智能检测论文自动泊车系统研究文档格式.docx
《智能检测论文自动泊车系统研究文档格式.docx》由会员分享，可在线阅读，更多相关《智能检测论文自动泊车系统研究文档格式.docx（13页珍藏版）》请在冰豆网上搜索。
human-simulatedintelligentcontrol;
characteristicmodel;
controlmodel
自动泊车系统研究
141802004刘小荷
（南京师范大学电气与自动化工程学院）
[摘要]:
为简化平行泊车，通过总结模拟熟练驾驶员的泊车经验，提出一种自动泊车的仿人智能控制方法。
该方法以后轮驱动、前轮转向的四轮汽车为对象，建立车辆运动学模型;
通过分析熟练驾驶员泊车流程，将泊车过程分为4个阶段;
在相切圆弧加公切线的规划路径上，选取泊车阶段转换时车辆姿态调整的关键点作为跟踪目标;
根据泊车过程车辆的位姿信息，提取12种泊车的特征状态，作为描述车辆泊车动态行为的特征模型;
根据熟练驾驶员的泊车策略，构建控制模态集。
泊车开始后，依据特征模型先验知识和当前车辆位姿与泊车目标的偏差，对当前车辆特征状态进行模式识别，由辨识出的特征状态驱动相应控制模态，控制汽车按规划路径泊车入位。
建立了车辆运动学和仿人智能控制器Simulink模型，并进行了仿真实验。
仿真结果表明，该方法能有效控制车辆泊入车位。
[关键词]:
自动泊车;
仿人智能控制;
特征模型;
控制模态
1工作原理
1.1基本工作原理
超声波测距的方法有很多种，大概分为：
相位检测法、声波幅值检测法和往返时间检测法等，车载超声波检测采用往返时间检测法，具体步骤是：
超声波发射器向某一方向发射超声波，在发射的同时开始计时，超声波在空气中传播，途中遇到障碍物就立即返回来，超声波接收器收到反射波时就立即停止计时。
于是利用超声波在空气中的传播速度，以及超声波在发射后遇到障碍物反射回来的时间差即可计算发射点到障碍物的实际距离，即时间差测距法。
原理框图如图1所示：
图1超声波测距的原理框图
生活中常用的车载倒车装置通过传感器和摄像头感知车辆周围的物体，如图2所示。
当传感器感应到障碍物时摄像头也将障碍物摄入视频，同时传感器进行测距，保证驾驶员在看到障碍物的同时也能迅速掌握障碍物距离车辆的实际距离，从而更加有效地调整行车状态。
图2车载倒车装置安装位置示意
随着社会发展，人们生活要求不断提高，各种工具越来越智能化，城市车辆越来越多，道路泊车问题越来越突出，自动泊车系统便应运而生。
自动泊车系统是车载倒车装置的升级，是一种能够快速、安全地使车辆自动驶入泊车位的智能泊车辅助系统，它通过超声波以及图像传感器感知车辆周围环境信息来识别泊车车位，并根据车辆与停车位的相对位置信息，产生相应的泊车轨迹并控制车辆的速度和方向盘转向完成自动泊车。
与驾驶员泊车操作复杂、泊车时间长、泊车安全事故率高相比，自动泊车系统提供了一种简单、方便的泊车功能，降低了泊车操作时的难度，提高了车辆的智能化水平。
目前，自动泊车系统的开发也成为国内主流汽车主动安全研究的重要方向。
自动泊车系统的传感器不但涉及测距单元，更为重要的是一些控制单元的传感器，其传感器分布位置示意图如图3所示。
图3自动泊车系统传感器分布位置示意图
1.2控制的实现
实现汽车自动泊车，可提高泊车安全性，降低驾驶员操作的复杂性，控制方法是其关键技术之一。
因此，研究自动泊车的控制问题具有重要的现实意义和应用价值。
当前自动泊车控制方法可归纳为:
①基于路径规划的方法，先设计一条可行的期望路径，如相切圆弧加公切线等，控制汽车沿期望路径运动进入泊车位。
该方法对传感器和执行器的精确性要求很高，很难补偿系统动态性引起的误差，示意图如图4所示：
图4相切圆弧加公切线方法方法示意图
②基于经验知识的方法，主要采用模糊控制，将熟练驾驶员的泊车经验转化为模糊控制器，是目前较通用的方法。
但模糊控制规则的完备性、模糊变量隶属函数的全局最优性难以保证。
示意图如图5所示：
图5基于经验知识的方法方法示意图
泊车是一个“驾驶员-车辆-道路”闭环系统，驾驶员根据对道路、车辆运动状态的感知，经过分析、判断，控制车速与转向，使车辆安全准确地运动到目标位置。
根据熟练驾驶员实际操作经验，可将车辆泊车入位过程归纳为4个阶段，各阶段转换位置是泊车控制的关键点。
阶段一:
寻找车位，确定预备泊车位置，调整车辆姿态，使车身与车位保持平行，距离dy约为0.5m，车尾与泊车位前端基本平齐。
阶段二:
朝泊车位转向（车位在车身右边时顺时钟打方向盘），保持转向角度，倒车进入车位。
此过程主要是控制车辆，避免与其他车辆碰撞。
阶段三:
朝泊车位反方向转向（车位在车身右边时逆时针打方向盘），保持转向角度，继续倒车使方向角θ（或|θ－π/2|）减小。
若无碰撞，|θ|≤5°
且|y|≤0.1m，则认为泊车成功，否则进入阶段四。
阶段四:
车位内姿态调整。
控制车辆在车位内前后运动，调整姿态直至泊车成功。
③基于路径规划和经验知识相结合的方法，既考虑路径规划的精确性，又兼顾经验知识方法的鲁棒性，是当前研究的热点。
本文以仿人智能控制理论为指导，通过总结模拟熟练驾驶员泊车经验，提出一种自动泊车的仿人智能控制方法。
自动泊车的仿人智能控制器设计基本思路是：
根据车辆与车位参数，设计一条圆弧加公切线的泊车规划路径，在规划路径上选取车辆姿态调整的4个关键点作为跟踪目标;
根据泊车过程车辆的位姿信息，提取泊车的12种特征模型，作为描述车辆泊车动态行为的特征模型;
泊车开始后，依据特征模型先验知识和当前车辆位姿与泊车目标的偏差，对当前车辆特征状态进行模式识别，由辨识出的特征状态驱动相应控制模态，从而充分模仿熟练驾驶员在泊车过程中的粗调和微调，得到自动泊车的仿人智能控制器，通过控制车速和前轮转向使汽车依次跟踪各关键点，实现泊车入位。
2.车辆运动学模型
在研究自动泊车系统时，首先需要确定车辆运动姿态，研究车辆的运动轨迹。
因此，需要建立车辆运动学模型。
在整个自动泊车过程中，车辆总是处于一种低速行驶状态，车辆在低速行驶过程中不会出现滑动和侧向移动，为此，在这种情况下建立车辆运动学模型如图6所示。
图6车辆运动学模型图
根据车辆运动学模型可以得到以下关系式。
式中:
为车辆车轴和水平方向的夹角;
为车辆前轮和车辆车轴的夹角;
为后轴中心点横坐标;
为后轴中心点纵坐标;
V为车辆的运动速度;
W为车辆的轴距。
从上面的分析可以得知，汽车模型具有3个控制状态变量:
，
以及一个输出状态变量
，便可以构建车辆运动学Simulink模块，如图7所示。
图7车辆运动学Simulink模块
3.自动泊车的仿人智能控制器设计
根据基于路径规划和经验知识相结合的方法的设计思路，整理出如图7的控制框图：
图7本文方法控制框图
自动泊车的仿人智能控制流程如下:
步骤1：
根据汽车参数和泊车位参数确定4个关键点Pi（P1为预备倒车位置，P2和P3为关键转向点，P4即原点为泊车成功位置）作为跟踪目标。
步骤2：
根据泊车过程中汽车位姿相对于当前关键点Pi的误差
及其误差变化率
，驱动构建特征模型
确定当前特征状态
。
步骤3：
根据控制模态集Ψ先验知识和当前车辆特征状态
，确定出当前控制模态
步骤4：
根据当前控制模态
控制汽车运动到当前关键点Pi。
依照Step2至Step4，控制汽车运动到最后一个关键点P4，即泊车入位。
控制流程图如图8所示。
图8本文方法控制流程
4.控制方法实现
4.1泊车路径与跟踪目标
泊车阶段的转换位置是车辆姿态调整的关键点，为泊车控制的跟踪目标，如图9所示。
图94个关键点选取
在圆弧加公切线的规划路径上共有4个关键点:
预备泊车点
），第一转向点
，第二转向点
和目标泊车点
以车位宽AB中点为坐标原点，设车宽
，前轮转角
，最小转弯半径
，车位长
，车位宽
，由几何知识可推导出4个关键点坐标:
4.2构建特征模型
熟练驾驶员泊车时往往基于车辆位置与姿态采取相应控制策略。
对车辆位姿状态进行细分，用特征模型
来描述。
特征模型
为所有特征状的集合，特征状态则由一些特征基元qi的组合来描述。
根据汽车当前位置和方向相对于当前关键点的距离和方向及它们的变化趋势等情况，构建特征基元集，并得出特征模型
={
}
其中:
汽车当前位置（x，y）与预定关键点P1之间的距离;
是描述汽车远离或者接近预定的关键点
（i=1,2,3,4）
4.3构建控制模态
驾驶员泊车过程的控制策略，可用控制模态ψi来描述，通过磅-磅、比例、积分、微分和极值保持等控制特征基元来实现。
泊车过程中，需同时控制车速V和前轮转角
，2个控制量的不同组合方式可产生多种控制模态基元。
构建控制模态集
:
4.4控制策略分析
图1012种特征状态
泊车过程中，熟练驾驶员会根据车辆位姿状态，采用不同控制策略。
对于图10所示的12种特征状态，控制策略分析如下:
模态1图10（a）:
车辆远离预备泊车点，应调整车速方向，朝预备泊车点运动;
模态2图10（b）:
车辆靠近预备泊车点，但角度误差较大。
此时需调整车身方向角，以较大的角速度和较小的线速度让车辆对准预备泊车点前进;
模态3图10（c）:
车辆已对准并向预备泊车点靠近，但距离较远，可适当提高车速;
模态4图10（d）:
车辆已对准并在继续靠近预备泊车位，且距离较近，应适当减速，以避免超调，即避免超过预备泊车位;
模态5图10（e）:
车辆远离目标泊车位，在倒车进入车库的过程中可能会发生碰撞，造成车辆向相反的方向运动，这时要前进一段距离，将车身方向角调整好后再进入车库;
模态6图10（f）:
车辆靠近目标泊车位，但角度误差较大，应该快速调整车辆姿态，以较大的角速度和较小的线速度让车辆对准目标泊车位置前进;
模态7图10（g）:
车辆已对准目标泊车位，且在靠近目标泊车位置，但距离较远，这时可稍微加大车速，让车辆较快到达目标位置，提高泊车效率;
模态8图10（h）:
车辆已对准目标泊车位，且距离较近并在继续靠近目标泊车位置，此时应适当减速，以避免超过目标泊车位与后方障碍物发生碰撞;
模态9图10（i）:
车辆远离目标泊车位，因不满足泊车成功条件，需加强调整方向角;
模态10图10（i）:
车辆靠近目标泊车位，但角度误差较大，此时应快速调整车辆姿态，以较大的角速度和较小的线速度对准目标泊车位置前进;
模态11图10（k）:
车辆已对准并向目标泊车位靠近，但距离较远，可稍微加大车速;
模态12图10（l）:
车辆已对准并在继续靠近目标泊车位，且距离较近，应适当减速，以免与后方障碍物发生碰撞。
在特征模型
和控制模态集
之间，运用启发式搜索与直接推理模仿驾驶员决策。
若车辆处于特征状态
，则采用控制模态
进行控制，用产生式规则描述控制策略如下:
IF
，THEN
（i=1，2，3，4，j=1，2，3，4）
5实验研究
在Matlab2010a/Simulink环境中建立自动泊车系统仿真模型如图11所示。
图11平行泊车仿真模型
图12车辆运动学仿真模型
图13（a），图13（b）分别为转向角和方位角的随时间变化情况;
图13（c）为车辆方向与规划路径公切线的偏离程度，主要描述阶段二的控制精度，10s～20s间偏差较小，说明控制精度较高;
图14（d）是参考点，即车辆后轴中心的轨迹，与规划路径十分类似，说明控制效果较好。
图13标准车的平行泊车仿真结果
6结论
面对泊车系统的多输入多输出的非线性欠驱动耦合特性，传统控制方法难以实现精确控制。
本文通过总结模拟熟练驾驶员泊车经验，提出了一种自动泊车的仿人智能控制方法。
建立了泊车特征模型和控制模态集，经模式识别确定车辆当前特征状态，进而驱动相应的控制模态，控制车辆按规划路径实现自动泊车入位。
仿真实验结果表明了本文方法的有效性。
为解决“停车入位难”问题提供了一种有效方法，为构建具有自主知识产权的自动泊车系统做了有益探索。
7参考文献
［1］KangZL，MinhQD，TakuyaI．Anexponentiallyε-convergentcontrolalgorithmforchainedsystemsanditsapplicationtoautomaticparkingsystems［J］．IEEETransactionsonControlSystemsTechnology，2006，14（6）:
1113-1126．
［2］KooktaeL，DalhyungK，WoojinC，etal．Carparkingcontrolusingatrajectorytrackingcontroller［C］．SICE-ICASE，Busan:
InternationalJointConference．2006:
2058-2063．
［3］BernhardM，JoachimD，StefanG．Continuouscurvaturetrajectorydesignandfeed-forwardcontrolforparkingacar［J］．IEEETransactionsonControlSystemsTechnology，2007，15（3）:
541-553．
［4］李祖枢，涂亚庆．仿人智能控制［M］．北京:
国防工业出版社，2003．（LiZu-shu，TuYa-qing．Human-simulatedintelligentcontrol［M］．Beijing:
NationalDefenceIndustryPress，2003．）
［5］李祖枢．仿人智能控制理论与多级摆的摆起控制［M］．北京:
科学出版社，2006．（LiZu-shu．Human-SimulatedIntelligentControlheoryandMultistagePendulumSwing-upControl［M］．Beijing:
SciencePress，2006．
［6］Tzuu-HsengS，ShihJ．Autonomousfuzzyparkingcontrolofacar-likemobilerobot［C］．Systems，Man，andCybernetics．Taibei:
IEEETransactions，2003:
451-465．
升级会员 