Введение

Маршрут после системы является системой управления, которая сохраняет транспортное средство, перемещающееся в отмеченном маршруте магистрали при поддержании установленной пользователями скорости или безопасного расстояния от предыдущего транспортного средства. 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 транспортные средства.

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.

Открытая тестовая модель

Откройте тестовую модель Simulink.

open_system('LaneFollowingTestBenchExample')

Модель содержит четыре основных компонента:

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

Постройте дорогу и путь что автомобиль, оборудованный датчиком.

plot(scenario)

Чтобы построить результаты симуляции и изобразить среду автомобиля, оборудованного датчиком и отслеживаемые объекты, используйте Bird ' s-Eye Scope. Bird ' s-Eye Scope является инструментом визуализации уровня модели, который можно открыть от панели инструментов Simulink. На вкладке Simulation, рассматриваемых Результатах, нажимают Bird's-Eye Scope. После открытия осциллографа, настроенного сигналы путем нажатия на Find Signals.

Чтобы получить середину представления симуляции, симулируйте модель для 10 секунды.

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

После симуляции модели в течение 10 секунд откройте Bird ' s-Eye Scope. В панели инструментов осциллографа, чтобы отобразить Представление Мировых координат сценария, нажимают World Coordinates. В этом представлении окружен автомобиль, оборудованный датчиком. Чтобы отобразить легенду для Представления Координат Транспортного средства, нажмите Legend.

Bird ' s-Eye Scope показывает результаты сплава датчика. Это показывает, как радар и датчики видения обнаруживают транспортные средства в их зонах охвата. Это также показывает дорожки, обеспеченные 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).

Симулируйте 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 эффективность контроллера.

plotLFResults(logsout,time_gap,default_spacing)

Первый рисунок показывает следующие результаты эффективности управления интервалом.

Второй рисунок показывает следующие боковые результаты эффективности 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 предсказания 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 рыскания измеряет угловое различие в рыскании между автомобилем, оборудованным датчиком и дорогой. ISO 8855 с блоком SAE J670E в подсистеме преобразует 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 Транспортного средства и Среды и, генерируют всестороннее изображение ситуации среды вокруг автомобиля, оборудованного датчиком. Кроме того, это обеспечивает маршрут после контроллера с оценкой самого близкого транспортного средства в маршруте перед автомобилем, оборудованным датчиком.

Цели для блока MPC Controller к:

Контроллер MPC спроектирован в блоке Path Following Control (PFC) System на основе вводимых параметров маски, и спроектированным Контроллером MPC является адаптивный MPC, который обновляет модель транспортного средства 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] м/с^2.

Исследуйте транспортное средство и среду

Подсистема Транспортного средства 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 из Vehicle Dynamics Blockset™. Движущие силы низшего уровня моделируются линейной системой первого порядка с постоянной времени секунд.

SAE J670E к подсистеме ISO 8855 преобразует 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 преобразует 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 транспортного средства 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 угол рыскания, искривление, производную искривления и допустимую длину каждого дорожного контура, составляя любые другие препятствия. Блок Radar Detection генерирует обнаружения точки от достоверных данных, 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 эффективность контроллера, можно протестировать контроллер на несколько сценариев и настроить параметры контроллера, если эффективность не является удовлетворительной. Сделать так:

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

Сгенерируйте код для алгоритма управления

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

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

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

if hasEmbeddedCoderLicense
  slbuild('LFRefMdl')
end

Можно проверить, что скомпилированный код С ведет себя, как ожидается использование программного обеспечения в цикле (SIL) симуляция. Симулировать 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 LaneFollowingTestBenchExample модель, код сгенерирован, скомпилирован и выполнен для LFRefMdl модель, которая позволяет вам протестировать поведение скомпилированного кода посредством симуляции.

Заключения

В этом примере показано, как реализовать интегрированный маршрут после контроллера на кривой дороге со сплавом датчика и обнаружением маршрута, протестируйте его в Simulink с помощью синтетических данных, сгенерированных с помощью программного обеспечения Automated Driving Toolbox, разбейте на компоненты его, и автоматически сгенерируйте код для него.

close all
bdclose all