整車壞路可靠性試驗的無人化技術研究

鄭建明 張宇飛 覃斌 張建軍 高坤

（1.中國第一汽車股份有限公司研發總院，長春 130013；2.汽車振動噪聲與安全控制綜合技術國家重點實驗室，長春 130013）

主題詞：強化壞路 自動駕駛 可靠性試驗 循跡行駛 障礙物感知

1 前言

強化壞路試驗是考核車輛可靠性的關鍵方法之一，目前主要以道路強化[1-3]和仿真[4-6]方式開展，正在向無人化、智能化和規范化的方向發展。專業駕駛員駕駛車輛開展整車強化壞路試驗的缺點是：人工駕駛具有隨意性，影響數據的準確性；無法實現不間斷駕駛；夜間和極端天氣條件下難以開展；部分彎道操作難度大，可能導致橫向應力考核不足。

為解決人工駕駛存在的問題，美國ASI公司提出了基于駕駛機器人的可靠性試驗無人化方案，通過鏈接在轉向盤、油門和制動踏板上的執行機構實現轉向、加速及制動等控制。目前，國內無人化測試技術仍停留在理論研究階段[7-9]。2017 年，上海泛亞汽車技術中心研發了基于駕駛機器人的智能駕駛輔助平臺，并在動態廣場和比利時路等路段進行了現場演示，但還未形成完備的系統和成熟的測試方法。

本文對某款純電動汽車的底盤進行線控化改造，并配置底盤域控制器、自動駕駛主控制器、定位和感知傳感器、通訊系統及遠程云端監控系統等，開發適用于試驗場強化壞路的無人化自動駕駛測試系統和測試流程，以實現按試驗規范自動執行測試任務。

2 無人化測試系統架構設計

無人化測試系統分為云端和車端2 個部分，如圖1所示。云端系統即云端監控平臺，采用已商用化的云服務平臺，通過網絡將車端傳感器收集到的數據上傳至云端進行處理并存儲在數據庫中，在數據庫內完成分析并生成各種試驗報表，同時，可通過客戶端軟件進行云端操作和監控，如起動、暫停運行和任務下發等；車端系統的核心是車載智能計算控制平臺，結合車輛平臺及傳感器等外圍硬件，使車輛具有自動駕駛的能力[10-12]。

圖1 無人化測試系統

2.1 云端監控平臺設計

云端監控平臺按功能分為客戶端、控制層、服務層、數據層、實時顯示推送系統和智能網關。控制層負責將客戶端請求分發到相應的服務層，并對客戶端進行響應；服務層包括注冊配置中心、基礎服務及業務服務，負責實現試驗員、管理員等不同權限賬戶的注冊管理、設備管理、車輛監控及命令下發等功能；數據層負責車輛數據存儲；實時顯示推送系統負責車輛日常及故障信息的推送、任務下發等，保證試驗員全面掌握車輛與系統的工作狀態；智能網關在保證通訊鏈路可靠安全的前提下完成平臺與車輛之間的數據傳輸。

2.2 車載智能計算平臺設計

車載智能計算平臺架構主要由異構分布硬件架構和基礎框架軟件組成[13-14]。當前單一芯片尚無法滿足多接口、高算力的要求，同時，該平臺需接入多類型、多數量的傳感器，且需要高可靠和高性能的計算能力，因此采用異構分布架構。異構分布架構由人工智能（AI）單元、計算單元和控制單元組成。基礎框架軟件包括系統軟件和功能軟件，其系統要求可靠運行、實時計算、彈性分布及高算力等，同時可實現感知、規劃、控制、網聯及云控等功能。

系統軟件即為適應異構分布硬件架構的嵌入式系統運行環境。功能軟件采集傳感器數據、設備數據及車端數據，通過感知、決策模塊的綜合計算，結合行駛任務要求，通過執行模塊輸出執行機構可用的加、減速信息、轉向盤轉角、轉速等信息，通過尋跡開展自動駕駛測試。功能軟件具備與云平臺交互、離線調試、日志存儲等諸多功能，如圖2所示。

功能軟件中的安全冗余模塊（Security Redundancy Controller，SRC）作為主控制器與底盤域控制器之間的橋梁，其功能主要是采集和發送車輛信息給主控制器，并將主控制器的信息傳遞給底盤域控制器，同時，SRC可提供故障監測與處理、循跡算法冗余備份等功能，以此提高系統安全性。

圖2 功能軟件模塊

2.3 無人化測試系統試驗流程設計

基于操作方便、使用簡單的原則，需將文本化的試驗規范轉換為測試系統可讀的二進制文件，試驗規范制作流程如圖3所示。制作規范時，軟件應根據特征路段與車速自動計算出合理的加、減速點，同時，當用戶設置路徑中任意點作為變速點時，軟件應依據達到此點前的速度與加速度自動計算出所需要的加速或減速距離，并在界面中清晰顯示。

圖3 試驗規范制作設計流程

3 無人化測試系統硬件配置及功能

車載自動駕駛硬件系統主要包括主控制器、不間斷電源、實時動態（Real-Time Kinematic，RTK）+慣性測量單元（Inertial Measurement Unit，IMU）組合導航模塊、機器視覺單元、激光雷達及毫米波雷達等。車端系統除接收云端任務數據和指令（起動、暫停及停止任務等）、代替駕駛員控制車輛外，還應具有可移植性。系統硬件配置如圖4所示。

圖4 無人自動駕駛系統硬件配置

3.1 組合慣導尋跡配置及功能

為滿足車輛高精度定位要求，采用RTK+IMU 的組合導航方案進行尋跡行駛，如圖5所示。RTK采用載波相位差分技術，在開闊場地可實現厘米級定位，與IMU融合后，即使RTK信號差，系統仍可實現亞米級定位。

圖5 RTK+IMU模塊

3.2 多傳感器融合硬件配置及功能

大部分強化壞路顛簸不平，車身上下起伏及車頭俯仰頻率隨車速和路面強化系數的增加而增加，在極限路段可造成各傳感器的誤檢和漏檢概率增大，尤其是毫米波雷達會頻繁掃描地面造成誤檢，不能單獨使用，因此需配置多傳感器并進行數據融合，以減少誤檢和漏檢。本文將機器視覺、激光雷達和毫米波雷達進行數據級融合，其中：視覺單元作為主要傳感器，如圖6所示，可識別到前方遠距離（≥50 m）的車輛和行人，但對距離的感知精度不高，且在近距離處誤差較大；在較近距離（≤30 m）采用16線激光雷達作為安全傳感器，如圖7所示，其測量精度可達厘米級，且對各種非透明障礙物有良好的探測能力，如輪胎和錐桶等；毫米波雷達探測距離更遠（≥100 m），如圖8 所示，可同時測量障礙物的位置和速度，且不易受天氣影響，但毫米波雷達照射角小，僅可在直路段使用，彎道及顛簸路面探測距離受限且易誤檢測，因此用作輔助傳感器。

圖6 機器視覺單元布置

圖7 激光雷達布置

圖8 毫米波雷達布置

3.3 主控制器及不間斷電源配置及功能

主控制器和不間斷電源如圖9所示：主控制器負責各傳感數據的融合，結合任務指令進行路徑規劃和動作決策等；電源系統采用不間斷供電技術，從整車蓄電池取電供給各子系統，當蓄電池無法輸出電能時，無縫切換到電源內部鋰電池供電狀態。同時，針對強化壞路的惡劣環境，設計了減振機構，為主控制器與電源系統部件提供緩沖，以增強系統的可靠性。

3.4 通訊及交互系統硬件配置及功能

車輛通過總線接收主控制器發送的控制命令實現油門、制動及轉向執行功能，同時將車輛多種狀態信息通過通訊鏈路向外發送。底盤域控制器負責連接線控車輛與主控制器，對往來數據進行加密和解密，保障系統信息安全，且與主控制器的通訊采用自定義接口和數據格式，實現系統的可移植性。通訊系統采用2套通訊鏈路實現安全冗余：主鏈路采用4 GHz 通訊，用于車端與云端系統間的數據交換；輔助鏈路采用2.4 GHz通訊，可使用手持遙控器遠距離遙控停車。

圖9 電源系統和主控制器布置

4 無人化測試系統軟件設計

4.1 自動駕駛橫向控制

橫向控制器主要由前饋控制器和反饋閉環控制器構成，前饋控制消除跟蹤軌跡誤差，反饋閉環控制器主要起到求取最優控制解的作用。反饋閉環控制器依托車輛動力學模型，基于車輛系統狀態方程計算控制量，引入線性二次型調節器（Linear Quadratic Regulator，LQR），窮盡最優解，使得軌跡能量函數最小，最終達成精準控制，橫向控制原理如圖10所示。

圖10 橫向控制原理

4.1.1 車輛動力學模型的建立

基于單車模型假設，搭建車輛動力學模型，僅考慮純側偏輪胎特性，忽略輪胎力的橫縱向耦合關系、橫縱向空氣動力學及載荷的左右轉移，同時將橫、縱向動力學分開。跟蹤軌跡誤差為相對于道路的位置誤差及方向誤差，空間狀態模型[12]為：

式中，e1為車輛的橫向偏差，即車輛質心到中心車道線的距離；e2為車輛行駛方向相對于道路方向的誤差；Cαf、Cαr分別為車輛前、后輪的側偏剛度；lf、lr分別為車輛質心到前、后軸的距離；m為車輛質量；Vx為車輛縱向速度；Iz為車輛相對z軸的轉動慣量；為車輛期望橫擺角速度；δ為前輪轉角。

4.1.2 最優LQR橫向控制原理

因控制矩陣[B1AB1A2B1A3B1]是滿秩的，說明系統可控，因此，設系統控制律[12]為：

式中，k1～k4為矩陣K的4個特征值。

為了獲得期望特征值，使用最優控制中的LQR 對閉環矩陣A-B1K的特征值進行計算[13-14]。

系統的最優前輪轉角的離散形式表示為：

式中，K=[R+B1TP B1]-1B1TPA。

其中矩陣P可通過代數黎卡提方程求解[13-14]：

式中，Q為狀態權重系數；R為控制量權重系數。

為了獲得新閉環系統的狀態矩陣的合理特征值，使用LQR調節器，引入目標函數[13-14]：

依據路面狀況、車輛機械參數限制及系統的性能指標，通過調節Q與R達到理想效果，并利用MATLAB 的LQR 工具箱求得最優解對應的矩陣K的4 個特征值k1～k4，帶入式（3）可求得最優前輪轉角，再根據車輛轉向比，即可求得轉向盤的轉速與轉角。

由于車輛控制器存在控制周期誤差，針對特征路面類型及曲率，引入預瞄距離：

式中，K1為預瞄速度系數；K2為道路曲率系數；V為當前車速；r為當前軌跡半徑。

由于道路曲率與車速的不同，K1、K2需要設定不同的參數，預瞄距離參數配置如表1所示。

表1 預瞄距離參數區間劃分

LQR 最優設計是指設計出的狀態反饋控制器K要使二次型目標函數J取最小值，而K由權矩陣Q與R唯一決定，故Q、R的選擇尤為重要。由式（1）與式（6）可知，在LQR計算過程中，需要進行航向和橫向的權值比例分配，使車輛橫向輸出控制角度誤差逐漸趨于穩定。本系統中，將航向權值分配系數設置為0.5，橫向權值分配系數設置為0.01，通過誤差插值表進行權值的優劣區間劃分，如表2 所示。通過實際調試，達到最優控制的目的。控制流程如圖11所示。

表2 誤差插值表

圖11 橫向控制流程

4.2 無人化自動駕駛縱向控制

縱向控制主要由速度-加速度閉環PID 控制器實現。輸入期望車速與當前車速偏差，計算加速度，再根據IMU 反饋的X、Y、Z方向加速度作為補償量，最終計算出實際執行的加速度并輸入底盤域控制器，縱向控制原理如圖12所示。

圖12 縱向控制原理

4.3 自動駕駛環境感知

根據系統使用環境和路面特點，采用多傳感器融合進行環境感知，感知邏輯流程如圖13所示。

融合部分分為5 個部分，分別是激光雷達+毫米波雷達+視覺傳感器、激光雷達+視覺傳感器、毫米波雷達+視覺傳感器、單獨激光雷達、單獨視覺傳感器，其中激光雷達+視覺傳感器融合邏輯為當二者探測的目標物距離相差<5 m 時，確定該位置存在障礙物，并取激光雷達探測距離數據執行相應控制邏輯，單獨視覺傳感器在使用過程中的限制條件為探測障礙物縱向距離>49 m，若條件限制不滿足則需要依據激光雷達探測結果，保證車輛安全制動。

圖13 環境感知流程

由于路面不平整度較大，在部分路面需關閉毫米波雷達，否則誤識別率極高，無法正常行駛。各路段感知融合狀態開關如表3所示。

表3 不同路面傳感器使用情況

5 無人化測試系統運行結果分析

本文基于搭載無人化測試系統的某純電動汽車在某試驗場進行了一定里程的強化壞路試驗。強化壞路試驗規范要求的車速偏差為±2 km/h，車輛橫向偏移在±0.3 m 以內，且須長期保持一致性。經統計，人工駕駛的車速偏差至少在20%以上，無法保證試驗精度要求。經測試，無人化系統即使在高速急彎路段，橫向平均偏移也可控制在±0.2 m以內，縱向行駛速度偏差可控制在±0.2 m/s 以內，無人化測試系統橫向偏差如圖所示，無人化測試系統與人工駕駛的速度對比如圖14所示。

圖14 自動駕駛橫向偏差

圖14 自動駕駛與人工駕駛的速度曲線對比

6 結束語

本文提出了整車壞路可靠性試驗的無人化測試方案，以某純電動汽車為試驗對象進行了系統搭建。試驗結果表明，無人化測試系統可用于場地可靠性試驗，且在規范執行、精度控制等方面均有顯著優勢。

本文重點研究了無人化測試系統代替人工駕駛的技術及可行性，但車輛點檢及問題暴露等方面工作仍需試驗員輔助完成，目前已實現輪胎壓力、車門狀態等少數狀態量的實時自動獲取，需要在后續開發中加快應用智能傳感、云平臺遠程控制等先進測試技術，提升故障檢測能力，快速推進全試驗鏈的無人化進程。