《智能網(wǎng)聯(lián)汽車技術(shù)基礎(chǔ)》第

六

章智能網(wǎng)聯(lián)汽車決策與規(guī)劃技術(shù)6.1行為決策6.2決策與規(guī)劃6.4路徑規(guī)劃6.3決策與規(guī)劃概述智能網(wǎng)聯(lián)汽車決策與規(guī)劃技術(shù)有哪些？通過對本章的學(xué)習(xí)，讀者可以得到答案。導(dǎo)入案例自動駕駛系統(tǒng)主要包括環(huán)境感知、決策規(guī)劃、運動控制幾大部分。智能汽車首先根據(jù)配備的傳感器對汽車周圍環(huán)境進行探測，然后將感知到的信息發(fā)布到?jīng)Q策規(guī)劃層，決策規(guī)劃層根據(jù)接收到的傳感器信息對當(dāng)前環(huán)境進行分析，并根據(jù)需求規(guī)劃出一條安全無碰撞的路徑作為智能汽車的行駛路徑，然后將規(guī)劃路徑傳遞給運動控制模塊，通過運動控制模塊可以控制智能車輛按照規(guī)劃路徑行駛。1、理解決策與規(guī)劃模塊在智能網(wǎng)聯(lián)汽車中的作用學(xué)習(xí)目標2、了解常見的決策與規(guī)劃體系結(jié)構(gòu)3、理解行為預(yù)測與行為決策在決策規(guī)劃模塊中的功能4、熟悉全局路徑規(guī)劃與局部路徑規(guī)劃的功能與作用5、理解基于搜索、采樣、智能優(yōu)化的代表性全局路徑規(guī)劃算法，如A*算法、RRT算法6、了解局部路徑規(guī)劃算法，如TEB（Time-Elastic-Band）算法、人工勢場法等6.1.1決策與規(guī)劃基本概念6.1決策與規(guī)劃概述決策規(guī)劃可以分為兩大部分，分別是行為決策與路徑規(guī)劃兩大部分，但兩者在實際工作的過程中又是相依相存、共同作用、不可分割的。決策規(guī)劃可以理解為依據(jù)感知信息和自身信息來進行決策判斷，根據(jù)車輛的行駛狀態(tài)，制定相應(yīng)的控制策略，替代人類做出駕駛決策。決策規(guī)劃層是自動駕駛系統(tǒng)智能性的直接體現(xiàn)，決策規(guī)劃的最終目的是讓車輛能夠安全的行駛并到達相應(yīng)的目的地，對車輛的行駛安全性和整車性能起著決定性作用。6.1.2決策與規(guī)劃體系結(jié)構(gòu)6.1決策與規(guī)劃概述決策規(guī)劃部分作為智能汽車的核心技術(shù)，可以通過不同的架構(gòu)來表示其功能實現(xiàn)流程，常見的決策規(guī)劃體系結(jié)構(gòu)有分層遞階式、反應(yīng)式以及二者混合式。分層遞階式結(jié)構(gòu)反應(yīng)式體系結(jié)構(gòu)混合式體系結(jié)構(gòu)6.1.3決策與規(guī)劃方法介紹6.1決策與規(guī)劃概述為了更好地解決決策規(guī)劃這一模塊工作的可靠性，通?？梢詫Q策和規(guī)劃分開來分析，分成行為決策與路徑規(guī)劃兩大部分。隨著智能汽車的快速發(fā)展，近年出現(xiàn)了許多解決行為決策的理論與方法，包括模糊決策法，基于規(guī)則的決策法、基于馬爾科夫的決策論、貝葉斯決策理論、神經(jīng)網(wǎng)絡(luò)法、機器學(xué)習(xí)等。智能車輛的路徑規(guī)劃可以分為全局路徑規(guī)劃和局部路徑規(guī)劃兩種。全局路徑規(guī)劃算法主要分為基于搜索、采樣、智能優(yōu)化幾類。基于搜索的路徑規(guī)劃代表算法有Dijkstra和A*等，這兩種算法都是以搜索全局最短路徑為目標進行搜索的，算法搜索穩(wěn)定性較好，但是當(dāng)?shù)貓D較大時，搜索速度較慢，搜索時長會增加?；诓蓸拥穆窂揭?guī)劃代表算法有PRM與RRT等，二者都是隨機搜索算法，在地圖上隨機采樣。快速搜索隨機樹（Rapidly-exploringRandomTrees，RRT）算法核心思想是模擬樹的生長過程，樹枝的生長就看成每次路徑的探索，然后向每個方向隨機生長，直至樹枝生長到目標點。RRT的主要優(yōu)點是能夠快速地搜索整個可行域，但是它的主要缺點在于其創(chuàng)建的干擾路徑以及在樹的擴展過程中對最近鄰居的度量標準有很強的依賴性。基于智能優(yōu)化的路徑規(guī)劃算法有遺傳算法、蟻群算法等，這類算法都是根據(jù)自然界的規(guī)律來模擬算法思想，雖然算法的效率較高，但是規(guī)劃路徑的穩(wěn)定性較差。目前常用的局部搜索方法主要有人工勢場法、動態(tài)窗口法（DWA）、矢量場柱狀圖（VFH）算法、模糊邏輯算法、TEB算法等。6.2.1交通環(huán)境行為預(yù)測6.2行為決策環(huán)境行為預(yù)測模塊是對感知到的交通參與者進行行為預(yù)測，環(huán)境行為預(yù)測模塊是對感知到的交通參與者進行行為預(yù)測，行為決策模塊根據(jù)建立的模型或者相關(guān)的規(guī)劃預(yù)測出物體的行為。行為預(yù)測模塊作為決策規(guī)劃模塊的直接數(shù)據(jù)的最上層，其主要作用是對感知層所識別到的物體進行相應(yīng)的行為預(yù)測，并且將預(yù)測的結(jié)果轉(zhuǎn)化為時間、空間維度的軌跡傳遞給后續(xù)模塊。6.2.1交通環(huán)境行為預(yù)測6.2行為決策對于車輛的行為預(yù)測，大多數(shù)研究都是使用車輛的歷史軌跡來模擬其行為，并基于該行為來預(yù)測未來時刻的軌跡。但是這些研究很少考慮當(dāng)前的道路環(huán)境、交通信息等特征，因此在對車輛的行為預(yù)測中要考慮道路環(huán)境、交通信息對預(yù)測結(jié)果的影響。目前對車輛的行為預(yù)測主要分為以下幾類：基于物理模型的行為預(yù)測、基于行為模型的行為預(yù)測、基于交互模型的行為預(yù)測、基于神經(jīng)網(wǎng)絡(luò)的行為預(yù)測、基于仿生學(xué)的行為預(yù)測以及多種方法相結(jié)合的行為預(yù)測方法等。行人的行為預(yù)測是指根據(jù)行人過去一段時間內(nèi)的行走軌跡，來預(yù)測未來時刻的軌跡，與車輛的行為預(yù)測不同，行人具有較高的主觀能動性，在決策的過程中預(yù)測的隨機性較強，而且相同場景下，不同的人也會有很多種決策行為，所以很難用一種模型來表示行人的行為預(yù)測。6.2.1交通環(huán)境行為預(yù)測6.2行為決策行人的行為預(yù)測是指根據(jù)行人過去一段時間內(nèi)的行走軌跡，來預(yù)測未來時刻的軌跡，與車輛的行為預(yù)測不同，行人具有較高的主觀能動性，在決策的過程中預(yù)測的隨機性較強，而且相同場景下，不同的人也會有很多種決策行為，所以很難用一種模型來表示行人的行為預(yù)測。目前行人的行為預(yù)測主要包括四種：基于社會力模型、基于馬爾可夫模型、基于循環(huán)神經(jīng)網(wǎng)絡(luò)的方法與基于生成對抗網(wǎng)絡(luò)的方法。6.2.2車輛行為決策6.2行為決策行為決策是智能車輛決策規(guī)劃(預(yù)測、行為、規(guī)劃)部分的中間層，行為決策的作用根據(jù)全局路徑規(guī)劃，以及當(dāng)前環(huán)境感知層所感知到的當(dāng)前環(huán)境，確定車輛自身的行駛狀態(tài)，并根據(jù)交通環(huán)境和行駛經(jīng)驗做出合理的駕駛行為。無人駕駛汽車行為決策的最終目標就是要讓智能汽車能夠像駕駛員一樣進行安全駕駛，面對特殊情況能夠做出較好的應(yīng)對辦法。6.2.2車輛行為決策6.2行為決策基于規(guī)則的行為決策系統(tǒng)目前無人車行為決策層在具體實現(xiàn)上并沒有一個最佳解決方案，當(dāng)前普遍采用的方法就是有限狀態(tài)機法，根據(jù)狀態(tài)分解的連接邏輯，可以將其分為串聯(lián)式、并聯(lián)式、混聯(lián)式三種體系架構(gòu)。6.2.2車輛行為決策6.2行為決策基于深度學(xué)習(xí)算法的決策算法因為深度學(xué)習(xí)方法在建模的過程中有較強的靈活性，近幾年被很多專家應(yīng)用到無人駕駛智能車的行為決策中。NVIDIA研發(fā)的無人駕駛車輛系統(tǒng)架構(gòu)是一種典型架構(gòu)，其采用端到端卷積神經(jīng)網(wǎng)絡(luò)進行決策處理，使決策系統(tǒng)大幅簡化。6.2.2車輛行為決策6.2行為決策基于機器學(xué)習(xí)算法的決策算法傳感器感知（輸入）Radar、Lidar、GPS、Camera…從原始數(shù)據(jù)抽取高階特征機器學(xué)習(xí)將特征轉(zhuǎn)化成知識知識處理后進行推理什么是應(yīng)該躲避的障礙物？做出合理的動作決策有多少是可以通過學(xué)習(xí)得到的？Mapping6.2.3馬爾可夫決策過程6.2行為決策馬爾可夫決策過程（Markovdecisionprocesses,MDP）就是在馬爾可夫獎勵過程的基礎(chǔ)上加入了決策，即加入了相關(guān)動作。6.3路徑規(guī)劃路徑規(guī)劃算法在應(yīng)用的過程主要包含兩個步驟，首先通過環(huán)境感知探測到的當(dāng)前車輛所在的環(huán)境，建立包括障礙區(qū)域和可通行區(qū)域的環(huán)境地圖，然后根據(jù)已建成的環(huán)境地圖，選擇合適的路徑規(guī)劃算法，快速的規(guī)劃出一條準確無誤的路徑。路徑規(guī)劃對無人駕駛車輛的導(dǎo)航起著至關(guān)重要的作用，是引導(dǎo)車輛從當(dāng)前位置到目標點的重要根據(jù)。Bosch模擬器仿真畫面6.3.1環(huán)境地圖的表示方法6.3路徑規(guī)劃尺度地圖拓撲地圖語義地圖具有真實的物理尺寸，如柵格地圖、特征地圖、點云地圖，常用于地圖構(gòu)建、定位、SLAM、小規(guī)模路徑規(guī)劃。不具備真實的物理尺寸，只表示不同地點的連通關(guān)系和距離，如鐵路網(wǎng)，常用于大規(guī)模的機器人路徑規(guī)劃。其實是加標簽的尺度地圖，SLAM和深度學(xué)習(xí)的結(jié)合，常用于人機交互。6.3.2全局路徑規(guī)劃6.3路徑規(guī)劃全局路徑規(guī)劃是在已知地圖上從起點到目標點規(guī)劃出一條無碰撞的安全有效的路徑，全局路徑規(guī)劃有很多算法，比如基于搜索、采樣、智能優(yōu)化等算法，各類算法有不同的優(yōu)缺點，因此，在選擇路徑規(guī)劃算法時要根據(jù)當(dāng)前環(huán)境來選擇合適的規(guī)劃算法。

基于搜索的路徑規(guī)劃算法6.3路徑規(guī)劃算法的中心思想就是從起點開始遍布上下左右各個方向的所有節(jié)點，搜索地圖中所有節(jié)點直至找到結(jié)果。也就是不管終點的位置在哪，廣度優(yōu)先搜索就是開始朝各個方向搜索，徹底搜索整張地圖，直到搜索到結(jié)果為止。廣度優(yōu)先搜索算法的大致步驟如下：a.最開始從起點開始探索，檢查與起點相連的節(jié)點，看有沒有與其相連的節(jié)點，如果有就把他們作為即將收錄的節(jié)點。b.檢查即將收錄的新生成的結(jié)點，看這新生成的節(jié)點在之前是否進行過收錄，如果新結(jié)點已經(jīng)在隊列中出現(xiàn)過，那么就不對這些節(jié)點進行收錄，放棄這些節(jié)點，然后回到a步。否則，如果新結(jié)點未曾在隊列中出現(xiàn)過，那么將它加入到隊列尾。c.檢查新結(jié)點是否目標結(jié)點。如果新結(jié)點是目標結(jié)點，則搜索成功，程序結(jié)束；若新結(jié)點不是目標結(jié)點，則回到第一步，再從隊列頭取出結(jié)點進行擴展。廣度優(yōu)先搜索算法

基于搜索的路徑規(guī)劃算法6.3路徑規(guī)劃迪杰斯特拉算法的中心思想是廣度優(yōu)先搜索和貪心思想,想用Dijkstra算法求最短路徑時，需要指定起點、目標點，同時引入兩個集合Openlist和Closelist。Dijkstra算法的大致步驟如下(兩個集合Openlist和Closelist用O和C表示）：a.初始時，C只包含起點s；O包含除s之外的其他頂點，且O中頂點的距離為“起點到該頂點的距離”。b.從O中選出“距離最短的頂點k”，并將頂點k加入到C中；同時，從O中移除頂點k。c.更新O中各個頂點到起點s的距離。d.重復(fù)步驟2和3，直到遍歷完所有頂點找到終點。Dijkstra算法基于采樣的路徑規(guī)劃算法6.3路徑規(guī)劃PRM算法又叫概率路線圖法。PRM算法的核心思想是基于可用空間和占用空間的給定地圖內(nèi)，繪制出采樣范圍內(nèi)所有可能路徑的網(wǎng)絡(luò)圖，然后再通過其他搜索算法在網(wǎng)絡(luò)圖中找到最優(yōu)路徑。PRM算法的主要任務(wù)是通過采樣和碰撞檢測建立當(dāng)前環(huán)境地圖的無向圖，以得到構(gòu)型空間的完整連接屬性。PRM算法基于采樣的路徑規(guī)劃算法6.3路徑規(guī)劃RRT算法是一種快速搜索算法，它是以犧牲最優(yōu)性為代價的。RRT算法是一種通用的方法，不管什么目標體、不管自由度是多少、不管約束有多復(fù)雜都能用。而且它的原理很簡單，這是它在路徑規(guī)劃領(lǐng)域流行的主要原因之一。不過它的缺點也很明顯，它得到的路徑一般質(zhì)量都不是很好，路徑不夠光滑，通常也遠離最優(yōu)路徑。但是RRT算法在某些特殊環(huán)境下可能會找不到路徑，比如在有狹窄通道的環(huán)境中。RRT算法基于采樣的路徑規(guī)劃算法6.3路徑規(guī)劃RRT*算法就是基于RRT算法進行改進的。RRT*算法的主要特征是能快速的找出初始路徑，之后隨著采樣點的增加，不斷地進行優(yōu)化直到找到目標點或者達到設(shè)定的最大循環(huán)次數(shù)。其實RRT*算法和RRT算法主要就差在兩個地方。RRT*算法在RRT算法的基礎(chǔ)上優(yōu)化了兩個步驟：重新選擇父節(jié)點和重新布線隨機樹兩個過程。RRT*算法基于采樣的路徑規(guī)劃算法6.3路徑規(guī)劃InformedRRT*算法是基于RRT*算法進行改進的，它是在RRT*算法得到路徑之后，再次基礎(chǔ)上對此路徑進行進一步優(yōu)化，使得得到的路徑最優(yōu)。在用RRT*算法得到可行路徑之后，將采樣點的范圍限制在一個橢圓（高維空間為橢球型）范圍內(nèi)，更優(yōu)的路徑的采樣點范圍會存在以起點和終點為焦點的橢圓上，然后隨著路徑長度的不斷縮短，橢圓也隨著不斷變小，然后最終得到的路徑也越來越優(yōu)。InformedRRT*算法

基于智能優(yōu)化的路徑規(guī)劃算法6.3路徑規(guī)劃遺傳算法（GeneticAlgorithm）又叫基因進化算法，或者進化算法。屬于啟發(fā)式搜索算法的一種，遺傳算法是模擬達爾文生物進化論的自然選擇和遺傳學(xué)機理的生物進化過程，是一種通過模擬自然進化過程搜索最優(yōu)解的方法。算法的核心思想可以大致理解為生物的進化過程，物競天擇，適者生存。遺傳算法以一種群體中的所有個體為對象，并利用隨機化技術(shù)指導(dǎo)對一個被編碼的參數(shù)空間進行高效搜索。其中，選擇、交叉和變異構(gòu)成了遺傳算法的遺傳操作；參數(shù)編碼、初始化種群、適應(yīng)度函數(shù)的設(shè)計、遺傳操作設(shè)計、控制參數(shù)設(shè)定五個要素組成了遺傳算法的核心內(nèi)容。遺傳算法流程圖6.3.3局部路徑規(guī)劃6.3路徑規(guī)劃全局路徑規(guī)劃一般是基于先驗地圖進行規(guī)劃的，先基于先驗地圖規(guī)劃出一條全局路徑，在汽車跟隨全局路徑規(guī)劃的過程中，可能會出現(xiàn)先驗地圖中沒有的動態(tài)障礙物，所以要先由全局路徑規(guī)劃器規(guī)劃出一條大致的全局路徑，然后還需要局部路徑規(guī)劃進行實時避障。這樣在全局路徑規(guī)劃的時候，就會對先驗地圖中已有的障礙物進行避障，在局部路徑規(guī)劃的時候，對新增的障礙物也進行避障。局部規(guī)劃的主要作用是跟隨全局路徑，然后在跟隨路徑的過程中實現(xiàn)避障功能。代表性算法有人工勢場法、TEB算法等。人工勢場法6.3路徑規(guī)劃人工勢場法的基本思想是在障礙物周圍構(gòu)建障礙物斥力勢場,在目標點周圍構(gòu)建引力勢場，類似于物理學(xué)中的電磁場。被控對象在這兩種勢場組成的復(fù)合場中受到斥力作用和引力作用，斥力和引力的合力指引著被控對象的運動，搜索無碰的避障路徑。更直觀而言，勢場法是將障礙物比作平原上具有高勢的山峰，而目標點則是具有低勢能的山谷。人工勢場法6.3路徑規(guī)劃引力勢場引力勢場主要與汽車和目標點之間的距離有關(guān)，距離越大，汽車所受的勢能值就越大；距離越小，汽車所受到的勢能值就越小。引力場的函數(shù)為：其中，為引力勢場，為引力勢場作用系數(shù)，為車輛與目標點之間的距離。其對應(yīng)的勢場的力為勢場的負梯度：

人工勢場法6.3路徑規(guī)劃斥力勢場決定障礙物斥力勢場的因素是汽車與障礙物之間的距離，當(dāng)汽車未進入障礙物的影響范圍時，其受到的勢能值為0；當(dāng)汽車進入到障礙物的影響范圍后，兩者之間的距離越大，汽車所受到的勢能就越小，距離越小，汽車所受到的勢能值就越大。斥力場的勢場函數(shù)：其中，為斥力勢場，為斥力勢場作用系數(shù)，為車輛與障礙物之間的距離。對應(yīng)的勢場力為：

TEB算法6.3路徑規(guī)劃TEB算法（Time-Elastic-Band）是一種常用的局部規(guī)劃算法。算法的核心思想就是：在全局路徑上根據(jù)相同的時間間隔插入N個不同的控制點（位姿點），根據(jù)需要的優(yōu)化目標和約束條件來使各個控制點能遠離障礙物的同時，還滿足車輛的行駛要求，從而實現(xiàn)局部避障功能。TEB算法就是將整條全局路徑中以相同的時間間隔插入某些控制點，然后設(shè)置不同的約束條件來滿足避障需求，最后通過優(yōu)化目標函數(shù)來求解各個位姿點的姿態(tài)，以此實現(xiàn)避障功能。TEB算法6.3路徑規(guī)劃TEB算法中能實現(xiàn)避障的最核心部分就是約束目標函數(shù)，常見的約束函數(shù)有以下幾種：1.跟隨路徑+避障2.速度和加速度約束3.運動學(xué)約束4.最快路徑約束G2o優(yōu)化6.3路徑規(guī)劃TEB算法被表述為一個多目標優(yōu)化的問題，大多數(shù)目標都是局部的，只與一小部分參數(shù)相關(guān)，每一種約束只影響的只是幾個連續(xù)的狀態(tài)。因為他們只依賴于幾個連續(xù)的狀態(tài)，所以它的優(yōu)化速度是非常快的。優(yōu)化算法采用開源的g2o圖優(yōu)化框架，g2o中有點和邊的兩個概念，在當(dāng)前情景下，車輛、障礙物、時間間隔和所有姿態(tài)點被當(dāng)成為點，把約束條件約束為邊，通過約束條件的邊把各個點連接起來構(gòu)成如下的超圖，將超圖輸入g2o優(yōu)化框架就可以進行優(yōu)化。g2o優(yōu)化的超圖6.4決策與規(guī)劃技術(shù)發(fā)展想要實現(xiàn)真正意義上的無人駕駛智能汽車，決策規(guī)劃這一環(huán)節(jié)就必須做到準確迅速等更高的要求。首先要保證路徑規(guī)劃的安全性，要規(guī)劃出準確無誤的全局路徑，并在全局路徑的基礎(chǔ)上，再進行局部路徑規(guī)劃。其次還要保證規(guī)劃的時效性，因為正常車輛行駛的過程中車速都不會太低，如果規(guī)劃的時效性不好存在延時的話，就會導(dǎo)致車輛在當(dāng)前時刻已經(jīng)識別到障礙，由于規(guī)劃過程的延時，把信號傳給底層控制器的時候，因為車速過快車輛已經(jīng)來不及進行相應(yīng)的控制而導(dǎo)致不必要的事故發(fā)生6.4決策與規(guī)劃技術(shù)發(fā)展受制于交通系統(tǒng)的環(huán)境特點，主要是城市環(huán)境的交通系統(tǒng)，因為相比于高速公路或者農(nóng)村的道路來說，城市道路的交通環(huán)境比較復(fù)雜，而且城市道路上的車輛也較多，同時，城市環(huán)境交通參與者類型較多，包括行人、自行車、電動車等多類交通參與者，而且相關(guān)參與者的運動意圖很難進行預(yù)測，這對決策系統(tǒng)的安全性提出了更高的要求。6.4決策與規(guī)劃技術(shù)發(fā)展其次對于決策規(guī)劃系統(tǒng)的主要挑戰(zhàn)是能否完全替代駕駛員進行駕駛。正常駕駛?cè)ツ骋粋€地方的時候，首先駕駛員大腦要先規(guī)劃出來一條或者幾條路徑，然后按照交通規(guī)則進行正常的行駛，根據(jù)道路中的車道線，路口前的導(dǎo)向箭頭，斑馬線等保證車輛的正確通行。依照道路的限速標志、路面交通流情況控制車速。同時還要注意行駛過程中的突然情況，比如前方發(fā)生事故，或者出現(xiàn)危險等情況需要換路行駛時，駕駛員要重新規(guī)劃路徑。如果把這些全部交給決策規(guī)劃來做，決策規(guī)劃能否完全勝任是待考究的問題！智能網(wǎng)聯(lián)汽車決策與規(guī)劃技術(shù)習(xí)題1、請簡述馬爾可夫決策過程。2、請簡述Dijkstra算法與A*算法的區(qū)別，并概述A*算法的大體過程（偽代碼）。3、請描述快速搜索隨機樹（RRT）算法的搜索過程，并簡介RRT算法的改進算法。4、請說明TEB算法中的常見約束。

《智能網(wǎng)聯(lián)汽車技術(shù)基礎(chǔ)》第7章智能網(wǎng)聯(lián)汽車控制技術(shù)經(jīng)典控制理論7.1現(xiàn)代控制理論7.2汽車運動控制7.4汽車模型7.31、了解控制理論主要包括哪幾種控制理論學(xué)習(xí)目標2、了解智能網(wǎng)聯(lián)汽車的控制技術(shù)有哪些3、了解車輛模型的分類和基本概念4、了解智能網(wǎng)聯(lián)汽車在控制技術(shù)上有什么優(yōu)勢5、了解針對智能網(wǎng)聯(lián)汽車的運動控制有哪些智能網(wǎng)聯(lián)汽車控制技術(shù)導(dǎo)入案例

控制理論主要包括經(jīng)典控制理論、現(xiàn)代控制理論及智能控制理論。經(jīng)典控制理論研究對象主要是利用傳遞函數(shù)、常微分方程來描述單一輸入與單一輸出的線性定常系統(tǒng)，常見有PID控制與反饋控制?，F(xiàn)代控制理論是由經(jīng)典控制理論的演變而來，建立在狀態(tài)空間基礎(chǔ)上自動控制理論，主要研究對象是針對時變或非線性系統(tǒng)，是通過計算機科學(xué)技術(shù)、數(shù)學(xué)模型及綜合復(fù)雜的控制來實現(xiàn)對于系統(tǒng)輸入與輸出關(guān)系的整體描述。智能控制理論是一種模仿人工智能，基于自動控制理論、運籌學(xué)、計算機科學(xué)等多學(xué)科的綜合控制技術(shù)，主要對象是不確定模型、高度非線性、復(fù)雜任務(wù)要求的系統(tǒng)。PID控制包含以下三個過程：7.1經(jīng)典控制理論在實際工程中，應(yīng)用最多的控制方法是PID控制。其內(nèi)容是比例-積分-微分控制。PID控制包含以下三個過程：1.比例控制PID控制中最簡單的控制方式是比例控制，比例控制是將輸出與輸入的誤差值作為比例關(guān)系，僅有比例控制，系統(tǒng)的輸出一般存在穩(wěn)態(tài)誤差；2.積分控制（1）積分控制是輸出與輸入誤差值的積分成正比關(guān)系。（2）若系統(tǒng)進入穩(wěn)態(tài)后存在穩(wěn)態(tài)誤差，則稱其為有差系統(tǒng)；若消除穩(wěn)態(tài)誤差，須在控制器中引入“積分項”；對誤差求關(guān)于時間的積分，隨著時間的增加，積分項的值會增大；（3）雖然誤差很小，但隨著時間的增加積分項逐漸變大，積分控制在使控制器的輸出增大的同時，穩(wěn)態(tài)誤差會進一步減小，直到誤差完全消除；（4）比例控制和積分控制結(jié)合，可以使系統(tǒng)在一定時間內(nèi)快速進入穩(wěn)定狀態(tài)，無穩(wěn)態(tài)誤差，稱為PI控制；PID控制包含以下三個過程：7.1經(jīng)典控制理論3.微分控制（1）微分控制指輸出的誤差值與誤差變化率成正比關(guān)系；（2）控制系統(tǒng)在消除誤差的時候會出現(xiàn)頻繁振蕩甚至失穩(wěn)現(xiàn)象，其原因是系統(tǒng)中存在較大慣性，使消除誤差的的變化時間總是滯后于誤差的變化時間；（3）具有比例控制和微分控制的控制器，能夠提前消除誤差，最大程度誤差量控制為零，甚至變?yōu)樨撝?，從而避免出現(xiàn)被控量嚴重超調(diào)的情況；（4）對于較大慣性和滯后特性的控制對象，比例控制和微分控制能改善在動態(tài)過程中的系統(tǒng)特性；PID控制原理7.1經(jīng)典控制理論PID控制原理圖

PID控制原理PID控制原理7.1經(jīng)典控制理論a.比例環(huán)節(jié)：指成比例地反應(yīng)控制系統(tǒng)的誤差信號e(t)，調(diào)節(jié)器會產(chǎn)生控制效果以減小誤差。b.積分環(huán)節(jié)：用于消除誤差，提高系統(tǒng)的準確性。積分作用的強弱取決于積分時間常數(shù)。c.微分環(huán)節(jié)：反應(yīng)偏差信號的變化速率，并能在偏差信號變得太大之前，在系統(tǒng)中引入一個有效的早期修正信號，從而加快系統(tǒng)的動作速度，減小調(diào)節(jié)時間。PID調(diào)節(jié)器各校正環(huán)節(jié)的作用：7.2現(xiàn)代控制理論

現(xiàn)代控制理論是建立在狀態(tài)空間法基礎(chǔ)上的一種控制理論，是自動控制理論的一個主要組成部分。在現(xiàn)代控制理論中，對控制系統(tǒng)的分析和設(shè)計主要是通過對系統(tǒng)的狀態(tài)變量的描述來進行的，基本的方法是時間域方法。

現(xiàn)代控制理論比經(jīng)典控制理論所能處理的控制問題要廣泛得多，包括線性系統(tǒng)和非線性系統(tǒng)，定常系統(tǒng)和時變系統(tǒng)，單變量系統(tǒng)和多變量系統(tǒng)。它所采用的方法和算法也更適合于在數(shù)字計算機上進行?，F(xiàn)代控制理論還為設(shè)計和構(gòu)造具有指定的性能指標的最優(yōu)控制系統(tǒng)提供了可能性。對于目前工程上存在的多復(fù)雜問題現(xiàn)代控制理論更為適用?，F(xiàn)代控制理論還為系統(tǒng)設(shè)計和構(gòu)造了具有指定的性能指標的最優(yōu)控制，各個領(lǐng)域還在繼續(xù)深入研究。模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論7.2.1模糊控制

模糊控制指的是以模糊集合理論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的一類計算機數(shù)字控制方法，屬于智能控制范疇。模糊控制器的一般結(jié)構(gòu)

模糊控制借助模糊數(shù)學(xué)模擬人的思維方法，將工藝操作人員的經(jīng)驗加以總結(jié)，運用語言變量和模糊邏輯理論進行推理和決策，對復(fù)雜對象進行控制。

模糊控制既不是指被控過程是模糊的，也不意味控制器是不確定的，它表示知識和概念上的模糊性，完成的工作是完全確定的。

7.2現(xiàn)代控制理論(2)表格型：同樣是對蘊含關(guān)系進行描述，但是省略了語言描述中的繁瑣詞句，將其轉(zhuǎn)化為表格，方便進行規(guī)則的編寫與查閱，較之于語言描述型更加簡潔明了。(3)公式型：公式型規(guī)則顧名思義是將模糊規(guī)則用公式進行表述，相對于表格型規(guī)則與語言型規(guī)則要靈活一些，可以進行實時的變換。3、清晰化環(huán)節(jié)：根據(jù)專家經(jīng)驗、大量實驗數(shù)據(jù)，搭建出模糊規(guī)則完成邏輯推理后，將會得到輸出的模糊集合，它是由眾多模糊規(guī)則總結(jié)得出的結(jié)論是一個分段的、不規(guī)則的形狀，這時候需要將其映射到具有代表性的數(shù)值上，轉(zhuǎn)化為清晰量輸出控制器。模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理模糊控制器主要環(huán)節(jié):

1、模糊化環(huán)節(jié)：首先要確定輸入變量x的取值范圍。通過量化因子轉(zhuǎn)化物理論域為模糊論域，將清晰值轉(zhuǎn)化為模糊子集，確定模糊語言的取值以及相應(yīng)的隸屬度函數(shù)的過程被稱為模糊化。

2、模糊規(guī)則庫及推理環(huán)節(jié)：模糊規(guī)則的建立是設(shè)計模糊控制器的關(guān)鍵，它與模糊推理幾乎是同步完成的，模糊規(guī)則有以下幾種表達形式：(1)語言描述型：通常滿足“如果…則…”（if…then…）的條件語句，這些通常需要對大量實驗經(jīng)驗進行總結(jié)歸納才能得到，是在后期進行邏輯推理的前提；7.2現(xiàn)代控制理論模糊控制的類型01基本模糊控制器02自適應(yīng)模糊控制器03智能模糊控制器模糊控制的特點：不依賴于數(shù)學(xué)模型，特別適合時滯、非線性系統(tǒng)的控制，省略復(fù)雜的數(shù)學(xué)模型的建立不僅能夠節(jié)約工作時間，還能夠有效地提高控制策略的魯棒性。正因如此，模糊控制在近些年來得以普及，在各行各業(yè)都有所應(yīng)用。模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論7.2.2線性二次最優(yōu)控制線性二次型最優(yōu)控制亦稱線性二次型調(diào)節(jié)器(LinearQuadraticRegulator，LQR)是應(yīng)用線性二次型最優(yōu)控制原理設(shè)計的控制器；作用是當(dāng)系統(tǒng)狀態(tài)因為某種原因偏離了期望點時，線性二次最優(yōu)控制在不消耗多余能量的情況下，能將系統(tǒng)狀態(tài)最大限度穩(wěn)定在期望點周圍。典型LQR調(diào)節(jié)器結(jié)構(gòu)7.2現(xiàn)代控制理論

7.2現(xiàn)代控制理論

模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論7.2.3滑膜控制

滑膜控制(slidingmodecontrol，SMC)也叫滑膜變結(jié)構(gòu)控制，本質(zhì)上是一類特殊的非線性控制，且非線性表現(xiàn)為控制的不連續(xù)性?；た刂婆c其他控制的不同之處在于控制系統(tǒng)“結(jié)構(gòu)”不固定性，控制可以在動態(tài)過程中進行，系統(tǒng)根據(jù)當(dāng)前的狀態(tài)情況（如偏差）按照期望的滑動模態(tài)軌跡有目的地性修正，使系統(tǒng)能夠運動?；た刂铺攸c是具備響應(yīng)速度快、參數(shù)運行平穩(wěn)，外界擾動影響較小、無需系統(tǒng)在線辨識、控制動作實現(xiàn)方式簡單等?；た刂票憩F(xiàn)在控制過程中不連續(xù)性問題，系統(tǒng)結(jié)構(gòu)隨時間變化的特性。該控制特性是使系統(tǒng)在作小幅度、高頻率運動的前提下沿著預(yù)設(shè)的轉(zhuǎn)態(tài)軌跡運動，也就是滑動模態(tài)或者稱為“滑膜”運動。滑動模態(tài)是可以預(yù)設(shè)的，外界擾動無關(guān)影響小，因此滑膜控制有較好魯棒性。7.2現(xiàn)代控制理論1、滑動模態(tài)的存在性如左圖所示，超曲面存在于狀態(tài)空間中，并將狀態(tài)空間分為兩部分?？紤]一般情況，在系統(tǒng)的狀態(tài)空間中，存在一個超曲面s(x)=s(x1,x2,…,xn)=0將狀態(tài)空間分為s＞0及＜0兩種情況。滑模運動的切換面模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論2、滑模變結(jié)構(gòu)控制的設(shè)計方法滑模動態(tài)特性分析：按照滑模區(qū)上的運動點必須都是終止點這一要求，當(dāng)運動點到達切換面s(x)=0附近時，必有：也可以改寫成：這樣就形成一個如的Lyapunov函數(shù)必要條件。

在s=0附近，v是一個非增函數(shù)，因此滿足Lyapunov函數(shù)，系統(tǒng)本身也就穩(wěn)定于s=0。當(dāng)滿足上述條件時，切換面之外的系統(tǒng)點的運動都趨近于切換面。當(dāng)系統(tǒng)的初始狀態(tài)不在切換面附近時，要求切換面之外的運動點必須趨近于切換面。主要由兩部分組成：（1）切換面之外的連續(xù)控制，包括u+(x)，s(x)>0及u-(x)，s(x)<0的正常運動，其運動軌跡在切換面之外或有限次數(shù)穿越切換面；

（2）沿切換面附近運動或造切換面附近穿行運動。根據(jù)廣義滑模條件，得，設(shè)，則可選擇常值切換控制、函數(shù)切換控制及比例切換控制等實現(xiàn)滑模變結(jié)構(gòu)控制模式。

推理7.2現(xiàn)代控制理論3、滑?？刂葡到y(tǒng)的動態(tài)品質(zhì)從理論上來說，系統(tǒng)狀態(tài)要保持在切換面上運動，此時為理想的滑動模態(tài)。但是實際系統(tǒng)中總會存在“開關(guān)特性”，由于系統(tǒng)的慣性、時空滯后等因素影響，系統(tǒng)會在光滑的滑動模態(tài)上發(fā)生震蕩現(xiàn)象。且因自振引起的擾動也會逐漸減弱，這也是滑模變結(jié)構(gòu)控制存在的弊端。若改善滑模運動的動態(tài)效果，可以設(shè)計各種趨近律，具體如下：a.等速趨近律：b.指數(shù)趨近律：c.冪次趨近律：d.一般趨近律：綜上所述，滑膜變結(jié)構(gòu)控制有以下性質(zhì)：在切換面s(x)=0以外的運動點均將于規(guī)定的時間內(nèi)到達切換面；達到滑膜控制系統(tǒng)的動態(tài)品質(zhì)要求；確保了滑膜控制運動的穩(wěn)定性。模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論7.2.4模型預(yù)測控制1、基本內(nèi)容（1）模型預(yù)測控制(ModelPredictiveControl，MPC)，在每一個采樣周期，通過求解一個有限時域開環(huán)最優(yōu)控制問題來獲得當(dāng)前的控制序列；（2）模型預(yù)測控制是一種與時間相關(guān)的、利用系統(tǒng)當(dāng)前狀態(tài)和當(dāng)前的控制量，來實現(xiàn)對系統(tǒng)未來狀態(tài)的控制；（3）模型預(yù)測控制致力于將更長時間跨度最優(yōu)化控制問題，將系統(tǒng)分解成若干個更短時間跨度或有限時間跨度的最優(yōu)化控制問題，在一定時間內(nèi)追求最優(yōu)解；本質(zhì)上模型預(yù)測控制是求解開環(huán)的最優(yōu)控制問題，實現(xiàn)的過程與模型有關(guān)；模型預(yù)測控制是基于預(yù)測模型的閉環(huán)優(yōu)化控制策略，核心算法是預(yù)測系統(tǒng)下一時刻的動態(tài)特性，在線反復(fù)優(yōu)化設(shè)計并同時滾動優(yōu)化預(yù)測時域內(nèi)模型，從而控制除模型失配、干擾等產(chǎn)生的誤差。模型預(yù)測控制原理圖推理7.2現(xiàn)代控制理論2、表達式

式中，X(k)表示k時刻系統(tǒng)的狀態(tài)，u(k)表示k時刻系統(tǒng)的控制輸入，Y(k)表示k時刻系統(tǒng)輸出。在預(yù)測時域范圍內(nèi)，都可以通過k時刻的測量輸出Y(k)來預(yù)測未來一段時間的輸出。模型預(yù)測的目的是為了能夠使預(yù)測輸出與期望輸出誤差盡量最小，但要滿足約束：在約束條件下，可以根據(jù)預(yù)測輸出與期望輸出累計誤差得到目標函數(shù)：式中，r(t)表示i時刻對應(yīng)的期望輸出。3、模型預(yù)測控制算法框圖

MPC控制器通過模型預(yù)測、在約束條件下對目標函數(shù)進行滾動最優(yōu)求解，再通過反饋優(yōu)化求解。在得到k時刻最優(yōu)控制輸入u(k)，然后輸入到被控對象得到k時刻的輸出，狀態(tài)觀測量X(k)將輸出發(fā)送給狀態(tài)估計器，得到估計的狀態(tài)量X0(k)。估計狀態(tài)量在經(jīng)過MPC控制器的處理得到最佳輸入，循環(huán)往復(fù)以此來完成整個控制器的作用。模型預(yù)測控制結(jié)構(gòu)圖推理7.2現(xiàn)代控制理論4、模型預(yù)測控制特點

MPC的控制具有效果好、魯棒性強的優(yōu)點，可以克服控制過程中出現(xiàn)的耦合性、時變性、非線性等問題，并且能夠處理被控量及操縱變量的各種約束。具體特點如下：a.預(yù)測模型：預(yù)測模型作為MPC的本體，描述系統(tǒng)狀態(tài)，結(jié)合系統(tǒng)現(xiàn)在的控制輸入及過程的歷史信息，預(yù)測控制系統(tǒng)未來的輸出值；b.滾動優(yōu)化：滾動優(yōu)化的過程是在線不斷迭代與計算中得到最優(yōu)解的過程。上一步的預(yù)測模型在實際應(yīng)用中總會存在一定誤差，如若不進行滾動優(yōu)化，隨車輛前行，誤差會越來越大，控制效果也就會越來越差，而滾動優(yōu)化就是起消除誤差的作用；c.反饋校正：由于在模型預(yù)測與滾動優(yōu)化過程中，很難按照真實的車輛建模，在實際應(yīng)用中，都是基于動力學(xué)或運動學(xué)模型進行簡化，由于并不能完完全全反應(yīng)車輛真實狀態(tài)，故理論計算與實際運行就必然會存在誤差。且車輛在前進過程中還會存在一些未知干擾等不可控因素，因此需要通過預(yù)測出的最終值于模型的估算值進行誤差計算，利用誤差校正模型預(yù)測值，得到更加貼切實際的未來轉(zhuǎn)角控制值。7.2現(xiàn)代控制理論5、模型預(yù)測控制步驟（1）動力學(xué)方程作為基礎(chǔ)預(yù)測模型；（2）對模型進行離散化；（3）預(yù)測方程矩陣形式表達；（4）優(yōu)化模型函數(shù)并對參數(shù)量加以約束。模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論7.2.5神經(jīng)網(wǎng)絡(luò)控制1、基本內(nèi)容神經(jīng)網(wǎng)絡(luò)控制：指應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)，對控制系統(tǒng)中難以精確建模的復(fù)雜非線性對象進行神經(jīng)網(wǎng)絡(luò)模型辨識，可以作為控制器對參數(shù)進行優(yōu)化設(shè)計，也可以進行推理進行故障診斷；通常神經(jīng)網(wǎng)絡(luò)直接作為誤差閉環(huán)系統(tǒng)的反饋控制器，神經(jīng)網(wǎng)絡(luò)控制器先利用其已有的控制樣本離線訓(xùn)練，后以系統(tǒng)誤差的均方差為評價函數(shù)進行在線學(xué)習(xí)。2、常見的神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)

a.參數(shù)估計自適應(yīng)控制系統(tǒng)；b.內(nèi)?？刂葡到y(tǒng)；c.預(yù)測控制系統(tǒng)；d.模型參考自適應(yīng)系統(tǒng)；e.變結(jié)構(gòu)控制系統(tǒng)。模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論3、神經(jīng)網(wǎng)絡(luò)控制的主要特點

可以描述任意非線性系統(tǒng)，并且對于非線性系統(tǒng)的可以進行辨識和估計；

針對復(fù)雜不確定性問題通過快速優(yōu)化計算獲得具有自適應(yīng)能力、分布式儲存能力，最終可實現(xiàn)在線、離線學(xué)習(xí)。（2）作為控制器使用：神經(jīng)控制器的設(shè)計方法大體有如下幾種：

模型參考自適應(yīng)方法、自校正方法、內(nèi)模方法、常規(guī)控制方法、神經(jīng)網(wǎng)絡(luò)智能方法和神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計方法。4、神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)的兩種方法

（1）用其建模：a.前饋神經(jīng)網(wǎng)絡(luò)；b.遞歸神經(jīng)網(wǎng)絡(luò)。模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論7.2.6自適應(yīng)控制1、基本內(nèi)容自適應(yīng)控制系統(tǒng)是實時測量系統(tǒng)本身的狀態(tài)、性能、參數(shù)等。對系統(tǒng)當(dāng)前數(shù)據(jù)和期望數(shù)據(jù)作比較，通過改變控制器結(jié)構(gòu)、參數(shù)或控制方法等作最優(yōu)決策。系統(tǒng)不斷地將輸入和參考輸入作對比，根據(jù)需要不斷地調(diào)節(jié)自適應(yīng)機構(gòu)，既保證系統(tǒng)輸出滿足要求,還要保證系統(tǒng)的穩(wěn)定。2、自適應(yīng)控制系統(tǒng)的設(shè)計過程

模糊控制指的是以模糊集合理論、模糊語言變量及模糊推理7.2現(xiàn)代控制理論

7.3汽車模型7.3.1模型概述

車輛數(shù)學(xué)建模分為車輛運動學(xué)模型與車輛動力學(xué)模型兩種。汽車動力學(xué)模型與運動學(xué)模型的建立是出于汽車運動的規(guī)劃與控制考慮的，特定場景下，汽車根據(jù)規(guī)劃軌跡行駛。軌跡規(guī)劃過程中應(yīng)要充分考慮汽車運動學(xué)及動力學(xué)約束,使得運動控制的性能更精準。在建立兩種模型時，思路都是通過建立狀態(tài)空間方程，以便于輸入控制量得到理想的狀態(tài)值；并且一般都建立為基于誤差（位置誤差、航向誤差等）的狀態(tài)空間方程。車輛坐標系與汽車運動形式7.3汽車模型7.3.2車輛運動學(xué)模型汽車運動模型指用數(shù)學(xué)方式描述汽車運動，車輛運動學(xué)模型把車輛完全視為剛體，主要考慮車輛的位姿（位置坐標、航向角）、速度、前輪轉(zhuǎn)角等的關(guān)系，不考慮任何力的響。建立汽車運動學(xué)模型需要作以下假設(shè)：①不考慮汽車在Z軸方向的運動，只考慮XY水平面的運動；②左右側(cè)車輪轉(zhuǎn)角一致，可把左右側(cè)輪胎合并成一個輪胎進行研究；③汽車行駛速度變化緩，忽略車輛前后軸載荷移動；④車身及懸架系統(tǒng)是剛性的。7.3汽車模型車輛運動學(xué)模型

車輛運動學(xué)方程

選取狀態(tài)量為，控制量為，則對于參考軌跡的任意一個參考點，用r表示，上式可以改寫為:

其中,。

7.3汽車模型線性化：對上式在參考點采用泰勒級數(shù)展開，并忽略高階項：對和求雅克比矩陣，有：7.3汽車模型則狀態(tài)量誤差的變化量表示為；上式表明狀態(tài)誤差量可以構(gòu)成線性狀態(tài)空間。離散化：對上式進行前向歐拉離散化，得到：整理后得出：7.3汽車模型7.3.3車輛動力學(xué)模型車輛動力學(xué)模型則需要考慮車輛和地面之間的力的影響，包括輪胎側(cè)偏現(xiàn)象等。為更加準確描述車輛橫向運動、縱向運動的狀態(tài)，且為了后續(xù)設(shè)計控制算法時控制更加精確，依據(jù)車輛動力學(xué)特性，建立車輛參考模型。目前常見的動力學(xué)模型有二自由度、三自由度、七自由度等車輛動力學(xué)模型。根據(jù)受力方向又分為橫向動力學(xué)和縱向動力學(xué)，一般兩者解耦之后研究：縱向上，通過控制輪胎轉(zhuǎn)速實現(xiàn)速度跟蹤；橫向上，通過控制前輪轉(zhuǎn)角實現(xiàn)路徑跟蹤。7.3汽車模型三自由度車輛動力學(xué)模型將車輛等效為一個自行車模型，如右圖所示車輛質(zhì)心為坐標原點，滿足右手法則，XOY為大地坐標系，xoy為車輛坐標系。x軸為車輛前進方向。y軸垂直x軸。車輛三自由度動力學(xué)模型二自由度指二自由度指7.3汽車模型

對車輛進行x、y及繞z軸受力分析：式中：m為整車質(zhì)量，、為車輛橫擺角及橫擺角速度，、為車輛前后軸到質(zhì)心距離。、為前后輪胎在x軸方向所受的力。、為前后輪胎在y軸方向所受的力。二自由度指二自由度指7.3汽車模型車輛的研究對象基于大地坐標系下的車輛坐標系，車輛坐標系與大地坐標系的關(guān)系為：綜上關(guān)系式，認為在高速公路摩擦系數(shù)較高，為簡化模型默認車輛行駛滑移率保持在最佳值。車輛在行駛過程中與地面接觸所產(chǎn)生的力與力矩，都可影響車輛狀態(tài)，輪胎參數(shù)，路面特型函數(shù)等。經(jīng)調(diào)查研究發(fā)現(xiàn)，在橫向加速度變化不大時，輪胎側(cè)偏力與側(cè)偏角呈線性關(guān)系：式中，為輪胎側(cè)偏力，為輪胎側(cè)偏剛度，

為輪胎側(cè)偏角；對車輛的輪胎側(cè)偏角側(cè)偏剛度進行約束。保證車輛行駛穩(wěn)定，橫向加速度不宜過大，使輪胎側(cè)偏角在線性區(qū)域內(nèi)。輪胎側(cè)偏角，用已知量可表示：滑移率是在車輪運動中滑動成分所占的比例，用s表示:為輪胎轉(zhuǎn)動角速度值，r為車輪半徑。

二自由度指7.3汽車模型即考慮輪胎力的車輛三自由度車輛動力學(xué)模型：

式中的狀態(tài)量為，控制量為，通過控制方向盤從而控制前輪轉(zhuǎn)角。7.4汽車運動控制汽車運動控制的目的是使車輛沿著一條給定的路線運行，盡可能保證車輛和路線的橫向偏移量盡可能小，且運行速度越快越好。主要根據(jù)當(dāng)前周圍環(huán)境和車體位置、姿態(tài)、車速等信息按照一定邏輯做出決策，并分別向油門，制動及轉(zhuǎn)向等執(zhí)行機構(gòu)系統(tǒng)發(fā)出控制指令。預(yù)瞄跟隨控制原理是根據(jù)駕駛員操縱特征提出的；駕駛員依據(jù)預(yù)瞄偏差大小轉(zhuǎn)動對應(yīng)的方向盤角度，從而完成對期望行駛路徑的跟蹤；控制系統(tǒng)依據(jù)汽車行駛參數(shù)、道路曲率、預(yù)瞄偏差和汽車的動力學(xué)模型得出所需方向盤轉(zhuǎn)角或前輪轉(zhuǎn)角，從而實現(xiàn)對期望目標路徑的跟蹤。

7.4汽車運動控制7.4.1預(yù)瞄控制二自由度指系統(tǒng)傳遞函數(shù)為：

y/f(s)=P(s)?F(s)其中P(s)為預(yù)瞄環(huán)節(jié)傳遞函數(shù)，F(xiàn)(S)為跟隨環(huán)節(jié)傳遞函數(shù)；在低頻域條件下，理想狀態(tài)下的預(yù)瞄跟隨控制系統(tǒng)滿足：P(s)?F(s)≈1 預(yù)瞄跟隨器結(jié)構(gòu)示意圖

7.4汽車運動控制7.4.2前饋控制二自由度指

前饋控制系統(tǒng)框圖反饋控制屬于負反饋的閉環(huán)控制，指將系統(tǒng)的輸出信息返回到輸入端，與輸入信息進行比較，利用二者的偏差進行控制的過程；反饋控制實際是用過去的情況來指導(dǎo)現(xiàn)在和將來一段時間；在控制系統(tǒng)中，如果返回的信息的作用是抵消輸入信息，稱為負反饋，負反饋可以使系統(tǒng)趨于穩(wěn)定；若其作用是增強輸入信息，則稱為正反饋，正反饋可以使信號得到增強；兩者各有優(yōu)點。7.4汽車運動控制7.4.3反饋控制反饋控制系統(tǒng)框圖在實際應(yīng)用中，因為前饋控制屬于開環(huán)系統(tǒng)，反饋屬于閉環(huán)系統(tǒng)，因此采用反饋+前饋的復(fù)合控制方式，既有前饋控制及時，又有反饋控制精確的特點。7.4汽車運動控制7.4.4反饋+前饋控制二自由度指

反饋+前饋控制系統(tǒng)框圖則系統(tǒng)輸出對輸入的傳遞函數(shù)為：7.4汽車運動控制二自由度指前饋-反饋控制系統(tǒng)優(yōu)點：

（1）從前饋控制角度看，由于增加了反饋控制，降低了對前饋控制模型精度的要求，并能對沒有測量的干擾信號的擾動進行校正。（2）從反饋控制角度看，前饋控制作用對主要干擾及時進行粗調(diào)，大大減少反饋控制的負擔(dān)7.4.5橫向控制智能網(wǎng)聯(lián)汽車橫向控制實現(xiàn)的是汽車的路徑跟蹤要求。其目的是在保證車輛操縱穩(wěn)定性的前提下，不僅使車輛精確跟蹤期望路徑，同時使車輛具有良好的動力性和乘坐舒適性。因此，在復(fù)雜場景下需要橫縱向協(xié)同控制研究，這就對無人駕駛汽車來說至關(guān)重要。橫向控制器的核心是車輛動力學(xué)模型與LQR模型（示例）。建立自動駕駛汽車橫向控制系統(tǒng)，先要搭建道路-汽車動力學(xué)控制模型，輸入車輛位置信息，底盤信息，規(guī)劃信息，基于動力學(xué)模型，得出狀態(tài)空間方程，從而對方向盤控制，設(shè)計最優(yōu)控制序列沒加入反饋控制量，結(jié)合道路信息，輸出方向盤轉(zhuǎn)角控制量。7.4汽車運動控制二自由度指橫向運動控制作為車輛的底層控制系統(tǒng)控制信息，橫向運動控制系統(tǒng)及其控制方法的精準度及對規(guī)劃路徑的跟蹤精度。因此，針對智能網(wǎng)聯(lián)汽車的橫向運動控制需要進行深入研究，一直是智能網(wǎng)聯(lián)汽車技術(shù)領(lǐng)域的重點與熱點。7.4.6縱向控制智能網(wǎng)聯(lián)汽車縱向控制是指通過對油門和制動的協(xié)調(diào)控制，實現(xiàn)對期望車速的精確控制?？刂圃硎腔谟烷T踏板與制動踏板的控制與協(xié)調(diào)切換，從而控制汽車加速、減速，實現(xiàn)對智能網(wǎng)聯(lián)汽車縱向期望速度跟蹤與控制；縱向控制主要求在智能駕駛過程中實現(xiàn)加速、減速、制動和車速保持等自動縱向控制。由于縱向控制系統(tǒng)具有參數(shù)不確定性、時滯性和高度非線性動態(tài)特性等特征，縱向控制為典型的多輸入-多輸出復(fù)雜耦合動力學(xué)系統(tǒng)。構(gòu)建可處理性參數(shù)不確定及高度非線性等特性的控制模型是智能駕駛的熱點。7.4汽車運動控制二自由度指縱向控制技術(shù)主要有直接式和分布式兩大類：（1）直接式縱向控制直接式縱向控制本質(zhì)上是一個單控制器控制系統(tǒng)，控制器接收期望距離或速度信息然后直接輸出智能網(wǎng)聯(lián)汽車制動或加速執(zhí)行機構(gòu)控制命令，如下圖所示。直接式縱向控制考慮了系統(tǒng)的復(fù)雜性和非線性等特點，具有集成程度高，模型準確性強的特點。直接式縱向控制7.4汽車運動控制二自由度指

（2）分層式縱向控制智能網(wǎng)聯(lián)汽車動力學(xué)具有強非線性與與參數(shù)不確定性，在要求高精度的研究中，一般通過設(shè)計多個控制器的方式來減小開發(fā)難度。分層式控制系統(tǒng)主要包括上、下兩層控制，上層控制器主要負責(zé)期望速度或加速度計算，下層控制器根據(jù)上層控制器輸出的速度與加速度輸出制動信號或加速信號，以此實現(xiàn)對智能網(wǎng)聯(lián)汽車速度的控制，如圖7-18所示。分層縱向控制通過協(xié)調(diào)油門和制動分層控制，開發(fā)相對易實現(xiàn)。但是由于分層式控制會忽略參數(shù)不確定性、模型誤差以及外界干擾等的影響，建模的準確性會受到一定的影響。分層式縱向控制為實現(xiàn)橫縱向控制器在實際情況下的控制效果，智能網(wǎng)聯(lián)汽車行駛時，橫向運動和縱向運動是同時進行的，需要將橫向控制與縱向控制協(xié)同起來并優(yōu)化控制參數(shù)，構(gòu)建自動駕駛汽車綜合控制系統(tǒng)；該綜合控制系統(tǒng)用于實現(xiàn)自動駕駛汽車的橫縱向耦合運動控制，橫縱向協(xié)同控制架構(gòu)包括決策層、控制層、模型層，對橫向或縱向運動進行解耦研究，無法準確地得到車輛的運動情況。因此，結(jié)合縱向控制系統(tǒng)與橫向控制系統(tǒng)，設(shè)計橫縱向綜合控制系統(tǒng)的整體框架其綜合控制框架如下圖所示。7.4汽車運動控制7.4.7橫縱向協(xié)調(diào)控制橫縱向協(xié)同控制架構(gòu)圖本章小結(jié)7智能網(wǎng)聯(lián)汽車控制技術(shù)本章描述了自動駕駛汽車控制。首先介紹了汽車控制領(lǐng)域常見的控制理論，其中分別介紹了經(jīng)典控制理論、現(xiàn)代控制理論以及智能控制理論。其次對每種控制理論都詳細的介紹了基本概念，數(shù)學(xué)推導(dǎo)等，對于自動駕駛汽車提供了理論依據(jù)。最后針對自動駕駛汽車的特點和要求，提出了一些常見運動控制的具體控制方法。智能網(wǎng)聯(lián)汽車控制技術(shù)習(xí)題1、PID控制包括那些過程？分別的作用是什么？2、常見的動力學(xué)模型有哪些？其各自包括哪些部分？3、模型預(yù)測控制是基于開環(huán)控制還是閉環(huán)控制？模型預(yù)測控制分為幾個部分？

《智能網(wǎng)聯(lián)汽車技術(shù)基礎(chǔ)》第八章智能網(wǎng)聯(lián)汽車測試與評價技術(shù)測試與評價技術(shù)概述8.1測試方法8.2課后作業(yè)8.4評價方法8.31、了解自動駕駛測試體系組成。2、掌握模型在環(huán)、軟件在環(huán)、硬件在環(huán)、車輛在環(huán)和道路在環(huán)概念。3、了解常見的測評方法及原則。學(xué)習(xí)目標測試與評價的概念8.1

測試與評價技術(shù)概述測試是指具有實驗性的測量，它的基本目標就是獲取有用的測量信息，借助儀器、設(shè)備和合理的實驗方法進行信號分析和數(shù)據(jù)處理。評價則是對一個人或者事進行判斷，分析后的結(jié)果。構(gòu)建智能駕駛測試與評價體系，可以全面系統(tǒng)的評價智能汽車的性能，為研發(fā)與生產(chǎn)提供方向。測試是指具有實驗性的測量，它的基本目標就是獲取有用的測量信息，借助儀器、設(shè)備和合理的實驗方法進行信號分析和數(shù)據(jù)處理。評價則是對一個人或者事進行判斷，分析后的結(jié)果。構(gòu)建智能駕駛測試與評價體系，可以全面系統(tǒng)的評價智能汽車的性能，為研發(fā)與生產(chǎn)提供方向。測評的分類測試是指具有實驗性的測量，它的基本目標就是獲取有用的測量信息，借助儀器、設(shè)備和合理的實驗方法進行信號分析和數(shù)據(jù)處理。評價則是對一個人或者事進行判斷，分析后的結(jié)果。構(gòu)建智能駕駛測試與評價體系，可以全面系統(tǒng)的評價智能汽車的性能，為研發(fā)與生產(chǎn)提供方向。在進行測試和評價時，需要研究測評目的?？梢愿鶕?jù)測評對象對汽車的測評目的進行分類，包括：整車測評系統(tǒng)性測評、零部件測評等。根據(jù)測評設(shè)備分類，包括：軟件在環(huán)、硬件在環(huán)測評、臺架測評等。常見的測評目的包括符合性測評、對比測評和研發(fā)測評。1.符合性測評8.1.1

測評目的標準符合性測試是通過測試實驗的方式，來檢驗一個標準的實現(xiàn)是否達到了規(guī)定中的各項指標。它是用于衡量產(chǎn)品功能和性能指標與相關(guān)國家標準或行業(yè)標準規(guī)定的一致性的活動。它不同于一般的測評，其依據(jù)和程序必須是國家標準或行業(yè)標準，而不是實驗室定義的非正式相關(guān)規(guī)范。測試結(jié)果可用于評估既定目標是否實現(xiàn)。如果結(jié)果表明未達到目標，則有必要修改和改進標準一致性測試的對象。標準一致性測試流程2.比對測評

8.1.1

測評目的比對測試指的是挑選兩個或兩個以上的測評對象，挑選其中一個變量作為測評的物理量，在保證其他條件一致或基本相同的情況下，比較測評對象的性能。通過比對測試可以通過不同汽車的性能差異，如能耗量、排放量等，更加明顯的分析汽車的差異，以滿足不同消費者的購買需求。同時，在汽車的設(shè)計階段，也可以作為確定質(zhì)量目標的一種信息來源，明確設(shè)計目標，提高市場競爭力。3.研發(fā)測評研發(fā)測評是一種提高汽車性能和促進產(chǎn)品開發(fā)的一種測試與評價活動。在高等學(xué)校、科研院所、汽車整車廠、汽車零部件廠等進行的相關(guān)開發(fā)研究都是研發(fā)測評。為了滿足市場對汽車性能和功能的要求，滿足大眾汽車對汽車的多樣化需求，研發(fā)階段的測試和評估范圍非常廣泛。為了適應(yīng)新技術(shù)，特別是當(dāng)前的汽車智能化和自動化，測試和評估方法需要不斷更新。1.測試方案設(shè)計方法8.1.2

通用測試原理常見的試驗方案設(shè)計方法包括單因素試驗方案設(shè)計、雙因素試驗方案設(shè)計、疲勞試驗方案設(shè)計和壽命試驗方案設(shè)計等。單因素測試是指影響測評的因素只有一個，通常應(yīng)用于汽車的開發(fā)，運用一維尋查方法獲取最優(yōu)值。當(dāng)影響因素較多時，采用多因素測試方案，運用正交設(shè)計法找尋最優(yōu)解。正交設(shè)計法是借助生產(chǎn)實踐的經(jīng)驗建立正交表，對測試項目進行全面考核。疲勞測試是指確定材料的疲勞強度，找到極限值，在汽車生產(chǎn)中主要是金屬疲勞測試。壽命測試測試可靠性試驗中的一種，它將產(chǎn)品放在特定的試驗下，觀察失效隨時間的變化規(guī)律，通過失效分析，找到失效機理，改進產(chǎn)品，提高產(chǎn)品質(zhì)量。2.相似原理8.1.2

通用測試原理相似性來自幾何學(xué)，用于確定兩種現(xiàn)象是否相似。在具有物理變化的現(xiàn)象中，相似性是指空間中所有量的相對點和時間上的相對比例關(guān)系。相似原理是模型實驗研究的基礎(chǔ)，是實驗和分析研究的方法。在汽車領(lǐng)域，模擬和仿真測試環(huán)境的構(gòu)建通常涉及相似性原則，包括幾何相似性、運動相似性和動態(tài)相似性。2.1相似第一定理相互相似的物理現(xiàn)象必須遵循相同的客觀規(guī)律。如果定律可以用方程來表示，那么物理方程必須是相同的。如果這兩種流動現(xiàn)象在機械上相似，那么空間中相應(yīng)的點和相應(yīng)的瞬時物理量彼此成一定比例。這些相似參數(shù)的選擇不能是任意的，而是符合一定的規(guī)律并相互制約。此外，物理現(xiàn)象中的相似性準則在不同的時間和不同的空間位置具有不同的值，因此相似性準則不是恒定的。2.2相似第二定理8.1.2

通用測試原理對于同一類物理現(xiàn)象，當(dāng)單值條件相似且由單值條件中的物理量組成的相似性標準相等時，這些現(xiàn)象必須相似。描述兩種物理現(xiàn)象相似性的第一個必要條件是微分方程必須相同；單值條件相似是物理現(xiàn)象相似的第二個必要條件。由于在同一個微分方程組中有許多類似的現(xiàn)象，研究對象可以通過單值條件從眾多現(xiàn)象中劃分出來。如果單值條件相同，那么微分方程組的解是唯一的，物理現(xiàn)象是相似的。2.3相似第三定理

測試方法的分類8.2

測試方法測試是指具有實驗性的測量，它的基本目標就是獲取有用的測量信息，借助儀器、設(shè)備和合理的實驗方法進行信號分析和數(shù)據(jù)處理。評價則是對一個人或者事進行判斷構(gòu)建智能駕駛測試與評價體系，可以全面系統(tǒng)的評價智能汽車的性能，為研發(fā)與生產(chǎn)提供方向。在測試體系中分為縱向分層和橫向分層，包括模型在環(huán)（MIL）、軟件在環(huán)（SIL）、硬件在環(huán)（HIL）、車輛在環(huán)（VIL）和道路在環(huán)（RIL）。其中模型在環(huán)（MIL），軟件在環(huán)（SIL）、硬件在環(huán)（HIL）為實驗室測試，在進行車輛在環(huán)和道路在環(huán)測試之前必須經(jīng)過實驗室測試。道路在環(huán)測試又分為封閉式和開放式道路。自動駕駛測試體系1.模型在環(huán)測試方法8.2.1

模型在環(huán)、軟件在環(huán)測試方法模型在環(huán)測試是基于模型系統(tǒng)工程的一種開發(fā)與測試方法。通過模型來表達復(fù)雜的系統(tǒng)，用于解決控制、信號處理等相關(guān)問題。采用模型在環(huán)測試可以在開發(fā)早期對模型進行驗證，提早發(fā)現(xiàn)算法中問題和錯誤，在開發(fā)的過程中不斷驗證。2.軟件在環(huán)測試方法軟件在環(huán)是不接入任何實物進行算法模型及代碼的測試驗證。在智能汽車中，包含很多系統(tǒng)，如感知系統(tǒng)、定位系統(tǒng)、高精度地圖系統(tǒng)等，這些模塊都要進行在環(huán)測試，因此在自動駕駛階段，軟件在環(huán)測試是一個離線的仿真系統(tǒng)，可以對每個模塊進行訪問。軟件在環(huán)的模型和測試環(huán)境都是虛擬的，這樣可以建立大量的復(fù)雜場景和極限工況，在前期就能快速發(fā)現(xiàn)問題并解決問題，提高開發(fā)的效率。8.2.2

硬件在環(huán)測試方法硬件在環(huán)測試是一種將實物和軟件模型聯(lián)合的一種半實物仿真測試平臺。它通過仿真車輛、傳感器和執(zhí)行器來構(gòu)建一個虛擬的車輛環(huán)境，以實時處理器中運行的實體仿真模型來模擬受控對象的運行狀態(tài)，通過I/O接口與被測部件連接，在測試系統(tǒng)中起到一個承前啟后的作用。與軟件在環(huán)不同的是，硬件在環(huán)將真實的傳感器引入到測試系統(tǒng)中。硬件在環(huán)模型P(S)是控制器傳遞函數(shù)，TZ(S)是傳感器傳遞函數(shù)，D(S)是控制對象模型，N(S)是測試系統(tǒng)的其余部件模型，在該系統(tǒng)中，引入了傳感器傳遞函數(shù)，將實物和軟件連接起來，能夠覆智能汽車的多個系統(tǒng)，實現(xiàn)了端到端的離線測試能力。8.2.3

車輛在環(huán)測試方法車輛在環(huán)是一種半實物仿真思想，將整車加入到仿真的閉環(huán)中，實現(xiàn)了軟/硬件在環(huán)到實車測試之間的過渡，即提高了軟/硬件在環(huán)測試的精確度，又解決了實車測試中時間長、工況少等問題。車輛在環(huán)分為靜態(tài)車輛在環(huán)和動態(tài)車輛在環(huán)。靜態(tài)車輛在環(huán)是將車輛通過舉升機構(gòu)固定到臺架上，利用仿真軟件，實現(xiàn)虛實結(jié)合的閉環(huán)測試。動態(tài)車輛在環(huán)是在封閉的場地中，將真實汽車與虛擬場景聯(lián)合，完成不同的駕駛?cè)蝿?wù)進行動態(tài)測試。動態(tài)測試道路在環(huán)測試方法的分類8.2.4

道路在環(huán)測試方法測試是指具有實驗性的測量，它的基本目標就是獲取有用的測量信息，借助儀器、設(shè)備和合理的實驗方法進行信號分析和數(shù)據(jù)處理。評價則是對一個人或者事進行判斷，分析后的結(jié)果。構(gòu)建智能駕駛測試與評價體系，可以全面系統(tǒng)的評價智能汽車的性能，為研發(fā)與生產(chǎn)提供方向。按照建設(shè)目標可分為認證測試類和研發(fā)測試類，認證測試類場地主要應(yīng)用于標準法規(guī)的制定和發(fā)放上路測試牌照，研發(fā)測試類場地主要服務(wù)于高等院校、科研院所、研發(fā)機構(gòu)和主機廠、零部件廠等；按照建設(shè)模式分類可以分為現(xiàn)狀道路改造、傳統(tǒng)測試場改造和新規(guī)劃建設(shè)類；按照封閉模式道路在環(huán)測試分為封閉式測試場、半封閉式和開放式道路。1.封閉測試場測試8.2.4

道路在環(huán)測試方法測試是指具有實驗性的測量，它的基本目標就是獲取有用的測量信息，借助儀器、設(shè)備和合理的實驗方法進行信號分析和數(shù)據(jù)處理。評價則是對一個人或者事進行判斷，分析后的結(jié)果。構(gòu)建智能駕駛測試與評價體系，可以全面系統(tǒng)的評價智能汽車的性能，為研發(fā)與生產(chǎn)提供方向。自動駕駛車輛在上路之前需首先在封閉測試場完成各種場景測試。封閉測試場可以實現(xiàn)場景可控和場景復(fù)現(xiàn)的仿真環(huán)境，通過簡單基礎(chǔ)場景的測試如直行、轉(zhuǎn)向、上坡等檢測自動駕駛車輛的基本功能和軟硬件系統(tǒng)運行情況。我國的智能網(wǎng)聯(lián)汽車封閉測試場構(gòu)成如圖所示。測試環(huán)境要素包括低、高速公路、城市鄉(xiāng)村道路、隧道等，還應(yīng)具備相應(yīng)的特點，如街景、停車場、彎路、交通設(shè)施、標線、信號燈等，同時還要模擬，雨、雪、霧等自然環(huán)境；交通要素主要是機動車、非機動車、異常物體等；通信系統(tǒng)主要包含以下內(nèi)容：有線通信與無線通信系統(tǒng)、交通環(huán)境檢測系統(tǒng)、定位系統(tǒng)等；控制中心主要有場地管理系統(tǒng)、云儲存系統(tǒng)、交通信號控制系統(tǒng)和顯示屏幕等。封閉測試場構(gòu)成1.封閉測試場測試8.2.4

道路在環(huán)測試方法測試是指具有實驗性的測量，它的基本目標就是獲取有用的測量信息，借助儀器、設(shè)備和合理的實驗方法進行信號分析和數(shù)據(jù)處理。評價則是對一個人或者事進行判斷，分析后的結(jié)果。構(gòu)建智能駕駛測試與評價體系，可以全面系統(tǒng)的評價智能汽車的性能，為研發(fā)與生產(chǎn)提供方向。根據(jù)測試能力，封閉測試場可以分為三個級別：ADAS系統(tǒng)測試（自動駕駛L1和L2級別）；L3及以上高級自動駕駛；v2v通信，車路協(xié)同系統(tǒng)和相關(guān)裝備的測試。根據(jù)測試場景，分為T1~T5五個等級，其中，T1為最基礎(chǔ)的直線行駛路況，包括少量的紅綠燈等簡單交通環(huán)境；T2為城市場景（簡單場景），可以讓自動駕駛車輛實現(xiàn)轉(zhuǎn)彎等行駛方式；T3為常見城市場景，包括城市平面立交橋等場景設(shè)置；T4為復(fù)雜城市場景，有隧道、林蔭道等復(fù)雜場景；T5為特殊城市場景，包括模擬雨霧、濕滑等復(fù)雜交通場景。北京首個T5級別封閉測試場如右圖所示。2.半開放道路測試8.2.4

道路在環(huán)測試方法

在正式進入開放道路測試之前，自動駕駛車輛還需要在半開放道路上進行測試。半開放道路是相對于開放道路而言，是指在可控范圍內(nèi)的規(guī)模有限的社會車輛和行人通過的道路。一般選擇車速較低、交通密集度低的園區(qū)、機場、港口作為半開放道路，加裝V2X、紅綠燈、路燈等設(shè)置。半開放道路的社會車輛和行人流量可控，在這里可以實現(xiàn)單車自動駕駛、自動泊車、自適應(yīng)巡航、緊急制動等功能驗證，相比實際開放道路場景要簡單。3.開放道路測試8.2.4

道路在環(huán)測試方法在有大量行人通行的道路上，交通場景隨機多變，狀況復(fù)雜。所以，開放道路測試是必不可少的測試步驟，是道路測試的最終環(huán)節(jié)。相比于虛擬仿真測試，開放道路測試的數(shù)據(jù)結(jié)果更加真實、可靠、有效，對算法的改進有很大的益處。開放道路測試可以全面的檢驗自動駕駛車輛在復(fù)雜場景狀況下的運行狀況以及對于危機情況的化解，實現(xiàn)車—人—路的協(xié)調(diào)過程。評價的概念8.3評價方法

評價是指對一件事或一個人進行判斷、分析后的結(jié)果。在日常生活中，無論是教育領(lǐng)域科研成果還是綜合國力，評價充滿了方方面面。人們常常會參照一些標準進行評價，通過與標準的比對，從而達到對事物的認知并進行一定的決策。8.3.1常見的通用評價方法

根據(jù)系統(tǒng)評價的理論和方法，大致可以分為三類：一是基于數(shù)學(xué)理論，在假設(shè)條件下，對系統(tǒng)進行定量描述和計算，主要包括模糊分析法、灰色系統(tǒng)分析法等；二是注重統(tǒng)計分析，將統(tǒng)計數(shù)據(jù)視為隨機數(shù)據(jù)，轉(zhuǎn)換指標數(shù)據(jù)，根據(jù)均值、方差和協(xié)方差找到潛在規(guī)律，通過統(tǒng)計方法分析指標體系，以全面了解評價對象，主要包括主成分分析、因子分析、聚類分析、判別分析等第三是再現(xiàn)決策支持方法。通過計算機仿真和仿真，系統(tǒng)的運行與人類行為目標一致，并獲得了評估結(jié)果。8.3.2常見的安全評價方法

安全評估是分析系統(tǒng)中的危險和有害因素，判斷事故發(fā)生的可能性，并制定相應(yīng)的對策，是一種定性、定量的評價工具。安全評價有很多種，常見的評價方法分為檢查表法、預(yù)先危險分析法、故障分析法、危險與可操作性分析、故障樹分析法、指標評價法等，每一種評價方法都有其適應(yīng)的范圍和條件，都有各自的優(yōu)缺點。在評價過程中選擇了不恰當(dāng)?shù)陌踩u價方法，不僅會浪費時間，影響工作的正常進行，還會是測評的結(jié)果嚴重失真，因此要選擇合適的測評方法。安全測評方法的選擇要遵循以下原則：充分性、適應(yīng)性、系統(tǒng)性、針對性和合理性。（1）充分性原則。充分性是指在進行安全評價之前，要充分了解被測評的系統(tǒng)，同時還要掌握多種測評方法，并對每一種方法的優(yōu)缺點、適用范圍和使用條件進行了解，為測評工作做好充足的準備。（2）適應(yīng)性原則。適應(yīng)性是指選擇的安全評價方法應(yīng)適應(yīng)被測評的系統(tǒng)。被測評的系統(tǒng)可能有多個子系統(tǒng)構(gòu)成，每個系統(tǒng)都有各自的評價重點，此時應(yīng)該結(jié)合各種評價方法的范圍和條件選擇合適的安全評價方法。8.3.2常見的安全評價方法（3）系統(tǒng)性原則。系統(tǒng)性是指安全方法與被評價系統(tǒng)所提供的安全評價初值和邊界條件應(yīng)形成一個和諧的整體。被評系統(tǒng)能夠提供所需的數(shù)據(jù)和資料，在真實、合理和系統(tǒng)的數(shù)據(jù)上采用安全評價方法，得到真實可靠的評價結(jié)果。（4）針對性原則。針對性是指選擇的安全評價方法能夠提供所需的結(jié)果。由于測評目的不同，測評結(jié)果也有所不同，最終要保證得到的結(jié)果要能被選用。（5）合理性原則。合理性是指在滿足評價目的和能夠提供所需結(jié)果的前提下，選擇計算過程簡便、所需基礎(chǔ)數(shù)據(jù)最少和容易獲得結(jié)果的方法，避免出現(xiàn)無用功和不必要的麻煩。

選擇安全評價方法是要考慮被評系統(tǒng)的實際情況和評價目標，有時可能會采用多種方法進行安全評價，綜合分析驗證，提高評價結(jié)果的可靠性。智能網(wǎng)聯(lián)汽車測試與評價技術(shù)習(xí)題1、PID控制包括那些過程？分別的作用是什么？2、常見的動力學(xué)模型有哪些？其各自包括哪些部分？3、模型預(yù)測控制是基于開環(huán)控制還是閉環(huán)控制？模型預(yù)測控制分為幾個部分？

《智能網(wǎng)聯(lián)汽車技術(shù)基礎(chǔ)》第

九

章智能網(wǎng)聯(lián)汽車智能駕駛輔助系統(tǒng)智能駕駛輔助系統(tǒng)概述9.1車道保持輔助系統(tǒng)9.2自動泊車輔助系統(tǒng)9.5自動緊急制動系統(tǒng)9.4車道偏離預(yù)警系統(tǒng)9.3學(xué)習(xí)目標1、理解ADAS系統(tǒng)使用目的及需求。2、熟悉智能駕駛輔助系統(tǒng)的各種功能。3、熟悉ADAS功能的觸發(fā)邏輯。4、了解ADAS各個子功能的異同點。5、熟悉ACC輔助系統(tǒng)和其他系統(tǒng)組成相似點。6、了解ADAS系統(tǒng)道路融合以及目標融合對于傳感器的需求。智能網(wǎng)聯(lián)汽車先進駕駛輔助系統(tǒng)有哪些？通過對本章的學(xué)習(xí)，讀者可以得到答案。導(dǎo)入案例

隨著汽車保有量的增加，如何降低交通事故發(fā)生率和事故死亡率已成為迫切需要解決的問題。

解決該問題最有效的辦法之一就是配置先進駕駛輔助系統(tǒng)，提高汽車行駛安全性,最大限度降低事故發(fā)生率和事故死亡率。9.1智能駕駛輔助系統(tǒng)概述原

理：

ADAS是一種L2級別及以上的高級智能駕駛輔助系統(tǒng)。其通過利用傳感器融合輸出的信息通過控制器進行執(zhí)行介人操作，能夠使車輛在行駛過程中的安全性以及舒適性提高，降低發(fā)生交通事故的概率。常見的駕駛輔助系統(tǒng)有自適應(yīng)巡航控制系統(tǒng)（ACC）、自動緊急制動系統(tǒng)（AEB）、車道保持輔助系統(tǒng)（LKA）、車道偏離預(yù)警（LDW）、自動泊車輔助系統(tǒng)（APA）等。

ADAS系統(tǒng)通常由感知單元、決策單元、控制執(zhí)行單元組成。一般需要與多個車載控制系統(tǒng)進行合作，與自車性能、道路特征、駕駛員特征息息相關(guān)。定義及主要功能(a)自適應(yīng)巡航控制系統(tǒng)（ACC）是在傳統(tǒng)的根據(jù)給定車速進行巡航控制的基礎(chǔ)上，通過傳感器判斷自車與前車的速度差和車間時距，在駕駛員需求的速度要求內(nèi)通過控制器控制自車的車速，并通過以保證與前方車輛的安全距離并達到自動巡航的目的。(b)定速巡航；跟車巡航；調(diào)節(jié)車速；調(diào)節(jié)間距；恢復(fù)車速；解除控制；接管模式。9.1.1自適應(yīng)巡航控制系統(tǒng)ACC主要包括：感知單元、控制單元、執(zhí)行單元和人機交互界面。9.1.2自適應(yīng)巡航控制系統(tǒng)組成分析：

感知單元的主要作用是識別前車信息以及獲取自車狀態(tài)信息。

控制單元屬于ACC系統(tǒng)的決策層，以感知單元發(fā)送的信號作為該單元的輸入，負責(zé)對車速、轉(zhuǎn)角等信號進行估算、濾波和異常處理。

執(zhí)行單元負責(zé)接收上級單元傳輸?shù)男盘柌⑦M行實際狀態(tài)下的控車，實現(xiàn)對車輛速度以及加速度的控制。人機交互界面主要是通過可視化的方式為駕駛員提供自車的初始狀態(tài)和被控信息。概述9.1.3自適應(yīng)巡航控制系統(tǒng)工作原理

ACC控制器連接前視攝像頭與毫米波雷達，由雷達和攝像頭等傳感器融合對圖像信息以及交互信號進行識別處理進而獲取前車的車輛信息以及目標信息（相對距離、相對速度等）；

通過CAN通訊，使用CAN線將網(wǎng)關(guān)、整車控制單元、縱向控制單元等其他相關(guān)ECU進行通訊交互，進而獲取車速、剎車踏板、主缸壓力、減速度等信息，以實現(xiàn)ACC的決策以及對控制器的控制請求。

ACC系統(tǒng)在傳統(tǒng)燃油汽車和新能源電動汽車上控制方式有所不同，傳統(tǒng)汽車控制節(jié)氣門踏板的開度大小進而控制輸出與輸出轉(zhuǎn)矩，而新能源電動汽車則是直接通過電機來控制輸入與輸出轉(zhuǎn)矩。9.2.1車道保持輔助系統(tǒng)功能概述定

義：

車道保持輔助系統(tǒng)（LKA）的目的是當(dāng)駕駛員在駕駛配備本系統(tǒng)車輛時出現(xiàn)無自主意識的橫向偏離情況下，能夠自動幫助駕駛員將車輛進行糾偏，使車輛能穩(wěn)定的在該車行駛的車道行駛，進而減少車輛的側(cè)向碰撞以及正面碰撞來保證行車人的人生安全。

LKA系統(tǒng)可以應(yīng)用于不同種類的交通車道線如：實線、虛線、雙實線等以及不同顏色車道線：白色、藍色、黃色、紅色。當(dāng)然也包含對于直線行駛的保持以及彎道保持和特殊情況下的變道保持。9.2.2車道保持輔助系統(tǒng)的組成

車道保持輔助系統(tǒng)主要由信息采集單元、電子控制單元和執(zhí)行單元等組成。在系統(tǒng)工作期間，駕駛員將會接收車道偏離的報警信息，并選擇對轉(zhuǎn)向系統(tǒng)和制動系統(tǒng)中的一項或多項動作進行控制，也可交由系統(tǒng)完全控制。9.2.3車道線保持輔助系統(tǒng)的應(yīng)用大眾汽車LKA系統(tǒng)：車道保持功能激活條件：車速大于等于67km/h，攝像頭能夠清楚的識別前方道路環(huán)境，道路融合模塊可以判斷辨別出道路邊界界限，車道寬度不小于2.85m也不能多于4.54m。當(dāng)車速超過65km/h時，如果無其他橫向相關(guān)輔助功能系統(tǒng)介入情況下，LKA系統(tǒng)自動激活。奧迪汽車LKA系統(tǒng)：車道偏離預(yù)警LDW(LaneDepartureWarning）目的是當(dāng)配備LDW功能的車輛出現(xiàn)無意識偏離行駛車道的過程中，通過提醒使駕駛員進行控車，來避免