基于Simulink的车辆操作稳定性控制系统建模设计文献综述
随着汽车保有量的增长，汽车交通事故现如今成为了严重危害公共安全的一大社会问题。车道变换就是一种容易引发交通事故和道路堵塞的驾驶行为，据统计，我国2012年至2017年，机动车保有量年均增长1400万辆，截止2017年5月，我国机动车保有量将突破3亿，其中汽车达2亿辆；注册机动车驾驶员超3.64亿人，其中汽车驾驶员达3.2亿人[1]。另外，根据欧盟的数据统计,由车道变换引起的事故占总事故的4~10%，并导致了10%的道路堵塞等交通问题[2]。车辆不恰当的换道行为是道路交通事故和交通拥堵的主要因素，尤其是在复杂动态的交通环境下，车辆的换道方式以及换道的时机具有明显的差异性。因此加强复杂动态城市环境下车辆换道行为决策研究对于保证车辆行驶安全、提高道路通行能力、改善绿色生态驾驶环境具有重要意义。无人驾驶车辆在信息时代最主要的特点就是驾驶行为拟人化、认知决策智能化，它的发明就是要在真实的道路交通环境下替代驾驶员安全有效，正确的完成驾驶任务。以驾驶员得到特性为核心，跟驰、换道等微观模型为载体，运用设定好的程序对驾驶员行为决策进行建模，建立起符合我们正常的驾驶习惯的驾驶决策模型，是无人驾驶车辆以及智能辅助驾驶系统开发和实现的关键技术，对无人驾驶车辆真实城市道路自主行驶具有十分重要的理论价值和现实意义。智能车辆致力于提高汽车的安全性、舒适性和提供优良的人车交互界面，是目前各国重点发展的智能交通系统中一个重要组成部分，也是世界车辆工程领域研究的热点[3]。
随着智能车辆技术研究的逐渐深入，车辆换道模型成为国内外学者研究的热点，车辆换道模型决定了在车道变换过程中车辆是不是能够保持通畅、快速、安全的进行驾驶。车辆换道模型的深人研究对提高道路通行能力有着重要的意义，不仅如此在减少车辆延误、改善道路拥挤等方面也有着突出的贡献[4]。换道路径的规划是指按照道路安全条件,提前规划出来一个虛拟的讲要去行驶的路径，保证汽车在正在行驶的车道中安全、平顺、稳定的按照规划的路径驾驶到到我们所需要的车道中去[5]。
1.国内外研究现状
国外在车辆避撞局部路径规划方面的研究相对较早，并已经取得了一定成果。DaviesT使用遗传算法进行避障的局部路径规划[6]，该算法与大自然的进化规律相像，经过编码、交叉、变异和建立适应度数学模型进行路径规划。Shen Z通过设计基于信息熵的自适应遗传算法,改善了原来算法中的“早熟”和收敛慢的缺点，该方法划分路径的依据是区域模式的种类，并根据路径群体熵的大小测量其多样性。在遗传过程中，交叉和变异的设计来源于信息熵的编码方式，这样既可以解决“早熟”难题，又可以保留群体的多样性[7]。Benavides F等联合Voronoi图与遗传算法进行路径规划，并结合了之前Roque和Doering两位学者所提出的观点，把道路上的障碍物当做Voronoi图里面的生成点来构造道路模型，然后搭建自适应算法的适应度数学模型，寻找从起始点到终止点的通顺无碰撞路径[8]。虽然我国对无人驾驶局部路径规划的研究比较晚，但也取得了一定的成果。戴光明等联合可视图法和最优任意小四边形包围法则建立汽车行驶空间模型，该模型可以寻找起始点到终止点间的最短路径，进行路径规划。然后通过Floyed算法的优化来求解最优路径[9]。肖本贤等提出了障碍物速度及碰撞危险度的定义，将障碍物与汽车的速度、位置等数据作为输入条件搭建动态路径规划模型，并使用模糊神经网络优化在避撞过程中动态规划路径的结果[10]。
通过对国内外的研究现状分析可以看出，关于车辆换道控制的研究，无论是国内还是国外都是比较薄弱，研究不够深入，不够全面。在这些研究成果中对于换道时的稳定性研究较少。并且主要研究的是车辆个体在行驶中的避障变道过程，忽视了多个车辆时，协同其他的车辆，安全的换入所期望的车道。
汽车的操纵稳定性是指:“驾驶员不感到过分紧张、疲劳的条件下，车辆能够遵循驾驶者通过转向系及转向车轮所期望的方向行驶,并且当遭遇外界干时，汽车能抵抗并且保持稳定行驶的能力”。汽车操作稳定性的研究是汽车智能交通系统、汽车主动安全技术、汽车自动驾驶和车辆巡航技术的基础工作。汽车的操纵稳定性不仅影响汽车的操纵性能,而且关系到汽车行驶的安全性问题,因此，汽车的操纵稳定性的研究工作日益受到重视。汽车的操纵稳定性包含相互联系的两个部分，一是操纵性，二是稳定性。操纵性是指汽车能够确切地响应驾状员转向指令的能力，稳定性是指汽车受到外界挠动后恢复原来运动状态的能力。两者很难断然分开,稳定性好坏直接影响操纵性的好坏。因此通常只统称为操纵稳定性。[11-12]
2.车辆失去稳定性的判断
汽东在路面上换道时常常要作出曲线运动，以满足转向、换道的需求:汽车的转向运动是由于转向盘上转动一定转角以后使前轮产生一定的侧偏角,进而产生侧向力，再进一步引起汽车产生横摆运动，汽车的横摆运动又导致后轮也产生侧偏角，进而产生侧向力。汽车转向的向心力正是由于前后车轮的侧偏角产生的侧向力所提供的。汽车在小曲率路径下以较高车速行驶时，轮胎产生的侧向力与侧偏角之间是近似的线性关系。在这种情况下汽车的质心侧偏角是很小的，接近于零,转向特性是由前、后轴产生的等效侧偏角决定的，对于一般的车辆前轴产生的侧偏角略大于后轴。即车辆具有适当的不足转向特性。具有不足转向的车辆其有较好的高速稳定性，在转向的线性区也是比较容易操控，而具有过度转向的车辆即使在线性区内在超过某个车速时也会发生稳定性问题[13-14]。当侧向力接近附着极限或达到饱和时。车辆将丧失动力学稳定性，此时轮胎的侧偏特性已进人非线性区,轮胎与路面之间的侧向力不再与其侧偏角成线性关系,汽车发生失稳大多是在轮胎的非线性区,即随着侧偏角的增加轮胎产生的侧向力逐渐饱和、当前轴发生饱和时前轴就容易发生侧滑，使车辆偏离驾驶员的预期轨迹；当后轴发生饱和而侧滑时容易产生甩尾等更加危险工况。横摆角速度和侧偏角是描述车辆动力学稳定性的最佳状态变量，他们在不同的侧面表征了汽车的稳定性[15]。车辆在换道的时候，稳定性也是一个重要的考量因素。
3.总结
在现代化的道路交通中，人，车，路三个要素是融为一体，不可分割的，这已经成为了社会大系统中动态和静态想结合的结果。在现实的社会中总是存在许多不确定的知识，在位置事物较多的情况下，人的大脑是灵活的，总是可以做出比计算机更快，更精确的判断， 比如在驾驶的过程中，驾驶员可以连续不断的从周围的环境以及车辆的运行状况获取带路交通和车辆运行等多种信息，并对所获得的信息进行分析从而决定接下来的驾车路线以及速度的把控，而现阶段的传统知识处理方法的系统：无人驾驶，在对我们所认知的地区有足够的，完备的基础上可以很好的工作。然而一旦机器所获取的信息缺损或模糊了，那么机器的认知能力会急剧的下降。因为机器的处理方法只能在我们所给定的固定的模式下进行，对于环境的适应能力较差，不怎么适合处理不确定的知识。因此，无人驾驶的车辆的行驶可以借鉴驾驶员规划决策知识让机器进行学习，探究具有不完整数据，不确定的知识特点的驾驶规划决策知识获取对应的算法，消除复杂信息之中可能存在的重复的，遗漏，或者矛盾的信息，降低它的不确定性。从而形成对驾驶系统相对正确，完整的描述，以此来提高驾驶系统的决策能力和处理事务的快速准确性，为无人驾驶车辆智能行为决策提供理论依据
参考文献
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
