２００６年１０月第２３卷第１０期公路交通科技ＪｏｕｒｎａｌｏｆＨｉｇｈｗａｙａｎｄＴｒａｎｓｐｏｒｔａｔｉｏｎＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔＯｃｔ．２００６Ｖｏｌ．２３Ｎｏ．１０文章编号：１００２－０２６８（２００６）１０－０１０３－０５收稿日期：２００５－０８－０２基金项目：中国博士后科学基金资助项目（２００４０３６３９７）；吉林大学青年教师基金资助项目作者简介：王荣本（１９４６－），男，教授，博士生导师．研究方向为智能车辆与汽车安全辅助驾驶．（ｗｒｂ＠ｊｌｕ．ｅｄｕ．ｃｎ）０前言近年来，在解决生产线的自动化与高速公路智能化的同时，人们也将研究方向转向市内新型区域智能交通系统———ＣｙｂｅｒＣａｒＳｙｓｔｅｍ的开发上来。
这是智能车辆领域又一新的发展方向，旨在解决城市交通中存在的很多问题，是人类科技发展的一个象征。
区域智能车辆（ＣｙｂｅｒＣａｒ）是具有完全自主驾驶能力的道路交通工具，在初始阶段，它只是为在市区或限定范围内以低速行驶的短途运输而设计的，长期目标是能够在专用轨道上高速自动运行。
智能车辆的导航方法根据导航信息的形式不同，一般分为无线式导航和有线式导航。
无线式导航又可分为参考位置设定法、标志反射法、图像识别法等。
有线导航可分为磁感应式导航法、标识线图像识别法等。
在上述的各种导航方式中，视觉导航因为具有信息丰富、适应范围广、智能化程度高等特有的优越性能而受到各国的关注，将逐渐成为智能车辆导航方式的主要发展方向。
对于户外自主引导区域智能车辆（ＣｙｂｅｒＣａｒ）的导航控制器，目前较少论文涉及，为了开展对该领域的研究，我们设计并制造了基于视觉导航的ＪＬＵＩＶ－５区域智能车辆（Ｃｙｂｅｒ－Ａｂｓｔｒａｃｔ：ＴｈｅｇｕｉｄｉｎｇｐｒｉｎｃｉｐｌｅａｎｄｃｏｍｐｏｓｉｔｉｏｎｏｆＣｙｂｅｒＣａｒｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉｓｉｏｎｗａｓｉｎｔｒｏｄｕｃｅｄ．ＡｐｐｌｙｉｎｇＩＭｓｅｑｕｅｎｃｅｓｉｇｎａｌｓａｓｉｎｐｕｔｒｅｓｐｏｎｓｅｓｉｇｎａｌｓａｎｄｌｅａｓｔｓｑｕａｒｅｓｍｅｔｈｏｄｔｏｅｓｔａｂｌｉｓｈｔｈｅｄｙｎａｍｉｃｅｑｕａｔｉｏｎｆｏｒＣｙｂｅｒＣａｒｓｔｅｅｒｉｎｇｓｙｓｔｅｍｂｙｓｙｓｔｅｍｉｄｅｎｔｉｆｉｃａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｐｒｅｖｉｅｗｋｉｎｅｍａｔｉｃｓｍｏｄｅｌａｎｄｔｗｏ－ｄｅｇｒｅｅｓｔｅｅｒｉｎｇｄｙｎａｍｉｃｍｏｄｅｌｏｆｖｅｈｉｃｌｅ，ｔｈｅｒｅｆｏｒｅｔｈｅｓｔｅｅｒｉｎｇｃｏｎｔｒｏｌｍａｔｈｅｍａｔｉｃｓｍｏｄｅｌｂａｓｅｄｏｎｐｒｅｖｉｅｗｋｉｎｅｍａｔｉｃｓｆｏｒＣｙｂｅｒＣａｒｗａｓｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｏｐｔｉｍａｌｃｏｎｔｒｏｌｏｆａｌｉｎｅａｒｓｔａｔｅ－ｖａｒｉａｂｌｅｆｅｅｄｂａｃｋｗａｓｏｂｔａｉｎｅｄｔｈｒｏｕｇｈｔｈｅｌｉｎｅａｒｑｕａｄｒａｔｉｃｆｏｒｍｏｐｔｉｍａｌｃｏｎｔｒｏｌｔｈｅｏｒｙ．ＩｔｗａｓｐｒｏｖｅｄｂｙｔｈｅｓｉｍｕｌａｔｉｏｎａｎａｌｙｓｉｓａｎｄｏｕｔｄｏｏｒＣｙｂｅｒＣａｒｅｘｐｅｒｉｍｅｎｔｓｔｈａｔｔｈｅｏｐｔｉｍａｌｃｏｎｔｒｏｌｌｅｒｃｏｕｌｄｔｒａｃｅｔｈｅｐａｔｈｓｔｅａｄｉｌｙａｎｄｒｅｌｉａｂｌｙ．Ｋｅｙｗｏｒｄｓ：ｓｙｓｔｅｍｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ｏｐｔｉｍａｌｃｏｎｔｒｏｌｌｅｒ；ｉｎｔｅｌｌｉｇｅｎｔｖｅｈｉｃｌｅ；ＣｙｂｅｒＣａｒ新型视觉区域智能车辆导航控制器设计王荣本，张荣辉，储江伟，金立生，游峰（吉林大学交通学院，吉林长春１３００２５）摘要：简要介绍了基于机器视觉导航区域智能车辆（ＣｙｂｅｒＣａｒ）的导航原理和组成。
首先采用逆Ｍ序列作为辨识输入信号和最小二乘算法得到车辆转向系统的系统辨识特征方程，结合预瞄运动学模型和车辆二自由度转向动力学模型，从而建立车辆基于视觉预瞄的转向动力学控制数学模型，根据线性二次型最优控制理论得到状态线性反馈的最优控制规律。
通过仿真分析和试验，验证了最优控制器在ＣｙｂｅｒＣａｒ户外路径跟踪过程中平稳、可靠。
关键词：系统辨识；最优控制器；智能车辆；ＣｙｂｅｒＣａｒ中图分类号：ＴＰ２４文献标识码：ＡＣｏｎｔｒｏｌｌｅｒＤｅｓｉｇｎｆｏｒＣｙｂｅｒＣａｒＢａｓｅｄｏｎＶｉｓｉｏｎＮａｖｉｇａｔｉｏｎＷＡＮＧＲｏｎｇ－ｂｅｎ，ＺＨＡＮＧＲｏｎｇ－ｈｕｉ，ＣＨＵＪｉａｎｇ－ｗｅｉ，ＪＩＮＬｉ－ｓｈｅｎｇ，ＹＯＵＦｅｎｇ（ＣｏｌｌｅｇｅｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎ，ＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ，ＪｉｌｉｎＣｈａｎｇｃｈｕｎ１３００２５，Ｃｈｉｎａ）公路交通科技第２３卷Ｃａｒ）试验样车，并基于该平台设计最优控制器进行试验研究工作。
１车辆视觉导航原理目前，视觉导航逐渐成为智能车辆导航方式的主流。
我们在路面铺设反光白条，由于路标和暗色路面在ＣＣＤ所采图像中的灰度值具有一定差异，进行相关图像处理工作来拟合路径的中心线，得到准确的路径信息，如图１所示。
图像的中心点位置代表车辆的纵向中心线和横向中心线的交点，当图像的横向中心线与路径中心线交点位于图像中心点左边时，侧向距离偏差ｅｄ定义为负；当图像的横向中心线与路径中心线交点位于图像中心点右边时，侧向距离偏差ｅｄ定义为正。
方位偏差ｅθ以垂直向上为起始方向，顺时针为正，逆时针为负。
１．１方位偏差的计算得到拟合的路径中心线之后，设直线方程为：ｙ＝Ａｘ＋Ｄ，其中Ａ为直线斜率，Ｄ为直线截距。
车辆的方位偏差ｅθ＝－ａｔａｎ（Ａ）。
图１导航控制器输入参数Ｆｉｇ．１Ｔｈｅｉｎｐｕｔｐａｒａｍｅｔｅｒｓｏｆｃｏｎｔｒｏｌｌｅｒ１．２侧向偏差的计算使图像横向中心线与路径拟合中心线相交，得到交点Ｏ（ｘｏ，ｙｏ），则Ｏ点横坐标和图像中心点的横坐标之差即为车辆的侧向距离偏差ｅｄ：ｅｄ＝ｘｏ－ｗ／２，式中，ｗ为图像的宽度。
２车辆转向最优控制器设计区域智能车辆（ＣｙｂｅｒＣａｒ）的结构示意图如图２所示，主要包括转向系统、驱动系统、控制单元、安全保障系统、计算机控制平台、充电装置。
ＣＣＤ安装在ＣｙｂｅｒＣａｒ挡风玻璃前处。
２．１车辆转向系统的系统辨识车辆要实现灵敏的转向控制，其转向机构的数学模型在控制器设计中占有重要地位，描述着计算机Ｄ／Ａ输出值和转向轮转角的关系。
采用数学解析方法十分复杂且通常不能反映系统特性，故采用系统辨识的方法进行建模。
辨识原理如图３所示。
图２ＣｙｂｅｒＣａｒ结构示意图Ｆｉｇ．２ＴｈｅｓｔｒｕｃｔｕｒｅｏｆＣｙｂｅｒＣａｒ图３ＣｙｂｅｒＣａｒ转向系统辨识原理Ｆｉｇ．３Ｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｐｒｉｎｃｉｐｌｅｏｆｓｔｅｅｒｉｎｇｓｙｓｔｅｍ要得到车辆转向系统动态特征方程，首先对ＣｙｂｅｒＣａｒ转向系统进行阶跃输入响应试验，如图４所示，步进电机输入频率的大小为８００Ｈｚ，右图为采用了ＢｕｔｔｅｒＷｏｒｔｈ［８，０．３８６］低通滤波器数据处理后的结果，可看出转向轮转角在很短的时间内就进入稳态过程，难以反映系统动态特性，所以做差分处理，可得转向轮角速度阶跃响应曲线，如图５所示，输入频率为８００Ｈｚ，右图为采用了ＢｕｔｔｅｒＷｏｒｔｈ［８，０．２７３］低通滤波器数据处理后的结果。
差分公式为：图４ＣｙｂｅｒＣａｒ转向系统阶跃响应曲线图Ｆｉｇ．４Ｔｈｅｓｔｅｐｒｅｓｐｏｎｓｅｏｆｓｔｅｅｒｉｎｇｓｙｓｔｅｍ１０４第１０期图５角速度阶跃响应Ｆｉｇ．５Ｔｈｅａｎｇｌｅｓｐｅｅｄｓｔｅｐｒｅｓｐｏｎｓｅω（ｋ）＝πα［（ｋ＋１）Ｔ］－α（ＫＴ）１８０Ｔ。
选逆Ｍ序列信号为辨识输入信号，它和白噪声信号的自相关函数如（１）、（２）式，产生方法为Ｍ序列与方波复合，如（３）式。
最高响应频率ｆｍ＝１．６７Ｈｚ，最小时钟周期Δｔ和逆Ｍ序列信号周期Ｎｐ根据经验公式（４）、（５）取０．１８ｓ和１５，幅值Ａ取８００Ｈｚ。
ＲＭ（τ）＝ａ２１－ＮＰ＋１ＮＰτΔｔ!"，－Δｔ≤τ≤Δｔ，（１）ＲＭ（τ）＝ａ２－ＮＰ，Δｔ＜τ＜（ＮＰ－１）Δｔ，（２）ＩＭ（ｋ）＝Ｍ（ｋ）$Ｓ（ｋ），（３）（ＮＰ－１）×Δｔ＞Ｔｓ，（４）Δｔ≤０．３×１ｆｍ!"，（５）Ａ（ｚ－１）ｙ（ｋ）＝Ｂ（ｚ－１）ｕ（ｋ）＋ｅ（ｋ），（６）其中，Ａ（ｚ－１）＝１＋ａ１ｚ－１＋…＋ａｎａｚ－ｎａ；Ｂ（ｚ－１）＝ｂ０＋ｂ１ｚ－１＋…＋ｂｎａｚ－ｎｂ。
图６为逆Ｍ序列的试验结果，数据处理过程中采用ＢｕｔｔｅｒＷｏｒｔｈ［８，０．２５７］低通滤波器进行处理。
假设ＣｙｂｅｒＣａｒ转向模型为ＡＲＸ模型，如公式（６），采用最小二乘估计法得到ＣｙｂｅｒＣａｒ转向系统动态特性方程Ｇ（ｓ）并作降阶处理，图７为系统仿真与试验数据对比图，拟合率为９３．５％，Ｔｓ为采样时间。
Ｇ（ｓ）＝０．０２０２９ｓ３－０．０４４７ｓ２＋５８．１０１ｓ＋９６．１４７４６．２３ｓ３＋７２．８９ｓ２＋６９５．７３ｓ＋１０１０．９，Ｇ′（ｓ）＝０．６２０９ｓ＋６．６３６１（降阶后）。
２．２预瞄运动学和二自由度转向动力学模型视觉信息是操纵车辆时最重要的信息来源，但是此时的视觉信息不是车辆质心处的侧向偏差和方位偏差，而是车辆前方某预瞄点处的偏差，这对车辆的自主导航是非常关键的。
取预瞄运动学模型为：图６逆Ｍ序列试验结果Ｆｉｇ．６ＴｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｏｆＩＭｓｅｑｕｅｎｃｅ图７仿真与试验对比图Ｆｉｇ．７Ｔｈｅｃｏｎｔｒａｓｔｂｅｔｗｅｅｎｍｅａｓｕｒｅｄｏｕｔｐｕｔａｎｄｓｉｍｕｌａｔｅｄｍｏｄｅｌｏｕｔｐｕｔｅｄ＝ｖｘｅθ－ｖｙ－φＬ，ｅθ＝ｖｘＭ－φ%，・・・・其中，ｖｘ和ｖｙ分别为车辆质心处的速度分量；φ・为车辆横摆角速度；Ｍ代表道路曲率；Ｌ是预瞄距离。
根据车辆在二自由度模型下纵横轴线上的力平衡方程，推导出车辆转向运动的侧向动力学方程：ｍｖ２ρｓｉｎβ－ｍｖｃｏｓβ＋Ｆｒｚ＋Ｆｆｚｃｏｓδ－Ｆｆｓｉｎδ＝０，ｍｖ２ρｃｏｓβ＋ｍｖｓｉｎβ－Ｆｒ－Ｆｒｚｓｉｎδ－Ｆｆｃｏｓδ＝０，ｖｙ＝－Ｋｒ＋Ｋｒｍｖｘｖｙ＋ＫｒＬｒ－ＫｆＬｆｍｖｘ－ｖｘ!"φ＋Ｋｆｍδ，φ＝－ＬｆＫｆ＋ＬｒＫｒＩｖｘｖｙ－Ｌ２ｆＫｆ＋ＬｒＫｒＩｖｘφ＋ＬｆＫｆＩδ。
・・・・・２２．３ＣｙｂｅｒＣａｒ转向控制状态空间模型的建立王荣本，等：新型视觉区域智能车辆导航控制器设计１０５公路交通科技第２３卷结合区域智能车辆（ＣｙｂｅｒＣａｒ）转向系统的动态特征方程、预瞄运动学模型与车辆二自由度动力学模型，得到ＣｙｂｅｒＣａｒ转向控制的状态空间模型。
ｘ＝Ａｘ＋Ｂｕ，・ｙ＝Ｃｘ＋Ｄ，其中，Ａ＝Ａ１１Ａ１２００ＫｆｍＡ１２Ａ２２００ＬｆＫｆＩ－１－ＤＬ０ｖｘ００－１０００００００Ａ５５!""""""""""""""""""""""""#$%%%%%%%%%%%%%%%%%%%%%%%%&，Ｃ＝（０；Ｅ），ｘ＝ｖｙφｅｄｅθ’((((((((((((((((()*+++++++++++++++++,ａ，Ｂ＝００００Ｂ５１’(((((((((((((((()*++++++++++++++++,，Ｄ＝（０），・Ａ１１＝－Ｋｆ＋Ｋｒｍｖｘ，Ａ１２＝ＫｒＬｒ－ＫｆＬｆｍｖｘ－ｖｘ，Ａ２１＝－ＬｆＫｆ＋ＬｒＫｒＩｖｘ，Ａ２２＝－Ｌｆ２Ｋｆ＋Ｌｒ２ＫｒＩｖｘ，Ａ５５＝－６．６３６１，Ｂ５１＝－６．６２０９，Ｋｆ，Ｋｒ为轮胎侧偏刚度，Ｌｆ，Ｌｒ为车辆质心到前后轮的距离，Ｉ为车辆转动惯量，ｍ为车辆质量。