用于汽車駕駛機器人的車輛性能自學習方法

陳 剛 張為公 龔宗洋 孫 偉

東南大學,南京,210096

0 引言

隨著汽車工業的發展,人類對汽車的性能要求越來越高,需要借助于大量的試驗來改進設計。由于汽車試驗重復性強、持續時間長、工作環境惡劣,因此更適合由機器人來操作[1-2]。國外駕駛機器人的關鍵技術還處在保密階段,目前擁有該項技術的主要有德國 SCHENCK、ST ?HLE,美國的 LBECO,英國的MIRA 、Froude Consine,日本的 HORIBA 、Nissan Motor、AUTOMAX 等。國內主要有東南大學與南京汽車研究所聯合研制成功的、具有自主知識產權的DNC—1型、DNC—2型和DNC—3型駕駛機器人[3-4]。采用駕駛機器人進行汽車試驗不僅可以降低試驗人員的勞動強度,節省試驗費用,提高試驗效率,而且能消除人為因素的影響,保證汽車試驗數據的準確度和有效性。

車輛性能自學習是汽車駕駛機器人的關鍵技術,國內鮮見報道。不同類型的車輛,甚至同型號的不同車輛或者同一車輛在不同的運行時刻,其動力學參數是不同的。為了縮短在不同車況下以及更換車型之后的控制參數調整時間,本文提出了一種用于駕駛機器人的車輛性能自學習方法,對影響駕駛機器人駕駛行為的車輛尺寸和汽車性能參數進行自學習、自校正、自補償,提高了駕駛機器人駕駛的準確性和精度,以及駕駛機器人的適應速度和能力,從而提高了駕駛機器人對不同車型的自適應性以及駕駛動作的自學習能力。

1 汽車排放耐久性試驗系統構成

汽車排放耐久性試驗系統主要由底盤測功機和駕駛機器人組成,其系統構成如圖1所示[5-6]。底盤測功機配置功率吸收裝置和慣性飛輪,模擬汽車在平直道路上行駛過程中所受的各種阻力,以使汽車的試驗環境與在道路上行駛盡可能保持一致。駕駛機器人在不改造被試車輛的基礎上代替試驗人員駕駛汽車,完成汽車油門、制動器、離合器及換擋機械手的協調配合操作,跟蹤預先設定的各種循環行駛工況曲線。駕駛機器人應能無破損地快速安裝,應能輕巧方便地安裝于駕駛室的有限空間內,并適應于各種車型,安裝時不得損壞車內設備。

2 駕駛機器人系統

2.1 駕駛機器人系統結構

駕駛機器人主要由換擋機械手、油門機械腿、制動器機械腿、離合器機械腿、計算機控制系統、電動驅動系統構成。駕駛機器人采用純電動驅動的方式,使機器人的操作能夠具有人類試驗人員肌肉的快速性和柔順性,滿足了汽車駕駛動作快速(如換擋、制動)、快慢結合(如離合器)、慢速(如油門)等運動要求。汽車駕駛機器人的系統結構如圖2所示[3-4,7]。

2.2 駕駛機器人系統工作過程

駕駛機器人系統工作過程如圖3所示。工作中,系統不斷地讀取發動機轉速、車速及循環行駛工況等數據,并根據這些數據計算出所需的車輛驅動功率,然后與底盤測功機的吸收功率相比,以判斷是需要加速還是需要減速。若吸收功率小于所需的驅動功率,就需要加速,然后查表獲得所需的油門踏板行程;若吸收功率大于所需的驅動功率,就需要減速,通過查表獲得所需的制動踏板行程。這里,車輛驅動功率為

式中,P為所需的車輛驅動功率;v為車速,km/h;k為汽車旋轉質量換算系數;m為汽車質量,kg;ΔW為轉動部分的微小慣性當量;μr為滾動阻力系數;Cd為空氣阻力系數;ρ為空氣密度,kg/m3;A為車輛迎風面積;g為重力加速度,9.8m/s2;a為加速度,m/s2。

底盤測功機的吸收功率為

式中,Pα為底盤測功機的吸收功率,kW;W為轉動部分慣性當量;v1為初始車速;v2為跟隨速度變化的車速;t為速度變化所需要的時間。

功率測量由駕駛機器人自動執行。發動機扭矩為

式中,ne為發動機轉速。

T、ne與油門開度α之間存在一非線性關系:T=f(ne,α),它由發動機廠商提供,作為查詢表供控制程序調用。通過制動器產生制動力F,計算方法為

3 車輛尺寸和性能自學習方法

現代汽車是一個復雜的、具有強大非線性特性的系統,故建立汽車控制數學模型的難度較大。利用自學習方法獲得描述汽車控制特性的近似模型,可以避開復雜的汽車動力學建模過程,縮短駕駛機器人控制參數對不同車型的適應性調整時間。從駕駛機器人安裝到試驗車輛上,再到能夠跟蹤車速循環進行汽車速度的自動駕駛,需經過兩個方面的自學習,即幾何尺寸的自學習和性能參數的自學習。

3.1 車輛幾何尺寸自學習

駕駛機器人安裝到試驗車輛上后,示教控制程序按照試驗人員的指令自動控制油門、制動器、離合器機械腿下踩、回收,利用安裝在各個機械腿上的傳感器獲得三條腿的起始位置、最終位置和行程。擋位位置的自學習由試驗人員使用示教盒示教完成,程序獲得各個擋位對應的位置,并在再現環節中自動調整換擋機械手的位置定位控制參數。

由于離合器開始接合時,發動機轉速會下降,因此,離合器接合區的位置自學習方法可以利用發動機轉速下降時離合器機械腿的位置作為開始接合的標志。采用緩慢接合離合器的方式,在某個擋位下接合完成后,發動機轉速ne和車速v滿足:

式中,i0為主傳動比;ig為變速器各個擋位下的速比;r為輪胎半徑。

因此,通過捕捉接合過程中發動機轉速和車速的對應關系,便能夠得到接合區的結束點。

3.2 汽車性能參數自學習

3.2.1 發動機性能自學習

發動機的輸出特性通過學習發動機轉速和發動機扭矩來完成油門執行器位移,此即控制參數的學習過程。學習過程包括了發動機工作所采用的試驗循環行駛工況的全部情況。學習過程如圖4所示。通過油門執行器位移s1獲取車輛速度v1。把油門以階躍方式從s1釋放到s2,同時測量車輛速度變化量Δv和產生這種變化所需要的時間Δt。在測量 v、Δv、Δ t的過程中 ,通過平均車速計算發動機功率,然后,由功率和同一時刻的發動機速度計算發動機扭矩。

3.2.2 制動性能自學習

汽車制動性能包括發動機制動性能和腳制動性能。學習發動機制動性能是為了判斷車輛減速控制是由油門控制的結果,還是由制動踏板控制的結果。學習過程采用梯度下降法。某時刻發動機的制動性能取決于該時刻車輛所需驅動功率和底盤吸收功率的差異,將差異結果轉化成表格,以顯示發動機轉速和發動機制動性能之間的關系,并存入內存中。腳制動性能的學習過程與發動機性能學習過程相似。制動踏板開度以階躍方式變化,同時測量車速變化,確定減速性能。用式(4)計算通過腳制動產生的制動力。

3.3 控制參數在線優化

在實際的汽車試驗過程中,汽車各個組成部件的磨損會導致自學習得到的車輛特性擬合表發生變動,因此有必要通過一定的補償方法對擬合表進行在線優化和補償,通過比較系統輸出結果與理想值的偏差,采用遞推最小二乘算法對擬合表進行修正。遞推最小二乘算法是自適應濾波中的一種常用算法,具有收斂時間短的優點[8]。設輸入信號為控制參數插值中相鄰的4個點:

輸入量的權系數為

誤差信號為控制輸出量和學習的位置之間的偏差:

式中,d(k)為實際的控制輸出量;wT(k)x(k)為由學習得到的位置信息。

最小化誤差信號的平方和J(k),

當w(k)的導數為零時,得到控制參數權系數的最優向量:

從而推出權系數的遞推關系式:

4 試驗驗證

為了驗證提出的駕駛機器人車輛性能自學習方法的有效性和可行性,在南京汽車集團技術中心BOCO NJ 150/80型水冷式電渦流底盤測功機上,由駕駛機器人進行80 000km排放耐久性V型試驗,試驗現場如圖5所示。十五工況車速循環跟蹤試驗曲線如圖6所示。試驗車為 FIAT Siena 1.5L,五擋手動變速器各擋速比為3.5、1.952、1.322、0.972、0.769,主減速比為 4.294,具體的車輛尺寸及汽車性能參數如表1所示。從安裝到試驗車完成自學習過程的時間在1h內,更換車型之后PID整定時間約為45min,經自學習所得到的尺寸和位置信息如表2所示。學習得到的離合接合區起點位置為3515mm,離合接合區終點位置為3576mm,自學習得到的車速與油門行程之間的關系如圖7所示。

表1 FIAT Siena 1.5 L車輛參數表

表2 車輛尺寸自學習位置參數 mm

由圖6可以看出,駕駛機器人能合理協調控制油門、制動器、離合器和換擋機械手實現汽車的起步、加速、換擋、等速、減速等操作,車速跟蹤精度滿足試驗的要求,并且穩速工況階段車速變化柔和、波動小。加速—等速以及減速—等速工況變化階段車速雖然有一定的“過沖”和下降,但是得到了及時的控制,駕駛機器人具有良好的車速跟蹤性能。

[1]Shoval S,Zyburt J P,Grimaudo D W.Robot Driver for Guidance of Automatic Durability Road(ADR)Test Vehicles[C]//Proceedings of the 1998 IEEE International Conference on Robotics and Automation.Leuven,Belgium,1998:1767-1772.

[2]Thiel W,Grof S,Hohenberg G,et al.Investigations on Robot DriverforVehicleExhaustEmission Measurements in Comparison to the Driving Strategies of Human Drivers[J].SAE Paper,No.982642,1998.

[3]Chen Xiaobing,Zhang Weigong.Robot Driver for Vehicle Durability Emission Test on Chassis Dyna-mometer[J].Journal of Southeast University(English Edition),2005,21(1):33-38.

[4]張為公,陳曉冰.汽車駕駛機器人關鍵技術研究[J].江蘇大學學報(自然科學版),2005,26(1):20-23.

[5]Ogawa Y,Yoneshige Y.Automatic for the People[J].Testing Technology International,2000(5):12-15.

[6]陳曉冰,張為公,張丙軍.汽車駕駛機器人車速跟蹤控制策略研究[J].中國機械工程,2005,16(18):1669-1673.

[7]Schwarze K,Gollinger H,Busch A.Actuator Concepts for an Autonomous Robotic Driver[C]//Proceedings of IEEE International Conference on Intelligent Vehicles.Stuttgart,1998:463-468.

[8]崔宏巍.LPG汽車發動機電控系統研究與實現[D].南京:東南大學,2003.