人机共驾型智能汽车的动力学特性及协同控制方法研究

Driver-automation copilot is becoming the frontier of intelligent vehicles, which is able to reduce driver workload and increase driving safety. When copiloting, human driver and automated controller share the control authority, and provide each other with supporting in decision and operation. In a copiloted vehicle, driver and controller are in a dual closed-loop dynamical system, featured with coupled states and redundant actuation, which leads to several key issues on how to reconcile decision making and manipulation. This project focuses on the dynamics and cooperative control of copiloted intelligent vehicles, including: 1) design a unified protocol for properly allocating control authority and explore the flexible transfer mechanism of control authority between driver and controller; 2) build a dual closed-loop model for copiloted vehicles by combining driver neuromuscular dynamics and vehicle lateral dynamics; 3) assess the risk of lateral instability and kinematic collision by using an enveloped approach, and develop its corresponding predictive strategy to intervene driver manipulation in risk-critical scenarios; 4) estimate the consistency of driver operation and controller decision, and design its multi-objective cooperative control method in non-risky scenarios. This project is expected to reveal dynamical mechanism of dual closed-loop systems, and establish the cooperative control theory for copiloted vehicles, which will lay a solid foundation for the R&D of intelligent vehicles in China.

人机共驾是降低驾驶人工作负荷、提升车辆安全性的新型手段，代表智能汽车的前沿发展方向。共驾时，驾驶人和智能系统分享车辆控制权，互相提供决策与操控支持，协同完成驾驶任务。共驾型智能汽车人机并行工作，具有双闭环系统结构，其控制输入冗余制约，状态转移交联耦合，动力学特性显著区别于传统汽车，控制难点在于人机操控特性的协调和决策冲突的消解。项目拟围绕共驾型智能汽车的动力学与控制开展研究，内容包括：1）共驾控制权的分配协议和决策驱动下的柔性转移机制；2）驾驶人的神经肌肉操控力特性和人机双环动力学建模；3）亚临界危险场景下的风险评估理论及预测型干预策略；4）常规场景下的人机目标一致度估算及博弈型协同控制。项目预期探明共驾型智能汽车的双环动力学特性，建立博弈型协同控制方法，最终实现安全舒适的人机一体化驾驶过程。研究将为我国智能汽车的发展提供理论基础和技术支撑。

人机共驾是降低驾驶人工作负荷、提升车辆安全性的新型手段，代表智能汽车的前沿发展方向。共驾时，驾驶人和智能系统分享车辆控制权，协同完成驾驶任务。共驾型智能汽车具有双闭环系统结构，动力学特性显著区别于传统汽车。项目主要围绕共驾型智能汽车的动力学与控制开展研究，研究成果包括：.结合驾驶人上肢肌肉的肌电EMG信号，研究了驾驶人在转向操作中肌肉力强度与转向力矩和肌肉紧张程度之间的关系。发现当驾驶人肌肉趋于紧张时转向效率降低。采用非合作动态博弈对人机转向交互的双环动力学进行了建模，分析仿真结果反馈纳什均衡策略所给出的人机转向力矩冲突幅值为开环纳什均衡策略的50%。.基于“双向认知云”模型和驾驶人的面部特征点检测，建立了驾驶人横向意图理解与预测模型。基于功能性近红外光谱技术并采用机器学习算法建立了驾驶人制动意图识别模型。所建立的意图识别模型测试精度为90.91%。提出了一种主观意图和客观风险综合驱动的控制权动态分配方法，实现了共驾过程中的控制权柔性转移，提升了驾驶人操作舒适性。.针对临界危险情况，构建了基于汽车动力学的稳定性包络和基于碰撞风险的运动学安全包络，构造了概率型风险评估函数，研究了相应的干预型协同控制策略。仿真及实验表明，所设计干预型控制策略可在高速前向避撞场景下减少车辆事故概率，提升人机共驾的安全性。.针对常规车道保持工况，分别研究了基于动态博弈纳什均衡与期望轨迹自适应的协同控制策略。其中，前者克服了人机耦合条件下车道保持性能难以优化的难点，后者可充分消解人机冲突、降低驾驶人的操作负荷。实验表明：前者可将平均车道保持精度控制于0.1m以内，而后者可将驾驶人平均方向盘转角优化至2.5°左右。.开发了基于驾驶模拟器的模拟验证平台和基于实车的实车验证平台，进行了车道保持场景和前向紧急避撞场景下的人机共驾验证实验。考虑驾驶人心理、安全性、操作舒适性等方面，设计了人机共驾的主客观评价指标，为后续理论与方法验证奠定基础。