，对自动驾驶汽车安全性、舒适性和高效性进行评价。

结束语

本文提出一种基于期望制动力和实际制动力的模型匹配自适应控制。设计过程包括问题提出、纵向动力学模型分析、模型参考自适应设计、稳定性推导、测试用例设计和实车测试验证。从这个设计过程和实车测试的数据分析来看，基于模型参考自适应控制理论推导的自适应机构可以通过调整控制器的输出良好实现期望值与实际输出值的匹配，良好模拟司机在制动减速时发现车辆制动力不足通过加大刹车踏板行程增大刹车力度的过程。

参考文献

[1]陈君毅,李如冰,邢星宇,蒙昊蓝,余卓平.自动驾驶车辆智能性评价研究综述[J].同济大学学报(自然科学版),2019,47(12):1785-1790+1824.

[2]吕亦江.自动驾驶与传统驾驶车辆混行微观驾驶特性及风险分析[D].南京理工大学,2020.

[3]黄鸿胜.自动驾驶场景下的车辆检测技术研究[D].广东工业大学,2018.

[4]冯玮.车辆自动驾驶中人工智能的应用实践微探[J].中国战略新兴产业,2018(16):135.

[5]李海威,赵霞,刘循,张琼燕.轨交车辆自动驾驶控制关键技术设计[J].传感器与微系统,2018,37(03):72-74+77.