虽然无人驾驶被广泛认为是汽车智能化的最终目标，但受限于汽车技术各阶段发展规律、法律法规等，事故责任划分等约束条件下，驾驶员作为驾驶过程的参与者，甚至驾驶主体将长期存在。深入理解驾驶员驾驶行为与机器智能控制系统之间的交互机制和冲突机制，进而建立人机协同共驾系统，也是智能化发展需要解决的关键问题车辆技术。其中，人机协同驾驶系统是指驾驶员和机器都拥有对车辆的控制权的智能汽车系统。人类智能与机器之间存在很强的互补性。与机器系统的精细化感知、标准化决策和精确控制相比，人类驾驶行为具有模型化、退化性、延迟性和个性化等特点，易受心理生理状态等因素影响。与人类相比，机器的学习能力和适应能力相对较弱，对环境认识的综合处理能力不完善，对未知复杂工况的决策能力较差。因此，人机共驾系统的主要作用是整合驾驶员和机器的优点，屏蔽两者的缺点，实现人机智能的混合增强，最终达到“1+1>2”，从而提高汽车的安全性能、舒适性等。人机协同驾驶系统的分类及原理根据控制权分配方式的不同，人机协同驾驶系统可以分为交换式和共享式两种模式。分时给司机或机器。在共享人机共驾系统中，驾驶权按照一定的权重同时分配给驾驶员和机器。图1.人机协同驾驶系统的两种控制模式。在可切换的人机共驾系统中，驾驶权可以在驾驶员和机器之间灵活、自由地转移。系统中有一个判断机制，根据驾驶员和机器的工作状态和操作方式，对驾驶员和机器的控制输入进行评估，选择较好的进入车辆控制。对于切换式人机共驾系统，控制切换过程是关键。以司机接管机器为例，切换流程如下图所示。图2驾驶员接管切换过程示意图这种模式的优点包括：驾驶员与机器之间没有交互和耦合，车辆控制过程清晰明了；驾驶风格变化小，驾驶员适应性好。而其缺点主要是在驾驶权切换过程中，难以保证驾驶员有良好的工作状态。在机器行驶过程中，驾驶员的注意力可能已经分散了。当控制1切换到驾驶员时，需要驾驶员多次注意以重新形成对周围驾驶环境的感知。这个过程存在很大的不确定性，制约了控制权的自由切换。因此，该模式的主要设计难点在于如何评估驾驶员和机器哪一方面表现更好，并在此基础上根据驾驶员状态等因素，合理选择驾驶权切换时机实现控制权的顺畅无忧切换。在共享人机共驾系统中，驾驶员和机器同时占据对车辆的控制权，两者通过操作机制交互耦合，任何一方都可以实时控制车辆。双方的共同驾驶过程类似于一场比赛。每一方都会根据自己的目标和对方的行为形成最优的控制投入，以在共享控制权的情况下最大限度地实现自己的目标。进一步分析，根据驱动与机器控制结合方式的不同，该模式可分为串行共享人机协同驱动和并行共享人机协同驱动。串行共享人机共驾系统示意图，其中机器不直接控制操纵输入（踏板、转向）。只有按照一定的比例进行叠加或修正，才能达到驾驶员和机器实时控制车辆的效果。图3串行共享人机协同驾驶系统原理图并行共享人机协同驱动系统原理图如下，驱动器和驱动器的控制直接加在控制输入端同时，系统通过调整控制权重系数K来实现人机耦合的优化。实际控制输入可用下式表示：U=UhK+Um(1-K)K为控制权分配系数，Uh为驾驶员输入，Um为机器输入，U为实际系统输入。图4并联共享人机协同驾驶系统示意图如上，并联共享HMI协同驾驶系统的优点包括：驾驶员始终参与驾驶过程，可以保证驾驶员状态的一致性;操作过程中存在人机交互，便于驾驶人掌握机器的状态。这种模式的主要缺点是驱动程序和机器容易发生冲突。由于双方可以同时控制车辆，当双方在判断同一环境时有不同的驾驶意图时，不同的控制目标就会发挥作用。在同一辆车上，会有较大的冲突。因此，该模式需要关注的问题是如何预防人机冲突的发生，并在发生后及时解决。人机协同驾驶系统主要包括自动驾驶系统、驾驶员检测模块和人机交互模块。机器分析上述驾驶员相关数据，综合周围环境和车辆状态，确定合适的驾驶权切换或驾驶权分配权重。此外，人机交互系统模块在驾驶员和机器之间形成了沟通的桥梁，使双方能够有效地表达，提高了人机共驾系统的交互性。线控底盘技术在自动驾驶中的应用当前自动驾驶系统对其安全运行的要求越来越高，促使其功能安全性能指标提升到更高的水平。例如，原有的ACC系统作为辅助驾驶系统，并不要求其具有很高的功能安全性。一般来说，只需要达到ASILA甚至QM即可。然而，对于下一代产品中的自动驾驶，在驾驶过程中，大部分的驾驶工作通常由代驾完成，在很多驾驶任务中，不能指望司机会在正常情况下对其失误负责。情况。.因此，自动驾驶系统的功能安全性明显高于原有的驾驶辅助系统。这个级别甚至可以达到ASILC，甚至ASILD。因此，对执行器的要求也越来越高，主要体现在越来越多的控制器会要求，在向执行器发送响应信号的同时，执行器会以最快的时间响应他们发出的最终信号。态，并且不会出现超调或来回振荡等现象，这就是我们所说的响应精度。目前传统的底盘控制系统（包括线控制动和线控制动）在应对整个智能驾驶控制方面存在相当大的不足。下面我们列举两个典型的例子来说明。示例1：响应不准确/过冲自动变道在避让和后退过程中，往往会出现过分后退甚至偏离车道的不安全情况，然后系统通过大回调将车辆拉回车道中央扭矩。在自动驾驶对中或驾驶员控制变道过程中，当驾驶员缓慢施加扭矩控制方向盘时，系统很容易抢到方向盘。示例2：响应延迟在自适应巡航系统ACC中，当速度差较大时，后车跟随前车，而当后车不断加减速时，送来的加减速也会引起刹车系统在执行过程中不断在加减速之间回调。这个过程会导致制动系统可能出现响应精度不够或响应超调的状态。这些实际问题严重影响自动驾驶的控制精度，延长着陆时间。对于自动驾驶，需要结合实际问题提供相应的解决方案，并不断协调实现底盘与上位控制器的交互。为了更好的执行执行控制，最直观的表现就是对传统底盘系统进行升级，增加控制车辆方向的底盘技术。这种改进的底盘技术无疑会大大提升整个执行控制的响应能力。对于自动驾驶，线控底盘技术在操作机构和执行器之间没有机械连接，没有机械能的传递。并且，操作指令被传感元件感应，并通过网络以电信号1的形式传送给电子控制器和执行器。因此，其执行过程和结果完全由电子控制器监控。并且可以在以下几点辅助自动驾驶：1）提供大量准确的底盘系统信号。由于底盘传感器种类繁多，控制器在处理这些传感器信号时往往需要采用不同的信号模式和处理方式，需要更高的实时性要求、更好的标定和求解理论来支持。2)直接为前馈预览控制提供准确逼真的车辆动力学模型。由于底盘车辆和轮胎动力学具有复杂的非线性特性，底盘线控技术可以有效促进车辆动力学模型精确沉降机制的研究，有效促进动力学应用的发展。3）在复杂场景下，从驾驶员角度为智能汽车提供准确的感知状态。线控底盘技术可以从复杂的交通场景中为车辆动力学稳定边界提供准确的量化机制，提高动态状态的精确感知和预览技术。在高度复杂和动态的交通环境交互中，为顶层智能驾驶提供相应的辅助。Steering-by-wire设计应用原理Steering-by-wire系统可以将驾驶员输入与前轮转角解耦，特指无机械连接的转向系统，这是从系统结构上区分出来的。线控转向中，转向的动力来自电机，主要包括两个方面：用于为驾驶员提供转向时的路感和相应的动力。线控转向可以提高车辆设计的自由度，提高车辆的舒适性，完全过滤路面颠簸，转动效率高，响应时间短。同时，其可变角度/传力比特性还可以提高车辆碰撞安全性和车辆主动安全性，整合底盘系统集成，实现系统综合利用。可以说，线控转向是自动驾驶汽车实现路径跟踪和避障所必需的关键技术。目前，线控转向系统的研究主要集中在路感反馈控制策略研究、转向执行控制策略研究、故障诊断与容错控制策略研究三个方面。其中，路感反馈控制策略的研究是最重要的研究方向。路感反馈控制策略的研究是一个比较抽象的定义。其定义之一是指车辆行驶过程中驾驶员通过方向盘获得的转向阻力矩。阻力矩主要包括调心力矩和摩擦力矩两部分。图5线控转向基本结构图其中，复原力矩无法实时准确获取。作为使车轮恢复直线行驶位置的主要力矩之一，其值通常通过经验、统计或实验方法获得。该值受车辆前轮受力状态控制，直接关系到车辆的实时运动状态和路面附着力。因此，路感计算公式可表示为：复原力矩与车辆前轮受力状态直接相关，前轮受力与车辆实时运动状态直接相关。车辆与路面的附着力。因此，通常将总调心力矩除以方向盘到前轮的总力传递比近似得到的方向盘手感力矩作为路感。通常，对于路感模拟，方向盘反作用力矩是首先考虑的条件，方向盘反作用力矩的计算方法如下：方向盘反作用力矩=转向负载观测力矩-虚拟助力力矩+转向死角点模拟扭矩+障碍物遇到的时刻。路感通常通过两种方法获得：基于经验的设计和基于模型的设计。路感设计为方向盘转角、车速、横摆率等参数的非线性函数关系，在不同条件下为驾驶员提供不同的路感。简单高效，但适应性和准确性较差。因此，在实际计算路感模拟参数的过程中，通常采用基于动力学模型的方法，根据车辆的动态响应、驾驶员的方向盘输入以及其他与路感相关的轮胎进行路感计算。力和摩擦力矩。线控制动的应用原理线控制动是底盘线控技术中最关键和难点的技术，它关系到底盘的安全和稳定控制元件。制动性能涉及响应速度、平顺性等，线控制动系统将电子信号通过ECU进行决策，然后将制动指令发送给四轮制动模块。每个车轮制动模块分别驱动其电机驱动制动摩擦部分，实现合理的动力分配和制动。稳定性控制和有效制动。整个电信号在踏板信号与执行器之间传输，再配合ABS、TCS、ESC等模块，实现对车辆底盘的一体化控制。图6线控制动系统应用原理目前，线控制动系统的研究主要集中在踏板模拟、主动制动和制动能量回收三个方面。1）踏板感觉模拟线控制动系统通过模拟器或算法模拟向驾驶员提供相应的踏板力，从而消除了踏板和主缸之间的机械连接。线控制动系统的好坏取决于踏板力的模拟精度。一般来说，踏板力、踏板行程和车辆状态之间的关系可以通过预先分析大量的时滞数据，通过弹簧或执行器踏板力进行仿真过程。2）主动制动主动制动系统主要涉及高级智能驾驶辅助系统ADAS和自动紧急制动系统AEB的制动功能要求。要求是线控制动系统需要准确快速地响应这个请求。主动制动的响应过程基本上是通过一定的动态控制算法（包括PID算法、最优控制、鲁棒控制、滑膜控制、模糊控制、神经网络控制、模型预测控制等）来优化的。这些类别可大致分为基于经验的设计方法和基于动力学的计算方法。3）制动能量回收制动能量回收是指在减速或制动过程中，驱动电机工作在发电状态，将车辆的部分动能转化为电能储存在蓄电池中。同时，电机的反馈扭矩作用于驱动轴，使车辆制动。线控制动系统涉及电制动力矩与制动力矩的协调分配，整个制动能量回收控制策略的研究基本围绕这一点展开。总结本文从控制执行的角度阐述智能汽车在应用过程中调控的基础理论，包括人机协同驾驶技术、线控底盘技术等，这些技术在国内尚不成熟当前一代的智能驾驶辅助产品。但是，鉴于当前这一代产品存在的一系列问题，我们的下一代自动驾驶系统必须要解决这些问题。因此，需要从根源上分析和屏蔽这些问题。基于这一动机，本文进行了相应的分析和解读，为下一代自动驾驶系统的设计提供了有力的参考。
