汽車(chē)電子化、智能化是現(xiàn)代汽車(chē)發(fā)展的重要標(biāo)志之一。汽車(chē)電子的應(yīng)用可以大幅度提升汽車(chē)的安全性、穩(wěn)定性、舒適性等各方面性能。隨著市場(chǎng)和產(chǎn)業(yè)的發(fā)展，汽車(chē)已不再是一種單純的代步工具，而是成為了集休閑娛樂(lè)為一體的個(gè)性化產(chǎn)品。汽車(chē)電子技術(shù)產(chǎn)品剛好可以滿(mǎn)足消費(fèi)者這一需求。本文將從幾個(gè)角度對(duì)電子技術(shù)在汽車(chē)上的應(yīng)用進(jìn)行總結(jié)。

1 自主駕駛及無(wú)人駕駛多電機(jī)電動(dòng)賽車(chē)的扭矩矢量控制[1]

具有多個(gè)電動(dòng)機(jī)的電動(dòng)車(chē)輛支持連續(xù)的直接橫擺力矩控制，也稱(chēng)為扭矩矢量控制。例如，通過(guò)延長(zhǎng)車(chē)輛轉(zhuǎn)向不足特性的線性區(qū)域，可以顯著地增強(qiáng)轉(zhuǎn)彎響應(yīng)和獲取最大橫向加速度。對(duì)于傳統(tǒng)的駕駛員操縱的汽車(chē)來(lái)說(shuō)，這些技術(shù)有很好的表現(xiàn)和應(yīng)用，但是有關(guān)自動(dòng)/無(wú)人駕駛車(chē)輛所能提供信息很有限。特別是在過(guò)去幾年中，用于自動(dòng)駕駛的轉(zhuǎn)向控制器在轉(zhuǎn)彎極限駕駛中已經(jīng)取得相當(dāng)程度的提升，但目前還不清楚這些控制器應(yīng)該如何與扭矩矢量系統(tǒng)整合到一起。

本文討論了扭矩矢量控制的集成和自動(dòng)駕駛，包括為新奇自動(dòng)駕駛電動(dòng)汽車(chē)比賽設(shè)計(jì)和完成的扭矩矢量控制器。該論文介紹了主要的車(chē)輛特性和控制架構(gòu)（見(jiàn)文中Figure 3）。引入準(zhǔn)靜態(tài)模型來(lái)預(yù)測(cè)在不同縱向加速度下轉(zhuǎn)向不足的特性。該模型與先前調(diào)查的離線優(yōu)化扭矩矢量控制的潛在好處鏈接到一起。增益預(yù)定比例積分控制器增加偏航阻尼，從而增強(qiáng)瞬態(tài)響應(yīng)。仿真結(jié)果證明了該方法的有效性。

Figure 3.Simplified schemartic of the TV control structure

案例研究電動(dòng)賽車(chē)的轉(zhuǎn)彎響應(yīng)很明顯受其空氣動(dòng)力學(xué)特性的影響，即車(chē)輛轉(zhuǎn)向不足和轉(zhuǎn)向過(guò)度的程度完全受車(chē)速影響并隨車(chē)速而變。在一些操作條件下，沒(méi)有扭矩矢量控制器的車(chē)輛被動(dòng)響應(yīng)不穩(wěn)定。由前饋和反饋增益組成的相對(duì)簡(jiǎn)單的扭矩矢量控制結(jié)構(gòu)允許塑造車(chē)輛轉(zhuǎn)向不足的特性，并確保它們與縱向加速度的一致性?？梢栽O(shè)計(jì)轉(zhuǎn)彎極限處的非線性特性以實(shí)現(xiàn)穩(wěn)定的操縱。需要時(shí)可以使用單輸入單輸出反饋PI控制器跟蹤參考橫擺率并限定車(chē)輛側(cè)滑角。

2 一種應(yīng)用于無(wú)信號(hào)交叉路口聯(lián)通自動(dòng)車(chē)輛的離散式能量控制最優(yōu)框架[2]

本文解決了聯(lián)通和自動(dòng)車(chē)輛（CAV）在沒(méi)有任何明確的交通信號(hào)條件下穿過(guò)市區(qū)十字路口的最佳控制的問(wèn)題，以便在滿(mǎn)足流量最大化要求的情況下而能量消耗最小化。表明流量最大化問(wèn)題的解決方案僅取決于強(qiáng)加CAV的硬性安全約束條件和其結(jié)構(gòu)實(shí)現(xiàn)了能量最小化離散的最佳控制問(wèn)題模式。作者提出一個(gè)這些離散問(wèn)題的完整解析解決方案，并推演出滿(mǎn)足可行解決方案的所有安全約束條件。通過(guò)仿真說(shuō)明了所提出的解決方案的有效性（見(jiàn)文中Fig.5），提出的離散框架具有實(shí)質(zhì)性的雙重效益，也改善了續(xù)駛里程。

Fig.5.Fuel consumption and average travel time improverment.

這種方法的含義是車(chē)輛沒(méi)有在交叉路口停下來(lái)，從而節(jié)省動(dòng)力和燃料，同時(shí)也增加行駛時(shí)間。此外，通過(guò)優(yōu)化每輛車(chē)的加速/減速，最大限度地減少了發(fā)動(dòng)機(jī)的瞬態(tài)操作，因此從燃油消耗方面也帶來(lái)益處。已經(jīng)解決了CAV在沒(méi)有任何明顯交通信號(hào)情況下穿越城市交叉口最佳控制問(wèn)題。目標(biāo)是盡量減少能耗受制于吞吐量最大化要求和嚴(yán)格的安全限制。表明后者的解決方案僅取決于對(duì)CAV施加了嚴(yán)格的安全限制條件，它的結(jié)構(gòu)實(shí)現(xiàn)分散的能量最小化最優(yōu)控制問(wèn)題模式。作者提出了一個(gè)完整的分析解決方案，并推演出滿(mǎn)足可行解決方案所有已有的安全約束條件。通過(guò)仿真驗(yàn)證了所提出的解決方案的有效性，該仿真表明所提出的框架優(yōu)點(diǎn)是真實(shí)的。

3 使用卡爾曼濾波器和基于神經(jīng)網(wǎng)絡(luò)方法的精確定位車(chē)輛估算[3]

準(zhǔn)確檢測(cè)車(chē)輛位置在許多智能運(yùn)輸系統(tǒng)中起著重要作用，尤其是車(chē)-to-車(chē)應(yīng)用。在本文中，作者提出了一種基于擴(kuò)展卡爾曼濾波器（EKF）的方法來(lái)檢測(cè)這種基于車(chē)輛的應(yīng)用的全球定位系統(tǒng)（GPS）誤差（文中Fig.2）。為了把卡爾曼濾波器參數(shù)與車(chē)輛定位校正GPS誤差應(yīng)用調(diào)諧好，提出了一種機(jī)器學(xué)習(xí)方法，作者還提供了在以前的車(chē)輛GPS軌跡上訓(xùn)練的自由神經(jīng)網(wǎng)絡(luò)模型用以預(yù)測(cè)當(dāng)前的車(chē)輛位置?；趯?shí)際數(shù)據(jù)所完成的實(shí)驗(yàn)結(jié)果表明，這個(gè)用作探測(cè)和減少GPS錯(cuò)誤系統(tǒng)有效。用于EKF參數(shù)調(diào)諧的機(jī)器學(xué)習(xí)算法可以通過(guò)車(chē)載學(xué)習(xí)得以推行。而所建議采用的GPS錯(cuò)誤探測(cè)方法可以在車(chē)載應(yīng)用當(dāng)中加以推廣。

Fig.2.Architecture of GPS error-correcting neural network.

從上述試驗(yàn)中，該系統(tǒng)經(jīng)過(guò)基于固定線路所收集的數(shù)據(jù)訓(xùn)練和測(cè)試，但有多個(gè)驅(qū)動(dòng)程序。作者使用相同的卡爾曼濾波器參數(shù)計(jì)算，見(jiàn)第4分章節(jié)B部分，但測(cè)試了一條全新的路線。這條路線在當(dāng)?shù)亻_(kāi)車(chē)約9英里12 min（見(jiàn)文中Fig.13）。采用兩個(gè)數(shù)據(jù)采集系統(tǒng)。第一個(gè)提供高質(zhì)量的GPS測(cè)量結(jié)果，采樣率為100 Hz。使用此設(shè)備捕獲的信號(hào)被認(rèn)為正確標(biāo)記數(shù)據(jù)。第二個(gè)為擁有采樣率為1 Hz的低質(zhì)量設(shè)備。這個(gè)設(shè)備信號(hào)被認(rèn)為是發(fā)送到卡爾曼濾波器的有噪音的輸入信號(hào)。

如圖14所示標(biāo)繪出作為時(shí)間函數(shù)的卡爾曼濾波器估算錯(cuò)誤細(xì)節(jié)。需要注意的是，運(yùn)行開(kāi)始時(shí)的錯(cuò)誤量很大，但過(guò)了一段時(shí)間后，卡爾曼濾波器在去除噪聲方面非常有效。

Fig.13.A new route consisting of 9 miles of city driving and approximatcly 12 minutes.

Fig.14.A plot of Kalman filter error vs.time when tested on the new route.

4 控制交通流量的方法—有限狀態(tài)過(guò)渡模型的自動(dòng)控制合成[4]

如今，隨著人口越來(lái)越多，城市越發(fā)需要智能交通系統(tǒng)，以便有效利用現(xiàn)有的交通基礎(chǔ)設(shè)施。然而，無(wú)效的交通流量管理是普遍存在的，包括69億小時(shí)的額外旅行時(shí)間和31億美元加侖燃料浪費(fèi)。為了降低這些成本，下一代運(yùn)輸系統(tǒng)將包括互聯(lián)車(chē)輛，互聯(lián)的基礎(chǔ)設(shè)施和提高自動(dòng)化水平。此外，在可預(yù)見(jiàn)的未來(lái)，這些進(jìn)步點(diǎn)必須與傳統(tǒng)技術(shù)共存。這種復(fù)雜性使得改善移動(dòng)性和安全性的目標(biāo)更令人生畏。為了解決這種復(fù)雜性，需要為運(yùn)輸系統(tǒng)配備可變化和自動(dòng)驗(yàn)證和綜合技術(shù)。為了確保安全和改進(jìn)移動(dòng)出行，正規(guī)驗(yàn)證方法和集成控制系統(tǒng)是為人們提供很具有未來(lái)前景的自動(dòng)化手段。最初開(kāi)發(fā)了用于指定和驗(yàn)證軟件和硬件系統(tǒng)的正確行為以及合成該系統(tǒng)的正規(guī)方法。現(xiàn)在一項(xiàng)重要的研究工作是確保這些這些方法對(duì)于傳輸系統(tǒng)是可變的，具有高度適應(yīng)能力和可靠性。

本文將LTL視為規(guī)范語(yǔ)言。LTL允許考慮使用的特定時(shí)間范圍重復(fù)申請(qǐng)運(yùn)營(yíng)商。其他時(shí)間邏輯，例如信號(hào)時(shí)間邏輯，允許直接包含時(shí)間范圍，例如，通過(guò)指定某個(gè)時(shí)間邏輯觀察發(fā)生在指定的時(shí)間范圍內(nèi)。另外，可以考慮概率規(guī)范并在合成控制器時(shí)包括最優(yōu)性約束。特別是概率保證適用于運(yùn)輸管理等領(lǐng)域需要正確控制但不是絕對(duì)關(guān)鍵的。例如，規(guī)范可能是“概率為95%，交通鏈路仍未擁堵。

本文介紹了一種正式的控制方法：交通流網(wǎng)絡(luò)。首先，一個(gè)動(dòng)態(tài)模型可以控制重要的交通流現(xiàn)象（見(jiàn)文中Figure 8，F(xiàn)igure 9），例如考慮到流量受阻產(chǎn)生了擁堵。為了實(shí)現(xiàn)這個(gè)模型，我們做了幾個(gè)簡(jiǎn)化的假設(shè);例如，所有車(chē)輛都采用“單個(gè)商品”的觀點(diǎn)假設(shè)行為相似。

接下來(lái)，本文回顧了基于有限狀態(tài)抽象的系統(tǒng)離散時(shí)間動(dòng)態(tài)有限記憶控制器形式合成的一般方法，這種抽象超越了潛在的動(dòng)態(tài)。具體來(lái)說(shuō)，對(duì)于每個(gè)輸入，抽象至少可以實(shí)現(xiàn)可能的轉(zhuǎn)換真實(shí)的系統(tǒng)。這種方法確保了適合抽象的控制器合成，可以保證真實(shí)系統(tǒng)滿(mǎn)足相同的規(guī)范。

5 基于使用低成本傳感器融合速度和航向角觀測(cè)器的車(chē)輛定位[5]

車(chē)輛定位系統(tǒng)可用于各種汽車(chē)應(yīng)用。本文主要關(guān)注實(shí)用性，提出了一種使用低成本傳感器融合系統(tǒng)的新的車(chē)輛定位方法，它結(jié)合了全球定位系統(tǒng)的數(shù)據(jù)（GPS）以及來(lái)自易于使用的車(chē)載傳感器的數(shù)據(jù)。作為車(chē)輛定位一部分，就車(chē)輛速度和航向角估算設(shè)計(jì)了一種新型非線性觀測(cè)器。利用李雅普諾夫穩(wěn)定性分析，研究了估計(jì)誤差的收斂性。基于該估計(jì)信息，具有基于規(guī)則邏輯的新的自適應(yīng)卡爾曼濾波器提供給人們更加穩(wěn)健而且高度準(zhǔn)確的車(chē)輛位置估算。它調(diào)整噪聲協(xié)方差矩陣Q和R以便適應(yīng)不同駕駛操控和不斷變化的GPS條件等各種環(huán)境。通過(guò)使用商用車(chē)輛的試驗(yàn)結(jié)果驗(yàn)證整個(gè)系統(tǒng)性能。最后，通過(guò)比較研究，所提出的算法的有效性得以確認(rèn)。

近年來(lái)，已經(jīng)為智能交通系統(tǒng)（ITS）、自動(dòng)車(chē)輛應(yīng)用和高級(jí)駕駛輔助系統(tǒng)（ADAS）開(kāi)發(fā)出車(chē)輛定位系統(tǒng)。特別是一些ADAS應(yīng)用，如電子收費(fèi)、交叉路口碰撞警告和彎路速度警告、與車(chē)輛定位有重要關(guān)聯(lián)。值得注意的是，全球定位系統(tǒng)（GPS）變成大多數(shù)戶(hù)外陸地導(dǎo)航的普遍使用的傳感器。然而，標(biāo)準(zhǔn)商用GPS用于某些GPS停運(yùn)條件，例如市區(qū)、隧道、和其它惡劣環(huán)境下還存在太多問(wèn)題。

為了實(shí)現(xiàn)準(zhǔn)確、不間斷、可靠的車(chē)輛定位系統(tǒng)，許多研究人員和行業(yè)專(zhuān)家已開(kāi)發(fā)出由其它傳感器輔助的集成GPS。對(duì)于慣性導(dǎo)航系統(tǒng)（INS），由于其相對(duì)高的采樣率和準(zhǔn)確性，而被認(rèn)為是常規(guī)的解決方案。

本研究提出了一種新的車(chē)輛定位方法（見(jiàn)文中Fig.1），包括非線性觀測(cè)器和新的自適應(yīng)卡爾曼濾波。使用低成本傳感器融合的非線性觀測(cè)器在車(chē)輛速度和航向角方面呈現(xiàn)出高精度和可靠的估算結(jié)果。另外，由于它易于調(diào)諧和實(shí)施，可以很容易地應(yīng)用于生產(chǎn)。新的自適應(yīng)卡爾曼濾波器，它具有針對(duì)卡爾曼增益基于規(guī)則的邏輯，可在各種駕駛條件和惡劣的GPS環(huán)境中提供穩(wěn)定的估算性能。

綜上所述，本文提出的車(chē)輛定位算法

與以往的研究不同：

（1）它伴隨著速度和航向角估計(jì)，既可用于ITS應(yīng)用也可用于車(chē)輛控制系統(tǒng)中;

Fig.1 Flowchart of the proposed vehicle positioning system

（2）基于低成本傳感器融合，具有成本競(jìng)爭(zhēng)力;

（3）它由于計(jì)算量小，可用性高、更新速度快、可靠估算性能，因此可以在生產(chǎn)中輕松實(shí)現(xiàn)。

本文證明了所提出的基于非線性觀測(cè)器的自適應(yīng)卡爾曼濾波器，可以為開(kāi)發(fā)精確的車(chē)輛定位系統(tǒng)做出重大貢獻(xiàn)。