1介绍
高级驾驶员辅助系统(该)如车道保持辅助(党的),自适应巡航控制系统(ACC),防撞(CA)系统已经广泛应用于商用车辆。这些系统大大减少人类司机的工作量,减少事故的风险,和崩溃的警告或支持司机特定演习(<一个href="#B20">Rajamani 2011一个>)。该开发的半自治的驾驶场景可以分为人类引导人类监督和协助架构(<一个href="#B6">Flemisch et al ., 2008一个>)。最近工作已经证实driver-in-the-loop(迪勒)人类辅助ADAS架构可以用来解决各种人机交互(HMI)挑战包括权力分配(<一个href="#B1">Abbink et al ., 2011一个>),过渡的权威(<一个href="#B21">齐藤et al ., 2018一个>),冲突管理(<一个href="#B14">阮et al ., 2017一个>),减少驾驶员的工作量和技能增强(<一个href="#B29">和田et al ., 2016一个>)。这样的合作推动架构已经探索了自适应巡航控制、防撞系统,车道偏离/保持系统等(<一个href="#B22">萨利赫et al ., 2013一个>;<一个href="#B23">Schnelle et al ., 2017一个>)。为ADAS设计合作控制架构,迪勒架构通常由集成驱动程序属性,如工作量,制定控制设计经验和技巧。属性等有效的行动,反映了各种驱动程序模型基于神经肌肉动力学(<一个href="#B24">Sentouh et al ., 2009一个>)、数据驱动(<一个href="#B8">李et al ., 2016一个>)、手阻抗(<一个href="#B28">田中et al ., 2010一个>)、视觉/预览模型已经开发(<一个href="#B14">阮et al ., 2017一个>)。在这项工作中,我们探索合作的途径控制车道保持辅助系统(党的)通过考虑转向输入(扭矩)作为控制信号,专注于司机努力的最小化以及驱动程序和系统之间的冲突。人类司机和自主控制器之间的冲突通常发生在两个相同的驾驶任务代理有不同的行为。这样的场景出现在代理之间的权力过渡,突然演习执行驱动程序/自动化不是预测的其他代理和极端的演习期间即急弯谈判。1.1的艺术各种合作提出了控制架构(<一个href="#B22">萨利赫et al ., 2013一个>;<一个href="#B27">Soualmi et al ., 2014一个>;<一个href="#B14">阮et al ., 2017一个>;<一个href="#B23">Schnelle et al ., 2017一个>;<一个href="#B31">王et al ., 2017一个>根据迪勒设计)。在(<一个href="#B1">Abbink et al ., 2011一个>;<一个href="#B11">火星et al ., 2014一个>;<一个href="#B3">波英克et al ., 2014一个>)触觉反馈从方向盘被用来确保司机和自主控制器参加了驾驶操作。在(<一个href="#B29">和田et al ., 2016一个>),车道保持基于联合控制的方法H<年代ub>2年代ub>预览控制提出了合并nuero-muscular驱动模型。同样在(<一个href="#B27">Soualmi et al ., 2014一个>),一个触觉之间共享控制司机和e-copilot考虑使用驱动扭矩触觉反馈为车道保持t - s模糊控制器的设计。在(<一个href="#B31">王et al ., 2017一个>),延迟,等不同驱动转向特性和预览时间,迪勒增益调度H<年代ub>∞年代ub>强大的共享提出了控制器。,(<一个href="#B29">和田et al ., 2016一个>;<一个href="#B21">齐藤et al ., 2018一个>基于合作状态检测、驾驶员之间的冲突自由权力平稳过渡和自主控制器提出了。同样在(<一个href="#B16">Oudainia et al ., 2022一个>),缓解冲突提出了通过调整成本函数的目标。扩展的工作(<一个href="#B13">阮et al ., 2015一个>),提出了一种联合控制方法采用t - s模型(<一个href="#B14">阮et al ., 2017一个>同时)来执行车道保持和冲突最小化。在(<一个href="#B9">Lv et al ., 2018一个>)触觉控制架构开发控制权力的平稳过渡和适应驾驶员认知负载。适用于(<一个href="#B29">和田et al ., 2016一个>;<一个href="#B31">王et al ., 2017一个>)假设固定的纵向速度在车道保持控制器的设计。此外,司机之间的冲突和自动驾驶系统中没有显式地处理(<一个href="#B17">Oufroukh Mammar, 2014一个>;<一个href="#B31">王et al ., 2017一个>)。在(<一个href="#B15">阮et al ., 2018一个>),不可预知的driver-automation交互中显式地考虑共享控制方案,通过一个虚构的司机活动变量。同样的,(<一个href="#B32">王et al ., 2018一个>)提出了一种共享控制器路径跟踪考虑不同的司机的特征减少的物理工作经验不足的司机。面向driver-automation共享控制的概念的车道保持辅助(党的)提出了(<一个href="#B25">Sentouh et al ., 2018一个>)基于两个地方最优控制器系统感知与鲁棒控制相结合,提出的策略可以成功分享人类司机之间的控制权力和党的系统。(<一个href="#B19">帕诺人et al ., 2020一个>)提出了一种共享feedforward-feedback合成使用混合控制策略H<年代ub>2年代ub>/H<年代ub>∞年代ub>控制涉及到后巷的性能指标和分享功能。这个策略很有趣,因为它使用共享水平明确驾驶员和援助。此外,共享控制提出了(<一个href="#B33">赵et al ., 2020一个>)更加灵活,因为这项工作后续的研究(<一个href="#B18">帕诺人et al ., 2019一个>)。它旨在将适应驾驶员的驾驶任务的共享水平使用控制论的驱动程序模型。控制权力从自动化功能过渡到人类司机特别研究(<一个href="#B10">Lv et al ., 2021一个>;<一个href="#B16">Oudainia et al ., 2022一个>)。这可以帮助驾驶员控制车辆逐步。最近,共享控制策略研究了考虑驾驶员的行为得到更好的合作。(<一个href="#B7">黄et al ., 2019一个>)提出了一种采用数据驱动的自适应动态规划和开发的合作框架基于经典小增益理论迭代学习计划。在(<一个href="#B4">陈et al ., 2020一个>),l一个ne-keeping控制方法采用基于远近的驾驶员模型的视觉角度和一个健壮的并行分布补偿H<年代ub>∞年代ub>控制器。这些方法通常验证合作迪勒设计车道保持任务的性能。与此同时,有必要确保这种新型的流动性考虑司机的预期和可预见的道路使用者行为的变化(<一个href="#B24">Sentouh et al ., 2009一个>)。总的来说,共享控制问题能够与人类分享驾驶责任司机仍是一个挑战。因此有必要开发一种新的人机交互策略(HMI),允许渐进的共享控制车辆的车辆和司机之间的命令。1.2提出方法在这个工作中,小说共享控制架构所示<一个href="#F1">图1一个>基于驾驶员的视觉和neruo-muscular参数的动态识别在线实时将开发和验证各种驾驶场景下SHERPA-LAMIH驾驶模拟器。这一战略考虑驾驶员的视觉和神经肌肉属性为司机的能力提供足够的援助。基于共享控制的原理,算法必须确保逐步转移的控制车辆的司机最安全、最直观的方式对司机为了减少它们之间的冲突。
本文的特raybet雷竞技下载地址色贡献可以归纳为以下几方面:
•一个新的控制驾驶员模型,该模型考虑了视觉和神经肌肉方面提出了(第二节)。
•驱动模型的参数在线估计由一个新的识别方法基于李雅普诺夫稳定性(3节)。
•实时变化的方面前进速度和司机的模型参数属性与有限的多面体顶点,治疗和治疗通过域的边界(第四节)。
•Driver-Road-Vehicle系统的闭环稳定性的自适应驱动模型和车辆速度的变化可以保证使用LMI的李雅普诺夫稳定性参数控制框架(4节)。
本文概述如下。Driver-Road-Vehicle建模提出了第二节。网络驱动程序参数识别方法是显示在第三节和Driver-Automation共享控制的目的是在第四节。随后,在第五节中,识别方法的性能,验证了合作控制方案与著名的夏尔巴人动态交互仿真汽车模拟器下真实的驾驶情况。<一个我d="h3" name="h3">
2 Driver-in-the-loop车辆建模
司机在循环的设计合作控制是在这对车道保持工作,进行避障,车道改变策略。为一个有效的合作司机控制器的设计,集成driver-road-vehicle模型是在这一节中讨论。2.1机动车动态车辆横向动力学轮胎与路面相互作用的结果可以用自行车模型(<一个href="#B20">Rajamani 2011一个>)。外侧轮胎摩擦部队的车辆转向可以表示为