半挂汽车列车高速公路弯道下坡路段运行安全研究（双语出版）

为提升半挂汽车列车在高速公路弯道下坡路段的运行安全，采用TruckSim仿真软件，构建了车辆模型、道路模型和驾驶人动力学仿真模型；基于蒙特卡罗可靠性分析法，分别建立了半挂汽车列车发生侧滑失效、侧翻失效、折叠失效和系统失效的功能函数，并选取设计速度80 km·h^-1的高速公路为研究路段，通过进行大量车辆动力学仿真试验，对不同圆曲线半径、纵坡坡度、路面附着系数、车速和车辆总质量对半挂汽车列车的运行安全的影响进行了数值分析。研究结果表明：半挂汽车列车发生侧滑和侧翻的概率随着圆曲线半径的增加而显著降低，在一般最小半径400 m的情况下，半挂汽车列车发生侧滑失效和侧翻失效的概率趋近于0；随着下坡坡度的增加，半挂汽车列车发生侧滑失效和侧翻失效的概率基本呈线性增长趋势；车速对于半挂汽车列车运行安全的影响尤为显著，当车速均值由60 km·h^-1增加到90 km·h^-1时，发生侧滑失效和侧翻失效的概率分别增加了634倍和336倍；车辆总质量的增加对半挂汽车列车侧翻有显著影响；在路面附着系数较低的条件下，半挂汽车列车的主要事故形态为侧滑和折叠，在路面附着系数较高的情况下，半挂汽车列车的主要事故形态为侧翻。因此，在道路设计中，应避免极限最小半径与陡坡组合，严格限速和限载可确保半挂汽车列车的运行安全性能。     

网联环境下高速公路辅助驾驶车辆编队评估

为评估智能网联环境下高速公路辅助驾驶车辆编队的效果，首先基于V2X （Vehicle to Everything）和智能驾驶人模型（Intelligent Driver Model，IDM）对网联环境下的车辆跟驰行为进行建模，并对其进行参数校准；其次从安全性评价指标和通行效率两方面构建编队效果评价体系；然后通过VISSIM和VBA联合仿真，改变编队的车道、交通流量、网联车渗透率等变量进行试验。仿真结果表明，网联环境下车辆辅助驾驶编队在不同层面对于安全性与效率性都有提升；最后以不同期望速度在网联环境和非网联环境下分别进行实车辅助驾驶编队试验，以验证评价指标体系以及仿真试验的有效性。其中，实车试验结果显示，期望速度为70 km·h^-1时，网联环境下的辅助驾驶编队通行效率比非网联环境提升56%，90 km·h^-1时提升37.2%，110 km·h^-1时提升39.8%。通过与仿真试验结果对比，表明网联环境下车辆辅助驾驶编队对交通流安全性有一定程度的提升。     

基于MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

考虑转向的汽车主动避撞控制系统研究

为挖掘智能车避撞潜力,基于五次多项式构建含侧向加速度约束的避撞参考路径,基于预瞄转向几何理论实现车辆转向控制,利用线性二次型调节器(LQR)得到期望纵向加速度,在避撞结构基础上,基于碰撞时间(TTC)和跟车时距(THW)预判行车风险,以最大加速度和平均加速度评价主动避撞的乘坐舒适性,以最大横向位置误差和航向角误差评价转向控制路径跟踪精度。不同工况下仿真结果表明,该方法转向稳定性和路径跟踪精度较高,且兼顾了避撞安全性和乘坐舒适性。     

矿用无人运输车辆轨迹跟踪控制算法研究

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

匝道合流交通场景下自动驾驶汽车安全性测试评价方法

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

预应力锚索锚固效应动态模型试验

为了解既有列车振动荷载对锚索预应力损失、地表沉降及桩体水平位移的影响,以京石高铁石家庄六线隧道明挖深大基坑桩、锚围护结构为工程背景,根据相似关系,试验确定了土体-桩锚系统模型试验材料;针对列车振动荷载特点,开展了基坑开挖完成后连续振动162 d（相似关系）的模型试验,分析了振动频率分别为8.282,13.801,20.704 Hz时锚索预应力的损失规律、地表沉降、桩体水平位移以及锚索预应力随锚固深度变化的特点。试验结果表明：随着振动频率（列车行车速度）的增加,锚索预应力损失率、最终地表沉降值和桩体水平位移均大幅增加; 8.282 Hz频率（行车速度120 km·h^-1） 下振动28 d,锚索预应力平均损失率为2%;13.801 Hz频率 （行车速度200 km·h^-1） 下振动53 d,锚索预应力平均损失率为8%;20.704 Hz频率（行车速度300 km·h^-1）下振动53 d,锚索预应力平均损失率高达23%;锚固段锚索应力沿锚索锚固深度呈喇叭状开口递减趋势,接近锚固段底部时,其应力几乎为0。通过动态模型试验,掌握了列车振动荷载作用下锚索预应力随时间的损失规律,对临近铁路深大基坑锚索设计与施工具有理论指导意义。     

基于线控转向的智能驾驶车辆路径跟踪研究

针对搭载线控转向系统的智能驾驶车辆路径跟踪问题,基于汽车动力学仿真软件分析车辆转向特性,推导出横摆角速度对转向盘转角的稳态增益曲线,并获得了仿真稳态增益与理论稳态增益之间的修正系数,以此搭建单点预瞄模型和变角传动比线控转向系统模型.通过预瞄式横向运动控制与线控转向变角传动比控制相结合的方式,完成智能驾驶车辆路径跟踪控制...     

行人被面包车碰撞的运动学规律

为了丰富人车碰撞事故运动学理论,同时为面包车碰撞行人事故的分析鉴定提供理论支撑,对20～110 km·h^-1车辆碰撞速度下行人被面包车碰撞后的运动规律进行研究。利用多刚体建模系统PC-Crash软件构建面包车与行人碰撞仿真模型,并通过仿真获得多种碰撞条件下行人碰撞后的纵向/横向抛距、抛射高度、抛射角度、空中旋转圈数、躯干合成速度和头部合成加速度等运动学数据。结合国家车辆事故深度调查体系（NAIS）中14例具有可靠数据的事故样本进行比较验证。定义并提出了行人被面包车碰撞后的拱推型运动形态,以区别于长头车碰撞的卷绕型和平头车碰撞的推掷型。结果表明：拱推型碰撞中行人会在瞬间被加速到车辆碰撞速度的111%～127%;在高速（110 km·h^-1）碰撞中,头部合成加速度值超过3 000 m·s^-2,头部损伤指标（HIC）值超过7 500;行人空中旋转不超过3圈,被抛高度不超过4.0 m,抛射角度介于6°～11°;行人抛距与车辆碰撞速度之间的关系可以用幂函数模型进行描述;碰撞接触位置、车型外廓参数、行人行走速度和行人碰撞姿势对行人被抛运动形态有一定程度的影响,相对标准碰撞的影响程度一般在5%以内,最大不超过10%（边翻型除外）;行人头部损伤安全界限（HIC值为1 000）对应的车辆碰撞速度约为55 km·h^-1;边翻型碰撞中行人的运动形态与拱推型差别较大,横向抛距最大可达12.0 m。     

基于障碍物斥力场的汽车主动避撞系统

为提高汽车行驶安全性,设计了基于障碍物斥力场模型的汽车主动避撞系统,建立了道路算盘模型和驾驶员预瞄跟随模型,利用算盘模型可求解出避撞路径,使用驾驶员预瞄跟随模型可求解出汽车转向盘最优转角。通过动静态障碍物环境下的仿真试验表明,利用算盘模型规划出的路径平滑、安全、可跟踪;驾驶员预瞄跟随模型的路径跟随精度高,实现了汽车主动避撞。     

An optimal model-based trajectory following architecture synthesising the lateral adaptive preview strategy and longitudinal velocity planning for highly automated vehicle

Automated driving has received a broad of attentions from the academia and industry, since it is effective to greatly reduce the severity of potential traffic accidents and achieve the ultimate automobile safety and comfort. This paper presents an optimal model-based trajectory following architecture for highly automated vehicle in its driving tasks such as automated guidance or lane keeping, which includes a velocity-planning module, a steering controller and a velocity-tracking controller. The velocity-planning module considering the optimal time-consuming and passenger comforts simultaneously could generate a smooth velocity profile. The robust sliding mode control (SMC) steering controller with adaptive preview time strategy could not only track the target path well, but also avoid a big lateral acceleration occurred in its path-tracking progress due to a fuzzy-adaptive preview time mechanism introduced. In addition, an SMC controller with input–output linearisation method for velocity tracking is built and validated. Simulation results show this trajectory following architecture are effective and feasible for high automated driving vehicle, comparing with the Driver-in-the-Loop simulations performed by an experienced driver and novice driver, respectively. The simulation results demonstrate that the present trajectory following architecture could plan a satisfying longitudinal speed profile, track the target path well and safely when dealing with different road geometry structure, it ensures a good time efficiency and driving comfort simultaneously.     

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。     

基于驾驶人转向意图的双电机驱动电动汽车稳定性控制策略

为了使双电机驱动电动车在车辆稳定性控制过程中能够精确解读驾驶意图,使车辆实际行驶状态与驾驶意图期望的车辆行驶状态尽可能相符合,提出一种基于驾驶人意图辨识的稳定性控制策略.利用基于支持向量机递归特征消除(SVM-RFE)得到的特征参数构建基于长短期记忆(LSTM)模型的驾驶人转向意图辨识模型;基于转向意图识别结果,以方向...     

智能汽车路径跟踪精度及操纵稳定性耦合机理分析

针对现有智能汽车路径跟踪算法研究中存在的智能汽车路径跟踪精度与操纵稳定性相互耦合和相互制约问题,在车辆二自由度模型基础上,设计了基于传统预瞄误差模型的PID控制方法,研究了智能汽车在蛇形道路工况、定曲率变车速工况和定车速变曲率工况下,车速及道路曲率对智能汽车路径跟踪精度和操纵稳定性的影响。仿真结果表明,随着车速和道路曲率的增加,智能汽车路径跟踪精度以及操纵稳定性降低;智能汽车的路径跟踪精度提高,操纵稳定性变差。     

基于变权重系数的分布式驱动无人车轨迹跟踪

为了提高分布式无人车轨迹跟踪的精度，提出了基于自主与差动协调转向控制的轨迹跟踪方法。首先，在车辆三自由度模型基础上，基于模型预测控制（MPC）实时计算前轮转角以控制车辆进行自主转向轨迹跟踪。在此过程中，为了提高自主转向下车辆的轨迹跟踪精度与行驶的稳定性，考虑多种因素，利用经验公式及神经网络控制对MPC的预瞄步数和预瞄步长进行多参数调整，实现预瞄时间的自适应控制。其次，在恒转矩需求的情况下，以轨迹偏差为PID控制器的输入及左右轮毂电机转矩为输出进行差动转向控制，实现了差动转向下的轨迹跟踪控制。然后，通过设置权重系数的方法将自主与差动转向相结合。考虑到车辆横纵向动力学因素，采用模糊控制及经验公式对权重系数进行了调整，从而在提高车辆转向灵活性与轨迹跟踪效果的同时保证车辆行驶的稳定性。CarSim与Simulink联合仿真以及实车试验结果表明：与自主转向轨迹跟踪相比，采用变权重系数的协调控制可以在不同的工况下提高车辆的转向灵活性与轨迹跟踪的精度，轨迹跟踪偏差的均方根值改善率达到了11%。所提出的协调转向控制方法可为分布式驱动车辆转向灵活性的提高及轨迹跟踪精度的改善提供一种新的思路。     

面向车道变换的路径规划及模型预测轨迹跟踪

为解决智能车辆在车道变换过程中的路径规划和路径跟踪问题,首先,利用梯形加速度法设计了车道变换虚拟理想轨迹,该路径规划方法的适应性取决于车道变换时间、横向加速度及变化率等关键变量的约束条件,因而对各关键变量之间的数学关系进行了定量计算,并绘制了不同工况下的车道变换虚拟理想轨迹,用于分析各关键变量对路径规划的影响;其次,建立了线性离散的车辆动力学预测模型,综合分析了车辆模型的控制输入、状态变量以及道路结构参数等约束条件,构建了多约束模型预测控制（MMPC）系统用于车道变换路径跟踪,并基于Hildreth二次规划算法对其目标函数进行了求解,获得前轮转向角控制量,从而保证智能车辆在车道变换过程中的路径跟踪性能及操纵稳定性能;最后,利用MATLAB和Carsim软件对提出的多约束模型预测控制系统进行联合仿真,并构建单约束模型预测控制（SMPC）系统与其进行性能比较,分别对车道变换时间为3 s和6 s时的车道变换性能进行比较分析。结果表明：当车道变换时间为6 s时,2种控制系统都能较好地实现车道变换功能;当车道变换时间为3 s时,与SMPC控制系统相比较,MMPC控制系统能够在有效跟踪期望行驶路径的同时改善车辆的操纵稳定性,从而提高车辆在路径跟踪过程中的主动安全性能。     

制动与转向协调动作的车辆避撞控制研究（双语出版）

为了弥补现有汽车避撞控制策略以及碰撞风险评价指标单一的不足，提出转向和制动协调的主动避撞控制系统。首先规划了五次多项式换道路径，在对其理论分析的基础上得到转向临界避撞距离和与目标车道车辆的安全距离约束。其次，考虑道路附着系数和系统延迟的影响，基于制动过程给出制动临界避撞距离，并以纵向行驶安全系数ξ和碰撞时间倒数T^-1_TC划分安全行驶区域，利用驾驶人实车跟车数据标定稳态跟随/定速巡航区域的阈值。随后，通过转向/制动临界避撞距离的对比给出2种避撞方式的安全收益范围。最后搭建Simulink/CarSim联合仿真模型，并对其进行不同初始条件下的避撞仿真试验。研究结果表明：转向操作在制动距离不足时仍是有效的；当主车高速近距离接近静止前车时，主车可以顺利采取转向换道动作，而常规ACC系统在2.5 s处的车间相对距离为-0.76 m，事实上已经发生了碰撞；当相邻车道前车与主车纵向间距不满足换道安全距离约束时，避撞控制系统进入紧急制动模式，最大制动减速度达到-0.8g（g为重力加速度），实际最小车间距为5.1 m；通过转向和制动的协调动作，充分发挥了车辆的避撞潜力；ξ和T^-1_TC指标的融合，可以更好地评估碰撞风险并实现不同控制模式的转换，在保证行车安全的同时可避免过分制动给乘客造成的紧张感。