Документация

Введение

Маршрут после системы является системой управления, которая сохраняет автомобиль, перемещающийся в отмеченном маршруте магистрали при поддержании установленной пользователями скорости или безопасного расстояния от предыдущего автомобиля. Маршрут после системы включает объединенное продольное и боковое управление автомобиля, оборудованного датчиком:

Объединенный маршрут после системы управления достигает отдельных целей по продольному и боковому управлению. Далее, маршрут после системы управления может настроить приоритет двух голов, когда им нельзя соответствовать одновременно.

Для примера продольного управления с помощью адаптивного круиз-контроля (ACC) со сплавом датчика смотрите Адаптивный Круиз-контроль с Fusion Датчика (Model Predictive Control Toolbox). Для примера бокового управления с помощью системы хранения маршрута помогает (LKA) с обнаружением маршрута смотрите, что Маршрут Сохранить Помогает с Обнаружением Маршрута (Model Predictive Control Toolbox). Пример ACC принимает идеальное обнаружение маршрута, и пример LKA не рассматривает окружающие автомобили.

В этом примере рассматриваются и обнаружение маршрута и окружающие автомобили. Маршрут после системы синтезирует данные из видения и радарных обнаружений, оценивает центр маршрута и ведущее автомобильное расстояние, и вычисляет продольное ускорение и держащийся угол автомобиля, оборудованного датчиком.

Добавьте папку в качестве примера в путь MATLAB®.

addpath(fullfile(matlabroot,'examples','mpc','main'));

Открытая тестовая модель

Откройте тестовую модель Simulink.

open_system('LaneFollowingTestBenchExample')

Модель содержит четыре основных компонента:

Открытие этой модели также запускает скрипт helperLFSetUp, который инициализирует данные, используемые моделью путем загрузки констант, необходимых модели Simulink, таких как параметры модели автомобиля, параметры проектирования контроллера, дорожный сценарий и окружающие автомобили.

Постройте дорогу и путь, что автомобиль, оборудованный датчиком будет следовать за использованием:

plot(scenario)

Чтобы построить результаты симуляции и изобразить среду автомобиля, оборудованного датчиком и отслеживаемые объекты, используйте Видимый с большого расстояния Осциллограф. Видимый с большого расстояния Осциллограф является инструментом визуализации образцового уровня в Simulink, что вы можете с помощью меню, предоставленного на панели инструментов модели Simulink. После открытия осциллографа, настроенного сигналы путем нажатия на Find Signals.

Чтобы получить середину представления симуляции, моделируйте модель в течение секунд 10.

sim('LaneFollowingTestBenchExample','StopTime','10')

После симуляции модели в течение 10 секунд откройте Видимый с большого расстояния Осциллограф.

Видимый с большого расстояния осциллограф показывает результаты сплава датчика. Это показывает, как радар и датчики видения обнаруживают автомобили в их зонах охвата. Это также показывает дорожки, сохраняемые блоком Multi-Object Tracker. Желтая дорожка показывает самый важный объект (MIO), который является самой близкой дорожкой перед автомобилем, оборудованным датчиком в его маршруте. Идеальные маркировки маршрута также показывают наряду с искусственно обнаруженными левыми и правыми контурами маршрута (отображенные красным).

Моделируйте модель в конец сценария.

sim('LaneFollowingTestBenchExample')

   Assuming no disturbance added to measured output channel #3.
-->Assuming output disturbance added to measured output channel #2 is integrated white noise.
   Assuming no disturbance added to measured output channel #1.
-->Assuming output disturbance added to measured output channel #4 is integrated white noise.
-->The "Model.Noise" property of the "mpc" object is empty. Assuming white noise on each measured output channel.

Постройте производительность контроллера.

plotLFResults(logsout,time_gap,default_spacing)

Первые данные показывают следующие результаты производительности управления интервалом.

Вторые данные показывают следующие боковые результаты производительности управления.

Исследуйте маршрут после контроллера

Маршрут После Подсистемы контроллера содержит три основных части: 1) Оценочный Центр Маршрута, 2) Отслеживающий и датчик Fusion 3) Контроллер MPC

open_system('LaneFollowingTestBenchExample/Lane Following Controller')

Оценочная подсистема Центра Маршрута выводит данные о датчике маршрута контроллеру MPC. Предварительно просмотренное искривление обеспечивает среднюю линию искривления маршрута перед автомобилем, оборудованным датчиком. В этом примере автомобиль, оборудованный датчиком может смотреть вперед в течение 3 секунд, который является продуктом горизонта прогноза и шага расчета контроллера. Диспетчер использует предварительно просмотренную информацию для вычисления руководящего угла автомобиля, оборудованного датчиком, который улучшает контроллер MPC производительность. Боковое отклонение измеряет расстояние между автомобилем, оборудованным датчиком и средней линией маршрута. Относительный угол отклонения от курса измеряет угловое различие в отклонении от курса между автомобилем, оборудованным датчиком и дорогой. ISO 8855 к блоку SAE J670E в подсистеме преобразовывает координаты от Обнаружений Маршрута, которые используют ISO 8855 Контроллеру MPC, который использует SAE J670E.

Видение процессов подсистемы Fusion Отслеживания и Датчика и радарные обнаружения, прибывающие из подсистемы Автомобиля и Среды и, генерируют всестороннее изображение ситуации среды вокруг автомобиля, оборудованного датчиком. Кроме того, это обеспечивает маршрут после контроллера с оценкой самого близкого автомобиля в маршруте перед автомобилем, оборудованным датчиком.

Цели для блока MPC Controller к:

Контроллер MPC разработан в блоке Path Following Control (PFC) System на основе вводимых параметров маски, и разработанным Контроллером MPC является адаптивный MPC, который обновляет модель автомобиля во время выполнения. Маршрут после контроллера вычисляет продольное ускорение и держащийся угол для автомобиля, оборудованного датчиком на основе следующих входных параметров:

Рассматривая физические ограничения автомобиля, оборудованного датчиком, держащийся угол ограничивается быть в [-0.26,0.26] рад, и продольное ускорение ограничивается быть в [-3,2] m/s^2.

Исследуйте автомобиль и среду

Подсистема Автомобиля и Среды включает симуляцию с обратной связью маршрута после контроллера.

open_system('LaneFollowingTestBenchExample/Vehicle and Environment')

Системные блоки Задержки моделируют задержку в системе между входами и выходами модели. Задержка может быть вызвана задержкой датчика или коммуникационной задержкой. В этом примере задержка аппроксимирована на секунды шага расчета.

Подсистема Динамики аппарата моделирует динамику аппарата с помощью блока Bicycle Model - Force Input от Vehicle Dynamics Blockset™. Движущие силы низшего уровня моделируются линейной системой первого порядка с временной константой секунд.

SAE J670E к подсистеме ISO 8855 преобразовывает координаты от Динамики аппарата, который использует SAE J670E Читателю Сценария, который использует ISO 8855.

Блок Scenario Reader считывает данные о положениях агента из файла сценария. Блок преобразовывает положения агента от мировых координат сценария в координаты автомобиля, оборудованного датчиком. Положения агента передаются потоком на шине, сгенерированной блоком. Блок Scenario Reader также генерирует идеальные левые и правые контуры маршрута на основе положения автомобиля относительно сценария, используемого в helperLFSetUp.

Блок Vision Detection Generator берет идеальные контуры маршрута из блока Scenario Reader. Генератор обнаружения моделирует поле зрения монокулярной камеры и определяет направляющийся угол, искривление, производную искривления и допустимую длину каждого дорожного контура, составляя любые другие препятствия. Блок Radar Detection генерирует обнаружения точки от данных наземной истины, существующих в области радара на основе радарного поперечного сечения, заданного в сценарии.

Запустите контроллер для нескольких сценариев тестирования

Этот пример использует несколько сценариев тестирования на основе стандартов ISO и реальных сценариев. Чтобы проверить производительность контроллера, можно протестировать контроллер на несколько сценариев и настроить параметры контроллера, если производительность не является удовлетворительной. Сделать так:

Можно автоматизировать верификацию и валидацию контроллера, использующего Simulink Test™.

Сгенерируйте код для алгоритма управления

Поддержки модели LFRefMdl, генерирующие код С с помощью программного обеспечения Embedded Coder®. Чтобы проверять, есть ли у вас доступ к Embedded Coder, выполнению:

hasEmbeddedCoderLicense = license('checkout','RTW_Embedded_Coder')

Можно сгенерировать функцию C для модели и исследовать отчет генерации кода путем выполнения:

if hasEmbeddedCoderLicense
  rtwbuild('LFRefMdl')
end

Можно проверить, что скомпилированный код С ведет себя, как ожидается использование программного обеспечения в цикле (SIL) симуляция. Чтобы моделировать LFRefMdl модель, на которую ссылаются, в режиме SIL, используйте:

if hasEmbeddedCoderLicense
  set_param('LaneFollowingTestBenchExample/Lane Following Controller',...
            'SimulationMode','Software-in-the-loop (SIL)')
end

Когда вы запускаете модель LaneFollowingTestBenchExample, код сгенерирован, скомпилирован и выполнен для модели LFRefMdl, которая позволяет вам протестировать поведение скомпилированного кода посредством симуляции.

Заключения

Этот пример показывает, как реализовать интегрированный маршрут после контроллера на кривой дороге со сплавом датчика и обнаружением маршрута, протестировать, это в Simulink с помощью синтетических данных сгенерировало использование Automated Driving Toolbox, разбейте на компоненты его, и автоматически сгенерируйте код для него.

Удалите папку в качестве примера из пути MATLAB.

rmpath(fullfile(matlabroot,'examples','mpc','main'));