基于模糊控制的汽车自动紧急制动乘员离位仿真分析研究

任立海，李星月，覃祯员，李 晨

（1.中国汽车工程研究院股份有限公司博士后工作站，重庆 401122；2.重庆理工大学汽车零部件先进制造技术教育部重点实验室，重庆 400054；3.重庆车辆检测研究院有限公司，重庆 401120）

随着社会经济的发展，汽车保有量不断增加，频发的汽车交通事故成为危害公共安全的一大社会问题。以2017年为例，中国共发生道路交通事故203 049起，造成209 654人受伤，63 772人死亡［1］。自动紧急制动系统（autonomous emergency braking，AEB）的应用能够减少事故的发生率或降低碰撞强度［2-3］。当检测到危险工况时，AEB通过声音或图像向驾驶员发出警报，提醒驾驶员采取制动措施。如果驾驶员仍未采取制动措施或采取的制动压力不够大，避撞系统将会主动介入。

目前针对AEB的相关研究主要侧重于如何准确表征当前工况的危险程度。Han等［4］以滑动轮胎模型估算出路面摩擦力峰值，进一步计算出碰撞剩余时间（time to collision，TTC）对应的制动力阈值，提高避撞系统对不同路面的适应性；江苏大学的张雪峰［5］将车头时距进行了算法融合，并考虑驾驶员的反应时间和路面附着系数，从而提高了避撞系统的精确度。

随着AEB系统的广泛运用，有研究表明，当碰撞发生时，AEB导致的乘员离位可能会增加乘员自身损伤风险［6］，针对上述情况，湖南大学的徐哲［7］采取可逆预紧安全带与AEB相结合的方式改善了乘员离位，降低了二次碰撞的风险；重庆理工大学的胡远志等［8］研究了主动安全带参数（预紧力和预紧时间）对乘员离位的影响，进一步提高了制动阶段的乘员安全性。

本研究旨在减少制动过程中乘员头部和胸部的位移量，从减小乘员惯性载荷的角度出发对AEB控制策略进行研究，通过建立以TTC和相对速度为输入、制动压力为输出的模糊控制紧急制动模型，改善紧急制动阶段的制动压力，降低AEB作用下乘员的惯性载荷，减小乘员最大离位。

1 方法

1.1 AEB系统危险判定设计

TTC能定量反映出当前工况下紧急制动系统进行避撞操作的剩余时间，因此可以直接作为主动避撞系统的有效判据。TTC［9］的计算公式为：

式中：Drel为前后两车相对距离；Vrel为两车相对速度。

若仅以TTC作为制动策略的判定条件，会造成高速制动过晚、低速制动过早的问题［10］。所以，以TTC和相对速度2个参数共同作为制动策略的判定条件，制定避撞系统的制动策略。

1.2 AEB系统模糊控制器的设计

一般的AEB控制系统检测到TTC值或安全距离小于设定好的阈值时，制动主缸会直接输出一定的制动压力（后文将这种控制方式称为直接控制），由于制动压力突然增大，车辆减速度也迅速增大，乘员姿态发生变化，若此时有碰撞发生则增加了乘员受伤的风险；因此，对制动主缸的增压过程进行改进，使制动减速度连续增加，从而避免车内乘员受到突然增大的惯性载荷。

模糊控制具有解决非线性问题的特点，模糊控制器的输入、输出变量个数越多，且模糊集划分越细，模糊控制器的精度就会越高。但输入输出的变量越多，模糊集划分越细，就会使模糊规则越多，控制器的响应速度变慢［11-12］。本文设计的模糊控制器，以危险判定指标TTC和相对速度作为输入量，以汽车主缸制动压力为输出量。模糊控制系统如图1所示。

图1 模糊控制系统框图

1.2.1 AEB系统中隶属度函数的建立

模糊化是将输入量的精确值转化成模糊语言，解模糊化则是将模糊语言转变成论域范围内的精确值。这里对碰撞剩余时间TTC、相对速度以及制动压力进行模糊化处理。将剩余时间、相对速度和制动压力的量化等级都设为7级。PB为正大、PM为正中、PS为正小、O为0、NS为负小、NM为负中、NB为负大。建立碰撞剩余时间TTC［13］、相对速度［13-15］、制动压力［16］的隶属度函数。

TTC＝｛NB、NM、NS、O、PS、PM、PB｝，论域的作用范围［0，5］ms；

相对速度 ＝｛NB、NM、NS、O、PS、PM、PB｝，论域的作用范围［0，22.22］m／s；

制动压力 ＝｛NB、NS、O、PS、PB｝，论域的作用范围［0，150］105Pa。

语言变量的模糊集采用隶属度函数描述，模糊集论域中的个隶某个元素隶属于某属度函数的程度，通常由隶属函数值决定，函数值越大，属于这个函数的程度就越大，值越小，属于这个函数的程度就越小。常见的隶属度函数有三角形、梯形、高斯型等，本文中参考专家经验［15，17］以及实际调试选择高斯函数作为输入、输出变量的隶属度函数，如图2所示。

1.2.2 AEB系统中模糊规则的建立

通过分析TTC及相对速度与制动压力的逻辑关系，建立了相应的模糊规则。当主车接近目标车时，两车之间的距离变小，TTC值也随之减小。当TTC和相对速度达到了紧急制动的论域时，输出一定的制动压力。当TTC值较大，相对速度较小时，输出的制动强度较小；当TTC值越小，相对速度越大时，输出较大的制动强度。模糊控制器的条件库如表1所示。

图2 输入、输出变量的隶属度函数

表1 模糊推理条件库

1.3 驾驶员约束系统模型

目前，汽车行业中使用的假人主要是基于碰撞条件开发和验证的。而在预碰撞阶段由于持续时间较长，乘员有时间对突然的制动做出反应，所以具有主动肌肉力的主动人体模型（active human model，AHM）能运用于预碰撞阶段的研究，还能利用PID（proportional-integral-derivative）肌肉控制器调整肌肉活性水平。因此，采用主动人体模型和前期已验证的约束系统模型［9］（如图3），利用MADYMO软件分析模糊控制和直接控制下AEB紧急制动阶段乘员的离位变化。

图3 AHM和乘员约束系统模型示意图

1.4 仿真及分析

为了验证模糊控制器的有效性，在PreScan中搭建了符合欧洲新车评价规程Euro-NCAP的仿真场景（如图4），车辆模型选用Audi A8的2D Simple动力学模型，建立了PreScan和Simulink联合仿真模型，在联合仿真模型中加入上文设计的模糊控制器。将两车初始间距设为100 m，主车车速设为60 km／h，前车保持静止；仿真时采用直接控制和模糊控制进行对比验证。

图4 仿真场景

仿真完成后提取主车与前车的距离、主车速度、主车的减速度和主缸制动压力，研究模糊控制的制动性能；对比直接控制与模糊控制制动性能的差异。将主车在AEB制动阶段的减速度导入MADYMO软件中，利用AHM主动人体模型和约束系统模型对比验证模糊控制和直接控制下乘员的离位。仿真流程如图5所示。

图5 仿真流程框图

2 结果

2.1 AEB制动性能分析

由图6（a）和图6（b）对比分析可知：2种控制条件下主车均以60 km／h的速度匀速行驶，模糊控制条件下的主车在3.2 s左右开始制动，比直接控制早0.06 s；制动完成后，直接控制下的主车与前车的距离为2.1 m，而模糊控制下的主车与前车的距离为1.1 m。仿真结果表明：本文中设计的模糊控制和直接控制都可以实现汽车紧急制动，有效保证车辆的安全性。

图6 主车车速、主车与前车距离曲线

模糊控制和直接控制的主缸制动压力如图7所示。由图7可知，模糊控制器作用下的制动主缸压力的升降过程与直接控制下的制动压力骤变不同，其压力的上升过程是连续变化的。在3.26 s时，直接控制达到部分制动的阈值，此时节气门开度变为0，制动主缸输出6 MPa的制动压力；在5.78 s时，直接控制达到全力制动的阈值，制动主缸输出15 MPa的制动压力，直到汽车完全停止。基于模糊控制器的主车在3.2 s左右收到制动信号后节气门关闭，主缸制动压力开始上升逐渐达到最大，然后当TTC值增大、相对速度减小时，主车危险程度下降，制动压力也开始下降，直至趋于稳定。

图7 主缸制动压力

2.2 乘员离位状态分析

汽车紧急制动时，不同控制器作用下的车内乘员的姿态变化有所不同，其姿态变化对乘员的安全具有重要的影响。本文中以模糊控制开始制动时刻作为乘员离位分析的初始时刻，乘员头部胸部位移量如图8所示，人体模型动态响应如图9所示（灰色人体模型表示直接控制；彩色人体模型表示模糊控制）。

对比分析紧急制动阶段2种控制方式下的乘员头部及胸部的位移量可知：在紧急制动的前期相较于直接控制，模糊控制下的乘员头部和胸部的位移量明显降低，且在3.51 s时2种控制方式之间的差异达到最大。直接控制条件下的头部位移量为86 mm，胸部位移量为32 mm；而模糊控制的头部位移量为27.5 mm，胸部位移量仅为5.4 mm；总体而言，模糊控制有效地降低了乘员头部及胸部的位移量，其中头部位移量降幅为62%，胸部位移量降幅为80%。在4.25～4.88 s时，模糊控制下乘员头部和胸部的位移量则大于直接控制；在4.61 s时，直接控制的头部位移量为56.9 mm，胸部位移量为31.7 mm；模糊控制的头部位移量为100 mm，胸部位移为48.3 mm；头部位移量的增幅为77.5%，胸部位移量的增幅为52.4%。如表2所示。

图8 乘员头部、胸部位移量曲线

图9 制动过程中人体模型动态响应

表2 AHM的位移量 mm

3 讨论与展望

在Simulink中建立了以TTC和相对速度为输入、制动压力为输出的模糊控制器。以减小乘员在紧急制动阶段的离位位移为目标，分别建立了输入和输出的隶属度函数，以及输入和输出对应的规则；确定了以该模糊控制器为主的控制策略。

由于汽车自动紧急制动系统可以有效地降低交通事故率，目前主要通过设计准确表示当前工况的危险程度及避撞的策略来提高安全性［4，13，18］。但汽车紧急制动系统起作用时因惯性载荷会导致车内乘员发生前倾离位，若此时再有碰撞发生就会增加乘员受伤的风险。然而大多数研究者在AEB紧急制动系统的研究中只考虑冲击度（即减速度的变化率）、俯仰角加速度等来评价车内乘员的舒适性［11，15］。即使一些研究者注意到制动阶段乘员离位会加大乘员损伤，但主要采用主动安全带来减小乘员的离位［19-21］。而本研究在Simulink中建立了可以输出渐变制动压力的模糊控制器，利用PreScan和Simulink进行联合仿真，得出制动减速度作为AHM主动假人-约束系统模型的边界条件再次进行仿真，最后分析车内乘员在紧急制动阶段的离位。

对比模糊控制和直接控制下的车辆速度和乘员离位发现：在紧急制动的前期，车速较高且相差较小，最大相差0.7 m／s；而模糊控制下乘员的头部和胸部位移量减小，在3.51 s时模糊控制下的头部位移量仅为27.4 mm，降幅为62%、胸部位移量仅为6.1 mm，降幅为80%；如果在这时发生追尾碰撞，则模糊控制下的乘员离位较小，安全性得到提高。在紧急制动的后期，两者乘员的头部和胸部位移量相差不大，但这一阶段车速较小，故在追尾事故发生时车内乘员的损伤不会太大。所以，运用本文设计的模糊控制器可以有效提高乘员在紧急制动阶段的安全性。

相较于直接控制，在制动前期由于模糊控制条件下主缸压力较小，产生的制动减速度小于直接控制，所以在前期模糊控制下的头部位移较小。在制动中期，直接控制下主缸制动压力恒定产生恒定的制动减速度，从而无法抵消AHM颈部产生的肌肉力矩，造成头部回弹；而模糊控制下主缸制动压力持续增加产生持续上升的制动减速度，从而可以持续抵消AHM颈部产生的肌肉力矩，头部位移持续增加，从而高于直接控制下的头部位移。在制动后期，由于2种控制方式下的最大制动压力差异较小，因此两者之间的头部位移量相差较小。

本文中只对前车静止工况（car-to-car rear stationary，CCRs）进行了仿真，在后续的研究中可以对模糊控制进行完善并增加不同的仿真场景。

4 结论

运用建立的模糊控制器，通过PreScan及Simulink软件联合仿真，实现了前车静止工况下的紧急制动，并利用AHM主动人体模型对比分析紧急制动阶段，模糊控制和直接控制下车内乘员头部和胸部的位移。结果表明：本文中设计的模糊控制器可以在紧急制动前期减小乘员的惯性载荷及位移，提高车内乘员的安全性。