智能网联汽车技术基础最新版课件-项目四 智能网联汽车控制执行
合集下载
智能网联汽车技术基础 第7章 智能网联汽车控制技术
行逻辑推理的前提；
制为零，甚至变为负值，从而避PI免D控出制现包被含控以下量三严个重过超程调：的情况； （4）对于较大惯性和滞后特性的控制对象，比例控制和微分控制能改善在动态过
程中的系统特性；
7.1 经典控制理论
PID控制原理
PID控制原理图
PID控制原理
u(t)
K
P
[e(t)
1 TI
t
0 e(t)dt TD
（4）比例控制和积分控制结合，可以使系统在一定时间内快速进入稳定状态，无稳态误
差，称为PI控制；
7.1 经典控制理论
3. 微分控制 （1）微分控制指输出的误差值与误差变化率成正比关系； （2）控制系统在消除误差的时候会出现频繁振荡甚至失稳现象，其原因是系统中
存在较大惯性，使消除误差的的变化时间总是滞后于误差的变化时间； （3）具有比例控制和微分控制的控制器，能够提前消除误差，最大程度误差量控
模糊控制借助模糊数学模拟人的思维 方法，将工艺操作人员的经验加以总结， 运用语言变量和模糊逻辑理论进行推理和 决策，对复杂对象进行控制。
模糊控制指的是以模糊集合理论、模糊语言变量
模糊控制既不及模是糊指推被理控过程是模糊的， 也不意味控制器是不确定的，它表示知识 和概念上的模糊性，完成的工作是完全确 定的。
7.2 现代控制理论
模糊控制器主要环节:(2)表格型：同样是对蕴含关系进 Nhomakorabea描述，但
是省略了语言描述中的繁琐词句，将其转化为表
1、模糊化环节：首先要确定输入变量x的取 格，方便进行规则的编写与查阅，较之于语言描
值范围。通过量化因子转化物理论域为模糊论域， 述型更加简洁明了。
将清晰值转化为模糊子集，确定模糊语言的取值
智能汽车技术教学课件完整版
和测试评价技术等共性关键基础技术
亟待突破。
智能汽车概论
1.3智能汽车技术架构
环境感知技术
• 智能汽车的环境感知模块利用
激光雷达、毫米波雷达、视觉传
感器、超声波雷达等各种传感器
对周围环境进行数据采集与信息
处理,以获取当前行驶环境及本车
的有关信息。
• 环境感知技术可以为智能汽车
提供道路交通环境、障碍物位置、
给出其相关叠加结果
· 表示各散射中心的复数散射场;k是玻尔兹曼常数;2Rn是从雷达到该散射
中心的双程距离,构成目标体的各强散射分量相位的随机变化。
机器视觉感知技术
雷达环境杂波分析
地物杂波分析
天气杂波分析
地物杂波是雷达入射电磁波的
分布散射回波，它对智能汽车
毫米波雷达的影响较大，地物
杂波是极为不稳定的，例如由
动态目标运动状态、交通信号标
志、自身位置等一系列重要信息,
是其他功能模块的基础,是实现辅
助驾驶与自动驾驶的前提条件。
智能汽车概论
• 决策规划技术
决策规划技术是智能汽车的控制中枢,相
当于人类的大脑,其主要作用是依据感知
层处理后的信息以及先验地图信息,在满
足交通规则、车辆动力学等车辆诸多行
驶约束的前提下,生成一条全局最优的车
·雷达电磁波接收与处理机理,包括雷达接收天线、雷达接收机特性、雷达
信号理方法等。
机器视觉感知技术
毫米波雷达的测速测距原理
智能汽车毫米波雷达通常发射连续高频等幅波,其频率在时间上按线性规律变
化,鉴于智能汽车毫米波雷达需同时测量目标的距离和速度,发射波形一般选
择三角形线性调频。假设发射的中心频率为f0,B为频带宽度,T为扫描周期,调
亟待突破。
智能汽车概论
1.3智能汽车技术架构
环境感知技术
• 智能汽车的环境感知模块利用
激光雷达、毫米波雷达、视觉传
感器、超声波雷达等各种传感器
对周围环境进行数据采集与信息
处理,以获取当前行驶环境及本车
的有关信息。
• 环境感知技术可以为智能汽车
提供道路交通环境、障碍物位置、
给出其相关叠加结果
· 表示各散射中心的复数散射场;k是玻尔兹曼常数;2Rn是从雷达到该散射
中心的双程距离,构成目标体的各强散射分量相位的随机变化。
机器视觉感知技术
雷达环境杂波分析
地物杂波分析
天气杂波分析
地物杂波是雷达入射电磁波的
分布散射回波，它对智能汽车
毫米波雷达的影响较大，地物
杂波是极为不稳定的，例如由
动态目标运动状态、交通信号标
志、自身位置等一系列重要信息,
是其他功能模块的基础,是实现辅
助驾驶与自动驾驶的前提条件。
智能汽车概论
• 决策规划技术
决策规划技术是智能汽车的控制中枢,相
当于人类的大脑,其主要作用是依据感知
层处理后的信息以及先验地图信息,在满
足交通规则、车辆动力学等车辆诸多行
驶约束的前提下,生成一条全局最优的车
·雷达电磁波接收与处理机理,包括雷达接收天线、雷达接收机特性、雷达
信号理方法等。
机器视觉感知技术
毫米波雷达的测速测距原理
智能汽车毫米波雷达通常发射连续高频等幅波,其频率在时间上按线性规律变
化,鉴于智能汽车毫米波雷达需同时测量目标的距离和速度,发射波形一般选
择三角形线性调频。假设发射的中心频率为f0,B为频带宽度,T为扫描周期,调
智能网联汽车基础知识
智能网联汽车概论
第1章 智能网联汽车基础知识 第2章 智能网联汽车环境感知系统 第3章 智能网联汽车无线通信系统 第4章 智能网联汽车网络系统 第5章 智能网联汽车导航定位系统 第6章 智能网联汽车先进驾驶辅助系统 练习与实训
第1页
第1章 智能网联汽车基础知识
1.1 智能网联汽车的定义与分级 1.2 智能网联汽车的体系结构 1.3 智能网联汽车的关键技术和发展趋势 1.4 我国智能网联汽车的发展规划
练习与实训
第 55 页
练习与实训
第 56 页
练习与实训
第 57 页
练习与实训
第 58 页
练习与实训
第 59 页
谢 谢！
第 60 页
2021/4/13
1.1.1 智能网联汽车的定义——智能汽车
➢奔驰2019款E 260 L运动型4MATIC轿车，配置了盲区监测系 统、车道偏离预警系统、车道保持辅助系统、驾驶员疲劳预警 系统、自适应巡航控制系统、自动泊车辅助系统等，属于智能 化程度较高的智能汽车
2021/4/13
1.1.1 智能网联汽车的定义——智能汽车
自动驾驶汽车至少包括自适应巡航控制系统、车道保持辅助系 统、自动制动辅助系统、自动泊车辅助系统，比较高级的车型 还应该配备交通拥堵辅助系统
2021/4/13
1.1.1 智能网联汽车的定义——自动驾驶汽车
天籁2019款2.0T XV AD1智能领航版轿车配备了并线辅助系统、 车道偏离预警系统、车道保持辅助系统、自动制动辅助系统、 驾驶员疲劳预警系统、全速自适应巡航控制系统、自动泊车辅 助系统等，属于L2级的自动驾驶汽车
2021/4/13
1.1.1 智能网联汽车的定义——网联汽车
网联汽车是指基于通信互联建立车与车之间的连接，车与网络中心和智能交通系统 等服务中心的连接，甚至是车与住宅、办公室以及一些公共基础设施的连接，也就 是可以实现车内网络与车外网络之间的信息交互，全面解决人—车—外部环境之间的 信息交流问题
第1章 智能网联汽车基础知识 第2章 智能网联汽车环境感知系统 第3章 智能网联汽车无线通信系统 第4章 智能网联汽车网络系统 第5章 智能网联汽车导航定位系统 第6章 智能网联汽车先进驾驶辅助系统 练习与实训
第1页
第1章 智能网联汽车基础知识
1.1 智能网联汽车的定义与分级 1.2 智能网联汽车的体系结构 1.3 智能网联汽车的关键技术和发展趋势 1.4 我国智能网联汽车的发展规划
练习与实训
第 55 页
练习与实训
第 56 页
练习与实训
第 57 页
练习与实训
第 58 页
练习与实训
第 59 页
谢 谢！
第 60 页
2021/4/13
1.1.1 智能网联汽车的定义——智能汽车
➢奔驰2019款E 260 L运动型4MATIC轿车，配置了盲区监测系 统、车道偏离预警系统、车道保持辅助系统、驾驶员疲劳预警 系统、自适应巡航控制系统、自动泊车辅助系统等，属于智能 化程度较高的智能汽车
2021/4/13
1.1.1 智能网联汽车的定义——智能汽车
自动驾驶汽车至少包括自适应巡航控制系统、车道保持辅助系 统、自动制动辅助系统、自动泊车辅助系统，比较高级的车型 还应该配备交通拥堵辅助系统
2021/4/13
1.1.1 智能网联汽车的定义——自动驾驶汽车
天籁2019款2.0T XV AD1智能领航版轿车配备了并线辅助系统、 车道偏离预警系统、车道保持辅助系统、自动制动辅助系统、 驾驶员疲劳预警系统、全速自适应巡航控制系统、自动泊车辅 助系统等，属于L2级的自动驾驶汽车
2021/4/13
1.1.1 智能网联汽车的定义——网联汽车
网联汽车是指基于通信互联建立车与车之间的连接，车与网络中心和智能交通系统 等服务中心的连接，甚至是车与住宅、办公室以及一些公共基础设施的连接，也就 是可以实现车内网络与车外网络之间的信息交互，全面解决人—车—外部环境之间的 信息交流问题
智能网联汽车技术教学PPT
激光雷达基础知识
激光雷达(Light Detection And Ranging, LiDAR)是一种光学 遥感技术，是一种可以精确、快速获取地面或大气三维空间信息的 主动探测技术，其应用范围和发展前景十分广阔。它的工作原理是： 首先向目标物体发射一束激光；然后根据接受-反射的时间间隔确定 目标物体的实际距离；再根据距离以及激光发射的角度通过几何关 系推到出物体的位置信息。此外根据反射信号的信号强弱和频率变 化等数，还可以确定被测目标的运动速度、姿态以及物体形状信息。
目录 Catalogue
1
激光雷达
2
毫米波雷达
3
超声波雷达
4 单目及双目摄像头
பைடு நூலகம்5 GPS全球定位系统
激光雷达
无人驾驶技术包含了高精地图、实 时定位、障碍物检测等在内的多种技术， 而激光雷达在这些技术中都能发挥重要 作用。本节主要介绍激光雷达的基本工 作原理及其在无人驾驶技术中的应用与 挑战。
激光雷达系统应用构架图
毫米波(Millimeter Wave, MMW)是指长度在110mm的电磁波，对 应的频率范围为30300GHz。毫米波位于微波与远红外波相交叠的波 长范围，所以毫米波兼有这两种波谱的优点，同时也有自己独特的 性质。
毫米波雷达(Millimeter Wave Radar)测距原理很简单，就是把 无线电波(毫米波)发出去，然后接收回波，并根据收发的时间差测 得目标的位置数据和相对距离。根据电磁波的传播速度，可以确定 目标的距离为：s=ct/2，其中s为目标距离，t为电磁波从雷达发射 出去到接收到目标回波的时间，c为光速，也即电磁波传播的速度。
LiDAR技术面临的挑战
(3)成本挑战 对于激光雷达来说，高昂的设备成本是它需要克服的最大挑战之一。
智能网联汽车技术最新精品课件第1章 绪论
1.3.1 智能网联汽车的关键技术
➢3.控制执行技术
➢ 自动驾驶汽车决策规划出行驶路径，由底盘执行机 构实现汽车状态控制和轨迹跟踪，这一过程中，控 制执行技术起着至关重要的作用。目前，传统汽车 底盘的控制结构仍为分布式电子架构，不同子系统 都有各自的运算控制器，较难实现所有功能的协同 控制，必须实现线控底盘。
2020/12/2
1.3.1 智能网联汽车的关键技术
➢5.计算芯片技术
芯片是智能网联汽车的核心运算单元，主要包括中 央处理器、图形处理器、现场可编程门阵列及专用 定制芯片等
2020/12/2
1.3.1 智能网联汽车的关键技术
➢ 6.云计算平台 ➢ 云计算平台通过以太网络与车辆、路侧设备进行远
程通信，实现远程监控、车辆追踪、调度管理和路 径规划等功能，同时还能够利用云计算和大数据处 理，为自动驾驶控制策略、智能交通控制管理的研 究提供数据依据。
2020/12/2
1.3.1 智能网联汽车的关键技术
➢7.网络信息安全
智能网联汽车需满足车联网通信的保密性、完整性 、可鉴别性等要求。通过引入密码安全芯片、设计“ 端-管-云”安全主动防御机制、密码安全协议和设置 可信计算区域等手段，对云计算平台和车载终端进 行软件代码和物理硬件安全升级
2020/12/2
2020/12/2
自动驾驶汽车
➢ 自动驾驶汽车是指汽车至少在某些具有关键安全性的 控制功能方面（如转向、油门或制动）无须驾驶员直 接操作即可自动完成控制动作的车辆。自动驾驶汽车 一般使用车载传感器、GPS和其他通信设备获得信息 ，针对安全状况进行决策规划，在某种程度上恰当地 实施控制。
2020/12/2
2020/12/2
1.3.1 智能网联汽车的关键技术
智能网联汽车技术教学课件项目四 无人驾驶汽车环境感知
（2）使用模型参数 q 对所有边界点进行划分，当误差满足式（4-2）时，则认为该 点属于集合 S ；
（3）当集合 S 中边界点的个数m 超过一定阈值，即 （ 指正确模型包含最少内点 数量）时，运用最小二乘法对集合 S 进行拟合，得出新的模型参数；
（4）按照上述方法重复 次，找出使 最小的模型参数 ，即为所求模型参数。
任务三 行驶环境中目标检测
众所周知，深度神经网络的是一个由浅及深， 层层抽象的模型，这十分有利于构建空间多尺度 特征，考虑到深度神经网络提取的特征具有如下 特性：
(1) 浅层的特征抽象程度不高，往往能够表示目 标的轮廓、边缘、形状和大小等几何信息，有利 于目标的定位，但是缺少语义信息。较小的感受 野对于小行人目标的位置和细节信息更加敏感。
为了说明上述方法的有效性，采用二维最 大熵法和本文方法分别对非结构化道路图像 进行图像分割，对比结果如图4-8所示。可 以看出，本文方法相较于二维最大熵法对阴 影的抗比图
任务二 非结构化道路检测
二、道路边界特征点提取 实际情况中，非结构化道路的道路区域和非道路区域的像素一般是连续且相似的。基于此特性，提出了一
对于结构化道路来说，车道标线区域作为目标 区域，其灰度值高于背景区域，因此定义阈值，将 灰度值大于该阈值的像素点分割为目标，反之分割 为背景。统计表明，道路图像中背景像素和目标像 素分布的概率密度大都符合高斯密度。
图 4-2 传统 OTSU 方法
图 4-3 传统 OTSU 方法
任务一 结构化道路检测
由于路面存在交通标识、文字及行驶车辆等干扰因素， 因此需要对候选车道标线特征点进行筛选以排除干扰信 息。
图 4-4 候选车道标线特征点提取结果
任务一 结构化道路检测
2.车道标线特征点提取 2）基于成像模型约束的车道标线特征点筛
（3）当集合 S 中边界点的个数m 超过一定阈值，即 （ 指正确模型包含最少内点 数量）时，运用最小二乘法对集合 S 进行拟合，得出新的模型参数；
（4）按照上述方法重复 次，找出使 最小的模型参数 ，即为所求模型参数。
任务三 行驶环境中目标检测
众所周知，深度神经网络的是一个由浅及深， 层层抽象的模型，这十分有利于构建空间多尺度 特征，考虑到深度神经网络提取的特征具有如下 特性：
(1) 浅层的特征抽象程度不高，往往能够表示目 标的轮廓、边缘、形状和大小等几何信息，有利 于目标的定位，但是缺少语义信息。较小的感受 野对于小行人目标的位置和细节信息更加敏感。
为了说明上述方法的有效性，采用二维最 大熵法和本文方法分别对非结构化道路图像 进行图像分割，对比结果如图4-8所示。可 以看出，本文方法相较于二维最大熵法对阴 影的抗比图
任务二 非结构化道路检测
二、道路边界特征点提取 实际情况中，非结构化道路的道路区域和非道路区域的像素一般是连续且相似的。基于此特性，提出了一
对于结构化道路来说，车道标线区域作为目标 区域，其灰度值高于背景区域，因此定义阈值，将 灰度值大于该阈值的像素点分割为目标，反之分割 为背景。统计表明，道路图像中背景像素和目标像 素分布的概率密度大都符合高斯密度。
图 4-2 传统 OTSU 方法
图 4-3 传统 OTSU 方法
任务一 结构化道路检测
由于路面存在交通标识、文字及行驶车辆等干扰因素， 因此需要对候选车道标线特征点进行筛选以排除干扰信 息。
图 4-4 候选车道标线特征点提取结果
任务一 结构化道路检测
2.车道标线特征点提取 2）基于成像模型约束的车道标线特征点筛
《智能网联汽车线控技术》第一章 PPT
(1)线控转向系统 Steer-by-Wire
常规转向系
• 线控转向系统取ຫໍສະໝຸດ 了传统的机械式转向装置，转向器 与转向柱间无机械连接。
• 整个系统主要由转向盘位置传感器、力反馈电动机、 转向执行机构、转向ECU、轮胎角度传感器、环境传 感器组成，结构如图3所示。
图3 线控转向系统原理图 线控转向结构示意图.gif
图1 线控系统的组成框图
• 其实质就是在需要有机构动作的地方不是应用液压系统来传 递操纵动作，而是利用弱电信号再控制强电执行机构来完成。 线控（电控）系统中弱电信号早期用模拟信号较多，目前多 用数字信号。
• 线控技术就可理解为电控方式。这里的“X”代表着汽车 中传统上由机械或液压控制的各个功能部件，如：制动、 转向、悬架、油门、离合器、门锁等。
1.2.4 其他关键技术
（5）全矢量控制底盘线控技术 欠驱动系统是指系统的独立控制变量个数小于系统自由度个
数的一类非线性系统，在节约能量、降低造价、减轻重量、增强 系统灵活度等方面都较完全驱动系统优越。油门踏板、制动踏板 和转向盘3个关键操纵装置，控制车轮受到纵向、横向和垂向3个 独立的力，整车共12个作用力（4个车轮×3个方向）。
• 德国大众也有线控的概念车。
• 美国通用公司在2003年研制的HY-WIRE概念车和2005年研制 的Sequel概念车上都采用了线控转向和线控制动技术。
• 下为通用的HY-WIRE概念车，它采用氢动力和线传控制，通 过电机驱动实现汽车的启动、转向和制动等，是全新的一种概 念车。
• 下为它的车内乘坐舱的照片。
• 目前所有大型汽车制造商都在开发线控系统雏形及其产品。
• 美国TRW公司开发的线控驾驶系统使得燃油经济性上升5％； DELPHI（德尔福）汽车在电子转向系统中也作了类似改进； BOSCH、VALEO（法雷奥）公司和其他一些设备制造商已开 发或正在开发线控技术和产品。
《智能网联汽车运行与维护》-教学课件-15-情境四 任务四 车辆自诊断
知识讲解
故障码定义
汽车故障码就是汽车电控系统出现故障以后经汽车电子控制单元（ECU）分析反映出的故障定义
汽车故障码可以通过专用的诊断仪进行读取和清除。
知识讲解
故障码分类
汽车故障码真实性故障码、假故障码、历史性故障码、相关性故障码、间歇性故障码。
不能清除
真实性故障码（静态、当前的等）
车辆故障
排除故障
清除故障码
假故障码 历史性故障码 相关性故障码 间歇性故障码
车辆故障 车辆无故障
排除故障
清除故障码
清除故障码
分组计划
1. 分组，选组长
• 按照学号进行分组，5人一组，各小组选出组长
组长
组
组
组
组
员
员
员
员
1
2
3
4
分组计划
2.制定计划
• 各小组制定工作计划，明确小组成员任务实施具体分工并做记录
组长
监 督
• 蓝牙连接
• 以太网连接
知识讲解
定义
纯电动汽车诊断座是车载自动诊断系统的一个电插座，是连接汽车诊断仪的通 道，一共有16个针脚，为母头接口，接口为梯形状。部分车型的诊断座上有护盖。 最为常见的诊断座为黑色、白色、粉色或者蓝色
知识讲解
位置
纯电动汽车诊断座一般安装在仪表台左侧下方的位置，有的车型 安装在中央扶手处
车辆有故障码
知识讲解
定义
汽车故障诊断仪是车辆故障自检终端、汽车故障诊断仪（又称汽 车解码器）是用于检测汽车故障的便携式智能汽车故障自检仪，可以 利用它迅速地读取汽车电控系统中的故障，并通过液晶显示屏显示故 障信息，迅速查明发生故障的部位及原因。
知识讲解
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
滑模控制SMC对非线性系统以及未知干扰具有较强的鲁棒性，然而单一的SMC往往不能满足智能汽车控制 的要求，因此，改进基于滑模变结构的运动控制方法成为当前的研究重点，主要方向有融合比例微分控制、自 适应模糊控制以及神经网络控制的控制方法。
学习小结
智能网联汽车控制执行
智能网联汽车控制执行是整个自动驾驶系统的最后一环，是将环境感知，行为决策 和 路径规 划的结论付诸实践的执行者，是“人-车-路”组成的智能系统最终完成自动驾驶和协同驾驶的落地 部分，主要包括车辆的纵向控制、横向控制。目前控制执行主流的控制算法主要有PID控制、模型 预测控制、滑模控制等。
1、控制执行整体认知
智能网联汽车控制执行
二、控制执行的类型
智能网联汽车的控制执行是“人-车-路”组成的智能系统最终完成自动驾驶和协同驾驶的落地部 分，主要包括车辆的纵向运动控制和横向运动控制。纵向运动控制，即车辆的制动和驱动控制。横 向运动控制，即通过轮胎力的控制以及方向盘角度的调整，实现自动驾驶汽车的规划路径跟踪，这 两种控制方式是单车自动驾驶所具备的。各类型分别如图4-1-1和图4-1-2所示。
1、控制执行整体认知
PID控制参数调节的一般步骤是：
智能网联汽车控制执行
1）确定比例增益P 2）确定积分时间常数Ti 3）确定微分时间常数Td
1、控制执行整体认知
智能网联汽车控制执行
1）确定比例增益P
首先，去掉PID的积分项和微分项，一般是令Ti=0、Td=0，PID为纯比例调节。输入设定为系 统允许的最大值的60%~70%，由0逐渐加大比例增益P，直至系统出现振荡；然后，从此时的比例 增益P逐渐减小，直至系统振荡消失，记录此时的比例增益P，设定PID的比例增益P为当前值的 60%~70%。比例增益P调试完成。
2、纵向运动控制认知
智能网联汽车控制执行
三、纵向运动控制实现方式
纵向运动控制执行是车辆已知前方车辆的位置和速度等信息，结合自身当前运动状态对自身的纵向运动状 态进行调整的控制策略、执行步骤以及相应的控制方法的总称。在控制层面分为上层控制和下层控制，上层控 制就是在已知前方车辆的速度、加速度，前方车辆和本车的相对距离、本车的速度、加速度等信息的基础上判 断本车所需要进入到哪一种模式中。下层控制就是在上层决断进入某一种模式之后，采用相应的控制算法对自 车的速度、加速度进行调整，使后车与前车保持相对安全的状态。
纵向运动控制是指通过对油门和制动的协调，实现对期望车速的精准跟随。采 用油门和制动综合控制方法实现对预定速度的跟踪，其控制原理框图如图4-2-1所 示。
2、纵向运动控制认知
智能网联汽车控制执行
图4-2-1 纵向控制系统控制框图
纵向运动控制基本原理是根据预定速度和无人驾驶汽车实测速度的偏差，通过节气门控制器和制动控 制器根据各自的算法分别得到节气门控制量和制动控制量。切换规则根据节气门控制量、速度控制量和速 度偏差选择节气门控制还是制动控制。未选择的控制系统回到初始位置，如果按照切换规则选择了节气门 控制，则制动控制执行机构将回到零初始位置。
1、控制执行整体认知
智能网联汽车控制执行
（2）模型预测控制
模型预测控制（Model Predictive Control，MPC）起源于工业界，用于解决PID控制不易解决 的多变量、多约束的优化问题，具有处理线性和非线性模型、同时观察系统约束和考虑未来行为的 能力，近年来广泛用于智能网联汽车路径跟踪控制。MPC主要由模型预测、滚动优化和反馈调整3部 分组成，基于MPC的控制器原理如图4-1-4所示。
2、纵向运动控制认知
智能网联汽车控制执行
前方车辆 基本信息
结合自身状态判断 所需进入模式
相应模式的控制策略 执行机构
与前车保持 安全状态
图4-2-4 车辆纵向运动控制流程图
车辆纵向运动控制的流程如图4-2-4所 示。智能网联汽车纵向运动控制策略主要 包括设定速度控制、车速控制和间距控制 等。设定速度控制一般适用于车流密度较 小的高速公路或封闭园区。而在一般城市 道路环境下，由于外部环境变化复杂，突 发情况较多，需要频繁改变车速，这种情 况下，需采用车速控制或间距控制策略。
（2）模型预测控制
（3）滑模控制
1、控制执行整体认知
（1）PID控制
智能网联汽车控制执行
PID控制简称比例、积分和微分控制。PID控制器结构简单、容易实现且能达到较好的控制效果 ，因此广泛应用于控制领域。PID控制由比例单元P、积分单元I和微分单元D组成，其反馈控制原理 如图4-1-3所示。
1、控制执行整体认知
智能网联汽车控制执行
1、控制执行整体认知
智能网联汽车控制执行
一、控制执行的概念
控制执行是整个自动驾驶系统的最后一环，是将环境感知，行为决策，路径规划的结论付诸实 践的执行者。控制执行系统将来自决策系统的路径规划落实到汽车机构的动作上。控制过程的目标 就是使车辆的位置、姿态、速度和加速度等重要参数，符合最新决策结果。
2、纵向运动控制认知
二、纵向运动控制的类型
智能网联汽车纵向控 制按照实现方式分类
直接式运动控制 分层式运动控制。
智能网联汽车控制执行
2、纵向运动控制认知
（1）直接式运动控制
图4-2-2 直接式运动控制结构图
智能网联汽车控制执行
直接式运动控制是通过纵向控制器 直接控制期望制动压力和节气门开度， 从而实现对汽车纵向速度的直接控制， 该方法能够使汽车实际纵向速度迅速达 到期望值，响应速度快。具体结构如图 4-2-2所示。
1、控制执行整体认知
智能网联汽车控制执行
3）确定微分时间常数Td
微分时间常数Td一般不用设定，为0即可。若要设定，与确定P和Ti的方法相同，取不振荡时的 30%。
PID控制是一个传统控制方法，它适用于温度、压力、流量、液位等几乎所有工程应用场景。不 同的应用场景，仅仅是PID参数应设置不同，只要参数设置得当均可以达到很好的效果，甚至更高的 控制要求。
如图4-2-5所示，典型的智能网联汽 车纵向运动控制逻辑如下：
（1）前方没有车辆，自动驾驶控制 器（ECU）按照设定速度控制策略计算预 期加速度对节气门/制动器进行控制；
2、纵向运动控制认知
设定距离间隔、车速
前方是否有车辆
有
无
实际间距>预期间距+补偿间距
2、纵向运动控制认知
（2）分层式运动控制
智能网联汽车控制执行
图4-2-3 分层式运动控制结构图
分层式运动控制是根据控制目标的不同设计上位控制器和下位控制器，上位控制器是用来产生期望车 速和期望加速度，下位控制器根据上位控制的期望值产生期望的节气门开度和制动压力，以实现对速度和 制动的分层控制，如图4-2-3所示。
2、纵向运动控制认知
智能网联汽车控制执行
直接式运动控制考虑了系统的复杂性和非线性等特点，具有集成程度高，模型准确性强的特 点。但是其开发难度较高，灵活性较差。分层式运动控制通过协调节气门和制动分层控制，开发 相对易实现。但是由于分层式运动控制会忽略参数不确定性、模型误差以及外界干扰等的影响， 建模的准确性会受到一定的影响。
1、控制执行整体认知
智能网联汽车控制执行
2）确定积分时间常数Ti
比例增益P确定后，设定一个较大的积分时间常数Ti的初值，然后逐渐减小Ti，直至系统出现振 荡；之后在反过来，逐渐加大Ti，直至系统振荡消失。记录此时的Ti，设定PID的积分时间常数Ti为 当前值的150%~180%，积分时间常数Ti调试完成。
智能网联汽车技术基础
项目四 智能网联汽车控制执行
任务一 控制执行整体认知 任务二 纵向运动控制认知 任务三 横向运动控制认知
1
控制执行整体认知
学习目标
1. 掌握控制执行的概念。 2. 掌握控制执行的类型。 3. 了解控制执行的方法。
智能网联汽车控制执行
理论知识
一、控制执行的概念 二、控制执行的类型 三、控制执行的方法
循环进行，直到达到控制效果。
1、控制执行整体认知
智能网联汽车控制执行
PID控制通过调节比例、积分、微分实现系统的性能优化，各调节参数的作用表现在：
1）比例调节 2）积分调节 3）微分调节
按比例反映系统的偏差，系统一旦出现了偏差，比例调节立即产生调节作用用以减少偏差 。比例参数大，可以加快调节，减少误差，但是过大的比例，使系统的稳定性下降，甚至 造成系统的不稳定。
2
纵向运动控制认知
学习目标
1. 掌握纵向运动控制的基本原理 2. 了解纵向运动控制的类型 3. 掌握纵向运动控制的实现方式
智能网联汽车控制执行
理论知识
一、纵向运动控制概述 二、纵向运动控制的类型 三、纵向运动控制实现方式
智能网联汽车控制执行
2、纵向运动控制认知
智能网联汽车控制执行
一、纵向运动控制的概述
使系统消除稳态误差，提高无差度。只要存在误差，积分调节就起作用，直至消除误差， 然后积分调节终止。积分作用的强弱取决于积分时间常数，该值越小，积分作用就越强， 反之则越弱。但是，加入积分调节可使系统稳定性下降，动态响应变慢。积分调节常与另 外两种调节规律结合，组成PI调节器或PID调节器。
能够产生超前的控制作用，在偏差还没有形成之前，可通过微分调节作用消除。因此，可 减少超调量和调节时间，有效改善系统的动态性能。但是，微分调节对噪声干扰有放大作 用，因此过强的微分调节，对系统抗干扰不利。此外，微分调节反映的是变化率，而当输 入没有变化时，微分作用输出为零，所以微分作用不能单独使用，需要与另外两种调节规 律相结合，组成PD或PID控制器。
1、控制执行整体认知
智能网联汽车控制执行
（3）滑模控制
滑模控制（Sliding Mode Control，SMC）本质是一类特殊的非线性变结构控制，其非线性表现为控制的 不连续性，控制原理为根据系统所期望的动态特性来设计系统的切换超平面，通过滑动模态控制器使系统状态 从超平面之外向切换超平面收束；系统一旦到达切换超平面，控制作用将保证系统沿切换超平面到达系统原点 ，这一沿切换超平面向原点滑动的过程称为滑模控制。
学习小结
智能网联汽车控制执行
智能网联汽车控制执行是整个自动驾驶系统的最后一环，是将环境感知，行为决策 和 路径规 划的结论付诸实践的执行者，是“人-车-路”组成的智能系统最终完成自动驾驶和协同驾驶的落地 部分，主要包括车辆的纵向控制、横向控制。目前控制执行主流的控制算法主要有PID控制、模型 预测控制、滑模控制等。
1、控制执行整体认知
智能网联汽车控制执行
二、控制执行的类型
智能网联汽车的控制执行是“人-车-路”组成的智能系统最终完成自动驾驶和协同驾驶的落地部 分，主要包括车辆的纵向运动控制和横向运动控制。纵向运动控制，即车辆的制动和驱动控制。横 向运动控制，即通过轮胎力的控制以及方向盘角度的调整，实现自动驾驶汽车的规划路径跟踪，这 两种控制方式是单车自动驾驶所具备的。各类型分别如图4-1-1和图4-1-2所示。
1、控制执行整体认知
PID控制参数调节的一般步骤是：
智能网联汽车控制执行
1）确定比例增益P 2）确定积分时间常数Ti 3）确定微分时间常数Td
1、控制执行整体认知
智能网联汽车控制执行
1）确定比例增益P
首先，去掉PID的积分项和微分项，一般是令Ti=0、Td=0，PID为纯比例调节。输入设定为系 统允许的最大值的60%~70%，由0逐渐加大比例增益P，直至系统出现振荡；然后，从此时的比例 增益P逐渐减小，直至系统振荡消失，记录此时的比例增益P，设定PID的比例增益P为当前值的 60%~70%。比例增益P调试完成。
2、纵向运动控制认知
智能网联汽车控制执行
三、纵向运动控制实现方式
纵向运动控制执行是车辆已知前方车辆的位置和速度等信息，结合自身当前运动状态对自身的纵向运动状 态进行调整的控制策略、执行步骤以及相应的控制方法的总称。在控制层面分为上层控制和下层控制，上层控 制就是在已知前方车辆的速度、加速度，前方车辆和本车的相对距离、本车的速度、加速度等信息的基础上判 断本车所需要进入到哪一种模式中。下层控制就是在上层决断进入某一种模式之后，采用相应的控制算法对自 车的速度、加速度进行调整，使后车与前车保持相对安全的状态。
纵向运动控制是指通过对油门和制动的协调，实现对期望车速的精准跟随。采 用油门和制动综合控制方法实现对预定速度的跟踪，其控制原理框图如图4-2-1所 示。
2、纵向运动控制认知
智能网联汽车控制执行
图4-2-1 纵向控制系统控制框图
纵向运动控制基本原理是根据预定速度和无人驾驶汽车实测速度的偏差，通过节气门控制器和制动控 制器根据各自的算法分别得到节气门控制量和制动控制量。切换规则根据节气门控制量、速度控制量和速 度偏差选择节气门控制还是制动控制。未选择的控制系统回到初始位置，如果按照切换规则选择了节气门 控制，则制动控制执行机构将回到零初始位置。
1、控制执行整体认知
智能网联汽车控制执行
（2）模型预测控制
模型预测控制（Model Predictive Control，MPC）起源于工业界，用于解决PID控制不易解决 的多变量、多约束的优化问题，具有处理线性和非线性模型、同时观察系统约束和考虑未来行为的 能力，近年来广泛用于智能网联汽车路径跟踪控制。MPC主要由模型预测、滚动优化和反馈调整3部 分组成，基于MPC的控制器原理如图4-1-4所示。
2、纵向运动控制认知
智能网联汽车控制执行
前方车辆 基本信息
结合自身状态判断 所需进入模式
相应模式的控制策略 执行机构
与前车保持 安全状态
图4-2-4 车辆纵向运动控制流程图
车辆纵向运动控制的流程如图4-2-4所 示。智能网联汽车纵向运动控制策略主要 包括设定速度控制、车速控制和间距控制 等。设定速度控制一般适用于车流密度较 小的高速公路或封闭园区。而在一般城市 道路环境下，由于外部环境变化复杂，突 发情况较多，需要频繁改变车速，这种情 况下，需采用车速控制或间距控制策略。
（2）模型预测控制
（3）滑模控制
1、控制执行整体认知
（1）PID控制
智能网联汽车控制执行
PID控制简称比例、积分和微分控制。PID控制器结构简单、容易实现且能达到较好的控制效果 ，因此广泛应用于控制领域。PID控制由比例单元P、积分单元I和微分单元D组成，其反馈控制原理 如图4-1-3所示。
1、控制执行整体认知
智能网联汽车控制执行
1、控制执行整体认知
智能网联汽车控制执行
一、控制执行的概念
控制执行是整个自动驾驶系统的最后一环，是将环境感知，行为决策，路径规划的结论付诸实 践的执行者。控制执行系统将来自决策系统的路径规划落实到汽车机构的动作上。控制过程的目标 就是使车辆的位置、姿态、速度和加速度等重要参数，符合最新决策结果。
2、纵向运动控制认知
二、纵向运动控制的类型
智能网联汽车纵向控 制按照实现方式分类
直接式运动控制 分层式运动控制。
智能网联汽车控制执行
2、纵向运动控制认知
（1）直接式运动控制
图4-2-2 直接式运动控制结构图
智能网联汽车控制执行
直接式运动控制是通过纵向控制器 直接控制期望制动压力和节气门开度， 从而实现对汽车纵向速度的直接控制， 该方法能够使汽车实际纵向速度迅速达 到期望值，响应速度快。具体结构如图 4-2-2所示。
1、控制执行整体认知
智能网联汽车控制执行
3）确定微分时间常数Td
微分时间常数Td一般不用设定，为0即可。若要设定，与确定P和Ti的方法相同，取不振荡时的 30%。
PID控制是一个传统控制方法，它适用于温度、压力、流量、液位等几乎所有工程应用场景。不 同的应用场景，仅仅是PID参数应设置不同，只要参数设置得当均可以达到很好的效果，甚至更高的 控制要求。
如图4-2-5所示，典型的智能网联汽 车纵向运动控制逻辑如下：
（1）前方没有车辆，自动驾驶控制 器（ECU）按照设定速度控制策略计算预 期加速度对节气门/制动器进行控制；
2、纵向运动控制认知
设定距离间隔、车速
前方是否有车辆
有
无
实际间距>预期间距+补偿间距
2、纵向运动控制认知
（2）分层式运动控制
智能网联汽车控制执行
图4-2-3 分层式运动控制结构图
分层式运动控制是根据控制目标的不同设计上位控制器和下位控制器，上位控制器是用来产生期望车 速和期望加速度，下位控制器根据上位控制的期望值产生期望的节气门开度和制动压力，以实现对速度和 制动的分层控制，如图4-2-3所示。
2、纵向运动控制认知
智能网联汽车控制执行
直接式运动控制考虑了系统的复杂性和非线性等特点，具有集成程度高，模型准确性强的特 点。但是其开发难度较高，灵活性较差。分层式运动控制通过协调节气门和制动分层控制，开发 相对易实现。但是由于分层式运动控制会忽略参数不确定性、模型误差以及外界干扰等的影响， 建模的准确性会受到一定的影响。
1、控制执行整体认知
智能网联汽车控制执行
2）确定积分时间常数Ti
比例增益P确定后，设定一个较大的积分时间常数Ti的初值，然后逐渐减小Ti，直至系统出现振 荡；之后在反过来，逐渐加大Ti，直至系统振荡消失。记录此时的Ti，设定PID的积分时间常数Ti为 当前值的150%~180%，积分时间常数Ti调试完成。
智能网联汽车技术基础
项目四 智能网联汽车控制执行
任务一 控制执行整体认知 任务二 纵向运动控制认知 任务三 横向运动控制认知
1
控制执行整体认知
学习目标
1. 掌握控制执行的概念。 2. 掌握控制执行的类型。 3. 了解控制执行的方法。
智能网联汽车控制执行
理论知识
一、控制执行的概念 二、控制执行的类型 三、控制执行的方法
循环进行，直到达到控制效果。
1、控制执行整体认知
智能网联汽车控制执行
PID控制通过调节比例、积分、微分实现系统的性能优化，各调节参数的作用表现在：
1）比例调节 2）积分调节 3）微分调节
按比例反映系统的偏差，系统一旦出现了偏差，比例调节立即产生调节作用用以减少偏差 。比例参数大，可以加快调节，减少误差，但是过大的比例，使系统的稳定性下降，甚至 造成系统的不稳定。
2
纵向运动控制认知
学习目标
1. 掌握纵向运动控制的基本原理 2. 了解纵向运动控制的类型 3. 掌握纵向运动控制的实现方式
智能网联汽车控制执行
理论知识
一、纵向运动控制概述 二、纵向运动控制的类型 三、纵向运动控制实现方式
智能网联汽车控制执行
2、纵向运动控制认知
智能网联汽车控制执行
一、纵向运动控制的概述
使系统消除稳态误差，提高无差度。只要存在误差，积分调节就起作用，直至消除误差， 然后积分调节终止。积分作用的强弱取决于积分时间常数，该值越小，积分作用就越强， 反之则越弱。但是，加入积分调节可使系统稳定性下降，动态响应变慢。积分调节常与另 外两种调节规律结合，组成PI调节器或PID调节器。
能够产生超前的控制作用，在偏差还没有形成之前，可通过微分调节作用消除。因此，可 减少超调量和调节时间，有效改善系统的动态性能。但是，微分调节对噪声干扰有放大作 用，因此过强的微分调节，对系统抗干扰不利。此外，微分调节反映的是变化率，而当输 入没有变化时，微分作用输出为零，所以微分作用不能单独使用，需要与另外两种调节规 律相结合，组成PD或PID控制器。
1、控制执行整体认知
智能网联汽车控制执行
（3）滑模控制
滑模控制（Sliding Mode Control，SMC）本质是一类特殊的非线性变结构控制，其非线性表现为控制的 不连续性，控制原理为根据系统所期望的动态特性来设计系统的切换超平面，通过滑动模态控制器使系统状态 从超平面之外向切换超平面收束；系统一旦到达切换超平面，控制作用将保证系统沿切换超平面到达系统原点 ，这一沿切换超平面向原点滑动的过程称为滑模控制。