论文部分内容阅读
随着人民生活水平的提高和消费理念的升级,汽车已经成为国民出行的标准交通工具,汽车总量不断攀升,交通安全问题越来越受到人们的重视。汽车智能化是提高汽车安全的一条有效途径。然而,从当前的科技水平来看,我们距离实现完全自动驾驶还有很长的一段路要走,智能汽车在很长一段时间内仍离不开驾驶员。采用人车协同控制的智能驾驶方案将会是未来智能汽车发展的一个重要研究方向。现有的协同控制方法往往忽略了驾驶员对控制权被分割或剥夺后的抵触反应,存在潜在的因驾驶员抵触而导致的危险。据此,本文依托国家自然科学基金项目“基于驾驶员特性的新型线控转向系统控制机理和评价方法”(编号:51575223),提出基于博弈论的人车协同控制策略,综合考虑驾驶员的驾驶意图和协同控制中驾驶员的各种可能的反馈策略,以跟随目标路径为场景展开研究,实现人车协同控制下对目标路径的跟随。主要工作如下:(1)采集样本。结合Labview、CarSim软件与NI-PXI硬件等搭建驾驶模拟器,构建驾驶员转向与直行所需的虚拟驾驶环境,采集并处理驾驶员左、右转向与直行的驾驶数据,将其作为驾驶意图识别模型所需的训练样本和测试样本。(2)搭建驾驶意图识别模型。针对隐马尔可夫(Hidden Markov Model,HMM)识别驾驶意图的不足,采用遗传算法(Genetic Algorithm,GA)训练HMM参数,得到全局最优的模型参数,针对HMM因重视识别样本的相似性而忽略差异性,而产生误识别的情况,引入支持向量机(Support Vector Machine,SVM)算法,构建GA-MGHMM-SVM级联算法识别驾驶意图。最后对比各算法识别驾驶意图时的准确率和实时性。(3)搭建路径跟随自主转向控制器。采用三自由度车辆模型构建模型预测控制(Model Predictive Control,MPC)控制器,设置约束条件,将构建MPC控制器作为自主转向控制器,采用CarSim与Matlab/Simulink联合仿真,通过MPC控制车辆进行双移线和蛇行工况试验,并用驾驶模拟器进行驾驶员驾驶对比试验,说明MPC对路径跟随控制的有效性。(4)构建人车协同控制策略。结合驾驶员的驾驶意图,构建驾驶员与智能驾驶系统在路径跟随时的人车协同控制策略。将车辆行驶的危险程度和驾驶员对车辆主控权的满意程度作为协同控制的重要决策量,构建驾驶员和协同控制系统的收益函数;分析驾驶员和协同控制系统的可选策略,构建混合博弈模型,通过博弈模型求解人车协同控制的最优策略,最后通过仿真验证策略的有效性。