无人车 适配控制器

TheAdaptiveControllerBasedonDeepLearning基于深度学习的适配控制器

一、适配控制器在驾驶脑中的位置学习和思维动机长期记忆1/4/8/32/64线

激光雷达雷达传感器24/60/76GHz

毫米波雷达静止

及运动

障碍物运动

障碍物交通标线交通信号灯中&左右耳摄像头右摄像头交通标志牌及道路二维码左摄像头视觉传感器定位传感器位置数据北斗GPSRTK

轮速计惯导CAN总线数据OBD接口车速车姿惯导车姿传感器肢体驾驶地图驾驶脑执行机构适配控制人工干预自主决策人机交互驾驶先验知识：各类记忆棒一次路径规划工作记忆驾

驶

态

势

图

簇SLAM认知行动位置数据位置数据交通标志牌及道路二维码交通标志牌及道路二维码交通标线交通标线交通信号灯交通信号灯CAN总线数据CAN总线数据车速车姿车速车姿静止

及运动

障碍物静止

及运动

障碍物运动

障碍物运动

障碍物感知感觉记忆

智能车研发的困难，不仅仅是汽车动力学的性质和各种各样的传感器要求，更重要的是要研发和驾驶员一样在线的“机器驾驶脑”，模拟实现人在回路的自主预测和控制，应对车辆行驶中的不确定性。

把人在回路中的自主驾驶让车厂去模拟，是难以承受之重！把机器驾驶脑的研发让车厂去做，是难以承受之重！传感器点云驾驶脑硬件操作系统(Linux+ROS)传感器驱动模块静态/动态链接库等支撑模块感知1/31/31/3认知计算交互记忆控制双总线架构车辆状态控制环境感知驾驶态势图执行器和执行机构内部的控制认知箭头轨迹跟踪轮胎转矩发动机扭矩制动压力二、线控改装不能取代人在回路的控制汽车电子从当初以机械系统为主改善汽车行驶性能，很自然地转向局部工况实现自动驾驶线控是汽车电子的发展方向线控转向系统线控油门系统线控增压系统线控悬挂系统线控制动系统线控换档系统典型的线控转向系统①转向力传感器：送出转向指令到控制模块；同时感受轮胎回馈来的转向阻力②离合器：经常是开着的，只有出错时才保证方向盘和支架有固定机械连接③转向电子控制模块（ECU）④转向助力的电马达典型的线控制动系统123447655②制动电子控制模块（ECU）③制动控制器，线控制动指令是由制动控制器分别发送给行车制动执行器（制动钳）和驻车制动执行器。④制动执行器⑤轮速传感器⑥驻车制动器⑦车加速度传感器制动钳有不同类型，可带一个或多个液压操纵活塞，由铸铁或铝制成，其任务是操纵时制动摩擦片被活塞压到制动盘上，使汽车减速，动能转化为热能。①制动踏板传感器：将位移转为电压送控制模块11典型的线控油门系统12345①油门踏板传感器：送出油门指令到控制模块②油门电子控制模块（ECU）线控油门指令是由这个ECU发出的，所以控制板的油门指令要发送该ECU③喷油器④油门控制电机⑤发动机汽车电子远不是电子汽车、数字汽车。线控改装的不彻底性在车辆线控改装完成后，坚持先由第三方完成车辆动力学性能的静/动态测试，确保改装没有影响原先车辆的动力学性质，人工驾驶的线控汽车也是汽车业的发展方向！油门瞬态响应特性测试加减速性能测试速度跟踪性能测试制动瞬态响应特性测试制动期望值跟踪性能制动释放时间制动距离测试最小步长测试方向盘转角跟踪性能测试瞬态响应特性改装后的车辆，要确保汽车电子送来的数据和信号符合执行器要求动力性测试制动性测试转向性测试

百年汽车业的成功是人机工程学的成功，是汽车纵向运动和横向运动的解耦，是驾驶员对方向盘、油门和制动可以凭感觉定性地操控，可控无需可测，是让人在认知层面、而不是在数据和信号层面,实现人在回路的交互认知和不确定性控制。人在回路的反馈控制和线控无关经验驾驶员不但要符合驾规，安全行驶，文明行驶，其经验还体现在节油技巧、驾乘舒适性、对不同动力学性质车辆的适应性等方面。世界上驾驶员的经验和行为各个不一，如同人的行走姿态各各不同，甚至可以用驾驶员行为作为驾驶员的身份识别。标杆驾驶员是经验驾驶员中的杰出代表。经验驾驶员和标杆驾驶员驾驶员感知、认知和行为模型驾驶员的作用二驾驶员对车辆自身状态的控制驾驶员的作用一驾驶员对周边环境和车流的认知驾驶员的作用三保持对乘员、执勤交警等人员的沟通，应对意外事件，有良好的服务意识由小脑——适配控制器承担由大脑承担，通过计算认知形成认知箭头送给小脑由驾驶脑中的交互板块承担驾驶认知中的大脑大脑：替代驾驶员的记忆，完成对环境和周边车流的在线计算和交互，有效融合三路视觉通道感知送来的数据，通过二次路径规划，解决实时决策和指挥的问题，形成当前的认知箭头，送给小脑。驾驶认知中的小脑小脑：克服周边道路等环境的扰动，分析汽车自身的底盘、动力、传动、转向、制动、车身、悬架及轮胎等运动状态参数，实现反馈控制和自动调整，解决自平衡问题，确保和车辆行为能力的适配，完成在正常工况下大脑交给的任务。不含极限临界工况和失稳时工况！汽车会不会有一天如同地铁车或者高铁车一样，自动行驶在封闭的结构化道路环境下，实现：

自动驾驶+网络调度？启动计算机程序，让汽车自动开，如果程序不合适，则由人来调程序。本质上是程序员通过程序教机器人开车,汽车成为软件定义的机器，实现自动驾驶。自动驾驶的车很难有个性。汽车会不会有一天如同机器人一样，自主行驶在开放的非结构化道路环境下，成为：

可交互的轮式机器人？驾驶员在线交互认知，被物化为驾驶脑，完成计算认知、记忆认知和交互认知。三、用神经网络模拟小脑对车辆状态的控制

驾驶员通过方向盘、油门和刹车的反馈控制很重要。不同车辆、不同天气、不同路面、不同道路曲率、不同速度下驾驶时，驾驶员的在线操作形成的人在回路的实时反馈，可通过深度学习获得，物化在控制板块中，完成适配控制器的研发！驾驶员开车时，通过把握方向盘的手感回馈过来的轮胎转角、转动和滑移，感受车辆横向动力学状态；通过踩踏板的脚感，通过视觉、听觉、嗅觉和体感，体会车辆的提速、减速、车体拐弯、振动、抖动、颠簸等，感受车辆纵向动力学状态，形成人在回路的反馈和控制。当无人驾驶时，这种人在回路的反馈和控制被谁替代了？驾驶员在周边环境扰动情况下对车辆自身状态的反馈控制经验驾驶员可以很快适应并驾驭动力学性质不相同的车辆，其驾驶技巧使得能将其经验迅速适配到他/她不熟悉的车辆平台。当无人驾驶不同车辆时，经验驾驶员的这个适配过程如何体现？驾驶员对不同车辆平台的适应性汽车是从马车演变而来，作为动力工具，汽车的马力可达到100匹马力，但现在汽车远远不如马应对不同负荷、不同天气、不同路面、不同曲率、不同速度、不同车辆情况下的适应能力，汽车的感知、认知能力远远不如马这个认知主体！一点感叹：车辆满载或空载驾驶时，标杆驾驶员通过手感、脚感和体感实现在线的反馈控制是不同的。不同负荷：在顺强风、逆强风、横强风和侧切风情况下驾驶时，标杆驾驶员通过手感、脚感和体感实现在线的反馈控制是不同的。不同气候：当车辆左侧两轮在雪地或冰面上，右侧两轮在柏油路上行驶时，或者当车辆在坑凹路面上入坑和出坑行驶时，标杆驾驶员通过手感、脚感和体感实现在线的反馈控制是不同的。不同路面：当车辆沿着崎岖不平、曲折盘旋的碎石山路上，上下山行驶时，标杆驾驶员通过手感、脚感和体感实现在线的反馈控制是不同的。不同曲率、俯仰和侧倾：驾驶员用大巴在跷跷板上挑战不可能车身自重15.5吨车上52人，重3吨，高矮、胖瘦、摇摆、运动都不一样，增加了车辆重心的不确定性怎样控制好换档、油门、制动以及切换策略是关键。典型案例三、适配控制器的设计与实现端到端的深度学习路面（N轮胎压）曲率车速轮胎转速方向盘转角/转矩驱动踏板位移电压制动踏板位移电压轮胎转向电机扭矩发动机扭矩制动压力从标杆驾驶员获得从CAN获得路面（悬挂垂向位移）里程计车体俯仰N轮转速发动机转速预瞄点适配控制器

研发适配控制器的数据采集研发适配控制器的数据采集8字行驶试验螺旋线试验在不同路面上按照RTK规划轨迹匀速行驶基于深度学习的适配控制器从CAN总线获得当前车辆动力学参数（12个）标杆驾驶员按照规定速度在特定试验场进行长时间轨迹跟踪驾驶，实现人在回路的控制，始终确保实际轨迹和规划轨迹误差在允许范围内，形成大样本数据。自驾驶3路机器视觉感知，综合形成当前驾驶态势驾驶态势适配控制器（个性化神经网络芯片）获得各层之间的权重参数，制作芯片3个控制参数执行器助力轮胎转向的马达转矩发动机转矩制动压力在特定试验场RTK给出规划轨迹深度学习驾驶脑决策生成认知箭头指挥9个特征参数3个输入参数大脑小脑对于不同动力学性质的车辆、不同的驾驶员，只要采集到在特定试验场按照规定RTK规划轨迹合格行驶的大样本数据，就可以获得制作神经芯片的参数，完成适配控制器的研发。适配控制器的生产方式：39车辆与外界受力接触面（轮胎材质、轮胎大小）的影响主要包括：轮胎的纵向刚度与侧向刚度、滑动率、侧偏角、路面摩擦系数（轮胎材质与路面材质有关），其中，滑动率与侧偏角