面向自动驾驶保证车辆转向稳定性的模型预测控制

摘  要 
车辆智能化是当前和未来汽车发展的主要方向和核心技术之一。随着车辆智能化水 平的提高，自动驾驶等级从无自动驾驶向完全自动驾驶提升。在自动驾驶的人机协同控制 和完全自动驾驶阶段，由于人类驾驶员在动态驾驶任务中的参与程度不同，在常规工况和 极限工况下分别存在着由人-车-路因素导致的不同车辆转向稳定性问题。因此，研究面向 多工况的转向稳定性控制方法对于保证自动驾驶车辆安全具有重要意义。 
随着自动驾驶等级的提高，人机交互的影响和在多工况下的车辆安全需求对车辆转 向稳定性控制方法提出了新的挑战，具体体现在以下几个方面：(1) 在常规工况下，由于 人类驾驶员对人机协同控制的信任程度不同，可能造成人机冲突并影响车辆转向稳定性， 因此在常规工况下如何缓解人机冲突，避免影响车辆转向稳定性是一个需要解决的问题； (2) 在极限工况下，由于车辆高速急转或路面摩擦系数减小可能产生轮胎侧滑，人类驾驶 员很难做出正确操作，加剧车辆侧滑甚至导致侧翻，因此在极限工况下如何控制车辆失稳 状态，保证车辆转向稳定性是一个亟待解决的问题；(3) 在包含常规和极限的多工况下， 如何设计保证车辆转向稳定性和行驶安全性的控制方法，是推动实现完全自动驾驶的关 键问题。本文围绕上述问题，开展以下研究工作。 
首先，建立面向自动驾驶的人-车模型并分析影响车辆转向稳定性的常规工况人为因 素和极限工况车-路因素，为设计自动驾驶多工况下的车辆转向稳定性控制方法奠定基础。 建立车辆系统的三自由度非线性模型及简化的二自由度线性模型，并计算车辆系统平衡 点，通过相平面方法和李雅普诺夫方法分析其开环稳定性，指出影响车辆转向稳定性的极 限工况车-路因素。通过场地实验采集多位驾驶员的行驶数据和调查问卷，基于行驶数据 建立驾驶员模型，模拟具有驾驶技能差异的驾驶员转向操纵行为。基于驾驶员调查问卷和 统计学方法，分析驾驶员对自动驾驶系统的信任程度与驾驶技能差异之间的关系，指出影 响车辆转向稳定性的常规工况人为因素。 
其次，针对常规工况下受人为因素影响的车辆转向稳定性问题，提出基于稳定区域的 人机协同转向模型预测控制（Model Predictive Control, MPC）方法。设计考虑人机协同权 重的轨迹跟踪控制方法，引入稳定区域约束条件以保证车辆转向稳定性。利用常规工况下 人机信任关系的分析结果，设计基于模糊逻辑的人机协同控制权重。在车辆动力学仿真软件中验证所提方法在减轻驾驶员物理负担、缓解人机冲突，以及保证车辆转向稳定性和行 驶安全性方面的有效性。 
再次，针对极限工况下受车-路因素影响的车辆转向稳定性控制问题，提出极限工况 基于不稳定平衡点的自动转向模型预测控制方法。设计准无限时域非线性模型预测控制 （Nolinear Model Predictive Control, NMPC）方法，将车辆失稳状态驱动到不稳定平衡点 附近，设计终端要素约束条件，利用NMPC显式处理约束以保证车辆系统的转向稳定性。 针对由车辆非线性动力学特性引起的NMPC计算负担问题，设计基于Koopman算子理论 的MPC快速求解方法，将车辆系统非线性模型近似为“全局”线性化模型，并设计基于 最大容许集的线性终端约束条件，将非凸优化问题转化为二次规划问题。进行对比仿真实 验，验证所提方法在系统存在多种不确定性时，保证车辆转向稳定性的有效性。 
最后，针对在多工况下保证自动驾驶车辆转向稳定性和行驶安全性的问题，提出考虑 多平衡点的路径跟踪非线性模型预测控制方法。针对考虑车辆多平衡点的路径跟踪控制 问题，将基于多平衡点进行目标函数切换的路径跟踪控制问题转化为基于单平衡点的调 节问题。设计准无限时域NMPC方法，证明对于可参数化路径的可行性和收敛性。通过 对比仿真实验，在多工况下验证所提方法对于保证车辆转向稳定性和行驶安全性的有效 性。 
综上所述，本论文研究面向自动驾驶多工况的车辆转向稳定性模型预测控制方法，为 解决自动驾驶在多阶段和多工况下的车辆转向稳定性问题提供可行方案。 
 
关键词： 
模型预测控制，车辆转向稳定性，自动驾驶，人机协同控制，车辆漂移控制

第1章  绪论 
1.1  课题研究背景及意义 

根据国家发展和改革委员会、工业和信息化部等11个国家部委联合发布的《智能汽 车创新发展战略》[ 1]将智能汽车定位为全球汽车产业发展的重要方向，并强调智能汽车发 展对中国具有重要战略意义。该战略提出，加快自动驾驶技术的发展有助于减轻驾驶员负 担和提高车辆行驶安全性。在自动驾驶的发展中，需要解决由人-车-路因素导致的多种车 辆转向稳定性问题，这对于车辆转向稳定性控制是一个前所未有的挑战[ 2-4]。  SAE自动驾驶分级规范标准J3016-201806是全球自动驾驶车辆的行业参照标准[ 5]， 如图1.1所示，该标准将自动驾驶分为L0-L5六个等级，其中L0级表示无自动驾驶，而 L1-L4级分别表示驾驶辅助、部分自动驾驶、有条件自动驾驶和高度自动驾驶，L5级表 示完全自动驾驶。该标准强调了实际期望参与驾驶过程的用户决定自动驾驶分级，即在 L0-L2级自动驾驶中，人类驾驶员执行部分或者全部的动态驾驶任务（Dynamic Driving  Task, DDT）及其后备，而在L3-L5级自动驾驶中，自动驾驶系统执行部分或全部的DDT 及其后备。在L5级完全自动驾驶实现以前，人类驾驶员仍需要不同程度地参与驾驶过程。