即使对于经验丰富的驾驶员，也可以挑战卡车和拖车组合。将拖车引入装载码头经常需要几个演动。当驾驶员导航狭窄的城市街道挤满了行人时，挑战复杂化了（图1）。
图1.在测试轨道上的卡车拖车组合，代表装载码头场景（顶部）和城市环境（底部）。
为了帮助司机公园卡车 - 拖车车辆，我们在Ford Otosan的团队开发了一个自治停车系统的验证原型。原型使用两个轨迹规划算法：一种人工潜在场算法，与萨里大学的合作开发，作为欧盟抵制计划的一部分，以及开发的RRT *算法（迅速探索随机树的变体或RRT）由我们自己的内部团队。在模拟和模拟Simulink中的算法之后万博1manbetx®，我们通过硬件 - 循环（HIL）测试验证了它们。然后，我们以真正的卡车测试了它们，在那里我们表明原型系统能够使用较少的机动和多年经验所需的时间。
建模卡车拖车组合和轨迹算法
我们的团队在为乘用车和机器人开发自动化驾驶系统和机器人控制系统方面拥有经验，但我们从未与卡车和拖车组合的车辆一起工作。此外，卡车和拖车铰接，使控制设计复杂化。由于我们使用基于模型的设计，我们能够在开发和精制轨迹规划和控制算法时模拟和可视化卡车的动态，并考虑这些动态，以考虑这些动态（图2）。
图2.说明了铰接式卡车和拖车组合车辆的动态的图。
我们根据代表纵向，横向和偏航运动的3DOF自行车模型创建车辆的简化模型。我们使用测量的参数值（例如卡车车轮质量）配置了该模型。
我们将控制设计分组为不同的团队可以独立工作的单独的Simulink组件。万博1manbetx例如，一个团队在轨迹规划组件上工作（实现RRT *或人工潜在场算法）。另一个在轨迹控制部件上工作，其计算出现所需的横摆率，减速和由轨迹规划分量提供的加速度所需的转向角，制动扭矩和加速扭矩。该团队最初将轨迹控制部件作为纯追踪控制器实现，但后来将其重新实现为模型预测控制器以适应更高的速度。
一个组件实现了我们的感知子系统的界面，它使用激光雷达和雷达来定位车辆附近的障碍物和结构。其他组件实现了在Android™平板电脑上运行的监视应用程序，卡车的CAN总线以及我们的循环软件（SIL）和HIL测试环境（图3）。
图3. HMI应用程万博1manbetx序的UDP接口的Simulink模型。
SIL，HIL和车载测试
在Simulink中运行初始验证模拟后，我们在SIL和HIL环境中进行了更广泛的测试。万博1manbetx我们使用Simulink Coder™和RAN SIL测试生成了从我们的轨迹规划和轨迹控制模型的代码，该模拟传感器输入，卡车和拖车的动态模型以及环境的模型。万博1manbetx
在HIL测试中，我们将轨迹规划和控制算法部署到DSPACE®目标硬件。这些HIL测试使我们能够验证我们的设计的实时性能，包括通过CAN和UDP的实时通信，在卡车本身进行测试之前。
在土耳其Eskişehir的福特OtosanInönü测试轨道上进行车载测试。我们在卡车中安装了DSPACE系统（从我们的Simulink模型生成的运行代码）（图4）。万博1manbetx在前几次测试期间，我们发现我们的卡车的物理模型包括某些参数的不准确值，包括转弯刚度。
图4.安装在车辆中的系统的测试设置。
一旦我们更新了这些值，通过更准确的测量值并重新调整控制器，模拟和测量结果符合密切匹配，系统的整体性能显着提高（图5）。
图5.定位，横摆率和横向加速度的模拟和测量结果。
事实上，该卡车在我们假设的情况下，在某种情况下，您将需要至少两个或三个演习。虽然模拟表明，这是可能的，但我们仍然惊讶地看到我们的算法比具有15到20年经验的司机更有效地引导卡车。
计划的整合
通过开发有效的轨迹规划和控制算法并在真正的卡车上验证它们，我们满足了项目的所有目标和关键绩效指标。我们现在有内部专业知识在自动驱动模式下停放铰接式车辆。福特OTOSAN正在进行几种其他举措，这些举措将利用这种停车能力，包括专注于设施管理的一个，另一个举办包括一个专注于卡车的遥控器。我们希望将自动停车系统整合到这些更大的生产系统中。
