車輛動態預測系統之應用

9.4.4 章節所介紹之車輛軌跡跟隨系統是選用修改過後之約束條件與當下時間之車 輛動態資訊來進行軌跡控制（見圖9.9 與圖 9.10），9.4.6 章節所介紹之車輛軌跡跟隨系 統是選用修改過後之約束條件與未來時間之車輛動態資訊來進行軌跡控制（見圖 9.16 與圖9.17），也就是說這兩者的模擬情況大致上相同，僅相異於控制輸入的計算方式選 用的是當下時間或未來時間之動態資訊，重新整理這兩者的模擬結果並呈現於圖 9.20，圖中依序為車輛橫擺角速度、車輛縱向速度與輪胎力矩之總和（



藍色虛線為車輛軌跡跟隨系統採用當下時間之車輛動態資訊的模擬結果；紅色實線為 車輛軌跡跟隨系統採用未來時間之車輛動態資訊的模擬結果。

0 2 4 6 8 10 12 14 16 18 20

-4 -2 0 2 4 6

Time (sec)

deg/sec

Vehicle Yaw Rate

Control strategy using current vehicle information Control strategy using future vehicle information

0 2 4 6 8 10 12 14 16 18 20

24.5 24.6 24.7 24.8 24.9 25

Time (sec)

m/sec

Vehicle Velocity

0 2 4 6 8 10 12 14 16 18 20

-300 -200 -100 0 100

Time (sec)

Nm

Total Tire Torque a)

b)

c)

圖 9.20 車輛軌跡跟隨系統採用當下時間與未來時間之車輛動態資訊的模擬比較圖。（a）車輛橫擺角速 度；（b）車輛縱向速度；（c）輪胎力矩之總和

從圖 9.20 可以看出當車輛軌跡跟隨系統採用未來時間之車輛動態資訊時，能夠提 早0.5 秒感知參考路徑相對於車輛有所變化進而提早控制車輛來進行二次車道變換（紅 色實線），相較於車輛軌跡跟隨系統採用當下時間之車輛動態資訊，最大車輛橫擺角速 度從3.72 deg/sec（藍色虛線）減少 52.42%至 1.77 deg/sec（紅色實線）與最低車輛縱向 速度從24.6 m/s（藍色虛線）增加 0.41%至 24.7 m/s（紅色實線），即可成功地調節車輛 進行二次車道變換，不僅增加車輛橫擺穩定性，亦提高控制後之車輛縱向速度。從圖 9.20 中的第三張子圖可以知道，採用未來時間之車輛動態資訊來計算控制輸入（其總和 為66020 N），相較於採用當下時間之車輛動態資訊來計算控制輸入（其總和為 105355 N）大幅降低 37.34%，此模擬結果再次確認先前文獻[5]所提之優點。然而獲得這些優點 之代價為犧牲軌跡跟隨的精確度，其最大側向位移誤差為 0.2997 公尺，標準差為 0.1307 公尺。

9.6 結論

本章節介紹車輛軌跡跟隨控制系統，其使用差動式輪胎力矩控制來達成軌跡跟隨 並達成最低控制輸入。控制法則設計主要利用階層式控制架構，首先藉由直接橫擺力 矩控制策略設計虛擬輸入來控制車輛使之跟隨參考路徑，最後再規劃非線性最佳化問 題與約束條件將虛擬輸入根據車輛四顆輪胎的垂直負載來分佈，進而獲得控制輸入所 需要的輪胎力矩。其中非線性最佳化問題的最佳解不是採用數值搜尋方法，而是藉由 卡羅需－庫恩－塔克條件來獲得其解析解。除此之外，本章節運用順滑模態控制方法 與非線性最佳化問題來確保並驗證整個控制系統的穩定性與強健性。

由於順滑模態控制方法與非線性最佳化問題的特性，所提出之控制系統會輸出高 頻切換動作的控制輸入，其原因在於：（1）最佳化問題為了達成最低控制輸入使得計 算所得的控制輸入值到處跳躍；（2）順滑模態控制為了補償系統不確定項使得控制輸 入快速地切換。直覺且傳統的解決方案是加入一個低通濾波器，然而此作法並不適用 於本控制系統。本論文提出另一種解決方案，設計包含隱性順滑層之等式約束條件來 取代常見設計之不等式約束條件與符號函數。

本論文所提出之車輛軌跡跟隨系統應用於兩種車輛模型來進行驗證，分別為完整 車輛模型與Carsim 轎車模型。模擬的案例中，車輛的初始速度為每小時 90 公里，車輛

軌跡跟隨系統可以成功地調節車輛進行二次車道變換，其側向位移誤差之標準差皆小 於0.032 公尺。除此之外，模擬結果亦指出當車輛軌跡跟隨系統採用車輛動態預測系統 所獲得之未來車輛動態資訊，不僅能夠提早0.5 秒控制車輛，還能夠減少 52.42%的最大 車輛橫擺角速度與降低 37.34%的控制輸入總和，然而這些好處所付出之代價為犧牲軌 跡跟隨的性能，其最大側向位移誤差為0.2997 公尺且標準差為 0.1307 公尺。

第 十 章 結論與未來方向

10.1 結論

本論文提出兩套車輛動態預測系統：（1）假設車輛參數已知且為定值時，以車輛 動態模型為基礎的車輛動態預測系統；（2）假設車輛參數未知，以車輛感測系統為基 礎的車輛動態預測系統。前者可以分成兩個部份：車輛動態估測系統與車輛動態預測 系統，首先透過本論文所提出之循環式狀態觀察器應用於完整車輛模型以建構車輛動 態估測系統，進行車輛動態與道路角度估測，藉由這些資訊與已知之車輛模型，來獲 得在未來時間的車輛動態資訊。從模擬結果顯示，車輛動態預測系統能夠預測出在未 來時間的車輛動態資訊，甚至包括不穩定的車輛翻覆事件。其預測系統之相對誤差分 別為車輛位翻覆 0.21%與車輛翻覆 4.3%。後者可以分成三個部份：車輛動態估測系 統、車輛參數鑑定系統與車輛動態預測系統，首先以感測器混合系統進行車輛動態與 道路角度估測，再以簡化車輛模型與系統鑑別方法來進行車輛參數鑑定，藉由上述估 測與鑑定而得的車輛動態與車輛參數來進行車輛動態預測，從模擬結果可以知道，不 論是車輛進行左轉彎或是車輛翻覆發生的時候，車輛動態預測系統都能夠粗略地預測 出在未來時間內的車輛動態資訊，其預測系統之相對誤差分別為 0.51%與 27.3%。最 後，本論文採用車輛軌跡控制系統為範例，運用車輛動態預測系統的未來車輛動態資 訊，用以提早控制車輛並降低控制損耗。

本論文所提出之第一套車輛動態預測系統，其車輛動態估測系統是以完整車輛模 型為基礎的狀態觀察器，僅需要採用四種車輛感測器（側向加速度感測器、縱向速度感 測器、橫擺角度感測器與四側懸吊系統位移量感測器）即可成功地估測完整車輛模型的 系統動態，然而完整車輛模型是一組高階且非線性的常微分方程式，因而不容易為其 設計相關狀態觀察器，透過本論文所介紹之新型狀態觀察器－循環式狀態觀察器，將 完整車輛模型分離為兩個車輛子模型（車輛橫擺模型與車輛側傾模型），即可針對這兩 個車輛子模型設計其狀態觀察器，透過觀察性分析與模擬結果可以瞭解雖然車輛動態

估測系統無法獲得車輛縱向位移與車輛側向位移，但是不論是平常駕駛情況或是任二 輪胎抬離地面，甚至是車輛發生車輛翻覆事件，都可以成功地獲得其餘車輛動態與道 路角度資訊，其車輛姿態的估測精度皆小於0.5 度以及道路角度的估測精度皆小於 3.59 度。

本論文所提出之第二套車輛動態預測系統，其車輛動態估測系統不需要車輛模 型，即可同時獲得車輛動態與道路角度資訊，其主要是以感測器混合系統與三種感測 系統所組成，包含具有三根天線的全球衛星定位系統、慣性量測單元以及懸吊系統位 移量感測器，其中具有三根天線的全球衛星定位系統能夠獲得車輛相對於地球座標的 位置與姿態，懸吊系統位移量感測器能夠獲得車輛相對於道路座標的姿態、而慣性量 測單元能夠增加估測精度，因為上述感測器訊號有著不同的訊號特性，所以本論文採 用多變率濾波器來整合這些感測器訊號，經由尤拉角拘束式的加入與系統動態的設 計，從模擬結果可以看出感測器混合系統當車輛輪胎皆緊貼地面時，即可估測全部車 輛動態與道路角度資訊，其絕對車輛位移的估測精度皆小於0.3 公尺，絕對車輛姿態的 估測精度皆小於0.11 度，道路角度的估測精度皆小於 0.15 度。除此之外，兩個車輛動 態估測系統的主要差異性在於估測精度，以車輛模型為基礎的估測系統，其估測精度 將會取決於所建構之車輛模型的模型誤差；以感測系統為基礎的估測系統，其估測精 度將會取決於所選用之感測系統的雜訊特性。

本論文所提出之第二套車輛動態預測系統，其車輛參數鑑定系統是以簡易車輛模 型為基礎的，用以獲得目標車輛參數，其包含車輛質量、車體座標三軸之慣性矩、輪 胎驅動剛性係數與輪胎轉向剛性係數，由於這些目標車輛參數在簡易車輛模型中是線 性獨立且有對角特性，所以本論文將會把目標車輛參數分成四部份來鑑定：（1）輪胎 驅動剛性係數鑑定系統；（2）車輛質量鑑定系統；（3）輪胎轉向剛性係數鑑定系統；

（4）三軸慣性矩鑑定系統，分析結果與模擬結果皆同意當車輛參數鑑定系統同時滿足 參數可觀性與觀察性程度，即可鑑定出所有車輛參數，其中觀察性程度除了透過權重 函數設計之外，亦可以持續地激發車輛動態與／或採用較低雜訊標準差之感測系統來 提高，從模擬結果可以知道除了輪胎驅動與轉向剛性係數因為訊噪比的不足而造成相 對誤差平均為55%之外，其餘車輛參數之相對誤差皆低於 6%。

在車輛參數鑑定過程中，駕駛者行為所激發的輪胎滑動率與輪胎滑動角都是位於 線性區域裡，然而當車輛翻覆發生時，車輛行為所激發的輪胎滑動率與輪胎滑動角大 多位於非線性區域裡，車輛參數鑑定系統利用線性區域內的車輛動態資訊來獲得其輪 胎剛性係數，自然地無法用以描述位於非線性區域內的車輛動態資訊，並且從模擬結

在車輛參數鑑定過程中，駕駛者行為所激發的輪胎滑動率與輪胎滑動角都是位於 線性區域裡，然而當車輛翻覆發生時，車輛行為所激發的輪胎滑動率與輪胎滑動角大 多位於非線性區域裡，車輛參數鑑定系統利用線性區域內的車輛動態資訊來獲得其輪 胎剛性係數，自然地無法用以描述位於非線性區域內的車輛動態資訊，並且從模擬結