车辆自适应巡航控制系统的研究现状

自适应巡航控制系统(ACC)一方面可以有效避免碰,另一方面可以提高驾驶舒适性和行车安全,有效减轻了驾驶员的操作负担,在特定工况下实现了汽车的纵向自动驾驶,文章主要介绍介自适应巡航控制系统的控制策略和控制算法以及ACC系统的控制理论的研究现状。     

引入驾驶风格系数的跟车控制优化策略

目前已有的汽车自适应巡航控制（ACC）系统主要从汽车安全性角度发挥作用,而汽车驾驶者的主观感受往往被忽略,导致 ACC 系统接受度、使用率均未能达到理想水平。事实上,汽车驾驶者不仅要求 ACC 系统能够保障行车安全,而且也需要体现出个性化需求。为增强 ACC 系统的适用性,在确保车辆巡航安全的基础上,引入一种融合驾驶风格系数的自适应控制策略,并基于 Matlab/Simulink 和 CarSim 软件建立仿真平台,对典型车辆巡航场景（正常跟随前车）进行仿真验证。结果表明,引入驾驶风格系数的 ACC 系统可以更好地迎合汽车驾驶者的心理诉求。研究结果可为 ACC 系统的个性化发展提供技术参考。     

汽车ACC系统纵向控制六模式切换策略仿真研究

为了增强现有六模式汽车自适应巡航(ACC)系统全工况下的适应性,文中综合考虑了2车相对速度、相对距离和本车速度等参数对ACC系统控制策略的影响,提出了1种六模式ACC系统控制模式的划分方法,并定量地确定了控制模式划分的边界条件.为了使ACC系统能够根据车辆行驶工况做出合理的响应,分别设计了各控制模式的加速度算法.将模式划分方法及控制策略建立相应的Simulink模型,考虑到PreScan具有场景建立便利性和可视化等优点,采用PreScan仿真场景并通过CarSim车辆动态模型,对所设计的六模式ACC系统进行了仿真试验.仿真结果表明:提出的六模式ACC系统,在全工况特别是前车切入等复杂工况下,较现有的六模式ACC系统表现出更好的适应性.      

自适应巡航控制系统发展现状与前景分析

自适应巡航控制系统(ACC)一方面可以有效避免碰撞,另一方面可以在长距离驾驶情况下减轻驾驶者操作负担,在特定工况下实现了汽车的纵向自动驾驶,受到了生产企业、消费者的共同关注。本文在对ACC的技术特点、技术难点和市场应用情况分析的基础上,从技术发展趋势和2020年市场预测两方面对ACC技术发展前景进行了分析。     

危险驾驶工况场景的复杂度评估方法研究

本文中提出了一种对危险驾驶工况场景数据的采集和复杂度评估的方法。与大型实车路试中自然驾驶数据的采集方法不同的是,本文中基于高级驾驶辅助系统采集其报警前后数据,并将其作为危险驾驶工况数据进行研究;在分析危险驾驶工况场景数据及其影响因素的基础上,构建了包含不同环境、交通流和车辆相关因素的危险驾驶工况场景的复杂度评价指标体系;基于专家评分结果,应用层次分析法确定指标权重,得到了对危险驾驶工况场景进行复杂度评价的模型与方法,可用于智能汽车的仿真测试。     

基于危险场景聚类分析的前车随机运动状态预测研究

我国道路情况复杂多变,构建合适的测试场景对汽车智能驾驶系统测试和评价的有效性起着决定性作用。本文中从我国实际道路出发,从自然驾驶数据中提取具有中国特色的典型场景,筛选出自然驾驶数据中危险工况数据片段,基于此提取出汽车智能驾驶系统综合测试的场景特征要素,并利用聚类分析法得到3类典型危险场景。采用马尔可夫链理论表征前车人类驾驶员驾驶车辆的随机运动特性,将聚类得到各场景下的自车数据作为前车历史工况数据,归纳学习得出马氏链转移概率,并通过马尔可夫链蒙特卡洛模拟预测未来时刻的状态,基于此得到危险场景中前车随机运动预测模型,通过对比原始工况数据验证预测模型的有效性,有效解决了由于采集设备精度低导致的前车数据不准、在测试场景中不能准确表征前车人类驾驶员驾驶车辆随机运动的问题。     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价，由于自动驾驶系统复杂程度的增加及设计运行区域的扩大，面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此，建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法，可解决现有方法在逻辑场景层面安全性评价的缺陷。首先，建立基于自然驾驶数据的逻辑场景构建流程，分析场景描述参数，搭建自然驾驶数据采集平台采集相关自然驾驶数据，采用高斯分布模型描述参数概率分布；进而，离散逻辑场景参数空间获取具体测试用例，并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试，通过高斯模型将测试结果中的危险场景参数聚类，获取被测算法在逻辑场景中的危险区域；最后，综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域，提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数，并以前车制动和前车切入场景为例，给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5，在前车制动场景中具有较大的安全风险，与仿真测试的直观结果相符；通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

Modeling and Co-simulation of Adaptive Cruise Control System

采用Carsim与Simulink建立了一种车辆纵向动力学模型;然后基于最优控制和PID控制,设计了具有上、下两层结构的自适应巡航控制系统;最后对典型的自适应巡航工况进行联合仿真.结果表明,所设计的自适应巡航控制系统能使自车在保持一定车距的前提下较好地跟踪前车速度变化,并对前车的紧急制动有较好的响应.     

基于场景的自动驾驶汽车虚拟测试研究进展

随着自动驾驶等级的提高，面向传统汽车的测试工具与测试方法已不能满足自动驾驶汽车测试的需要。基于场景的虚拟测试方法在测试效率、测试成本等方面具有巨大的技术优势，是未来自动驾驶汽车测试验证的重要手段，已成为当前的研究热点。通过对大量相关文献的系统梳理，综述了基于场景的自动驾驶汽车虚拟测试研究进展。对比分析了自动驾驶测试场景的不同定义方式，明确了测试场景的内涵，归纳了测试场景的要素种类，概述了测试场景的数据来源，总结了场景数据的处理方法。在此基础上，对自动驾驶汽车虚拟测试方法进行了总结，分析了典型的测试方式、测试平台和虚拟测试的技术要点，梳理了软件在环、硬件在环和车辆在环测试方案及其关键技术。针对自动驾驶汽车测试效率问题，研究了基于场景的加速测试技术，概述了典型的测试场景随机生成方法和危险场景强化生成方法。最后，对基于场景的自动驾驶汽车虚拟测试所面临的问题及未来发展趋势进行了分析和展望。研究结果表明：基于场景的虚拟测试是推动自动驾驶技术发展和产业落地的必由之路，未来研究应着力突破基于解构与自动重构的测试场景数据库、人-车-环境系统一体化高置信度建模、自动驾驶汽车虚拟测试标准工具链、不同自动驾驶汽车渗透率下的混合交通模拟与测试、测试案例动态自适应随机生成机制等核心共性技术，建立自动驾驶汽车虚拟测试标准体系。     

基于Simulink&PreScan的自适应巡航建模与仿真

智能辅助驾驶越来越多的得到应用,尤其自适应巡航系统的应用,能够在一定程度上减少驾驶员的驾驶强度。本文设计了一套自适应巡航系统,使用Simulink进行了模型搭建,并用PreScan软件针对特定场景进行了仿真。自适应巡航系统的成功实现,是汽车自动驾驶的重要步骤。     

四轮独立驱动电动车自适应巡航滑模控制

为实现四轮独立驱动电动汽车的自适应巡航功能,采用基于趋近律的滑模控制理论设计了自适应巡航控制系统。上位控制器以实际车距与期望车距的偏差作为输入,采用滑模控制律获得主车期望加速度,然后将期望加速度作为下位控制器的输入,计算出电机期望转矩,用于实现自适应巡航控制。在CarSim中建立电动汽车整车模型,并与Simulink进行联合仿真。仿真结果表明,在前车匀速、加速、减速等直线行驶工况以及曲率较大的弯道行驶工况下,提出的自适应巡航控制方法均能够使主车具有良好的跟踪能力。     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性，基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台，该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力，可动态模拟不同的路面附着系数，同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度；采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真，模拟多种道路交通场景，并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统，完成了多项关键技术研发，包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法，可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外，为验证快速测试平台的有效性，以U-turn轨迹跟踪控制为研究实例，基于简化的车辆运动学模型和模型预测控制算法，在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况，自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好，与参考轨迹的偏差小于8%，证明了该测试平台检测方法的有效性。     

无信号灯十字路口自动驾驶汽车直行关键场景构建

自动驾驶汽车在开发过程中需要进行全面的测试以确保其安全性，关键场景是有条件和高度自动驾驶汽车进行安全测试验证的重要基础。首先，针对测试场景参数离散化全组合后测试用例数量巨大的问题，分别采用3路定强度和变强度组合测试策略及场景初筛规则，以自动驾驶主车直行通过无信号灯十字路口及周围2辆干扰车的测试场景为例，使测试用例数量从全组合的3.9×10⁷组分别减少到6 525组和26 496组。其次，采用碰撞时间、后侵占时间和最大减速度作为场景关键性识别和评价指标。利用基于动态安全区域的避障策略和基于模型预测控制的自动驾驶主车运动规划与控制模型，以及搭建的基于MATLAB/Simulink和CarSim软件的自动驾驶汽车联合仿真平台，通过仿真并与安全指标阈值比较，获得数量大幅减少的关键测试用例。最后，采用基于加权欧氏距离的K-medoids聚类方法对变强度组合策略获得的2 234组关键测试用例进行聚类，获得9组典型关键测试用例。研究结果表明：碰撞时间、后侵占时间和最大减速度指标阈值可以用于识别十字路口场景关键性；相对3路定强度参数组合策略，变强度参数组合策略提供了更多的关键测试用例，对其随机抽样获得少量随机关键测试用例；随机和典型关键测试用例可以应用于封闭试验场验证无信号灯十字路口自动驾驶汽车直行运动规划的安全性。     

重型商用车预见性自适应巡航控制策略研究

为提高商用车巡航系统的经济性与安全性，设计了考虑节油安全驾驶的商用车预见性自适应巡航控制系统（predictive adaptive cruise control system,PACC），基于前方道路坡度规划了预见性巡航经济车速，针对巡航过程中受前车影响产生制动干扰的问题，提出了一种利用前车信息进行优化的预见性自适应巡航控制策略。基于前方道路坡度设计了自适应车间距，规划主车行驶车速，实现了预见性自适应巡航行驶。基于一汽解放JH6重型商用车进行了实车试验，研究结果表明：该算法可以有效降低燃油消耗量并缓解驾驶员驾驶疲劳，为商用车辅助驾驶系统的开发提供了极为重要的理论及实际价值。     

基于驾驶员特征的汽车自适应巡航控制研究

汽车自适应巡航控制系统(ACC)是当前汽车驾驶员辅助系统研究中的热点课题之一。在介绍ACC原理和对驾驶员行为特征进行分析的基础上，建立了2自由度ACC控制模型，并对模型跟随前车和前车切入情况进行了模拟分析。     

自动驾驶汽车基础测试场景构建研究（双语出版）

针对L2/L3级自动驾驶汽车的仿真测试和封闭场地测试认证需求，结合现有L2/L3级自动驾驶汽车量产车型的主要功能特点，提出自动驾驶汽车基础测试场景群的构建方法。首先针对指定的道路交通环境，分析主车和周围交通参与者可能的相对位置和运动方向的组合，确定复杂场景群。其次分别以主车功能所确定的各个可能运动方向，依此与各干扰车辆的可能运动方向（包括任一干扰车辆不存在的情形）进行组合，组合时采用PICT组合测试工具，并添加必要的运动约束条件，选择参数组合覆盖标准自动生成全部的组合场景群。最后结合场景筛选规则，筛选出具有测试价值的覆盖各个层级及功能的基础测试场景群。采用场景构建方法，对于主车处于三车道中间车道的路段场景和无红绿灯的十字路口场景，分别构建62种和33种基础测试场景。根据驾驶人行为特性、交通规则、汽车在城市、郊区和高速公路工况下的典型车速、加减速度、横向加速度、交通事故和自然驾驶数据库的有关场景数据等，设计主车换道工况的测试用例。采用模型预测控制框架建立主车局部路径规划和控制仿真模型，并对主车危险换道场景进行仿真。研究结果表明：主车在邻车道前车大减速的情况下实现了减速换道并避免了与本车道前车和邻车道前后车的碰撞，同时跟踪到期望跟车间距，验证了该换道测试用例的有效性。     

城市工况巡航控制方法及仿真分析

为了提高汽车行驶的安全性和驾驶汽车的舒适性,提出基于城市工况的模糊巡航控制方法,依据巡航控制系统原理建立模糊控制器和汽车纵向系统动力学模型,以理想安全距离与实际距离的差值、两车速度差作为巡航控制系统的控制变量,在Matlab/simulink平台上建立模糊控制器模型、车辆纵向系统动力学模型,最后以一种典型城市道路工况作为仿真工况。仿真结果表明:所建立的模型很好地实现了基于城市工况的安全行驶,具有较好的控制效果,验证了所建模型的有效性和正确性。     

基于多模式切换的智能汽车自适应巡航控制研究

针对前车运动状态和驾驶意图的不可预知性导致传统自适应巡航控制(ACC)系统应用受限的问题,设计了一种多模式切换的自适应巡航控制方法。根据自车与前车的运动学关系划分行驶模式,采用紧急系数表征各行驶模式下的危险程度;设计模糊控制器调节模型预测控制(MPC)中目标函数的权重值,以满足不同工况下跟车性和舒适性的需求差异,实现不同控制模式间的切换。仿真结果表明,多模式切换控制方法有效提高了车辆跟车性和舒适性,在各种工况下取得了优良的控制效果。     

针对自适应巡航的驾驶人风格辨识

车辆进入自适应巡航工况下行驶时,不同风格的驾驶人会对自适应巡航控制系统(Adaptive Cruise Control,ACC)有不同的需求。文章首先通过对不同驾驶人在9种跟随试验下获取的实验数据分析,选取表征驾驶人风格的驾驶特征参数;其次对所有驾驶人驾驶特征参数利用K-mean算法聚类分析,将驾驶人三类,并利用BP神经网络建立辨识模型对驾驶人风格进行辨识。结果表明;文章提出的方法可以较高的准确率对驾驶人风格进行分类,提高自适应巡航系统适应驾驶人的能力。     

汽车集成式电子真空助力器系统设计

为满足汽车驾驶辅助系统对于辅助制动装置越来越高的要求,提出了一种基于汽车普通制动真空助力器的集成式电子真空助力器系统(Electronic Vacuum Booster,EVB)。在对系统整体结构进行设计的基础上,基于电磁铁数学模型对EVB关键零部件电磁铁参数进行了优化设计。为实现基于EVB的驾驶辅助系统控制器设计,对包括控制器和执行器在内的EVB整体系统模型进行了辨识。试验结果表明:所开发的EVB系统能快速、精确地响应制动指令,可广泛应用于自适应巡航控制系统、走-停巡航系统及主动避撞系统等驾驶辅助系统。