基于改進(jìn)預(yù)瞄控制模型的車道保持系統(tǒng)設(shè)計(jì)

摘要：為解決扭矩控制的車道保持（LKA）系統(tǒng)魯棒性不高、受車輛制造一致性以及路面激烈干擾影響大的問題，采用神經(jīng)網(wǎng)絡(luò)技術(shù)、Autofix算法及預(yù)瞄反饋控制理論，利用預(yù)期軌跡決策和跟隨PID控制算法設(shè)計(jì)了一套基于角度控制的車道保持系統(tǒng)。基于Carsim/Veristand/MATLAB搭建了硬件在環(huán)仿真試驗(yàn)平臺，通過虛擬仿真驗(yàn)證了該車道保持系統(tǒng)設(shè)計(jì)的有效性與準(zhǔn)確性。基于GB/T39323—2020、CN-CAP—2021、Euro-NCAP—2022并結(jié)合實(shí)車調(diào)試及用戶關(guān)注場景對車道保持系統(tǒng)的測試要求，通過仿真及實(shí)際場景對比驗(yàn)證得出以下結(jié)論：相對于扭矩控制的LKA系統(tǒng)，在相同使用場景下，使用角度控制的車道保持系統(tǒng)具有較好的車道保持能力、穩(wěn)定性、適應(yīng)性和魯棒性。

關(guān)鍵詞：車道保持系統(tǒng)；角度控制；預(yù)瞄控制；Autofix算法；比例積分微分控制

中圖分類號：U467.1

DOI：10.3969/j.issn.1004-132X.2024.03.017

0引言

高度集成的自動駕駛汽車是主機(jī)廠不斷追求的目標(biāo)，佐思汽研數(shù)據(jù)顯示，2021年中國自主品牌高級駕駛輔助系統(tǒng)（advaneddriveassistancesystems，ADAS）裝配率為29.1%；2022年同期裝配率繼續(xù)維持上漲態(tài)勢，裝配率接近34%。車道保持系統(tǒng)的使用可以有效減少疲勞駕駛引起的交通事故，研究表明，當(dāng)車輛都搭載車道保持系統(tǒng)時(shí)，可以減少約12%的道路交通事故［1-4］。

國內(nèi)外學(xué)者對車道保持的實(shí)現(xiàn)方式進(jìn)行了理論研究。文獻(xiàn)［5-9］采用比例積分微分（proportional-integral-derivative，PID）前饋反饋控制方案設(shè)計(jì)車道保持系統(tǒng)，利用反饋誤差學(xué)習(xí)機(jī)制來學(xué)習(xí)車輛的逆動力學(xué)，并消除外部干擾和不確定性對車道保持系統(tǒng)的影響，通過MATLAB/Simulink和Carsim在不同速度下的聯(lián)合仿真，驗(yàn)證了所提方法的有效性和魯棒性。CHEN等［10］、AMDITIS等［11］基于跨道時(shí)間（timetolanecrossing，TLC）方法，分別給出直線道路和曲線道路情況下跨道時(shí)間的計(jì)算方法，并通過臺架聯(lián)合仿真實(shí)驗(yàn)驗(yàn)證聯(lián)合算法的準(zhǔn)確性。MARINO等［12］、SHOJAEI［13］、XU等［14］將自抗擾控制及自適應(yīng)多變量超扭控制應(yīng)用于轉(zhuǎn)向控制器的設(shè)計(jì)，主動補(bǔ)償外部干擾，通過仿真驗(yàn)證該控制器的有效性。RATHAI等［15］基于模型預(yù)測控制（modelpredictivecontrol，MPC）算法設(shè)計(jì)了一種車輛車道保持系統(tǒng)，仿真結(jié)果表明，該控制器的性能和穩(wěn)定性優(yōu)于剪切線性二次型調(diào)節(jié)器（cuttinglinearquadraticregulator，CLQR）控制器。YU等［16］提出一種基于電液轉(zhuǎn)向系統(tǒng)的客車車道保持輔助系統(tǒng)，并利用TruckSim、AMESim和MATLAB/Simulink聯(lián)合仿真軟件進(jìn)行實(shí)驗(yàn)驗(yàn)證。KANG等［17］針對電動助力轉(zhuǎn)向系統(tǒng)（electricpowersteering，EPS），對一種基于轉(zhuǎn)矩疊加的轉(zhuǎn)向盤角度控制方法進(jìn)行了創(chuàng)新，并提出多速率保持航道控制方案，減小橫擺角速度的波動，以提高系統(tǒng)的車道保持性能。KIM等［18］提出一種基于力矩疊加的電動助力轉(zhuǎn)向魯棒轉(zhuǎn)向盤角度控制方法，利用輸入狀態(tài)穩(wěn)定性特性，采用反推方法設(shè)計(jì)非線性阻尼控制器來抑制角跟蹤誤差。WANG等［19］基于強(qiáng)跟蹤自適應(yīng)平方根容積卡爾曼濾波（strongtrackingadaptivesquare-rootcubatureKalmanfilter，ST-SRCKF）側(cè)滑角自適應(yīng)預(yù)測控制器計(jì)算所需轉(zhuǎn)向角和附加偏航力矩，并通過硬件在環(huán)驗(yàn)證該車道保持系統(tǒng)的可靠性。CHU等［20］基于線性自抗擾控制與定量反饋理論設(shè)計(jì)車道保持系統(tǒng)，并通過仿真和試驗(yàn)驗(yàn)證轉(zhuǎn)向控制器的可行性。WANG等［21］基于人工勢法和轉(zhuǎn)向/制動系統(tǒng)協(xié)調(diào)，設(shè)計(jì)車道保持控制系統(tǒng)，通過Carsim/Simulink仿真和硬件在環(huán)試驗(yàn)驗(yàn)證基于改進(jìn)人工勢函數(shù)的滑模控制器和轉(zhuǎn)向制動系統(tǒng)協(xié)調(diào)策略的有效性和優(yōu)越性。CHEN等［22］提出了一種基于人類模擬智能控制（human-simulatedintelligentcontrol，HSIC）的新型自動駕駛車輛車道保持控制方法，在PreScan和Carsim聯(lián)合仿真平臺上的實(shí)驗(yàn)結(jié)果表明，該方案與專家駕駛員具有更好的匹配性能和良好的魯棒性。綜上，基于前饋的PID閉環(huán)控制或自適應(yīng)控制是提高系統(tǒng)控制精度常見的控制手段，但是大部分研究只考慮駕駛員行為、車輛整體動力學(xué)或者道路環(huán)境的影響，未對比EPS執(zhí)行器的綜合影響，且大多數(shù)處于仿真驗(yàn)證階段，缺乏有效的實(shí)車驗(yàn)證。

扭矩控制是常用的車道保持輔助（lanekeepingassist，LKA）系統(tǒng)請求控制方式，大量車型驗(yàn)證和對標(biāo)結(jié)果證明，使用扭矩控制的車道保持系統(tǒng)魯棒性較差，受車輛制造裝配一致性及路面激勵的影響較大，導(dǎo)致控制穩(wěn)態(tài)精度不高。本文采用預(yù)期軌跡決策和跟隨PID控制算法設(shè)計(jì)一套基于角度控制的車道保持系統(tǒng)。利用Carsim建立車輛動力學(xué)模型，利用Veristand/MATLAB管理及配置系統(tǒng)、模型、硬件，搭建硬件在環(huán)仿真試驗(yàn)平臺，實(shí)現(xiàn)聯(lián)合仿真，通過仿真和實(shí)際道路試驗(yàn)來驗(yàn)證所提系統(tǒng)設(shè)計(jì)的有效性。

1LKA控制策略

LKA工作系統(tǒng)框圖見圖1，通常為分層結(jié)構(gòu)，分為感知層、信息處理層、決策控制層和執(zhí)行層，各部分均基于模塊化思想進(jìn)行設(shè)計(jì)，其工作相對獨(dú)立，提高了各模塊的靈活性和通用性［23-25］。LKA系統(tǒng)感知層提供了信息處理層，用于輸出車道線信息、車輛狀態(tài)信息（轉(zhuǎn)角、橫擺角速度、駕駛員手力矩）。信息處理層根據(jù)車道線信息、車輛信息得到車輛與車道線的位置關(guān)系。決策層就是LKA控制器，根據(jù)信息處理端輸入的車輛狀態(tài)信息與車道線信息來決策LKA狀態(tài)，與感知層一起組成了攝像頭硬件模塊。控制層根據(jù)車輛狀態(tài)、道路情況輸出對應(yīng)角度請求到EPS執(zhí)行層。

2LKA控制算法

路徑跟蹤控制是車道保持控制的關(guān)鍵技術(shù)，模型預(yù)測提前規(guī)劃下一階段路徑，提前評估、決策、執(zhí)行，能夠克服模型誤差和不確定環(huán)境干擾帶來的影響，魯棒性強(qiáng)，實(shí)時(shí)控制性好［26-28］。圖2所示為信息處理與決策層控制流程。通過駕駛輔助攝像頭獲取道路信息，輸入攝像頭的前饋控制器進(jìn)行軌跡預(yù)測信息處理，結(jié)合反饋控制器接收車身相關(guān)信息，如轉(zhuǎn)向盤轉(zhuǎn)角、扭矩和車身姿態(tài)等信息，輸出LKA控制最理想的控制狀態(tài)。

角度規(guī)劃采用濾波算法，用于平滑過渡控制和手感校正，有效過濾上層請求值中頻率較高的振動。該濾波算法的最終輸出形式為緩升緩降，保證階躍請求值不會產(chǎn)線劇烈跳變，讓EPS跟隨響應(yīng)更好。在轉(zhuǎn)速閉環(huán)控制中加入前饋控制，從而有效降低控制滯后性。

該算法位置環(huán)比例控制根據(jù)目標(biāo)轉(zhuǎn)角和車速進(jìn)行查表控制，將大角度請求工況和小角度請求工況分開，有效解決大角度工況的請求和響應(yīng)滯后的問題。速度環(huán)PI控制根據(jù)目標(biāo)轉(zhuǎn)角與實(shí)際轉(zhuǎn)角的偏差值進(jìn)行查表控制，采用積分參數(shù)可解決比例控制受路面環(huán)境干擾較大，尤其是大曲率彎道或斜坡路面時(shí)單純采用比例控制導(dǎo)致轉(zhuǎn)向盤轉(zhuǎn)動幅度較大、收斂慢、控制不舒適的問題。同時(shí)為避免積分參數(shù)過大而導(dǎo)致超調(diào)的問題，需要加入積分觸發(fā)條件及清除積分的操作。

前饋力矩根據(jù)目標(biāo)轉(zhuǎn)角查表計(jì)算得到，通過加入前饋控制來削弱反饋控制的強(qiáng)度，有效減少過彎時(shí)和傾斜路面對控制的干擾。

2.1預(yù)瞄控制機(jī)制

LKA控制系統(tǒng)采用預(yù)瞄反饋控制理論，在行駛過程中獲取當(dāng)前狀態(tài)作為初始條件，結(jié)合系統(tǒng)模型在預(yù)測時(shí)間內(nèi)的狀態(tài)輸出最優(yōu)控制值［5-9］。圖3為預(yù)瞄遠(yuǎn)近點(diǎn)示意圖，其中，遠(yuǎn)、近預(yù)瞄點(diǎn)的PID反饋控制用于消除車輛和目標(biāo)軌跡間的橫向偏差和航向偏差，使車輛能快速且穩(wěn)定地回到目標(biāo)軌跡。同時(shí)根據(jù)車速進(jìn)行查表控制，高速行駛時(shí)，將預(yù)瞄點(diǎn)拉遠(yuǎn)；在低速行駛時(shí)，將預(yù)瞄點(diǎn)拉近。前饋控制用于消除在彎道中由曲率帶來的較大偏差量，使得遠(yuǎn)、近預(yù)瞄點(diǎn)的PID控制模型在直道和彎道中不會有明顯差異，避免彎道中的PID超調(diào)和控制量不足的情況，

結(jié)合實(shí)車調(diào)試經(jīng)驗(yàn)，為加快車輛轉(zhuǎn)向盤對路面或人為激勵收斂速度，加入微分反饋校正；同時(shí)考慮EPS執(zhí)行器存在較大死區(qū)，尤其是在小角度請求時(shí)EPS不響應(yīng)或響應(yīng)較慢的問題，需加入超前校正，同時(shí)請求角度加入死區(qū)補(bǔ)償，加快跨越死區(qū)的速度。

2.2PID控制器設(shè)置

通過計(jì)算輸入偏差的比例、積分、微分，并求取各部分的加權(quán)和得出控制量控制系統(tǒng)來達(dá)到穩(wěn)定狀態(tài)。對于離散系統(tǒng)PID控制器，t時(shí)刻的輸出控制量u（t）可表示為

考慮到在車道保持控制中，針對不同速度和曲率下，對于同一誤差量，可能會需要不同的控制輸出以達(dá)到穩(wěn)定控制效果，同時(shí)為提高舒適性，還需根據(jù)車輛和目標(biāo)軌跡的相對位置來調(diào)節(jié)PID參數(shù)，因此，分別對遠(yuǎn)近點(diǎn)設(shè)置不同的PID控制器，根據(jù)曲率及車輛速度對PID的比例參數(shù)、積分參數(shù)、微分參數(shù)做不同設(shè)定。

式中，kP為最終的比例參數(shù)；kP_c為根據(jù)曲率選擇的比例系數(shù)；kP_v為根據(jù)車輛速度選擇的比例系數(shù)；kP_y為根據(jù)車輛和目標(biāo)軌跡的橫向距離選擇的比例系數(shù)；kP_fac為固定粗調(diào)比例系數(shù)。

2.3Autofix機(jī)制

Autofix補(bǔ)償可以消除車輛跑偏或零位扭矩不在設(shè)計(jì)閾值內(nèi)對LKA控制穩(wěn)定的影響，其目的是取得與控制車輛運(yùn)動狀態(tài)相符的力，在一定程度上改善LKA控制性能，其模型框圖見圖5。

角度濾波采用均值濾波，記錄計(jì)算次數(shù)全局均值；扭矩計(jì)算方式根據(jù)C0與行駛路徑方向是否相反進(jìn)行判斷，兩者相反時(shí)觸發(fā)計(jì)算判斷，根據(jù)C0是否小于閾值判斷補(bǔ)償值的正負(fù)。

2.4角度控制原理

圖6所示為LKA采用角度控制的系統(tǒng)架構(gòu)，該架構(gòu)包含轉(zhuǎn)向系統(tǒng)和攝像頭的基本接口信號，其中，Trq為EPS電機(jī)扭矩。EPS接收駕駛員施加在轉(zhuǎn)向盤的扭矩值和LKA角度請求值，經(jīng)EPS齒輪角控制器，轉(zhuǎn)換成控制EPS的轉(zhuǎn)向力矩；同時(shí)考慮LKA激活和退出瞬間轉(zhuǎn)向盤從傳統(tǒng)助力到LKA模式平順過渡。轉(zhuǎn)向盤不會有較大的轉(zhuǎn)動動作干擾駕駛員，會通過輔助信號限制角度請求值變化斜率。如果此時(shí)LKA施加振動警報(bào)信號，則EPS還需要接收振動信號的頻率和幅值；EPS對上述信號進(jìn)行變換處理后得到施加到助力電機(jī)的總扭矩。

在采用角度控制的LKA控制系統(tǒng)中，假設(shè)駕駛員輸入手力，標(biāo)記為‘+’，有小角度偏移，但LKA沒有退出，在固定車速情況下，有以下功能會產(chǎn)生作用：

（1）基礎(chǔ)助力模塊。以‘+’方向提供Trq。

（2）回正力矩模塊。當(dāng)偏移角度是遠(yuǎn)離中心區(qū)域時(shí)，回正模塊提供‘-’方向的Trq；反之，當(dāng)偏移角度是靠近中心區(qū)域時(shí)，回正模塊提供‘+’方向的Trq。

（3）阻尼力矩模塊。提供‘-’方向Trq。

（4）攝像頭。在調(diào)試中，為滿足LKA對EPS的響應(yīng)要求，一般會在小角度時(shí)提供較大的‘-’方向的Trq以滿足響應(yīng)需求。

綜上，在角度請求控制中，無論是角度請求還是斜率限制參數(shù)，最終輸入EPS電機(jī)的請求扭矩和總的電機(jī)扭矩都形成多閉環(huán)控制，在控制原理上精度會更高，穩(wěn)定性更好。

3硬件在環(huán)仿真

完成基于角度控制車道保持系統(tǒng)設(shè)計(jì)后，通過硬件在環(huán)（hardware-in-the-loop，HIL）仿真平臺，使用Carsim車輛模型，采用MATLAB/Simulink環(huán)境下建立的相應(yīng)車輛控制模塊建立系統(tǒng)仿真控制模型，分析車道保持系統(tǒng)的魯棒性、車道保持、主動轉(zhuǎn)向等關(guān)鍵性能指標(biāo)，驗(yàn)證基于角度控制的車道保持系統(tǒng)的有效性和可靠性。

3.1硬件搭建

圖7所示為硬件在環(huán)仿真平臺搭建硬件及系統(tǒng)原理，仿真平臺以真實(shí)的自動駕駛控制器作為待測件，外圍匹配虛擬場景仿真、實(shí)時(shí)仿真系統(tǒng)及環(huán)境感知模擬系統(tǒng)，共同為待測控制器構(gòu)造虛擬的運(yùn)行環(huán)境，主要由虛擬場景仿真系統(tǒng)、實(shí)時(shí)仿真系統(tǒng)、上位機(jī)系統(tǒng)、感知模擬系統(tǒng)和待測控制器組成。

利用VTD（virtualtestdrive）軟件進(jìn)行仿真場景創(chuàng)建，通過視頻暗箱為攝像頭提供視頻采集環(huán)境，基于Carsim完成被控車輛模擬，基于Simulink工具開發(fā)力矩分段切換模型，并通過NIPXIe8880實(shí)時(shí)機(jī)完成實(shí)時(shí)仿真計(jì)算。仿真場景動畫通過HDMI傳輸至視頻暗箱內(nèi)的視景顯示器進(jìn)行播放。控制器（攝像頭）通過支架固定在視景顯示器前方，用于拍攝視景顯示器上播放的場景動畫，進(jìn)而實(shí)現(xiàn)對車道線的感知。LKA系統(tǒng)發(fā)出的轉(zhuǎn)向角度請求指令由EPS執(zhí)行，進(jìn)而控制被控車輛橫向運(yùn)動。

3.2仿真對比

根據(jù)GB/T39323—2020規(guī)定，設(shè)定仿真場景如下：車道寬為3.6m，彎道半徑R按250m和500m設(shè)定，被控車輛模型分別以70km/h、90km/h和120km/h的車速v進(jìn)行直道、彎道、直道彎道銜接居中性保持仿真測試，記錄居中保持時(shí)中心偏移值（左負(fù)右正，居中偏差平均值要求在±0.2m范圍內(nèi)），驗(yàn)證車道保持系統(tǒng)的可行性［29-31］。

圖8所示為車道保持直道工況仿真測試結(jié)果，居中偏差最大值為-0.11m，平均值均在±0.1m范圍內(nèi)。圖9所示為車道保持彎道工況仿真測試結(jié)果，居中偏差最大值為0.14m，平均值均在±0.2m范圍內(nèi)。圖10所示為車道保持直道彎道過渡工況仿真測試結(jié)果，均可穩(wěn)定行駛在車道內(nèi)，居中偏差最大值為-0.18m，平均值均在±0.2m范圍內(nèi)。綜上，車道保持系統(tǒng)在各仿真工況下均可穩(wěn)定行駛在車道內(nèi)，偏離車道中心線距離較小，居中能力較強(qiáng)。

根據(jù)CN-CAP—2021直道，測試速度為70km/h和90km/h，將車輛拉邊，使車輛靠著左/右側(cè)車道線行駛，當(dāng)車輛行駛穩(wěn)定后，駕駛員松開轉(zhuǎn)向盤。圖11所示為車道保持直道拉偏居中仿真測試結(jié)果，拉偏后首次回到居中位置時(shí)間分別為3.1s與3.5s（要求小于6s），超調(diào)幅值在±0.1m以內(nèi)，無超調(diào)現(xiàn)象；拉偏后首次回到居中位置的時(shí)間較短，為2.4s，且無需收斂調(diào)整，車輛已處于居中位置。

仿真結(jié)果表明，在各場景測試中，基于角度控制的車道保持系統(tǒng)均能穩(wěn)定行駛在車道中心，車道中心線偏離距離波動較小，拉偏測試可以有效驗(yàn)證系統(tǒng)具備完整的控制穩(wěn)定性，能滿足車道保持輔助系統(tǒng)功能測試的要求。

4實(shí)車場景測試

4.1測試設(shè)備

本文中基于某款MPV車型進(jìn)行驗(yàn)證（兩車除LKA控制方式不同外，其余參數(shù)均一致），測試車上安裝i-TESTERAVE2000測試系統(tǒng)，該系統(tǒng)配備i-TESTER主機(jī)、組合定位模塊等，包括GPS-RTK（通過配置千尋賬號獲取定位信息，無需定位基站，測試范圍更廣）、車道線定位、IMU等傳感器用于獲取車輛運(yùn)動姿態(tài)真值。測試車設(shè)備連接原理如圖12所示，智能駕駛控制器與EPSamp;ESP控制器通過車載網(wǎng)關(guān)交互信號，使用CAN通信方式。

4.2測試工況

基于GB/T39323—2020、CN-CAP—2021、EuroNCAP—2022并結(jié)合實(shí)車調(diào)試及用戶關(guān)注場景對車道保持系統(tǒng)的測試要求，從實(shí)際道路場景對比出發(fā)，選取彎道性能、居中性、拉偏后首次回中時(shí)間、超調(diào)幅值、收斂時(shí)間、糾偏能力、顛簸路段抗干擾能力、初始力矩等指標(biāo)對比角度控制和扭矩控制在相同場景下LKA的性能表現(xiàn)，測試工況和評價(jià)指標(biāo)見表1。

4.3測試結(jié)果

在相同車型和相同工況下對比扭矩控制和角度控制的LKA系統(tǒng)性能，測試結(jié)果見表2及圖13、圖14。實(shí)車驗(yàn)證了基于角度控制的LKA系統(tǒng)的可行性，同時(shí)使用角度控制的LKA系統(tǒng)，其居中性偏離最大值為0.08m，且較為穩(wěn)定，扭矩控制的系統(tǒng)居中性滿足基本要求，但從偏移值走勢看，整車處于輕微蛇形行駛狀態(tài)。從表2來看，角度控制最小支持彎道半徑是125m，意味著可以通過更大彎曲率的彎道，過彎性能更強(qiáng)，性能更加穩(wěn)定。

采用角度控制的LKA系統(tǒng)拉偏后首次回到居中位置時(shí)間為2.4s，小于扭矩控制的3.2s；超調(diào)幅值在±0.2m以內(nèi)，無超調(diào)現(xiàn)象，無需收斂調(diào)整，車輛已處于居中位置，回中+收斂時(shí)間均在3.6s以內(nèi)，小于采用扭矩控制系統(tǒng)的6.1s。

兩車在同樣的測試環(huán)境中分別以0.2m/s、0.3m/s，0.4m/s、0.5m/s的速度壓左右側(cè)LKA釋放點(diǎn)各三次，正值為輪胎最外緣距離左側(cè)車道線內(nèi)側(cè)值，負(fù)值為輪胎最外緣距離右側(cè)車道線內(nèi)側(cè)值，圖15所示為兩車糾偏性能對比結(jié)果。從結(jié)果看，扭矩控制在橫向拉偏速度超過0.4m/s時(shí)，其糾偏值大于0.35m，無法通過糾偏測試；而角度控制的系統(tǒng)在所有測試中糾偏值均小于0.35m，證明角度控制的LKA系統(tǒng)糾偏響應(yīng)更快，保持穩(wěn)定行駛能力更強(qiáng)。

圖16所示為兩車初始力矩對比，當(dāng)車輛橫向角度有明顯變化，即車輛行駛不在處于居中位置時(shí)，采用角度控制的系統(tǒng)所需轉(zhuǎn)向盤力矩為2.03N·m，扭矩控制的系統(tǒng)轉(zhuǎn)向盤力矩為1.58N·m，可見角度控制的系統(tǒng)可抵抗外部激勵干擾所允許的力矩更大，保持居中能力更強(qiáng)。從曲線上看，扭矩控制的系統(tǒng)接管過程會更加柔和，但持續(xù)時(shí)間較長，會給駕駛員對抗現(xiàn)象，而角度控制車輛可瞬間達(dá)到接管閾值，方便駕駛員接管車輛。

圖17所示為兩車顛簸路段抗干擾測試對比，采用角度控制的系統(tǒng)連續(xù)經(jīng)過鐵軌交界處時(shí)，轉(zhuǎn)向盤角度變化值最大為0.5°，轉(zhuǎn)向盤扭矩最大值為0.6N·m，小于扭矩控制的轉(zhuǎn)向盤角度變化值1.5°和轉(zhuǎn)向盤扭矩最大值1.1N·m。從曲線上看，角度控制的在經(jīng)過鐵軌時(shí)，轉(zhuǎn)向盤控制較穩(wěn)定，波動較小，且顛簸后收斂速度較快，基本在一個(gè)周期內(nèi)可恢復(fù)穩(wěn)定居中行駛；而扭矩控制的車輛經(jīng)過顛簸后，存在轉(zhuǎn)向盤振蕩過程，恢復(fù)周期較慢。

圖18所示為兩種控制策略的車，通過改變轉(zhuǎn)向盤零位扭矩和零位角度，模擬制造一致性對車道保持居中性能對比。隨著轉(zhuǎn)向盤零位扭矩和零位角度變大，扭矩控制的系統(tǒng)居中性影響程度與轉(zhuǎn)向盤偏移零位角度和扭矩成正比，測試結(jié)果表明當(dāng)零位扭矩超過0.35N·m或零位角度超過2.8°時(shí)，扭矩控制的車輛開始在車道內(nèi)蛇形行駛，即車輛行駛不再處于居中位置，偏移值超過0.2m。采用角度控制的系統(tǒng)受零位扭矩和零位角度的影響較小，居中性和行駛穩(wěn)定性均在0.2m以內(nèi)。綜上，角度控制的車道保持系統(tǒng)控制精度高，受車輛制造一致性的影響較小。

5結(jié)論

本文通過Carsim/Veristand/MATLAB搭建硬件在環(huán)仿真試驗(yàn)平臺以驗(yàn)證基于角度控制的車道保持控制系統(tǒng)可行性。基于CN-CAP—2021以及GB/T39323—2020測試要求，實(shí)車對比了車道保持系統(tǒng)的在不同場景下的性能表現(xiàn)，結(jié)果表明，相對于使用扭矩控制的車保保持系統(tǒng)，使用角度控制的車道保持控制系統(tǒng)具有更好的保持居中能力、抗干擾穩(wěn)定性、適應(yīng)性和魯棒性。該系統(tǒng)解決了主機(jī)廠生產(chǎn)制造一致性導(dǎo)致車輛跑偏引起車道保持性能下降、跑偏等問題，可擴(kuò)展應(yīng)用到后續(xù)車型。主要結(jié)論如下：

（1）從控制原理的角度分析，通過改進(jìn)預(yù)瞄控制模型和增加Autofix補(bǔ)償算法，形成了多重PID閉環(huán)控制。通過多個(gè)PID控制器的協(xié)同作用，使得基于角度控制的車道保持系統(tǒng)的控制精度得到顯著提升，同時(shí)也增強(qiáng)了系統(tǒng)的穩(wěn)定性。

（2）在實(shí)車調(diào)試環(huán)節(jié)，角度控制展現(xiàn)出其獨(dú)特的優(yōu)勢，涉及的測試指標(biāo)更為豐富，覆蓋的場景和工況也更為廣泛，同時(shí)，嚴(yán)格的測試標(biāo)準(zhǔn)確保其在實(shí)際應(yīng)用中的性能表現(xiàn)能夠達(dá)到更高的水平。

（3）通過實(shí)際場景測試對比分析可以發(fā)現(xiàn)，采用角度控制的車輛在過彎能力方面表現(xiàn)出色，其居中性和抗干擾能力也得到了顯著提升。這些優(yōu)勢使角度控制的車道保持系統(tǒng)在實(shí)際應(yīng)用中具有更高的實(shí)用價(jià)值。

參考文獻(xiàn)：

［1］余小川.智能汽車車道保持控制方法研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2016.

YUXiaochuan.ResearchonLaneTrackingControlforIntelligentVehicle［D］.Harbin：HarbinInstituteofTechnology，2016.

［2］佐思汽研.2022年中國乘用車自主品牌主機(jī)廠ADAS和自動駕駛研究報(bào)告［R］.北京：佐思汽研，2022.

ZuosiAutomotiveResearch.2022ResearchReportonADASandAutonomousDrivingofChinasAutonomousPassengerCarBrandOEMs［R］.Beijing：ZuosiAutomotiveResearch，2022.

［3］ERIKSSONL，BOLLINGA，ALMT，etal.DriverAcceptanceandPerformancewithLDWandRumbleStripsAssistanceinUnintentionalLaneDepartures［R］.Washington，DC：AustralianRoadResearchBoard，2013.

［4］EuroNCAP，InfinitiLaneDeparturePrevention（LDP）.［EB/OL］.［2014-07-17］.http：∥www.euroncap.com/rewards/infiniti_ldp.aspx.

［5］DEBARSHIS，SUNDARAMS，SUNDARARAJANN.RobustEMRAN-aidedCoupledControllerforAutonomousVehicles［J］.EngineeringApplicationsofArtificialIntelligence，2022，110：104717.

［6］黃楊成.基于電動助力轉(zhuǎn)向系統(tǒng)的車道偏離輔助系統(tǒng)的研究［D］.合肥：合肥工業(yè)大學(xué)，2017.

HUANGYangcheng.ResearchonLaneDepartureAssistanceSystemBasedonElectricPowerSteeringSystem［D］.Hefei：HefeiUniversityofTechnology，2017.

［7］于立嬌.基于EPS的車道保持輔助控制算法設(shè)計(jì)與實(shí)驗(yàn)驗(yàn)證［D］.長春：吉林大學(xué)，2016.

YULijiao.AlgorithmDesignandExperimentalVerificationforLaneKeepingAssistedControlBasedonElectricPowerSteering［D］.Changchun：JilinUniversity，2016.

［8］CHUZhengrong，SUNYuming，WUC，etal.ActiveDisturbanceRejectionControlAppliedtoAutomatedSteeringforLaneKeepinginAutonomousVehicles［J］.ControlEngineeringPractice，2018，74：13-21.

［9］HUChuan，QINYechen，CAOHaotian，etal.LaneKeepingofAutonomousVehiclesBasedonDifferentialSteeringwithAdaptiveMultivariableSuper-twistingControl［J］.MechanicalSystemsandSignalProcessing，2019，125：330-346.

［10］CHENJin，SUNDihua，ZHAOMin，etal.DCFS-basedDeepLearningSupervisoryControlforModelingLaneKeepingofExpertDrivers［J］.PhysicaA：StatisticalMechanicsandItsApplications，2021，567：125720.

［11］AMDITISA，BIMPASM，THOMAIDISG，etal.ASituation-adaptiveLane-keepingSupportSystem：OverviewoftheSAFELANEApproach［J］.IEEETransactionsonIntelligentTransportationSystems，2010，11（3）：617-629.

［12］MARINOR，SCALZIS，NETTOM.IntegratedDriverandActiveSteeringControlforVision-basedLaneKeeping［J］.EuropeanJournalofControl，2012，18（5）：473-484.

［13］SHOJAEIK.IntelligentCoordinatedControlofanAutonomousTractor-trailerandaCombineHarvester［J］.EuropeanJournalofControl，2021，59：82-98.

［14］XUY，CHENBY，SHANX，etal.ModelPredictiveControlforLaneKeepingSysteminAutonomousVehicle［C］∥20177thInternationalConferenceonPowerElectronicsSystemsandApplications—SmartMobility，PowerTransferamp;Security（PESA）.HongKong，2017：1-5.

［15］RATHAIKMM，AMIRTHALINGAMJ，JAYARAMANB.RobustTube-MPCBasedLaneKeepingSystemforAutonomousDrivingVehicles［C］∥Proceedingsofthe20173rdInternationalConferenceonAdvancesinRobotics.NewDelhi，2017：1-6.

［16］YULijiao，ZHENGHongyu，ZHAOWeiqiang，etal.ResearchonLane-keepingControlStrategyforBus［J］.InternationalJournalofHeavyVehicleSystems，2019，26（3/4）：291-314.

［17］KANGCM，LEEJ，YISG，etal.LateralControlforAutonomousLaneKeepingSystemonHighways［C］∥15thInternationalConferenceonControl，AutomationandSystems（ICCAS）.Busan，2015：7364643.

［18］KIMW，SONYS，CHUNGCC.Torque-overlay-basedRobustSteeringWheelAngleControlofElectricalPowerSteeringforaLane-keepingSystemofAutomatedVehicles［J］.IEEETransactionsonVehicularTechnology，2016，65（6）：4379-4392.

［19］WANGH，LIUB，QIAOJ.AdvancedHigh-speedLaneKeepingSystemofAutonomousVehiclewithSideslipAngleEstimation［J］.Machines，2022，10（4）：257.

［20］CHUZ，WUC，SEPEHRIN.AutomatedSteeringControllerDesignforVehicleLaneKeepingCombiningLinearActiveDisturbanceRejectionControlandQuantitativeFeedbackTheory［J］.ProceedingsoftheInstitutionofMechanicalEngineers，PartI：JournalofSystemsandControlEngineering，2018，232（7）：937-948.

［21］WANGHongbo，CHENLi，ZHANGWeihua.Lane-keepingControlBasedonanImprovedArtificialPotentialMethodandCoordinationofSteering/BrakingSystems［J］.IETIntelligentTransportSystems，2019，13（12）：1832-1842.

［22］CHENJin，SUNDihua，ZHAOMin，etal.ANewLaneKeepingMethodBasedonHuman-simulatedIntelligentControl［J］.IEEETransactionsonIntelligentTransportationSystems，2022，23（7）：7058-7069.

［23］郭洪強(qiáng)，陳慧，陳佳琛.基于EPS的車道保持輔助系統(tǒng)設(shè)計(jì)［J］.汽車技術(shù)，2018（8）：33-38.

GUOHongqiang，CHENHui，CHENJiachen.DesignofLaneKeepingAssistanceSystemBasedonEPS［J］.AutomobileTechnology，2018（8）：33-38.

［24］房澤平，段建民.基于串級MPC和EPS的集成駕駛員轉(zhuǎn)向車道線保持［J］.北京工業(yè)大學(xué)學(xué)報(bào)，2016，42（1）：119-127.

FANGZeping，DUANJianmin.CombinedDriversSteeringandEPSLaneKeepingBasedonCascadeMPC［J］.JournalofBeijingUniversityofTechnology，2016，42（1）：119-127.

［25］佘爍.汽車車道保持系統(tǒng)控制算法研究［D］.長春：吉林大學(xué)，2018.

SHEShuo.ResearchonControlAlgorithmofVehicleLaneKeepingSystem［D］.Changchun：JilinUniversity，2018.

［26］FALCONEP，ERICTSENGH，BORRELLIF，etal.MPC-basedYawandLateralStabilisationviaActiveFrontSteeringandBraking［J］.VehicleSystemDynamics，2008，46（sup1）：611-628.

［27］FALCONEP，BORRELLIF，ASGARIJ，etal.PredictiveActiveSteeringControlforAutonomousVehicleSystems［J］.IEEETransactionsonControlSystemsTechnology，2007，15（3）：566-580.

［28］LIShengbo，LIKeqiang，RAJAMANIR，etal.ModelPredictiveMulti-objectiveVehicularAdaptiveCruiseControl［J］.IEEETransactionsonControlSystemsTechnology，2011，19（3）：556-566.

［29］國家市場監(jiān)督管理總局，國家標(biāo)準(zhǔn)化管理委員會.乘用車車道保持輔助：GB/T39323—2020［S］.北京：中國標(biāo)準(zhǔn)出版社，2020.

StateAdministrationforMarketRegulation，StandardizationAdministrationofthePeoplesRepublicofChina.PerformanceRequirementandTestingMethodforLaneKeepingAssist（LKA）SystemofPassengerCars：GB/T39323—2020［S］.Beijing：StandardsPressofChina，2020.

［30］隋新，劉春陽，詹坤，等.人機(jī)協(xié)同控制的車道保持輔助系統(tǒng)安全性能研究［J］.中國機(jī)械工程，2021，32（16）：1994-2001.

SUIXin，LIUChunyang，ZHANKun，etal.ResearchonSafetyPerformanceofLaneKeepingAssistSystemsBasedonHuman-machineCooperativeControl［J］.ChinaMechanicalEngineering，2021，32（16）：1994-2001.

［31］林國慶，韓龍飛，逯超，等.基于模型預(yù)測控制的車道保持輔助系統(tǒng)［J］.中國科技論文，2021，16（10）：1098-1104.

LINGuoqing，HANLongfei，LUChao，etal.LaneKeepingAssistSystemBasedonModelPredictiveControl［J］.ChinaSciencepaper，2021，16（10）：1098-1104.