王天阳，陶学恒，孙成志，叶华国

(1.大连工业大学 机械工程与自动化学院，辽宁 大连 116034；2.安徽工程大学 机械与汽车工程学院，安徽 芜湖 241000)

0 引言

粮食的存储和管理是关系到我国食品安全和社会稳定的重要问题，随着智慧农业的发展和智能技术的进步，固定道路的无人驾驶车辆运送谷物进出仓、倒仓是实现仓储物流自动化调度的重要手段。无人驾驶车辆道路保持控制是避免发生碰撞事故的核心，道路保持控制的基础就是研究无人驾驶车辆的道路偏离判断算法，通过设置合理的参数阈值及时调整车辆方向盘转角以控制车辆沿着固定道路行驶，因此，控制算法的精度是决定无人驾驶车辆道路中心线保持的关键，需要通过建立准确的驾驶员虚拟模型、设计合理的无人驾驶车辆横向控制器来实现。

Lan M等[1]设计了基于GPS、麦克风、扬声器等设备的道路偏离判断系统，研究了自动驾驶车辆车道线识别控制算法。Cario G等[2]利用摄像头获取车道线及车辆与道路的相对位置关系，根据仪表盘获取车辆速度及轮速信息，设计了基于数据融合的车道偏离预警系统。Saleh L等[3]研究了一种驾驶员对车辆道路保持转向系统的新模型。Chen L等[4]采用鲁棒模型参考自适应控制方法，设计了主动前轮转向车辆道路保持辅助系统。Mammeri A等[5]研究了一种基于机器视觉的自动驾驶技术，根据传感器获取的车道线图像信息实现车辆道路保持。

本文通过分析无人驾驶车辆多信息融合系统，建立车辆-道路模型，并采用目标信息融合感知方法对运动轨迹进行跟踪和预测；以车辆横向距离与跨道时间为输入变量、道路偏离危险等级作为输出量进行模糊化处理，提出了基于模糊规则的道路偏离判断策略；以车辆横向位移偏差为输入、方向盘转角为输出，设计变论域模糊PI控制器，基于Simulink和CarSim软件平台开展联合仿真，并进行硬件在环实验，验证变论域模糊PI控制算法的精度和有效性。

1 多信息融合系统与车辆-道路模型

1.1 多信息融合系统

多信息融合条件下无人驾驶车辆的主要特点是依靠多种传感器感知车辆状态，准确掌握车辆及其周围环境的具体信息，包括车辆的运动状态、车道线、车与车的相对位置和相对速度等信息。自动无人驾驶车辆环境感知系统包括视觉分析单元、转向角度传感器、毫米波雷达和GPS等，由各传感器完成目标检测，再将所获取的信息通过CAN相互连接，用于控制转向、制动辅助系统，以及进行车速、道路环境、车辆状态数据的监测。

1.2 车辆-道路模型[6]

建立可以表征无人驾驶车辆与道路之间相对位置关系的模型，如图1所示。图1中，O为车辆质心；视觉系统从车辆行驶前方距离ls处获取预瞄点，并以该点为参考；δ为前轮转向角；yl为预瞄点到车道中心线的距离，即横向偏移量；Ψl为车辆纵轴线与车道切线的夹角，即车辆偏航角；Ψr为实际道路偏角；R为道路曲率半径；β为车辆质心侧偏角；u、v分别为车辆速度V在质心坐标x、y方向上的分量；r为车辆转动方向。为评价车辆与道路的位置偏差，选择车辆偏航角Ψl、横向偏移量yl作为状态变量。

图1 车辆-道路模型

根据设计的车道偏离判断控制策略，本模糊系统输出具有唯一性。车辆行驶过程的危险等级论域分为6个模糊集合，分别为二级安全HS、三级危险MS、三级安全LS、一级危险LH、一级安全MH、二级危险HH，等级越高，对应的安全性或是危险性越高。通过三角隶属度函数表达该系统输出变量，如图2所示。最后通过重心法对输出量进行反模糊化，确保其结果准确。

学生的生活数据信息是一个比较复杂的对象。如果我们想从这些复杂的数据关系中挖掘出有价值的信息，便可通过数据可视化的技术对其进行处理使得这些数据信息更为直观地呈现在用户面前。在可视化的过程中，数据将会变得更具备可塑性、可行性，最终更加人性化。由此帮助用户完善自己的日常生活，提高用户的生活质量。

左/右车轮离左/右道路边界线的距离为：

设置仿真路径为蛇形线路，固定车速为20 km/h，得到的方向盘转角偏差、横向位移偏差的仿真结果如5所示。由图5(a)可见，采用变论域模糊PI控制算法进行控制时，在此工况下仿真得到的方向盘最大转角为0.25 rad，运用传统PID控制算法时，方向盘最大转角为0.29 rad；由图5(b)可见，传统PID控制算法与变论域模糊PI控制算法的最大横向位移偏差分别为0.25 m、0.038 m,变论域模糊PI控制算法的控制精度高于经典PID控制算法，对车辆在蛇形道路行驶发生偏离时能够给予及时警示和修正。

2 基于模糊规则的道路偏离判断策略

2.1 道路偏离判断策略[7]

由前所述，车辆跨道时间t和车辆与车道边界线距离可以作为判断车辆偏离的参量，在道路偏离判断系统模糊控制器设计中，设输入变量为t与dl或dr，输出变量为车辆实时偏离危险等级。将跨道时间t的论域值定为(0～2)s，可划分为4个模糊集合，即长NL、较长ML、较短MS、短NS，通过三角隶属度函数表达。假设车轮到车道边界线的距离dl或dr的论域为(0～1.1)m，存在4个模糊集合，即远NF、较远MF、较近MN、近 NN，用三角隶属度函数表示。

2.2 模糊规则设计

无论是繁华还是平淡，小商桥自无言接受，一如家乡的人民。一座桥将坚韧融进了当地人民的血脉，从小商桥始，饥荒、屠城、战乱，临颍人民不怒不伤，不躲不逃，默默承受，安静生活。

洛马的紧凑型核聚变反应堆属于开端磁力线类型，能较好解决这一问题。如图1所示，该堆由一个近似柱形的反应堆外壳、内部超导线圈、外部封压线圈和两端的磁镜线圈、中性束流注入器以及其他辅助的冷却、供电、控制设备等组成。它的外壳由内包层和外包层组成，内包层由Be、FLiBe等材料制成，外包层由铁或钢之类的低活化材料制成，通过FLiBe或LiPb等液态金属介质进行冷却。

表1 模糊规则表

2.3 输出解模糊化

根据自动驾驶车辆环境感知系统采集到的信息，即车速V、转向角δ、车道中心线到边界线间的距离d0建立车辆与车道位置间的关联关系。对转向角δ求导得：

图2 系统输出变量的三角隶属度函数

3 变论域模糊PI横向控制器设计

跨道时间为：

以跨道时间长短和车轮到车道边界线距离的远近为参量建立模糊规则，用以判断车辆偏离车道的情况。模糊规则如表1所示，在此规则中，选择IF-THEN模型：IF(跨道时间is NS)and(车轮、车道边界线相距的横向长度is NN) then (危险等级is HH)。

图3 变论域模糊PI横向控制器

由图3可知，模糊控制器是2输入、2输出的模糊控制单元，变论域模糊PI控制器伸缩因子含有2输入、3输出模糊控制单元，通过重心法对两个模糊控制器去模糊化，求解出各输出变量值，输入到控制系统即可获取车辆稳定运行过程中对应的方向盘转角。基于Simulink平台的变论域模糊PI控制器仿真模型如图4所示。

地震应急信息发布与推送系统主要包括地震应急信息分类上传、地震应急信息审核、地震应急信息发布、地震应急信息查询等，地震应急信息服务对象具有多层次、多专业的要求，其服务内容也面临着巨大的不同，如抗震救灾指挥部需要地震综合国情数据库产生的各类核心信息，地震发生所在市县地理位置、行政区划、地形地貌、水库、人口、经济、建筑、交通、避难场所、当地政府相关部门联系方式等综合国情信息，地震监测预报分析人员则需要震情灾情信息、专题图信息等，因此，平台地震应急信息发布系统采用C/S 3层混合访问体系结构,基于灵活的跨平台的J2EE框架结构，结合J2EE应用程序服务器和安卓平台进行设计和实现。

图4 基于Simulink平台的变论域模糊PI控制器仿真模型

4 仿真与试验验证

4.1 仿真分析

据了解，被收购前普洛斯拥有及管理在中国、日本、美国和巴西等地共5500万平方米现代物流设施组合，业务遍及全球117个主要城市。也是全球最大房地产基金管理人之一，管理资产约390亿美元。2016年的年报数据显示，公司已实现7.77亿美元的收入，同比增长10%；实现7.19亿美元的归母净利润，同比增长48%

4.1.1 车辆在蛇形线路上行驶

为了评估变论域模糊PI控制器的性能优劣,在MATLAB/Simulink中搭建驾驶员模型及车道保持横向控制器模型，在CarSim软件中搭建车辆模型，设置相关参数进行联合仿真分析。

2.取消行政审批，加强后续管理。取消行政许可审批事项后，要加强后续管理，对取消行政许可审批的事项要实施动态管理。同时要建立健全管理台账，做好有关备案工作。对享受税收优惠政策的纳税人，要加大事后监管和核查力度，降低税收执法风险。比如一般纳税人资格认定和发票领用等，在事中事后监管中要加强日常检查和纳税评估，防止纳税人虚开发票带来税收执法风险。

其中：wr为车辆横摆角速度；B为车辆宽度。

图5 蛇形线路的仿真结果

4.1.2 车辆在直线道路上行驶

设置车辆在直线道路上行驶，车速为40 km/h，仿真结果如图6所示。由图6可以看出：采用变论域模糊PI控制算法时，方向盘最大转向角度偏差为0.14 rad、横摆角速度偏差为0.48 rad/s；采用经典PID控制算法时，方向盘最大转向角度偏差为0.149 rad、横摆角速度偏差为0.52 rad/s。

图6 直线道路上的仿真结果

4.2 硬件在环实验验证

搭建硬件在环实验仿真平台，将计算机、互联网和控制系统进行连接，将图形化汇编语言和实时控制系统相结合，实现系统的实时测控功能。硬件在环实验平台如图7所示。将道路保持控制算法程序、道路偏离判断算法以及信号采集和发送程序导入PXI主机实时操作系统中。

图7 硬件在环实验平台

选择车速40 km/h的直线道路工况，验证在2 s、12.5 s时施加给硬件在环实验仿真台架的方向盘逆时针转角，在22.3 s时，施加给方向盘顺时针转角，使得车辆偏离角增大，启动道路偏离判断算法，根据偏离量，采取道路保持控制算法主动修正车辆行驶轨迹，具体的实验结果如图8所示。

由图8可见，在所设计自动驾驶汽车道路保持控制算法控制下，自动驾驶汽车均能在道路线内安全行驶。对比实验结果与仿真结果可知：变论域模糊PI控制下的路径跟踪精度更高，稳定性更好，进一步验证了自动驾驶汽车道路偏离判断与道路保持算法的有效性；当自动驾驶汽车偏离道路中心线时，在一定范围内能够及时控制车辆安全行驶回位，且逐步达到平稳状态。

图8 直线路径硬件在环仿真实验结果

5 结论

采用目标级融合的信息融合感知方法，得到自动驾驶汽车的目标运动轨迹，通过对目标运动轨迹进行跟踪和预测，得到模拟实际驾驶环境的路线图。提出了基于模糊规则的道路偏离判断策略，以车辆横向距离与跨道时间作为输入变量，并经过模糊化处理，设计了变论域模糊PI控制器，建立了变论域模糊PI控制器仿真模型。基于CarSim/Simulink开展联合仿真，在蛇形路径、直线路径工况下进行两种不同算法控制仿真结果比较。将方向盘转角偏差、横向位移偏差、转向角度偏差和横摆角速度偏差的仿真数据进行比较，得出所提算法相较于经典PID控制算法更加准确、有效。经硬件在环实验进一步验证了所设计横向控制器的控制精度和可靠性。