王天陽，陶學恒，孫成志，葉華國

(1.大連工業(yè)大學 機械工程與自動化學院，遼寧 大連 116034；2.安徽工程大學 機械與汽車工程學院，安徽 蕪湖 241000)

0 引言

糧食的存儲和管理是關系到我國食品安全和社會穩(wěn)定的重要問題，隨著智慧農業(yè)的發(fā)展和智能技術的進步，固定道路的無人駕駛車輛運送谷物進出倉、倒倉是實現倉儲物流自動化調度的重要手段。無人駕駛車輛道路保持控制是避免發(fā)生碰撞事故的核心，道路保持控制的基礎就是研究無人駕駛車輛的道路偏離判斷算法，通過設置合理的參數閾值及時調整車輛方向盤轉角以控制車輛沿著固定道路行駛，因此，控制算法的精度是決定無人駕駛車輛道路中心線保持的關鍵，需要通過建立準確的駕駛員虛擬模型、設計合理的無人駕駛車輛橫向控制器來實現。

Lan M等[1]設計了基于GPS、麥克風、揚聲器等設備的道路偏離判斷系統(tǒng)，研究了自動駕駛車輛車道線識別控制算法。Cario G等[2]利用攝像頭獲取車道線及車輛與道路的相對位置關系，根據儀表盤獲取車輛速度及輪速信息，設計了基于數據融合的車道偏離預警系統(tǒng)。Saleh L等[3]研究了一種駕駛員對車輛道路保持轉向系統(tǒng)的新模型。Chen L等[4]采用魯棒模型參考自適應控制方法，設計了主動前輪轉向車輛道路保持輔助系統(tǒng)。Mammeri A等[5]研究了一種基于機器視覺的自動駕駛技術，根據傳感器獲取的車道線圖像信息實現車輛道路保持。

本文通過分析無人駕駛車輛多信息融合系統(tǒng)，建立車輛-道路模型，并采用目標信息融合感知方法對運動軌跡進行跟蹤和預測；以車輛橫向距離與跨道時間為輸入變量、道路偏離危險等級作為輸出量進行模糊化處理，提出了基于模糊規(guī)則的道路偏離判斷策略；以車輛橫向位移偏差為輸入、方向盤轉角為輸出，設計變論域模糊PI控制器，基于Simulink和CarSim軟件平臺開展聯合仿真，并進行硬件在環(huán)實驗，驗證變論域模糊PI控制算法的精度和有效性。

1 多信息融合系統(tǒng)與車輛-道路模型

1.1 多信息融合系統(tǒng)

多信息融合條件下無人駕駛車輛的主要特點是依靠多種傳感器感知車輛狀態(tài)，準確掌握車輛及其周圍環(huán)境的具體信息，包括車輛的運動狀態(tài)、車道線、車與車的相對位置和相對速度等信息。自動無人駕駛車輛環(huán)境感知系統(tǒng)包括視覺分析單元、轉向角度傳感器、毫米波雷達和GPS等，由各傳感器完成目標檢測，再將所獲取的信息通過CAN相互連接，用于控制轉向、制動輔助系統(tǒng)，以及進行車速、道路環(huán)境、車輛狀態(tài)數據的監(jiān)測。

1.2 車輛-道路模型[6]

建立可以表征無人駕駛車輛與道路之間相對位置關系的模型，如圖1所示。圖1中，O為車輛質心；視覺系統(tǒng)從車輛行駛前方距離ls處獲取預瞄點，并以該點為參考；δ為前輪轉向角；yl為預瞄點到車道中心線的距離，即橫向偏移量；Ψl為車輛縱軸線與車道切線的夾角，即車輛偏航角；Ψr為實際道路偏角；R為道路曲率半徑；β為車輛質心側偏角；u、v分別為車輛速度V在質心坐標x、y方向上的分量；r為車輛轉動方向。為評價車輛與道路的位置偏差，選擇車輛偏航角Ψl、橫向偏移量yl作為狀態(tài)變量。

圖1 車輛-道路模型

根據設計的車道偏離判斷控制策略，本模糊系統(tǒng)輸出具有唯一性。車輛行駛過程的危險等級論域分為6個模糊集合，分別為二級安全HS、三級危險MS、三級安全LS、一級危險LH、一級安全MH、二級危險HH，等級越高，對應的安全性或是危險性越高。通過三角隸屬度函數表達該系統(tǒng)輸出變量，如圖2所示。最后通過重心法對輸出量進行反模糊化，確保其結果準確。

學生的生活數據信息是一個比較復雜的對象。如果我們想從這些復雜的數據關系中挖掘出有價值的信息，便可通過數據可視化的技術對其進行處理使得這些數據信息更為直觀地呈現在用戶面前。在可視化的過程中，數據將會變得更具備可塑性、可行性，最終更加人性化。由此幫助用戶完善自己的日常生活，提高用戶的生活質量。

左/右車輪離左/右道路邊界線的距離為：

設置仿真路徑為蛇形線路，固定車速為20 km/h，得到的方向盤轉角偏差、橫向位移偏差的仿真結果如5所示。由圖5(a)可見，采用變論域模糊PI控制算法進行控制時，在此工況下仿真得到的方向盤最大轉角為0.25 rad，運用傳統(tǒng)PID控制算法時，方向盤最大轉角為0.29 rad；由圖5(b)可見，傳統(tǒng)PID控制算法與變論域模糊PI控制算法的最大橫向位移偏差分別為0.25 m、0.038 m,變論域模糊PI控制算法的控制精度高于經典PID控制算法，對車輛在蛇形道路行駛發(fā)生偏離時能夠給予及時警示和修正。

2 基于模糊規(guī)則的道路偏離判斷策略

2.1 道路偏離判斷策略[7]

由前所述，車輛跨道時間t和車輛與車道邊界線距離可以作為判斷車輛偏離的參量，在道路偏離判斷系統(tǒng)模糊控制器設計中，設輸入變量為t與dl或dr，輸出變量為車輛實時偏離危險等級。將跨道時間t的論域值定為(0～2)s，可劃分為4個模糊集合，即長NL、較長ML、較短MS、短NS，通過三角隸屬度函數表達。假設車輪到車道邊界線的距離dl或dr的論域為(0～1.1)m，存在4個模糊集合，即遠NF、較遠MF、較近MN、近 NN，用三角隸屬度函數表示。

2.2 模糊規(guī)則設計

無論是繁華還是平淡，小商橋自無言接受，一如家鄉(xiāng)的人民。一座橋將堅韌融進了當地人民的血脈，從小商橋始，饑荒、屠城、戰(zhàn)亂，臨潁人民不怒不傷，不躲不逃，默默承受，安靜生活。

洛馬的緊湊型核聚變反應堆屬于開端磁力線類型，能較好解決這一問題。如圖1所示，該堆由一個近似柱形的反應堆外殼、內部超導線圈、外部封壓線圈和兩端的磁鏡線圈、中性束流注入器以及其他輔助的冷卻、供電、控制設備等組成。它的外殼由內包層和外包層組成，內包層由Be、FLiBe等材料制成，外包層由鐵或鋼之類的低活化材料制成，通過FLiBe或LiPb等液態(tài)金屬介質進行冷卻。

表1 模糊規(guī)則表

2.3 輸出解模糊化

根據自動駕駛車輛環(huán)境感知系統(tǒng)采集到的信息，即車速V、轉向角δ、車道中心線到邊界線間的距離d0建立車輛與車道位置間的關聯關系。對轉向角δ求導得：

圖2 系統(tǒng)輸出變量的三角隸屬度函數

3 變論域模糊PI橫向控制器設計

跨道時間為：

以跨道時間長短和車輪到車道邊界線距離的遠近為參量建立模糊規(guī)則，用以判斷車輛偏離車道的情況。模糊規(guī)則如表1所示，在此規(guī)則中，選擇IF-THEN模型：IF(跨道時間is NS)and(車輪、車道邊界線相距的橫向長度is NN) then (危險等級is HH)。

圖3 變論域模糊PI橫向控制器

由圖3可知，模糊控制器是2輸入、2輸出的模糊控制單元，變論域模糊PI控制器伸縮因子含有2輸入、3輸出模糊控制單元，通過重心法對兩個模糊控制器去模糊化，求解出各輸出變量值，輸入到控制系統(tǒng)即可獲取車輛穩(wěn)定運行過程中對應的方向盤轉角?；赟imulink平臺的變論域模糊PI控制器仿真模型如圖4所示。

地震應急信息發(fā)布與推送系統(tǒng)主要包括地震應急信息分類上傳、地震應急信息審核、地震應急信息發(fā)布、地震應急信息查詢等，地震應急信息服務對象具有多層次、多專業(yè)的要求，其服務內容也面臨著巨大的不同，如抗震救災指揮部需要地震綜合國情數據庫產生的各類核心信息，地震發(fā)生所在市縣地理位置、行政區(qū)劃、地形地貌、水庫、人口、經濟、建筑、交通、避難場所、當地政府相關部門聯系方式等綜合國情信息，地震監(jiān)測預報分析人員則需要震情災情信息、專題圖信息等，因此，平臺地震應急信息發(fā)布系統(tǒng)采用C/S 3層混合訪問體系結構,基于靈活的跨平臺的J2EE框架結構，結合J2EE應用程序服務器和安卓平臺進行設計和實現。

圖4 基于Simulink平臺的變論域模糊PI控制器仿真模型

4 仿真與試驗驗證

4.1 仿真分析

據了解，被收購前普洛斯擁有及管理在中國、日本、美國和巴西等地共5500萬平方米現代物流設施組合，業(yè)務遍及全球117個主要城市。也是全球最大房地產基金管理人之一，管理資產約390億美元。2016年的年報數據顯示，公司已實現7.77億美元的收入，同比增長10%；實現7.19億美元的歸母凈利潤，同比增長48%

4.1.1 車輛在蛇形線路上行駛

為了評估變論域模糊PI控制器的性能優(yōu)劣,在MATLAB/Simulink中搭建駕駛員模型及車道保持橫向控制器模型，在CarSim軟件中搭建車輛模型，設置相關參數進行聯合仿真分析。

2.取消行政審批，加強后續(xù)管理。取消行政許可審批事項后，要加強后續(xù)管理，對取消行政許可審批的事項要實施動態(tài)管理。同時要建立健全管理臺賬，做好有關備案工作。對享受稅收優(yōu)惠政策的納稅人，要加大事后監(jiān)管和核查力度，降低稅收執(zhí)法風險。比如一般納稅人資格認定和發(fā)票領用等，在事中事后監(jiān)管中要加強日常檢查和納稅評估，防止納稅人虛開發(fā)票帶來稅收執(zhí)法風險。

其中：wr為車輛橫擺角速度；B為車輛寬度。

圖5 蛇形線路的仿真結果

4.1.2 車輛在直線道路上行駛

設置車輛在直線道路上行駛，車速為40 km/h，仿真結果如圖6所示。由圖6可以看出：采用變論域模糊PI控制算法時，方向盤最大轉向角度偏差為0.14 rad、橫擺角速度偏差為0.48 rad/s；采用經典PID控制算法時，方向盤最大轉向角度偏差為0.149 rad、橫擺角速度偏差為0.52 rad/s。

圖6 直線道路上的仿真結果

4.2 硬件在環(huán)實驗驗證

搭建硬件在環(huán)實驗仿真平臺，將計算機、互聯網和控制系統(tǒng)進行連接，將圖形化匯編語言和實時控制系統(tǒng)相結合，實現系統(tǒng)的實時測控功能。硬件在環(huán)實驗平臺如圖7所示。將道路保持控制算法程序、道路偏離判斷算法以及信號采集和發(fā)送程序導入PXI主機實時操作系統(tǒng)中。

圖7 硬件在環(huán)實驗平臺

選擇車速40 km/h的直線道路工況，驗證在2 s、12.5 s時施加給硬件在環(huán)實驗仿真臺架的方向盤逆時針轉角，在22.3 s時，施加給方向盤順時針轉角，使得車輛偏離角增大，啟動道路偏離判斷算法，根據偏離量，采取道路保持控制算法主動修正車輛行駛軌跡，具體的實驗結果如圖8所示。

由圖8可見，在所設計自動駕駛汽車道路保持控制算法控制下，自動駕駛汽車均能在道路線內安全行駛。對比實驗結果與仿真結果可知：變論域模糊PI控制下的路徑跟蹤精度更高，穩(wěn)定性更好，進一步驗證了自動駕駛汽車道路偏離判斷與道路保持算法的有效性；當自動駕駛汽車偏離道路中心線時，在一定范圍內能夠及時控制車輛安全行駛回位，且逐步達到平穩(wěn)狀態(tài)。

圖8 直線路徑硬件在環(huán)仿真實驗結果

5 結論

采用目標級融合的信息融合感知方法，得到自動駕駛汽車的目標運動軌跡，通過對目標運動軌跡進行跟蹤和預測，得到模擬實際駕駛環(huán)境的路線圖。提出了基于模糊規(guī)則的道路偏離判斷策略，以車輛橫向距離與跨道時間作為輸入變量，并經過模糊化處理，設計了變論域模糊PI控制器，建立了變論域模糊PI控制器仿真模型?；贑arSim/Simulink開展聯合仿真，在蛇形路徑、直線路徑工況下進行兩種不同算法控制仿真結果比較。將方向盤轉角偏差、橫向位移偏差、轉向角度偏差和橫擺角速度偏差的仿真數據進行比較，得出所提算法相較于經典PID控制算法更加準確、有效。經硬件在環(huán)實驗進一步驗證了所設計橫向控制器的控制精度和可靠性。