一种电动汽车自适应巡航控制方法技术

本发明专利技术公开了一种电动汽车自适应巡航控制方法，其包括以下步骤：采用多遗忘因子递推最小二乘算法估算滑行加速度；建立前车和本车的运动状态预测模型；基于步骤一估算的滑行加速度和步骤二建立的两车运动状态预测模型，设计自适应巡航上层控制器；根据车辆逆纵向动力学模型设计自适应巡航下层控制器。本发明专利技术通过多遗忘因子递推最小二乘算法在线估算滑行加速度，并将估算的滑行加速度引入基于模型预测控制理论建立的上层控制器中，在满足车辆跟随性、安全性和经济性的同时，以加速度波动和驱动制动切换频率最小作为舒适性目标，可显著降低自适应巡航控制过程中的驱动制动切换频率，提升整车舒适性。

【技术实现步骤摘要】
一种电动汽车自适应巡航控制方法
本专利技术属于智能驾驶辅助
，具体涉及一种电动汽车自适应巡航控制方法。
技术介绍
自适应巡航控制(ACC)系统是在传统的巡航控制系统的基础上结合安全车距保持系统演化而来。通过位于车身前部的雷达传感器检测在雷达的可视范围内是否存在前车，当道路前方无车辆时，ACC系统会按照事先设定的速度行驶，一旦车载传感器检测到前方有车辆时，ACC系统通过调整本车车速，使之与前车保持一个安全的跟车间距。该系统设计的目的旨在减少因驾驶员的错误操作引发的交通事故，提高行驶安全性、乘坐舒适性等。目前电动汽车ACC系统设计时主要针对安全性、经济性以及跟车性三大目标进行优化，对舒适性的研究较少，尤其是没有考虑汽车驱动、制动频繁切换造成的一系列问题，诸如乘坐舒适性降低、能耗增加以及机械寿命减少等。因此本专利技术提出一种考虑驱动制动切换优化的电动汽车自适应巡航控制方法，旨在改善电动汽车自适应巡航系统的舒适性和经济型。
技术实现思路
针对上述问题，本专利技术提供了一种考虑驱动制动切换优化的电动汽车自适应巡航控制方法，采用分层的控制策略：上层控制根据前车以及本车当前的状态，综合考虑车辆行驶过程中的多个目标决策出期望的纵向加速度，下层控制通过逆推的方法实现对期望纵向加速度的跟踪。本专利技术是采用如下技术方案实现的：一种考虑驱动制动切换优化的电动汽车自适应巡航控制方法，其包括以下步骤：步骤一、采用多遗忘因子递推最小二乘算法估算滑行加速度；步骤二、建立前车和本车的运动状态预测模型；步骤三、基于步骤一估算的滑行加速度和步骤二建立的两车运动状态预测模型，设计自适应巡航上层控制器；上层控制器采用模型预测控制算法建立，以车辆跟随性、安全性、经济性和舒适性为优化指标，决策出期望的纵向加速度；步骤四、根据车辆逆纵向动力学模型设计自适应巡航下层控制器，下层控制器输入为步骤一估算的滑行加速度和步骤三计算的期望加速度，期望加速度通过车辆逆纵向动力学模型转变为期望的电机驱动力矩或期望的制动力，完成对期望加速度的精确控制。更进一步地，所述步骤一的滑行加速度估算过程具体包括以下步骤：1)建立滑行加速度估算的数学模型：式中：m为汽车质量；f为滚动阻力系数；β为路面坡度；ρ为空气密度；Cd为空气阻力系数；S为车辆迎风面积；vh为本车车速；vwind为纵向风速；δ为旋转质量换算系数；as为滑行加速度；A是二次项系数；B是一次项系数；C为常数项系数；2)计算等效滑行加速度：驱动和制动过程的等效滑行加速度如下：式中：aesd(k)、aesb(k)为k时刻车辆驱动、制动等效滑行加速度；ah(k)为k时刻本车加速度；ad(k)、ab(k)为k时刻驱动力和制动力单独作用下产生的车辆加速度；Td(k)、Tb(k)为k时刻电机驱动和制动力矩；it为车辆传动比；η为传动效率；rw为车轮滚动半径；Df、Dr为前后轴轮缸直径；pf(k)、pr(k)为k时刻前后轴轮缸压力；Rf、Rr为前后轮有效作用半径；Kbf、Kbr为前后轴制动效能因数；将驱动过程和制动过程的等效滑行加速度统一为等效滑行加速度，代入滑行加速度估算的数学模型，可得：aes(k)-Avh(k)2＝Bvh(k)+C式中：aes(k)为k时刻车辆等效滑行加速度；vh(k)为k时刻本车车速；3)采用多遗忘因子递推最小二乘算法估算参数B和C：在递推最小二乘算法中，测量值和系统参数间有如下关系：式中：m(k)为测量值；为系数矩阵；θ(k)为待估计参数；将遗忘因子引入递推最小二乘算法，选取测量值与估计值之间的残差平方和，建立适应度函数如下:式中：λ1、λ2分别为系统估计参数和的遗忘因子；为了确定参数估计值，使适应度函数最小化，分别令和可得：式中：L1(k)、L2(k)为增益矩阵；P1(k)、P2(k)为协方差矩阵。更进一步地，所述步骤二的预测模型建立过程具体包括以下步骤：1)建立前车预测模型：假设前车在k时刻保持匀加速行驶，则前车k+i时刻的离散预测模型可表示为:式中：sf(k),vf(k),af(k)分别为前车k时刻的实际行驶距离、车速和加速度；sf(k+i|k)，vf(k+i|k)，af(k+i|k)分别为预测前车k+i时刻的行驶距离、车速和加速度；Ts为采样时间间隔；i∈[1,P]，P为预测时域；2)建立本车预测模型：由于车辆传动系统具有时滞性，可用一阶惯性环节描述本车的加速度响应特性：式中：ah为本车实际加速度；au为期望加速度；K为系统增益；Tg为时间常数；选取本车行驶距离sh、车速vh和加速度ah作为状态变量xh，即xh＝[shvhah]T；期望加速度au为系统输入，建立主车预测模型如下:将上述状态空间方程进行离散化，可得下式：式中：xh(k+1|k)为k时刻模型预测k+1时刻的本车运动状态。更进一步地，所述步骤三的上层控制器设计过程具体包括以下步骤：1)提出优化问题：ACC控制系统设计时，主要考虑舒适性、跟随性、经济性和安全性四项性能指标的优化，在模型预测控制的框架下，ACC系统的控制可以总结成如下的优化问题：minJ(au(k|k),…,au(k+p-1|k))其中，lce(k+i|k)＝wξ(ξ(k+i|k)-ξ(k+i-1|k))2+wa(au(k+i|k))2ltrack(k+i|k)＝wΔd(Δd(k+i|k))2+wΔv(Δv(k+i|k))2式中：lce(k+i|k)为k+i时刻经济舒适性综合指标；wξ为驱动制动切换权重；wa为加速度权重；ξ(k)为驱动制动状态，1代表驱动状态，0代表制动状态；ltrack(k+i|k)为k+i时刻跟随性指标；Δd(k+i|k)为k+i时刻距离跟随误差；Δv(k+i|k)为k+i时刻速度跟随误差；wΔd为距离误差权重；wΔv为速度误差权重；ddes(k+i|k)为k+i时刻期望跟随距离；τ为车间时距；d0为最小安全车距；Δdmax为距离误差上限；Δvmin和Δvmax分别为速度误差的上下限；2)求解优化问题：对步骤1)提出的优化问题进行整理，其可转化为：minJ(au(k|k),…,au(k+p-1|k))s.t.Ar(k+i|k)xh(k+i|k)≤Br(k+i|k)其中，上述方程可采用内点法进行求解，求解的第一个分量输入给下层控制器，然后进入下一个采样周期的预测与优化求解。更进一步地，所述步骤四的下层控制器设计过程具体包括以下步骤：1)判定驱动制动状态：若步骤三求得的期望加速度au(k)大于或等于步骤一估算的滑行加速度as(k)，则ACC系统进入驱动本文档来自技高网...

【技术保护点】
1.一种电动汽车自适应巡航控制方法，其特征在于，包括以下步骤：/n步骤一、采用多遗忘因子递推最小二乘算法估算滑行加速度；/n步骤二、建立前车和本车的运动状态预测模型；/n步骤三、基于步骤一估算的滑行加速度和步骤二建立的两车运动状态预测模型，设计自适应巡航上层控制器；上层控制器采用模型预测控制算法建立，以车辆跟随性、安全性、经济性和舒适性为优化指标，决策出期望的纵向加速度；/n步骤四、根据车辆逆纵向动力学模型设计自适应巡航下层控制器，下层控制器输入为步骤一估算的滑行加速度和步骤三计算的期望加速度，期望加速度通过车辆逆纵向动力学模型转变为期望的电机驱动力矩或期望的制动力，完成对期望加速度的精确控制。/n

【技术特征摘要】
1.一种电动汽车自适应巡航控制方法，其特征在于，包括以下步骤：
步骤一、采用多遗忘因子递推最小二乘算法估算滑行加速度；
步骤二、建立前车和本车的运动状态预测模型；
步骤三、基于步骤一估算的滑行加速度和步骤二建立的两车运动状态预测模型，设计自适应巡航上层控制器；上层控制器采用模型预测控制算法建立，以车辆跟随性、安全性、经济性和舒适性为优化指标，决策出期望的纵向加速度；
步骤四、根据车辆逆纵向动力学模型设计自适应巡航下层控制器，下层控制器输入为步骤一估算的滑行加速度和步骤三计算的期望加速度，期望加速度通过车辆逆纵向动力学模型转变为期望的电机驱动力矩或期望的制动力，完成对期望加速度的精确控制。


2.根据权利要求1所述的一种电动汽车自适应巡航控制方法，其特征在于，所述步骤一的滑行加速度估算过程具体包括以下步骤：
1)建立滑行加速度估算的数学模型：



式中：m为汽车质量；f为滚动阻力系数；β为路面坡度；ρ为空气密度；Cd为空气阻力系数；S为车辆迎风面积；vh为本车车速；vwind为纵向风速；δ为旋转质量换算系数；as为滑行加速度；A是二次项系数；B是一次项系数；C为常数项系数；
2)计算等效滑行加速度：
驱动和制动过程的等效滑行加速度如下：



式中：aesd(k)、aesb(k)为k时刻车辆驱动、制动等效滑行加速度；ah(k)为k时刻本车加速度；ad(k)、ab(k)为k时刻驱动力和制动力单独作用下产生的车辆加速度；Td(k)、Tb(k)为k时刻电机驱动和制动力矩；it为车辆传动比；η为传动效率；rw为车轮滚动半径；Df、Dr为前后轴轮缸直径；pf(k)、pr(k)为k时刻前后轴轮缸压力；Rf、Rr为前后轮有效作用半径；Kbf、Kbr为前后轴制动效能因数；
将驱动过程和制动过程的等效滑行加速度统一为等效滑行加速度，代入滑行加速度估算的数学模型，可得：
aes(k)-Avh(k)2＝Bvh(k)+C
式中：aes(k)为k时刻车辆等效滑行加速度；vh(k)为k时刻本车车速；
3)采用多遗忘因子递推最小二乘算法估算参数B和C：
在递推最小二乘算法中，测量值和系统参数间有如下关系：






式中：m(k)为测量值；为系数矩阵；θ(k)为待估计参数；
将遗忘因子引入递推最小二乘算法，选取测量值与估计值之间的残差平方和，建立适应度函数如下:



式中：λ1、λ2分别为系统估计参数和的遗忘因子；
为了确定参数估计值，使适应度函数最小化，分别令和可得：



式中：L1(k)、L2(k)为增益矩阵；P1(k)、P2(k)为协方差矩阵。


3.根据权利要求1所述的一种电动汽车自适应巡航控制方法，其特征在于，所述步骤二的预测模型建立过程具体包括以下步骤：
1)建立前车预测模型：
假设前车在k时刻保持匀加速行驶，则前车k+i时刻的离散预测模型可表示为:



式中：sf(k),vf(k),af(k)分别为前车k时刻的实际行驶距离、车速和加速度；sf(k+i|k)，vf(k+i|k)，af(k+i|k)分别为预测前车k+i时刻的行驶距离、车速和加速度；Ts为采样时间间隔；i∈[1,P]，P为预测时域；
2)建立本车预测模型：
由于车辆传动系统具有时滞性，可用一阶惯性环节描述本车的加速度响应特性：



式中：ah为本车实际加速度；au为期望加速度；K为系统增益；Tg为时间常数；

【专利技术属性】
技术研发人员：初亮，许炎武，赵迪，王引航，王嘉伟，常城，李世博，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22