智能驾驶中基于驾驶态势图簇的改进pid速度控制算法
【技术领域】
[0001] 智能汽车的安全辅助驾驶系统已成为当前智能车研究的前沿，改进的PID速度控 制在智能车和汽车安全辅助驾驶系统中应用越来越广泛。
【背景技术】
[0002] 基于驾驶态势图簇的改进PID速度控制算法是在传统PID控制算法的基础上，以 驾驶态势图簇采集的实际车速信号和设定车速的差值作为PID输入量，根据驾驶态势图簇 设定加减速距离，从而得到相应的加速度，建立加速度和油门增量、加速度和制动等级的数 学模型，更好的控制油门、制动执行器实现对发动机转速的控制，输出量为实际速度。符合 人类感知特征的对数极坐标系下的驾驶态势图簇，是集图像、雷达、导航等车载传感器数据 和车辆自身状态参数建立的道路环境感知系统。该方法在智能车速度控制系统和汽车自适 应巡航控制系统中有一定的应用价值。
[0003] 智能车辆（IntelligentAutomotive)，又称自主车辆（AutonomousVehicle)，集 成了车辆技术、传感技术、人工智能、自动控制技术、体系结构等于一体，是计算机科学、模 式识别和智能控制技术高度发展的产物。近年来，智能车辆技术的研究吸引了世界范围内 大量高校、企业以及相关科学家的关注。
[0004] 速度控制系统是无人驾驶智能车的最基本的控制系统之一，是实现无人驾驶智能 车稳定、安全行驶最重要的部分。一辆技术完善的无人驾驶智能车可以利用自身装载传感 器采集道路路况信息，通过速度控制系统，无人驾驶智能车在行驶过程中才能随着周围路 况与环境的变化，控制汽车油门、制动ECU，调整汽车车速，保证汽车稳定、安全的自主行驶。
[0005] 目前，用于智能车速度控制系统的算法很多，如经典PID控制算法、模糊控制理 论、模型预测控制算法（MPC)等等。Tsai等人提出的模糊控制方法也被证明可以满足车辆 安全性和舒适性方面的要求，也有人提出模糊PID控制算法应用到汽车速度控制系统。MPC 控制算法具有模型预测、滚动优化和反馈校正三个基本特征，能够提前控制和在线滚动优 化计算，它控制效果好，适用于控制不易建立精确数字模型且比较复杂的系统。军事交通学 院将MPC控制算法应用于智能车的速度控制系统中，平稳有效地控制车辆的行驶速度，满 足乘客的安全、舒适性要求，引起了研究机构和学者的广泛关注。
[0006] 传统PID速度控制算法
[0007] PID是比例（Kp)、积分（IQ、微分（Kd)闭环的控制算法，其中的比例部分用来控制 系统的响应速度和系统的调节精度。积分部分的主要作用是确保在系统稳态时过程输出和 设定值一致。微分部分的主要作用是改善闭环系统的稳定性。每一部分的参数需要在实际 工程中予以设定与调整。PID速度控制系统的结构图如图1所示。
[0008] 其一般数学方程：
[0010] 式中，kp为比例系数；1\和1^分别为积分和微分时间常数；e(t)为控制目标偏差。 Uk (t)为输出控制量，对应到汽车的油门和刹车控制器。
[0011] 根据汽车自身的参数，油门增量（40~200)和制动等级（1~25)数学表达式为：
[0013] 其中Pa、Pb分别为油门增量Accelerator、刹车等级BrakeLevel系数。
【发明内容】
[0014] 传统PID控制算法设计结构简单，算法成熟，对硬件要求低，但其比例、积分和微 分参数是预先设定和固定不变的，且随着路况环境的变化，传统PID控制算法对智能车系 统偏差的响应变差，容易产生超调与振荡现象。本文提出了一种基于驾驶态势图簇的改进 PID速度控制算法应用于智能车的速度控制，来提高智能车速度控制的平稳性、舒适性。
[0015] 本发明采用的技术方案为智能驾驶中基于驾驶态势图簇的改进PID速度控制算 法，该算法是通过以下技术方案实现的。
[0016] 步骤一：汽车模型的建立
[0017] 车辆的模型分为运动学模型和动力学模型，运动学是从几何学的观点来研究物体 的运动规律，即车辆在空间的位置随时间的变化规律、物体的运动轨迹、速度。而动力学的 研究涉及运动与作用力、质量之间的关系。车辆动力学从严格意义上来讲应该包括汽车的 动力性、燃油经济性、制动性、平顺性、稳定性。
[0018] 1)汽车动力学模型的建立
[0019] 车辆运动学主要是指动力从变速器开始传递直到汽车运动的路线，主要由万向传 动装置、主减速器、差速器、半轴、轮胎、车辆惯性部分以及制动装置组成。由于本文只考虑 汽车在纵向上的运动，未将汽车运动中的横向运动以及垂直运动考虑在内。
[0020] 车辆的行驶方程为：
[0021] Ft=E F (1.1)
[0022]ΣF=Ff+Fw+FjimgsinΘ(1. 2)
[0023] 式中Ft为驱动力；ΣF为行驶阻力的和；Ff表示滚动阻力；示空气阻力；匕表 示加速阻力；m表示车的质量；g为重力加速度；Θ为路面坡度；
[0024] 车辆发动机将扭矩通过传动系统传递到驱动轮上。此时作用在驱动轮上的转矩Tt 会产生一对路面的圆周力F。，路面对驱动轮便会产生反作用力这个力就是驱动力Ft。
[0025] 则驱动力为：
[0027] 其中?；为发动机转矩，ig为变速器传动比，i。为主减速器传动比，ητ代表传动系 机械效率，r是车轮半径。
[0028] 因为一般道路的坡度角较小，cos Θ 1，sin Θ tan Θ，通过上面分析可以得到 车辆行驶方程：
[0030] 其中f为滚动阻力系数，CD为空气阻力系数，A为迎风面积，δ为汽车的旋转质量 的换算的系数，a为行车加速度。
[0031] 2)汽车制动模型的建立
[0032] 当前大多数汽车中的应用的是电子液压制动（Electro-HydraulicBrake System，简称EHB)，它结合了传统的液压制动系统和电子控制技术。液压调节控制单元主要 由电动液压栗、高压蓄能器、以及四组用来调节四个轮缸压力的进出液电磁阀组成。EHB系 统的制动力不是由液压或气压装置控制，而是由电子控制的电机来实现。电子控制器发出 控制信号，控制制动驱动器电机，电机带动液压栗向蓄能器栗入高压油，实现制动所需的制 动力。在该系统中，每个车轮可以得到独立的控制，这样保证了汽车制动过程中的稳定性。
[0033] 当踩下制动踏板时，制动踏板单元接收到人脚踩下的信号时，增压阀打开，减压阀 关闭，此时两个隔离阀是关闭的，高压蓄能器提供高压油，通过增压阀流进制动轮缸，使轮 缸压力迅速提高，这个过程为EHB系统的增压过程；当轮缸压力达到一定值后，需要保持这 个压力不变，此时，增压阀和减压阀都关闭，高压油被封闭在轮缸内，从而保持轮缸压力大 小恒定，此过程为EHB系统的保压过程；当松开制动踏板，电子控制单元接收到踏板位移信 号，打开减压阀，关闭增压阀，液压油经过回油管路流回储液罐，使制动轮缸压力下降，此过 程为EHB系统的减压过程。
[0034] 汽车制动是通过CAN总线，向制动器发送控制信号和电流，将控制信号及电流分 别输入到阀驱动器和电液制动阀，阀驱动器根据两个输入信号中的较大值产生控制电流并 输入到电液制动阀。电液制动阀根据输入电流调整输出到制动器的压力大小。
[0035] 通过实车测试的方法获得不同制动等级的控制信号和其对应的减速度之间的关 系。当汽车一恒定的速度勾速行驶时，给车一个固定不变的制动等级，汽车的速度定为勾减 速行驶。
[0036] 在汽车制动过程中，车轮将同时受到制动器摩擦力矩和路而摩擦力矩的作用。其 中制动器施加至车轮的力矩称之为制动器输入力矩，路面施加给车轮的力矩称之为制动器 的输出力矩。在制动系统中，引入了制动器效能因数Φ，
[0037] 定义为
[0038]
[0039] 其中，B为车轮受地面作用的制动力（N)，&为车轮滚动半径（m)，D为轮缸直径 (m)，P为轮缸制动压力（Pa)，PsS轮缸压力损失（Pa)，Rb为制动器有效半径（m)。
[0040] 根据（1. 5)得出前后轮制动压力Pf、匕的计算表达式：
[0041 ]
[0042] 式中NrNf为前后轮缸数。
[0043] 令：
[0044]
[0047] 由上式看出，制动压力与制动力之间呈线性关系。
[0048] 由（1.8)可得制动力：
[0050] 步骤二：速度控制方案设计
[0051]智能车的速度取决于车模自身发动机的转速，发动机的转速则由电子油门对供油 量的控制，当汽车要减速或者停车时，制动踏板通过液压制动装置控制减小车速。智能车在 自主行驶时，必然会经过不同的路段（直道、弯道、转弯），所以智能车的速度必须随不同的 路段快速、平稳的达到预定的速度。即直道、大弧弯道高速、转弯减速。
[0052] 改进的PID速度控制算法
[0053] 在传统PID控制系统的基础上，引入有距离加减速控制，输入量为设定速度和加 减速距离，输出为速度。设定速度和实际速度之间的差值，通过PID系统得到一个控制输出 量Uk，根据Uk选择油门执行器或者制动执行器，同时，根据加减速距离能够得到距离加速度 a：
[0055] 其中S为设定距离，v t为要达到速度（期望速度），v。为当前车速。
[0056] 根据加速度可得期望的油门增量和制动等级
[0058] 其中Pc、P3分别为油门增量Accelerator、制动等级BrakeLevel系数。
[0059]