上海交通大学智能网联电动汽车创新中心团队在老师吴晓东指导下，于自动化与控制系统领域顶刊IEEE Transactions on Industrial Electronics上发表题为“Human-Guided Shared Control Strategy for Drift-Grip Adaptation Under Low Adhesion Conditions”的研究论文。文章主要探讨了低附着力路面条件下智能车辆的人机协同漂移驾驶控制策略与方法,为人机共驾技术的方案设计和应用场景提供了新思路。本文第一作者是机械与动力工程学院2021级博士生严凉。
研究背景
冰雪等极端路面条件容易引发车辆事故，其根本原因在于轮胎与路面的附着力极限降低使车辆系统的运动表现出较强的非线性特性，而驾驶员应对此类极限工况的操控经验不足以维持车辆的可控行驶。现有稳定性电控辅助系统一般将车辆运行状态严格限制在其开环稳定域内，避免发生包括轮胎抱死、漂移等情形在内的极限机动行为，这在很大程度上削弱了智能线控底盘的运动潜力和敏捷性。此外，现有漂移控制方法通常需要预先设定车辆轨迹，且在运行过程中无法灵活更改目标轨迹，导致其工程应用的局限性。
研究现状
人机集成系统通过促进人类智能与机器智能的优势互补，得以在控制灵活性和能效方面取得巨大提升。然而，目前关于实现极限工况人机协同驾驶的相关研究较少，其挑战一方面源于从人机交互过程中准确识别驾驶员的意图与期望，另一方面在于高效实现车辆非线性运动的即时控制。
研究成果
为了综合解决上述问题，论文提出了一种人机协同驾驶框架，以实现智能车辆在极端条件下的漂移抓地自适应控制。为实现这一目标，本文首先构建了知识型双层Takagi-Sugeno-Kang模糊模型，以捕捉驾驶员的控制引导意图。此外，设计了一种基于事件触发型模型预测控制的漂移平衡点实时跟踪器，以辅助驾驶员实施方向盘和踏板控制。最后，通过硬件在环实验验证了所提出人类引导控制策略的有效性，实验结果表明其在提高车辆极限驾驶稳定性方面具有显著优势。
图1 协同漂移控制框架
图2 动力学平衡点配置
图3 模拟实验场景
图4 控制方案对比
论文链接：https://ieeexplore.ieee.org/document/11014211
作者信息
严凉，上海交通大学机械与动力工程学院2021级博士研究生。研究方向：人机交互与协同、智能驾驶决策与控制。
吴晓东，2011年毕业于日本立命馆大学，获机械电子专业工学博士学位，目前任上海交通大学机械与动力工程学院副教授，博士生导师。现担任中国自动化学会车辆控制与智能化专业委员会委员，中国汽车工程学会转向技术分会委员，上海市电子学会理事委员，上海市经济和信息化委员会技术专家，Automotive innovation、Machines期刊编委等职务。主要从事先进车辆底盘控制技术以及底盘线控化、智能化方面的研究，包括线控转向技术、线控制动技术、智能驾驶技术等，进行了大量基于软件和硬件平台的实验实践。主持国家科技部重点研发专项、自然科学基金、教育部基金、国际合作项目、产学研合作项目等几十项，相关成果在国内外学术期刊和国际学术会议上发表论文50余篇，出版著作2部，发明专利10余项。先后荣获“第三届中法团队合作创新奖之首创奖”，“源创杯颠覆性技术创新创意大赛优秀奖”，“IEEE国际信息与自动化学会优秀论文奖”等奖励。研究方向：线控底盘系统、行驶动力学和运动控制。
原文链接：https://mp.weixin.qq.com/s/SPcRnQJNZ_JnDJ8R1WylOQ
