武科大研发全工程路段千吨级重载车“最强大脑”

近日，记者从武汉科技大学（以下简称武科大）获悉，该校汽车与交通工程学院团队首创自适应分矢量转向纠偏模型，研发出千吨级重载运输车智能驾驶系统，实现了覆盖全工程路段的智能驾驶，并将车身姿态调整精度提升到厘米级。

重载运输车，指长度大于45米、宽度大于7.5米的重载物流运输装备，行驶于路基、隧道、桥面等非结构化道路，用于运输千吨级混凝土梁，是我国高铁网建设的“推进器”。国内外大多采用多人协作、人工驾驶，由于其体积庞大，视野盲区大，很难保证作业安全，更无法提升运行速度。一旦混凝土梁剐蹭或车辆侧翻，造成的经济损失将达上千万。

为解决该痛点，武科大团队尝试将智能驾驶运用到重载运输车上。普通汽车仅前轮转向，而重载运输车的轮组通常包含32对以上，且每个轮组均可独立转向。如何让运输车的多个轮组协同转向，实现车身姿态的灵活控制，是团队需要解决的难题。“重载运输车在驾驶中，常用的转向模式有斜行转向、半八字转向、全八字转向模式，这些转向模式难以满足狭窄路况下车身姿态精准控制需求。我们团队研发出自适应分矢量转向纠偏模型，为重载运输车装上“最强大脑”，很好地解决了这个难题。”该项目学生负责人夏周洋介绍。

该团队经过六年的研发，从软件和硬件两方面创新，将全程位姿中心智能控制等技术运用到重载运输车智能驾驶系统中，使重载运输车能自动选择最优导航模式，精确计算位姿偏差，实现高效导航；通过分解位姿偏差至各方向并分别纠偏，确保路径最短，转向灵活；同时，针对不同路况进行智能预警和避障，显著提高重载运输车在狭窄路况下的作业安全和效率。

该项目指导老师、武科大副教授龚京风介绍，与国内外同类产品相比，本次研发的智能驾驶系统实现覆盖到包括路基、隧道、桥面等全工程路段，且提高重载运输车的纠偏精度至厘米级，在保证安全性的同时，使狭窄路况的运行速度提升3-4倍，隧道等复杂工况通行速度由原来的1-2km/h提升至8km/h。

该团队在实验模型演算、仿真测试和实车测试中都取得良好的运行效果，相较于其它智能驾驶系统，该系统有控制转向灵活、无过度纠偏、纠偏速比可调，能精准控制重载运输车行驶在线路中心等优势。

据悉，该团队拥有相关发明专利19项，软件著作权7项，发表SCI、EI论文5篇。该团队现已与中铁旗下多家工程局开展试点合作，正在携手推动重载运输车智能驾驶系统产业化。