一种基于预报观测器的车辆跟驰伺服控制方法及系统技术方案

本发明专利技术涉及一种基于预报观测器的车辆跟驰伺服控制方法及系统，从动力学和运动学的角度构建了一种基于预报观测器的、完全线性化的伺服控制模型，用于车辆跟驰行为控制。与现有技术相比，本发明专利技术将动态安全车距实时跟踪与系统状态的渐近收敛有机结合起来，后车能够根据实际车距与动态安全车距的误差，以及前车的行为变化，合理调整自身行为，实现安全、高效和平稳跟驰运行，解决了跟驰行为与实际车距实时连续调整的同步控制问题，可显著增强车辆跟驰系统的自主智能和自主适应能力，有效提升跟驰行为与实际车距的控制水平和控制质量。为与实际车距的控制水平和控制质量。为与实际车距的控制水平和控制质量。

【技术实现步骤摘要】
一种基于预报观测器的车辆跟驰伺服控制方法及系统


[0001]本专利技术涉及交通系统跟驰控制领域，尤其是涉及一种基于预报观测器的、完全线性化的车辆跟驰伺服控制模型，并基于该模型实施得到的车辆跟驰伺服控制方法及系统。

技术介绍

[0002]车辆跟驰控制距今已有几十年的研究历史，早期研究主要侧重于揭示车辆跟驰和交通流量的行为规律。现有的模型，例如GM(General Motors)模型、Gipps模型、OV(Optimal Velocity)模型、IDM(Intelligent Driver Model)模型等，注重车辆跟驰行为的动态特征研究以及车辆跟驰行为参数的稳定性和趋同性分析，旨在揭示车辆跟驰运行的机理，在此基础上，后续又先后建立了汽车安全距离跟踪、双边控制等模型以进一步提高车辆跟驰行为的质量，为更深入地研究车辆跟驰控制问题奠定了坚实的理论基础。
[0003]随着科学技术的发展，自适应巡航控制(ACC)和无人驾驶等新的研究热点不断涌现，许多研究人员致力于将ACC和其他先进的功能引入车辆控制系统以改善性能。目前，尚未解决在动态交通环境中安全跟驰车距的实时标定与跟踪问题，一般采取固定安全车距来实现自适应巡航控制和无人驾驶，显然不符合交通控制与管理的实际需求，不利于道路甚至整个路网安全通行能力的充分利用。模型预测控制(MPC)对于跟驰系统状态具有很好的预知处理能力，所以自适应巡航控制经常会使用到模型预测控制的理论与方法。
[0004]车辆跟随系统具有多变量耦合、非线性和不确定性等复杂系统特征，研究车辆跟驰行为质量的进一步提高必须考虑到这些因素，实践表明经典PID控制器和一些传统控制算法效果不是很好。为了克服上述缺陷，近年来无人驾驶、自治车辆的研究思想兴起，一种结合了机器学习和基于经典运动学的跟驰控制模型常用于车辆跟驰性能的改进。事实上，AI车辆不仅需要学习优秀驾驶员的行为，而且需要学习车辆基于动力学和运动学的运动规律来提升自身性能。因此，在人工智能和无人驾驶等现代理论、方法和技术飞速发展的同时，进一步加强基于动力学和运动学理论的车辆跟驰控制研究仍然有其必要性和重大现实意义。现有研究中，有不少关于自适应模型预测控制的车辆跟驰控制研究，但是传统跟驰模型对非线性模型进行线性化处理，必然会产生模型误差，跟驰行为的质量较低。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于预报观测器的车辆跟驰伺服控制方法及系统，主要从动力学和运动学的角度研究车辆跟驰问题，建立了一种基于预报观测器的线性化伺服控制模型，并提出将该模型付诸工程实施的具体应用方法，自主智能和高效跟踪控制能力显著提高，使后车能够跟随前车安全、高效、平稳(舒适)地运行。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]一种基于预报观测器的车辆跟驰伺服控制方法，车辆跟踪控制可以被完全简化成线性跟踪系统的控制问题来研究，具体过程包括以下步骤：
[0008]S1、设置车辆跟驰系统的状态变量，建立车辆跟驰系统的差分模型；
[0009]S11、以前、后车的速度差和跟驰车距作为状态变量x，以前、后车的加速度差为控制变量u，以前、后车的实际车距为输出变量y，即：
[0010][0011]其中，v
p
、v
f
分别表示前、后车的速度，s
p
、s
f
分别表示前、后车的位置，a
p
表示前车的加速度，a
f
表示后车的加速度，y为前、后车辆的实际车距d
Actual
；
[0012]S12、假定采样周期为T，车辆跟驰系统的差分模型为；
[0013][0014]其中，k表示第k个采样周期，C＝[1 0]；
[0015]S2、建立车辆跟驰系统预报观测器模型以及车辆跟驰伺服控制模型；
[0016]S21、建立车辆跟驰系统预报观测器模型：
[0017]将第k个采样周期的安全跟驰车距记为d
safe
(k)，参考输入r(k)＝d
safe
(k)，e(k)＝r(k)
‑
y(k)，设计车辆跟驰系统基于状态重构的预报观测器：
[0018][0019]其中，K表示预估状态的误差补偿矩阵；
[0020]S22、构建基于预报观测器的车辆跟驰伺服控制模型：
[0021][0022]其中，L是预报观测器的反馈矩阵，M为伺服矩阵；
[0023]传统跟驰模型对非线性模型进行线性化处理，必然会产生模型误差。本专利技术所建模型，无论是式(2)所示的车辆跟驰系统模型，还是式(4)所示的基于预报观测器的车辆跟驰运行伺服控制模型，均属于线性离散模型，克服了传统跟驰模型非线性特征无法屏蔽的问题，可显著提高车辆跟驰控制水平，并改善车辆跟驰行为的质量。另一方面，控制律u(k)通过矩阵L和M将预报观测器的状态反馈与动态安全车距实时跟踪有机结合起来，有利于安全、高效跟驰稳态的建立。
[0024]S3、根据建立的模型设计车辆跟驰伺服控制算法并实施。
[0025]S31、计算矩阵K、L、M：
[0026]由式(3)可得，跟踪方程如下所示：
[0027][0028]令由式(5)至(7)可得：
[0029][0030]其中
[0031][0032]车辆跟驰系统第一个优化性能指标可以表示为：
[0033][0034]由式(9)可得：
[0035][0036]车辆跟驰系统第二个优化性能指标可以表示为：
[0037][0038]如果J1、J2为最小值，则预报观测器的误差补偿矩阵K、预报观测器反馈矩阵L，以及
伺服矩阵M可根据下述条件加以确定：
[0039][0040]S32、车辆跟驰控制策略的计算公式为：
[0041][0042]将矩阵K、L、M的值代入式(13)，计算得到当前状态下后车因应前车行为变化所应采取的加速度的值a
f
(k)，后车按照a
f
(k)确定第k个采样周期的牵引力或制动力，并实施以实现后车的跟驰行为控制。即可通过合理的行为调整过程，因应前车的行为变化，实现安全、高效和平稳跟驰运行。
[0043]S33、确定车辆跟驰系统伺服控制的算法流程并实施：
[0044]Step1：根据式(3)所示的状态预报观测器模型，建立式(8)所示的预报观测器的状态增广模型；
[0045]Step2：根据式(10)、(11)所示的优化目标，按照式(12)所示的极值条件求解出当前状态下车辆跟驰系统预报观测器的误差补偿矩阵K、预报观测器反馈矩阵L，以及伺服矩阵M；
[0046]Step3：将矩阵K、L、M的值代入车辆跟驰控制策略计算公式(13)，计算得到当前状态下后车因应前车行为变化所应采取的加速度的值；
[0047]Step4：根据加速度的值a
f
(k)，计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于预报观测器的车辆跟驰伺服控制方法，其特征在于，包括以下步骤：S1、设置车辆跟驰系统的状态变量，建立车辆跟驰系统的差分模型；S11、以前、后车的速度差和跟驰车距作为状态变量x，以前、后车的加速度差为控制变量u，以前、后车的实际车距为输出变量y，即：其中，v
p
、v
f
分别表示前、后车的速度，s
p
、s
f
分别表示前、后车的位置，a
p
表示前车的加速度，a
f
表示后车的加速度，y为前、后车辆的实际车距d
Actual
；S12、假定采样周期为T，车辆跟驰系统的差分模型为；其中，k表示第k个采样周期，C＝[1 0]；S2、建立车辆跟驰系统预报观测器模型以及车辆跟驰伺服控制模型；S21、建立车辆跟驰系统预报观测器模型：将第k个采样周期的安全跟驰车距记为d
safe
(k)，参考输入r(k)＝d
safe
(k)，e(k)＝r(k)
‑
y(k)，设计车辆跟驰系统基于状态重构的预报观测器：其中，K表示预估状态的误差补偿矩阵；S22、构建基于预报观测器的车辆跟驰伺服控制模型：其中，L是预报观测器的反馈矩阵，M为伺服矩阵；S3、根据建立的模型设计车辆跟驰伺服控制算法并实施。2.根据权利要求1所述的一种基于预报观测器的车辆跟驰伺服控制方法，其特征在于，步骤S3具体为：Step1：根据式(3)所示的状态预报观测器模型，建立预报观测器的状态增广模型；Step2：根据优化目标，按照极值条件求解出当前状态下车辆跟驰系统预报观测器的误差补偿矩阵K、预报观测器反馈矩阵L，以及伺服矩阵M；Step3：将矩阵K、L、M的值代入车辆跟驰控制策略计算公式，计算得到当前状态下后车因应前车行为变化所应采取的加速度的值；Step4：根据加速度的值，计算后车应采取的牵引力或制动力，并实施以实现后车的跟驰行为控制。3.根据权利要求2所述的一种基于预报观测器的车辆跟驰伺服控制方法，其特征在于，
Step1具体为：由式(3)可得，跟踪方程如下所示：令由式(5)至(7)可得：其中其中4.根据权利要求2所述的一种基于预报观测器的车辆跟驰伺服控制方法，其特征在于，Step2中优化目标为：车辆跟驰系统第一个优化性能指标表示为：由式(9)可得：车辆跟驰系统第二个优化性能指标表示为：
J1和J2为优化目标。5.根据权利要求4所述的一种基于预报观测器的车辆跟驰伺服控制方法，其特征在于，Step2中，根据极值条件求解出当前状态下车辆跟驰系统预报观测器的误差补偿矩阵K、预报观测器反馈矩阵L、以及伺服矩阵M具体为：如果J1、J2为最小值，则预报观测器的误差补偿矩阵K、预报观测器反馈矩阵L，以及伺服矩阵M可根据下述条件加以确定：6.根据权利要求2所述的一种基于预报观测器的车辆跟驰伺服控制方法，其特征在于，Step3中，车辆跟驰控制策略的计算公式为：将矩阵K、L、M的值代入式(13)，计算得到当前状态下后车因应前...

【专利技术属性】
技术研发人员：潘登，陆润芝，袁洪良，
申请(专利权)人：同济大学，
类型：发明
国别省市：