基于驾驶员特性的智能电动汽车跟车控制系统及方法技术方案

基于驾驶员特性的智能电动汽车跟车控制系统及方法，属于汽车智能驾驶领域。系统包括自组织神经网络驾驶员模型、上层控制模块和下层控制模块，首先建立描述驾驶员跟车行为特征的自组织神经网络驾驶员跟车模型，其次基于模型预测控制理论设计上层控制模块，并结合自组织神经网络驾驶员模型输出的参考加速度，以跟车安全性、符合驾驶员特性和经济性为目标求解优化期望加速度；下层控制模块用于实现对期望加速度的跟踪。为提高智能电动汽车制动时的能量效率，在下层控制模块中设计了再生制动控制器协调分配各执行器的制动力矩以最大化制动能量的回收。明显提高了智能电动汽车跟车控制系统性能。

【技术实现步骤摘要】
基于驾驶员特性的智能电动汽车跟车控制系统及方法
本专利技术属于汽车智能驾驶领域，特别是涉及一种基于驾驶员特性的智能电动汽车跟车控制系统及方法。
技术介绍
将电动化与智能化技术融合的智能电动汽车是新一代汽车发展的前沿与热点。跟车控制的主要目的是调整主车纵向行驶状态，使主车跟随期望速度行驶并且与前方目标车辆间的距离保持在期望间距，从而减轻驾驶员的负担。由于智能电动汽车纵向动力学具有强非线性特性，如何设计跟车控制系统具有深刻的研究意义。近年来，汽车的跟车控制问题得到了广泛关注。文献1(严伟.仿驾驶员速度跟随行为的自适应巡航控制算法研究.吉林大学博士论文,2016.)提出基于T-S模糊模型的汽车跟车间距控制方法，然而该方法忽略了跟车过程中的多目标性能。文献2(Z.Haroon,B.Khan,U.Farid,etal.SwitchingControlParadigmsforAdaptiveCruiseControlSystemwithStop-and-GoScenario.ArabianJournalForScienceAndEngineering,vol.44,no.3,pp.2103-2113,2019)设计了汽车跟车的切换控制策略，然而由于智能车辆跟车过程中不断地加减速，频繁地切换会引起跟车过程的抖动。设计可实现安全跟车行驶，又具备低能耗和符合驾驶员特性的跟车控制系统在综合提高车辆行驶安全性、经济性，减轻驾驶员负担方面具有重要的意义。鉴于此，本专利技术提出一种基于驾驶员特性的智能电动汽车控制系统及方法，有效提升智能电动汽车跟车控制系统的综合性能。
技术实现思路
本专利技术的目的是为使得智能电动汽车跟车过程更好的体现驾驶员跟车特性，建立描述驾驶员跟车行为特征的自组织神经网络驾驶员跟车模型，提供一种基于驾驶员特性的智能电动汽车跟车控制系统及方法，实现智能电动汽车跟车过程中制动能量的回收。基于驾驶员特性的智能电动汽车跟车控制系统包括自组织神经网络驾驶员模型、上层控制模块和下层控制模块，所述上层控制模块包括跟车预测模型和优化求解器，上层控制模块结合自组织神经网络驾驶员模型输出的参考加速度，用以跟车安全性、符合驾驶员特性和经济性为目标求解优化期望加速度；所述下层控制模块包括驱动控制器和再生制动控制器，下层控制模块用于实现对期望加速度的跟踪，再生制动控制器用于协调分配各执行器的制动力矩以最大化制动能量的回收。基于驾驶员特性的智能电动汽车跟车控制方法，包括以下步骤：步骤1：分析驾驶员跟车行为特性，建立模拟驾驶员行为特征的自组织神经网络驾驶员模型；步骤2：确定智能电动汽车跟车系统上层控制器的状态变量和控制变量，建立智能电动汽车跟车控制状态空间模型；步骤3：设计跟车安全性、符合驾驶员特性及经济性指标，并对各个性能指标进行加权求和以获取智能电动汽车跟车综合性能指标；步骤4：建立智能电动汽车跟车预测模型，在每个采样时刻，基于当前的测量值以及预测模型、未来的控制输入对未来的输出值进行预测；步骤5：建立智能电动汽车跟车控制的性能指标和系统约束的预测形式，采用预测控制技术求解基于驾驶员特性的智能电动汽车跟车多目标优化问题；步骤6：设计智能电动汽车跟车控制系统下层控制器中的驱动控制律，实现驱动模式下对期望加速度的跟踪控制；步骤7：设计智能电动汽车跟车控制系统下层控制器中的再生制动控制律，实现制动模式下对期望加速度的跟踪控制。在步骤1中，所述建立模拟驾驶员行为特征的自组织神经网络驾驶员模型的具体步骤可为：(1)采集人类驾驶员驾驶电动汽车跟车过程中车辆行驶信息及周围环境信息；(2)选择驾驶员驾驶的主车加速度、主车速度、主车与目标车的距离及相对速度对驾驶员跟车行为特性分析。(3)以主车与目标车的距离信息、主车速度、主车与目标车的相对速度为输入信息，以参考加速度为输出信息，建立描述驾驶员跟车行为的自组织神经网络模型。在步骤2中，所述建立智能电动汽车跟车控制状态空间模型的具体方法可为：(1)采用一阶惯性环节表示车辆加速度的输入输出传递特性，建立智能电动汽车跟车运动学模型；(2)采用近似离散化方法对智能电动汽车跟车运动学模型进行处理。在步骤3中，所述设计跟车安全性、符合驾驶员特性及经济性指标，并对各个性能指标进行加权求和以获取智能电动汽车跟车综合性能指标的具体步骤可为：(1)设计跟车安全性性能指标，取距离偏差和相对速度的二范数之和建立二次型目标函数；(2)设计符合驾驶员特性性能指标，采用实际加速度与驾驶员模型输出参考加速度的误差的二范数建立符合驾驶员特性的目标函数；(3)设计经济性指标，采用期望加速度及其变化率建立二次型目标函数；(4)对跟车安全性、符合驾驶员特性及经济性性能指标进行加权求和获取智能电动汽车跟车综合性能指标。在步骤4中，所述建立智能电动汽车跟车预测模型，在每个采样时刻，基于当前的测量值以及预测模型、未来的控制输入对未来的输出值进行预测的具体步骤可为：(1)通过智能电动汽车跟车离散化模型进行逐步迭代，并将方程中的控制量转化为控制增量的形式，可得出预测时域内的智能电动汽车跟车预测方程；(2)给出智能电动汽车跟车系统在预测时域内的输出量与控制增量的关系表达式，假设目标车的加速度在预测时域内保持不变，即预测时域内的目标车加速度均等于当前时刻测量到的值。在步骤5中，所述建立智能电动汽车跟车控制的性能指标和系统约束的预测形式，采用预测控制技术求解基于驾驶员特性的智能电动汽车跟车多目标优化问题的具体步骤可为：(1)设计用于体现智能电动汽车跟车安全性和体现符合驾驶员特性的跟踪性能指标函数表达式；(2)设计用于体现智能电动汽车跟车舒适性及经济性的性能指标函数；(3)将预测时域内的智能电动汽车跟车控制算法转化为带约束的多性能目标优化问题。在步骤6中，所述设计智能电动汽车跟车控制系统下层控制器中的驱动控制律，实现驱动模式下对期望加速度的跟踪控制的具体方法可为：(1)考虑到驱动行驶过程中阻力的影响，计算总行驶阻力；(2)通过期望加速度求得驱动控制模式下的电机期望驱动转矩表达式。在步骤7中，所述设计智能电动汽车跟车控制系统下层控制器中的再生制动控制律，实现制动模式下对期望加速度的跟踪控制的具体步骤可为：(1)考虑轮胎与路面之间的制动力受摩擦系数限制，建立轮胎和道路之间的制动力需要满足的条件表达式；(2)设计前轮抱死时不同附着条件下前后轮制动力之间的关系表达式；(3)设计后轮被抱死时不同附着条件下前后轮制动力之间的关系表达式；(4)设计在前后轮同时抱死的情况下前轮和后轮的制动力之间的关系表达式；(5)将制动强度分为四个阶段，在不同制动强度下计算出前后轮制动力；(6)计算得到前后轮制动力后，为了防止车轮抱死，给出施加在制动执行器上的制动力需要满足的限定条件。本专利技术首先建立描述驾本文档来自技高网...

【技术保护点】
1.基于驾驶员特性的智能电动汽车跟车控制系统，其特征在于包括自组织神经网络驾驶员模型、上层控制模块和下层控制模块，所述上层控制模块包括跟车预测模型和优化求解器，上层控制模块结合自组织神经网络驾驶员模型输出的参考加速度，用以跟车安全性、符合驾驶员特性和经济性为目标求解优化期望加速度；所述下层控制模块包括驱动控制器和再生制动控制器，下层控制模块用于实现对期望加速度的跟踪，再生制动控制器用于协调分配各执行器的制动力矩以最大化制动能量的回收。/n

【技术特征摘要】
1.基于驾驶员特性的智能电动汽车跟车控制系统，其特征在于包括自组织神经网络驾驶员模型、上层控制模块和下层控制模块，所述上层控制模块包括跟车预测模型和优化求解器，上层控制模块结合自组织神经网络驾驶员模型输出的参考加速度，用以跟车安全性、符合驾驶员特性和经济性为目标求解优化期望加速度；所述下层控制模块包括驱动控制器和再生制动控制器，下层控制模块用于实现对期望加速度的跟踪，再生制动控制器用于协调分配各执行器的制动力矩以最大化制动能量的回收。


2.基于驾驶员特性的智能电动汽车跟车控制方法，其特征在于包括以下步骤：
步骤1：分析驾驶员跟车行为特性，建立模拟驾驶员行为特征的自组织神经网络驾驶员模型；
步骤2：确定智能电动汽车跟车系统上层控制器的状态变量和控制变量，建立智能电动汽车跟车控制状态空间模型；
步骤3：设计跟车安全性、符合驾驶员特性及经济性指标，并对各个性能指标进行加权求和以获取智能电动汽车跟车综合性能指标；
步骤4：建立智能电动汽车跟车预测模型，在每个采样时刻，基于当前的测量值以及预测模型、未来的控制输入对未来的输出值进行预测；
步骤5：建立智能电动汽车跟车控制的性能指标和系统约束的预测形式，采用预测控制技术求解基于驾驶员特性的智能电动汽车跟车多目标优化问题；
步骤6：设计智能电动汽车跟车控制系统下层控制器中的驱动控制律，实现驱动模式下对期望加速度的跟踪控制；
步骤7：设计智能电动汽车跟车控制系统下层控制器中的再生制动控制律，实现制动模式下对期望加速度的跟踪控制。


3.如权利要求2所述基于驾驶员特性的智能电动汽车跟车控制方法，其特征在于在步骤1中，所述建立模拟驾驶员行为特征的自组织神经网络驾驶员模型的具体步骤为：
(1)采集人类驾驶员驾驶电动汽车跟车过程中车辆行驶信息及周围环境信息；
(2)选择驾驶员驾驶的主车加速度、主车速度、主车与目标车的距离及相对速度对驾驶员跟车行为特性分析；
(3)以主车与目标车的距离信息、主车速度、主车与目标车的相对速度为输入信息，以参考加速度为输出信息，建立描述驾驶员跟车行为的自组织神经网络模型。


4.如权利要求2所述基于驾驶员特性的智能电动汽车跟车控制方法，其特征在于在步骤2中，所述建立智能电动汽车跟车控制状态空间模型的具体方法为：
(1)采用一阶惯性环节表示车辆加速度的输入输出传递特性，建立智能电动汽车跟车运动学模型；
(2)采用近似离散化方法对智能电动汽车跟车运动学模型进行处理。


5.如权利要求2所述基于驾驶员特性的智能电动汽车跟车控制方法，其特征在于在步骤3中，所述设计跟车安全性、符合驾驶员特性及经济性指标，并对各个性能指标进行加权求和以获取智能电动汽车跟车综合性能指标的具体步骤为：
(1)设计跟车安全性性能指标，取距离偏差和相对...

【专利技术属性】
技术研发人员：郭景华，李文昌，王靖瑶，肖宝平，王班，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35