基于改进模型预测控制的自适应跟车算法制造技术

本发明专利技术涉及一种基于改进模型预测控制的自适应跟车算法，其步骤为：1.跟车模型的建立,自适应巡航系统的控制器分为上下两层控制，上层控制器根据接收到相对距离，相对速度的信息，计算出期望的加速度，并传递给下层控制器；下层控制器由加速度根据车辆逆纵向动力学模型去控制油门开度和制动压力；2.基于模型预测控制的算法建立,构建一个估计器，利用之前时刻的值采用最小二乘法拟合出最逼近的直线，并估计未来时刻的值，最后利用模型预测算法计算出最优的期望加速度。本发明专利技术在现有模型预测框架下，通过采集前车加速度信息，利用最小二乘法拟合出前车加速度变化规律，并做出预测，进而为模型预测控制提供加速度的扰动值，从而起到改善最优解的效果。

Adaptive car heel algorithm based on improved model predictive control

The invention relates to an improved model predictive control algorithm based on adaptive with the car, which comprises the following steps: 1. to establish vehicle model controller, adaptive cruise control system is divided into two layer control, the upper controller receives the relative distance, relative velocity information, calculate the expected acceleration, and transfer to the lower level controller according to the vehicle acceleration controller; the lower the inverse longitudinal dynamics model to control the throttle and brake pressure; 2. based on the control algorithm of prediction model, construct an estimator, before the time the value of the most fitting a straight line approximation by least square method, and estimates of future time, finally using the model to calculate the optimal prediction algorithm the expected acceleration. The present invention in the existing model framework, through the acquisition of vehicle acceleration information, using the least squares method to fit changes before the vehicle acceleration, and make a prediction and model predictive control disturbance provide acceleration value, so as to improve the effect of optimal solution.

【技术实现步骤摘要】
基于改进模型预测控制的自适应跟车算法
本专利技术涉及一种汽车驾驶员辅助驾驶系统，尤其是一种自适应巡航系统，属于汽车驾驶自适应巡航系统

技术介绍
自适应巡航系统是在传统巡航控制基础上发展起来的新一代汽车驾驶员辅助驾驶系统。它将汽车定速巡航控制系统和车辆前向撞击报警系统有机结合起来。不但具有自动巡航的全部功能，还可以通过车载雷达等传感器监测汽车前方的道路交通环境,一旦发现当前行驶车道的前方有其它前行车辆时，将根据本车与前车之间的相对距离及相对速度等信息，通过控制汽车的油门和刹车对车辆进行纵向速度控制，使本车与前车保持合适的安全间距。采用该系统降低了驾驶员的工作负担，大大提高了汽车的主动安全性，扩大了巡航行驶的范围。模型预测优点在于利用预测的未来状态重复地进行滚动时域优化。为了得到最优解，预测模型必须准确可靠。在自适应巡航系统中，预测模型不仅与自车有关，而且与前车相关，尤其是它的加速度。由于前车受到驾驶员的干预，其加速度并不一定是个恒定值，如实际中当前车进行加速或减速时，其加速度并不是保持不变的，可能是渐进式变化。在现有的模型预测控制下，在预测模型未来状态时，会将前车加速度认为是本文档来自技高网...

【技术保护点】
一种基于改进模型预测控制的自适应跟车算法，其特征在于，包括以下步骤：一、跟车模型的建立自适应巡航系统的控制器分为上下两层控制，上层控制器根据接收到相对距离，相对速度的信息，计算出期望的加速度，并传递给下层控制器；下层控制器由加速度根据车辆逆纵向动力学模型去控制油门开度和制动压力；(1)上层控制器首先根据自适应跟车模型的相对运动关系，建立如下的状态空间方程：x(k+1)＝Ax(k)+Bu(k)+Gw(k)  (1)其中

【技术特征摘要】
1.一种基于改进模型预测控制的自适应跟车算法，其特征在于，包括以下步骤：一、跟车模型的建立自适应巡航系统的控制器分为上下两层控制，上层控制器根据接收到相对距离，相对速度的信息，计算出期望的加速度，并传递给下层控制器；下层控制器由加速度根据车辆逆纵向动力学模型去控制油门开度和制动压力；(1)上层控制器首先根据自适应跟车模型的相对运动关系，建立如下的状态空间方程：x(k+1)＝Ax(k)+Bu(k)+Gw(k)(1)其中w(k)＝ap(k)x(k)＝[R(k),vh(k),Δv(k),ah(k),jh(k)]T；式(1)中，k表示当前时刻，k+1表示下一个采样时刻，R为两车之间的相对距离，vh为自车速度，Δv为两车相对速度，ah自车加速度，jh为自车加加速度，vp前车速度，ap前车加速度，τ为时间常数，取0.5,Ts为采样时间，Ts＝0.01S；u为上层控制器的控制输入量,ades为自车期望的加速度；由输出变量选取为自车和前车相对距离与期望距离的差值ΔR，两车相对速度Δv，自车加速度ah和自车加加速度jh，得到输出方程：y(k+1)＝Cx(k+1)+z(2)其中：期望的相对距离采用可变间距策略中的恒定车头时距采用定车头时距，即参考相对距离Rref为Rref＝R0+thvh(3)其中th为车头时距，R0为自车静止时与前车保持的距离；(2)下层控制器在下层控制中,采用逆纵向动力学模型，在实际过程中,下层控制器的输入即上层控制中的自车期望加速度ades和实际输出的加速度a存在延迟,用一阶惯性系统表示：式中τ为时间常数，s为复变量；二、基于模型预测控制的算法建立构建一个估计器，利用之前时刻的值采用最小二乘法拟合出最逼近的直线，并估计未来时刻的值，最后利用模型预测算法计算出最优的期望加速度；(1)最小二乘法拟合在进行估计之前，先进行以下条件假设：在相对较短的时间内，加速度ap，近似沿着直线变化，即：ap(t)＝a0+a1t(5)其中a0和a1为直线方程的系数；因此，采用最小二乘法来得到a0和a1值，并估计未来时刻的值；p为时间，若有p-1个过去的采样值分别为ap(k+1-p)，ap(k+2-p)，ap(k+3-p)，……，ap(k-1)以及当前采样值ap(k)，通过当前采样值的直线由式(5)可以得到：其中为预测加速度值；为了使得直线能够逼近其他时刻的采样值，选取权重评价函数Ja为：其中为qi权重矩阵，表示各个采样时刻的权重系数，利用求导得到式(7)最小值时对应的a1，然后再利用式(5)进行预测。(2)自适应巡航的控制目标分析在模型预测控制中，为了避免控制对象出现较大的变化，通常使y(k+1)沿着期望的平缓曲线到达设定值yr，这里采用如下的参考曲线：yref(k+i)＝αiy(k)+(1-αi)yref(k)(11)其中，yref为参考值，α参数越小参考轨迹到达参考值的响应时间越短，此处α取0.9；跟踪前车的最终目标是自车和前车的相对速度Δv为0，同时，相对距离R趋近于期望的相对距离，即Δv→0，R→Rref相对距离的期望值由式(3)计算得到；相对速度期望值为0；加速度的期望值aref采用的模型如下，即aref＝kvΔv+kdΔd(12)式中kv，kd为模型系数分别去0.25和0.02；Δd为实际相对距离与理想相对距离的差值；(3)跟踪模型的预测为了方便起见，记p为预测时域，m为控制时域，且m≤p，并有如下假设...

【专利技术属性】
技术研发人员：孙涛，龚戌伟，戴旭彬，王帅帅，吕梦男，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31