一种基于车道保持的商用车自适应巡航控制方法技术

本发明专利技术属于车辆自动控制技术领域，公开了一种基于车道保持的商用车自适应巡航控制方法，包括：以Koopman算子理论为基础，构建基于神经网络的商用车线性化模型；采集商用车行驶信息及前方道路信息，并构建车辆

【技术实现步骤摘要】
一种基于车道保持的商用车自适应巡航控制方法


[0001]本专利技术属于车辆自动控制
，具体涉及一种基于车道保持的商用车自适应巡航控制方法。

技术介绍

[0002]自适应巡航控制系统(ACC)是一种发展于20世纪70年代末期的车辆安全辅助驾驶系统。自适应巡航控制系统通过在传统的定速巡航控制基础上加入安全车距保持系统，利用车载雷达传感器测量前方驾驶环境，例如前方车间距、与前方车辆相对速度等，然后基于节气门与制动装置主动调整车速，从而保证车辆安全行驶。
[0003]目前，随着自适应巡航控制系统(ACC)的发展，国内外学者将研究目标从直线行驶工况转向弯道行驶工况。相比于其他车辆，商用车在满载行驶时具有整车质心较高、纵向尺寸长等特点，易发生侧翻事故，因此研究满载商用车的侧向稳定性对于保证商用车可以安全地高速转向具有重要意义。
[0004]另外，现有研究中表明，预测控制可以通过显式处理约束来实现自适应巡航控制系统(ACC)中需要与前车保持最小安全距离等控制目标，而由于商用车具有较强的非线性特性，对应设计的非线性模型预测控制器需在线求解非凸优化问题，存在计算负担重，难以满足商用车实际行驶控制中实时性要求的问题。

技术实现思路

[0005]鉴于此，为解决上述
技术介绍
中所提出的问题，本专利技术的目的在于提供一种基于车道保持的商用车自适应巡航控制方法。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于车道保持的商用车自适应巡航控制方法，包括：
[0008]以Koopman算子理论为基础，构建基于神经网络的商用车线性化模型；
[0009]采集商用车行驶信息及前方道路信息，并构建车辆
‑
道路相对位置模型；
[0010]通过所述车辆
‑
道路相对位置模型获取关于商用车弯道转向的状态量；
[0011]设计基于所述商用车线性化模型的预测控制器，将所述状态量输入所述预测控制器，计算得到关于商用车弯道转向的控制量，并将所述控制量作用于商用车控制系统。
[0012]优选的，所述状态量包括商用车当前行驶位置与目标行驶位置的横向误差、以及商用车当前行驶方向与目标行驶位置切线方向的角度误差。
[0013]优选的，所述状态量还包括商用车与领航车的实际车间距与期望车间距之间的间距误差。
[0014]优选的，以U(k)＝{u(k|k),u(k+1|k)
…
u(k+N
p
‑
1|k)}为所述预测控制器的控制序列，且所述预测控制器的预测表达式为：
[0015][0016][0017][0018]式中，X
min
,X
max
为对状态量的约束范围极限值，u
min
,u
max
为对控制量的约束范围极限值，Q,R为正定的权重系数，Y(k+i|k)为预测时域[0N
p
‑
1]内的预测输出，为预测输出与期望输出之间的惩罚项，ξ(k)＝[v
ref
(k)ω
ref
(k)]T
为可测扰动，v
x
(k)为恒定值；
[0019]优选的，所述控制量为所述预测控制器预测计算的最优控制序列中的第一个控制元素。
[0020]优选的，所述控制量包括商用车弯道转向时的纵向力和前轮转角。
[0021]优选的，所述状态量的约束包括横向速度、横摆角速度以及纵向速度的约束；所述控制量的约束包括纵向力以及前轮转角的约束。
[0022]优选的，所述Koopman算子理论是在无穷维的状态空间中以线性的方式完成非线性系统的演化，且演化表达式为：
[0023]式中，u
k
为控制量，为状态提取矩阵,为对原非线性系统状态量的估计值，A,B为参数矩阵。
[0024]优选的，所述商用车线性化模型的表达式为：
[0025]式中，u
k
为控制量，为状态提取矩阵，为k时刻对原非线性系统状态量的估计值，A
DNN
,B
DNN
为经神经网络训练得到的最优参数矩阵。
[0026]优选的，所述车辆
‑
道路相对位置模型的表达式为：
[0027]式中,v
ref
/v
x
分别为领航车与商用车的纵向速度,e
x
为商用车与领航车的实际车间距与期望车间距之间的间距误差，e
y
为商用车当前行驶位置与前方D
L
处道路中心位置的横向误差，e
a
为商用车当前行驶方向与前方D
L
处道路中心切线方向的角度误差，D
L
为探测距离，K
L
＝1/d为车辆中心线的道路曲率，d为道路半径。
[0028]本专利技术与现有技术相比，具有以下有益效果：
[0029]本专利技术的基于车道保持的商用车自适应巡航控制方法，结合Koopman算子理论和神经网络拟合构建商用车线性化模型，以此将非线性的自适应巡航控制问题描述为有约束的优化问题，并且模型对车辆横向速度、纵向速度和横摆角速度等均动态具有良好的拟合效果，从而有效保证预测控制的精准性。
[0030]本专利技术的基于车道保持的商用车自适应巡航控制方法，将商用车线性化模型与车辆
‑
道路相对位置模型相结合，以此使得商用车在转向行驶时具有更好的轨迹跟踪性能，大幅度缩减求解时间，同时还利用约束来保证转向时的稳定，进而有效满足商用车的行驶安全以及实际应用中的实时性要求。
附图说明
[0031]图1为本专利技术基于车道保持的商用车自适应巡航控制方法的原理框图；
[0032]图2为神经网络的结构图；
[0033]图3为车辆
‑
道路相对位置模型中车辆/道路的几何关系图；
[0034]图4为车辆相对位置示意图；
[0035]图5
‑
图7为商用车线性化模型与TruckSim仿真车辆的状态量对比图。
[0036]图8
‑
图15为标准高速公路行驶工况模拟结果对比图。
[0037]图16
‑
图24为极限行驶工况模拟结果对比图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0039]如图1所示的原理图，本专利技术所提供的一种基于车道保持的商用车自适应巡航控制方法具体包括：
[0040]S1.以Koopman算子理论为基础，构建基于神经网络的商用车线性化模型。
[0041]K本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车道保持的商用车自适应巡航控制方法，其特征在于，包括：以Koopman算子理论为基础，构建基于神经网络的商用车线性化模型；采集商用车行驶信息及前方道路信息，并构建车辆
‑
道路相对位置模型；通过所述车辆
‑
道路相对位置模型获取关于商用车弯道转向的状态量；设计基于所述商用车线性化模型的预测控制器，将所述状态量输入所述预测控制器，计算得到关于商用车弯道转向的控制量，并将所述控制量作用于商用车控制系统。2.根据权利要求1所述的基于车道保持的商用车自适应巡航控制方法，其特征在于：所述状态量包括商用车当前行驶位置与目标行驶位置的横向误差、以及商用车当前行驶方向与目标行驶位置切线方向的角度误差。3.根据权利要求1所述的基于车道保持的商用车自适应巡航控制方法，其特征在于：所述状态量还包括商用车与领航车的实际车间距与期望车间距之间的间距误差。4.根据权利要求3所述的基于车道保持的商用车自适应巡航控制方法，其特征在于，以U(k)＝{u(k|k),u(k+1|k)
…
u(k+N
p
‑
1|k)}为所述预测控制器的控制序列，且所述预测控制器的预测表达式为：器的预测表达式为：器的预测表达式为：式中，X
min
,X
max
为对状态量的约束范围极限值，u
min
,u
max
为对控制量的约束范围极限值，Q,R为正定的权重系数，Y(k+i|k)为预测时域[0N
p
‑
1]内的预测输出，为预测输出与期望输出之间的惩罚项，ξ(k)＝[v
ref
(k)ω
ref
(k)]
T
为可测扰动，v
x
(k)为恒定值；5.根据权利要求4所述的基于车道保持的商用车自适应巡航控制方法...

【专利技术属性】
技术研发人员：于树友，刘郡亭，常欢，李文博，陈虹，
申请(专利权)人：吉林大学，
类型：发明
国别省市：