2011
07-08
一種智能車控制算法的設(shè)計(jì)和實(shí)現(xiàn)
分類: | 查看: 83 |
智能汽車與一般所說的自動(dòng)駕駛有所不同，它指的是利用多種傳感器和智能公路技術(shù)實(shí)現(xiàn)的汽車自動(dòng)駕駛。智能汽車首先有一套導(dǎo)航信息資料庫，存有全國高速公路、普通公路、城市道路以及各種服務(wù)設(shè)施（餐飲、旅館、加油站、景點(diǎn)、停車場）的信息資料；其次是GPS定位系統(tǒng)，利用這個(gè)系統(tǒng)精確定位車輛所在的位置，與道路資料庫中的數(shù)據(jù)相比較，確定以后的行駛方向；道路狀況信息系統(tǒng)，由交通管理中心提供實(shí)時(shí)的前方道路狀況信息，如堵車、事故等，必要時(shí)及時(shí)改變行駛路線；車輛防碰系統(tǒng)，包括探測雷達(dá)、信息處理系統(tǒng)、駕駛控制系統(tǒng) ,控制與其他車輛的距離，在探測到障礙物時(shí)及時(shí)減速或剎車，并把信息傳給指揮中心和其他車輛；緊急報(bào)警系統(tǒng)，如果出了事故，自動(dòng)報(bào)告指揮中心進(jìn)行救援；無線通信系統(tǒng)，用于汽車與指揮中心的聯(lián)絡(luò)；自動(dòng)駕駛系統(tǒng)，用于控制汽車的點(diǎn)火、改變速度和轉(zhuǎn)向等。
1 巡線控制算法
1.1 運(yùn)動(dòng)模型
智能車的運(yùn)動(dòng)控制是通過控制驅(qū)動(dòng)馬達(dá)和伺服舵機(jī)實(shí)現(xiàn)的。在理想情況下，可以認(rèn)為4個(gè)輪胎繞著同一個(gè)圓心做純滾動(dòng)，其離散運(yùn)動(dòng)模型公式為：
其中V是線速度，W為角速度， x（t）、y（t）為小車的坐標(biāo)，angle（t）為智能車的方向角（以小車前進(jìn)方向?yàn)槠鹗季�，逆時(shí)針為正），Δt為采樣周期。模型如圖1所示。
由于模型車的運(yùn)動(dòng)速度較高，在行駛過程中輪胎與賽道會發(fā)生一定側(cè)滑，因此還需要引進(jìn)側(cè)滑修正。
1.2 舵機(jī)控制
方向控制是控制策略的難點(diǎn)。傳統(tǒng)的PID算法[1,2]不需要對控制對象做細(xì)致分析，只需根據(jù)控制效果對參數(shù)進(jìn)行調(diào)整[3].但由于控制器的輸入量均對輸出量產(chǎn)生影響，且高度耦合，很難根據(jù)控制效果準(zhǔn)確地對參數(shù)進(jìn)行修正，因此參數(shù)的整定工作十分繁重。此外，當(dāng)車的狀態(tài)不同時(shí)（如低速和高速時(shí)），最佳參數(shù)也有很大不同，這給進(jìn)一步調(diào)試帶來了困難。
本文采用"最優(yōu)曲率法".控制思想是：模型車在一個(gè)控制周期內(nèi)的運(yùn)動(dòng)軌跡可以近似為一段圓弧，整個(gè)運(yùn)動(dòng)軌跡可以看做由小段圓弧連接成的曲線。在假設(shè)線速度恒定的前提下，給定路徑上的一個(gè)點(diǎn)就能確定出智能車到達(dá)該點(diǎn)所應(yīng)具有的舵機(jī)角度[4].在每個(gè)控制周期內(nèi)選擇路徑上的一點(diǎn)（或若干點(diǎn)），根據(jù)預(yù)先建立的圓弧運(yùn)動(dòng)模型計(jì)算出模型車在接下來的一個(gè)（或若干個(gè)）運(yùn)動(dòng)周期內(nèi)要到達(dá)選定點(diǎn)所需的理想狀態(tài)，此時(shí)該控制周期的輸出量就是在未來幾個(gè)控制周期內(nèi)使模型車的實(shí)際狀態(tài)盡可能逼近理想狀態(tài)的控制量。
以車的后橋中點(diǎn)為原點(diǎn)建立坐標(biāo)系，車的中軸為y軸，其正向?yàn)檐嚨那胺健ＴO(shè)（c_x,c_y）為路徑上的點(diǎn)在該坐標(biāo)系中的坐標(biāo)。則控制量的計(jì)算公式為[5]:
這種方法在車速較低時(shí)可以取得很好的效果，當(dāng)車速較高時(shí)，有很多因素對控制效果的影響會顯著增大，需要作出適當(dāng)?shù)难a(bǔ)償。其中主要因素是控制量的實(shí)際輸出時(shí)刻與理想輸出時(shí)刻的延時(shí)，這個(gè)延時(shí)是由圖像處理和控制量的計(jì)算都需要一定時(shí)間造成的。對此，本文采取的方法是根據(jù)車的當(dāng)前狀態(tài)估算出控制量的輸出時(shí)刻的路徑信息，用這個(gè)路徑信息計(jì)算控制量。
另一個(gè)重要因素是側(cè)滑。智能車在行駛過程中存在側(cè)滑，可以通過側(cè)滑角作補(bǔ)償。設(shè)車輪的角度為θ，加入側(cè)滑后的等效車輪角度為θ′，本文假設(shè)二者符合如下關(guān)系：
還有一個(gè)重要因素是，當(dāng)車速較高時(shí)，舵機(jī)的響應(yīng)速度相對較慢。要克服這個(gè)問題，應(yīng)使舵機(jī)提前做出反應(yīng)。因此需要在控制器的輸出量中引入路徑的趨勢。本文用前瞻點(diǎn)處的斜率k表示路徑的趨勢，在原控制量θ的基礎(chǔ)上增加一個(gè)與路徑趨勢相關(guān)的分量θ″=para×v×k,其中para通過實(shí)驗(yàn)結(jié)果自動(dòng)調(diào)整，如果需要，可以將para設(shè)為和其他變量相關(guān)的函數(shù)。
經(jīng)過上述改進(jìn)之后，最優(yōu)曲率法在車速較高的時(shí)候依然能夠取得很好的控制效果。此部分程序流程圖如圖3所示。
該算法的優(yōu)點(diǎn)是參變量較少，且相互間的耦合很小，對控制效果的影響較為獨(dú)立，可以根據(jù)實(shí)驗(yàn)結(jié)果快速確定調(diào)整量。只要對參數(shù)進(jìn)行適當(dāng)調(diào)整，就能取得較好的控制效果。
1.3 速度控制
在速度決策方面，首先嘗試了基于有效前瞻
