基于MPC車道保持功能的仿真平臺(tái)研究

郭丹丹 孫誠驍

摘 要：在汽車領(lǐng)域，智能駕駛技術(shù)方興未艾。為了保證新產(chǎn)品的應(yīng)用，建立快速且行之有效的測(cè)試手段成為必然趨勢(shì)。文章采用dSPACE軟硬件建立了一套完整的自動(dòng)駕駛仿真測(cè)試平臺(tái)，通過引入MPC車道保持算法并進(jìn)行有效仿真及對(duì)比，驗(yàn)證了該平臺(tái)的通用性，為ADAS及自動(dòng)駕駛技術(shù)提供可靠的仿真測(cè)試解決方案。

關(guān)鍵詞：MPC;ADAS;硬件在環(huán)仿真;攝像頭模型

中圖分類號(hào)：U462.1? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1671-7988（2020）22-22-04

Abstract： With the growing maturity of ADAS and automatic driving， finding a rapid and feasible testing method is an inevitable trend. This paper built an integrated testing system as well as simulation platform for automatic driving function based on dSPACE software and hardware. Then an MPC algorithm was introduced and simulated in order to verify the versatility of this platform. This paper promoted a reliable testing solution for ADAS and automatic driving system.

Keywords： MPC; ADAS; Hardware in loop; Camera sensor modelCLC NO.： U462.1? Document Code： A? Article ID： 1671-7988（2020）22-22-04

前言

在汽車智能化趨勢(shì)的推動(dòng)下，ADAS功能開發(fā)已成為研究熱點(diǎn)。隨之而來的問題是如何針對(duì)ADAS功能快速進(jìn)行測(cè)試。如果采用國標(biāo)、歐標(biāo)定義的實(shí)車測(cè)試規(guī)范，需要耗費(fèi)大量的人力、物力以及時(shí)間成本，因此需要開發(fā)一種新型測(cè)試平臺(tái)解決以上成本的消耗的問題。本文介紹了一種基于dSPACE平臺(tái)開發(fā)的硬件在環(huán)仿真（HiL）系統(tǒng)，可以在初期即完成ADAS功能的測(cè)試。本文通過對(duì)于一種MPC車道保持算法的仿真調(diào)試，證明該平臺(tái)的通用性，可以縮短ADAS開發(fā)周期，減少成本的投入。

1 MPC車道保持算法

模型預(yù)測(cè)控制（Model predictive control，MPC）是20世紀(jì)60年代逐步發(fā)展并日趨完善的現(xiàn)代控制理論。MPC對(duì)被測(cè)對(duì)象建立預(yù)測(cè)模型，在每一個(gè)采樣時(shí)刻通過模型進(jìn)行有限時(shí)間的狀態(tài)預(yù)測(cè)以及誤差預(yù)測(cè)，并通過性能指標(biāo)的最優(yōu)化來確定下一時(shí)刻的控制輸入，以此達(dá)到控制目標(biāo)。MPC通常包含模型預(yù)測(cè)、滾動(dòng)優(yōu)化及反饋校正三個(gè)環(huán)節(jié)[1]。

MPC由于其控制效果好，魯棒性強(qiáng)，輸入約束可控，能反映一定時(shí)間內(nèi)的預(yù)測(cè)信息，特別適合作為自動(dòng)駕駛的控制算法。本文所使用的ADAS車道保持系統(tǒng)采用的MPC算法核心如下[1]：

其中H為Hessian正定陣，它代表著目標(biāo)函數(shù)的二次方部分，f為一次方部分。QR為權(quán)重矩陣，e為跟蹤誤差，Θ為預(yù)測(cè)窗口內(nèi)狀態(tài)方程系數(shù)迭代形成的矩陣，ρ為權(quán)重系數(shù)。在實(shí)際控制系統(tǒng)中，控制輸入往往受到環(huán)境約束，二次規(guī)劃的優(yōu)勢(shì)是可以將這些約束也納入到整個(gè)規(guī)劃的過程中去，具體參數(shù)設(shè)計(jì)請(qǐng)參考文獻(xiàn)[4]。

2 基于dSPACE的ADAS硬件在環(huán)系統(tǒng)

硬件在環(huán)（Hardware in Loop，HiL）系統(tǒng)是一種半物理仿真測(cè)試手段。該系統(tǒng)模擬實(shí)車運(yùn)行時(shí)的電氣信號(hào)，為被測(cè)控制器提供虛擬外圍環(huán)境，從而完成測(cè)試。HiL系統(tǒng)的使用可有效節(jié)省成本，加速整個(gè)開發(fā)進(jìn)度，滿足當(dāng)前市場(chǎng)的快速迭代需求。

dSPACE實(shí)時(shí)仿真系統(tǒng)是由德國dSPACE公司開發(fā)的一套基于MATLAB Simulink的控制系統(tǒng)開發(fā)及半實(shí)物仿真的軟硬件工作平臺(tái)。包括實(shí)現(xiàn)代碼自動(dòng)生成、下載和試驗(yàn)、調(diào)試的整套工具。本文采用dSPACE平臺(tái)搭建了一套完整的測(cè)試系統(tǒng)。HiL平臺(tái)通過仿真模型驅(qū)動(dòng)IO設(shè)備對(duì)待測(cè)控制器的外圍環(huán)境進(jìn)行模擬，從而實(shí)現(xiàn)功能測(cè)試的目的。其結(jié)構(gòu)如下：

其中，上位機(jī)是人機(jī)交互的平臺(tái)。實(shí)現(xiàn)仿真模型的搭建、工程的配置以及對(duì)于整個(gè)平臺(tái)的監(jiān)控。仿真模型對(duì)于HiL仿真是至關(guān)重要的部分。本文采用一套基于Matlab/Simulink搭建的，包含動(dòng)力、傳動(dòng)、運(yùn)動(dòng)學(xué)、傳感器、環(huán)境等完整的仿真模型。能夠準(zhǔn)確模擬ADAS對(duì)車輛的輔助操作行為、車輛實(shí)時(shí)姿態(tài)及路徑、環(huán)境及路面激勵(lì)的響應(yīng)。下位機(jī)又叫實(shí)時(shí)仿真機(jī)，它是仿真模型運(yùn)行以及信號(hào)收發(fā)的基礎(chǔ)設(shè)備。

本文中ADAS在系統(tǒng)運(yùn)行時(shí)，車輛模型模擬出真實(shí)汽車的運(yùn)動(dòng)狀態(tài)，傳感器模型模擬出車道線、路肩、交通流等信息，通過通訊口將信號(hào)傳遞給ADAS控制器。ADAS控制器通過傳感器融合，路徑規(guī)劃、控制算法輸出橫向執(zhí)行器需要的執(zhí)行量，反饋到車輛模型中，形成閉環(huán)控制。

3 仿真模型

本文采用dSPACE提供的ASM模型，ASM 整車模型主要有五大部分組成：控制器模塊、發(fā)動(dòng)機(jī)模塊、動(dòng)力傳動(dòng)模塊、車輛動(dòng)力學(xué)模塊、駕駛環(huán)境模塊。該模型為成熟商用模型[6]。需要指出的是，ASM模型輸出的是道路環(huán)境真值（Ground truth），而被測(cè)ADAS控制器所需信號(hào)是經(jīng)過攝像頭處理的，所以需要對(duì)ASM提供道路真值進(jìn)行二次開發(fā)，匹配真實(shí)信號(hào)。下面介紹攝像頭模型二次開發(fā)方法。

3.1 攝像頭模型

本文所涉及的ADAS控制器，需要前攝像頭、前雷達(dá)與前角雷達(dá)組成傳感器矩陣采集的數(shù)據(jù)作為輸入，對(duì)傳感器輸入數(shù)據(jù)進(jìn)行融合后交由ADAS控制器進(jìn)行判斷。而本文所采用的MPC算法，主要依靠攝像頭的采集信息，所以攝像頭模型的輸出信號(hào)需要與ADAS的真實(shí)攝像頭輸出信號(hào)匹配。

本文基于dSPACE的車道輸入將前方車道分成六類，左側(cè)、右側(cè)第一條車道線，左側(cè)、右側(cè)第二條車道線，左側(cè)、右側(cè)路沿。

4 仿真及驗(yàn)證

本文旨在驗(yàn)證仿真平臺(tái)的適用性。將第二節(jié)所建立的MPC算法生成代碼并下載入ADAS控制器中，通過dSPACE Modeldesk生成道路場(chǎng)景，自車速度為15m/s，車道寬度為3.5m，道路為1000m直道，起始位置為車道中心線左側(cè)0.5m，車頭朝向與道路方向平行，采用MPC算法與PID算法分別在仿真平臺(tái)上運(yùn)行，得到結(jié)果如下：

通過仿真結(jié)果可以看到，采用MPC控制算法可以將自車在5s內(nèi)從偏離車道0.5m的位置拉回正中，并且在整個(gè)過程中，由于目標(biāo)函數(shù)的作用，控制量過渡迅速且幅值震蕩小。而采用PID算法，控制量的幅值震蕩較大，且橫向距離收斂到0的時(shí)間需要9.5s。在同樣的道路環(huán)境下，本文所采用的MPC算法由于加入了目標(biāo)函數(shù)，限制輸入量的上下限及變化率，在駕駛感受上能夠更好地輔助駕駛員進(jìn)行車道保持。

5 結(jié)論與展望

本文介紹了一種運(yùn)用dSPACE軟硬件搭建仿真平臺(tái)的方法，并且提出攝像頭模型二次開發(fā)的思路。本文通過該仿真平臺(tái)模擬車輛真實(shí)行駛過程，對(duì)兩種不同的ADAS車道保持功能的表現(xiàn)進(jìn)行測(cè)試并分析結(jié)果。采用本平臺(tái)，不僅可以對(duì)橫向控制算法進(jìn)行調(diào)試驗(yàn)證，諸如AEB，ACC，LKA等L2甚至L3，L4級(jí)別的自動(dòng)駕駛算法都可以在本平臺(tái)上進(jìn)行有效的測(cè)試。未來，本平臺(tái)還可擴(kuò)展出使用視頻流注入、點(diǎn)云信號(hào)注入、高精地圖信號(hào)注入的自動(dòng)駕駛域集成仿真?？蓪?duì)多傳感器融合，高精定位等高級(jí)功能進(jìn)行更深入的探索。

參考文獻(xiàn)

[1] 龔建偉，姜巖，徐威.無人駕駛車輛模型預(yù)測(cè)控制[M].北京：北京理工大學(xué)出版社，2014.

[2] M. G. da Silva Jr， Model Predictive Control of a Mobile Robot Using Linearization[J].Proceedings of the Mechatronics and Robotics 2004，pp. 525-530.

[3] 羅莉華.基于MPC的車道保持系統(tǒng)轉(zhuǎn)向控制策略[J].上海交通大學(xué)學(xué)報(bào)（自然版）， 2014， 48（07）：1015-1020.

[4] Falcone P.Nonlinear model predictive control for autonomous vehicle [D]. Benevento： Universitàdel Sannio， 2007.

[5] 席裕庚，李德偉，林姝.模型預(yù)測(cè)控制—現(xiàn)狀與挑戰(zhàn)[J].自動(dòng)化學(xué)報(bào)， 2013， 039（003）：222-236.

[6] 馬培蓓，吳進(jìn)華，紀(jì)軍，等.dSPACE實(shí)時(shí)仿真平臺(tái)軟件環(huán)境及應(yīng)用[J].系統(tǒng)仿真學(xué)報(bào)，2004（04）：57-60.