基于激光雷达的纵向坡路动态可行驶性预测（双语出版）

为解决智能汽车在含有纵向坡路的环境中行驶时所涉及的环境感知与路面可行驶性理解问题，提出了一种基于激光雷达的动态、不确定性路面可行驶性预测方法。首先，利用PreScan，CarSim与MATLAB软件搭建虚拟行驶环境，并建立激光雷达物理模型提高虚拟点云的保真度。其次，进行基于激光雷达的动态可行驶性研究，利用路面激光雷达点云数据基于车辆未来行驶方向建立笛卡尔坐标系下的间隔栅格地图；在间隔内进行平面拟合得到路面的法向量，利用平面法向量计算路面纵向坡角并利用车辆姿态补偿得到大地坐标系下的间隔坡角和道路轮廓信息，并探讨天气对道路轮廓估计结果的影响；基于车辆纵向动力学特性和道路参数估计结果，计算可行驶性概率并预测可行驶性。为了快速仿真验证所提出的可行驶性预测方法，搭建相应的自动测试环境并设计测试方法。首先分析并测试车辆行驶过程中容易因失效造成预测失败的临界关键工况，接着在虚拟行驶环境中建立自动化测试流程，加强对关键工况区的采样，总计通过402组测试工况验证可行驶性预测算法，预测准确率达到87.81%。最后，在实车平台和真实测试道路上对算法流程进行验证。研究结果表明：该方法能够很好地对车辆在纵向坡路上的可行驶性进行动态的、基于概率性指标的预测。     

基于实测路谱的比利时路面载荷预测与试验对比研究

基于某C级轿车实测数据在ADAMS/car中建立了整车多体动力学模型和虚拟2D比利时试验场路面模型,并以该路面耐久性行驶工况为输入条件,结合多体仿真、载荷虚拟迭代和道路载荷数据采集等技术获取了路面车辆的工作载荷。试验结果表明,比利时路面载荷预测仿真结果与测试结果在时域、幅值频次趋势基本一致,该方法可有效预测比利时路面车辆的动态载荷,同时可为整车及零部件的疲劳寿命分析和结构优化提供载荷输入条件。     

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。     

可变附着系数路面上的自动紧急制动避撞安全策略研究

针对路面条件变化时紧急制动系统易出现的制动时机决策失准问题,提出基于车辆运动学的动态决策增强安全模型的紧急制动策略。首先,依据目标车加减速状态细化工况,基于车辆速度与加速度建立动态决策安全模型,以提高极端工况下控制策略对车辆动态行驶速度的适应性。接着,以无迹卡尔曼滤波(UKF)算法连续辨识获得道路附着系数,通过系列道路条件下对实车和模型的制动性能试验建立路况与车辆减速能力的关系,根据道路条件实时更新模型依赖的极限减速度参数,进一步增强控制策略安全性和对动态道路条件的适应性。最后,通过附着系数连续多变路面工况试验和中国新车评价规程(C-NCAP)测试工况试验,对控制策略进行验证。结果表明,滤波算法具备精准的辨识效果;而自动紧急制动策略可在变化附着系数路面上实现对制动时机的准确决断。     

考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。     

轮毂电机驱动车辆驱动力控制研究

轮毂电机驱动车辆各轮转矩精确可控且响应迅速的特点适用于越野工况，但越野路面起伏不一且附着条件多变，因此，开发基于越野工况辨识的车辆驱动力控制策略，对提升轮毂电机驱动车辆的纵向行驶稳定性具有重要意义。基于动力学模型分析路面附着与路面几何特征，确定可用于越野工况辨识的车辆特征参数集；针对车轮悬空垂向载荷估计失真现象，且由于地面垂向力的实际变化导致车辆垂向载荷分配比例的改变，修正了垂向载荷的计算；利用各特征参数的差异与越野工况的映射关系判定工况属性，采用模糊识别法界定4种地形工况；驱动力控制上层考虑工况与驾驶员影响因素，通过越野工况辨识结果决策驱动利用系数，作为前馈期望转矩调节权重；中层通过四轮垂向载荷得到转矩分配系数，设计驱动力分配算法；下层针对车辆在越野工况下出现车轮滑转与悬空状态，对车轮进行动态转矩补偿。仿真测试与实车验证表明，越野工况辨识结果与预期相符，驱动力控制策略综合优化了车辆稳定性和动力性。     

基于视觉传感器的ADAS纵向行驶工况识别方法研究

汽车先进驾驶辅助系统在应用时要根据不同的车辆行驶工况对车辆进行相应的控制,而准确的车辆行驶工况识别信号是合理的控制策略的基础.为了得到准确的车辆行驶工况识别信号,利用视觉传感器分别对车辆跟踪定位,以及车道线检测技术进行了研究.利用adaboost分类器检测出前方车辆;应用文中提出的基于坐标映射与定比分线并能够抵抗俯仰角干扰的测距方法进行车辆定位,验证结果显示该测距方法误差小于1m;再应用改进后的基于置信度判断与Kalman滤波技术的车道线跟踪检测方法进行车道线检测,并通过实车道路试验对此进行了验证,验证结果显示该车道线检测方法误差小于1°.提出1种基于PreScan的将所应用的车辆跟踪测距与车道线跟踪检测方法相结合的方法,用以实现汽车ADAS纵向行驶工况的识别,并通过PreScan仿真场景验证了该工况识别方法,结果表明该方法能够为ADAS提供准确的工况识别信号.      

基于运动约束的激光雷达与车体坐标系旋转参数标定

激光雷达是智能网联汽车环境感知的重要传感器,多坐标系空间标定是激光雷达精准环境感知的前提条件。针对激光雷达与车体坐标系空间同步面临传感器观测单一的问题,提出基于激光雷达与车辆的平面运动和直线运动约束2步标定方法。为构建运动约束,基于激光里程计获取激光雷达运动位姿信息,通过激光雷达运动轨迹信息和时域上多帧地面平面拟合信息进行平面行驶识别,在满足平面路况下构建平面运动约束标定,进而标定横滚角与俯仰角;基于俯仰角和横滚角对车辆轨迹进行修正,通过激光运动轨迹建立直线行驶判别模型判别车辆运动状态,在满足车辆直线行驶路况下构建直线运动约束,从而标定偏航角。最后,在智能驾驶试验车上开展了激光雷达与车辆坐标系标定的实车试验,通过实车采集的数据验证了提出的空间同步方法的可行性。试验结果表明：提出的激光雷达与车体坐标系标定方法优于基于标定物的方法,在原始数据上可以保证标定后的旋转误差降低至0.61,误差率降低约47.4%。在手动调整的扩充数据上标定后的旋转误差降至1.64,误差率降低约40.6%。相对于基于标定物的方法,其旋转误差均有降低且不需要借助特定的标定物与标定场,降低了对环境的依赖程度。同时通过消...     

基于虚拟试车场的载荷预测研究

文章基于Hyper Works/MotionView建立了某车型的动力学模型、虚拟试车场路面模型以及驾驶员模型,构建了"道路-车辆-人"的闭环系统。针对10种典型路面进行了相关的虚拟载荷预测,重点对轮心和悬架零部件载荷,从时域、频域两个维度与实车道路采谱载荷数据进行对比分析。结果表明,所建立的车辆动力学模型精度可靠,输出的虚拟载荷可应用到后续零部件台架载荷的开发试验中。基于虚拟试车场的载荷预测技术,可快速且较为准确地预测车身、底盘零部件、发动机衬套等在不同耐久工况下的动态载荷情况,增强零部件设计的稳健性,减少物理样车和台架的试验次数,降低开发成本。     

重型商用车载荷状态动态检测方法及试验研究

基于车辆悬架垂向变形量与车辆垂向载荷的相关关系,通过位移传感器搭建了具有过载保护功能的车辆载荷状态实时动态检测装置,采用经验模态分解法设计开发了用于车辆静态载荷和动态载荷分离的数据处理算法。为了分析构建的车辆状态实时动态检测系统在车辆行驶工况下检测结果的准确性和可靠性,以中国第一汽车厂赛龙载货汽车为试验车,分别在B级平直路面和3种不同的强化路面18种不同运行工况下进行了实车道路对比试验,试验结果表明:车辆在B级平直路面行驶时系统对车辆动态载荷检测误差小于5%;车辆在3种强化路面行驶时系统对车辆动态载荷检测误差小于8%。该系统为车辆载荷状态动态检测提供了一种新方法。     

轿车零部件热损害试验工况研究

通过采集重庆市区内轿车行驶参数以及环境温度、相对湿度、日照辐射强度、地表温度、市区路面坡度等数据,应用数理统计和多参数统计理论解析出了轿车行驶工况、市区典型环境条件以及路面实际坡度情况,并将这三部分整合成轿车零部件热损害试验工况。通过整车环境风洞试验,对合成的轿车零部件热损害试验工况进行了验证,结果表明,该工况能够准确模拟出车辆实际道路运行情况,可用于评价轿车零部件使用温度是否满足开发要求。     

基于ReliefF-RBF的路面不平度识别算法研究

路面不平度对道路车辆行驶安全性及车辆动力学响应具有重要影响。通过将路面不平度识别与先进悬架控制结合,有望能进一步提升乘员舒适性和车辆的操纵稳定性。现有基于数据驱动的路面分类方法难以高效处理时变参数与车速,现有基于模型的路面识别算法需要已知精确车辆模型,在实际应用中面临车辆物理参数难以获得的问题。提出一种融合模型和数据驱动的路面分类算法,采用基于模型的方法反算等效路面轮廓,结合数据预处理方法,对车辆响应和反算等效路面轮廓数据进行滤波;对等效路面轮廓和响应信息进行时域频域特征计算,采用ReliefF算法进行关键特征提取,构建基于径向基函数神经网络的路面分类器,进行路面分级识别;通过仿真试验和实车试验验证了不同车辆参数和车速下所提出的算法鲁棒性。     

松软路面突变性对车辆垂向振动的影响

为了在越野行驶车辆平顺性仿真系统中实时动态反映车辆的振动特性,提出了基于小波变换的松软越野路面突变性描述方法并分析突变性对车辆垂向振动的影响。通过小波变换对路面奇异点进行测定和定位,把越野车辆平顺性仿真系统看作是在有限时间内受到随机载荷激励的动力系统,分析其受路面突变载荷的车辆的垂直振动响应方差。结果表明,小波变换能较准确地判定路面奇异点并对其定位,可为越野车辆平顺性虚拟测试系统提供路面随机输入。     

基于制动转向协同控制的智能车紧急避障研究

为使车辆在紧急情况下能够快速稳定地完成换道避障,本文中将车辆纵向控制和侧向控制结合在一起,综合考虑车辆在紧急制动转向避障的过程中由于路面附着条件的限制可能会造成车辆失稳问题,在上层进行避障规划过程中加入基于哈密顿能量函数的理想纵向力和侧向力分配,并搭建稳态预测动态校正驾驶员模型跟踪规划的期望路径。然后利用Matlab/Simulink搭建3自由度车辆动力学模型,并基于Carsim和Labview的硬件在环试验对理想纵向力和侧向力的分配进行验证,仿真结果表明,所计算的纵、侧向力分配规律能够在车辆紧急制动转向避障时,在较短的时间和纵向距离条件下行驶到相邻车道。最后通过实车试验进一步验证了所提出方法的有效性。     

基于深度学习的混合动力汽车预测能量管理

为了优化混合动力汽车的能量动态分配过程，提升混合动力汽车的燃油经济性和动力电池荷电状态（SOC）平衡性，提高混合动力汽车能量管理策略的鲁棒性，以等效燃油消耗最小化策略为基础，结合对车辆未来行驶工况的预测研究，分析车辆未来行驶需求能量的变化，制定相应的动态调整策略。基于车联网通信技术，实时采集车辆的运行状态信息和交通信息，作为车辆未来工况预测模型的输入变量。以数据驱动为特征，基于混合深度学习建立工况预测模型。利用STL分解算法对各输入变量进行周期性、趋势性等特征分解，并对各输入变量的特征分量，使用混合深度学习网络从数据局部特征及时间维度依赖特征来深度挖掘目标车辆车速与外部信息及历史数据的关系，进而对车辆未来的行驶工况进行预测。利用预测的工况信息，分析车辆未来行驶需求能量的变化，应用于自适应等效消耗最小化策略等效因子的实时动态调整，从而实现对车辆的优化控制，并通过与传统自适应等效消耗最小化策略进行对比，验证该方法的有效性。研究结果表明：基于混合深度学习的工况预测模型预测精度比BP网络预测模型高44.72%；利用精确的预测工况信息预测能量管理，可以实时动态调整发动机和电机的功率输出，降低油耗并维持电池SOC平衡。     

复杂路况下无人驾驶路径跟踪模型预测控制研究

为了提高无人驾驶车辆在直角转弯、连续弯道和弧形弯的复杂路况下路径跟踪精度、行驶稳定性与安全性,提出了一种改进的模型预测控制算法。该改进算法是根据行驶路径弯曲度确定车辆在平坦路面上不发生滑移的最大纵向速度,即车辆纵向速度不是假定恒定值。基于模型预测控制,建立车辆运动学模型,设置以速度和前轮转角为约束条件,设计以位置偏差和控制增量为目标函数,获得最优前轮转角和行驶速度。最后,借助某新能源汽车有限公司提供的无人驾驶车辆平台与测试场地,试验对比分析了在复杂路况下改进的模型预测控制算法与纵向速度恒定的模型预测控制算法时车辆路径跟踪效果,试验验证了改进模型预测控制算法的有效性与优越性,保证了车辆的路径跟踪精度、行驶平稳性与安全性。     

对应于整车行驶循环的发动机简化工况点确定方法的研究

基于汽车理论,计算出车辆道路行驶循环对应的发动机运行工况点散点.根据距离最短分区简化原理,得出发动机工况简化点.对这些简化点的油耗进行实测(或模拟计算),预测车辆道路行驶工况下的燃油经济性.实车试验验证了本方法的实用性和所开发计算程序的精度.通过发动机工况简化点油耗贡献率的排序,可指导发动机早期开发阶段中有侧重的优化.     

行驶于矿山软土路面的自卸车的减振系统协同优化

大吨位矿用自卸车的行驶工况非常恶劣,严重影响车辆的行驶平顺性和操纵稳定性;同时,矿区路面为沙壤土路面,其变形对矿用自卸车的振动也有显著影响。针对此问题,本文中将同时考虑垂向、纵向和侧向相互作用的轮胎-地面接触模型与整车多体动力学模型集成,实现了在变形地面条件下的车辆地面耦合系统的建模,进行ADAMS/Simulink联合仿真,并通过实车道路试验验证了模型的准确性。结果表明,采用计及路面变形的动力学模型,仿真精度提高了7%以上。在此基础上,通过建立2阶响应面近似模型,利用多岛遗传算法对自卸车油气悬架和横向稳定杆参数进行协同优化,保证了在不破坏整车操纵稳定性的前提下,有效改善了车辆的行驶平顺性。     

基于状态空间采样的高速公路智能网联车辆轨迹动态规划

为实现智能网联车辆在高速公路动态行车环境下的轨迹实时规划，提出一种基于状态空间采样的轨迹动态规划方法。首先，以安全性为原则选取主车当前行驶的理想车道。基于Frenet坐标与笛卡尔坐标的转换关系，建立车辆运动横、纵向解耦的独立积分系统。将高速公路常见的行驶状态分为车道保持与定速巡航、变道以及前车跟随3类，预测主车行驶车道并针对3类行驶状态分别设计轨迹终端的目标配置方法。然后，利用多项式函数生成连接初始配置和目标配置的多条待选轨迹。构建考虑轨迹偏离理想车道程度、始末速度变化、规划周期和轨迹舒适性的综合损失函数，结合速度、加速度、曲率检查来评价各条待选轨迹的成本并进行排序。最后，预测车辆的横、纵向运动轨迹并构建一种胶囊形的车辆虚拟安全边界，通过碰撞检测，确定主车的最优轨迹，设置动态规划触发条件及时更新最优轨迹并避免过度规划浪费资源。研究结果表明：提出的算法能满足高速公路场景的动态规划需求；通过对轨迹规划周期、虚拟安全边界、动态规划时间间隔等关键参数的分析与优化，主车的横摆角速度范围稳定在-0.1~0.15 (°)·s^-1，横向加速度范围稳定在-0.16~0.32 m·s^-2，跟踪参考轨迹的最大误差不超过0.022 m，提出的算法能规划出具有高安全性、稳定性和舒适性的轨迹。     

基于改进人工势场的自动驾驶汽车弯道超车动态路径规划

动态路径规划是自动驾驶汽车避障控制的关键技术。针对自动驾驶汽车弯道超车工况，建立基于改进人工势场(Artificial Potential Field, APF)的动态路径规划方法。为使基于APF的动态路径规划方法能运用于包含弯曲道路的复杂交通环境，将已在直道环境验证过的道路APF函数通过极坐标系与笛卡尔坐标系的相互转换，建立考虑道路曲率的弯曲道路APF函数。针对根据车辆质心位置判断车辆碰撞风险方法存在的缺陷，提出考虑车辆体积的碰撞风险预判方法，建立综合考虑车辆位置、速度和体积的障碍车辆APF函数。基于弯曲道路APF和改进障碍车辆APF，建立道路环境综合APF，引导车辆实现弯道超车。为避免目标函数中子目标相互干涉，提高弯道超车安全性，提出根据本车与障碍车辆相对位置关系自适应调整权重矩阵的方法。基于Carsim/Simulink联合仿真平台，分别在静态障碍车辆和动态障碍车辆2种工况下，验证自动驾驶汽车弯道超车动态路径规划的有效性。研究结果表明：所建立的弯曲道路APF能引导车辆转弯行驶，避免冲出车道；目标函数权重自适应调整方法能根据超车过程动态调整子目标的权重，规划出符合道路交通安全法规的路径，避免车辆超车时提前折返原车道，提高了超车安全性；考虑车辆体积的障碍车辆APF提高了车辆碰撞风险的预判精度，有效避免碰撞事故发生。