智能車路徑跟蹤控制算法的簡述

摘 要：智能車主要分為路徑規劃、路徑跟蹤、自動泊車三大部分。路徑規劃主要研究車輛的避障問題，路徑跟蹤主要研究車輛跟隨期望路徑的有效性，自動泊車主要分析車輛在有限的幾何空間內將車輛泊到指定的空間位置。其中路徑跟蹤是其核心部分，根據研究方法的不同，主要分為“預瞄跟隨模型”和“智能控制模型”。文章根據預瞄點的不同，主要分析單點預瞄模型、兩點預瞄模型、路程預瞄模型。根據智能控制方法的不同，主要分析模糊邏輯控制駕駛員模型、神經網絡控制駕駛員模型、模型預測控制駕駛員模型。主題詞：智能車;預瞄跟隨模型;智能控制模型中圖分類號：U471 ?文獻標識碼：A ?文章編號：1671-7988（2020）01-49-02

Abstract： Smart cars are mainly divided into three parts： path planning， path tracking， and automatic parking. Path planning mainly studies the obstacle avoidance problem of vehicles. Path tracking mainly studies the effectiveness of vehicles following the expected path. Automatic parking mainly analyzes vehicles parking vehicles in a limited geometric space to a specified spatial position. Path tracking is its core part. According to different research methods， it is mainly divided into “pre-targeting model” and “intelligent control model”.According to the different pre-pointing points， this paper mainly analyzes the single-point preview model， the two-point preview model， and the route preview model. According to the different intelligent control methods， the fuzzy logic control driver model， the neural network control driver model， and the model predictive control driver model are mainly analyzed.Keywords： Smart car vehicle; Preview follower model; Intelligent control modelCLC NO.： U471? Document Code： A? Article ID： 1671-7988（2020）01-49-02

前言

駕駛員模型在人-車-路閉環系統中有著重要作用。為了建立更逼真的駕駛員模型，充分考慮駕駛員的前視作用。文獻[1]建立了一種單點預瞄的駕駛員模型。文獻[2]建立了一種兩點預瞄的駕駛員模型。文獻[3]建立了更一般的預瞄形式即路程預瞄駕駛員模型。隨著控制理論的發展，有關學者將智能控制方法引入到了駕駛員模型，建立了一類具有推理思維的駕駛員模型。文獻[4]結合模糊邏輯控制方法具有模擬人的推理過程的優勢，建立了一種模糊邏輯智能控制駕駛員模型。文獻[5]基于樣本的數據，建立了一種神經網絡駕駛員模型。文獻[6]結合模型預測控制算法具有預測和滾動優化的優勢，建立了一種基于模型預測控制的駕駛員模型。以上模型在路徑跟蹤方面均取得了一定進展，得到了較高的跟蹤精度。

1 預瞄跟隨模型的概述

預瞄跟隨模型是由日本學者Kondo最早建立的。其結構框圖如圖1所示。駕駛員通過預瞄作用來獲取目標路徑上的坐標信息，得到期望的跟隨軌跡。此時車輛模型反饋出實際的跟蹤軌跡。這樣可以得到期望路徑軌跡與跟蹤軌跡的誤差。駕駛員通過橫向誤差來決策出理想的方向盤轉角作用于車輛。形成閉環控制。這樣整個預瞄跟隨的人-車-路駕駛員模型就建立起來了。

基于預瞄的前視作用，我國學者郭孔輝院士首次提出了“單點預瞄”模型[1]。該模型將駕駛員的視線主要集中于前方目標路徑的一點，通過預瞄點的橫向誤差來決策出理想的方向盤轉角，使期望路徑與目標路徑的橫向誤差為零。

基于單點預瞄模型，不少學者建立了兩點預瞄模型[2，3，7]。兩點預瞄模型主要通過兩個不同的點進行預瞄跟隨控制。通過控制不同的預瞄點，來決策出最優的方向盤轉角。兩點預瞄主要優勢是可以借助對目標路徑曲率的判斷，建立了基于曲率與車速的遠近兩點智能控制，根據不同曲率選擇預瞄的遠近點。遠點主要用于直線路徑跟隨，近點主要用于彎道路徑跟隨。單點預瞄模型和兩點預瞄模型在路徑跟蹤方面取得了一定進展，但是并沒充分反應駕駛員的預瞄跟隨行為。駕駛員預瞄更一般的形式是其預瞄點不僅集中于前方目標路徑的一點，而是集中于前方一段路，并使預瞄路段的累計誤差最小。文獻[3]建立了一種基于路程預瞄的駕駛員模型控制，通過對一段路程進行預瞄跟隨，來決策出最優的方向盤轉角。

2 智能控制模型的概述

隨著智能控制的發展，很多學者將智能控制算法引入到駕駛員模型。結合智能控制具有模擬人的推理能力。能較好的應用于車輛這種非線性系統。文獻[4]建立了基于模糊邏輯控制的駕駛員模型，通過控制輸入變量，定義模糊規則，解模糊化來決策出輸出變量方向盤轉角。由于模糊規則是基于專家經驗，因此在一定程度上能模擬認定思維，能很好的適應于非線性，使所建立的駕駛員模型具有較高的精度和較好的魯棒性。

神經網絡控制駕駛員模型，神經網絡控制主要是依據傳

感器所采集的樣本數據進行網絡權值訓練。神經網絡控制通過建立不同的網絡層，每一層設置不同的網絡節點，不同的節點設置不同的權重值。大量的樣本數據來優化權重值。不需要的精確的數學模型，能夠較好的應用于車輛的非線性系統，且樣本數據量越大，訓練的網絡結構越逼近真實駕駛員模型。

模型預測駕駛員模型，由于車輛模型較復雜，無法建立精確的數學模型。同時駕駛員模型需要考慮較多的不定因素，同時在整個局部路徑階段，需要不斷的優化出最優的方向盤轉角。模型預測控制算法基于系統當前的狀態，通過控制系統當前的增量。預測模型未來的輸出狀態量。模型預測控制算法通過施加約束條件，不斷滾動優化目標函數。可以實時決策出理想的方向盤轉角。

3 結束語

本文基于“預瞄-跟隨”理論，簡述了基于預瞄模型所建立的“單點預瞄模型”、“兩點預瞄模型”、“路程預瞄模型”的跟隨算法。其預瞄作用進一步逼近真實駕駛員的前視作用，為建立更科學的駕駛員模型提供了有效的參考方法。基于智能控制算法，介紹了模糊邏輯智能控制駕駛員模型，神經網絡駕駛員模型，模型預測駕駛員模型。以上模型從不同方面模擬人的思維能力，使建立的駕駛員模型更具有智能化。

參考文獻

[1] 郭孔輝.汽車操縱動力學原理[M].南京：江蘇科學技術出版社，2011.

[2] 楊浩，黃江，李正網，李攀，韓中海.基于曲率與車速的兩點智能控制駕駛員模型[J].汽車技術，2017（08）：38-42.

[3] 楊浩，黃江，李攀，韓中海.基于路程預瞄的駕駛員模型[J].汽車技術，2019（02）：7-13.

[4] 刁勤晴，張雅妮，朱凌云.雙預瞄點智能車大曲率路徑的橫縱向模糊控制[J].中國機械工程，2019，30（12）：1445-1452.

[5] 郭孔輝，潘峰，馬鳳軍.預瞄優化神經網絡駕駛員模型[J].汽車工程學報，2003（01）：26-28+64.

[6] 王藝，蔡英鳳，陳龍，等.基于模型預測控制的智能車輛路徑跟蹤控制器設計[J].汽車技術，2017（10）：44-48.

[7] 張慧豫.采用遠近兩點預瞄的新型駕駛員轉向模型研究[D].南京：南京航空航天大學，2012.