基于模糊控制的辅助跟驰系统设计

刘佳浩，刘江，李昭健

（长安大学汽车学院，陕西 西安 710064）

前言

智能驾驶汽车是当前时代的高科技产物，集电子，机械，智能控制等前沿的研究成果于一体，现在最新的智能汽车，就是要脱离人为干预，仅利用车载的多元传感器来感知车辆周围路况，由感知到的各种信息，利用车辆上加装的电脑来进行分析处理，从而控制车辆的运行，使其能够无人驾驶[1]。城市道路交通流量大，外加现代人生活节奏快，驾驶员在驾驶过程中易出现注意力不集中甚至是疲劳驾驶，从而导致交通事故的发生，带来不必要的损失。为提高车辆行驶的安全性，文章设计一种加装的电子辅助跟驰系统，该辅助系统在电脑上联系仿真软件模拟运行后可以验证此系统在模拟中的可行性，可以有效提高跟车安全。

1 车辆跟驰理论分析

汽车跟随着前车，其距离不能太近，否则前车可能的减速刹车都有可能造成事故，其距离也不能太远，否则达不到跟车的要求，就变成了普通的道路行驶，道路运作效率降低[2]。车道上处在跟随状态下各个车辆具有以下的特点：制约性，延迟性与传递性。这三个性状描述了车辆跟随行驶的基本特征，这三个特性也为车辆跟随的模型提供了理论支撑。

（1）制约性

每一辆跟随状态中的汽车都会受到前方车辆的速度约束，整个车队中每辆车的速度大致相同，并各自在一个范围内波动，否则容易发生追尾碰撞等事故；后车与前车的距离必须要保证安全刹车距离，否则前车减速刹车后车容易会反应不及时而发生事故，太远却又达不到跟驰效率的效果。

式中：fi表示第i辆车的状态，vi代表第i辆车的速度，si代表第i辆车与前车距离。

（2）延迟性

延迟性指的就是车辆在跟随过程中前车一旦有了运行动作而后车响应必然会慢一些，一般这个时间取决于人的反应时间。发现阶段：前车作为障碍物的运行状态改变被发现；判断阶段：分析前车车速的变化是快是慢，前车尾部与我方车头间距是远是近；执行阶段：紧急或者平稳，加速或是减速。这些过程所消耗掉的时间就是延迟时间。对于车辆辅助跟随系统来说，这些延迟的时间比人的反应时间要短许多。

式中：Tob表示观测时间，Tj表示决策时间，Top表示执行时间。

（3）传递性

由上述的两种性状可知，每一辆车都会对后面的车产生影响而且会受到前一辆车的影响第m+1辆会受到第m辆车的影响。整个队伍中某一辆出现延迟响应或者改变其运动时，这种链式反应会一辆一辆地影响到后面的车，这就是传递性，因为人的反应时间都不同而且车子性能也不一样，所以传递性在城区道路中还是很明显的，例如早晚高峰时表现很突出。

2 车辆跟驰模糊推理模型

模糊推理模型的输入是一些经过模糊化的模糊量，而非精确量，从而形成了一个模糊集合[3]，其涉及到隶属度的概念，隶属度就说明了此刻状态对于某一精确定义的从属程度，一般来说对于某一变量X，有一个函数取A（x）在[0,1]之间，越接近0越不从属于这个概念，越接近1越属于这个概念，当就为0或1时，说明此刻状态完全为某一定义，这个A（x）就是隶属度函数。比如说为了量化车距很近，我们就可以采用模糊化的处理方法：若车距小于10m，此时跟车距离很近，那么这个隶属度就取为1；若车距不小于30m，那么上述的太近这个模糊词不成立，所以其隶属度就很接近0；介于0和1中间的数值表示了隶属度的等级，其大小表示了高低，那么我们就可以通过逻辑推理得到输出，比如说，已经处在很近的范围内却还在继续接近，那么输出就应采取减速制动措施。

模糊推理模型表达形式如下所示[4]：

（1）如果△x适当，则

式中：T定义为延迟时间，Y定义为我方车辆需要在一段时间与跟随车辆保持跟随状态；

（2）如果不适当，则Δx每减少一个等级，ai将减少；Δx每增加一个等级，ai将增加。如果距离不合适，加速度会适当变化，随着距离越来越大或越来越小应该有相应地输出：。

3 模糊控制理论分析

3.1 模糊控制理论

模糊控制并不是线性的控制，模糊控制技术具有使用范围广、对多种外界波动具有高强的鲁棒性的特点[5]，而辅助跟随系统又是一种要求要有较快速度响应并能够在短时间内实现相应跟车或减速刹车功能的系统，模糊控制原理如图 1所示。

图1 模糊控制原理图

其中输入为系统的设定值。x1，x2为模糊控制的输入（精确量）。X1，X2为模糊量化处理后的模糊量。U是经过模糊规则模糊化后的模糊变量。u为经过解模糊化后得到的精确量。Y为对象的输出。

模糊集合由一般集合演变而成，一般的集合论用0和1的特征数值表示元素的从属关系，模糊集合论用0到1闭区间非间断变化的函数值说明元素和模糊集合的关系，用以描述不确定和模糊的事物。如图2所示。

图2 集合的不同表达方式

3.2 模糊控制器

模糊控制器有以下几种形式，一种是一维输入的模糊控制器，仅输入偏差 E，其给系统的输入信息太少，很难根据部分信息来决策作出判断从而控制系统，一般被用于一阶被控对象；第二种为输入二维变量的模糊控制器，输入量为偏差E与输入的偏差变化率EC，其使用方便且符合大多数场合，因为大部分情况下二维输入可以把信息完全包含，可以比较好地表示出整个过程的受控状态，相比一维输入控制效果更好；第三种为输入三维变量的模糊控制器，具有与上述类似的输入变量，包括了偏差E以及偏差变化EC以及偏差变化的变化率 ECC，因为这些模糊控制器结构较为繁琐，比起二维和一维消耗的时间太长，而且对场合使用比较苛刻。通过对比，本文采用第二种二维的方法，输入距离与速度，模糊控制还将控制变量作为下一个状态的输入 U，在本文中输出为操作命令，下一个状态为相应操作的执行。其中 E、EC、U统称为模糊变量。如图3所示。

图3 各种不同的模糊控制器

4 仿真实验

图4 由速度及距离与加速度关系导入的输入

控制规则大都是模糊条件语句来描述的，而这些语句通俗易懂，适合人的逻辑判断（例如“很大→要减小”、“比较小→要适当增加”）的集合[6]，这些集合就表示了变量的模糊状态。在一根类似于数轴的轴上表示上述模糊词汇时最好的，因为每一种方向上的大小都可以大致分类，以0作为最中间的点，每一个方向每一种大小都可以表示，即为{负大，负中，负小，零，正小，正中，正大}，同样的也可以用英文字母来表示为{NB,NM,NS,0,PS,PM,PB}。本文对距离的模糊集为{很近，近，略近，恰好，略远，远，很远}；对速度的模糊集为{很慢，慢，略慢，恰好，略快，快，很快}，{HM,M,LM,QH,LK,K,HK}；输出分为{减速，适当减速，保持，适当加速，加速}，{JianS,SDJianS，Keep，SDJiaS,JiaS}。即 E：Distance距离，EC：Velocity速度，U：Operation。由城市路况下驾驶员跟驰的情况[7]，输入取最大跟车距离Dmax=50m，跟车距离区间为[5,50]，最快跟车速度 Vmax=15m/s，跟车速度区间[0,15]，有如下：图4为输入的隶属度函数，图5为输出的隶属度函数。

上述的输入值为初始值，输入的参数可以由不同的驾驶员来不同设定。我们把设定的模糊控制规则放置在数据库中，每次输入和输出的值都存放在其中，在由控制规则决策和解模糊化中为其提供数据。规则库则是存放的上述数据处理所用到的具体的控制语言，用于描述目标的控制和策略。其基于人们学习到的或类似的工作者积累得出的经验，逻辑判断模仿人下判断时的模糊概念，是按人的逻辑推理的一种控制表达方式。

图5 输出的隶属度函数

由不同的间距输入及车速输入，得到图6输出响应。

图6 不同输入情况下的输出表示

根据驾驶员的不同及道路限速要求等，解模糊化的精确结果可以有多种，但受到输出的限制。由图6可知当前车距离25m左右时，车速为7.5m/s左右时，导出的模糊结果为保持不变，这个解模糊输出为维持车速的同时警醒驾驶员；而当前车距离10m左右，车速3m/s时，导出结果为强制减速，这个输出则为刹车或是停车。

5 讨论及结语

本文针对城市道路环境中多发的人为因素导致的事故，为车辆设计一种模糊控制的辅助驾驶系统，模糊跟驰模型是比较新且能够较好适应城市路况，对比分析后使用二元模糊控制器根据汽车当前速度及与前车的距离作为输入，由适应驾驶员的模糊控制规则来模拟输出，结果可通过对比当前车速警醒驾驶员，并在必要时刻采取强制措施来保证成员安全性。对这类辅助驾驶的智能控制系统研究，有效帮助道路交通系统运作，确保人员及财产安全并在智能交通理论上给予支持。