菲律宾申慱sunbet平台
菲律宾申慱sunbet平台
设为首页 | 收藏此站
关于我们 工业新闻中心 工业动态中心 工业新闻案例 联系我们
您的位置: sunbet主页 > 工业动态中心 >
工业新闻中心
中项网(中国工程项
日【日刊工业新闻】
中国工程项目中心网
基于整车在环仿真的自动驾驶汽车室内快速测试
发布人: 菲律宾申慱sunbet平台 来源: 菲律宾申慱sunbet网址 发布时间: 2020-08-13 17:18

  整车在环仿真测试方法可以安全、高效地验证复杂和极端工况等场景下自动驾驶汽车性能的有效性,基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台,将自动驾驶汽车、虚拟仿真场景和前轴可旋转式转鼓试验台耦合构建一个闭环系统,完成了多项关键技术研发,可满足在各种场景下测试自动驾驶汽车整车性能的需求。

  自动驾驶汽车能有效地缓解交通拥堵、提高交通安全、改善交通污染,但近年来发生的若干起无人车驾驶事故使得人们对自动驾驶汽车的安全性提出质疑。自动驾驶车辆能否应对突发事件,并在恶劣天气和极端况下保障行驶安全已成为亟待解决的重要问题。当前相关单位已达成高度共识:为自动驾驶车辆在各种道交通状况和应用场景下均可以安全、可靠、高效地运行,

  虚拟仿真测试、实车测试和硬件在环测试是自动驾驶汽车测试的重要手段。其中虚拟仿真测试方法成本低、测试效率高,但是准确性较差。实车测试则主要分为封闭场地测试和道测试两种测试方法。封闭场地测试方法具有较高的安全性,但是测试场景过于简单,且场地投资成本高;道测试虽然具有丰富的测试场景,但是测试安全性较低,且无法穷尽所有交通场景。因此

  近年来,基于硬件在环(Hardware-in-the-loop, HIL)的仿真方法在汽车测试领域受到了广泛的关注和应用。在对实际车辆进行仿真测试过程中,通过结合数学模型与物理硬件设备以提高模型置信度。与实车测试相比,该方法施工

  整车在环(Vehicle-in-the-loop,VIL)仿真是HIL仿真的一种特殊类型,通过将自动驾驶系统集成到真实车辆中,并在实验室条件下构建模拟道、交通场景以及因素,

  ,可在各种虚拟交通场景下测试自动驾驶汽车轨迹规划、轨迹及执行器控制性能,可大大缩短自动驾驶汽车的研发周期并提高测试效率,与自动驾驶实车测试相比具有:安全性好、重复性高、节省人力和时间成本等优势。

  如下图1所示,基于整车在环仿真的自动驾驶汽车室内快速测试平台由7个子系统组成,分别为:前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、汽车驾驶模拟器、自动驾驶汽车、测试结果自动分析评价子系统。测试平台各子系统通过主控系统利用以太网相互通信。各个子系统功能描述如下:

  前轴可旋转式转鼓试验台测控系统设有多组硬件机构,主要包括滚筒组、坡度模拟、转向随动、轴距调整等机构。在测试过程中通过调节俯仰角、侧倾角、航向角三个控制度,模拟不同道的几何线形和横/纵向坡度;利用转向随动机构模拟车辆转向;滚筒组用于模拟连续移动的行驶面,四个滚筒分别提供不同的面摩擦系数(例如,冰雪面,湿滑面等),从而

  试验台测控子系统是一个基于CAN总线的分布式网络测控系统,通过前轴可旋转式转鼓试验台主要采集车轮及车身的速度、转角和横/纵向坡度等数据,实现面模拟、升降台、行程距离和常规制动参数控制,

  虚拟场景自动生成子系统采用虚拟现实技术重构自动驾驶车辆动力模型、车载传感器功能、真实天气情况、道和交通场景及事件,

  测试过程中将驾驶模拟器上执行的加速/制动、换道、转弯等行车操作映射至场景中的其他虚拟车辆。对静态虚拟场景常行驶的自动驾驶汽车进行干扰,模拟更加真实而丰富的动态交通测试场景,自动驾驶汽车改变驾驶决策,确保其具有对运动物体的识别能力与避撞能力,可

  自动驾驶汽车以32线旋转激光雷达、单线激光雷达、毫米波雷达、工业相机作为主要设备,利用北斗/GPS双模式的全局定位,结合高精度驾驶地图进行实时径规划,采用最先进的电控液压相结合的方式对车辆的执行机构部分进行控制。

  测试结果自动分析评价子系统具有强大的数据存储及计算能力,根据车载传感器和试验台的输出数据,如汽车、姿态、速度、加速度、航向以及交通状态等参数

  同时利用以太网协调各子系统之间的信息传递,提供良好的人机交互界面,可直观地了解平台的整体测试状况,便于查找、及排除故障。

  注册标定模块主要用于录入车辆各项物理参数,通过在转向角标定和阻力模型标定过程中调整并优化转向系统和阻力模型的控制参数,台架检测精度。

  系统模块主要保存车辆相关测试信息,同时记录系统运行中的软、硬件日志文件,定期根据系统日志完成设备功能自检,确保测试平台高效运行。

  试验台测控程序主要用于调试台架各执行机构的性能,为车辆技术功能测试及场地模拟测试提供设备保障。

  虚拟场景设置模块通过在虚拟场景中调整天气及光照、布设道标识以及模拟障碍物从而为自动驾驶汽车测试提供丰富的场景用例。

  场地模拟测试模块可以复现多种典型的道交通场景,为自动驾驶汽车提供多种模拟的道工况、交通和交通事件。

  为VIL测试过程中的车辆提供真实的道物理模型和车辆动力学模型参数,确保仿真测试的精确度。

  提供一种安全、经济、可重复、可控、有效的自动驾驶车辆整车在环仿真测试方法。可降低检测人员的劳动强度,提高检测效率与准确度,实现自动驾驶汽车快速高精度检测。

  为减小测量误差,确保系统运行的安全性,测试前首先需录入待测车辆物理参数;其次根据车辆轴距调整台架前后滚筒中心距,在检测到车辆到位后调整相关安全机构;最后对车辆进行转向标定和车型阻力模型标定,确定测试项目,做好测试准备。

  测试过程中,虚拟场景子系统实时接收试验台采集的车身及车轮速度、转角等状态参数并传至虚拟自动驾驶汽车中,以控制车辆相关机构执行虚拟车辆加/减速、转向等动作;与此同时,虚拟场景子系统

  试验台测控子系统接收并处理分析各部分传来的测量数据,随后重复实现上述步骤,即完成一个循环。

  计算测试过程中车辆的动作执行正确率,评价自动驾驶汽车决策执行的实时性、灵敏性、智能度、舒适性、经济燃油性等指标。

  试验台需要模拟真实的道工况,同时将自动驾驶车辆的部分硬件系统或整个车辆接入测试环中,协同虚拟仿真场景实现

  车辆稳定性是自动驾驶技术中的重要需求,车辆航向角、侧倾角和俯仰角等位姿参数的模拟精度直接影响自动驾驶汽车控制策略实施的准确性及驾驶舒适性。三度模拟系统根据虚拟场景发送的道模型信息,分别提取车辆航向角度、道侧倾角度和纵向坡度的相关参数,控制对应的机构执行动作以实现闭环控制,在额定范围内协调配合模拟不同道工况下的车辆位姿状态。

  在传统的车辆综合性能检测过程中,由于前转向轮与支撑滚筒的高速旋转,使得两者之间的横向摩擦力很小而产生相对滑动,导致轮胎的转向力矩不足以驱动滚筒旋转,造成转角传递严重失真,台架无法正常完成转向功能,且影响车身稳定。车向随动系统通过预测车轮与滚筒间的转向偏差角实现滚筒实时跟随车动,以减少转向过程中车轮受到的侧向力,保持车轮与滚筒的相对稳定,车辆在台架上行驶过程常转向。

  传统的车辆试验台在测试车辆紧急制动的过程中,由于车身固定不动,只有车轮在滚筒上转动,使得测试结果与道试验相比因制动时车身动能不同而存在差异。为了与道试验条件保持一致,试验台利用飞轮组模拟车辆在道上高速制动时的平动动能,可为自动驾驶汽车硬件在环测试提供真实的道。

  平台设计一种测试场景自动重构方法,通过解构真实场景并多种组合场景要素从而构建更丰富的测试场景。

  自动驾驶测试场景指在一定时空范围内,自动驾驶汽车与行驶中的其他车辆、基础设施、天气、光照、障碍物等要素综合交互的过程,它既包含场景中的各类实体,同时还包含实体执行的动作以及实体间的连接关系。

  场景要素是自动驾驶虚拟测试场景中的重要组成部分。本文主要将场景要素分为静态要素和动态要素两部分。其中,静态要素主要包括道类型、面工况、天气光照、基础设施、道标识等;动态要素主要包含本车速度、航向角及方向盘转角,目标类型、与目标的相对速度、相对等。

  如图7所示,基于2.3.3节归纳不同类型的自动驾驶汽车虚拟测试场景需求,研究我国的道交通特征和自动驾驶车辆的运行特点,结合测试场景要素分析并归纳自动驾驶汽车安全运行能力的影响因子;其次提取真实驾驶场景中的关键特征参数,运用深度学习和图模型理论等方法实现测试场景的聚类分析与挖掘;然后通过设定场景关键要素的模糊逻辑判定规则、计算模糊逻辑匹配可信度、检验模糊匹配可信度,解决关键要素间的合耦合和要素不确定性随机组合的问题,对不同组合规律和要素进行约束以实现自动重构,最后形成基于模糊匹配的测试场景重构方法,为测试评价提供场景支撑。图8所示为平台所构建的自动驾驶虚拟仿真测试场景。

  传感器数据模拟及注入利用传感器HIL仿真测试方法实现虚拟传感器功能,主要包括摄像头仿真器、毫米波雷达模拟器、激光雷达目标模拟器。图9所示为传感器HIL仿真流程图。

  摄像头仿真采用视频黑箱拍摄的方法,通过摄像头直接对准显示器,将仿真的交通场景视频数据注入到摄像头中的图像处理芯片中识别道信息(如车道线、行人、障碍物等),可用于模拟多种镜头仿真,如单目、多目摄像头和环视摄像头等;

  毫米波雷达模拟器在接收到车载毫米波雷达的发射信号同时,实时接收虚拟场景传来的多个方向的目标参数(距离、方位、运动速度及大小等)并模拟真实的雷达回波信号,从而将虚拟交通场景信息传递给车载毫米波雷达传感器。

  激光雷达目标模拟器仿真方案与毫米波类似,通过网络接入VIL系统,实时接收虚拟场景传来的目标点云参数并进行目标回波仿真。传感器仿真设备通过接入VIL系统,提高虚拟仿真测试系统的精确度,从而确保无人驾驶汽车测试方法的可靠性。

  为验证所提出的室内快速测试平台对自动驾驶汽车性能的测试效果,本文以U-turn(掉头)轨迹为研究实例,在自动驾驶车辆快速测试平台上实现U-turn场景下自动驾驶汽车的轨迹控制算法,并测试不同速度下算法的性能。

  在试验过程中记录测试台架的转向台转角、车速等信息,车载终端记录待测自动驾驶汽车的实时速度、方向盘转角、航向角、及坐标信息。设定场景为正常道工况下的静态驾驶场景,并在分别搭建半径为和的U-turn参考轨迹,利用CANUSB进行自动驾驶汽车控制测试,自动驾驶测试平台室内测试过程如图11所示。

  在不同半径下的仿线所示,(a)和(b)显示了虚拟车辆以20km/h的速度分别半径为10m和15m的U-turn轨迹时自动驾驶汽车的方向盘转角信息,从图中可看出,两组方向盘转角的变化趋势相近,当车辆轨迹至最远点时,所需的方向盘转角达到最大值,随着参考轨迹曲率半径的增大,车辆所需的转向角峰值会逐渐降低,此时车辆更容易参考轨迹。测试过程说明了虚拟自动驾驶汽车进行轨迹时,方向盘转角变化趋势符合车辆运动学规律;(c)和(d)显示了轨迹时自动驾驶汽车的纵向速度与预定速度间的误差,由两组图可知,由于车辆执行转弯操作时轮胎受力变大,使得车辆行驶速度降低,与预定速度之间存在较小偏差,同时车辆可根据预定速度进而调整速度误差。

  为验证平台的轨迹性能,分别从虚拟车辆行驶轨迹与参考轨迹之间的横向误差、纵向误差、航向角误差进一步分析,结果如图13所示,其中虚拟车辆以15km/h的速度半径为10m的U-turn参考轨迹。从(a)中可以看出,轨迹横向误差保持在区间内,并可通过实时修正横向误差防止轨迹偏离;(b)中纵向误差保持在区间内,在车辆进入U-turn前的直行过程中由于车辆处于加速阶段,行驶速度小于预设速度,其纵向行驶位移小于预测值;在进入U-turn后车辆通过调整车速从而修正纵向误差,保持车辆性能;(c)中航向角误差保持在区间内,当车辆行驶至U-turn轨迹最远处,此时航向角误差达最大,该误差可仍保持车辆在转弯过程中较好地参考轨迹。

  同时,本文通过分析车辆轨迹过程中的横向加速度来验证车辆舒适性,如图16所示。图中车辆横向加速度基本在区间范围内波动,曲线抖动频率较大,说明在轨迹过程中,车辆通过不停地调整速度、航向角及轮胎转角来控制轨迹的横向误差,使得算法不够稳定,舒适性较差。另外,试验中出现加速度大范围骤变情况,其原因在于车辆在驶出U-turn弯道时由于速度较大,需较急地回打方向盘以控制横向距离,在此瞬间产生非常大的反向作用力导致出现该现象。

  为进一步论证测试平台的效果,本文通过对比台架转向台转角与车角分析台架转向随动系统的性能,如图17所示。从图中可看出,转向台在左右转角极限区间内与自动驾驶汽车实际转角较为接近,

  本文针对自动驾驶车辆道测试成本高、周期长、无法穷举所有工况,且在极端恶劣条件下难以测试人员安全的问题,研发了一种整车在环仿真的自动驾驶汽车室内快速测试系统架构并搭建测试平台。

  未来将深入讨论导致虚拟仿真测试与实车场地测试之间存在轨迹差异的因素,如航向角、轮速、车角等因素;其次,针对轨迹过程中存在的控制不稳定,舒适性差的问题进行深入的研究;最后,依托封闭测试场地验证虚拟仿真测试结果,并利用反馈结果优化虚拟场景和仿真执行过程。

  作者简介:赵祥模,长安大学教授,博士研究生导师,“车联网与智能汽车测试技术创新联盟”理事长,工学博士,《中国公学报》编委,《交通运输工程学报》主编。研究领域:交通智能检测与控制技术、车联网与智能网联汽车测试技术、分布式计算机网络测控技术及应用、视觉主导的复杂交通群智与场景理解、新一代智能交通系统理论及应用

sunbet,菲律宾申慱sunbet网址,菲律宾申慱sunbet平台
@2015 上海 菲律宾申慱sunbet平台 工业用品有限公司 首页 | 关于我们 | 工业新闻中心 | 工业动态中心 | 工业新闻案例 | 联系我们
sunbet,菲律宾申慱sunbet网址,菲律宾申慱sunbet平台 网站地图 电话:+86 21-62120656/62128546 传真:+86 21-62123708