【汽车泊车轨迹跟踪控制实验验证案例分析7000字】

汽车泊车轨迹跟踪控制实验验证案例分析目录TOC\o"1-3"\h\u6104汽车泊车轨迹跟踪控制实验验证案例分析 138981.1CarSim车辆模型搭建 178091.1.1Carsim仿真平台介绍 1299051.1.2CarSim模型建立和接口设置 2307551.2基于CarSim/Simulink的泊车联合仿真实验 5254341.2.1横向转角控制器联合仿真 5272331.2.2纵向速度控制器联合仿真 9170821.2.2泊车轨迹跟踪控制联合仿真 12233161.3硬件在环仿真实验 21124901.3.1JetsonTX2介绍 2126991.3.2基于TX2的硬件在环仿真架构搭建 2218051.3.3硬件在环仿真 25在车辆系统的控制策略开发过程中，若直接进行实物实验，不仅会导致研发的成本和周期大幅增加，而且很多实验往往是存在危险性的，为了降低开发成本以及缩短开发周期，需要首先对控制策略进行软件仿真验证，这种需求使得众多专业的车辆动力学仿真软件被开发出来，各种控制策略可以通过这些软件得到快速验证和优化，如今软件仿真已经是各个领域内控制策略开发过程中不可或缺的一环。本章利用专业车辆动力学仿真软件CarSim搭建了仿真车辆模型，与Simulink进行联合仿真对第三章设计的轨迹跟踪控制器进行了验证，并利用JetsonTX2开发板和CarSim/Simulink进行了硬件在环仿真实验，用以模拟本文设计的控制算法在真实控制器中的控制效果。1.1CarSim车辆模型搭建1.1.1Carsim仿真平台介绍CarSim仿真软件由美国机械仿真公司（MSC）针对车辆动力学开发的具有多种车型的车辆动力学仿真软件，CarSim软件提供多种不同车型的建模数据库，适用于对轿车、轻型货车、三轮车、牵引车及SUV进行建模仿真分析，可用于分析车辆的各项性能如操稳性、燃油经济性、动力性和平顺性等，并且可以和许多其他工程软件进行联合仿真，模型仿真变量的仿真结果输出可以由使用者进行自定义，为车辆控制策略的快速原型开发提供了极大地便利。CarSim软件仿真界面如图4-1所示，主要由车辆参数及仿真工况设置模块、数学模型求解模块和运算结果（后处理）模块组成。车辆参数及仿真工况设置模块可以对整车各个系统参数进行设置，包括车辆类型、车辆仿真显示模型、车辆传动系统、制动系统、转向系统和轮胎参数等；此外，仿真工况设置模块可以自定义驾驶员模型，对驾驶员的操作如驱动、制动、转向和换挡进行自定义控制，可以对仿真场景进行自定义设置，如道路类型、交通情况、天气情况和地面附着系数等，可以设置仿真启停条件、仿真时间、步长以及自定义触发事件等；数学模型求解模块主要用于设置模型求解器，是整个软件求解运算的内核，并提供了多种软件的接口以用于联合仿真，如Simulink和Dspace等。使用者可以根据需求对求解器参数进行自定义设置，如求解器类型、仿真步长和输入输出参数等。运算结果（后处理）模块具有三维仿真动画回放功能，使用者可以通过此功能直观的看到整个仿真过程车辆运动的详细情况，此外，该模块还可以将仿真结果参数数据以图表形式显示出来，便于使用者进行数据分析和控制系统的优化。图4-1CarSim软件仿真界面1.1.2CarSim模型建立和接口设置为了搭建CarSim和Simulink联合仿真平台，首先需要在CarSim中搭建好车辆模型，如图4-2所示。此外，为了实现联合仿真，还需要配置好两者之间的接口来实现数据传输。图4-2CarSim整车模型建立目标车辆模型首先，根据目标车辆的结构参数和动力学参数对CarSim车辆模型进行设置，如车宽、轴距、簧上质量、整车三轴转动惯量等，并根据仿真要求灵活配置好CarSim车辆模型的各个子系统。此外，在本文控制器中需要用到车辆轮胎的刚度这一参数，在配置好整车模型之后，可以通过轮胎力曲线得到轮胎刚度。如图4-3和图4-4是本文仿真车辆模型轮胎力曲线图，本文CarSim仿真车辆模型整车质量m=1723kg,簧上质量mh=1603kg,假设泊车过程中不发生轴荷转移，根据簧上质量可求出车轮垂向力，然后通过轮胎力曲线即可求出轮胎刚度，前轮侧向刚度和纵向刚度分别为：Ccf=-44600，Clf=-42300;后轮侧向刚度和纵向刚度分别为Ccr=-37400，Clr=-36000。图4-3轮胎纵向力曲线图4-4轮胎侧向力曲线配置仿真工况和泊车场景由于本文采用联合仿真进行泊车轨迹跟踪控制实验，则CarSim驾驶员模型操作设置中只需将档位设置为倒挡，而车辆的转角和车速等控制信号则通过Simulink中编写的控制器计算得到。至于仿真场景则需要根据轨迹规划时设定的泊车车位模型尺寸进行设定，如图4-5所示。图4-5CarSim平行泊车场景模型（3）外部软件通信接口配置在CarSim中配置好整车模型和仿真工况之后，最后一步就是CarSim与Simulink数据通信接口的配置，在这一步中需要将二者求解器参数进行同步，如求解器的求解算法和仿真步长等，然后根据需要设定CarSim模型的输入输出变量，如图4-6所示，在本文的轨迹跟踪实验中，CarSim模型的输入参数为控制车辆横向运动的四个车辆转角和控制车辆纵向运动的发动机节气门开度和制动主缸压力，CarSim模型的输出参数为车辆前轴中点位置（CarSim中车辆坐标系固定在前轴中点）、车辆航向角、车辆横纵速度分量、方向盘转角和纵向加速度。最后，将配置好的CarSim仿真模型通过与Simulink的数据接口以S-Function的形式发送到目标Simulink模型中，通过调用该S-Function即可与CarSim进行数据的传递以实现联合仿真。图4-6CarSim模型输入和输出参数示意图1.2基于CarSim/Simulink的泊车联合仿真实验本节主要是通过搭建CarSim和Simulink联合仿真模型来对验证本文所设计的轨迹跟踪控制算法。首先，分别搭建了横向转角跟踪控制器联合仿真模型和纵向速度跟踪控制器联合仿真模型，并设计了相应的转角和速度曲线验证了控制器的控制效果。然后将横向转角控制器和纵向速度控制器联合建立了轨迹跟踪控制器，并以第二章设计的平行泊车和垂直泊车轨迹作为目标轨迹进行了实验。1.2.1横向转角控制器联合仿真图4-7是根据本文设计的横向转角控制器搭建的CarSim和Simulink联合仿真模型，利用Simulink的S-Function编写了横向转角控制器算法，控制器的输入是车辆每一时刻的状态量：车辆前轴中点横纵纵坐标Xo和Yo、车辆航向角Yaw、车辆行驶速度Vx以及方向盘转角Steer_SW，控制器的输出是车辆前轮转角控制量STEER_L1和STEER_R1（本文研究对象是前轮转向车辆，因此将后轮转角值设置为0），而横向转角控制器的输入和输出分别是CarSim模型的输出和输入。CarSim仿真车辆的实时状态值通过外部接口传递至Simulink模型中作为控制器的输入，控制器根据该时刻CarSim车辆实时状态和该时刻目标轨迹值，经过横向转角模型预测控制算法计算后即可得到下一时刻车辆的转角控制量，并将其作为CarSim模型的输入控制车辆下一时刻的运动，重复上述过程即可完成对目标轨迹的跟踪控制。横向转角控制器中所采用的参数如下：T=0.05s，Np=25,Nc=10,-0.6rad≤δ≤0.6rad,-0.0148rad≤∆δ≤0.0148rad。权重矩阵设置为：，，。图4-7横向转角控制器联合仿真模型为了验证图4-7所示的横向转角控制器联合仿真模型的控制效果，本文选择的横向转角控制器模型验证输入信号如图4-8所示，图4-8（a）为正弦前轮偏角输入信号，本节讨论的是横向控制器的验证，故纵向速度控制暂不作讨论，验证过程中让车辆保持-1m/s的速度倒车行驶，车辆速度输入信号如图4-8（b）所示。在试验中使用的整车参数如表4-1所示。表4-1整车参数物理描述符号单位数值整车整备质量mkg1723整车绕Z轴的转动惯量IZkg·m24175质心到前轴距离lam1.2质心到后轴距离lbm1.4前轮侧/纵向侧偏刚度Ccf/ClfN/rad44600/42300后轮侧/纵向侧偏刚度Ccr/ClrN/rad37400/36000车轮滑移率Sf/Sr\0.1a)前轮转角随时间变化历程b)车速随时间变化历程图4-8横向转角控制器模型验证输入信号通过将图4-8所示的前轮转角和速度随时间的变化历程设置为CarSim车辆模型的输入，CarSim车辆模型按照该输入信号仿真即可获得一条在图4-8所示输入下的期望轨迹，然后利用本文搭建的横向转角控制器联合仿真模型对该期望轨迹进行跟踪来验证控制器效果。图4-9是CarSim模型和CarSim/Simulink联合仿真模型输出结果对比图，图4-9（a）中虚线是CarSim模型根据输入信号获得的期望路径，实线是本文搭建的CarSim/Simulink联合仿真模型跟踪期望路径的结果，图4-9（b）是路径跟踪误差，最大跟踪误差为0.045m。图4-9（c）和图4-9（e）分别为二者的车辆航向角对比图与车辆前轮偏角对比图，航向角最大误差为1.7deg，前轮偏角最大跟踪误差为0.7deg。从仿真结果可以看出，本文搭建的横向转角控制器联合仿真模型输出结果和CarSim模型输出结果非常吻合，具有良好的轨迹跟踪效果。a)车辆行驶路径对比b)路径误差c)车辆航向角对比d)航向角误差e)车辆前轮偏角对比f)前轮偏角误差图4-9横向转角控制器模型仿真验证结果1.2.2纵向速度控制器联合仿真图4-10是根据本文设计的纵向速度控制器搭建的CarSim和Simulink联合仿真模型，利用Simulink的S-Function编写了纵向速度控制器算法，控制器的输入是车辆每一时刻的状态量：车辆纵向速度Vx和纵向加速度Ax，控制器的输出是车辆速度控制量节气门开度与制动主缸压力。控制器根据每一时刻CarSim车辆的实时纵向速度和加速度值以及该时刻的目标车速值，经过纵向速度模型预测控制算法计算后即可得到下一时刻车辆的加速度，若计算得到的加速度为正值，则为驱动模式，反之为制动模式，再经过一个比例控制器将加速度转换为节气门开度和制动主缸压力，并将其作为CarSim模型的输入控制车辆纵向运动。纵向速度控制器中所采用的参数如下：T=0.05s，Np=25,Nc=10,-2m/s2≤≤2m/s2,-0.1m/s2≤∆≤0.1m/s2。权重矩阵设置为：，。图4-10纵向速度控制器联合仿真模型为了验证本文搭建的纵向速度控制器联合仿真模型，本文设计了式（4-1）所示的正弦速度曲线和式（4-2）所示的梯形速度曲线进行试验。图4-11是纵向速度控制器联合仿真模型跟踪正弦速度曲线的输出结果，图4-12是跟踪梯形速度曲线的输出结果。对于最高车速为4m/s的低速工况下的正弦速度曲线跟踪，其速度跟踪误差最大为0.17m/s。对于最高车速为20m/s的中高速梯形速度曲线的跟踪，其速度跟踪误差也保持在0.3m/s的误差范围内。从仿真结果来看，本文搭建的纵向速度控制器能够精确地对车辆进行纵向控制。（1）正弦车速曲线跟踪（m/s）(4-1)a)纵向速度对比b)速度跟踪误差图4-11正弦速度曲线跟踪结果（2）梯形车速曲线跟踪（m/s）(4-1)a)纵向速度对比b)速度跟踪误差图4-12梯形速度曲线跟踪结果1.2.2泊车轨迹跟踪控制联合仿真图4-13是根据第三章设计的自动泊车轨迹跟踪控制策略搭建的CarSim/Simulink联合仿真模型。首先，利用第二章的泊车轨迹规划方法获得泊车期望轨迹，并将期望轨迹参数输入到图4-13中的横向转角控制器和纵向速度控制器中。横向转角控制器根据参考轨迹和CarSim车辆模型中的实时状态量参数对预测时域内的车辆系统输出纵向位置Y和航向角φ进行预测，并根据式（3-31）的目标函数求解得到所需的转角控制量。纵向速度控制器根据参考轨迹纵向速度变化历程和CarSim车辆模型中的实时纵向速度与加速度，经求解获得CarSim车辆模型所需的纵向控制信号节气门开度以及制动主缸压力。图4-13泊车轨迹跟踪控制器联合仿真模型图4-14是跟踪本文2.2.4节中规划的平行泊车轨迹的仿真结果。图4-14（a）和（b）分别是泊车路径对比和路径跟踪误差，由于CarSim中车辆坐标系是固定在前轴中点，因此，图中的期望路径也是车辆前轴中点的运动路径，由跟踪误差可以看出，车辆在泊车终点与规划的位置有-0.06m的误差，而平行泊车车位宽度Wp=2.4，车辆宽度W=1.76，因此，当车辆在车位内的停放位置偏离中心线-0.06m时，车辆轮廓与车库底边界仍有0.26m的安全距离，且整个泊车过程中路径跟踪误差绝对值的平均值为0.0313。图4-14（c）和（d）分别是前轮转角对比和转角跟踪误差，图4-14（e）和（f）分别是车辆速度对比和速度跟踪误差，从图中可以看出，在泊车过程中，车辆实际转角与期望转角的误差大小保持在1deg以内，转角误差平均值为0.5191deg。速度跟踪误差大小保持在0.07m/s以内，速度误差平均值为0.0187m/s。从以上结果可以看出，本文建立的泊车轨迹跟踪控制器具有较高的跟踪精度。图4-14（g）和（h）分别是车辆轮胎侧偏角和侧向加速度曲线，由图可知，轮胎侧偏角大小不超过5deg，较大的前轮侧偏角绝对值平均值为2.9289deg，而侧向加速度最大值仅为0.06g，远小于0.4g，符合第三章车辆动力学模型建立时对轮胎力的线性化假设。图4-14（i）是CarSim车辆模型的纵向控制信号节气门开度和制动主缸压力，图4-14（j）是控制器的运算时间，本文设置的采样周期是T=0.5s，实际控制器平均运算时间为0.0262s，能满足实时性要求。从整个仿真结果可以看出，本文所设计的泊车轨迹跟踪控制器能够精确平稳地对泊车轨迹进行跟随。a)泊车路径对比b)路径跟踪误差c)前轮转角对比d)转角跟踪误差e)车辆速度对比f)速度跟踪误差g)轮胎侧偏角h)侧向加速度i)节气门开度与制动主缸压力j)控制器运算时间图4-14平行泊车轨迹跟踪结果图4-15是跟踪本文2.3.4节中规划的垂直泊车轨迹的仿真结果。图4-15（a）是垂直泊车路径对比，图4-15（b）是车辆从泊车起始点到进入垂直泊车位的路径跟踪误差，这一段路径的平均误差为0.04m，车辆在垂直泊车位终点处的横坐标为X=1.15，与泊车位中心线X=1.2偏差为0.05m，根据车辆尺寸与车位大小可知车辆轮廓与车位左边界仍有0.27m的安全距离。图4-15（c）和（d）分别是前轮转角对比和转角跟踪误差，图4-15（e）和（f）分别是车辆速度对比和速度跟踪误差，从图中可以看出，在垂直泊车开始时，由于控制信号的传递存在一定的延迟，在控制初期出现了最大的转角误差2.5deg以及最大的速度误差0.05m/s，随后控制器迅速调整使得跟踪误差降低，随后在即将进入垂直泊车位时出现了波动以及在泊车终点处出现了微小震荡，整个垂直泊车过程中车辆实际转角与期望转角转角误差平均值为0.5342deg，且终点处转角误差为0，车辆不需要进行车轮回正，速度跟踪误差平均值为0.0169m/s。图4-15（g）和（h）分别是车辆轮胎侧偏角和侧向加速度曲线，由图可知，轮胎侧偏角基本保持在±2deg的范围内，在波动处的最大值也不超过5deg，而侧向加速度最大值为0.12g，侧向加速度绝对值均值为0.0222g，均小于0.4g，符合对轮胎力的线性化假设。图4-15（i）是垂直泊车过程中CarSim车辆模型的纵向控制信号节气门开度和制动主缸压力，图4-15（j）是控制器的运算时间，平均运算时间为0.0246s，满足实时性要求。从整个仿真结果可以看出，本文所设计的泊车轨迹跟踪控制器能对第二章设计的平行泊车和垂直泊车轨迹实现精确的跟随，能够使车辆安全、舒适、精确地泊入车位。a)泊车路径对比b)路径跟踪误差c)前轮转角对比d)转角跟踪误差e)车辆速度对比f)速度跟踪误差g)轮胎侧偏角h)侧向加速度i)节气门开度和制动主缸压力j)控制器运算时间图4-15垂直泊车轨迹跟踪结果1.3硬件在环仿真实验1.3.1JetsonTX2介绍JetsonTX2是NVIDIA在2017年推出的一款小型化人工智能终端的嵌入式计算平台，JetsonTX2采用集成的256核NVIDIAPascalGPU架构，具有双核NVIDIADenver2ARMCPU核心，加四核ARMCortex-A57核心的六核ARMv864位CPU复合体，具有8GBLPDDR4内存、59.7GB/s内存带宽，搭配32GBeMMC5.1闪存卡，支持4K60fps和4K30fps编码以及4K60fps解码。且JetsonTX2具备128位丰富的标准硬件接口，如千兆以太网接口、USB3.0接口、CAN接口和GPIO扩展接口等，支持基于Linux操作系统的即插即用的编译模式与应用模式，其各功能模块如图4-16所示。JetsonTX2作为一款小巧、高效的处理器，可以部署在诸多终端（如摄像头、无人机、机器人和无人驾驶汽车等）之上，令其具备人工智能计算能力。而“嵌入式”则可以很好地解决这些终端要具备人工智能计算能力所要面临的带宽不足、延迟等问题。本文利用JetsonTX2对自动泊车轨迹跟踪控制算法进行硬件在环仿真实验以模拟实际车辆驾驶时算法工作环境与通讯方法，验证本文所设计的跟踪控制方法在更加真实的车辆环境下的可行性与实际效果。图4-16Jetson-TX2各功能模块示意图1.3.2基于TX2的硬件在环仿真架构搭建本文搭建的基于Jetson-TX2处理器的硬件在环仿真架构如图4-17所示，首先将利用Python编写本文所设计的自动泊车轨迹跟踪控制算法并将其导入Jetson-TX2处理器中，利用CAN通讯方式在Jetson-TX2处理器和Simulink之间传递数据，这种方式还能模拟实际车辆驾驶控制器与传感器之间的数据传递过程。并以CarSim车辆模型代替实车，通过CarSim和Simulink之间的接口实现数据交互。硬件在环仿真实验过程中用到的硬件有：Jetson-TX2处理器、CAN收发器和CAN总线，如图4-18所示。图4-17硬件在环仿真架构a)Jetson-TX2处理器b)CAN收发器c)CAN总线图4-18硬件实物图图4-19是硬件在环仿真Simulink模型示意图，从CarSim车辆模型中获取车辆状态参数，包括车辆位置坐标，航向角，车速，车轮转角等参数，将这些状态参数经过一定的数据前处理，由CANPack模块根据导入的CAN协议打包成CAN报文，在CANdb++中编写的CAN传输协议如图4-20所示。再通过CANTransmit模块发送出去，经CAN收发器最终传到JetsonTX2中参与运算。在JetsonTX2中经自动泊车轨迹跟踪控制算法计算得到车辆控制参数：转角、节气门开度和制动压力，控制器输出的控制量经过CAN收发器被CANReceive模块接收，然后由CANUnpack模块根据导入的CAN协议将CAN报文解析成CarSim模型所需的控制信号，如此循环，实现了硬件在环仿真。硬件在环仿真实验过程如图4-21所示。图4-19硬件在环Simulink模型a)TX2输入信号CAN协议b)TX