自动驾驶汽车横向动力学混杂特性与模型预测控制研究

Autonomous driving is an important development direction of automobile in the future. Focus on the problem that lateral tracking accuracy and stability deteriorated rapidly at high speeds, curves and driving conditions change, the associations and constraints between the front-end behavior of environmental sensing and path planning and lateral dynamics is analyzed, and the typical hybrid dynamic features and behavior patterns that the system is with both discrete and continuous events is revealed. Introducing hybrid system theory, the problem of multi-case driving uncertainty and multi-objective constraints for a complex system of lateral motion in autonomous vehicles is converted to rolling time domain optimization problem for hybrid model predictive control, and hybrid dynamic integrated control model that can reflect discrete and continuous variable dynamic behavior of environment perception, path planning and control execution for autonomous driving is constructed. Under this framework, based on piecewise affine model, nonlinear characteristics of tires under a wide range of driving conditions is described. Using transfer learning theory, the correlation of lower level features in the new scenario is excavated, and the scene adaptive ability of road drivable region detection algorithm is improved. Using Filipov theory and discrete, continuous system comparison principle, double measure stability analysis of hybrid systems is performed. Lastly, the effectiveness of the system is verified by experiment. This research will provide new theory and method support for the development of autonomous driving control systems and have important academic value and engineering significance.

自动驾驶是未来汽车发展的重要方向，针对高速、曲线和行驶工况变迁时横向跟踪精度和稳定性严重恶化问题，分析环境感知和路径规划的前端行为与横向动力学之间的关联与约束，揭示该系统离散、连续事件并存的典型混杂动态特征和行为规律；引入混杂系统理论，将自动驾驶汽车横向运动复杂系统的多工况行驶不确定性和多目标约束问题转化为混杂模型预测控制的滚动时域优化问题加以解决，构建能反映环境感知、路径规划和控制执行的离散和连续变量动态行为的混杂动力学一体化控制模型；在此框架下，基于分段仿射模型，描述大范围行驶条件下的轮胎非线性特性；利用迁移学习原理，挖掘底层特征在新场景下的迁移关联，提高基于深度网络道路可通行区域识别算法的场景适应性；利用Filipov理论和离散、连续系统比较原理，进行混杂系统双测度稳定性分析；最后，通过实验验证系统的有效性。为自动驾驶控制系统研发提供新的理论和方法支撑，具有重要的学术价值和工程意义。

自动驾驶是未来汽车发展的重要方向，性能良好的控制系统对整个自动驾驶平台的运行具有重要的作用，而这恰恰也是目前我国自动驾驶技术研发面临的瓶颈。尤其高速、曲线运行时，自动驾驶汽车的横向控制是主要难点之一。如何解决行驶工况变迁时横向跟踪精度和稳定性严重恶化问题，成为车辆工程领域的研究热点。. 本项目创新提出了自动驾驶汽车横向动力学系统混杂控制方法，综合考虑汽车当前状态和跟踪轨迹特征，在混杂理论架构下，建立了面向不同行驶工况的多模式切换控制策略，实现对汽车横向动力学离散/连续混杂行为特性的准确描述，提高了全局工况下自动驾驶汽车的轨迹跟踪控制性能。设计了自动驾驶场景下基于图像的可通行区域感知方案，采用了全卷积语义分割的方法，建立了可同时对多目标进行像素级预测的分割模型，实现了对可行驶区域和车道线的联合感知，获得了全域驾驶场景下平滑的预瞄跟踪轨迹。建立了数据驱动的汽车建模技术，通过路面状态驱动轮胎多模型的切换，实现了大范围行驶条件下轮胎非线性特性的有效准确描述。基于跟踪轨迹曲率和汽车行驶速度，建立了表征各区域控制难易程度的并联可拓关联函数，通过各状态区域对不同控制策略的切换调度，建立了轨迹跟踪的混杂控制方法，实现算法性能与行驶工况的最优匹配。完成了混杂系统双测度稳定性分析，采用模糊控制理论设计了切换稳定模糊控制器，有效遏制了控制算法切换导致的方向抖动，保障了横向轨迹跟踪控制精度和稳定性。最后，通过实验验证了所提算法的有效性与可靠性。. 研究成果得到高度评价“基于混杂理论的智能汽车动力学控制，达到国际领先水平”“可通行区域分割算法精度在KITTI数据集排名全球第1”。核心算法在吉利、奇瑞、南京金龙等企业推广应用，主持获得江苏省科学技术一等奖1项；发表SCI检索论文18篇、EI检索论文6篇；授权中国发明专利15件、PCT专利2件。培养了国家杰出青年基金获得者、青年长江学者、中国科协青年托举对象等，培养了研究生13名。