車聯網技術視域下無人駕駛新能源汽車路徑跟蹤控制系統設計

賈長建

(陜西工業職業技術學院 汽車工程學院，陜西 咸陽 712000)

近年無人駕駛新能源汽車逐漸發展為汽車研究的一大主要熱點，汽車屬于繁雜的非線性系統，運行于不同工況下，所以汽車路徑跟蹤控制一直都是學術領域研究的重難點。車聯網視域下，無人駕駛新能源汽車路徑跟蹤控制主要包含兩個環節，即橫向與縱向控制。其中，橫向控制即不同車速與負載狀態下，控制汽車轉向可將汽車位置保留在期望路徑中心線上，實際上就是方向盤控制；縱向控制即車速控制，實際上就是油門或剎車控制。二者相較而言，橫向控制更加關鍵，這主要是由于其與路徑跟蹤息息相關，是確保汽車安全性與平穩性的重要前提，對于控制系統與算法要求相對偏高[1]。

1 車聯網框架分析

車聯網基于汽車安裝通信終端，通過通信網絡平臺提取汽車屬性與狀態等相關信息，并合理利用信息，根據功能需要，實時監控管理汽車，提供具備綜合性服務的系統。車聯網以計算機、傳感器、網絡等多元化信息技術為載體，全方位感知汽車與道路狀況，且在行駛過程中不同汽車之間，以及汽車與基站之間構建無線通信，以分發處理信息。面向無人駕駛新能源汽車運行進行全程控制，以保障擁堵時道路行車順暢與車輛行駛平穩性。采取多條轉發方式，信號范圍之外，新能源汽車間可實現通信銜接，以共享信息。車聯網的車車、車路通信所構建網絡框架[2]，具體如圖1所示。

圖1 車聯網框架

2 汽車模型構建

基于汽車運動學模型進行控制系統設計，具備突出性優勢，即實時性較高、結構簡單。忽視汽車翻滾仰視等復雜運動，將汽車簡化成兩輪運動學模型[3]，具體如圖2所示。

圖2 運動學模型

其中，(xi，yi)代表前軸；(xk，yk)代表后軸；β代表航向角；δ代表前輪偏角；T代表軸距；wi、wk分別代表前輪、后輪瞬時速度。

以(xk，yk，β)作為狀態量，(w，δ)作為輸入量，獲得無人駕駛新能源汽車運動狀態方程[4]，即

(1)

3 路徑跟蹤控制系統設計

3.1 橫向控制系統

基于GPS反饋汽車具體位置，先搜尋目標路點，通過車道路曲率明確預瞄間距，然后確定方向盤轉角與預瞄誤差間的傳輸函數關聯性，且以仿駕駛員經驗的反饋系統及時修正控制輸出，以獲得最佳方向盤轉角角度，橫向誤差控制算法流程[5]具體如圖3所示。

圖3 橫向誤差控制算法流程

橫向誤差控制算法通過簡化汽車運動學模型，轉變為自動車模型，基于幾何關系，獲取方向盤具體轉角。

3.2 縱向控制系統

基于運動學模型與預瞄跟隨理論，構建前車輪轉角與橫向預瞄偏差之間的傳輸關聯性，即前車輪轉角前饋控制。就系統而言，受擾動影響，單純依賴于前饋根本無法保障系統穩定性與可靠性。所以，以航向角偏差反饋控制方式，保障系統穩定性。航向角反饋控制[6]具體如圖4所示。

圖4 航向角反饋控制

其中，θ代表當前位置車輛航向角；θq代表預瞄點車輛目標航向角。通過添加航向角反饋控制，在參考目標路徑曲率變化相對較大時，車輛跟蹤誤差則會顯著縮小。

4 視覺目標識別與路徑跟蹤控制

4.1 特征提取

新能源汽車行駛時，需利用攝像頭采集道路與汽車具體信息，為防止碰撞，需識別并跟蹤控制目標。在識別時，需通過視頻全區域自定義所采集圖像，其中目標區域明確為I，面向視頻圖像開展灰度處理分析，強化梯度，同時以雙邊濾波去除圖像噪聲。與Canny算子有機結合提取邊緣信息，獲取輪廓，明確為感興趣區域ROI，精確識別此區域中目標特征。

4.2 特征融合

(2)

式中：xr∈Fv，yr∈Fw為新能源汽車處于r時刻時的狀態值與量測值；p()為非線性狀態觀測函數；f()為非線性狀態轉移函數；mr-1為獨立狀態噪聲；nr為量測噪聲；二者都屬于獨立分布離散噪聲。

(3)

(4)

4.3 運動狀態

全程跟蹤目標物體過程中，設定目標粒子狀態向量即

(5)

Xr=Xr-1+Wr+Uμr

(6)

粒子表觀模型構建過程中，前幀圖像信息是觀測值時，基于觀測概率實時更新粒子權值，以獲取表觀模型的似然函數得出真實具體目標位置，從而實現目標跟蹤。表觀模型構建過程中，ROI協方差描述，即

(7)

式中：νr(Bi,Bj,Br)表示多特征組合特征值，即

νrBixr-xr(Bj,Br)=0(r=1,2,3,…,e)

(8)

基于特征協方差內涵獲得表觀模型似然函數，即

(9)

4.4 實時跟蹤

基于粒子迭代進行目標實時跟蹤[8]。其中粒子權值即

(10)

而粒子權值歸一化即

(11)

粒子重采樣，首先粒子數目，即

(12)

如果，Weff

(13)

狀態估計，即

(14)

(15)

狀態估計獲得W個新樣本，結果即

(16)

(17)

5 仿真分析

選用Prescan與Matlab/Simulink相結合平臺，面向汽車路徑跟蹤控制系統仿真研究，模擬道路模型，基于差分GPS采集道路實際坐標，生成數據信息。汽車選用Prescan動力學模型，仿真參數具體如表1所示。

仿真結果分析[9]具體如圖5～圖7所示。

表1 仿真參數

由圖5～圖7可知，路徑跟蹤控制系統可有效控制無人駕駛新能源汽車以高精確度全程跟蹤參考軌跡，尤其是車速控制在40 km/h狀態時，跟蹤路徑與目標路徑之間最大偏差控制在0.36 m以內，且控制算法能夠自適應車速變化，盡管在彎道時，車速過高，也可適度控制路徑跟蹤誤差。通過方向盤轉角可全面了解路徑跟蹤整個過程，汽車行駛的穩定性與通暢性。車速可較好跟蹤規劃的期望速度，系統穩態誤差相對偏小。總之，控制此系統可切實應用于無人駕駛新能源汽車路徑跟蹤控制實車中，且實踐效果良好。

圖5 軌跡跟蹤結果

圖6 方向盤轉角曲線

圖7 車速跟隨曲線

6 結 論

綜上所述，路徑跟蹤控制屬于無人駕駛新能源汽車核心技術，基于車輛橫向與縱向控制，促使無人駕駛新能源汽車沿目標軌跡平穩行進。現階段，駕駛輔助系統核心技術即有效保障車輛穩定跟蹤規劃目標路徑，以此實時跟蹤控制無人駕駛新能源汽車。據此本文基于車聯網技術設計了無人駕駛新能源汽車路徑跟蹤控制系統，通過仿真驗證，結果表明系統可有效控制無人駕駛新能源汽車基于高精確度跟蹤參考軌跡，算法可自適應車速實時變化；可觀察整個目標跟蹤過程車輛行駛的平穩性；汽車可快速、準確跟蹤預期路徑，穩態誤差較小。