丛磊   焦月   王璐   胡百乐

国家知识产权局专利局专利审查协作北京中心 北京市 100190

 

一、控制系统概述

控制系统是无人驾驶车辆的核心，是整个智能车系统的中枢，也是功能最复杂智能化程度最高的部分。

目前智能车控制系统研究的主要形式为一种分层次的结构，即把整个控制系统划分为两个控制层，上层为规划层（上位机），下层为控制层（下位机），规划层根据环境感知的结果采用一定的控制方法规划出智能车特定的控制命令并将其发送给控制层，规划层还可以细分为全局路径规划和局部路径规划，在控制层接收到了控制命令以后分别对车辆的转向、油门和制动器进行控制从而达到智能车的控制目的。其中，全局路径规划进行车辆全局定位，判定智能车当前所处的道路区域，局部路径规划根据特定的道路特点生成相应的控制命令[1]。

二、控制系统基本组成

1．控制系统的层次结构

在全局路径规划中，充分结合了各种交通标记的识别结果和GPS定位的结果，这样就使得规划层获得了大部分的道路情况信息，可以很好的模拟人在驾驶车辆时的一系列反应，使得智能车在普通城市道路中进行无人驾驶。

在局部路径规划中，横向控制模块接收全局定位发送来的控制要求，结合GPS定位信息对车辆进行横向控制，计算出当前时刻的期望前轮转角；速度控制模块接收全局定位发送来的控制要求，并且结合激光雷达的检测结果，计算出当前时刻满足安全性要求的车辆期望速度。最后，局部路径规划将计算得到的前轮转角命令和车辆期望速度命令发送给底层控制系统，对车辆进行控制。

底层控制是智能车的执行机构，相当于人的“手”和“脚”，其任务是根据局部路径规划发送来的速度命令和转角命令，对智能车的驱动电机和转向电机分别进行控制，使得车辆满足控制要求。

2．无人驾驶汽车中的控制

2.1控制理论的发展

控制理论可分为经典控制理论、现代控制理论和智能控制理论。智能控制理论是自动控制理论的最新发展阶段，它是一种能更好地模仿人类智能的、非传统的控制方法。

模糊数学的创始人L．A•查德教授提出过一个引起许多人兴趣的停车问题，该问题的核心是要把一辆汽车停在拥挤的停车场上两辆车之间的一个空隙中去。这样一个表面上看起来并不复杂的问题，在用传统的精确方法求解时，由于约束因素过多，所以非常复杂，即使用一台大型计算机也不够。对上面的问题，汽车司机却可以轻而易举地加以解决。汽车司机通过一些不精确的观察，执行一些不精确的控制，就能够达到目的，精确在这里不但不可行而且也无必要。

智能控制的思想最早来自傅京孙教授，他通过人机控制器和机器人方面的研究，首先提出把人工智能的直觉推理方法用于学习控制系统，将智能控制概括为自动控制和人工智能的结合。他认为低层次控制中用常规的基本控制器，而在高层次的智能决策，应具有拟人化功能。而1985年8月在美国纽约PRI、IEEE召开的智能控制专题讨论会，标志着智能控制作为一个新的学科分支正式被控制界公认。

智能控制的内容包括最优控制、自适应控制、鲁棒控制、神经网络控制、模糊控制、仿人控制等。其中，模糊控制不依赖于对象的数学模型，而是通过输入、输出信息模仿人脑并利用先验只是进行模糊化推理；神经网络控制则具有较强的自学习和自调整能力，非常适合与智能汽车在非线性区的控制。

 

 

图1控制理论的发展

 

2.2无人驾驶车辆的控制理论应用

在实现控制理论的应用之前，需要建立对车辆的模型，一般的模型包括汽车转向几何学模型、汽车运动学模型和汽车动力学模型[2-6]。在建立了汽车模型之后，要选择相适应的汽车控制理论，车辆的控制任务从简单的纵向控制、横向控制，可以扩展到复杂的超车任务、泊车任务。

车辆控制中的方向控制理论的研究方向主要分为汽车横向跟踪控制和纵向控制两个方向。

在横向控制的研究中出现了许多不同的理论和方法，其中包括对于横向控制主要有经典PID控制、模糊控制、神经网络、遗传算法、预测控制、滑膜控制等方法；可利用横向偏差和航向角偏差来评价车辆对路径跟随性能的准确性。一般驾驶员的开车行为都是符合预瞄跟随模式的，即车辆相对于路面的横向误差通常以车辆前方的某一位置的预瞄点为基准，指定给定轨迹中的一点，通过计算该点和车辆的相对位置，并根据车辆当前速度，确定方向盘转角信号，使车辆向该点移动。然而在城市交通中，需要经常更改路径，频繁变换速度，因此，可利用智能控制的方式来实现。

关于横向控制相关的一些专利：1）CN101758855A，提出了一种无人驾驶车辆转向装置和制方法，实现了车辆的自动转向控制，其通过伺服控制技术实现对车辆制动装置的控制，这部分属于底层控制的范畴，而伺服控制技术的基本含义是对物体的位置、速度和加速度等变化量进行有效地控制；2）CN104002861A，提出了一种智能车辆的转向装置及其控制方法，其利用轮蜗杆减速电机作为转向驱动机构，实现控制无人驾驶智能车的自动转向，工作中自动转向和手动转向并行执行，并可在自动转向模式和手动转向模式之间自由切换。

 

 

图2车辆横向运动过程中的坐标系

 

对于纵向控制主要有模糊控制，PID控制、滑膜控制等方法，可采用速度误差的平均值反应速度控制的准确性，还可以利用度控制的均方根误差反应速度控制的稳定性，还可以设立平均加速度、平均减速度来表现速度控制的快慢。在实际的驾车行为中，驾驶员不太可能非常确切的了解车辆的纵向运动特性，实际驾驶员通过分析车辆的速度及速度的变化率，在对油门和制动踏板的响应特性大致熟悉后，就能根据车辆的速度误差进行较为准确的控制，因此，智能汽车模仿人类的驾驶方式即可获得较好的纵向控制，其可通过控制油门电压实现速度的自动控制，为了保证智能车的安全性，一般会根据经验公式或者纵向运动学公式推算出一个安全距离以避免碰撞，但是这些公式都有其局限性和特定的使用条件。

关于纵向控制相关的一些专利：1）CN203063940U，提出了一种无人驾驶汽车装置，包括雷达测速模块、驱动及制动控制模块，其根据雷达测速模块输入至无人驾驶汽车主控制器的速度值，控制驱动步进电机转过一定的角度，达到控制汽车车速的目的，制动控制电机以同样的原理根据无人驾驶汽车主控制器的控制信号控制制动踏板的动作，完成汽车的制动过程。2）CN203753122U，实现了一种智能驾驶的自动液压制动系统，其制动系统包括主缸及ESP-HCU系统，在主缸及ESP-HCU系统油管之间增加接受制动控制计算机控制的电磁阀组，电磁阀组与液压泵及油泵电机连接，可普遍应用于采用液压制动系统的车辆上，实现对车辆的纵向制动控制。

 

图3巡航控制的结构示意图-纵向控制原理

 

四、无人驾驶技术的总结和展望

从上文所述，无人驾驶技术的核心还是在于控制理论的选择，一种是全局规划的理论选择，另外一种是局部规划理论的选择，而理论选择的趋势是逐渐为智能控制理论，采用的模型也为预瞄准模型，智能控制理论主要是基于模糊理论和神经网络，可以忽略汽车的具体模型，正如前文所述，智能车辆无需知道汽车的具体几何模型等信息，只需要根据采集到的信息做出实时反馈，不断修正控制参数。

美国IEEE预测，到2040年全球上路的汽车总量中，75%将会是无人驾驶汽车，市场研究公司HIS预测，2025年全球无人驾驶汽车销量将达到23万辆，2035年将达到1180万辆[19]，未来人们的生活或许并不需要买车，只需用手机发出信息，无人驾驶汽车几十秒内就停在你家的门口等待你来乘坐，上车后，直接输入目的地就可安全到达。

参考文献

[1]王晨，无人驾驶智能车控制与规划系统的设计与实现，上海交通大学，硕士学位论文

[2]阮久宏等，无人驾驶高速AWID-AWIS车辆运动控制研究，农业机械学报，第40卷第12期

[3]李道飞,喻凡.基于最优轮胎力分配的车辆动力学集成控制[J].上海交通大学学报,2008,42(6):887～891.

[4]余卓平,姜炜,张立军.四轮轮毂电机驱动电动汽车扭矩分配控制[J].同济大学学报:自然科学版,2008,36(8):1115～1119.