1. 自动泊车系统概述
平行泊车作为城市驾驶中最具挑战性的场景之一，传统基于几何模型的路径规划方法在复杂环境下往往表现不佳。我们团队开发的这套自动泊车系统，创新性地采用了模糊推理算法来处理车辆运动过程中的不确定性因素。相比传统方法，这套系统在狭窄车位（最小可达车长1.2倍）和复杂环境（如不规则路沿、动态障碍物）中展现出更强的适应性。
核心突破点在于将驾驶员的经验知识转化为模糊规则库，通过实时传感器数据（包括超声波雷达、环视摄像头和轮速传感器）动态调整泊车路径。实测数据显示，在标准B级轿车上的成功率可达98.7%，平均泊车时间比人工操作快15-20秒。
2. 系统架构设计
2.1 硬件配置方案
系统采用分布式架构，包含：
- 感知层：12个超声波雷达（探测距离0.2-4.5m）+4个190°广角摄像头
- 控制层：双MCU冗余设计（英飞凌TC297+瑞萨RH850）
- 执行层：EPS电子助力转向+ESP车身稳定系统联调
特别要注意雷达安装角度需保证15°下倾角，这是确保低矮障碍物检测精度的关键。我们在实车测试中发现，不当的安装角度会导致路沿石漏检率上升37%。
2.2 软件算法框架
采用分层式设计：
感知层 → 模糊推理引擎 → 路径生成 → 运动控制 ↑ 规则数据库（含387条经验规则）规则库的构建过程特别耗时，我们通过采集50位驾龄10年以上教练的泊车操作，使用模糊C均值聚类提取出典型操作模式。比如"当车尾距障碍物1.5m且夹角大于30°时，方向盘应回正"这类经验规则。
3. 模糊推理核心算法
3.1 输入变量模糊化
定义三个关键输入变量：
- 初始夹角θ：[-40°,40°]，5个模糊集（负大、负小、零、正小、正大）
- 横向距离d：[0.3,2m]，3个模糊集（近、中、远）
- 车位长度L：[1.2,1.8]倍车长，2个模糊集（紧凑、宽松）
隶属度函数采用π型曲线，比传统三角函数的过渡更平滑。在MATLAB中的实现代码：
fis = newfis('parking'); fis = addvar(fis,'input','θ',[-40 40]); fis = addmf(fis,'input',1,'NB','pimf',[-40 -40 -20 -10]); ...3.2 规则库构建技巧
通过正交实验法优化规则数量，将原始512条规则压缩至387条而不影响性能。关键技巧包括：
- 删除冲突规则（置信度<0.7）
- 合并相似规则（欧式距离<0.3）
- 对高频规则加权处理
典型规则示例：
IF θ is PB AND d is Near THEN 方向盘转角 is NB4. 路径规划实现细节
4.1 双阶段路径生成
- 粗规划阶段：基于模糊推理生成初始路径点
- 精修阶段：采用B样条曲线平滑处理，约束条件包括：
- 最大曲率≤0.15m⁻¹
- 加速度≤2.5m/s²
- 转向速率≤30°/s
我们开发了基于MATLAB的验证工具链，可以实时显示规划路径的曲率变化：
[path_x, path_y] = bspline_smooth(waypoints); plot(curvature(path_x, path_y));4.2 动态障碍物处理
当检测到移动障碍物时，系统会启动重规划机制：
- 通过Kalman滤波预测障碍物轨迹
- 构建动态代价函数：
Cost = α·路径长度 + β·距障碍物距离 + γ·方向盘变化量 - 采用改进A*算法在50ms内完成重规划
5. 实车测试与调优
5.1 参数标定流程
在封闭场地进行系统级标定：
- 方向盘死区补偿：0-3°不响应
- 转向传动比匹配：14.6:1（实测最优值）
- 速度控制PID参数：
- Kp=0.8, Ki=0.05, Kd=0.12
重要提示：标定前务必进行EPS系统自学习，否则会导致转向精度下降30%以上
5.2 典型问题排查表
| 故障现象 | 可能原因 | 解决方案 |
|---|---|---|
| 路径抖动 | 雷达数据不同步 | 检查CAN通信延迟(<20ms) |
| 转向过度 | 规则库权重失衡 | 重新标定NB/PB隶属度函数 |
| 规划超时 | 障碍物聚类异常 | 调整DBSCAN的ε参数至0.3m |
6. 性能优化方向
当前系统在以下场景仍需改进：
- 极端狭窄车位（<1.1倍车长）：考虑引入多段式泊车策略
- 斜向泊车：需要扩展模糊规则库
- 雨天工况：研发基于毫米波雷达的融合算法
我们正在试验将MLW-Prim算法应用于多车位选择场景，初步结果显示搜索效率提升40%。但要注意算法复杂度与实时性的平衡，目前还难以满足100ms的响应要求。