楊浩 黃江 李攀 韓中海

（1.重慶工商職業(yè)學(xué)院，重慶 401520；2.重慶理工大學(xué)，汽車零部件先進(jìn)制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，重慶400054）

主題詞：路程預(yù)瞄 路程預(yù)瞄曲率閾值 預(yù)瞄距離可變 模糊控制理論 最優(yōu)速度控制策略

1 前言

駕駛員行為規(guī)律及其建模在人-車-路閉環(huán)系統(tǒng)的仿真、評(píng)價(jià)與優(yōu)化中具有至關(guān)重要的作用。研究人員根據(jù)預(yù)瞄理論提出了各種駕駛員模型：MacAdam提出了最優(yōu)預(yù)瞄控制模型[1]，郭孔輝院士提出了單點(diǎn)預(yù)瞄最優(yōu)曲率模型[2]，張慧豫提出了兩點(diǎn)預(yù)瞄的新型駕駛員模型[3]，同時(shí)，汽車動(dòng)力學(xué)仿真軟件CarSim中采用了5點(diǎn)預(yù)瞄駕駛員模型。

近年來(lái)，隨著控制理論的不斷發(fā)展和完善，基于預(yù)瞄的各種駕駛員模型不斷提出，主要有模糊控制駕駛員模型[4]、預(yù)瞄優(yōu)化神經(jīng)網(wǎng)絡(luò)駕駛員模型[5]和自適應(yīng)最優(yōu)預(yù)瞄控制駕駛員模型[6]。上述方法在路徑跟蹤方面取得了一定進(jìn)展，但并沒有充分反映駕駛員的預(yù)瞄行為。郭孔輝院士的研究表明[2]，駕駛員預(yù)瞄更一般的形式是其目光不只集中于前方一點(diǎn)，而是著眼于前方的一段路，并爭(zhēng)取使汽車在這一段路程內(nèi)的運(yùn)動(dòng)誤差最小，同時(shí)根據(jù)路程預(yù)瞄的有效信息和當(dāng)前車速來(lái)調(diào)整預(yù)瞄距離，即預(yù)瞄距離應(yīng)可變。因此，本文提出一種路程預(yù)瞄駕駛員模型，通過對(duì)路程預(yù)瞄，建立了預(yù)瞄距離隨路程預(yù)瞄曲率閾值和車速可變的自適應(yīng)跟蹤模型。結(jié)合路程預(yù)瞄中點(diǎn)的修正和模糊控制理論，建立了智能控制轉(zhuǎn)向盤決策模型。通過路程預(yù)瞄中點(diǎn)的理想側(cè)向加速度、車輛實(shí)際側(cè)向加速度、路程預(yù)瞄曲率閾值建立了最優(yōu)速度控制策略。最后，結(jié)合智能控制轉(zhuǎn)向盤決策模型和最優(yōu)速度控制策略建立了基于路程預(yù)瞄的智能控制駕駛員模型。

2 基于路程預(yù)瞄的智能控制轉(zhuǎn)向盤決策模型

2.1 路程預(yù)瞄模型的建立

駕駛員在路徑跟蹤的過程中對(duì)一段路程進(jìn)行預(yù)瞄，本文建立了車輛坐標(biāo)系下的路程預(yù)瞄模型，如圖1所示。假設(shè)駕駛員跟蹤的目標(biāo)路徑為f(x),在預(yù)瞄方向Xt上預(yù)瞄了一小段路程為(xt2-xt0)，對(duì)應(yīng)的橫向距離為(s2-s0)，對(duì)應(yīng)的中點(diǎn)坐標(biāo)為(xt1,s1)。

圖1 路程預(yù)瞄模型示意

預(yù)瞄的路程為全局路徑中的一段，只要保證該局部路徑的跟蹤精度，通過迭代即可實(shí)現(xiàn)全局路徑的有效跟蹤。只要保證局部路徑的取值較小，用二次函數(shù)來(lái)描述基于(xt0,s0)、(xt1,s1)、(xt2,s2)3點(diǎn)的局部路徑也可得到較高精度，簡(jiǎn)化了對(duì)復(fù)雜道路的擬合與求解過程。設(shè)預(yù)瞄視線內(nèi)的一段道路方程為：

即駕駛員以N(xt)近似代替f(x)：

可以采用插值的方法求解N(xt)，常見的有Lagrange插值法和Newton插值法[7]。由于預(yù)瞄點(diǎn)的坐標(biāo)變化時(shí)，采用Lagrange插值算法就必須重新計(jì)算插值函數(shù)的所有值，而采用Newton插值算法只需考慮更新的點(diǎn)，前2個(gè)點(diǎn)的值可以循環(huán)利用，計(jì)算速度更快，實(shí)用性強(qiáng)，同時(shí)對(duì)預(yù)瞄的前2個(gè)點(diǎn)的信息可多次利用，也體現(xiàn)了預(yù)瞄過程的連續(xù)性，即駕駛員在預(yù)瞄的過程中會(huì)結(jié)合前面預(yù)瞄點(diǎn)的有效信息來(lái)跟蹤一段路。由此，可將預(yù)瞄視線內(nèi)的一段道路方程表示成更為具體的Newton二次差值函數(shù)：

因此，在[xt0,xt2]上可以近似得到：

點(diǎn)(xt0,s0)、(xt1,s1)、(xt2,s2)是通過預(yù)瞄環(huán)節(jié)獲取的，且均在f(x)上，所以有：

這樣可以求得：

對(duì)f(x)在[xt0,xt2]內(nèi)積分，結(jié)果即體現(xiàn)了這一段路程在預(yù)瞄方向的累計(jì)誤差，同時(shí)計(jì)算出點(diǎn)(xt0,s0)、(xt2,s2)與Xt軸所圍成的梯形面積，后者與前者的差值為：

由式（4）可得：

為簡(jiǎn)化計(jì)算，將式（11）轉(zhuǎn)化為數(shù)值計(jì)算，可以采用Newton-Cotes積分或Simpson積分[7]，后者的精度比前者更高，故采用后者來(lái)計(jì)算式（11）中的積分：

進(jìn)一步可得：

這樣用數(shù)值計(jì)算代替了積分計(jì)算，減少了計(jì)算工作量，便于研究。因此，只需利用傳感器探測(cè)出車輛前方預(yù)瞄方向上該段路程的預(yù)瞄距離|xt0xt2|及s0、s1和s2即可計(jì)算出k值，避免了對(duì)目標(biāo)路徑的擬合，方便應(yīng)用于實(shí)車。k＞0表明目標(biāo)路徑是一條偏離預(yù)瞄方向的彎曲路徑，k越大，f(x)在預(yù)瞄方向上的曲率越大；k=0表明目標(biāo)路徑是一條直線路徑；k＜0表明目標(biāo)路徑是一條偏向預(yù)瞄方向的彎曲路徑。因此，k在一定程度上表明了預(yù)瞄路程曲率的變化趨勢(shì)，稱其為路程預(yù)瞄曲率閾值。這樣可以得到路程預(yù)瞄模型的結(jié)構(gòu)框圖，如圖2所示。

圖2 路程預(yù)瞄模型結(jié)構(gòu)框圖

2.2 預(yù)瞄距離可變的自適應(yīng)跟蹤模型

根據(jù)郭孔輝院士的“預(yù)瞄-跟隨”理論[2]，在小曲率的道路上，駕駛員的最優(yōu)轉(zhuǎn)向盤轉(zhuǎn)角為：

式中，i為轉(zhuǎn)向系的傳動(dòng)比；L為車輛軸距；s為預(yù)瞄點(diǎn)的側(cè)向誤差；d=vT為預(yù)瞄點(diǎn)的距離；v為車速；T為預(yù)瞄時(shí)間。

式（14）中，i和L是車輛固有的參數(shù)，因而在路徑跟蹤的過程中保持不變，而預(yù)瞄距離應(yīng)隨路程預(yù)瞄曲率閾值和車速連續(xù)變化。

駕駛員跟蹤的路徑一般為直線路徑與彎道路徑的組合形式，因此假設(shè)駕駛員跟蹤的目標(biāo)路徑f(x)分為直線路徑、直彎過渡、彎道路徑、彎直過渡、直線路徑5個(gè)階段，如圖3所示，其中(x0,y(x))為車輛的初始位置。

圖3 預(yù)瞄距離可變的自適應(yīng)跟蹤示意

在直線路徑階段，假設(shè)駕駛員在視線前方預(yù)瞄了一段路程A1A2，其對(duì)應(yīng)的側(cè)向誤差為s1、s2。隨著預(yù)瞄距離的增大，預(yù)瞄點(diǎn)的側(cè)向誤差減小，即s2＜s1。由式（14）可知，δ2＜δ1。因此，駕駛員應(yīng)優(yōu)先選擇終點(diǎn)預(yù)瞄，這樣既可以減小預(yù)瞄點(diǎn)的側(cè)向誤差，又能決策出較小的轉(zhuǎn)向盤轉(zhuǎn)角，有利于提高車輛的操縱穩(wěn)定性以及減輕駕駛員的轉(zhuǎn)向負(fù)擔(dān)。

在直彎過渡階段，假設(shè)駕駛員在視線前方預(yù)瞄了一段路程B1B2，其對(duì)應(yīng)的側(cè)向誤差為s3、s4。進(jìn)入彎道時(shí)，側(cè)向誤差可能會(huì)隨著預(yù)瞄距離的增大而增大，但由于預(yù)瞄終點(diǎn)的預(yù)瞄距離較預(yù)瞄始點(diǎn)的預(yù)瞄距離大很多，因而雖然預(yù)瞄終點(diǎn)的側(cè)向誤差可能有所增加，但是其增加量遠(yuǎn)小于預(yù)瞄終點(diǎn)與始點(diǎn)的距離之差，即|s4-s3|＜|B1B2|。由式（14）可知，其轉(zhuǎn)向盤轉(zhuǎn)角依然保持著隨預(yù)瞄距離增大而減小的趨勢(shì)，即δ4＜δ3。由于在彎道路徑中，車輛所需的轉(zhuǎn)向盤轉(zhuǎn)角較大，所以始點(diǎn)預(yù)瞄優(yōu)于終點(diǎn)預(yù)瞄。

在彎道路徑階段，目標(biāo)路徑并不是一個(gè)定半徑的圓弧，每一點(diǎn)對(duì)應(yīng)的曲率1/R1、1/R2…1/Rn并不完全相同，但每一點(diǎn)對(duì)應(yīng)的圓的圓心可以組成一個(gè)曲率圓心領(lǐng)域。該領(lǐng)域所對(duì)應(yīng)的曲率中總存在最大曲率1/Rmin和最小曲率1/Rmax。理論上，車輛在曲率最大處容易失穩(wěn)，反之，不易失穩(wěn)。但是研究人-車-路閉環(huán)系統(tǒng)，應(yīng)考慮目標(biāo)路徑在運(yùn)動(dòng)車輛坐標(biāo)系下時(shí)刻變化的因素，所以應(yīng)當(dāng)建立目標(biāo)路徑相對(duì)于車輛坐標(biāo)系下的路程預(yù)瞄曲率閾值，駕駛員正是依據(jù)此閾值來(lái)決策路徑跟蹤的可變距離的。由前面的分析可知：隨著預(yù)瞄距離增大，轉(zhuǎn)向盤轉(zhuǎn)角減小，即δ6＜δ5。由于彎道路徑需要較大轉(zhuǎn)向盤轉(zhuǎn)角，故始點(diǎn)預(yù)瞄優(yōu)于終點(diǎn)預(yù)瞄。在彎直過渡階段，其原理與直彎過渡相反。

由以上對(duì)5個(gè)階段的路徑跟蹤過程的分析可以得出：當(dāng)路程預(yù)瞄曲率閾值較大時(shí)，預(yù)瞄距離應(yīng)較遠(yuǎn)；反之，預(yù)瞄距離應(yīng)較近。這體現(xiàn)了采用預(yù)瞄距離可變的自適應(yīng)跟蹤模型的合理性。由于真實(shí)駕駛員在高速工況下目光較遠(yuǎn)，低速工況下目光較近，因此有必要建立預(yù)瞄距離隨路程預(yù)瞄曲率閾值和車速可變的自適應(yīng)跟蹤模型。參考生理、心理學(xué)家Land和Horwood對(duì)駕駛員在彎道行駛的行為研究表明[8-9]：駕駛員在駕駛車輛時(shí)視線集中的范圍主要包括“遠(yuǎn)”（車前方10～20 m）、“近”（車前方6～8 m）2個(gè)區(qū)域。因此，本文給出預(yù)瞄距離d可變公式：

預(yù)瞄距離可變的自適應(yīng)跟蹤模型結(jié)構(gòu)框圖如圖4所示。其中，車速v的范圍為0～120 km/h，同時(shí)賦予初始預(yù)瞄距離為8 m。當(dāng)v=120 km/h、k=0時(shí)，預(yù)瞄距離最遠(yuǎn)，為20 m。當(dāng)車速一定時(shí)，預(yù)瞄距離隨預(yù)瞄路程曲率閾值的增大而減小。當(dāng)預(yù)瞄路程曲率閾值一定時(shí)，車速越大，預(yù)瞄距離越遠(yuǎn)。不同的駕駛員的k值和行駛的車速不同，選擇的預(yù)瞄距離有所不同，但預(yù)瞄距離隨路程預(yù)瞄曲率閾值的增大而減小，隨車速的提高而增大的趨勢(shì)是不變的。這也是有可能排除駕駛員的個(gè)性而建立統(tǒng)一的預(yù)瞄距離可變的自適應(yīng)跟蹤模型的依據(jù)。

圖4 預(yù)瞄距離可變的自適應(yīng)跟蹤模型結(jié)構(gòu)框圖

2.3 基于路程預(yù)瞄中點(diǎn)的側(cè)向誤差及其變化率的修正

雖然駕駛員在路徑跟蹤過程中應(yīng)盡可能使預(yù)瞄路程的累計(jì)誤差最小，但駕駛員對(duì)一段路程的累計(jì)誤差的感知程度比對(duì)單個(gè)點(diǎn)的感知程度更復(fù)雜（即注意力的分配問題）。進(jìn)一步分析可知，如果路徑跟蹤過程中一段路程的累計(jì)誤差最小，其預(yù)瞄路程上中點(diǎn)的誤差也會(huì)比較小，如果能得知中點(diǎn)誤差的變化率，就能預(yù)測(cè)下一時(shí)刻誤差的變化趨勢(shì)，從而預(yù)測(cè)車輛下一時(shí)刻是偏向還是偏離目標(biāo)路徑，這對(duì)車輛的路徑跟蹤有一定的預(yù)測(cè)作用。因此，把路程預(yù)瞄中點(diǎn)的側(cè)向誤差及其變化率作為修正量既能簡(jiǎn)化模型，也能提供預(yù)測(cè)，更有助于跟蹤路徑的實(shí)現(xiàn)。

預(yù)瞄路程中點(diǎn)的側(cè)向誤差可通過車身傳感器直接獲取，誤差變化率的計(jì)算如圖5所示，其中，ψ為車身縱軸與固定坐標(biāo)系OX軸的夾角，ψd為道路中心線切線與固定坐標(biāo)系OX的夾角，vx和vy分別為車輛質(zhì)心的縱向速度和側(cè)向速度。則車身縱軸與道路中心線切線的夾角為：

夾角ψ和ψd的變化率分別為：

式中，ρ為道路曲率；ωr為橫擺角速度。

圖5 側(cè)向誤差變化率計(jì)算示意

當(dāng)目標(biāo)路徑曲率很小時(shí)，預(yù)瞄點(diǎn)到目標(biāo)道路的距離近似等于其到目標(biāo)道路切線的距離。設(shè)車輛的質(zhì)心位置為A點(diǎn)，駕駛員在車輛中所處的位置為C點(diǎn)，B為路徑跟蹤的始點(diǎn)，D為路徑跟蹤的終點(diǎn)，E為BD的中點(diǎn)，dr、df、ds分別為其對(duì)應(yīng)的預(yù)瞄距離，sA、sB、sD分別為其對(duì)應(yīng)的側(cè)向誤差，質(zhì)心與目標(biāo)路徑之間的側(cè)向位置誤差變化率為：

由于ψr非常小，故上式可簡(jiǎn)化為：

由圖5的幾何關(guān)系可得：

在夾角ψr非常小的情況下：

對(duì)sB求導(dǎo)可得：

將式（20）代入式（24）中，得到側(cè)向誤差變化率[10]的表達(dá)式為：

將式（18）代入式（25）中可得：

同理可得點(diǎn)E的橫向誤差變化率為：

這樣，預(yù)瞄中點(diǎn)的側(cè)向誤差變化率已經(jīng)建立，圖6給出了中點(diǎn)修正的結(jié)構(gòu)框圖。

2.4 模糊控制理論

由于車輛的非線性因素不可避免，精確的人-車-路閉環(huán)系統(tǒng)模型很難建立。而模糊邏輯控制器能很好地適用于非線性系統(tǒng)，同時(shí)模糊邏輯駕駛員在一定程度上反映了人的思維和駕駛行為[11]。因此，將模糊控制器用于決策轉(zhuǎn)向盤轉(zhuǎn)角。圖7給出了基于路程預(yù)瞄的模糊邏輯控制器結(jié)構(gòu)。

圖6 中點(diǎn)修正的結(jié)構(gòu)框圖

圖7 基于路程預(yù)瞄的模糊邏輯控制器結(jié)構(gòu)

其中，模糊化過程分兩個(gè)部分。第一部分為將所選擇的控制變量作為模糊控制器的語(yǔ)言變量。本文選擇了3個(gè)輸入變量，分別為側(cè)向誤差、誤差變化率、車速。對(duì)側(cè)向誤差定義了7個(gè)語(yǔ)言變量，分別是負(fù)大（NB）為-5～-3 m、負(fù)中（NM）為-4～-2 m、負(fù)小（NS）為-3～0 m、正零（ZE）為-1～1 m、正?。≒S）為0～3 m、正中（PM）為2～4 m、正大（PB）為3～5 m；對(duì)側(cè)向誤差變化率定義了3個(gè)語(yǔ)言變量，分別是負(fù)?。∟S）為-8～-4 m、正零（ZE）為-4～4 m、正?。≒S）為4～8 m；對(duì)車速v定義了4個(gè)語(yǔ)言變量，分別是負(fù)?。∟S）為0～60 km/h表示低速行駛，正中（ZE）為50～70 km/h表示中低速行駛，正零（PZ）為60～90 km/h表示中速行駛，正大（PB）為80～120 km/h表示高速行駛。第二部分為定義模糊控制器輸入和輸出變量的論域，然后對(duì)整個(gè)論域進(jìn)行模糊分割并給出相應(yīng)的隸屬度函數(shù)，隸屬度函數(shù)選擇三角函數(shù)。本文參考CarSim軟件中道路的實(shí)際寬度為10 m，所以預(yù)瞄點(diǎn)到道路中心線的誤差論域?yàn)椤? m；我國(guó)高速公路的最高車速為120 km/h，因此車速v的論域?yàn)?～120 km/h；轉(zhuǎn)向盤轉(zhuǎn)角δ的論域?yàn)?160°～160°，將此論域定義為-40°～40°，通過4倍增益來(lái)等效，便于論域整數(shù)劃分。因此，可以得到84條模糊條件語(yǔ)句構(gòu)成的控制規(guī)則表，如表1所示。圖8所示為預(yù)瞄中點(diǎn)的側(cè)向誤差、側(cè)向誤差變化率、車速、轉(zhuǎn)向盤轉(zhuǎn)角的隸屬度函數(shù)。

3 最優(yōu)速度控制策略

由于真實(shí)的駕駛員會(huì)根據(jù)路程預(yù)瞄環(huán)節(jié)和感受的力反饋來(lái)調(diào)節(jié)車速，力的作用體現(xiàn)在加速度上，因此為了建立更逼真的駕駛員模型，本文基于路程預(yù)瞄環(huán)節(jié)和理想側(cè)向加速度理論建立了最優(yōu)速度控制策略。根據(jù)郭孔輝院士的“預(yù)瞄-跟隨”理論[2]，預(yù)瞄點(diǎn)的理想側(cè)向加速度為：

表1 轉(zhuǎn)向盤控制規(guī)則

圖8 隸屬度函數(shù)

這樣結(jié)合路程預(yù)瞄環(huán)節(jié)、理想側(cè)向加速度理論、模糊邏輯控制器，可以建立最優(yōu)速度控制策略框圖，如圖9所示。

圖9 最優(yōu)速度控制策略框圖

定義(y?*-a)的論域?yàn)?4～4 m/s2，分別用負(fù)大（NB）、負(fù)小（NS）、正中（ZM）、正?。≒S）、正大（PB）來(lái)表示理想加速度與實(shí)際加速度的趨近程度。路程預(yù)瞄曲率閾值的論域?yàn)?4～4 m2，用負(fù)?。∟S）表示偏向的大曲率路徑，正零（ZE）表示直線路徑，用正?。≒S）表示偏離的大曲率路徑。模糊邏輯控制器的輸出為最優(yōu)控制速度，其論域的定義與前文同理。這樣通過模糊控制理論對(duì)加速度差值和路程預(yù)瞄曲率閾值進(jìn)行模糊推理來(lái)決策最優(yōu)控制速度，實(shí)現(xiàn)車輛的合理加、減速。當(dāng)理想加速度與實(shí)際加速度的差值為負(fù)且曲率較大時(shí)，車輛減速，反之加速。其具體模糊規(guī)則如表2所示，圖10給出了(y?*-a)、k、v*的隸屬度函數(shù)。

表2 車速控制規(guī)則

圖10 隸屬度函數(shù)

4 基于路程預(yù)瞄的智能控制駕駛員模型

結(jié)合路程預(yù)瞄轉(zhuǎn)向盤決策模型和最優(yōu)速度控制策略，給出基于路程預(yù)瞄的智能控制駕駛員模型結(jié)構(gòu)框圖，如圖11所示。

圖11 基于路程預(yù)瞄的智能控制駕駛員模型結(jié)構(gòu)框圖

5 仿真驗(yàn)證

為了測(cè)試本文提出的駕駛員模型路徑跟蹤的有效性，基于CarSim與MATLAB/Simulink構(gòu)建的聯(lián)合仿真平臺(tái)進(jìn)行仿真驗(yàn)證。

該仿真平臺(tái)由CarSim提供車輛動(dòng)力學(xué)模塊，即CarSim-S函數(shù)。在Simulink中搭建算法和智能控制方法，主要包括路程預(yù)瞄曲率閾值計(jì)算系統(tǒng)、預(yù)瞄初值賦予系統(tǒng)、預(yù)瞄距離可變系統(tǒng)、理想側(cè)向加速度系統(tǒng)和2個(gè)模糊邏輯控制器。仿真平臺(tái)系統(tǒng)結(jié)構(gòu)如圖12所示。

圖12 仿真系統(tǒng)結(jié)構(gòu)

為有效檢驗(yàn)本文所設(shè)計(jì)的駕駛員模型的跟蹤精度和適應(yīng)性，跟蹤路徑分別選擇雙移線路徑和復(fù)雜路徑。雙移線路徑可視為對(duì)超車動(dòng)作的仿真，也包括駕駛員特性在內(nèi)的“閉環(huán)驗(yàn)證”，在一定程度上表現(xiàn)出汽車轉(zhuǎn)向運(yùn)動(dòng)的綜合能力。復(fù)雜路徑包括10個(gè)半徑不同的彎角，主要用于驗(yàn)證在不同曲率路徑上車輛的跟蹤效果。為驗(yàn)證最優(yōu)速度控制策略的合理性，分別進(jìn)行初始速度為120 km/h的雙移線路徑驗(yàn)證和初始速度為60 km/h的復(fù)雜路徑驗(yàn)證。仿真結(jié)果如圖13所示。

圖13 仿真結(jié)果

將路程預(yù)瞄駕駛員模型與CarSim駕駛員模型進(jìn)行對(duì)比。從圖13可以看出：在雙移線路徑中，前者能更好地逼近預(yù)期路徑，并可在駛?cè)霃澋罆r(shí)提前減速，彎道內(nèi)低速勻速行駛，后者沒有實(shí)現(xiàn)合理的加、減速控制；在復(fù)雜路徑中，兩者與目標(biāo)路徑趨于重合，前者路徑跟蹤精度高，在直線路徑階段，目標(biāo)車速實(shí)現(xiàn)了提前減速，在彎道路徑階段，目標(biāo)車速已降速并勻速駛?cè)霃澋?，即彎道低速勻速行駛，后者以恒定的目?biāo)車速跟蹤整個(gè)路徑，即沒有實(shí)現(xiàn)合理的加、減速控制。以上仿真結(jié)果表明：該駕駛員模型能夠適應(yīng)從低速到高速不同曲率的路徑跟蹤，具有跟蹤精度高、速度調(diào)節(jié)合理、適應(yīng)性強(qiáng)的特征。

6 結(jié)束語(yǔ)

本文基于路程預(yù)瞄模型，提出了用于判斷目標(biāo)路徑相對(duì)于預(yù)瞄方向的位置關(guān)系的路程預(yù)瞄曲率閾值理論，避免了對(duì)目標(biāo)路徑的擬合，適用性強(qiáng)。同時(shí)，建立了預(yù)瞄距離可變的自適應(yīng)跟隨模型，實(shí)現(xiàn)了預(yù)瞄距離的連續(xù)可變。

基于模糊邏輯控制算法在一定程度上具有人的思維能力的優(yōu)點(diǎn)，本文結(jié)合路程預(yù)瞄曲率閾值、預(yù)瞄距離、側(cè)向加速度建立了智能控制轉(zhuǎn)向模型和速度控制策咯，實(shí)現(xiàn)了較高的路徑跟隨精度和合理的速度控制策略。但應(yīng)指出，由于車輛的動(dòng)力學(xué)特性，實(shí)際車速會(huì)滯后于目標(biāo)車速，這也是本文速度控制策略需要改進(jìn)的方向。