论文部分内容阅读
随着无人驾驶汽车技术的发展,无人驾驶汽车的安全问题逐渐受到研究者的关注。无人车的控制系统是无人驾驶汽车领域的主要研究方向之一。驾驶安全是无人驾驶汽车的首要目标,研究和开发无人驾驶汽车主动避撞技术是十分有必要的。本文针对主动避撞技术的特点,采用基于分解模糊系统(DFS)来实时调整PID参数,再通过PID控制无人车在纵向行驶过程中达到避撞的目的。建立了整车动力学模型和分解模糊PID控制器,考虑了与实际相近的四种工况,来验证主动避撞系统的可行性。(1)由于主动避撞系统的验证中需要有动力学模型来支撑,所以要搭建无人车纵向动力学模型。无人车纵向动力总成包括发动机、液力偶合器、自动变速器和车辆质量模型等。为了验证所本文所搭建的动力学模型的合理性,在CarSim中同样建立了整车模型,并在与Simulink中搭建的纵向动力学模型进行对比,证明所建动力学模型的完整性与准确性。(2)与传统的模糊系统不同,DFS将模糊变量分解为N层,并除去了两个边界模糊集。每一层的传统模糊变量由一个对应的模糊集及其补集构成,并且每一层对应于原模糊划分中的一个模糊集。由于采用DFS所构建的基于专家经验的模糊规则库的规则数过多,所以采用简易分解模糊系统(SDFS)。对于SDFS,相比DFS来说只需要考虑来自模糊变量的同一排序层的模糊集,模糊规则数相对较少。(3)针对无人车的主动避撞系统,避撞逻辑的模型采用安全距离模型。将前后车的状态信息输入到控制器中,按照设计好的计算方法得到相应的危险阈值,该阈值是表示当前车况危险程度的量,无人车可通过阈值法判别紧急危险状况,以及是否触发车辆自主制动措施。一旦触发车辆自主的制动,系统将给出制动的期望减速度,无人车将以期望加速度为目标进行制动。采用控制目标设计层、扭矩输出层的分层控制策略。在目标设计层中,将期望纵向加速度与实际值作比较得到相应的误差;在扭矩输出层,误差通过分解模糊PID控制器计算出期望加速度所需要的力矩。最后,通过仿真验证所提出的控制方法的有效性。