无人驾驶新能源汽车转向制动避障控制策略设计及试验*

刘存香 刘学军 林土淦 陈健健 黄文光

（1-江苏大学汽车与交通工程学院 江苏 镇江 212013 2-广西水利电力职业技术学院 3-广西交通职业技术学院 4-南宁市第四职业技术学校 5-广西机电工程学校）

引言

移动互联网、大数据、云计算的蓬勃发展，推动交通运输以信息化与智能化深度融合，使运输服务更加富有个性化和人性化，使交通运输的运行模式、管理方式，乃至社会治理模式都将产生巨大的变革。

未来交通的三个革命就是汽车的电动化、驾驶的自动化和出行方式的共享化。物联网、车联网等信息物联网、车联网的发展，使得信息绕过人类，成为一个独立于物理空间、社会空间之外的信息空间，交通将进入三元空间时代，自动驾驶将很大程度促进智能车路系统应用，大幅度提高交通运输服务的效率，服务的品质和管理的效能。车路协同-无人驾驶的应用，将降低交通事故发生率、缓解交通拥堵问题、降低驾驶员驾驶疲劳。

在国外，2019 年4 月，博世公司针对无人驾驶汽车开发了PEBS 系统，实现车辆处于无人驾驶状态下紧急制动[1]；韩国现代汽车表示，到2025 年，现代旗下所有车型都可搭载L2 和L3 级制动驾驶系统，以及可用于泊车的高级驾驶员辅助系统ADAS[2]。保时捷公司在2019 年12 月4 日表示，将对公司开发的无人驾驶车辆的召唤功能以及autopilot 功能进行测试，测试结果表明，车主可以借助这个功能在离车60 m 范围内，通过手机APP 使汽车自动驾驶到司机面前。

在国内，陈丁等人提出了一种采用距离欺骗干扰的评估方法，结合一种波形编辑软件，研制出了一种可产生含有虚假距离信息的欺骗干扰信号的试验平台[3]。吉林大学夏海鹏针对改进RRT 算法的无人驾驶车辆开展了路径规划方法的研究[4]。东南大学李晓凡针对全自动无人驾驶汽车人机界面概念开展了设计工作[5]。国内外无论从公司、研究院到高等学校都有研发工程师、研究员对无人驾驶的部分关键技术开展研究。国外公司通过安装ACC、ADAS 等装置部分实现了无人驾驶的功能，但距离L4 级无人驾驶汽车还有很大差距。而国内研究更多聚焦在仿真研究，或是结合地理信息系统进行路径规划工作。

无人驾驶新能源汽车从车身设计、策略设计等需要统筹考虑，只针对某一个技术开展研究将导致台架试验结果和道路试验结果存在很大差异。为此，在设计无人驾驶新能源汽车整车的基础上，研究控制策略是无人驾驶汽车推广应用的关键。

1 UNEV 结构设计

图1a 和图1b 所示为设计的UNEV 结构图，该车车身长2 200 mm，宽度1 100 mm，高度1 340 mm；轮胎前外径350 mm，前内径220 mm，后外径350 mm，后内径220 mm，轴距1 180 mm，前轮距740 mm，后轮距740 mm；离地间隙110 mm；车重100 kg；满载质量200 kg；转向方式为电动助力，转向电机采用传统齿条齿轮式结构；前后桥采用后轮驱动，前桥转向结构；采用电磁制动方式，轮边线圈为四组，每组线圈为400 匝；采用5 节12 V 铅酸电池组，电池容量为20 Ah；采用激光雷达进行路面识别。UNEV 其余参数为：转向电机额定电压：12 V，最大输出电流10 A，额定功率为100 W；控制器最大输出电压：60 V，最大输出电流：85 A 功率：1 500 W；转向驱动电机型号和参数：电压：48V，电流：32A，功率：1500W；转向控制器芯片采用STM32。

图1 UNEV

图2 所示为UNEV 控制系统原理图，由控制器模块、信号模块及执行器等组成。控制器模块ECU由32 位处理器STM32、信号调理电路、脉宽调节电路、信号调理电路组成；激光雷达信号、车速信号、轮速信号以及节气门位置信号等经信号调理电路输入处理器，处理器根据各路信号计算出与前方障碍物距离、当前汽车行驶车速等关键参数，根据相应控制策略做出判断后，输出控制信号，并经脉宽调节电路控制电磁制动器线圈以及方向盘舵机等执行器工作。

图2 UNEV 控制系统原理图

行驶过程中，UNEV 有两种控制模式，即：驾驶员控制模式和无人驾驶模式。

当驾驶员将手置于方向盘时，手动旋转方向盘的力矩将反馈到方向盘力矩传感器中，力矩传感器识别到当前状态为驾驶员控制模式，并将信号反馈给控制器模块，UNEV 将不对执行器进行控制。

当驾驶员手不放置在方向盘上时，方向盘力矩传感器没有监测到转向助力，将识别当前状态为无人驾驶模式，并将信号反馈给控制器模块，UNEV 处于无人驾驶状态。此时，控制器模块将不断监测红外避障传感器信号、方向盘力矩传感器信号、激光雷达信号等，并根据控制策略对车辆行驶速度、转向角度、电磁线圈等进行控制。

2 控制策略设计

驾驶员在转向避障时通常伴有制动操作行为，这将会影响转向避障的效果，即使车辆在避障过程中。然而，在无人驾驶汽车中，通过协调利用制动和转向可以使前后车撞击的距离最小化。为此，本试验所采用的控制方法遵循Biral 等人提出的“最大方向盘转速最小”原则，并确保驾驶过程冲击感最小。

UNEV 处于无人驾驶模式时，根据多传感器信息融合，判断车辆能够稳定到达且不会发生碰撞纵向距离（处于可行距离）时，则制动系统做单一避障控制；若前后车安全距离裕量虽不会导致车辆碰撞，但存在着高风险性时，则进行单一转向避撞控制；若前后车发生事故的可能性非常高（处于危险距离），则需要通过对电磁制动器线圈通电电流和方向盘舵机通电电流同时控制，以确保车辆行驶轨迹与预期轨迹一致。

例如，正常行驶时，红外避障传感器在车辆前方安全距离内未监测到任何障碍物时，UNEV 以30 km/h时速运输行驶。整车驱动电机将输出大电流，驱动车辆直线行驶。

当红外避障传感器在UNEV 前方安全距离内监测到障碍物时，避撞方式将存在：单一制动避撞、单一转向避撞以及转向及制动同时避撞等三种方式，不同的避撞方式根据UNEV 与前方障碍物或前方车辆的纵向距离进行选择。在开发制动驾驶紧急避撞控制策略时，需要对制动和转向所需要的最短纵向距离进行准确的定量分析，以确定在不同工况下哪种避撞方式可行。

且L≥HS，

则Iw=0；Ib=0

式中：△t 为检测时间，s；vi为i 时刻汽车速度，m/s；L为与前车距离，m；HS为安全距离，m；Iw为方向盘舵机通电电流，A；Ib为电磁制动器线圈通电电流，A；

且L≥HS，

则Iw=0；Ib=0；i=i+1

则Iw=0；Ib=Iaφ1；i=i+1

式中：Ia为电磁制动器线圈最大通电电流，A ；φ1为当前时刻输出电压占空比

汽车缓慢制动，但仍沿当前方向行驶。

则Iw=0；Ib=Iaφ2；i=i+1

式中：φ2为当前时刻输出电压占空比

汽车进一步制动，但仍沿当前方向行驶。

则Iw=Iw1；Ib=0；i=i+1

此时，UNEV 放弃对制动的控制，转为加速变道超车，此时汽车总的转向角度将由两部分构成，一个是根据避撞路径规划得到的前馈转向角输入αFF[6]，另一个是根据UNEV 侧向位置Y 和航向角φ 两个参量计算得到的总反馈输入角αFB。

考虑到UNEV 横摆角速度的二次积分会引起角度输入较大误差的出现，为此测量时不引入积分控制。

式中：KPY、KIY、KDY分别为PID 控制器的比例增益、积分增益和微分增益参数。KPφ、KDφ分别是PD 控制器的比例增益和微分增益。

3 道路试验及结果分析

针对所设计的UNEV 进行道路试验，试验道路为双向单车道道路，测试规范参考工业和信息化部、公安部、交通运输部等三部制定的《智能网联汽车道路测试管理规范（试行）》，测试项目包括：前方车辆（含对向车辆）行驶状态的识别及响应、障碍物的识别及响应、跟车行驶（包括停车和起步）、超车以及人工操作接管等[7-8]。

行驶过程中，利用USB3106 随车数据采集卡采集横摆率传感器信号及电磁制动器线圈通电电流大小，利用摄像机记录UNEV 与前车距离。通过程序设置安全距离Hs为10 m，汽车匀速行驶车速为3 m/s。

图3a～图3d 所示为UNEV 避开前方车辆行驶轨迹图，前方车辆保持静止状态。表1 所示为试验过程中各参数值。

表1 试验过程中不同时间下的各参数值

图3 UNEV 壁障过程

图4 为UNEV 与前车距离、方向盘转动角度随时间变化曲线图。图5 为电磁制动器线圈通电电流随行驶时间变化曲线图。图中横坐标为UNEV 行驶时间t，主纵坐标为UNEV 与前方车辆距离L，次纵坐标为方向盘转过角度δ。在UNEV 与前方车辆距离超过10 m 时，UNEV 保持匀速行驶状态。当两车距离小于10 m 时，此时电磁制动器线圈通电电流为10 A，UNEV 减速。两车距离进一步减小至6.6 m 时，电磁制动器线圈通电电流增大至20 A，车速进一步降低；行驶时间到达5.15 s 时，两车距离减小至3.3m时，车速迅速提升，电磁制动器线圈不通电，此时方向盘快速转动至15°，UNEV 变道超越前车，两车间的纵向距离进一步缩短。5.22 s 时，UNEV 与前车平行行驶，方向盘转角为0°。在5.35 s 时，UNEV 完全超越。6.1 s 时，UNEV 方向盘转向角度为0°，UNEV完成超越。

图4 UNEV 与前车距离、方向盘转动角度随时间变化曲线图

图5 电磁制动器线圈通电电流随行驶时间变化曲线图

4 结论

针对UNEV 设计及整车控制策略设计等问题，本文进行了车体设计及控制电路分析，将避撞方式分为了单一制动避撞、单一转向避撞以及转向及制动同时避撞等三种方式，并逐一进行了策略设计。设计完成的UNEV 进行了道路试验，并得出以下结论：

1）采用电磁制动器控制车辆制动、采用方向盘电机控制方向盘转动等方式，结合所设计的三种避撞模式能提升无人驾驶车辆绕开障碍物行驶的稳定性和可靠性，且降低了因复杂程序导致的车体控制过程出现抖动及转向卡死等问题。

2）采用32 位处理器STM32 能有效提升UNEV的识别及响应速度。