基于驾驶员特性和动态安全边界的车辆最优运动控制研究

The vehicle's safety is constrained by the multi-dimensional dynamic envelope boundary composed of vehicle dynamics envelope limit and road environmental safety boundary. For traditional vehicles, its ability to maintain a safe state is determined by the driver's perception and his/her maneuvering skills and also the limited feedback of the vehicle sensors. In recent years, the development of environment-sensing technology, connected vehicle technology and X-by-Wire technology has made it possible to accurately evaluate vehicle dynamics envelope limits and road environment safety boundaries to assist drivers, and to some extent, automatic driving. This project plans and solves the safety margin and then assists drivers according to his/her characteristics and intentions in real-time based on an X-by-Wire vehicle. The research focuses on the three key issues as below, 1) how to planning and solving the multi-dimensional vehicle dynamic envelope boundary in real-time; 2) how to design integrated control strategy under complex conditions with driver characteristics and driving intention taken into consideration; 3) how to design and implement the steer-by-wire and intelligent brake system, and feedback driver with appropriate self-adaptive force and torque. This project aims to solve key problems in the field of active safety and is in line with the trend of automobile "four features", which is conductive to promoting the development of automobile integrated control technology, driver assistance system, vehicle dynamics and technologies in other related fields with significant academic and social value.

车辆在行驶过程中，其安全状态由车辆动力学包络极限和道路环境安全边界组成的多维动态安全边界约束，对传统车辆而言，其保持安全状态的能力由驾驶员的感知和操纵水平及车辆有限的传感器反馈共同决定。近年来，环境感知技术、车联网技术和线控技术的发展使得实时准确评估道路环境信息及车辆状态参数并对驾驶员进行辅助乃至一定程度自动驾驶成为可能。本项目以线控车辆为研究对象，实时规划求解多维动态安全边界并根据驾驶员特性与意图进行辅助。研究内容包括：1)提出车辆多维动态安全边界的判定和实时规划算法；2)充分考虑驾驶员特性和驾驶意图，设计复杂工况下的集成控制策略；3)研究线控转向和智能制动系统，设计对驾驶员实现自适应反馈的执行器控制策略，并开展实验研究。本项目旨在解决主动安全领域中的关键问题，符合汽车“四化”发展趋势，有利于促进集成控制技术、驾驶员辅助系统、车辆动力学等相关领域的交叉融合发展，具有重要的学术和社会意义。

车辆在行驶过程中，其安全状态由车辆动力学包络极限和道路环境安全边界组成的多维动态安全边界约束，对传统车辆而言，其保持安全状态的能力由驾驶员的感知和操纵水平及车辆有限的传感器反馈共同决定。近年来，环境感知技术、车联网技术和线控技术的发展使得实时准确评估道路环境信息及车辆状态参数并对驾驶员进行辅助乃至一定程度自动驾驶成为可能。本项目以线控车辆为研究对象，实时规划求解多维动态安全边界并根据驾驶员特性与意图进行辅助。在项目的开展过程中，主要完成的研究内容有：建立了车辆稳定性极限和执行器物理极限的动态描述，结合道路环境安全边界和人员心理安全边界确定车辆动态安全边界。进行了广泛的实车测试，积累了宝贵的测试数据，为后续理论研究和控制器设计奠定了基础。研究了驾驶员特性辨识算法，对驾驶人行为及特性进行了充分的实际测试和建模分析。建立驾驶员特性辨识和分类模型。采用机器学习的方法（分类器以及支持向量机）将采集到的所有数据建立驾驶员特性辨识和分类模型，结果表明马氏距离分类法以及基于RBF核函数的支持向量机可以取得较高的精度。在对驾驶员特性进行研究的基础上，提出了一种考虑驾驶员特性辨识和分类模型的汽车纵横向运动控制策略。对车辆动力学控制的三大关键底层执行器分别进行了理论与研究，搭建了相应的台架，进行了关键物理特性参数的辨识，并设计了相应的控制算法。如考虑驾驶员特性的自适应线控转向控制和考虑可控悬架故障和参数不确定性的的垂向自适应滑模容错控制等。此外针对高等级辅助和自动驾驶场景，设计了一种基于人工流场的车辆动力学集成控制算法，可以实现前轮转向和四轮转向等不同转向架构下的精准路径跟踪控制，特别是在大侧向加速度情况下，具有极好的主动安全性能。本项目旨在解决主动安全领域中的关键问题，符合汽车“四化”发展趋势，有利于促进集成控制技术、驾驶员辅助系统、车辆动力学等相关领域的交叉融合发展，具有重要的学术和社会意义。