一种采用复合模型预测控制器的自适应巡航控制方法技术

本发明专利技术公开了一种采用复合模型预测控制器的自适应巡航控制方法，该方法包括：根据车辆运动状态信息和道路信息确定自适应巡航系统工作模式；基于自适应巡航系统工程模式，结合车辆运动状态信息，输出车辆期望纵向加速度；根据车辆期望纵向加速度，结合车辆自然减速过程中的加速度

【技术实现步骤摘要】
一种采用复合模型预测控制器的自适应巡航控制方法


[0001]本专利技术涉及自动驾驶电动汽车控制领域，尤其涉及一种采用复合模型预测控制器的自适应巡航控制方法。

技术介绍

[0002]自适应巡航控制是自动驾驶汽车的关键功能之一，根据本车与前车之间的间距及相对速度等信息，通过控制本车加减速调整纵向速度，使本车与前车保持合适的间距，其性能将直接影响车辆在行驶过程中的安全性。自动驾驶汽车作为一个复杂的综合系统，其车载电脑需要同时处理感知、规划、通信、控制等多种信息，分配给各个功能模块的算力有限，而目前各类基于最优化方法的自适应巡航控制器需要矩阵分解等大量复杂计算，占用大量算力；常规的自适应巡航系统侧重于单一性能指标，未综合考虑跟踪性能、安全性、舒适性和经济性等相关因素；相较于燃油汽车，电动汽车的续航里程偏短，常规的自适应巡航控制系统通常忽视能量管理，不利于提升能量利用效率。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种采用复合模型预测控制器的自适应巡航控制方法，能够实时计算车辆期望纵向加速度，调控前后两车间距，并实现制动能量回收。
[0004]本专利技术所采用的第一技术方案是：一种采用复合模型预测控制器的自适应巡航控制方法，包括以下步骤：
[0005]根据车辆运动状态信息和道路信息确定自适应巡航系统工作模式；
[0006]基于自适应巡航系统工程模式，结合车辆运动状态信息，输出车辆期望纵向加速度；
[0007]根据车辆期望纵向加速度，结合车辆自然减速过程中的加速度
‑
速度关系，确定电机工作模式；
[0008]根据电机工作模式确定车辆纵向动力学模型，并结合车辆期望纵向加速度计算期望电机转矩，得到控制信号。
[0009]进一步，所述车辆运动状态信息包括本车纵向速度、本车纵向加速度、前车纵向速度、前车纵向加速度和本车与前车间的距离，所述道路信息包括道路坡角。
[0010]进一步，所述根据车辆运动状态信息和道路信息确定自适应巡航系统工作模式这一步骤，其具体包括：
[0011]根据车辆运动状态信息计算最小安全距离，并结合道路信息确定自适应巡航系统工作模式；
[0012]所述自适应巡航系统工作模式包括巡航模式和跟车模式。
[0013]进一步，所述基于自适应巡航系统工程模式，结合车辆运动状态信息，输出车辆期望纵向加速度这一步骤，其具体包括：
[0014]判断到自适应巡航系统工程模式为巡航模式，选择单神经元PID控制器并以期望巡航速度与实际纵向速度之差为输入，得到车辆期望纵向加速度；
[0015]判断到自适应巡航系统工程模式为跟车模式，选择基于离散SDNN的增量式MPC控制器并以本车与前车间的距离、前车相对本车的速度、本车纵向速度、本车上一时刻的纵向加速度为输入，构建目标函数并结合运动学约束，迭代求解得到车辆期望纵向加速度。
[0016]进一步，选择单神经元PID控制器，车辆期望纵向加速度的表达式如下：
[0017][0018]上式中，u(k)表示期望纵向加速度，K为增益系数，x
i
(k)为中间状态变量，w
′
i
(k)为权重系数。
[0019]进一步，电机工作模式信号的表达式如下：
[0020][0021]上式中，s
m
表示电机工作模式信号，u表示期望纵向加速度，u
n
(v1)表示车辆纵向速度为v1时受到的自然减速度，u
h
表示加速度阈值，“00”表示保持原工作模式，“01”表示驱动控制模式，“10”表示制动控制模式。
[0022]进一步，所述根据电机工作模式确定车辆纵向动力学模型，并结合车辆期望纵向加速度计算期望电机转矩，得到控制信号这一步骤，其具体包括：
[0023]判断到电机电机工作模式为原工作模式，保持原逆向动力学模型，以车辆期望纵向加速度和纵向速度为输入，得到期望电机转矩；
[0024]判断到电机电机工作模式为驱动控制模式，采用逆驱动模型，以车辆期望纵向加速度和纵向速度为输入，得到期望电机转矩；
[0025]判断到电机电机工作模式为制动控制模式，采用逆制动模型，以车辆期望纵向加速度和纵向速度为输入，得到期望电机转矩；
[0026]将期望电机转矩与实际电机转矩相结合，输出控制信号并对电机进行转矩控制。
[0027]进一步，采用逆驱动模型，期望驱动转矩的公式表示如下：
[0028][0029]上式中，所述T
t
(k)为驱动转矩，u(k)为本车期望纵向加速度，v1为本车纵向速度，R为车轮半径，i
t
为传动系统的总传动比，η为传动系统机械效率，m为整车质量，C
D
为空气阻力系数，A为迎风面积，g是重力常数，f为滚动阻力系数，α为道路坡角，δ为转动质量换算系数。
[0030]本专利技术方法的有益效果是：本专利技术能够控制车辆加减速调整纵向速度和前后两车间距，并实现制动能量回收。另外，相较于常规的基于最优化方法的自适应巡航控制系统中常用的数值解法，本专利技术使用的离散SDNN在求解二次规划问题时具有相对较低的计算复杂度，尤其适用于资源有限的嵌入式平台。
附图说明
[0031]图1是本专利技术一种采用复合模型预测控制器的自适应巡航控制方法的步骤流程图；
[0032]图2是本专利技术具体实施例中前后两车关系示意图；
[0033]图3是本专利技术具体实施例中离散SDNN迭代求解期望纵向加速度的执行框架图。
具体实施方式
[0034]下面结合附图和具体实施例对本专利技术做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0035]如图1所示，本专利技术提供了一种采用复合模型预测控制器的自适应巡航控制方法，该方法包括以下步骤：
[0036]S1、根据车辆运动状态信息和道路信息确定自适应巡航系统工作模式；
[0037]具体地，所述车辆运动状态信息包括本车纵向速度、本车纵向加速度、前车纵向速度、前车纵向加速度和本车与前车间的距离，所述道路信息包括道路坡角。
[0038]根据运动状态信息，计算期望纵向距离，其表达式具体为：
[0039][0040]上式中，所述d
des
为期望纵向距离，v1为本车纵向速度，a
1max
为本车最大纵向加速度，t
r
为驾驶员制动反应时间，t
a
为制动协调时间，t
s
为减速度增长时间，d
stop
为安全停车间距。
[0041]根据运动状态信息，计算最小安全距离，其表达式具体为：
[0042][0043]上式中，所述d
safe
为纵向安全距离，t
′本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用复合模型预测控制器的自适应巡航控制方法，其特征在于，包括以下步骤：根据车辆运动状态信息和道路信息确定自适应巡航系统工作模式；基于自适应巡航系统工程模式，结合车辆运动状态信息，输出车辆期望纵向加速度；根据车辆期望纵向加速度，结合车辆自然减速过程中的加速度
‑
速度关系，确定电机工作模式；根据电机工作模式确定车辆纵向动力学模型，并结合车辆期望纵向加速度计算期望电机转矩，得到控制信号。2.根据权利要求1所述一种采用复合模型预测控制器的自适应巡航控制方法，其特征在于，所述车辆运动状态信息包括本车纵向速度、本车纵向加速度、前车纵向速度、前车纵向加速度和本车与前车间的距离，所述道路信息包括道路坡角。3.根据权利要求2所述一种采用复合模型预测控制器的自适应巡航控制方法，其特征在于，所述根据车辆运动状态信息和道路信息确定自适应巡航系统工作模式这一步骤，其具体包括：根据车辆运动状态信息计算最小安全距离，并结合道路信息确定自适应巡航系统工作模式；所述自适应巡航系统工作模式包括巡航模式和跟车模式。4.根据权利要求3所述一种采用复合模型预测控制器的自适应巡航控制方法，其特征在于，所述基于自适应巡航系统工程模式，结合车辆运动状态信息，输出车辆期望纵向加速度这一步骤，其具体包括：判断到自适应巡航系统工程模式为巡航模式，选择单神经元PID控制器并以期望巡航速度与实际纵向速度之差为输入，得到车辆期望纵向加速度；判断到自适应巡航系统工程模式为跟车模式，选择基于离散SDNN的增量式MPC控制器并以本车与前车间的距离、前车相对本车的速度、本车纵向速度、本车上一时刻的纵向加速度为输入，构建目标函数并结合运动学约束，迭代求解得到车辆期望纵向加速度。5.根据权利要求4所述一种采用复合模型预测控制器的自适应巡航控制方法，其特征在于，选择单神经元PID控制器，车辆期望纵向加速度的表达式如下：上式中，u(k)表示期望纵向加...

【专利技术属性】
技术研发人员：巫少方，陈远航，庄焕标，范玉千，谭晓军，
申请(专利权)人：中山大学，
类型：发明
国别省市：