【doc】基于Carsim的车辆运动轨迹跟踪算法

【doc】基于Carsim的车辆运动轨迹跟踪算法 基于Carsim的车辆运动轨迹跟踪算法 ? 基于Carslm的车辆运动轨迹跟踪算法? 文章编号:1002—4581(2012)02—0022—03 基于Carsim的车辆运动轨迹跟踪算法 张亚岐 ZhangYaqi (长安大学汽车学院,陕西西安,710064) 摘要:车辆质心运动轨迹作为车辆最为直观的运动结果,对车辆行驶安全性和操纵稳定性的研究十分重要, 且准确计算车辆的行驶轨迹对驾驶员准确操控车辆很有帮助.但是由于技术水平的制约,当前车载定位系统的精度和 稳定性较差,且价格昂贵.文中以二自由度车辆模型为基础,通过坐标系变换,建立质心坐标的微分方程,运用Kalman 滤波技术对输入变量进行滤波,通过MATLAB/SIMULINK和Carsim进行联合仿真,试验结果与真实车辆行驶轨迹相 吻合. 关键宇:轨迹;质心;Kalman滤波;Simulink;Carsim 中图分类号:U462.3文献标识码gA O引言 汽车质心的运动轨迹作为车辆最直观的运 动结果,对于驾驶员——汽车闭环系统运动性能 的分析和评价是十分重要的.车辆行驶轨迹的在 线计算一直是车辆研究人员关注的焦点.车载辅 助驾驶系统基本都是靠对车辆状态的在线估计来 支撑的,典型的如全球定位系统(GPS),地理信 息系统(GIS),侧面碰撞修正系统(BSI)以及 压线报警系统都是以车辆当前的参数为基础,通 过条件判断,预测来控制系统的执行操作,这些 系统都是针对豪华轿车设计的.因此,寻求低成 本,高精度且能实时计算车辆运动轨迹的方法已 成为车辆控制研究的重点,而经典Kalman技术 能够有效去除输入变量中的噪声,从而为仿真的 可靠性和精确性提供数据基础.文中以二自由度 的车辆模型l1】为基础,利用Simulink和Carsim进 行联合仿真.Simulink能够实时在线计算车辆的 行驶轨迹,进而能够对车辆进行跟踪.为了保 证试验真实可靠,将一段实际道路曲线作为 Carsim的道路输入,这就为试验验证提供了可 靠的数据支持,也为后续的车辆目标跟踪研究提 供现实基础. 1Kalman预测算法 卡尔曼滤波器用于估计离散时间过程的状态 变量XER.离散线性定常系统的状态方程如下: xk=A一 1 +Bu+wk一 1(1) 定义观测变量Z?R,得到量测方程 Z=nx,+'Ok(2) 其中W和v分别表示过程激励噪声和观测 噪声.假设它们为相互独立,正态分布的白色噪 声,Kalman滤波器主要是通过式(1)对下一个 状态进行估计,根据对估计量进行修正 ^^一 ,,^一, Xk=Xk+Klz—Hl(3)/, Kk=Pk-Hr(月)=(4) 其中,x?R(一代表先验,^42表估计) 为在已知第k步以前状态情况下第k步的先验状 ? 基于Carshn的车辆运动轨迹跟踪算法? 态估计;?R"为已知测量变量时第k步的 后验状态估计;为先验估计误差协方差;为 后验估计协方差;为观测噪声的方差. 卡尔曼滤波器用反馈控制的方法估计过程 状态:滤波器估计过程某一时刻的状态,然后以 (含噪声的)测量变量的方式获得反馈.最终的 Kalman估计算法成为一种具有数值解的预估一 校正算法LzJ,Kalman滤波器的工作原理如图1. 潮 量 更 新 ^ 校 正 V 图1][(U1]lll~n滤波器的工作原理图 2运动方程的建立 2.1坐标变换和速度积分求解车辆运动轨迹 在此以线性二自由度的车辆模型为基础,忽 略车辆沿z轴的垂直运动,在车辆坐标系下分析 车辆的运动,车辆在固定坐标系下的坐标值用下 式可以求得 X=I?dt=j(u~o~e—vsin~)dt(5) Y=I?dt=IUsin~/-vcos~)dt(6) 其中,Ky为固定坐标系下汽车质心纵向和 侧向位移;,为固定坐标系下车辆质心的纵向 速度和横向速度;,v为车辆坐标下的纵向速度和 横向速度;为车辆的横摆角.汽车运动参数在 固定坐标系和车辆坐标系中的表达:其中OXY为固定坐标系,oxy为车辆坐标系. Y 0 图2汽车运动参数在固定坐标系和车辆坐标系中的表达 2.1.1计算汽车横摆角 根据车身侧倾角,俯仰角俯仰角速度 以及欧拉角速度和动坐标系角速度的转换关系计 算车辆的横摆角 口:— Odl-WrX — sin(7) 口=——,/ COS = (qosin~+Wr?cos~)?sec0(8) = Idt(9) 2.1.2计算车辆坐标系下的纵向速度和横向速度 根据坐标变换可以得出车辆坐标系下的纵 向,横向加速度与固定坐标系下的纵向,横向加 速度之间的关系 cos .n g[列? 车辆坐标系下的车辆纵向,横向加速度为 f?』+a x(11) 【V'=--UoWr 利用(9)式,(11)式即可得到车辆坐标系 下的汽车的纵向速度,横向速度以及横摆角 j+)(12)lV=?w,+ay)df… 再结合(5)式,(6)式就能求出车辆的质 心运动轨迹. 3试验验证 试验采用Simulink和Carsim联合仿真,考 虑到直线行驶时车辆运动轨迹为简单直线,因此, 选取较为复杂的实际道路曲线作为Carsim的道 路曲线输入,来验证该跟踪算法的可靠性和真实 ? 基于Carslm的车辆运动轨迹跟踪算法? 性.将车辆起始位置设置为(0,O),起始时间为 0.在Carsim中输入的道路曲线如图3所示. 图3试验道路曲线 图4,图6为试验中采集到的车辆横摆角速 度,纵向加速度和侧向加速度. 图4车辆横摆角速度 圈5车辆纵向加速度 图6车辆侧向加速度 从图中可以看出,通兔[Kalrnan滤掰翌后, 各个参数的波动性明显哥,,曲线变得更为平滑. . 24. 图7实际试验道路曲线与车辆行驶轨迹对比 仿真结果显示,仿真计算的车辆行驶轨迹基 本与道路曲线相吻合.总的趋势与实际道路曲线 保持一致,误差为5.9%,该仿真算法能够对车辆 行驶轨迹进行较好跟踪.从图7中也可以看出, 仿真结果有些滞后,这可能是由于转向系的响应 延迟导致车辆横摆角速度,侧向加速度响应滞后 而产生的,因此只需对仿真结果向右平移0.05个 单位就能跟实际道路曲线很好地吻合,进而能够 对车辆行驶轨迹进行准确的跟踪. 4结论 文中利用MATLAB/Simulink和Carsim进行 联合仿真,以实际道路曲线作为仿真的道路曲线 输入,且对车辆横摆角速度,车辆纵向加速度以 及侧向加速度进行了Kalman滤波,剔除输入参 数中随机噪声,仿真结果与实际车辆运动曲线相 吻合.运用Simulink和Carsim联合仿真能够有 效地对车辆行驶轨迹进行跟踪,但是仅用二自由 度的车辆模型建立的车辆运动微分方程不能充分 反映车辆质心侧偏和轮胎侧偏对仿真结果的影 响,对于精度要求较高的跟踪系统还需建立更为 复杂的车辆模型. 参考文献 [1】余志生.汽车理论(第4版)【M】.北京:机械工业出版社, 2006. 【2】付梦印,邓志红,阎莉萍.Kalman滤波理论及其在导航系统 中的应用(第2版)【M】.北京:科学技术出版社.2010. 【3]M.米奇克.汽车动力学(第4版)【M】.陈荫三,余强,译. 北京:清华大学出版社,2009. 【4】高越,杨得军,宗长富,等.汽车轨迹测量的速度积分方法 及其实施技术[J].汽车技术,2002,(9). 收稿日期:2011-11-09