智能车辆虚拟与实车教学平台综合研究

2019-06-11熊光明康子怡龚建伟陈慧岩

实验室研究与探索 2019年5期

关键词：实车控制算法车辆

熊光明,康子怡,龚建伟,陈慧岩

(北京理工大学机械与车辆学院，北京 100081)

0 引言

近年来，随着全球人工智能技术的提高，智能车辆技术得到了迅猛发展[1]。全国相关高校、研究所、汽车企业，以及IT业，已经围绕“中国制造2025”提出的智能网联汽车发展目标进行布局，开展研发攻关。

高等院校承担着人才培养的重任[2-3]。通过实验展开教学是有效的教学手段，不仅有利于学生对课堂知识的掌握，也符合研究生的教学方式，即不局限于课本的理论知识，而是能将其应用，拓展到更多方面[4-7]。

本文通过开发出构成智能车辆系统的“机械—传感—规划—控制—执行”等方面的有机联系过程的动态多媒体课程软件，加深学生对于智能车工作原理的理解；建立了智能移动教学平台，直观、方便地展示智能车辆，使得学生通过亲自建立智能车辆模型、搭建仿真环境、设计底层电控系统等来控制智能车辆，让每一名同学都有机会参加智能车项目的研究工作，进一步提高对理论知识的认知。将仿真平台与实车自动驾驶系统相结合的智能移动教学平台的使用，在增强了学生对于智能车辆认知的同时，也提高了学生的创新能力和动手操作能力[8-11]。

1 智能移动教学平台的体系结构

智能移动教学平台是集仿真与实物一体的教学平台。由于该平台的使用环境为教室等室内环境，空间较小，因此该款智能移动教学平台的硬件是由真实阿克曼转向的微型电动轮式车辆改造而来的。以该微型轮式车辆为对象建立仿真模型，仿真平台部分使用Solidworks对车辆的主要机构和车体进行了三维建模，然后将三维模型导入V-rep搭建了仿真车辆控制模型，并在V-rep中构建了双移线，定曲率圆弧，直线和连续曲率圆弧组成的道路环境。使用ROS的节点话题通信机制，搭建了ROS/V-rep联合仿真平台，用以验证纯跟踪算法、Stanley算法、Follow the Carrot算法，并比较算法的性能。

1.1 车辆模型

搭建车辆模型的目的是建立车辆自身和外界环境之间的约束关系，能够描述车辆的运动以及状态，车辆几何学模型如图1所示。本文的教学移动平台采用的转向机构为阿克曼转向，其主要特点是为了减少车辆在转弯时的滑动，转弯时4个轮的转向中心位于同一个转向中心点，该点位于后轴的延长线上，这也意味着转弯过程中，4个轮都在做纯滚动运动。

图1 车辆转向几何学模型

图中:δ1,δ2分别为左前轮和右前轮的转向角；L为轴距；2b为轮距。阿克曼转向可以简化为一个自行车模型，δ为简化模型的转向角，R为转弯半径。由此可以得到转向角的公式为:

(1)

R1=R-b,R2=R+b

(2)

(3)

(4)

利用自行车模型的转向角对左右前轮的转向角分别进行了表示，这样的表示对于在之后V-rep中车辆模型的建模是更加精确的。因为V-rep中的转向的实现是利用关节对左右前轮的转向角分别进行控制。

车辆运动学模型在笛卡尔坐标系下描述了车辆的位移、速度、航向角、横摆角速度之间的关系，分析建立在运动学的基础上如图2所示。前后轮法线上速度和为0，即

(5)

图2 车辆运动学模型

图中：(xf,yf)是前轮在全局坐标系下的坐标;(xr,yr)是后轮在全局坐标系下的坐标;θ是车辆在全局坐标系下的航向角;δ是车辆坐标系下的转向角。

前后轮几何关系:

(6)

对t求导，

(7)

(8)

可得:

θ′=vtanδ/L

(9)

车辆在全局坐标系下的状态(x,y,θ)能够用车辆的速度和转向角表示，车辆的速度和转向角是系统的控制量，

(10)

由式(10)能够估计不同时刻车辆的状态，在已知车辆速度和转向角的前提下，能够根据此模型得到车辆的实时位置和航向，作为车辆实时定位的参考。

1.2 运动控制系统

控制系统的作用是根据决策规划系统的期望路径，利用路径跟踪算法计算各控制量，控制各执行机构完成动作。在保证行驶过程中的安全和乘客乘车舒适，一定的速度下实现对期望路径的准确和平稳的跟踪。实际车辆中主要分为纵向控制和横向控制。

以横向控制为例，介绍3种路径跟踪算法[12-14]，并对结果进行了比较。使用的3种算法分别为纯跟踪算法、Follow the Carrot算法和Stanley算法。其中，纯跟踪算法是预瞄理论在自动驾驶路径跟踪领域的应用，利用了预瞄点，具体策略结合了车辆转向过程中的几何特性，将车辆的当前位置和预瞄点通过圆弧连接起来，利用车辆的几何学模型推导期望的转向角。Follow the Carrot算法是利用车辆的目标点，求当前车辆的位置点和预瞄点连线与车辆当前航向之间的夹角。通过将预瞄点坐标变换到车辆局部坐标系下，根据反正弦值求得该夹角，将该夹角作为车辆的期望转向角。其本质是将距离偏差通过预瞄点转化为角度值来消除。Stanley算法控制器是一个非线性PD控制器，能够以指数级的速度收敛。其本质还是将航向偏差和距离偏差分别消除。航向误差由车辆航向和当前路径点方向角的误差来消除；横向距离偏差由关于横向距离和速度的非线性反馈函数来消除。

2 仿真平台开发

使用SolidWorks三维建模软件对选定的某款微型电动轮式车辆进行三维建模，并导入V-rep[15]。利用V-rep主要完成以下任务：① 仿真环境搭建，包括车辆模型和道路模型。② 控制体创建和脚本添加，创建控制体添加动力学约束，用Lua语言编写嵌入式控制脚本。③ 和ROS节点通信。④ 仿真运行，结果可视化。

创建的仿真平台如图3所示。

图3 V-rep仿真平台

控制算法在仿真软件外部运行，因此需要建立V-rep和外部算法的通信机制，将车辆的实时位置信息、算法的控制量发布和通信。选择机器人操作系统(Robot Operating System，ROS)作为外部的代码运行平台和V-rep通信。

ROS是一个分布式机器人操作系统，提供和操作系统近似的功能，主要有硬件驱动程序管理，程序之间的消息传递，相关文件的存储管理。在ROS中主要完成以下工作：① 完成代码的编译，运行和管理工作；② 建立基于节点、话题的通信机制；③ 和V-rep通信。

3 实车教学平台开发

针对该微型电动轮式车辆，一方面创建了仿真开发平台；另一方面同步开发了实车自动驾驶系统。开发过程主要有底层电控系统设计与开发，包括电路板设计、制作，电控程序的编写、调试；基于激光雷达功能开发与程序编写；规划控制算法开发与程序编写。部分开发过程如图4所示。

图4 开发过程

开发的实车自动驾驶系统总体框架如图5所示。

图5 总体框架图

自动驾驶系统搭载的笔记本电脑运行在Linux操作系统下，采用ROS统筹管理整个自动驾驶车的状态和控制。主控板读取RM陀螺仪、MPU6050和编码器数据，通过串口上传到笔记本电脑中。笔记本电脑通过USB接口读取激光雷达的点云数据，结合主控板上传的数据进行障碍物分析和导航路径规划，通过串口发出控制指令给主控板，主控板通过CAN总线控制电机的运转来执行相应的功能。遥控器能够切换自动驾驶和遥控驾驶两种驾驶模式，以便自动驾驶模式出现故障时，及时关停自动驾驶模式。

4 仿真与实车综合平台教学应用实例

智能车辆的开发设计常常采用V循环研发理念，V循环研发过程分为仿真设计、实验验证以及场景再现3个阶段[16]。

本文开发的智能车辆移动教学平台在2018年研究生课程教学中得到了应用。学生可以通过自己动手操作做到对相关参数的修改和仿真设计，得到实验数据。通过仿真后，把算法直接用到实车上，这也是对V循环开发方法的一种验证。

例如，运用仿真平台学生可以比较不同控制算法在不同期望轨迹下的表现。图6、7分别为双移线、直线道路期望路径下，纯跟踪算法、Follow the Carrot算法、Stanley算法的仿真结果。通过仿真，学生可以对各种控制算法的效果有更加直观的了解，通过修改参数可以直接看到同一控制算法参数的选取带来不同的影响，从而加深对参数的理解。