基于 EPS 的车道保持辅助系统设计 | 厚势汽车

2018 年 8 月 22 日 厚势


厚势按:针对车道保持辅助系统与电动助力转向功能的集成问题,设计了一种车道保持辅助系统架构。车道保持辅助力矩与电动助力转向力矩相叠加,经 EPS 电机输出;电动助力转向功能始终开启,保证驾驶员可以随时介入转向。


综合考虑车道线检测置信度、跨道时间以及驾驶员操作状态等信息,设计了车道保持辅助系统的介入和退出策略。利用驾驶模拟器对该策略进行了测试,并通过道路试验验证了该系统的安全性和舒适性。


本文来自 2018 年 8 月 3 日出版的《 汽车技术 》,作者是同济大学汽车学院郭洪强、陈慧教授和陈佳琛。



1. 前言


车道保持辅助(Lane Keeping Assistance,LKA)系统作为典型的横向先进驾驶员辅助系统(Advanced Driver Assistance System,ADAS)。电动助力转向(Electric Power Steering,EPS)具有节能环保、符合驾驶辅助功能需求等优点,近年来在乘用车市场越来越多地替代液压助力转向 [1]。随着 EPS 的普及,越来越多的 LKA 系统以 EPS 作为其执行机构。


但是,如何更好地集成 LKA 和 EPS 的功能,提升车道保持性能的同时,又能达到正常助力转向的目的,是必须解决的问题之一。文献 [2] 综合考虑跨道时间与驾驶员转向操作进行协调控制,系统存在 LKA 前轮转角控制模式和 EPS 常规助力模式的切换;文献 [3] 建立了联合预警算法,提高预警精度,并通过驾驶员操作辨识模型进行模式切换。转向系统存在模式切换直接导致 LKA 开启时转向助力消失,存在安全隐患。文献[ 4] 设计了力矩叠加结构,在 EPS 助力力矩上叠加转角控制力矩,但没有考虑控制权限的转移。


文献 [2]、文献 [3] 将跨道时间和驾驶员转向操纵作为 LKA 介入和退出的主要依据,对车道线检测置信度等考虑较少。国际标准化组织(ISO)、美国汽车工程师学会(SAE)以及欧盟新车安全评鉴协会(Euro NCAP)的测试报告也指出,车道保持系统的辅助行为不应突然终止,应平缓退出 [5-7]。Volvo 设计的驾驶员超驰(Driver Steering Override,DSO)策略引入了随驾驶员转向力矩、道路曲率变化的比例因子,LKA 力矩在驾驶员转向时减小,但仍存在持续干扰的情况 [8]。Cerone V 等人设计的二自由度控制结构实现了自动车道保持和驾驶员操作的平滑切换,但系统状态过于模糊,实现较为困难 [9]。文献 [10] 对 LKA 退出策略进行了设计,并利用主、客观评价方法优化了策略参数,提高了 LKA 系统的接受度,但并未考虑如何基于 EPS 系统实现。


为解决上述问题,本文对基于 EPS 的 LKA 系统进行了设计。在 EPS 扭矩传感器上叠加 LKA 辅助力矩,保证 EPS 助力功能始终开启;设计了 LKA 状态决策策略以及状态切换过程,避免干扰驾驶员。本文在离线仿真和驾驶模拟器半实物仿真试验的基础上,进行道路试验,结果表明该系统架构良好地集成了 EPS 功能和 LKA 功能,提高了系统的安全性和舒适性。



2. LKA 控制策略


2.1 LKA 系统架构


图 1  LKA 系统架构 [11]


图 2  决策控制层结构


LKA 系统可分为感知层、决策控制层和执行层三部分 [11],如图 1 所示:


  • 感知层用于采集车道信息和车辆信息;

  • 决策控制层即车道保持辅助控制器,具体结构如图 2 所示;

  • 执行层为 EPS 系统,传统的 EPS 系统保留,保证了原车助力转向功能的完整性和稳定性,虚拟驾驶员转向力矩替代扭矩传感器检测到的驾驶员转向力矩。



图 3  车道保持辅助力矩控制模块组成


该结构使得 EPS 助力功能始终开启,无论 LKA 是否介入,驾驶员均可获得转向助力。感知层主要通过 CAN 总线获得传感器信息,决策控制层的车道保持辅助力矩控制如图 3 所示。



2.2 状态决策策略


图 4  LKA 系统状态转换策略


图 3 中的状态决策策略如图 4 所示,LKA 系统具有关闭、待机和介入 3 种状态,状态的转换根据 LKA 激活条件和介入条件判断进行。定义激活条件系数 α 和介入条件系数 β,辅助系数 γ 为 α 和 β 的逻辑与,即开启条件和介入条件同时满足时,取 γ=1(介入状态),否则取 γ=0(非介入状态),γ 直接影响车道保持辅助控制器输出的力矩。


图 5  LKA 激活条件判断流程


图 6  LKA 介入条件判断流程


决策过程首先进行 LKA 开启条件判断,判断流程如图 5 所示,当 LKA 激活条件满足时进行如图  6 所示的 LKA 介入条件判断,包括跨道时间判断和车辆返回车道中心判断。


2.2.1 LKA 开关状态判断


LKA 系统需要具有开关接口以保证驾驶员随时可以开启或关闭系统,避免系统对驾驶员持续产生干扰甚至引发事故。从人机交互装置接收 LKA 系统的开关信号,如果驾驶员关闭 LKA 系统,则激活条件系数 α=0。


2.2.2 车道线检测质量判断


由于实际道路车道线质量参差不齐,且传感器车道线检测能力有限,一侧车道线短时丢失的情况时有发生。为避免 LKA 系统反复开关,当仅有一侧车道线质量置信度符合要求时,系统会根据默认车道宽度计算得到另一侧车道线。如果两侧车道线检测置信度均低于设定的阈值,LKA 进入关闭状态。


持续检测到有效车道线是 LKA 工作的前提,为了避免摄像头检测到人行横道线等短距离车道线时系统误作用,置信度高于阈值一定时间后才认为有效检测到车道线。有效检测到车道线的判定条件为:



式中,v 为车速,t_lane 为有效检测到车道线的持续时间,l_threshold 为设定的阈值。


2.2.3 变道判断


图 7  变道判断流程


变道判断考虑驾驶员力矩、转向灯开关、车辆横向偏移量等状态,判断流程如图 7 所示。


驾驶员力矩判断是为了避免 LKA 系统与驾驶员操作冲突,其判断条件为:




式中,T_driver(t) 为驾驶员转向力矩;MT_threshold 为驾驶员转向力矩积分阈值。


若式(2)成立,则认为驾驶员主动接管车辆,LKA 系统进入变道待机状态,调整激活条件系数α=0。


转向灯开关信息通过 CAN 总线获得,转向灯开启说明驾驶员主动进行变道,LKA 系统进入变道待机状态,避免对驾驶员的变道行为产生干扰。


车辆横向偏移量大于设定阈值,约 1/2 车身已经偏出车道时应将车辆控制权交还给驾驶员,LKA系统同样进入关闭状态。


LKA 系统进入变道状态后,直到车辆再次回到车道中心线附近而且偏航角小于设定值时,均判定车辆处于变道过程,即 LKA 系统始终关闭。


2.2.4 跨道时间判断


跨道时间(Time to Lane Crossing,TLC)指从当前位置运动至左前轮或右前轮触及车道线为止所经历的时间。考虑到 LKA 系统需要开启时驾驶员未对转向盘进行控制,即车辆直行,进行了简化,如公式(3)所示:



式中,f(l) 为传感器输出的基于车辆坐标系的车道线方程,其值为车辆正前方 l 距离处的横向偏移量;t_th 为 TLC 的阈值;w 为 1/2 车宽。


若 f(t_th·v)<w,则 TLC 大于阈值,此时 LKA 系统将进入车道保持辅助介入状态,调整 β=1。


2.2.5 车辆返回车道中心判断


LKA 系统作为辅助系统不会持续介入太久,如果以同一 TLC 阈值作为 LKA 系统介入和退出的条件,会出现 LKA 系统介入后 TLC 变大,LKA 退出,随后 TLC 又变小 LKA 再次介入,尤其在弯道中 LKA 易出现频繁介入和退出。


因此 TLC 条件仅作为 LKA 系统的介入条件,当 LKA 介入后,进行车辆返回车道中心判断,如果车辆横向偏移量和偏航角均小于设定阈值,则认为车辆返回车道中心,调整 β=0。


综上,状态决策的 LKA 系统开启条件判断与介入条件判断包含多个状态,由多个判断流程组成,采用 Stateflow 进行建模可以清晰地表达各信号、条件以及状态之间的逻辑关系



2.3 车道跟随控制器


图 8  车道自动跟随控制


车道自动跟随控制器的结构原理如图 8 所示,可分为横向位置控制器和转向盘转角控制器。


2.3.1 横向位置控制


横向位置控制器根据车道线识别模块得到的道路信息及车辆位置信息对车辆进行控制,包含基于横向偏移量的 PD 反馈控制和基于曲率的前馈控制两部分。由于偏航角反映横向速度的大小,即横向偏移量的微分,考虑到进行微分运算可能导致的稳定性问题,因而采用对横向偏移量和偏航角的 P 控制:




式中,θ_r 为保持车道所需要的目标转角;y 为车辆相对于当前车道的横向偏移量;Ψ 为偏航角;K 为前方道路曲率;k_y、k_Ψ、k_R 分别为根据车辆结构参数设计的控制增益,可以依据车速进行调整。


为了避免转向盘转速过高导致危险,θ_r 的变化斜率受到限制;同时,为了避免 LKA 系统介入的瞬间目标转角与实际转角相差过大导致转速过快,在 LKA 系统未介入时令目标转角等于实际转角。


2.3.2 转向盘转角控制


将横向位置控制器计算得到的目标转角 θ_r 与转角传感器测得的实际转向盘转角 θ 作差,得到转角误差 e,从而计算得到车道跟随力矩 T_ha。转向盘转角控制器可依据转角闭环系统性能指标要求进行设计,亦可采用 PID 控制器,其输出为:



式中,k_p 为比例项系数;k_i 为积分项系数;k_d 为微分项系数。


k_p、k_i、k_d 可依据车速调整,以适应不同车速工况;积分项对消除转角跟踪稳态误差具有重要意义,为了消除积分饱和的负面效应,同时可以快速消除稳态误差,为积分项单独设定了饱和值,积分项达到饱和值后不再增加。



2.4 输出力矩决策单元


为了便于对系统状态转换的过渡过程进行设计,输出力矩决策单元采用文献 [8] 提出的 LKA 力矩叠加结构。根据工作状态和虚拟车道跟随力矩获得车道保持辅助力矩 T_lka=T_ha·γ。输出力矩决策单元的输入 γ 和 T_ha,输出为 T_lka。当 γ=1 时,LKA 系统输出辅助力矩  T_lka 即为虚拟车道跟随驾驶员力矩 T_ha;当 γ=0 时,车道保持系统输出的辅助力矩 T_lka 为零。


图 9  输出力矩决策


由于 LKA 系统从正常工作退出到待机或关闭状态通常是由于驾驶员主动转向引起,此时驾驶员会紧握转向盘,因而保证在 LKA 系统从正常工作退出到关闭状态过程中车道保持辅助力矩退出得平稳、顺畅尤为重要,避免驾驶员转向手感不适甚至驾驶恐慌。为了达到上述目的,辅助系数 γ 的变化率受到限制,如图 9 所示。


同时,在辅助系数 γ 从 1 降为 0 的过程中,车辆位置的变化可能导致车道跟随力矩 T_ha 的波动,从而使输出的辅助力矩 T_lka 波动,导致驾驶员手感不佳。如图 9 所示,采用选择模块在辅助系数 γ 从 1 降为 0 时切换到记忆模块存储的 T_ha 值,保证输出的辅助力矩 T_lka 在状态切换过程中线性变化,从而保证驾驶员的转向手感舒适。



3. 离线仿真与半实物仿真


为了对控制器的性能进行测试验证,降低测试成本并提高安全性,本文通过 Simulink 仿真测试了车道保持性能,通过驾驶模拟器半实物仿真完善了人机交互相关的控制策略。



3.1 离线仿真


3.1.1 仿真模型


图 10  离线仿真结构


离线仿真结构如图 10 所示,车辆动力学仿真软件提供车辆模型与车道线检测信息,车道保持辅助控制器以及 EPS 系统模型在 Simulink 中搭建,车道线检测质量、转向灯信号等仿真输入也由 Simulink 实现。


3.1.2 离线仿真结果


图 11  直道 LKA 系统介入仿真结果


车速 70 km/h 直线道路仿真结果如图 11 所示,车辆逐渐偏离车道,第 12 s 时介入条件满足,辅助系数 γ 由 0 调整为 1,此时车辆偏出车道中心线约 0.7 m,LKA 系统开始介入。转向盘转角变化率受到限制,转角平稳变化,车辆平缓返回车道中心线附近,此后,LKA 系统主动平缓退出。


图 12  弯道 LKA 系统介入仿真结果


车速 70 km/h 时 LKA 系统在弯道中的仿真测试结果如图 12 所示,车辆横向偏移量 0.2 m 时 LKA 系统即介入。测试弯道包含左转弯和右转弯,最小曲率半径 200 m,在 LKA 系统控制下车辆返回车道中心线附近,横向偏移量控制在 0.09 m 以内。



3.2 驾驶模拟器半实物仿真


图 13  固定基座驾驶模拟器


基于驾驶模拟器的试验平台同基于实车的试验平台相比具有变量可控、安全性高、试验成本低等优点,因此本文选择在驾驶模拟器上完善人机交互相关策略,如图 13 所示。利用虚拟交通场景软件搭建各式场景并即时显示;转向反力模拟设备通过反力电机模拟真实的驾驶手感;快速原型控制器内实时运行 LKA 控制算法。


图 14  LKA 开启/关闭情况下的变道对比


为了验证本文设计的 LKA系统退出过程不对驾驶员产生干扰,在驾驶模拟器上进行了对比试验:驾驶员分别在 LKA 系统开启和关闭的状态下不开启转向灯进行变道超车操作,并记录对比驾驶员转向力矩、转向盘转角和车辆横向偏移量。试验结果如图 14 所示,两种情况下转向盘转角与横向偏移量变化过程接近,LKA 系统退出时扭矩传感器值没有明显波动,驾驶员接管过程平稳,LKA 系统未对驾驶员变道产生明显干扰,验证了LKA 系统退出过程设计的合理性。



4. 实车道路试验


4.1 试验平台


图 15  实车试验平台


道路试验在如图 15 所示的试验平台上进行,试验车为一款 B 级车。车辆安装了单目摄像头以检测车道线;控制器采用快速原型控制器;为了最大限度地保留原车 EPS 控制器的功能,对 EPS 扭矩传感器信号进行了替代,通过在原扭矩传感器信号上叠加辅助力矩值得到虚拟驾驶员转向力矩,EPS 控制器会根据虚拟驾驶员转向力矩、车速及助力曲线控制 EPS 电机力矩,符合图 1的系统结构。


常见的 EPS 扭矩传感器输出信号有模拟电压信号和单边半字节传输协议信号等,通过对原信号解析获得扭矩传感器真实输出,叠加 LKA 辅助力矩后输出给原车 EPS控制器,从而实现转向介入。



4.2 试验结果


图 16  实车 LKA 系统直道介入试验结果


直道测试结果如图 16 所示,车辆偏出车道过程中 LKA 系统可以及时介入使车辆保持在车道中心,车辆最大横向偏移量达到 0.72 m 后平稳减小,5 s 后车辆回到车道线中心。由于实车的转向盘小转角跟踪效果难以如仿真一样理想,车辆返回车道中心耗时较仿真要长。



5. 结束语


本文设计的力矩叠加架构可以将电动助力转向功能与车道保持辅助功能良好地集成在一起,提高了人机交互的安全性和舒适性。但如何选择最优的控制参数,以及实现驾驶员个性化自适应有待进一步研究。



参考文献


[1] Gaedke A, Heger M, Sprinzl M, et al. Electric Power Steering Systems[M]. Springer International Publishing, 2015: 250-254

[2] 张海林, 罗禹贡, 江青云, 等. 基于电动助力转向的车道保持系统[J]. 汽车工程, 2013, 35(6): 526-531

[3] 于立娇. 基于 EPS的车道保持辅助控制算法设计与实验验证[D]. 长春: 吉林大学, 2016

[4] Kim W, Son Y S, Chung C C. Torque- Overlay- Based Robust Steering Wheel Angle Control of Electrical Power Steering for a Lane-Keeping System of Automated Vehicles [J]. IEEE Transactions on Vehicular Technology, 2016, 65(6): 4379-4392

[5] ISO. Intelligent Transport Systems - Lane Keeping Assistance Systems (LKAS) - Performance Requirements and Test Procedures: ISO 11270: 2014[S]

[6] SAE. Driver- Vehicle Interface Considerations for Lane Keeping Assistance Systems: SAE Standard J3048: 2016[S]

[7] Euro NCAP. European New Car Assessment Programme (Euro NCAP)-Test Protocol-Lane Support System[R]. 2017

[8] Katzourakis D I, Lazic N, Olsson C, et al. Driver Steering Override for Lane- Keeping Aid Using Computer- Aided Engineering[J]. IEEE/ASME Transactions on Mechatronics, 2015, 20(4): 1543-1552

[9] Cerone V, Milanese M, Regruto D. Combined Automatic Lane- Keeping and Driver's Steering Through a 2- DOF Control Strategy[J]. IEEE Transactions on Control Systems Technology, 2008, 17(1): 135-142

[10] Dang J, Chen H, Chen J. Optimal Design of Driver Steering Override Strategy for Lane-Keeping Assistance System[C]//JSAE Annual Congress(Spring), 2016

[11] 陈慧, 陈佳琛. 一种车道保持辅助系统: 2017102860114 [P]. 2017-09-12



编辑整理:厚势分析师拉里佩

转载请注明来自厚势和厚势公号:iHoushi



-END-


文章精选


企业家

马斯克和贾跃亭 福特CEO下台正道汽车仰融

任正非裁员电池大牛凯尔提离开特斯拉

智能驾驶

BBC自动驾驶纪录片

为什么说百度阿波罗画虎不成反类犬

车载雷达通信系统综述

智能时代测绘与位置服务领域的挑战与机遇

新能源汽车

全国50个新能源汽车项目大盘点

锂电池发展趋势中国汽车产业电动化进程

苹果收购特斯拉?丰田和特斯拉决裂

新能源乘用车的补贴综述及展望 

新能源汽车驱动电机发展现状及趋势分析

项目和评论

以色列最强10家自动驾驶创业公司

 37个汽车分时项目盘点百度投资蔚来汽车

马化腾或为共享单车最大赢家汽车产业3大趋势

Momenta获$4000万B轮

百度系自动驾驶初创公司 Pony.ai 的突围之路

这些大神从Google出走,创办了五家(命运各异的)无人车公司

无需基础知识,理解自动驾驶高精度行车定位技术


为您对接资本和产业

新能源汽车 自动驾驶 车联网




联系邮箱

sasa@ihoushi.com

点击阅读原文,查看文章「汽车科技一周要闻回顾(8.13~8.19)

登录查看更多
1

相关内容

【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
122+阅读 · 2020年5月22日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
基于视觉的三维重建关键技术研究综述
专知会员服务
154+阅读 · 2020年5月1日
【北京大学】面向5G的命名数据网络物联网研究综述
专知会员服务
35+阅读 · 2020年4月26日
【综述】自动驾驶领域中的强化学习,附18页论文下载
专知会员服务
169+阅读 · 2020年2月8日
智能交通大数据最新论文综述-附PDF下载
专知会员服务
103+阅读 · 2019年12月25日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
29+阅读 · 2019年7月7日
自动驾驶车辆定位技术概述|厚势汽车
厚势
10+阅读 · 2019年5月16日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
VIP会员
相关VIP内容
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
122+阅读 · 2020年5月22日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
基于视觉的三维重建关键技术研究综述
专知会员服务
154+阅读 · 2020年5月1日
【北京大学】面向5G的命名数据网络物联网研究综述
专知会员服务
35+阅读 · 2020年4月26日
【综述】自动驾驶领域中的强化学习,附18页论文下载
专知会员服务
169+阅读 · 2020年2月8日
智能交通大数据最新论文综述-附PDF下载
专知会员服务
103+阅读 · 2019年12月25日
Top
微信扫码咨询专知VIP会员