您好,欢迎光临2020中国自动驾驶测试验证技术创新论坛!

ADAS系统测试平台设计及实现

发布日期:2020-07-27

GRCC 自动驾驶测试验证技术创新论坛 今天 

手机阅读



点击上方蓝色字体,关注我们

作者:孙涛 , 丁琴琴 , 李卫兵 , 李娟     

安徽江淮汽车集团股份有限公司 /汽车智能网联技术安徽省重点实验室


摘要:为实现ADAS系统的仿真测试,解决传统实车验证存在的测试成本高、周期长、场景不可复用、无法定量分析等问题,设计实现面向SAE 2级的智能网联汽车系统级测试平台。提出利用PreScan软件进行交通场景仿真及虚拟传感器建模、CarSim软件进行车辆动力学建模,建立涵盖真实底盘执行系统的测试平台方案。基于ISO 15622中定义的典型工况进行仿真分析,搭建ACC功能涉及的Cut-off虚拟交通场景;基于试验数据,对车辆动力学及虚拟传感器进行参数化建模;测量HWT时间,实现法规要求参数的定量分析。构建的测试平台能够为ADAS系统提供完整的“人-车-路”仿真测试环境,为国内进行ADAS系统测试评价提供一个良好的研究平台。


0 引 言

高级驾驶员辅助系统(advanced driver assistant system,ADAS),是利用安装在车上的传感器,在汽车行驶过程中实时感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。它涵盖了诸如车道偏离报警系统(LDW)、盲点监测系统(BSD)、自动紧急制动系统(AEB)、自适应巡航系统(ACC)等。

ADAS具有广阔的市场应用前景[1],预计到2020年,驾驶辅助(DA)、部分自动驾驶(PA)车辆市场占有率将达50%。欧洲NCAP组织已经将LDW、AEB系统列入汽车安全评级加分项中,C-NCAP也在2018版将主动安全列入其评分标准。

ADAS测试包括软件在环(SIL)、硬件在环(HIL)、车辆在环(VIL)、场测、路测等环节[2-3],测试内容包括传感器、算法、执行器等环节,测试目的包括应用功能、性能、稳定性和鲁棒性、功能安全、形式认证等[4-7]。试验周期长、成本高、安全无法保障,试验行驶环境不可预测、难以复制/重现、缺乏灵活性、不可自动化测试是ADAS研发测试的关键技术瓶颈。

谷歌、特斯拉、Zoox等很多公司借助模拟仿真的方法力图使智能汽车的行驶里程尽快达到数十亿英里。荷兰TASS开发出仿真软件PreScan验证ADAS的控制策略[8];吉林大学开发出仿真软件Panosim可以实现智能汽车道路场景、动力学建模。刘颖等[9]利用PreScan模拟驾驶环境及车辆控制,搭建驾驶模拟器用于验证ADAS系统的控制策略的有效性、HMI的接受度及驾驶习惯,但其驾驶模拟器的车辆动力学模型较为简单,不能很好体现出车辆模型多变量、非线性的特点。何承坤等[10]提出了一种系统的、全面的汽车自动驾驶测评方法,但侧重于对自动驾驶安全性测评分析和架构设计。目前,针对ADAS的仿真测试研究还相对较少,基于此,本文提出了面向SAE 2级的ADAS系统测试平台设计及实现的课题。

1 测试平台架构

测试平台如图1所示,集成了实车制动系统、转向系统及网络通信系统,可提供完整的ADAS系统硬件在环仿真环境。测试平台以PXI为核心,基于动力学软件CarSim和场景软件PreScan的联合仿真。

图 1 测试平台技术路线

图选项 


平台的构架方案主要分为上层算法、底层执行机构、环境设置。上层算法根据用户自定义设计,载入不同控制逻辑,控制算法运算的控制指令通过各接口发送至底层执行机构,包括制动压力请求接口、转向角度请求接口、发动机扭矩请求接口,其中发动机扭矩接口,由于未实现发动机硬件在环,因此所获取的信号来自于CarSim模型。底层执行机构通过各接口获取指令,并精确响应和执行。利用场景仿真软件PreScan进行环境场景模拟功能,包括工况场景设置、车辆参数设置等,以再现满足测试要求的真实环境。

2 硬件系统搭建

硬件系统主要包含为两大模块:电源模块和信号模块。电源模块主要包括直流12 V、直流5 V、交流220 V和常用电路辅助器件,其中各模块系统可实现独立控制。信号模块是以PXI为核心的信息流动系统,可以完成对模拟信号、数字信号、CAN 3种形式信号的处理,并可以实现硬件接口的故障注入。

2.1 电源管理模块

机柜最上方的3U插箱是该设备的PDU单元,主要实现对设备的电源进行控制、分配、保护等功能,其原理如图2所示。

图 2 PDU原理图

图选项 


2.2 实时处理器及板卡

实时系统基于NI的PXI技术搭建,包括机箱、实时处理器和各类IO板卡。实时仿真系统的主要功能有:Simulink仿真模型的实时运行;与上位机试验软件的实时数据交互,实现在线调参和监控;通过各类IO板卡,输出控制器所需信号,并采集控制器发出的所有信号。标准IO板卡可至少实现如下标准信号的模拟和采集:模拟信号采集和输出、数字信号采集和输出、PWM信号采集和输出。

模拟总线信号,保证待测控制器正常运行;通过硬件接口接收控制器发出的各种控制信号,通过模型运算后由IO输出各种传感器信号给控制器,从而与控制器构成一个闭环的系统。实时系统及板卡指标如表1所示。



表选项 


2.3 故障注入单元

故障注入模块模拟常见的车载电气故障,比如导线的开路、短路等情况,以测试控制器的故障诊断功能,如图3所示。故障诊断模块采用分布式控制模式,通过安装在PC机上的故障注入操作终端,按照指定的故障模型控制故障注入板卡模拟出相应的故障,故障注入模块是车辆仿真器的重要组成部分。


3 软件接口设计

测试平台上位机软件主要基于CarSim软件和PreScan软件实现。CarSim主要提供整车模型和动力学模型、各种工况的设置、多种数据分析和存储等[11-13];PreScan进行道路环境建模及传感器建模,将识别到的传感器数据发送给感知与决策控制运算平台。上位机软件PreScan、CarSim运行在Simulink平台下,通过试验管理软件将模型与硬件加载并一一进行映射,实现软件与硬件的接口通信功能。

上位机软件运行在Simulink平台中,台架硬件与模型通过试验管理软件进行连接。模型与硬件的接口设计主要包括:在Simulink环境下搭建CAN/IO模型及电源控制模型,并编译生成DLL文件;在试验管理软件中加载硬件板卡及模型生成的DLL文件,并导入通信数据库;将硬件资源与模型进行映射连接。

为实现信号的正确传输,基于Simulink搭建IO模型,用于HIL与模型之间的数据交互。通过在试验管理软件VeriStand中加载相关硬件和模型,并将对应的信号通道连接(mapping)实现数据的正确传输。主要包括需要用到的板卡资源加载(IO板卡、CAN板卡等)、模型数据(DLL文件)的加载。通过mapping过程,连接某两个通道,实现信号从一个通道传递到另一个通道。设置的方式如图4所示。

图 4 加载及mapping设置

图选项 


4 场景仿真与验证

利用上位机软件PreScan进行道路环境建模,CarSim软件进行动力学参数化建模,并在PreSan中进行虚拟传感器参数配置,针对ISO定义的ACC Cut-off工况进行仿真验证及分析。

4.1 道路环境建模

如图5所示,虚拟场景模型的设计,从道路模型开始。分析测试场景中道路的相关参数,如车道数、车道宽度、车道标记线、弯曲半径等。在仿真建模软件中,将道路元素从元素库拖放到编辑区,编辑道路的宽度、车道数、车道标记线、弯曲半径等,设置完成后,生成的道路模型。

图 5 道路环境建模

图选项 


4.2 车辆动力学建模

利用CarSim软件进行车辆动力学建模,通过获取设计参数及台架试验数据,包括车辆的质量参数、空气动力学参数、传动系参数、制动系参数、转向系参数、悬架K特性、悬架C特性、轮胎特性参数等8类36个参数,在软件中进行相应的设置,并作为S-function的形式发送到Simulink中,替换掉PreScan中简易的车辆动力学模块,车辆动力学参数化建模所需的数据及来源见表2。



4.3 虚拟传感器建模

为实现在虚拟测试环境下对待测车辆进行测试,还需要建立待测车辆的传感器模型。传感器建模为参数化建模,以TIS传感器(通用的扫射传感器模型,可以通过改变参数模拟雷达、激光雷达、超声波雷达)建模为例,即设置其波束数量、扫描频率、波束类型、波束范围、波束方位角范围、高度范围角、系统最大检测输出等。

本文以江淮汽车某一款毫米波雷达建模为例,定义两个TIS传感器为77 GHz前向中长距雷达,其中TIS1为中距毫米波雷达x=3.916 m,y=0,z=0.42,Fov=25 Hz,range=30 m, ΔθΔθ =80°, ΔΦΔΦ =9°,最大探测目标32个;TIS2为长距雷达x=3.916 m,y=0,z=0.42,Fov=25 Hz,range=150 m, ΔθΔθ =9°, ΔΦΔΦ =9°,最大探测目标32个。参数化建模如图6所示。

图 6 传感器参数化建模

图选项 


4.4 仿真分析

在Simulink环境下,搭建测试系统模型,包含调用基于CarSim的车辆动力学模型及人机交互控制模型。外部环境感知传感器(如TIS)信息按照规定的协议数据格式打包,利用台架的CAN板卡资源发送到待测控制器中,台架采集待测控制器决策后的指令,并控制纵向、横向执行模块,执行控制模块的结果反馈到仿真系统中,实现系统的闭环控制。

在虚拟环境下,使用软件可以针对各种工况进行定性、定量的分析评价,通过对模型参数的标定,可以不断的优化系统的舒适性及鲁棒性。以ISO 15622:2002-for Adaptive Cruise Control system (ACC)中Cut-off场景为例,场景定义为:主车1跟踪目标车2,目标车2变道切出本车道,超越前方较慢行驶的目标车3;主车1能够重新检测到目标车3,并稳定跟随,则该项测试通过。定义主车1的参数为:初始速度=50 km/h,初始位置=8 m;目标车2:初始速度=50 km/h;目标车3:Tdelay=5 s,初始速度=50 km/h。

在ISO中定义了车头时距HWT_dem [s](Demanded Headway time),为主车目标车相对距离/主车的**速度。本实验中,设置HWT初始时间为1.5 s。amax为ACC系统所能允许的最大加减速度,当处于避撞模式下,最大加减速度较大时,可以有效地避撞,但同时会影响驾驶员的舒适性。

由图7(a)可以看出,0~6 s的过程,主车以50 km/h的稳定速度跟随前车;当目标车2切出本车道后,主车重新检测到前方低速运行的目标车3,在8~12 s的过程中,主车开始以设定的amax减速;12~18 s的过程,主车重新以7.5 km/h的稳定车速跟随目标车3行驶。由图7(b)可知,amax=3.5 m/s2时,在主车减速到稳定跟车后,可有效保持与前方车辆4 m的距离,当amax=2.5 m/s2时,难以与前车保持有效的安全距离,可能产生碰撞的风险。由图7(c)可知,在减速阶段及重现定位目标进行跟车阶段,amax=3.5 m/s2时,车间时距HWT波动的较小,能够更快地趋于稳定,并保持在设定的HWT初始值1.5 s。

图 7 仿真结果

图选项 


由以上分析可以看到,通过仿真可以对测试过程中的参数进行实时定量分析。通过分配各部分的响应和延迟等参数特性,来评判ACC系统在各个过程过程(加速、减速)中的舒适性、安全性等指标。

5 结束语

本文设计了一套面向SAE 2级的ADAS系统测试平台,实现实验室条件下交通场景的虚拟验证,解决了ADAS测试面临的安全性差、可重复性差等问题。验证结果表明,该测试平台能够有效地针对ADAS功能进行测试验证,并在企业内部进行实施。

本文提出利用仿真软件中的虚拟传感器作为输入,但忽视了真实传感器与模型传感器的一致性;提出的系统架构方案,并未考虑实车运行工况下的各种复杂的电磁工况。下一步,还需要在现在平台基础上,扩展传感器在环硬件设备,以模拟更加真实的测试环境。


参考文献

[1]
郭俊. 我国智能网联汽车政策现状与政策趋势浅析[J]. 科技与创新, 2018(3): 43-45.


[2]
JACOBSON J, JANEVIK P, WALLIN P. Challenges in creating astazero, the active safety test area[C]// Transport Research Arena (TRA) 5th Conference: Transport Solutions from Research to Deployment. 2014.


[3]
李诗福. 汽车避撞控制系统建模与仿真研究[D]. 长沙: 湖南大学, 2009.


[4]
孙扬. 无人驾驶车辆智能水平的定量评价[D]. 北京: 北京理工大学, 2014.


[5]
张昕. 无人车通过特殊区域智能行为评价研究[D]. 北京: 北京理工大学, 2015.


[6]
GUVENC B A, GUVENC L, KARAMAN S. Robust yaw stability controller design and hardware-in-the-loop testing for a road vehicle[J]. Vehicular Technology, IEEE Transactions, 2009, 58(2): 555-571. DOI:10.1109/TVT.2008.925312


[7]
SAIFIA D, CHADLI M, KARIMI H R, et al. Fuzzy control for electric power steering system with assist motor current input constraints[J]. Journal of the Franklin Institute, 2015, 352(2): 562-576. DOI:10.1016/j.jfranklin.2014.05.007


[8]
董永坤, 王春香, 杨明. 基于PreScan软件的行人检测仿真[J]. 交通信息安全, 2013, 5(31): 136-144.


[9]
刘颖, 朱西产, 李佳琦. PreScan在先进驾驶辅助系统评价中应用[J]. 佳木斯大学学报(自然科学版), 2013, 31(5): 696-699. DOI:10.3969/j.issn.1008-1402.2013.05.014


[10]
何承坤, 宋娟, 周唯. 汽车自动驾驶测评方法研究[J]. 工业技术创新, 2016, 3(2): 108-114.


[11]
任龙. 基于CARSIM的汽车ABS整车模糊控制研究[D]. 重庆: 重庆交通大学, 2013.


[12]
郭建辉. 基于Carsim的整车半主动悬架控制策略仿真研究[D]. 西安: 长安大学, 2017.


[13]
李志魁. 基于CarSim的整车动力学建模与操纵稳定性仿真分析[D]. 长春: 吉林大学, 2007.



相关文章

基于AI的ADAS和自动驾驶功能的有效V&V方法 .ppt
2020 AV/ADAS 安全标准和法规现状
ADAS测试




SELECTED EVENTS




 

长按二维码识别关注



我就知道你“在看”


  • 电话咨询
  • 021-2230 6692
  • 15021948198
None