智能汽車橫向控制方法研究綜述

陳慧巖， 陳舒平， 龔建偉

(北京理工大學(xué) 機(jī)械與車輛學(xué)院， 北京 100081)

智能汽車橫向控制方法研究綜述

陳慧巖， 陳舒平， 龔建偉

(北京理工大學(xué) 機(jī)械與車輛學(xué)院， 北京 100081)

智能汽車在提高行駛安全性和減少交通事故方面有很大的優(yōu)勢，已成為世界范圍內(nèi)的研究熱點(diǎn)。綜述了智能汽車橫向控制的國內(nèi)外發(fā)展歷程與研究現(xiàn)狀；介紹了車輛橫向動(dòng)力學(xué)和輪胎力學(xué)的研究歷程和模型；闡述了智能汽車橫向控制理論和方法以及自動(dòng)轉(zhuǎn)向執(zhí)行機(jī)構(gòu)的設(shè)計(jì)；給出智能汽車橫向控制研究的重點(diǎn)和發(fā)展趨勢。通過分析認(rèn)為，系統(tǒng)非線性、不確定性和時(shí)變特性的智能汽車橫向動(dòng)力學(xué)建模和橫向控制器設(shè)計(jì)，特別是高速時(shí)的橫向控制，以及智能車輛感知決策系統(tǒng)與車輛本身系統(tǒng)的一體化設(shè)計(jì)，將是今后研究的重點(diǎn)。

控制科學(xué)與技術(shù)； 智能車輛； 橫向控制； 轉(zhuǎn)向執(zhí)行機(jī)構(gòu)

0 引言

智能汽車(IV)是智能交通系統(tǒng)(ITS)的關(guān)鍵環(huán)節(jié)，作為減少交通事故，交通堵塞和環(huán)境污染等問題的有力手段，吸引了研究者的廣泛關(guān)注。智能汽車涵蓋了輔助駕駛、主動(dòng)安全以及自主駕駛等各個(gè)方面，其發(fā)展的最終方向是自主駕駛?！白灾黢{駛汽車”是指使用計(jì)算機(jī)、傳感器和其他技術(shù)和設(shè)備，使車輛在沒有駕駛員的主動(dòng)控制和連續(xù)監(jiān)測下可以安全行駛的機(jī)動(dòng)車輛[1-3]。一些競賽促進(jìn)了智能汽車的發(fā)展，比如美國國防部先進(jìn)項(xiàng)目研究局舉辦的DARPA挑戰(zhàn)賽，韓國的AVC自主汽車競賽和我國的智能汽車未來挑戰(zhàn)賽等，目前的主要難點(diǎn)之一是確保高速時(shí)的自主駕駛[4]。

行駛控制是智能車輛研究領(lǐng)域中的核心問題之一，指根據(jù)當(dāng)前周圍環(huán)境和車體位移、姿態(tài)、車速等信息按照一定的邏輯做出決策，并分別向油門、制動(dòng)及轉(zhuǎn)向等執(zhí)行系統(tǒng)發(fā)出控制指令[5]。智能汽車的行駛控制主要包括縱向控制和橫向控制?？v向控制是指調(diào)整車速使車輛間保持足夠的空間，使用最少的制動(dòng)保持相對恒定的車速，并在緊急情況下盡可能快的制動(dòng)[6]；橫向控制是指路徑跟蹤，即通過自動(dòng)轉(zhuǎn)向控制使車輛始終沿著期望路徑行駛，同時(shí)保證車輛的行駛安全性和乘坐舒適性[7]。

由于汽車是一個(gè)強(qiáng)耦合變參數(shù)的非線性系統(tǒng)，汽車的縱向運(yùn)動(dòng)和橫向運(yùn)動(dòng)存在很強(qiáng)的耦合關(guān)系[8],耦合效應(yīng)包含3類：運(yùn)動(dòng)學(xué)耦合、輪胎力耦合以及載荷轉(zhuǎn)移耦合。對于運(yùn)動(dòng)學(xué)耦合效應(yīng)，例如轉(zhuǎn)向輪的側(cè)偏力，實(shí)際在縱向有一個(gè)分量，從而影響縱向加速度，又如橫向離心力是縱向速度和曲率的函數(shù)；輪胎的側(cè)偏力與縱向力也是相互耦合的，對于給定的輪胎路面摩擦系數(shù)，作用在每個(gè)輪胎上的側(cè)向力和縱向力相互限制，使合力不會(huì)超過附著極限[9-11]；載荷轉(zhuǎn)移也有顯著的耦合效應(yīng)，當(dāng)載荷轉(zhuǎn)移是由縱向加速度引起時(shí)，前后輪胎的垂直載荷重新分配將對橫向動(dòng)力學(xué)產(chǎn)生很大的影響[9,11]，一些學(xué)者專門研究了二者間的耦合性問題，例如，Lim等明確了各種耦合效應(yīng)的特征，設(shè)計(jì)了一種聯(lián)合控制器來補(bǔ)償這些效應(yīng)[11]。本文側(cè)重闡述智能汽車橫向控制的相關(guān)研究內(nèi)容。

1 智能汽車橫向控制的發(fā)展歷程

根據(jù)環(huán)境感知傳感系統(tǒng)的不同，智能汽車橫向控制可分為非前瞻式參考系統(tǒng)和前瞻式參考系統(tǒng)[6,12]。非前瞻式參考系統(tǒng)通過計(jì)算車輛附近的期望道路與車輛之間的橫向位置偏差來控制車輛實(shí)現(xiàn)道路跟蹤，例如安裝在道路中間的電纜或磁道釘參考系統(tǒng)[12-13]。前瞻式參考系統(tǒng)通過測量車輛前方的期望道路與車輛之間的橫向位置偏差來控制車輛實(shí)現(xiàn)自動(dòng)轉(zhuǎn)向，類似于駕駛員開車行為，例如基于雷達(dá)或機(jī)器視覺的參考系統(tǒng)[12]。

橫向控制研究最初是由美國通用汽車公司和美國無線電公司在20世紀(jì)50年代末合作開展的，目的是為解決自動(dòng)化公路系統(tǒng)(AHS)車輛自動(dòng)駕駛問題。從那時(shí)起，美國本土和海外的研究者對AHS的各方面進(jìn)行了研究，比如美國國家自動(dòng)化公路系統(tǒng)聯(lián)合會(huì)、日本智能交通系統(tǒng)、美國加利福尼亞州的公路先進(jìn)技術(shù)(PATH)項(xiàng)目[13-14]。其中，美國俄亥俄州立大學(xué)在美國運(yùn)輸部的資助下從1964年到1980年間進(jìn)行了廣泛研究，車輛的橫向控制是其主要研究方向之一[14]。美國加利福尼亞州的PATH項(xiàng)目比其他項(xiàng)目更加強(qiáng)調(diào)自動(dòng)車輛控制技術(shù)，其橫向控制注重車輛和道路間合作的理念，智能車輛所需的大量信息由安裝在道路上的特殊單元發(fā)送，該方法比依賴視覺系統(tǒng)觀測現(xiàn)有車道標(biāo)線的完全自主車輛的概念更簡單經(jīng)濟(jì)[15]。PATH項(xiàng)目的橫向控制問題從1988年開始研究，主要工作包括建模、控制器設(shè)計(jì)、開環(huán)仿真、閉環(huán)仿真、開環(huán)實(shí)車試驗(yàn)和閉環(huán)實(shí)車試驗(yàn)[16]。

在文獻(xiàn)[17]中，20世紀(jì)70年代，F(xiàn)enton等用經(jīng)典控制理論設(shè)計(jì)控制算法，并進(jìn)行了試驗(yàn)驗(yàn)證。隨后在1988年，F(xiàn)enton等基于前瞻式參考系統(tǒng)，通過測量車輛前方的橫向偏差，使用最優(yōu)控制技術(shù)和觀測器設(shè)計(jì)了全狀態(tài)反饋，在實(shí)驗(yàn)室中用模擬計(jì)算機(jī)仿真車輛動(dòng)力學(xué)，并對結(jié)果進(jìn)行了評價(jià)[18]。兩種設(shè)計(jì)都使用了反饋控制器，依賴反饋控制的抗干擾能力來跟蹤道路曲率。20世紀(jì)80年代，Ackermann應(yīng)用參數(shù)空間魯棒控制方法設(shè)計(jì)自動(dòng)轉(zhuǎn)向控制器。通過對車輛質(zhì)量分布的假設(shè)，系統(tǒng)的階數(shù)從4階降到3階，從而減小了魯棒控制器設(shè)計(jì)的難度。魯棒反饋控制既可以滿足直線跟蹤也可以滿足車速，載荷和路面條件等參數(shù)變化的曲線跟蹤[17]。但是，Ackermann對向心力的處理不準(zhǔn)確，應(yīng)謹(jǐn)慎看待其結(jié)果。

在文獻(xiàn)[12]中，1990年到1991年間，Peng等提出自動(dòng)轉(zhuǎn)向前饋- 反饋控制算法，前饋控制量是由道路曲率計(jì)算的穩(wěn)態(tài)前輪偏角或預(yù)瞄前輪轉(zhuǎn)角，反饋控制算法采用頻率線性二次型(FSLQ)最優(yōu)控制理論來設(shè)計(jì)，考慮跟蹤誤差的同時(shí)也保證了車輛乘坐舒適性[19]。1991年，Hessburg等基于非前瞻式參考系統(tǒng)，研究了使用前饋-PID反饋控制算法和離散磁道釘參考系統(tǒng)進(jìn)行實(shí)車橫向控制的可行性[20]。1992年到1993年間，Peng等通過實(shí)車試驗(yàn)驗(yàn)證了上述兩種控制算法的道路跟蹤精度，結(jié)果表明以50 km/h的車速，跟蹤半徑為75 m的1/4圓弧時(shí)，最大橫向偏差小于10 cm，在一些惡劣工況下也不超過15 cm，但車速高于50 km/h時(shí)，跟蹤精度大于25 cm而達(dá)不到性能要求，此時(shí)必須引入以預(yù)瞄控制為基礎(chǔ)的前饋控制量[16]。因此，Peng等提出了自動(dòng)轉(zhuǎn)向預(yù)瞄控制算法[21]，即采用預(yù)瞄距離內(nèi)的道路曲率信息來計(jì)算前饋控制量。1999年，Tan等基于非前瞻式參考系統(tǒng)，設(shè)計(jì)了考慮車輛參數(shù)變化的魯棒橫向控制器[22]。

美國在面向非結(jié)構(gòu)化環(huán)境下的智能車輛技術(shù)也展開了研究。在文獻(xiàn)[23]中，2002年，Kato等基于差分全局定位系統(tǒng)的航跡推算功能設(shè)計(jì)了橫向控制算法，車輛由包含一系列路點(diǎn)的精確地圖引導(dǎo)[24]。2003年，Hernandez等使用GPS從數(shù)字地圖中提取地理信息來修正非前瞻式參考系統(tǒng)的控制器，提高了道路跟蹤的精度[25]。DARPA挑戰(zhàn)賽極大地推動(dòng)了橫向控制技術(shù)的發(fā)展。2005年，美國斯坦福大學(xué)參賽的智能車Stanley基于車輛- 道路幾何關(guān)系設(shè)計(jì)了自動(dòng)轉(zhuǎn)向控制器，該控制器由前軸處的方向偏差和橫向位置偏差兩部分組成，并通過比例增益來調(diào)節(jié)不同車速下的控制律[26]。2007年，美國卡內(nèi)基梅隆大學(xué)參賽的智能車Boss采用綜合了任務(wù)規(guī)劃、行為規(guī)劃和運(yùn)動(dòng)規(guī)劃的3層規(guī)劃系統(tǒng)，在城市環(huán)境下行駛車速達(dá)到48km/h[27]。

2008年，Besselmann等提出混合變參數(shù)的模型預(yù)測控制，應(yīng)用于自主車輛轉(zhuǎn)向控制，對比了基于非線性和線性預(yù)測模型設(shè)計(jì)的控制器性能[28]。

在文獻(xiàn)[12]中，2009年，Kritayakirana等開發(fā)了基于Audi TTS原型車的智能車輛平臺，以實(shí)現(xiàn)車輛極限工況下的自主駕駛。該平臺的自動(dòng)轉(zhuǎn)向控制采用前饋- 反饋控制，前饋量由期望道路曲率直接計(jì)算得出，而反饋量由兩部分組成，一個(gè)是由偏離車道的位置偏差計(jì)算，另一個(gè)是以保證車輛橫擺運(yùn)動(dòng)收斂來計(jì)算[29]。

2014年，Hindiyeh等提出一種使后輪驅(qū)動(dòng)車輛在后輪摩擦力飽和時(shí)，能自主地穩(wěn)態(tài)轉(zhuǎn)向的控制方法。該控制器基于循環(huán)嵌套結(jié)構(gòu)，在外循環(huán)，橫擺角速度作為側(cè)偏動(dòng)力學(xué)的合成輸入；在內(nèi)循環(huán)，用輪胎力對橫擺角速度動(dòng)力學(xué)進(jìn)行反饋線性化[30]。

2015年，Hong等提出了一種使車輛轉(zhuǎn)彎時(shí)側(cè)傾運(yùn)動(dòng)最小化的模型預(yù)測控制方法。該路徑跟蹤控制策略考慮了側(cè)傾運(yùn)動(dòng)，用滾動(dòng)最優(yōu)控制技術(shù)將轉(zhuǎn)彎時(shí)的側(cè)傾最小化,能預(yù)先對車輛將產(chǎn)生的側(cè)傾運(yùn)動(dòng)做出反應(yīng)[31]。

2016年，Wang等采用主動(dòng)前輪轉(zhuǎn)向和直接橫擺力矩共同控制的方法研究了四輪獨(dú)立驅(qū)動(dòng)自主車輛的路徑跟蹤控制問題，提出了一種改進(jìn)的合成非線性反饋控制策略來提高瞬態(tài)性能，消除路徑跟蹤控制的穩(wěn)態(tài)誤差[32]。

隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，軟計(jì)算技術(shù)被應(yīng)用在自主車輛的控制上。模糊邏輯控制為車輛自動(dòng)轉(zhuǎn)向控制提供了一個(gè)考慮駕駛員經(jīng)驗(yàn)和工程判斷的平臺[23]。1991年到1994年間，Hessburg等基于非前瞻式參考系統(tǒng)，使用模糊邏輯控制器研究了車輛橫向控制，在全尺寸車輛上實(shí)施了人工調(diào)節(jié)的模糊控制器，其包含3部分模型：反饋、預(yù)瞄和增益調(diào)節(jié)[33]。

我國智能車輛技術(shù)的研究起步較晚，與發(fā)達(dá)國家有一定差距。目前從事這方面研究工作的高校和單位主要有國防學(xué)技術(shù)大學(xué)、北京理工大學(xué)、上海交通大學(xué)和吉林大學(xué)等，以追蹤國外研究水平為主，近些年的研究成果有：

文獻(xiàn)[34]提出將變論域模糊控制、自適應(yīng)技術(shù)和H∞最優(yōu)控制理論相結(jié)合實(shí)現(xiàn)對自主汽車的側(cè)向系統(tǒng)進(jìn)行控制，提高了系統(tǒng)的魯棒性和控制精度。

文獻(xiàn)[35]針對非完整運(yùn)動(dòng)約束車輛，利用反饋線性化方法設(shè)計(jì)了軌跡跟蹤器，仿真研究了跟蹤算法的魯棒性。該文獻(xiàn)指出預(yù)瞄在高速自主車的軌跡跟蹤中起著舉足輕重的作用，將預(yù)瞄與反饋線性化方法相結(jié)合是下一步系統(tǒng)設(shè)計(jì)的一個(gè)方向。

文獻(xiàn)[36]基于單點(diǎn)預(yù)瞄最優(yōu)曲率模型設(shè)計(jì)側(cè)向加速度PD跟蹤控制器，聯(lián)合車- 路橫向動(dòng)力學(xué)模型構(gòu)建橫向控制閉環(huán)系統(tǒng)，設(shè)計(jì)模糊控制器對預(yù)瞄距離進(jìn)行模糊選擇，以提高車輛橫向控制精度和減小側(cè)向加速度，采用遺傳算法對模糊規(guī)則進(jìn)行優(yōu)化以使橫向控制系統(tǒng)性能達(dá)到最優(yōu)。

2 智能汽車整車動(dòng)力學(xué)建模和控制

智能車輛橫向控制的設(shè)計(jì)有兩種方法：一種是基于模仿駕駛員行為，另一種是基于車輛動(dòng)力學(xué)模型和控制理論。前一種方法不需要車輛動(dòng)力學(xué)的精確知識，僅需要一個(gè)表達(dá)響應(yīng)特性的車輛模型和一個(gè)模擬駕駛員行為的控制器。后一種方法通常需要一個(gè)較好的車輛動(dòng)力學(xué)模型，然后用不同的控制算法來達(dá)到特定目標(biāo)[19]。本文主要討論基于車輛動(dòng)力學(xué)模型的控制理論和方法。

2.1 智能汽車整車動(dòng)力學(xué)建模方法

無人駕駛智能汽車整車動(dòng)力學(xué)的建模是以有人駕駛車輛動(dòng)力學(xué)理論為基礎(chǔ)，歷史上車輛動(dòng)力學(xué)研究有幾個(gè)重要人物：20世紀(jì)30年代初，Maurice Olley最早提出操縱動(dòng)力學(xué)理論，試圖解決行駛平順性和操縱穩(wěn)定性之間的協(xié)調(diào)關(guān)系；20世紀(jì)30年代～20世紀(jì)50年代，Cough等研究了輪胎特性并定義了側(cè)偏角、不足轉(zhuǎn)向和過度轉(zhuǎn)向的概念；20世紀(jì)50年代以后，Segel提出了3自由度操縱動(dòng)力學(xué)方程：在側(cè)向、橫擺基礎(chǔ)上增加了側(cè)傾運(yùn)動(dòng)，擴(kuò)展了操縱動(dòng)力學(xué)的分析內(nèi)容，形成了一套較為完整的關(guān)于操縱和轉(zhuǎn)向的基礎(chǔ)理論體系[37]。

2.1.1 2自由度整車模型

在文獻(xiàn)[38]中，20世紀(jì)40年代，Riekert和Schunck建立了最早的2自由度車輛動(dòng)力學(xué)模型。他們將整車看作是一個(gè)剛體，考慮了前后軸側(cè)偏剛度，對左右兩側(cè)的車輪不進(jìn)行區(qū)分，車輪轉(zhuǎn)角直接作為模型的輸入，定義了汽車的不足轉(zhuǎn)向和過多轉(zhuǎn)向特性。文獻(xiàn)[39]采用了單軌2自由度模型，模型忽略了車輛的垂向運(yùn)動(dòng)、俯仰運(yùn)動(dòng)、側(cè)傾運(yùn)動(dòng)以及懸架運(yùn)動(dòng)，軸荷側(cè)向轉(zhuǎn)移、空氣動(dòng)力學(xué)載荷和轉(zhuǎn)向幾何，假設(shè)道路的超高和坡度，整車側(cè)偏角和橫擺角偏差都很小。研究表明在側(cè)向加速度小于0.2g的工況下，采用線性輪胎的傳統(tǒng)2自由度“自行車”模型是完全夠用的，使用這種低階模型設(shè)計(jì)的控制器也表現(xiàn)良好。文獻(xiàn)[40]采用了考慮縱向車速的單軌模型。文獻(xiàn)[41]采用考慮縱向車速的雙軌模型來描述車輛穩(wěn)定性到極限時(shí)的動(dòng)力學(xué)特性，建立了具有自適應(yīng)功能的非線性觀測器來估計(jì)整車質(zhì)心側(cè)偏角。

2.1.2 3自由度模型

文獻(xiàn)[42]描述了Segel的3自由度模型?；贛illiken的設(shè)想：在建立車輛的數(shù)學(xué)模型時(shí)，可將車輛當(dāng)作一個(gè)線性的動(dòng)力學(xué)系統(tǒng)，Segel建立了包含橫擺運(yùn)動(dòng)、側(cè)向運(yùn)動(dòng)和側(cè)傾運(yùn)動(dòng)的3自由度車輛模型來描述轉(zhuǎn)向響應(yīng)，研究表明該假設(shè)對于合理范圍的側(cè)向運(yùn)動(dòng)分析是可行的。文獻(xiàn)[43]描述了Nalecz的3自由度模型，通過考慮懸架側(cè)傾中心高度和整車側(cè)傾軸線的變化分析了懸架運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)對車輛轉(zhuǎn)向響應(yīng)的影響。文獻(xiàn)[44]基于Segel模型建立了3自由度模型，通過分析特定路面輸入的動(dòng)力學(xué)方程，研究了惡劣路面上車輛的側(cè)傾、側(cè)向及橫擺響應(yīng)特性，并進(jìn)行了舒適性評價(jià)。

2.1.3 7自由度模型

文獻(xiàn)[45]采用魔術(shù)公式輪胎模型建立了非線性7自由度車輛模型，包括4個(gè)車輪的轉(zhuǎn)動(dòng)，車輛的縱向運(yùn)動(dòng)、側(cè)向運(yùn)動(dòng)和橫擺運(yùn)動(dòng)，研究了后輪轉(zhuǎn)向系統(tǒng)對車輛操縱穩(wěn)定性的影響。文獻(xiàn)[46]采用非線性7自由度車輛模型和Dugoff輪胎模型對車輛過激勵(lì)時(shí)的控制器進(jìn)行設(shè)計(jì)和仿真，并使用線性2自由度模型對魯棒性進(jìn)行評價(jià)。

2.1.4 8自由度模型

文獻(xiàn)[39]建立了8自由度車輛模型，包含4個(gè)車輪的轉(zhuǎn)動(dòng)，車輛的縱向運(yùn)動(dòng)、側(cè)向運(yùn)動(dòng)、橫擺運(yùn)動(dòng)和側(cè)傾運(yùn)動(dòng)。文獻(xiàn)[47]分別在橫擺平面和側(cè)傾平面建立動(dòng)力學(xué)方程，建立了非線性8自由度整車模型，輪胎采用了魔術(shù)公式模型。

2.1.5 12自由度模型

在文獻(xiàn)[38]中，郭孔輝院士為分析汽車在轉(zhuǎn)彎制動(dòng)工況下響應(yīng)，建立了12自由度模型，分別是簧載質(zhì)量的6個(gè)自由度、兩側(cè)車輪繞主銷轉(zhuǎn)動(dòng)自由度以及4個(gè)車輪的旋轉(zhuǎn)自由度。輪胎模型計(jì)算了側(cè)偏縱滑聯(lián)合工況下的力學(xué)特性，懸架模型則對桿件產(chǎn)生的運(yùn)動(dòng)學(xué)約束關(guān)系進(jìn)行了詳細(xì)推導(dǎo)。

2.1.6 17自由度模型

在文獻(xiàn)[38]中，Garrot等建立了17自由度模型，該模型對輪胎、懸架的非線性特性進(jìn)行了充分描述，能夠進(jìn)行汽車側(cè)翻、汽車穩(wěn)定性、正弦掃頻、極限操縱性和轉(zhuǎn)彎制動(dòng)等多種工況的仿真。

2.2 輪胎力學(xué)模型

車輛所受到的控制和擾動(dòng)力，除了空氣動(dòng)力以外，其余均來自輪胎與地面的接觸區(qū)域。車輛依靠輪胎與地面的相互作用產(chǎn)生各種運(yùn)動(dòng)，因此輪胎對于車輛動(dòng)力學(xué)和控制非常重要[48]。

2.2.1 輪胎動(dòng)力學(xué)研究的發(fā)展歷程

輪胎動(dòng)力學(xué)特性的研究可以追溯到20世紀(jì)30年代，在文獻(xiàn)[49]中，Bradley和Allen在1931年研究了汽車輪胎動(dòng)力學(xué)特性。1937年，Koesler和Klaue通過試驗(yàn)發(fā)現(xiàn)制動(dòng)力是縱向滑移率的函數(shù)。1953年，Wilkinson的研究表明橡膠在冰路面的摩擦系數(shù)隨著載荷的增加而下降，并在某個(gè)車速下有最大值。1958年，Schallamach研究證明了橡膠的摩擦系數(shù)在某個(gè)車速下的最大值取決于溫度。Nordeen和Cortese(1963年)、Krempel(1965年)和Henker(1968年)的研究表明，側(cè)向力和回正力矩的變化與制動(dòng)力和牽引力的變化有著函數(shù)關(guān)系。

輪胎側(cè)偏特性最初的理論研究是由Fiala在1954年開展的。他假設(shè)胎面的側(cè)向位移僅在輪胎接地面產(chǎn)生，將輪胎模型簡化為受側(cè)向集中載荷作用的彈性支撐梁，推導(dǎo)了基于固定側(cè)偏角的側(cè)向力和回正力矩表達(dá)式。Bergman在1961年通過引入彈簧相互作用的概念最先對制動(dòng)時(shí)的側(cè)偏特性開展了研究。隨后他和Beauregard(1974年)研究了影響車輛轉(zhuǎn)向響應(yīng)特性的穩(wěn)態(tài)和瞬態(tài)輪胎特性[49]。

Dugoff等在1970年將輪胎路面的摩擦系數(shù)表達(dá)為胎面的滑移速度、零滑移時(shí)的摩擦系數(shù)和摩擦損失因子的函數(shù)。Nguyen和Case在1975年研究了之前建立的摩擦模型，并指出了相同點(diǎn)和不同點(diǎn)，他們通過模擬在轉(zhuǎn)彎、直線制動(dòng)和轉(zhuǎn)彎制動(dòng)下的簡單非線性車輛模型，研究了車輛對于不同類型輪胎的響應(yīng)敏感度，得出Dugoff的輪胎模型是支持試驗(yàn)數(shù)據(jù)的，并強(qiáng)調(diào)了摩擦橢圓概念的重要性[49]。

Bernard等在1977年建立了用于縱滑和側(cè)偏的聯(lián)合工況半經(jīng)驗(yàn)輪胎模型，該模型適用于帶束層輪胎、子午線輪胎、斜交簾布層輪胎的剪切力特性。Pacejka在1979年研究了描述輪胎穩(wěn)態(tài)轉(zhuǎn)向特性的數(shù)學(xué)模型，并給出了反映輪胎、懸架和轉(zhuǎn)向特性綜合作用的等效輪胎側(cè)偏特性的概念?；谠囼?yàn)研究，Bakker等在1987年研究建立了解析表達(dá)式來描述輪胎側(cè)向力、制動(dòng)力和回正力矩的特性。雖然這些方程僅限于純側(cè)偏或純制動(dòng)下的穩(wěn)態(tài)工況使用，但是為制動(dòng)轉(zhuǎn)向聯(lián)合工況下的輪胎模型提供了基礎(chǔ)。隨后，Bakker和Pacejka等分別于1987年、1989年和1991年在試驗(yàn)研究的基礎(chǔ)上總結(jié)出描述輪胎側(cè)向力，制動(dòng)力和回正力矩的解析表達(dá)式，建立了著名的“Magic Formula”模型[49]。

在文獻(xiàn)[50]中，郭孔輝院士自1983年以來在輪胎力學(xué)特性方面也作了很多的理論與試驗(yàn)研究工作。他以Fiala的理論為基礎(chǔ)，通過試驗(yàn)建立了側(cè)偏力與回正力矩的半經(jīng)驗(yàn)?zāi)Ｐ停撃Ｐ椭械膫?cè)向力表達(dá)式后來被改進(jìn)為雙指數(shù)模型。1990年，他從胎體的一般變形模式和垂直載荷分布的一般模式出發(fā)，推導(dǎo)出側(cè)向力與回正力矩的一般表達(dá)式，在此基礎(chǔ)上又獲得了側(cè)偏與縱滑聯(lián)合工況下的理論模型以及一種便于進(jìn)行汽車轉(zhuǎn)向、制動(dòng)與驅(qū)動(dòng)的動(dòng)態(tài)仿真統(tǒng)一模型。

相對穩(wěn)態(tài)側(cè)偏特性研究而言，非穩(wěn)態(tài)側(cè)偏特性的研究尚不成熟，關(guān)于輪胎的非穩(wěn)態(tài)側(cè)偏特性，最先是為了研究輪胎擺振問題。1941年Dietrich將輪胎看成是無限長的“弦”，首先提出了接地印跡的運(yùn)動(dòng)方程；1966年P(guān)acejka為了研究擺振，將弦模型加以發(fā)展推導(dǎo)出Pacejka擺振模型，1981年對該模型進(jìn)行了綜合與整理，得到了以輪胎弦模型為基礎(chǔ)的輪胎非穩(wěn)態(tài)側(cè)偏模型；Loeb等在1990年研究了輪胎的側(cè)向剛度、側(cè)偏剛度和松馳長度之間的關(guān)系；Bernard等在1995年研究了側(cè)偏角與縱滑率的瞬態(tài)延遲特性；1997年Mastinu等利用胎體梁模型并結(jié)合有限元模型推導(dǎo)了輪胎瞬態(tài)特性的半理論模型[50]。

國內(nèi)對輪胎非穩(wěn)態(tài)側(cè)偏特性的理論研究主要有：1993年,孫逢春等以Willumeit的“胎帶- 胎冠- 輪輞”模型為基礎(chǔ)，將其推廣到動(dòng)態(tài)范圍；1996年，郭孔輝等從胎面印跡的側(cè)向變形和胎體的側(cè)向平移變形出發(fā)，在考慮胎寬影響的條件下，根據(jù)輪胎接地印記變形的幾何關(guān)系和接地點(diǎn)瞬時(shí)位置關(guān)系，得出胎面的側(cè)向與縱向瞬時(shí)變形表達(dá)式，考慮胎體的復(fù)雜變形后，模型能真實(shí)地反映輪胎的力學(xué)特性和物理實(shí)質(zhì)，使得理論模型與試驗(yàn)結(jié)果更加吻合[50]。

2.2.2 常用輪胎模型

1) Dugoff輪胎模型

當(dāng)僅研究低側(cè)向加速度下的橫向動(dòng)力學(xué)時(shí)，線性側(cè)向輪胎模型可以給出較好的結(jié)果。但當(dāng)縱向和側(cè)向均發(fā)生滑移，如自動(dòng)緊急操縱，或者當(dāng)側(cè)偏角很大時(shí)，輪胎力在摩擦極限達(dá)到了飽和。Dugoff等基于摩擦橢圓的概念建立了非線性輪胎模型，可以用來說明這兩種作用。Dugoff的輪胎模型被廣泛應(yīng)用于非線性仿真[39,51]。

2) Magic Formula輪胎模型

Pacejka的魔術(shù)公式是在車輛動(dòng)力學(xué)研究中，廣泛用于計(jì)算穩(wěn)態(tài)輪胎力和力矩特性的半經(jīng)驗(yàn)輪胎模型[52]，對于給定垂直載荷和外傾角的魔術(shù)公式一般形式[53]：

y=Dsin[Carctan{Bx-E(Bx-arctanBx)}]，

(1)

Y(X)=y(x)+sV，

(2)

x=X+sH,

(3)

式中：Y為輸出變量；X為輸入變量；B為剛度因子；C為形狀因子；D為峰值因子；E為曲率因子；sH為水平偏移；sV為垂直偏移。

3) Burckhardt輪胎模型

與魔術(shù)公式輪胎模型相比，Burckhardt輪胎模型表達(dá)式更加簡單，二者均準(zhǔn)確捕捉了輪胎的關(guān)鍵性能。由于實(shí)際中輪胎的側(cè)偏剛度受很多因素影響，比如輪胎路面附著系數(shù)、輪胎垂直載荷、車輪縱向滑移、輪胎充氣壓力、輪胎磨損等，Burckhardt輪胎模型并非在所有情況下都準(zhǔn)確，但調(diào)教簡單方便，因此可實(shí)現(xiàn)實(shí)時(shí)仿真[54]。

4) LuGre輪胎模型

LuGre輪胎模型考慮了主要靜態(tài)現(xiàn)象，比如黏附性、動(dòng)摩擦、黏性摩擦以及一些動(dòng)態(tài)現(xiàn)象，比如零滑移時(shí)的位移和遲滯[55]，能較準(zhǔn)確地描繪大部分靜態(tài)和瞬態(tài)摩擦力行為。該模型雖然簡單，但包含了反饋控制所關(guān)注的大部分摩擦現(xiàn)象。低速時(shí)的摩擦特性對良好的轉(zhuǎn)向性能和跟蹤效果尤其重要，該模型能描述任意穩(wěn)態(tài)的摩擦特性，支持輪胎摩擦遲滯引起的滯后現(xiàn)象，黏附性中的彈簧彈性現(xiàn)象。所有這些現(xiàn)象都統(tǒng)一到1階非線性微分方程中，便于摩擦系統(tǒng)的仿真[56]。

2.3 智能汽車橫向控制方法

2.3.1 經(jīng)典控制方法

經(jīng)典控制理論是建立在頻率響應(yīng)法和根軌跡法基礎(chǔ)上的理論，是以拉普拉斯變換為數(shù)學(xué)工具，以單輸入單輸出的線性定常系統(tǒng)為主要的研究對象。

1991年，文獻(xiàn)[20]研究了前饋-PID反饋控制算法的橫向控制。前饋控制循環(huán)利用磁道釘提供的位置、方向、彎道信息，將穩(wěn)態(tài)前輪轉(zhuǎn)角加入到PID反饋控制環(huán)節(jié)中，并表示為曲率半徑的函數(shù)。

1998年，文獻(xiàn)[57]指出在自動(dòng)轉(zhuǎn)向車輛中，通過橫擺角速度反饋將橫擺運(yùn)動(dòng)和橫向運(yùn)動(dòng)解耦是經(jīng)常用到的控制方法。研究表明使用動(dòng)態(tài)前視和橫擺角速度反饋的兩種方法，通過極點(diǎn)消除、零點(diǎn)補(bǔ)償，都能使橫擺運(yùn)動(dòng)解耦，但二者在系統(tǒng)極點(diǎn)或零點(diǎn)是否重新配置上不同,動(dòng)態(tài)前視的解耦控制方法將系統(tǒng)的零點(diǎn)重新定義為開環(huán)系統(tǒng)的極點(diǎn)；而橫擺角速度反饋的解耦控制方法將閉環(huán)系統(tǒng)的極點(diǎn)移至開環(huán)系統(tǒng)的零點(diǎn)。

2011年，文獻(xiàn)[58]基于單軌線性2自由度整車模型，提出了一種由期望航向偏差生成器和魯棒PID反饋控制器組成的橫向控制系統(tǒng)。該系統(tǒng)給出了不同車速范圍的PID控制參數(shù)，具有較好的跟蹤性能。

2011年，文獻(xiàn)[59]使用嵌套PID轉(zhuǎn)向控制來進(jìn)行自主車輛的路徑保持。該控制策略包含兩個(gè)嵌套的控制塊C1和C2，C1在恒定干擾和參數(shù)不確定下基于橫擺角速度偏差跟蹤橫擺角速度，C2基于車輛前方預(yù)瞄位置與道路中心線的橫向偏差，生成橫擺角速度參考信號，使橫向偏差趨于零期望值。上述文獻(xiàn)[20，57-59]所采取的控制器方框圖如表1所示。

雖然經(jīng)典控制理論在工程上應(yīng)用廣泛，但具有明顯的局限性，特別是難以有效地應(yīng)用于多變量系統(tǒng)和時(shí)變系統(tǒng)，也難以揭示系統(tǒng)更深刻的特性。

2.3.2 最優(yōu)控制方法

最優(yōu)控制理論是在給定限制條件和性能指標(biāo)下，尋找使系統(tǒng)性能在一定意義下為最優(yōu)的控制規(guī)律。最優(yōu)跟蹤控制指的是基于最優(yōu)化原理建立的反饋控制方法。

表1 經(jīng)典控制理論Tab.1 Classical control theory

1988年，文獻(xiàn)[18]根據(jù)Bonderson提出的最優(yōu)橫向控制律，選擇反饋控制律的指標(biāo)，并得出求解線性調(diào)節(jié)問題的Riccati代數(shù)方程，設(shè)計(jì)了速度適應(yīng)的全狀態(tài)反饋的橫向控制器來滿足橫向位置跟蹤精度、魯棒性和乘坐舒適性的要求。

在文獻(xiàn)[60]中，2006年，馬瑩等提出了有限時(shí)間最優(yōu)預(yù)瞄橫向控制算法，根據(jù)車道保持控制系統(tǒng)需要較高實(shí)時(shí)性的要求，使用了同時(shí)考慮車輛當(dāng)前偏差、預(yù)瞄點(diǎn)偏差和控制變量的有限時(shí)間二次型性能指標(biāo)函數(shù)，運(yùn)用最優(yōu)跟蹤算法設(shè)計(jì)了最優(yōu)預(yù)瞄控制器，仿真和試驗(yàn)結(jié)果表明該算法具有較好的跟蹤效果[61]。

上述最優(yōu)控制方法雖然能在一定條件下取得不錯(cuò)的控制效果，但控制模型參數(shù)的不確定性，如輪胎的側(cè)偏剛度等，以及外界干擾的不確定性沒有考慮。因此，為了減小不確定性因素對系統(tǒng)控制性能的不利影響，又發(fā)展了兩種控制方法：一種是自適應(yīng)控制，另一種是魯棒控制。

2.3.3 自適應(yīng)控制方法

自適應(yīng)控制是指隨時(shí)辨識系統(tǒng)的數(shù)學(xué)模型并按此模型去調(diào)整最優(yōu)控制規(guī)律。其基本思想是，當(dāng)被控對象內(nèi)部的結(jié)構(gòu)和參數(shù)以及外部的環(huán)境干擾存在不確定性時(shí)，在系統(tǒng)運(yùn)行期間，系統(tǒng)自身能對有關(guān)信息實(shí)現(xiàn)在線測量和處理，從而不斷地修正系統(tǒng)結(jié)構(gòu)的有關(guān)參數(shù)和控制作用，使之處于所要求的最優(yōu)狀態(tài)，得到期望的控制結(jié)果。

在文獻(xiàn)[60]中，2004年，Netto建立了包含道路曲率和橫向風(fēng)阻變化引發(fā)攝動(dòng)的車輛動(dòng)力學(xué)模型，提出了基于視覺的智能車輛橫向自適應(yīng)控制器，并通過仿真檢驗(yàn)了該控制算法的有效性[62]。

2016年，文獻(xiàn)[63]提出一種新的輸出約束控制器來控制路徑跟蹤中的橫向偏差和輪胎滑移時(shí)的橫向穩(wěn)定性。為了消除系統(tǒng)參數(shù)不確定性的影響，同時(shí)考慮車輛的橫向穩(wěn)定性，采用自適應(yīng)和魯棒的線性二次型控制器來獲得最優(yōu)的主動(dòng)前輪轉(zhuǎn)角和直接橫擺力矩。

2.3.4 魯棒控制方法

控制系統(tǒng)的魯棒性一般是指系統(tǒng)在它的參數(shù)或結(jié)構(gòu)發(fā)生攝動(dòng)時(shí)保持某種原有品質(zhì)的能力。魯棒性包括魯棒穩(wěn)定性和魯棒性能[48]。

2004年，文獻(xiàn)[64]基于簡化的兩輪摩托車模型，提出一種橫向魯棒控制器設(shè)計(jì)方法，給出了道路曲率的平滑算法及閉環(huán)系統(tǒng)的仿真結(jié)果，并進(jìn)行了跟蹤誤差分析，考慮了參數(shù)變化所導(dǎo)致的模型不確定和外界干擾引起的不確定性。

2016年，文獻(xiàn)[65]提出了一種新的基于軌跡跟蹤誤差的魯棒控制方法。通過結(jié)合前饋和魯棒控制策略，設(shè)計(jì)了線性模型預(yù)測控制器，使直線和曲線的跟蹤誤差均滿足要求。

2016年，文獻(xiàn)[66]為了解決自主地面車輛路徑跟蹤時(shí)延遲和數(shù)據(jù)丟失的問題，提出了一種魯棒H∞狀態(tài)反饋控制器來實(shí)現(xiàn)路徑跟蹤和橫向控制。為提高控制器的魯棒性，考慮了輪胎側(cè)偏剛度和外界干擾的不確定性。

2.3.5 滑?？刂品椒?/p>

滑模控制(SMC)本質(zhì)是一類特殊的非線性變結(jié)構(gòu)控制，是由前蘇聯(lián)學(xué)者Utkin等于20世紀(jì)50年代提出的，其非線性表現(xiàn)為控制的不連續(xù)性。這種控制策略的特點(diǎn)在于系統(tǒng)的“結(jié)構(gòu)”并不固定，可在動(dòng)態(tài)過程中，根據(jù)當(dāng)前的狀態(tài)有目的地不斷變化，迫使系統(tǒng)按照預(yù)定的“滑動(dòng)模態(tài)”的狀態(tài)軌跡運(yùn)動(dòng)。由于滑動(dòng)模態(tài)可以進(jìn)行設(shè)計(jì)且與對象參數(shù)及擾動(dòng)無關(guān)，SMC具有響應(yīng)快速、對參數(shù)變化及擾動(dòng)不靈敏、控制動(dòng)作簡單可靠等優(yōu)點(diǎn)[48]。

2011年，文獻(xiàn)[67]基于2自由度單軌非線性模型，采用滑模變結(jié)構(gòu)控制理論，設(shè)計(jì)了基于趨近律的自動(dòng)轉(zhuǎn)向控制算法，分析了趨近律函數(shù)的指數(shù)趨近項(xiàng)參數(shù)和等速趨近項(xiàng)參數(shù)對系統(tǒng)輸出的影響，并根據(jù)側(cè)向加速度的要求提出了參數(shù)選取方法。仿真結(jié)果表明，該控制算法在高速路徑跟蹤時(shí)，具有良好的道路跟蹤精度及動(dòng)態(tài)性能。

2012年，文獻(xiàn)[68]基于7自由度非線性車輛動(dòng)力學(xué)模型，設(shè)計(jì)滑?？刂破鞲櫰谕麢M擺角速度，使車輛穩(wěn)定地跟蹤目標(biāo)路徑。仿真和試驗(yàn)表明路徑跟蹤偏差隨著車輛速度及道路曲率的變化波動(dòng)范圍較小，具有較好的魯棒性和自適應(yīng)性。

2016年，文獻(xiàn)[4]比較了3種橫向非線性自適應(yīng)控制器：高階滑模控制器、基于侵入與不變原理的控制器、基于無源輸出反饋的自適應(yīng)PI控制器。3種非線性控制器對于車速和道路曲率變化下的路徑跟蹤都具有較好魯棒性。其中，SMC的穩(wěn)態(tài)偏差較低，但對于高速時(shí)的道路曲率突變很敏感，該滑模控制系統(tǒng)僅在滑動(dòng)階段對干擾不敏感，對滑模到達(dá)前較敏感。

2.3.6 模型預(yù)測控制方法

模型預(yù)測控制(MPC)也叫做滾動(dòng)時(shí)域最優(yōu)控制，該控制器考慮控制系統(tǒng)的非線性動(dòng)力學(xué)模型并預(yù)測未來一段時(shí)間內(nèi)系統(tǒng)的輸出行為，通過解決帶約束的最優(yōu)控制問題使得系統(tǒng)在未來一段時(shí)間內(nèi)的跟蹤誤差最小[69]。這種方法魯棒性較強(qiáng)，能在線處理約束并使其動(dòng)態(tài)得到滿足；對非線性動(dòng)態(tài)的考慮也相當(dāng)方便——采用非線性模型來預(yù)測未來動(dòng)態(tài)[70]。

2012年，文獻(xiàn)[71]提出了對自主和半自主地面車輛的分層控制框架。上層路徑規(guī)劃基于由4輪非線性整車模型建立的運(yùn)動(dòng)基元，下層控制使用非線性模型預(yù)測控制器跟蹤規(guī)劃路徑。所提的控制策略在結(jié)構(gòu)化環(huán)境下，選擇可行的運(yùn)動(dòng)基元比使用實(shí)時(shí)非線性優(yōu)化更快。

2015年，文獻(xiàn)[72]基于試驗(yàn)數(shù)據(jù)，比較了運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)2自由度模型預(yù)測車輛未來狀態(tài)的誤差。動(dòng)力學(xué)模型采用線性輪胎描述輪胎路面間的作用，并基于運(yùn)動(dòng)學(xué)自行車模型設(shè)計(jì)了自主車輛MPC控制器，仿真和試驗(yàn)結(jié)果驗(yàn)證了在有風(fēng)道路和不同車速下該控制算法的有效性。

2015年，文獻(xiàn)[73]采用2自由度自行車模型和魔術(shù)公式輪胎模型，對自主車輛的自動(dòng)轉(zhuǎn)向控制提出了一種非線性模型預(yù)測控制(NMPC)方法。該MPC控制包含兩個(gè)部分：控制系統(tǒng)的數(shù)學(xué)模型和最小化目標(biāo)函數(shù)的最優(yōu)算法，在每個(gè)采樣時(shí)間t，控制器通過車輛模型預(yù)測未來車輛的橫向位置y(t+k|t)，轉(zhuǎn)角控制信號δ(t+k|t)通過求目標(biāo)函數(shù)極值獲得，目標(biāo)函數(shù)定義為系統(tǒng)輸出盡可能接近期望橫向位置w(t+k|t)，并滿足預(yù)先定義的約束。δ(t)=δ(t|t)和y(t)=y(t|t)分別表示實(shí)際前輪轉(zhuǎn)角輸入和車輛橫向位置，如圖1所示。

圖1 模型預(yù)測控制Fig.1 Model predictive control

2.3.7 模糊控制方法

模糊控制是以模糊數(shù)學(xué)理論，即模糊集合論、模糊語言變量及模糊邏輯推理等作為理論基礎(chǔ)，以傳感器技術(shù)、計(jì)算機(jī)技術(shù)和自動(dòng)控制理論作為技術(shù)基礎(chǔ)的一種新型自動(dòng)控制理論和方法。模糊控制器的基本結(jié)構(gòu)主要由模糊化、知識庫、模糊推理和清晰化等4部分組成，如圖2所示。

圖2 模糊控制基本結(jié)構(gòu)Fig.2 Fundamental structure of fuzzy logic control

1994年，文獻(xiàn)[33]設(shè)計(jì)模糊邏輯控制器(FLC)控制車輛的橫向運(yùn)動(dòng)。FLC的結(jié)構(gòu)基于反饋、預(yù)瞄和增益調(diào)節(jié)規(guī)則來建模。FLC的參數(shù)使用了駕駛員的操縱特性和現(xiàn)有控制器信息，模糊預(yù)瞄規(guī)律使用前方道路曲率半徑的信息，增益調(diào)節(jié)規(guī)則基于車速選擇合適的控制器。試驗(yàn)結(jié)果表明，采用FLC的橫向跟蹤效果與采用FSLQ控制器和PID控制器水平一樣。

2011年，文獻(xiàn)[74]提出一種自動(dòng)調(diào)節(jié)的模糊控制器來控制無人駕駛車輛的轉(zhuǎn)向，為達(dá)到這個(gè)目的，實(shí)施了帶約束的迭代遺傳算法，該算法能夠迭代調(diào)整模糊控制器的隸屬函數(shù)和規(guī)則庫。

3 橫向控制執(zhí)行機(jī)構(gòu)設(shè)計(jì)

智能汽車橫向控制執(zhí)行機(jī)構(gòu)由傳感器、控制器、執(zhí)行器3部分組成，主要任務(wù)是通過信號采集和系統(tǒng)控制，控制電機(jī)準(zhǔn)確轉(zhuǎn)動(dòng)前輪，使其偏角到達(dá)期望位置。傳感器主要采集用于電機(jī)控制的信號，如前輪偏角、前輪偏角變化率、電機(jī)轉(zhuǎn)速、電機(jī)相電流等，并傳輸給電力控制系統(tǒng)控制器，電力控制系統(tǒng)控制器根據(jù)期望值和當(dāng)前值反饋控制占空比實(shí)現(xiàn)對電機(jī)的位置控制，執(zhí)行機(jī)構(gòu)則把電機(jī)的轉(zhuǎn)動(dòng)傳遞到前輪的轉(zhuǎn)動(dòng)[12]。

文獻(xiàn)[22]基于磁道釘自動(dòng)公路系統(tǒng)，介紹了PATH項(xiàng)目和通用汽車薩吉諾轉(zhuǎn)向部門合作開發(fā)的自動(dòng)轉(zhuǎn)向控制系統(tǒng)的組成和設(shè)計(jì)方法。轉(zhuǎn)向執(zhí)行機(jī)構(gòu)通過安裝在轉(zhuǎn)向管柱上端的附加無刷直流電機(jī)工作，已有的液壓助力系統(tǒng)作為轉(zhuǎn)向助力，其目標(biāo)是控制伺服根據(jù)指令不斷調(diào)整車輪的轉(zhuǎn)角，使汽車保持在正確的軌跡上。

文獻(xiàn)[75]介紹了美國弗吉利亞理工大學(xué)的CALVIN智能車設(shè)計(jì)方法。該車轉(zhuǎn)向系統(tǒng)采用集成了位置反饋的12 V直流線性執(zhí)行機(jī)構(gòu)，替換了原車齒輪齒條轉(zhuǎn)向器。電機(jī)由脈沖寬度調(diào)制信號(PWM)來控制?？刂破鞯妮斎胄盘柨梢杂勺灾黢{駛模式下的微控制器生成，也可以由手動(dòng)模式下的無線電控制接收機(jī)發(fā)出。

文獻(xiàn)[76]介紹了無人駕駛智能電動(dòng)車平臺的設(shè)計(jì)方法，包括各個(gè)電力控制執(zhí)行機(jī)構(gòu)的設(shè)計(jì)，并使用無人駕駛控制算法驗(yàn)證了該智能車平臺的性能。該轉(zhuǎn)向控制模塊采用電動(dòng)助力轉(zhuǎn)向系統(tǒng)(EPS)，使用24 V、420 W的伺服電機(jī)實(shí)現(xiàn)操縱，EPS的控制基于RS-232c標(biāo)準(zhǔn)串口進(jìn)行，同時(shí)包含一個(gè)測量方向盤轉(zhuǎn)角的傳感器，并通過CAN總線進(jìn)行通訊。

文獻(xiàn)[77]介紹了無人駕駛方程式賽車的線控系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)，其設(shè)計(jì)思想是使線控轉(zhuǎn)向系統(tǒng)能夠像駕駛員那樣操縱汽車。該系統(tǒng)通過集成了減速器的12 V電機(jī)，電機(jī)和轉(zhuǎn)向系統(tǒng)之間通過皮帶輪傳遞運(yùn)動(dòng)，來完成汽車的轉(zhuǎn)向操縱，安裝支架提供了張緊功能。

文獻(xiàn)[78]提出了一種用于自主駕駛汽車U型轉(zhuǎn)彎的橫向控制模塊，該轉(zhuǎn)向系統(tǒng)通過安裝在轉(zhuǎn)向柱上的執(zhí)行機(jī)構(gòu)和減速齒輪機(jī)構(gòu)實(shí)現(xiàn)轉(zhuǎn)向操縱，執(zhí)行機(jī)構(gòu)通過皮帶輪傳遞力矩。控制器讀取CAN總線發(fā)來的電機(jī)轉(zhuǎn)速和位置信息，然后基于RS232發(fā)出期望的轉(zhuǎn)向PWM信號。

4 總結(jié)和展望

智能汽車橫向控制從20世紀(jì)50年代開始研究并持續(xù)到現(xiàn)在，控制方法先后經(jīng)歷了經(jīng)典控制、現(xiàn)代控制和智能控制。本文結(jié)合國內(nèi)外發(fā)展?fàn)顩r，闡述了智能汽車橫向控制的研究歷程，介紹了車輛橫向動(dòng)力學(xué)的建模和常用的輪胎模型，接著闡述了智能汽車橫向控制的理論和方法，并對橫向控制執(zhí)行機(jī)構(gòu)的設(shè)計(jì)進(jìn)行了說明。智能汽車橫向控制今后的研究重點(diǎn)將集中在：

1)整車動(dòng)力學(xué)建模。雖然2自由度模型在輪胎側(cè)偏角較小時(shí)能較好地模擬車輛側(cè)向和橫擺運(yùn)動(dòng)特性，但當(dāng)側(cè)偏角較大時(shí)，需要考慮輪胎的非線性特性，建立更高自由度的車輛動(dòng)力學(xué)模型，同時(shí)也要考慮自由度的增加對實(shí)時(shí)性的影響。因此，整車動(dòng)力學(xué)建模將是橫向控制研究的一個(gè)重點(diǎn)。

2)考慮車輛非線性、不確定性和時(shí)變特性的橫向控制器設(shè)計(jì)。在各種控制方法中，采用智能控制和其他控制相結(jié)合的方法將是今后智能汽車橫向控制研究的熱點(diǎn)，對于復(fù)雜模型中參數(shù)的不確定性和時(shí)變特性，整車參數(shù)估計(jì)、運(yùn)動(dòng)狀態(tài)估計(jì)也是橫向控制研究的重點(diǎn)。

3)自動(dòng)制動(dòng)的同時(shí)緊急轉(zhuǎn)向回避條件下，智能車輛縱向、橫向耦合控制的研究。在緊急工況下，轉(zhuǎn)向避讓是駕駛員的一種自然反應(yīng)，當(dāng)通過制動(dòng)無法避免碰撞時(shí)，往往還可以通過轉(zhuǎn)向進(jìn)行避撞。智能汽車也應(yīng)該在緊急情況下，自動(dòng)制動(dòng)的同時(shí)考慮轉(zhuǎn)向回避控制，以滿足未來汽車安全控制的需要。行駛的汽車是一個(gè)復(fù)雜的強(qiáng)耦合、變參數(shù)的非線性系統(tǒng)，其縱向、橫向運(yùn)動(dòng)是相互耦合、相互影響的，特別是車輛在不平路面上高速行駛時(shí)，其耦合特性更加明顯。以往車輛的縱向、橫向控制是通過兩個(gè)獨(dú)立的控制器完成的，沒有考慮耦合影響，這導(dǎo)致控制器誤差偏大，影響控制精度。因此，分析在自動(dòng)制動(dòng)的同時(shí)，緊急轉(zhuǎn)向回避條件下，智能車輛縱向、橫向運(yùn)動(dòng)的耦合控制將是智能汽車運(yùn)動(dòng)控制研究的一個(gè)重點(diǎn)。

4)智能汽車一體化設(shè)計(jì)。傳統(tǒng)的無人駕駛汽車大多采用加裝執(zhí)行機(jī)構(gòu)的方式改造車輛的轉(zhuǎn)向系統(tǒng)，這種方法存在諸多弊端：該方法將上層決策系統(tǒng)的指令施加于外部機(jī)構(gòu)，有可能導(dǎo)致附加控制系統(tǒng)和原車控制系統(tǒng)不能合理地兼容，難以達(dá)到預(yù)定的控制效果。而且，外加機(jī)構(gòu)的安裝減少了汽車的空間，增加了環(huán)節(jié)和控制的復(fù)雜性及成本，并降低了無人駕駛汽車的可靠性。實(shí)現(xiàn)智能汽車感知決策系統(tǒng)與車輛本身系統(tǒng)的一體化設(shè)計(jì)將在很大程度上緩解甚至消除這些問題。無人駕駛智能汽車一體化設(shè)計(jì)是指綜合考慮無人駕駛汽車對行駛環(huán)境的感知和決策以及車輛的動(dòng)力學(xué)特性之間的相互聯(lián)系和影響，將汽車動(dòng)力學(xué)特性與環(huán)境感知決策進(jìn)行有機(jī)的結(jié)合，在構(gòu)建的無人駕駛汽車平臺上集成設(shè)計(jì)各個(gè)模塊及其相關(guān)過程。智能汽車一體化設(shè)計(jì)主要包含以下4個(gè)方面：

① 設(shè)計(jì)無人駕駛汽車集成平臺，構(gòu)建開放式模塊化的多模態(tài)異構(gòu)信息集成體系，并與汽車信息交互系統(tǒng)、儀表電器和電力控制系統(tǒng)協(xié)調(diào)控制?；谠摷善脚_，無人駕駛汽車能夠?qū)崿F(xiàn)無人駕駛和有人駕駛的無縫切換，做到在無人駕駛模式下，一旦人工因素介入，立即轉(zhuǎn)換為有人駕駛模式，并且保證信息在體系結(jié)構(gòu)中正常工作。

② 車輛發(fā)動(dòng)機(jī)與變速器、制動(dòng)系統(tǒng)的一體化縱向系統(tǒng)性能設(shè)計(jì)。車輛動(dòng)力傳動(dòng)系統(tǒng)匹配得好壞直接影響汽車動(dòng)力性、經(jīng)濟(jì)性、排放性、乘坐舒適性、駕駛安全性和操縱簡易性等重要指標(biāo)。動(dòng)力傳動(dòng)一體化設(shè)計(jì)和電力控制制動(dòng)系統(tǒng)的設(shè)計(jì)決定了車輛的縱向動(dòng)力性和制動(dòng)的安全等性能。

③ 車輛轉(zhuǎn)向系統(tǒng)有人駕駛與無人駕駛系統(tǒng)性能一體化設(shè)計(jì)。自動(dòng)轉(zhuǎn)向系統(tǒng)的設(shè)計(jì)決定了車輛的橫向有關(guān)性能?，F(xiàn)在汽車上基本都配備了EPS，在進(jìn)行無人駕駛汽車自動(dòng)轉(zhuǎn)向系統(tǒng)設(shè)計(jì)時(shí)，不能直接采用有人車輛的EPS控制器進(jìn)行控制，需要根據(jù)無人駕駛車輛的特性要求，重新設(shè)計(jì)轉(zhuǎn)向控制系統(tǒng)，實(shí)現(xiàn)其精確控制。

④ 結(jié)合傳統(tǒng)的汽車動(dòng)力學(xué)，研究無人駕駛汽車動(dòng)力學(xué)試驗(yàn)體系與方法。當(dāng)有人駕駛汽車發(fā)展為無人駕駛汽車后，其操控性能也會(huì)發(fā)生變化。一方面無人駕駛汽車在行駛過程中不再需要考慮操縱系統(tǒng)人機(jī)工程學(xué)的約束；另一方面輸入激勵(lì)參數(shù)也發(fā)生了變化，這便要求對無人駕駛汽車重新進(jìn)行參數(shù)測試和標(biāo)定。

References)

[1] 陳慧巖，熊光明，龔建偉，等. 無人駕駛汽車概論[M]. 北京：北京理工大學(xué)出版社，2014. CHEN Hui-yan, XIONG Guang-ming, GONG Jian-wei,et al. Introduction to self-driving car [M]. Beijing: Beijing Institute of Technology Press,2014.(in Chinese)

[2] Gao Y Q. Model predictive control for autonomous and semiautonomous vehicles [D]. Berkeley，CA, US：University of California, 2014.

[3] Chen C. Backstepping design of nonlinear control systems and its applications to vehicle lateral control in automated highway systems [D]. Berkeley, CA, US：University of California, 1996.

[4] Tagne G, Talj R,Charara A. Design and comparison of robust nonlinear controllers for the lateral dynamics of intelligent vehicles [J]. IEEE Transactions on Intelligent Transportation Systems，2016, 17(3): 796-809.

[5] 郭景華. 視覺導(dǎo)航式智能車輛橫向與縱向控制研究[D]. 大連：大連理工大學(xué)，2012. GUO Jing-hua. Research on lateral and longitudinal control of intelligent vehicle based on vision navigation [D]. Dalian: Dalian University of Technology, 2012. (in Chinese)

[6] Khodayari A, Ghaffari A, Ameli S, et al. A historical review on lateral and longitudinal control of autonomous vehicle motions[C]∥The 2nd International Conference on Mechanical and Electrical Technology. Singapore: IEEE, 2010: 421-429.

[7] Li L,Wang F Y. Advanced motion control and sensing for intelligent vehicles [M]. NY, US：Springer, 2007.

[8] 胡平，郭景華，李琳輝，等. 智能車輛縱橫向反演變結(jié)構(gòu)協(xié)調(diào)控制[J]. 電機(jī)與控制學(xué)報(bào)，2011,15(10)：88-94. HU Ping, GUO Jing-hua, LI Lin-hui, et al. Study on coordinated longitudinal and lateral control of intelligent vehicles using backstepping variable control [J]. Electric Machines and Control, 2011,15(10)：88-94. (in Chinese)

[9] Mikesell D R. Portable automated driver for universal road vehicle dynamics testing [D]. Columbus, OH, US: The Ohio State University, 2008.

[10] 任殿波. 自動(dòng)化公路系統(tǒng)車輛縱橫向控制[D]. 成都：西南交通大學(xué)，2008. REN Dian-bo. Longitudinal and lateral control of vehicles in automated highway system [D]. Chengdu: Southwest Jiaotong University, 2008. (in Chinese)

[11] Lim E H M，Hedrick J K. Lateral and longitudinal vehicle control coupling for automated vehicle operation [C]∥Proceedings of the American Control Conference. San Diego, CA, US: IEEE, 1999: 3676-3680.

[12] 趙熙俊. 智能車輛橫向動(dòng)力學(xué)與控制研究[D]. 北京：北京理工大學(xué)，2011. ZHAO Xi-jun. Study on the lateral dynamics and control for intelligent vehicles [D]. Beijing: Beijing Institute of Technology, 2011. (in Chinese)

[13] Yang J, Hou E, Zhou M C. Front sensor and GPS-based lateral control of automated vehicles[J]. IEEE Transactions on Intelligent Transportation Systems, 2013, 14(1):146-154.

[14] Fenton R E, Mayhan R J. Automated highway studies at the Ohio State University-an overview[J]. IEEE Transactions on Vehicular Technology, 1991, 40(1):100-113.

[15] Shladover S E, Desoer C A, Hedrick J K, et al. Automated vehicle control developments in the PATH program[J]. IEEE Transactions on Vehicular Technology, 1991, 40(1):114-130.

[16] Peng H, Hessburg T, Tomizuka M, et al. A theoretical and experimental study on vehicle lateral control[C]∥1992 American Control Conference(ACC). Chicago, IL,US: IEEE, 1992: 1738-1742.

[17] Peng H. Vehicle lateral control for highway automation[D]. Berkeley, CA,US：University of California，1992.

[18] Fenton R E, Selim I. On the optimal design of an automotive lateral controller[J]. IEEE Transactions on Vehicular Technology, 1988, 37(2):108-113.

[19] Peng H, Tomizuka M. Vehicle lateral control for highway automation[C]∥1990 American Control Conference. San Diego, CA US: IEEE, 1990: 788-794.

[20] Hessburg T, Peng H, Tomizuka M, et al. An experimental study on lateral control of a vehicle[C]∥1991 American Control Conference. Boston, MA,US: IEEE, 1991: 3084-3089.

[21] Peng H, Tomizuka M. Preview control for vehicle lateral guidance in highway automation[C]∥1991 American Control Conference (ACC). Boston, MA, US: IEEE, 1991: 3084-3089.

[22] Tan H S, Guldner J, Patwardhan S, et al. Development of an automated steering vehicle based on roadway magnets—a case study of mechatronic system design[J]. IEEE/ASME Transactions on Mechatronics, 1999, 4(3): 258-272.

[23] Ho M L. Studies on lateral control and lane changing algorithms for application in autonomous vehicles[D]. Hong Kong, China：The Hong Kong Polytechnic University, 2007.

[24] Kato S,Tsugawa S,Tokuda K, et al. Vehicle control algorithms for cooperative driving with automated vehicles and intervehicle communications [J]. IEEE Transactions on Intelligent Transportation Systems, 2002, 3(3): 155-161.

[25] Hernandez J I, Kuo C Y. Steering control of automated vehicles using absolute positioning GPS and magnetic markers[J]. IEEE Transactions on Vehicular Technology, 2003, 52(1):150-161.

[26] Thrun S, Montemerlo M, Dahlkamp H, et al. Stanley: the robot that won the DARPA grand challenge[J]. Journal of Field Robotics, 2006, 23(9): 661-692.

[27] Urmson C, Anhalt J, Bagnell D, et al. Autonomous driving in urban environments: boss and the urban challenge[J]. Journal of Field Robotics, 2008, 25(8):425-466.

[28] Besselmann T,Morari M. Hybrid parameter varying model predictive control for autonomous vehicle steering [J]. European Journal of Control, 2008, 14(5): 418-431.

[29] Kritayakirana K,Gerdes J C. Controlling an autonomous racing vehicle: using feedforward and feedback to control steering and speed [C]∥Proceedings of the ASME 2009 Dynamic Systems and Control Conference. Hollywood, CA, US: ASME, 2009: 1-8.

[30] Hindiyeh R Y ,Gerdes J C. A controller framework for autonomous drifting: design, stability, and experimental validation [J]. Journal of Dynamic Systems, Measurement, and Control, 2014, 136(5): 051015-1-9.

[31] Hong S,Hedrick J K. Roll prediction-based optimal control for safe path following [C]∥2015 American Control Conference. Chicago, IL, US: IEEE, 2015: 3261-3266.

[32] Wang R R,Hu C,Yan F J, et al. Composite nonlinear feedback control for path following of four-wheel independently actuated autonomous ground vehicles [J]. IEEE Transactions on Intelligent Transportation Systems, 2016, 17(7): 2063-2074.

[33] Hessburg T, Tomizuka M. Fuzzy logic control for lateral vehicle guidance [J]. IEEE Control Systems, 1994, 14(4): 55-63.

[34] 郭純，王江，喬國棟. 自主汽車的側(cè)向H∞自適應(yīng)變論域模糊控制[J]. 控制理論與應(yīng)用, 2005，22(6)：905-912. GUO Chun, WANG Jiang, QIAO Guo-dong. H-infinity variable universe fuzzy control for lateral control of autonomous vehicle [J]. Control Theory and Applications, 2005，22(6)：905-912. (in Chinese)

[35] 陳楊，劉大學(xué)，賀漢根,等. 基于車輛動(dòng)力學(xué)的軌跡跟蹤器設(shè)計(jì)[J]. 中國工程科學(xué)，2007，9(11)：68-73. CHEN Yang, LIU Da-xue, HE Han-gen, et al. Design of trajectory tracking controller based on vehicle dynamics [J]. Engineering Sciences, 2007，9(11)：68-73. (in Chinese)

[36] 陳無畏，王家恩，汪明磊，等. 視覺導(dǎo)航智能車輛橫向運(yùn)動(dòng)的自適應(yīng)預(yù)瞄控制[J]. 中國機(jī)械工程，2014, 25(5)：698-704. CHEN Wu-wei, WANG Jia-en, WANG Ming-lei, et al. Adaptive preview control of vision Gguided intelligent vehicle lateral movement [J]. China Mechanical Engineering, 2014, 25(5)：698-704. (in Chinese)

[37] 張伯俊. 四輪轉(zhuǎn)向汽車橫向動(dòng)力學(xué)特性及控制研究[D]. 天津：天津大學(xué)，2006. ZHANG Bo-jun. Study on Lateral dynamics characters and control of 4WS vehicle [D]. Tianjin: Tianjin University, 2006. (in Chinese)

[38] 田磊. 汽車轉(zhuǎn)向性能虛擬主觀評價(jià)方法研究[D]. 長春：吉林大學(xué)，2015. TIAN Lei. Research on virtual subjective evaluation of vehicle steering characters [D]. Changchun: Jilin University, 2015. (in Chinese)

[39] Smith D E,Starkey J M . Effects of model complexity on the performance of automated vehicle steering controllers: Model development, validation and comparison [J]. Vehicle System Dynamics, 1995, 24(2)：163-181.

[40] Kiencke U,Dai? A . Observation of lateral vehicle dynamics [J]. Control Engineering Practice, 1997, 5(8)：1145-1150.

[41] Vietinghoff A V, Hiemer M, Kiencke U. Nonlinear observer design for lateral vehicle dynamics[J]. IFAC Proceedings Volumes, 2005, 38(1):988-993.

[42] Segel L. Theoretical prediction and experimental substantiation of the response of the automobile to steering control [J]. Proceedings of the Institution of Mechanical Engineers: Automobile Division, 1956, 10(1)：310-330.

[43] Andrzej G N. Sensitivity analysis of vehicle design attributes in frequency domain [J]. Vehicle System Dynamics, 1988, 17(3)：141-163.

[44] Koumura S,Ohkita T. Ride comfort evaluation through analysis of roll and lateral vehicle behaviors due to road input [J]. SAE International Journal of Passenger Cars: Mechanical Systems, 2009, 1(1):472-479.

[45] Kazemi R,Bahaghighat M K,Panahi K . Yaw moment control of four wheel steering vehicle by fuzzy approach [C]∥IEEE International Conference on Industrial Technology. Chengdu: IEEE, 2008.

[46] Ahmadi J, Ali Khaki-Sedigh, Abdolreza O. Robustification of input redundant feedback systems using robust actuator weighting in the control allocation problem [J]. International Journal of Control, 2012, 85(9): 1380-1400.

[47] Li L,Lu Y S,Wang R R, et al. A 3-Dimentional dynamics control framework of vehicle lateral stability and rollover prevention via active braking with MPC [J]. IEEE Transactions on Industrial Electronics, 2016,99(6): 1-12.

[48] 李彬. 四輪主動(dòng)轉(zhuǎn)向車輛的側(cè)向動(dòng)力學(xué)控制研究[D]. 上海：上海交通大學(xué)，2010. LI Bin. Study on lateral dynamics control of four wheel active steering wehicle [D]. Shanghai: Shanghai Jiao Tong University, 2010. (in Chinese)

[49] Gim G,Nikravesh P E . An analytical model of pneumatic tyres for vehicle dynamic simulations. Part 1: pure slips [J]. International Journal of Vehicle Design, 1990, 11(6): 589-618.

[50] 劉奮. 四輪轉(zhuǎn)向汽車側(cè)向動(dòng)力學(xué)特性及其控制研究[D]. 上海：上海交通大學(xué)，2003. LIU Fen. Research on lateral dynamics and control of four-wheel-steering vehicle [D]. Shanghai: Shanghai Jiao Tong University, 2003. (in Chinese)

[51] Du H P,Lam J ,Cheung Kie-Chung , et al. Side-slip angle estimation and stability control for a vehicle with a non-linear tyre model and a varying speed [J]. Proceedings of the Institution of Mechanical Engineers. Part D: Journal of Automobile Engineering, 2015, 229(4): 486-505.

[52] Bakker E,Nyborg L,Pacejka H B. Tyre modelling for use in vehicle dynamics studies [C]∥Society of Automotive Engineers International Congress and Exposition. Detroit, MI, US: SAE, 1987: 870421

[53] Pacejka H B . Tyre and vehicle dynamics [M]. Oxford: Elsevier, 2006.

[54] Huang X Y,Zhang H,Zhang G G, et al. Robust weighted gain-schedulingH∞vehicle lateral motion control with considerations of steering system backlash-type hysteresis [J]. IEEE Transactions on Control Systems Technology, 2014, 22(5): 1740-1753.

[55] Porcel A, Laurence P, Basset M, et al. Tyre model for vehicle simulation: overview and real time solution for critical situations [C]∥Proceedings of the 2001 IEEE International Conference on Control Applications. Mexico City, Mexico: IEEE, 2001: 817-822.

[56] De Wit CC ，Olsson H，Astrom KJ, et al. A new model for control of systems with friction [J]. IEEE Transactions on Automatic Control, 1995, 40(3): 419-425.

[57] Chen C,Tan Han-Shue. Steering control of high speed vehicles: dynamic look ahead and yaw rate feedback [C]∥Proceedings of the 37th IEEE Conference on Decision & Control. Tampa, FL, US: IEEE, 1998: 1025-1030.

[58] 趙熙俊，陳慧巖. 智能車輛路徑跟蹤橫向控制方法的研究[J]. 汽車工程, 2011, 33(5)：382-387. ZHAO Xi-jun, CHEN Hui-yan. A study on lateral control method for the path tracking of intelligent vehicles [J]. Automotive Engineering, 2011, 33(5):382-387. (in Chinese)

[59] Marino R,Scalzi S,Netto M. Nested PID steering control for lane keeping in autonomous vehicles [J]. Control Engineering Practice, 2011, 19(12): 1459-1467.

[60] 郭景華，李克強(qiáng)，羅禹貢. 智能車輛運(yùn)動(dòng)控制研究綜述[J]. 汽車安全與節(jié)能學(xué)報(bào),2016,7(2)：151-159. GUO Jing-hua, LI Ke-qiang, LUO Yu-gong. Review on the research of motion control for intelligent vehicles [J]. Journal of Automotive Safety and Energy, 2016,7(2)：151-159. (in Chinese)

[61] 馬瑩，李克強(qiáng)，高峰，等. 改進(jìn)的有限時(shí)間最優(yōu)預(yù)瞄橫向控制器設(shè)計(jì)[J]. 汽車工程，2006，28(5)：433-438. MA Ying，LI Ke-qiang，GAO Feng, et al. Design of an improved optimal preview lateral controller [J]. Automotive Engineering, 2006，28(5)：433-438. (in Chinese)

[62] Netto M S, Chaib S, Mammar S. Lateral adaptive control for vehicle lane keeping[C]∥Proceedings of the 2004 American Control Conference. Boston, MA, US: IEEE,2004: 2693-2698.

[63] Hu C,Wang R R, Yan F J, et al. Output constraint control on path following of four-wheel independently actuated autonomous ground vehicles [J]. IEEE Transactions on Vehicular Technology, 2016, 65(6): 4033-4043.

[64] 李旭，張為公，陳曉冰. 無人駕駛車輛側(cè)向魯棒控制的研究[J]. 汽車工程, 2004, 26(6)：730-734. LI Xu, ZHANG Wei-gong, CHEN Xiao-bing. A research on lateral robust control strategy for intelligent vehicle [J]. Automotive Engineering, 2004, 26(6)：730-734. (in Chinese)

[65] Kayacan E,Ramon H,Saeys W. Robust trajectory tracking error-based model predictive control for unmanned ground vehicles [J]. IEEE/ASME Transactions on Mechatronics, 2016, 21(2): 806-814.

[66] Wang R R,Jing H,Hu C, et al. RobustH∞path following control for autonomous ground vehicles with delay and data dropout [J]. IEEE Transactions on Intelligent Transportation Systems, 2016, 17(7): 2042-2050.

[67] 趙熙俊，劉海鷗，熊光明，等. 自動(dòng)轉(zhuǎn)向滑模變結(jié)構(gòu)控制參數(shù)選取方法[J]. 北京理工大學(xué)學(xué)報(bào)，2011，31(10)：1174-1178. ZHAO Xi-jun, LIU Hai-ou, XIONG Guang-ming, et al. Method of parameter selection for automatic steering sliding mode control [J]. Transactions of Beijing Institute of Technology, 2011，31(10)：1174-1178. (in Chinese)

[68] 王家恩，陳無畏，王檀彬，等. 基于期望橫擺角速度的視覺導(dǎo)航智能車輛橫向控制[J]. 機(jī)械工程學(xué)報(bào)，2012, 48(4)：108-115. WANG Jia-en, CHEN Wu-wei, WANG Tan-bin, et al. Vision guided intelligent vehicle lateral control based on desired yaw rate [J]. Journal of Mechanical Engineering, 2012, 48(4)：108-115. (in Chinese)

[69] 陳慧巖，張玉. 軍用地面無人機(jī)動(dòng)平臺技術(shù)發(fā)展綜述[J]. 兵工學(xué)報(bào)，2014, 35(10)：1696-1706. CHEN Hui-yan, ZHANG Yu. An overview of research on milita-ry unmanned ground vehicles [J]. Acta Armamentarii, 2014, 35(10)：1696-1706. (in Chinese)

[70] 陳虹，劉志遠(yuǎn)，解小華. 非線性模型預(yù)測控制的現(xiàn)狀與問題[J]. 控制與決策，2001,16(4)：385-391. CHEN Hong, LIU Zhi-yuan, XIE Xiao-hua. Nonlinear model predictive control: the state and open problems [J]. Control and Decision, 2001,16(4)：385-391. (in Chinese)

[71] Gray A,Gao Y Q,Lin T, et al. Predictive control for agile semi-autonomous ground vehicles using motion primitives [C]∥2012 American Control Conference. Montréal, Québec, Canada: IEEE, 2012: 4239-4244.

[72] Kong J, Pfeiffer M,Schildbach G, et al. Kinematic and dynamic vehicle models for autonomous driving control design [C]∥2015 IEEE Intelligent Vehicles Symposium. Seoul, Korea : IEEE, 2015: 1094-1099.

[73] Rafaila R C ,Livint G. Nonlinear model predictive control of autonomous vehicle steering [C]∥19th International Conference on System Theory, Control and Computing. Cheile Gradistei, Romania: IEEE, 2015: 466-471.

[74] Onieva E ,Naranjo J E ,Milanés V , et al. Automatic lateral control for unmanned vehicles via genetic algorithms [J]. Applied Soft Computing, 2011, 11(1): 1303-1309.

[75] Caprio M, Larkin S, Bay J, et al. CALVIN: winner of the fourth annual unmanned ground vehicle design competition[C]∥Society of Automotive Engineers International Congress and Exposition. Detroit, MI, US: SAE, 1997: 970174.

[76] Kim I Y,Yang K S,Baek J J, et al. Development of intelligent electric vehicle for study of unmanned autonomous driving algorithm [C]∥Electric Vehicle Symposium and Exhibition (EVS27). Barcelona, Spain: IEEE, 2013: 1-6.

[77] Drage T,Kalinowski J,Br?unl T. Integration of drive-by-wire with navigation control for a driverless electric race car [J]. IEEE Intelligent Transportation Systems Magazine, 2014, 6(4): 23-33.

[78] Park M W,Lee S W,Han W. Development of lateral control module for Zone (U-tum) maneuver of vehicle/driver cooperative autonomous driving system [C]∥2016 IEEE International Transportation Electrification Conference and Expo, Asia-Pacific (ITEC). Busan, Korea: IEEE, 2016: 908-912.

A Review on the Research of Lateral Control for Intelligent Vehicles

CHEN Hui-yan, CHEN Shu-ping, GONG Jian-wei

(School of Mechanical Engineering，Beijing Institute of Technology，Beijing 100081, China)

Intelligent vehicle, which has great advantages in enhancing the driving safety and diminishing road accidents, has become an emerging research focus worldwide. The development and research current status of lateral control for intelligent vehicles at home and abroad are reviewed. The research process and modeling of vehicle lateral dynamics and tire dynamics, the theory and methods of lateral control, and the automatic steering actuator design are discussed and summarized. Several research issues and development trends of lateral control of intelligent vehicles are presented, in which the modeling of vehicle lateral dynamics and the lateral controller design concerning the nonlinearity, uncertainties and time-varying characteristics, particularly in high speed lateral control, and the integrated design combining sensing, perception and decision-making systems with vehicle system dynamics will be research focuses in the future.

control science and technology; intelligent vehicle; lateral control; steering actuator

2017-02-08

國家自然科學(xué)基金項(xiàng)目(91420203)

陳舒平(1984—), 男, 博士研究生。E-mail: cspmoon@gmail.com； 龔建偉(1969—)，男，教授，博士生導(dǎo)師。E-mail: gongjianwei@bit.edu.cn

陳慧巖(1961—), 男, 教授，博士生導(dǎo)師。E-mail: chen_h_y@263.net

U469.79

A

1000-1093(2017)06-1203-12

10.3969/j.issn.1000-1093.2017.06.021