基于认知-控制框架的侧风工况下驾驶员横向控制模型研究EI北大核心CSCD

本文中基于神经工效学认知理论融入驾驶员预瞄模型,建立了以认知-控制为框架的驾驶员横向控制模型。模型采用Simulink和TruckSim软件联合仿真的形式验证。采用粒子群优化算法对控制框架中的比例-微分(PD)控制器模块参数进行优化标定。结果表明,在侧风工况下,基于认知-控制为框架所建立的驾驶员横向控制模型有效(RMSE=0.09),且精度更高,适应度更广。另外,从认知-控制角度改变预览时间tp、增益比例kp和微分参数kd,可表征不同驾驶风格的驾驶员行为。本研究为提高侧风工况下的高级辅助驾驶系统和自动驾驶汽车的安全性和舒适性提供参考思路。     

商用车电液复合转向系统的车道保持策略

为了提高商用车的行驶安全性,避免因驾驶人的分心驾驶出现车辆偏离车道的问题,提出一种基于电液复合转向系统的商用车车道保持策略;在建立电液复合转向系统模型、二自由度车辆模型、预瞄驾驶人模型的基础上,设计基于驾驶人在环的MPC和ADRC串级的车道保持控制策略。首先,采用MPC算法将车辆横向位置控制的最优问题转化为二次规划求得目标前轮转角;然后,考虑电液复合转向系统的不确定和干扰问题,利用ADRC算法对目标转向盘转角和实际驾驶人的转向盘转角差值以转矩信号的形式进行补偿。同时研究车道保持系统对驾驶人的干预问题,引入干预系数的概念,采用模糊控制的方法,将驾驶人手力和车辆的运动状态作为输入变量,干预系数作为输出变量,保证整车行驶安全性的前提下减小车道保持辅助系统对驾驶人的干预。最后,通过MATLAB/Simulink仿真和硬件在环试验对所设计的控制策略进行验证。研究结果表明：所设计的基于商用车电液复合转向系统的车道保持策略能够及时地纠正因驾驶人的分心驾驶而导致车辆偏离所在行驶车道的行为,特别是在弯道处出现驾驶人转向不足或过度转向的情况时,能够将车辆维持在车道线之内,保证车辆的行驶安全性,同时由于干预系数的设计,使得驾驶人也有良好的人机交互体验感。     

基于跃度信号的自动驾驶横向控制

针对自动驾驶车辆的横向控制,提出了一种基于跃度信号的预瞄控制。建立车辆二自由度动力学误差模型,采用线性二次调节（LQR）反馈控制和前馈控制构成闭环横向控制模型。以CarSim和Simulink为仿真平台,模拟车辆进入并跟踪稳态圆。通过分析横向位置误差和横摆角误差等指标,表明该预瞄算法在横向控制精度、跟踪速度方面具有良好效果。     

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。     

考虑参数估计的MPC算法的商用车车道保持控制

设计了一种考虑参数估计的模型预测控制（MPC）算法的、智能辅助驾驶的商用车的车道保持算法,对于难以直接测量的质量和横向速度进行估计。建立车辆动力学模型和状态误差方程,通过扩展Kalman滤波（EKF）和递推最小二乘法（RLS）分别对车辆的横向速度、质量进行估计。基于估计得到的车辆参数,设计MPC车道保持控制器。构建硬件在环（HIL）仿真平台,设置不同的测试工况对车道保持算法进行了验证。结果表明：与普通MPC相比,在偏移回正工况中,车辆纠偏消耗的时间减少28.6%,并且超调量更小;高速路工况的横向位置偏差的均方根误差减小了4.2 cm。该方法提升了纠偏能力和跟踪精度,降低了传感器成本。     

认知分心对车辆跟驰过程操控安全性的影响

为了研究车辆跟驰过程中驾驶人认知分心与驾驶安全的关系,采用驾驶模拟器构建城市道路车辆跟驰场景,并设计3种难度等级的认知分心次任务,采集35名被试驾驶人在试验过程中的方向盘转角、油门开度、制动踏板力等操作参数,以及车辆位置、速度、加速度等车辆运动参数。采用重复测量一般线性模型,分析不同等级认知分心对上述参数的影响。研究结果表明：在横向操控方面,随着认知分心程度增高,方向盘回转率增大,但车辆横向位置标准差减小,表明驾驶人处于认知分心时,采取频繁修正方向盘的补偿方式,降低车辆横向位置波动,过度补偿车辆横向安全性,且该补偿行为与认知分心程度正相关;在纵向操控方面,认知分心时,油门开度、制动踏板位置方差增大,且制动踏板位置均值增大,同时车头间距及时距未观察到显著性变化,表明认知分心时驾驶人采取频繁操作油门、制动踏板,增大制动幅度等方式进行补偿,使车头间距及车头时距等表征车辆纵向跟车安全性参数处于正常驾驶水平,但加速度标准差增大,表明跟车稳定性降低。研究结果为涉及分心的人车交互装置优化设计及考虑分心状态的驾驶人状态管理系统开发提供了一定的理论依据。     

自动驾驶车辆侧向路径跟随控制算法仿真

路径跟随是依照规划轨迹信息通过对执行元件的控制实现沿期望轨迹行驶,控制算法对实现路径跟随非常重要。针对自动驾驶车辆的侧向控制技术,文章研究了基于最优预瞄理论的路径跟随控制,建立车辆二自由度模型和预瞄误差模型,设计模型预测控制（MPC）侧向跟随控制器以提高跟随精度。利用CarSim-Simulink联合仿真,仿真结果表明,该算法策略能稳定跟踪规划路径。     

低附着下分布式驱动车辆的路径跟踪与横向稳定性控制方法

由于车辆在低附着工况（如积雪、潮湿）下跟踪性与横向稳定性的耦合关系,这使得二者之间的控制难以同时满足跟踪精度及良好的稳定性需求,因此,研究了基于分布式独立驱动电动汽车平台的路径跟踪与横向稳定性联合控制模型。对于路径跟踪问题,采用了横纵向解耦控制;对于横向跟踪控制问题,模型采用基于Frenet坐标系的模型预测控制（model predictive control,MPC）路径跟踪控制方法,并引入了转角补偿策略以提升路径跟踪的准确性;对于纵向车速控制问题,模型利用MPC求解期望加速度,并根据行驶平衡方程和保证路面附着最大利用率的条件下确定电机扭矩输出,实现对纵向车速的控制。对于横向稳定性控制问题,提出了基于稳定性增强系统（stability augmentation system,STA）的横摆力矩控制模型,在获得附加力矩后,以二次规划方法将其合理分配到各个车轮上,从而增强了车辆的横向稳定性。最后,通过CarSim/Simulink联合仿真平台,在双移线道路工况下进行了仿真验证。结果表明：在积雪路面,改进模型相比传统MPC在保证横向误差接近的条件下,最大的质心侧偏角降低了83.1%;在潮湿...     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据,采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优（LQR）反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

路径跟踪控制算法仿真分析与试验验证

为探究车辆路径跟踪算法性能差异及适用性规律，分别构建基于预瞄的纯跟踪（PP）算法、前轮反馈控制算法和模型预测控制（MPC）算法的车辆模型，在圆环、蛇行和低、中、高速等工况下进行Simulink和CarSim联合仿真并分析横向控制效果。结果表明：PP算法预瞄距离越短，横向控制精度越高，但稳定性越弱，低速鲁棒性较好；前轮反馈控制算法在高速下具有更小的横向控制误差，且增益系数k影响控制精度；相较于前两者，MPC算法在不同速度下均具有良好的横向跟踪性能。最后，开展实车试验对比验证3种算法的跟踪性能，结果表明，在同一工况下，MPC算法具有更优的跟踪性能。     

行人过街场景下车辆避障路径规划与控制方法

为解决行人横穿过街场景下自动驾驶车辆安全避障问题,设计了一种基于行车风险场的车辆避障控制模型。考虑了行人加速运动中的潜在风险,采用了基于行人斥力场重心的新型避障函数,以优化横向避障距离。采用行车风险场理论,来构建全局路径规划层。基于模型预测控制(MPC),构建局部路径规划和跟踪控制器。在PreScan-Carsim平台上进行了仿真试验。结果表明：与跟踪传统静态全局路径相比,动态行车风险场下的避障行驶稳定性提高了7.21%,横向安全性提高了4.63%。因此,设计的控制器能够达到安全避障的目标。     

人机共驾车辆路径跟踪集成控制策略

针对人机共驾车辆路径跟踪控制精度和车辆稳定性难以有效保障的问题,提出一种集成控制策略,包括主动前轮转向系统（AFS）可变传动比曲线和基于模型预测控制（MPC）的路径跟踪控制器。针对稳定性控制,构建考虑路面附着条件和车速的AFS可变传动比函数,用于保证车辆路径跟踪过程中的安全性和横向稳定性;针对路径跟踪控制,设计基于MPC的路径跟踪控制器,用于跟踪目标路径;搭建了基于Carsim/Matlab的联合仿真平台并进行仿真验证。结果表明：集成控制策略可以有效改善人机共驾车辆的操作稳定性,显著提高了车辆的跟踪性能,削弱了驾驶员驾驶状态波动对车辆行驶安全的影响。     

基于横向稳定的减速变道轨迹与跟踪控制

随着自动驾驶的发展,无人自动驾驶车辆的控制已经成为热点.而无人自动驾驶车辆的安全性和稳定性是重中之重.针对智能驾驶汽车在一定换道距离下保持稳定的减速换道鲁棒性差的问题,提出了 一种基于MPC模型预测控制器和比例积分PI控制器相结合双控制器的变道稳定性轨迹确定与跟踪控制方法.为了确定汽车行驶路线,横向与纵向位移分别由5次...     

智能驾驶车辆纵横向运动控制仿真研究

文章分析了智能驾驶车辆纵、横向运动特性,作出合理假设,并建立纵横向车辆动力学模型。分别设定车辆纵、横向运动的期望轨迹,基于线性二次型调节器（LQR）方法控制车辆横向运动,运用比例-积分-微分（PID）控制器调节车辆纵向运动。结合Carsim软件建立车辆运动模型,并在Matlab/Simulink中分别建立车辆纵、横向控制算法。仿真分析表明,车辆纵、横向运动控制算法具有良好的控制效果,使得仿真车辆很好地跟踪了期望运动轨迹。     

基于深度强化学习的高速公路换道跟踪控制模型

为解决自动驾驶汽车在高速公路安全换道问题,提出了一种基于深度强化学习算法的换道跟踪控制模型,并进行了仿真实验。采用五次多项式方法,建立车辆换道路径模型,并给出跟踪误差函数;将车辆三自由度动力学模型与深度强化学习框架相融合,搭建换道路径跟踪控制模型;通过深度确定性策略梯度（DDPG）算法来更新该模型;学习得到换道路径跟踪的最佳转向角,来控制车辆完成换道过程。结果表明：在100 km/h车速条件下,本方法控制的横向位置误差绝对值的最大值接近0,角偏差绝对值最大值为10 mrad;所提出的方法相比传统的模型预测控制方法而言,轨迹跟踪的横向位置误差和角误差更小。因而,该模型能够实现高速环境下的自主换道过程,这对保证交通安全和缓解交通有意义。     

驾驶模拟环境中激进驾驶行为的影响因素分析

为了分析驾驶人在驾驶模拟试验过程中出现的相对实际驾驶的激进驾驶行为的影响因素,采用计划行为理论构建心理认知模型。基于计划行为理论设计问卷调查私家车驾驶人对"在驾驶模拟过程中激进驾驶"行为的信念、态度、主观规范、行为感知控制、意向与行为。采用结构方程模型得到观察变量与基本构念以及基本构念内部的相关关系,并最终分析得到影响驾驶人激进驾驶行为的主要因素。通过先导性调查问卷以及正式调查问卷的投放,最终得到217个有效的样本。研究结果表明：心理认知模型具有良好的适配性,其卡方自由度比为1.802,RMSEA值为0.062;态度、行为感知控制是影响驾驶人行为的主要因素,主观规范对行为的影响相对较小;各信念与对应的态度、主观规范及行为感知控制之间存在显著关联,各信念的测量模型的适配性良好,卡方自由度比、RMSEA等指标基本满足要求。采用完整的计划行为理论结构同时从标准获取构念和自行获取构念的角度解释了驾驶人对"在驾驶模拟过程中激进驾驶"行为的心理认知,研究成果可用于驾驶模拟-自然驾驶行为数据差异性控制,驾驶模拟试验规范化方法构建。     

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...     

基于强化学习的智能车辆路径跟踪变参数MPC多目标控制

为了解决智能车辆在工况变化时跟踪精度下降和稳定性变差的问题,提出基于强化学习的变参数模型预测控制(MPC)算法多目标控制策略,实现智能车辆路径跟踪控制系统的参数自适应整定。基于车辆动力学模型设计其线性时变MPC控制器,获得最优前轮转向角和附加横摆力矩。基于Actor-Critic强化学习架构,设计进行控制参数整定的深度确定性策略梯度(DDPG)智能体和双延迟深度确定性策略梯度(TD3)智能体,构造以跟踪精度和稳定性为目标的收益函数,并搭建对接工况和变曲率工况2种典型仿真场景进行算法性能验证,当车辆处于对接工况时,根据路面附着系数的变化及时调整控制器的预测时域和权重矩阵;当车辆处于变曲率工况下时,针对道路曲率变化及时调整控制器的预测时域和权重矩阵。通过MATLAB/SimuLink、CarSim和Python联合仿真分析,将强化学习方法参数整定MPC与固定参数MPC和模糊控制方法参数整定MPC进行对比,结果表明：强化学习方法更能够在保证车辆安全性的前提下,尽可能提高智能车辆在不同路面条件下的路径跟踪精度。在对接工况下,强化学习方法参数整定MPC相较于固定参数MPC和模糊控制方法参数整定M...     

人类自然驾驶状态下车辆轨迹摆动特性与车道宽度

研究了车辆在城市干路上的轨迹摆动特性,开展了实车驾驶试验。以重庆市菜园坝长江大桥和长江滨江路为研究对象,用车载仪器采集自然驾驶状态下的行驶速度、车辆位置和车辆形心与车道线的横向距离数据。结果表明：大多数车辆会向左偏离车道中心线行驶;在路面悬空的行驶环境下驾驶人更倾向于将车辆靠向道路中央;女性驾驶人较男性驾驶人更注意车辆轨迹控制;熟练驾驶人在地面路段上对于车辆轨迹的控制优于非熟练驾驶人;相比于人类驾驶,无人驾驶车辆能够实现更精确的轨迹控制,轨迹横向摆动将显著减小,2.75～3.00 m的车道宽度可满足无人驾驶小客车的行驶需求。