汽车智能控制

汽车智能控制 1. 智能控制介绍 传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性、时不变性等相对简单的控制问题，难以解决对复杂系统的控制。在传统控制的实际应用遇到很多难解决的问题，主要表现以下几点：（1）实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，无法获得精确的数学模型。（2）某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题。 (3）针对实际系统往往需要进行一些比较苛刻的线性化假设，而这些假设往往与实际系统不符合。 （4）实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务，如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。 在生产实践中，复杂控制问题可通过熟练操作人员的经验和控制理论相结合去解决，由此，产生了智能控制。智能控制将控制理论的方法和人工智能技术灵活地结合起来，其控制方法适应对象的复杂性和不确定性。 1.1 智能控制的概念 智能控制是一门交叉学科，著名美籍华人傅京逊教授1971年首先提出智能控制是人工智能与自动控制的交叉，即二元论。美国学者G.N.Saridis1977年在此基础上引入运筹学，提出了三元论的智能控制概念，如图1即 IC=AC∩AI∩OR 式中各子集的含义为 IC——智能控制（Intelligent Control） AI——人工智能（Artificial Intelligence） AC——自动控制（Automatic Control） OR——运筹学（Operational Research） 图1 智能控制三元论 人工智能（AI）是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。 自动控制（AC）描述系统的动力学特性，是一种动态反馈。 运筹学（OR）是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。 三元论除了“智能”与“控制”外还强调了更高层次控制中调度、规划和管理的作用，为递阶智能控制提供了理论依据。 所谓智能控制，即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境（包括被控对象或被控过程）信息的变化作出适应性反应，从而实现由人来完成的任务。 1.2 智能控制的发展 智 能控制是自动控制发展的最新阶段，主要用于解决传统控制难以解决的复杂系统的控制问题。 从二十世纪60年代起，由于空间技术、计算机技术及人工智能技术的发展，控制界学者在研究自组织、自学习控制的基础上，为了提高控制系统的自学习能力，开始注意将人工智能技术与方法应用于控制中。 1966年，J.M.Mendal首先提出将人工智能技术应用于飞船控制系统的设计； 1971年，傅京逊首次提出智能控制这一概念，并归纳了三种类型的智能控制系统：（1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能；（2）人—机结合作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务； （3）无人参与的自主控制系统：为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务。如自主机器人。1985年8月，IEEE在美国纽约召开了第一界智能控制学术讨论会，随后成立了IEEE智能控制专业委员会；1987年1月，在美国举行第一次国际智能控制大会，标志智能控制领域的形成。 近年来，神经网络、模糊数学、专家系统、进化论等各门学科的发展给智能控制注入了巨大的活力，由此产生了各种智能控制方法。智能控制的几个重要分支为专家控制、模糊控制、神经网络控制和遗传算法。随着汽车工业的发展，人们对汽车安全性，舒适性，以及智能性等的要求提高，智能控制技术逐渐应用于汽车行业。 2.汽车的智能控制（自主驾驶） 2.1 汽车智能控制技术与理论 2.1.1 人工智能 汽车驾驶通常被认为是需要人类智能参与才能完成的一项工作，因此自主驾驶从一出现就被作为一个非常困难的人工智能问题来研究。人工智能研究试图解决如何通过计算使机器具有像人类一样的感知、推理和行为能力的问题。人工智能从其出现至今，取得了一系列重要研究成果，其中包括启发式搜索、博弈论等问题求解方法，以及知识表示及推理、路径规划、不确定性知识及推理、各种有监督及无监督的机器学习方法等一系列研究成果。所有这些重要研究成果都已经或有可能应用到汽车自主驾驶系统中去，实现汽车的自主驾驶。因此说人工智能的每一个发展都有可能影响到汽车自主驾驶技术的发展。 2.1.2 计算机科学 计算机从出现到现在，一直在迅速地发展，计算能力在不断地增强。特别是现代电子技术的发展，使得计算机体积在不断缩小的同时，其计算能力却在以几何级数提高，而成本却在迅速的下降。这一切都为人工智能有关算法的实现提供了强有力的计算能力保障。特别是进入二十世纪九十年代以来，计算能力已不再是制约人工智能发展的一个重要因素。这也就是说，计算机的发展是汽车自主驾驶系统计算能力的强有力保证。 2.1.3 模式识别 模式识别是另一个与汽车自主驾驶相关的重要学科。汽车自主驾驶中有关环境感知、状态感知的一系列重要问题都是模式识别所要研究的问题。计算机视觉，作为汽车自主驾驶技术用来感知周围环境的～种最重要手段，是模式识别的一个重要分支。近年来，与自主驾驶相关的计算机视觉技术获得了巨大进步，已经能够较好地完成结构化道路环境下的道路标志线识别、车辆及障碍物的检测和定位等。将模式识别的有关研究成果应用到自主驾驶系统的视觉处理中，提高其识别和检测能力将会大大推动汽车自主驾驶技术的发展和应用。 2.1.4 自动控制理论 自动控制理论发展的过程就是控制系统自主性不断增强的过程。早期的经典控制理论只适用于系统结构固定、参数变化较小的线性系统。自适应控制的出现是为了应付系统结构不变而参数缓慢变化的控制对象。鲁棒控制则是为了解决被控对象的模型具有一定范围不确定性的控制问题。而监督控制、智能控制及学习控制的提出则是试图将人工智能中有关知识推理和机器学习的理论引入控制系统中，以期在对更为复杂的被控对象的控制中获得更好的控制效果。 从控制的角度来说，汽车自主驾驶问题是一个控制器综合问题，被控对象是行驶在道路网上的特定汽车，其控制目标是使自主车到达道路上的某个特定点。由于道路网及其上的期望输出。这样一个复杂的控制问题，是控制理论面临的一个重大挑战。智能控制和学习控制的发展为这一问题提供了可能的解决途径。 2.2 自动驾驶系统介绍 车辆自动驾驶系统主要是应用现代化的传感器技术、通信技术、计算机技术以及检测技术等装备车辆及智能交通系统，并通过车路间通信和车车间通信，达到车辆可以自动控制方向、速度、车间距等，从而使车辆自动行驶在智能化公路上。 实现自动驾驶有两个基本关键技术：1）车道检测；2）障碍物检测。 在实现车辆感知外部环境方面，在经过多方面的探索之后，证明利用及其视觉是最有效的感知方式。 基于立体视觉软件系统的GOLD（Generic Obstacle and Lane Detection—障碍物和车道检测）系统，常用在移动车辆上，辨识一般障碍物（在对称和形状上无约束）以及在结构环境下的车道位置（ 绘有道路标识）" 利用反转透视映射几何变换，可以将透视效果从左右立体图像中删除；单幅图像可以借助一系列的数学形态逻辑滤波辨识道路标识，利用立体图像来辨识车辆前方的自由立体空间。 车辆的各个控制系统使用不同传感器传来的信息，这些传感器可分为自我位置探测传感器和目标探测传感器" 立体视觉传感器用来探车道标识，并在三维坐标中输出车道的边界" 这些信息同来自DGPS传感器及数字地图的数据组合得出车辆的精确位置以及公路的几何形态"。行车环境中的障碍物是用视觉传感器、四个激光扫描仪和一个雷达来探测" 信息的融合过程包括了数据对准、数据关联和状态估计，采用自适应滤波的方法，如图所示： 图1 自动驾驶系统的多传感器信息融合结构模型 还有一种方法采用激光雷达或扫描仪来探测远距离的障碍物，感知汽车前方的环境状态；而超声波传感器可以在相对比较近的区域内检查车辆后方和侧面的行车环境；CCD摄像机使汽车保持航线，控制汽车的横向运动" 另外转向执行器控制着车辆的纵向运动，D/A 转换器产生驾驶信号，这样安装在制动踏板附近的直流电动机就能够控制车辆的纵向运动 在一系列传感器测量信息的基础上对动态的行车环境进行重建" 这样做一是由于行车环境里包含着运动的和静止的障碍物，因此对障碍物的检测可能不精确、不完整或是被干扰；二是由于行车环境是一个动态的自然环境，障碍物会随时进入或驶出传感器的视觉范围，或被别的物体遮挡。 为了解决这些问题，就要在正确测量和评估的基础上进行信息融合，采用两级式的行车环境跟踪。 在第一级，每一个传感器都根据本身的探测情况建立局部目标跟踪航迹，再把局部预测送入第二级融合中心进行融合，得出更为精确的结果，配合预测—匹配—校正的算法可保持环境预测的时空一致性。 2.3汽车自主驾驶研相关研究领域： 2.3.1 自动化高速公路系统(Automated Highway System)。 自动化高速公路系统(AHS)研究提供了另外一条实现车辆自动驾驶的途径，它们试图通过对现有高速公路系统进行自动化改造，增加电子路标、磁轨等导航设备，以解决汽车自主驾驶所面临的环境感知与理解的团难。特制的自动驾驶汽车可以在这种经过改造的自动化公路上自主行驶。该项研究在日本和美国均已开展了大量的工作，也取得了一些研究成果，其面I临的问题主要在于，需对道路基础设施进行大量改造，且这种车辆的自动驾驶只适用于经过改造的公路。 2.3.2 汽车主动安全技术(Vehicle Active Safety Technology)。 汽车主动安全技术包括汽车车道跑偏告警、防追尾、防侧撞、驾驶员状态监测、驾驶员视觉增强等，试图将部分汽车自主驾驶技术应用到汽车上，辅助驾驶员驾驶工作，以提高汽车的安全性。 2.3.3 智能车(Intelligent Vehicle)。 智能车是相对于其它概念的一个更为广泛的概念，所有具有了驾驶员建议，警告系统、部分自主驾驶、完全自主驾驶等性能，相对具有更高的安全性、舒适性、及智能性的车辆都可以称为智能车。因此智能车研究是包括汽车自主驾驶、汽车主动安全技术等在内的一个更广的范围。 2.4 汽车智能控制自主驾驶技术关键技术 自主驾驶系统的两大功能模块及相互关系：机器有限的推理决策能力和环境感知理解能力是目前制约自主驾驶技术的两个瓶颈，也是自主驾驶技术研究的重点。通常将自主驾驶系统分为两大功能模块：环境感知和驾驶控制。其中： (1)环境感知 笼统地说，就是利用有关的环境传感器和定位定向传感器来确定车辆与道路、障碍的相互关系，以及车辆相对于全局导航坐标系的位置、速度、方向等信息。这些信息是驾驶控制系统进行决策控制的基础。一般常用的环境传感器包括：磁轨、可见光摄像机、激光雷达、毫米波雷达、全球定位系统、惯性导航系统、里程仪等。选用合适的传感器，并对感知的信号进行处理，以获得可以用来对自主车进行导航的环境信息，是自主车环境感知的研究重点。用机器视觉的方法对摄像机采集的图像进行分析处理，以获得车辆导航信息是目前比较常用的一种环境感知方法。国内外大多数自主车研究都采用了这种基于机器视觉的导航方法。 (2)驾驶控制 作为自主驾驶系统两大功能模块中的一个，驾驶控制模块应能完成自主驾驶任务中除环境感知之外的所有功能，包括任务规划、行为决策、车辆操作等。这些任务从时间跨度、空间广度，以及所要利用信息的种类和范围等方面往往是不同的。例如：每次产生的车辆操纵命令只会在产生一个新操纵命令之前的几十毫秒内影响车辆运动，而一个换道机动的决策则会影响到车在未来几秒甚至几十秒内的运动，并使车辆产生一个明显的侧向位移。如何将这些不同性质的任务组织成一个统一体，各个任务功能如何实现等，都是驾驶控制研究所要解决的关键问题。 3．结束语 汽车技术逐渐与相关技术融合，作为一项综合技术而不断发展，在这个发展过程中，电子技术、计算机技术、信息技术、传感器技术等起了十分重要的作用。现在，信息技术革命正在把汽车设计推向一个新的领域，自动化、智能化、多功能将成为"C 世纪汽车发展的新趋势。电脑技术、自动控制技术以及信息融合技术与汽车相结合，更是增加了汽车的安全性、舒适性和方便性) 而其中，信息融合技术正在扮演着越来越重要的角色，被广泛地应用于有关汽车行业的各个系统中。 参考文献 1. 郝奕，李以农，郭旭，刘建房 车辆控制系统中的信息融合技术 2006 2. 孙振平 自主驾驶汽车智能控制系统 2004 3. 李锐，郑太雄 ，李银国，冯辉宗，陈伟民 汽车防抱死制动系统分级智能控制 2007 三元论 （智能控制） 人工智能 自动控制 运筹学 路径规划 目标估计 数据匹配 数据对准 目标跟踪传感器（激光扫描仪雷达）