一种ACC决策方法及系统技术方案

本发明专利技术公开了一种ACC决策方法及系统，该方法包括：建立ACC纵向跟车运动学的模型；基于MPC模型预测控制理论，在模型下根据预设的二次型性能指标及其对应的线性不等式约束条件，建立代价函数，通过对代价函数进行滚动在线优化，以获取ACC的控制量；其中，代价函数的约束条件为跟车安全硬约束条件和线性不等式约束条件的组合；本发明专利技术通过对代价函数进行滚动在线优化，以获取ACC的控制量，可以采用二次型性能指标以及线性不等式约束条件的形式，综合协调如车辆的动态追踪性、燃油经济性、驾乘舒适性以及跟车安全性这些存在着一定冲突性的控制目标，将纵向期望加速度的决策问题转化成带约束的在线QP二次规划问题。

ACC decision making method and system

The invention discloses a ACC decision method and system, the method comprises: establishing ACC longitudinal car kinematics model; MPC model predictive control based on the theory in the model according to the two performance indexes and the corresponding linear inequality constraints preset, establish the cost function, the cost function of online rolling optimization in order to obtain control, the amount of ACC; the combination of constraint cost function with the car safety as hard constraints and linear inequality constraints; the cost function of rolling line optimization, in order to obtain control of the amount of ACC, the two quadratic performance index and linear inequality constraints in the form of dynamic comprehensive coordination such as vehicle tracking, fuel economy, ride comfort and safety of the car there are certain conflicting control objectives The decision problem of longitudinal expected acceleration is transformed into an on-line QP two programming problem with constraints.

【技术实现步骤摘要】
一种ACC决策方法及系统
本专利技术涉及半自动驾驶领域，特别涉及一种ACC决策方法及系统。
技术介绍
随着现代社会科技的发展，人们对于车辆的使用需求越来越大，这就使得车辆的各方面技术得到了广泛的发展。ACC(AdaptiveCruiseControl，自适应巡航控制)是一种智能化的自动控制系统，它是在早已存在的巡航控制技术的基础上发展而来的。在车辆行驶过程中，安装在车辆前部的车距传感器(雷达)持续扫描车辆前方道路，同时轮速传感器采集车速信号。当与前车之间的距离过小时，ACC控制单元可以通过与制动防抱死系统、发动机控制系统协调动作，使车轮适当制动，并使发动机的输出功率下降，以使车辆与前方车辆始终保持安全距离，达到半自动化驾驶的效果。现有技术中，作为一种先进的ADAS(AdvancedDriverAssistantSystem，高级驾驶辅助系统)，ACC自适应巡航控制旨在缓解驾驶疲劳，提升驾乘舒适性与安全性。然而对于ACC自适应巡航控制中ACC决策过程中的人性化设计问题，现有技术中往往只是针对跟车安全性或其他的一种控制目标进行控制，并不能对如车辆的动态追踪性、燃油经济性、驾乘舒适性以及跟车安全性这些存在着一定冲突性的控制目标的进行综合协调控制，不利于提高ACC的用户使用率和驾驶人员的接受度。因此，如何提供一种ACC自适应巡航控制的决策方法，可以综合协调存在着一定冲突多个控制目标，提高ACC的用户使用率和驾驶人员的接受度，是现今急需解决的问题。
技术实现思路
本专利技术的目的是提供一种ACC决策方法及系统，以综合协调存在着一定冲突多个控制目标，提高ACC的用户使用率和驾驶人员的接受度。为解决上述技术问题，本专利技术提供一种ACC决策方法，包括：建立ACC纵向跟车运动学的模型；基于MPC模型预测控制理论，在所述模型下根据预设的二次型性能指标及其对应的线性不等式约束条件，建立代价函数，通过对所述代价函数进行滚动在线优化，以获取ACC的控制量；其中，所述代价函数的约束条件为跟车安全硬约束条件和所述线性不等式约束条件的组合。可选的，所述二次型性能指标包括：动态追踪性能指标、燃油经济性能指标和驾乘舒适性能指标中至少一项。可选的，所述动态追踪性能指标、所述燃油经济性能指标和所述驾乘舒适性能指标及各自对应的线性不等式约束条件分别为：所述动态追踪性能指标为JT＝ωΔdΔd2+ωΔvΔv2，所述动态追踪性能指标的线性不等式约束条件为式中，期望车距误差Δd＝d-ddes＝(sp+d0-sf)-(τhvf+ds)，相对车速Δv＝vp-vf，vp为前车速度，vf为自车速度，d0为初始车距，sp为前车位移，sf为自车位移，τh为固定时距，ds为极限安全车距，ωΔd与ωΔv分别为期望车距误差Δd与相对车速Δv的权重系数；所述燃油经济性能指标为所述动态追踪性能指标的线性不等式约束条件为式中，ωa与ωj分别为自车期望加速度af,des与自车冲击度jerk的权重系数；所述驾乘舒适性能指标为所述驾乘舒适性能指标的线性不等式约束条件为式中，ωc为相应权重系数，af,ref＝kvΔv+kdΔd为驾驶员参考加速度，kv和kd分别为相应的权重系数。可选的，当所述模型的预测时域为[k，k+p-1]时，所述模型具体为：式中，k为当前时刻，Xf为所述预测时域的状态序列，U为所述预测时域的控制序列，xf(k)为当前观察状态量，Ap为矩阵在所述预测时域迭代的系数矩阵，Bp为矩阵在所述预测时域迭代的系数矩阵，Cp＝diag(C,C,…,C)为相应系数矩阵，Y为系统输出序列；其中，KL为理想一阶系统增益，TL为下位控制器的时间常数，Ts为采样周期。可选的，当所述二次型性能指标为所述动态追踪性能指标、所述燃油经济性能指标和所述驾乘舒适性能指标时，所述代价函数具体为：式中，W1＝Wt1+Wc1，W2＝Wt2+Wc2，Wt1＝diag(ωt1,ωt1,…,ωt1)，Wc1＝diag(ωc1,ωc1,…,ωc1)，Wt2＝[ωt2(k+1),…,ωt2(k+p)]，Wc2＝[ωc2(k+1),…,ωc2(k+p)]，ωt2＝[-2ωΔdsp(k+i)-2(ωΔdτhsp(k+i)+ωΔvvp(k+i))0]，ωc2＝ωc[-2kd(kdsp(k+i)+kvvp(k+i))-2(kdτh+kv)(kdsp(k+i)+kvvp(k+i))-2(kdsp(k+i)+kvvp(k+i))],U＝[af,des(k)af,des(k+i)…af,des(k+p-1)]T，可选的，所述建立ACC纵向跟车运动学的模型，还包括：引入误差修正项，建立闭环反馈校正机制。可选的，所述误差修正项具体为：e(k)＝x(k)-x(k|k-1)；式中，x(k)为k时刻系统实际状态，x(k|k-1)为k-1时刻对k时刻状态的预测；其中，所述模型具体为式中，λ＝diag(λ1,λ2,λ3)为校正矩阵。可选的，所述基于MPC模型预测控制理论，在所述模型下根据预设的二次型性能指标及其对应的线性不等式约束条件，建立代价函数之后，还包括：对所述线性不等式约束条件进行松弛化，并在所述代价函数中增加二次型惩罚项。可选的，所述通过对所述代价函数进行滚动在线优化，以获取ACC的控制量，包括：根据获取的工况信息，选择所述工况信息对应的ACC工作模式对应的代价函数进行滚动在线优化，以获取所述ACC的控制量；其中，每个ACC工作模式对应的代价函数的约束条件对应的约束界和/或松弛度和/或二次型性能指标中的权重不同。此外，本专利技术还提供了一种ACC决策系统，包括：建模模块，用于建立ACC纵向跟车运动学的模型；决策模块，用于基于MPC模型预测控制理论，在所述模型下根据预设的二次型性能指标及其对应的线性不等式约束条件，建立代价函数，通过对所述代价函数进行滚动在线优化，以获取ACC的控制量；其中，所述代价函数的约束条件为跟车安全硬约束条件和所述线性不等式约束条件的组合。本专利技术所提供的一种ACC决策方法，包括：建立ACC纵向跟车运动学的模型；基于MPC模型预测控制理论，在所述模型下根据预设的二次型性能指标及其对应的线性不等式约束条件，建立代价函数，通过对所述代价函数进行滚动在线优化，以获取ACC的控制量；其中，所述代价函数的约束条件为跟车安全硬约束条件和所述线性不等式约束条件的组合；可见，本专利技术通过建立ACC纵向跟车运动学的模型，可以对ACC纵向跟车运动学的预测时域进行分析；通过基于MPC模型预测控制理论，在模型下根据预设的二次型性能指标及其对应的线性不等式约束条件，建立代价函数，通过对代价函数进行滚动在线优化，以获取ACC的控制量，可以采用二次型性能指标以及线性不等式约束条件的形式，综合协调如车辆的动态追踪性、燃油经济性、驾乘舒适性以及跟车安全性这些存在着一定冲突性的控制目标，将纵向期望加速度的决策问题转化成带约束的在线QP(quadraticprogramming，二次规划)问题。此外，本专利技术还提供了一种ACC决策系统，同样具有上述有益效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在本文档来自技高网...

【技术保护点】
一种ACC决策方法，其特征在于，包括：建立ACC纵向跟车运动学的模型；基于MPC模型预测控制理论，在所述模型下根据预设的二次型性能指标及其对应的线性不等式约束条件，建立代价函数，通过对所述代价函数进行滚动在线优化，以获取ACC的控制量；其中，所述代价函数的约束条件为跟车安全硬约束条件和所述线性不等式约束条件的组合。

【技术特征摘要】
1.一种ACC决策方法，其特征在于，包括：建立ACC纵向跟车运动学的模型；基于MPC模型预测控制理论，在所述模型下根据预设的二次型性能指标及其对应的线性不等式约束条件，建立代价函数，通过对所述代价函数进行滚动在线优化，以获取ACC的控制量；其中，所述代价函数的约束条件为跟车安全硬约束条件和所述线性不等式约束条件的组合。2.根据权利要求1所述的ACC决策方法，其特征在于，所述二次型性能指标包括：动态追踪性能指标、燃油经济性能指标和驾乘舒适性能指标中至少一项。3.根据权利要求2所述的ACC决策方法，其特征在于，所述动态追踪性能指标、所述燃油经济性能指标和所述驾乘舒适性能指标及各自对应的线性不等式约束条件分别为：所述动态追踪性能指标为JT＝ωΔdΔd2+ωΔvΔv2，所述动态追踪性能指标的线性不等式约束条件为式中，期望车距误差Δd＝d-ddes＝(sp+d0-sf)-(τhvf+ds)，相对车速Δv＝vp-vf，vp为前车速度，vf为自车速度，d0为初始车距，sp为前车位移，sf为自车位移，τh为固定时距，ds为极限安全车距，ωΔd与ωΔv分别为期望车距误差Δd与相对车速Δv的权重系数；所述燃油经济性能指标为所述动态追踪性能指标的线性不等式约束条件为式中，ωa与ωj分别为自车期望加速度af,des与自车冲击度jerk的权重系数；所述驾乘舒适性能指标为所述驾乘舒适性能指标的线性不等式约束条件为式中，ωc为相应权重系数，af,ref＝kvΔv+kdΔd为驾驶员参考加速度，kv和kd分别为相应的权重系数。4.根据权利要求3所述的ACC决策方法，其特征在于，当所述模型的预测时域为[k，k+p-1]时，所述模型具体为：式中，k为当前时刻，Xf为所述预测时域的状态序列，U为所述预测时域的控制序列，xf(k)为当前观察状态量，Ap为矩阵在所述预测时域迭代的系数矩阵，Bp为矩阵在所述预测时域迭代的系数矩阵，Cp＝diag(C,C,…,C)为相应系数矩阵，Y为系统输出序列；其中，KL为理想一阶系统增益，TL为下位控制器的时间常数，Ts为采样周期。5.根据权利要求4所述的ACC决策方法，其特征在于，当所述二次型性能指标为所述动态追踪性能指标、所述燃油经济性能指标和所述驾乘舒适性能指标时，所述代价函数具体为：式中，W1＝Wt1+Wc1，W2＝Wt2+Wc2，Wt1＝diag(ωt1,ωt1,…,ωt1)，Wc1＝diag(ωc1,ωc1,…,ωc1)...

【专利技术属性】
技术研发人员：章军辉，张佩中，章长庆，张黎明，付宗杰，李庆，陈大鹏，
申请(专利权)人：中科院微电子研究所昆山分所，
类型：发明
国别省市：江苏,32