【技术实现步骤摘要】
本专利技术属于汽车自适应巡航，涉及一种自适应节能跟车速度规划方法。
技术介绍
1、随着车载传感器的应用以及车-路-网技术的发展，地面车辆能够获取前车和道路状态信息，用于设计预测运动控制，实现先进辅助驾驶功能甚至是高等级的无人驾驶技术。其中，考虑跟车安全的车速规划是进行自适应巡航的技术前提，其控制效果直接影响到车辆跟驰的安全性、舒适性与经济性。因此，融合前车与道路信息的跟车速度规划方法对实现安全、节能、高效的辅助巡航驾驶具有重要意义。
2、目前，车辆速度规划技术已经得到广泛研究。中国专利“无人驾驶的速度控制方法、装置、无人驾驶机和电子设备”(cn202310460815.7)，提供了无人驾驶的速度控制方法。然而，该专利技术方法忽略了道路坡度与前车状态，无法实现跟车场景下的节能驾驶。同时，传统跟车速度规划方法以前车均速行驶为理想条件，未考虑前车的动态特性。此外，现有车速规划方法将道路坡度表示为时间域上关于距离的多项式函数，使得优化问题的在线求解成本较高，因此现有跟车速度规划方法不能保证时效性及良好的综合性能，急需改进。
技术实现思路
1、本专利技术的目的在于针对目前跟车速度规划方法的性能短板，提供一种自适应节能跟车速度规划方法，降低坡度场景下跟车巡航的能耗，保证跟车速度规划方法的时效性及实用性。
2、为解决上述技术问题，本专利技术采用以下技术方案：
3、一种自适应节能跟车速度规划方法，包括以下步骤：
4、步骤1、自车信息获取与处理：通过车
5、步骤2、前车速度预测：采用神经网络对前车车速进行短期预测；
6、步骤3、节能跟车速度优化问题建立：选取车辆标称动能、通行时间、加速度作为优化变量，以行驶能耗最低为目标，考虑舒适性和安全性，设计模型预测控制；
7、步骤4、优化问题求解与在线车速控制：确定预测域，调用商用ipopt求解器计算节能跟车速度优化问题，将预测域内第一个加速度信号用于控制车速，滚动向前优化和控制。
8、具体地，所述步骤1包括：
9、步骤1.1.获取前车状态：依据车载传感器，获取前车速度与两车间距；
10、步骤1.2.获取自车位置：车辆通过gps接收器接收卫星信号来确定其当前位置的经度和纬度坐标，以获取当前位置；利用地图和地理信息系统来获取道路网络和地形及海拔信息；
11、步骤1.3.离线数据获取：车辆通过导航系统与地图数据集成可获取前方道路限速信息；
12、步骤1.4.距离间隔选取：以等间距δs为10m离散前方道路，利用线性插值获取各点上的海拔数据。
13、具体地，所述步骤2包括：
14、步骤2.1.神经网络训练：收集离线车速数据，采用长短时记忆lstm构建神经网络，进行神经网络离线训练；
15、步骤2.2.在线车速预测：依据前车速度与加速度，采用lstm神经网络，对未来15s内的车速进行预测，在本实施例中车速预测均方根误差平均值为0.26m/s。
16、进一步地，所述步骤2.1神经网络训练，包括：
17、步骤2.1.1.收集离线车速数据：通过智能交通系统获取相应道路上不同时段的车速信息，选取一定规模，生成离线车速数据；
18、步骤2.1.2.神经网络构建：选用lstm作为具体的神经网络进行速度预测；选择时间序列变量速度和加速度作为输入层，并将预期的速度序列作为输出层；设置输入层的序列长度为30，输出层的序列长度为15，隐藏层的数量为200；
19、步骤2.1.3.神经网络离线训练：对离线车速数据进行分组，训练lstm网络，依据过去30s内的速度及加速度信息，预测未来15s内的速度。
20、具体地，所述步骤3包括：
21、步骤3.1.建立状态转移方程：在当前系统时刻k下，对于道路片段i，选取车辆标称动能通行时间tk(i)作为状态变量，选取车辆加速度a(i)为控制量；对于相邻道路片段i+1，令车辆的动能、通行时间和加速度动作分别为tk(i+1)和a(i+1)；利用车辆纵向动力学，建立车辆标称动能、通行时间、加速度之间的状态转移方程：
22、
23、其中标称动能定义为v(i)2/2；
24、步骤3.2.建立系统变量约束方程：车辆动能不能超过道路限速对应的上限；为保证舒适性，车辆加速度需保持在一定范围，同时加速度导数冲击度jerk(i)也需保持在一定范围内；为保证车辆通行效率，设定道路最低通行速度；建立如下系统变量约束方程，其中变量的下横线和上横线表示变量的下限与上限：
25、
26、步骤3.3.建立跟车安全约束方程：自车需要满足跟车安全，避免追尾；定义自车和前车经过道路片段i的通行时间分别为tk(i)和则跟车安全约束方程为：
27、
28、其中为安全车头时距；
29、步骤3.4.设计优化目标：以车辆行驶能耗作为优化目标；对于燃油车，令m，g，f，cd，af和ρ分别为整车质量，重力加速度，滚动阻力系数，空气阻力系数，迎风面积和空气密度；车辆需求功率可以表示为系统变量与车辆参数的函数：
30、
31、与此同时，燃油消耗率可以表示为车辆需求功率的多项式函数，如下所示
32、
33、其中，β2，β1，β0代表能耗的特性参数，由具体车型决定；
34、燃油消耗率乘以等效通行时间可得道路片段i上的燃油消耗量；因此，优化目标为预测域内的燃油之和：
35、
36、步骤3.5.构建空间域模型预测控制问题：联合公式(1)-(6)，以能耗最低为目标，在空间域上构建模型预测控制问题：
37、
38、s.t.
39、
40、具体地，所述步骤4包括：
41、步骤4.1.节能跟车速度优化问题求解：综合考虑优化性能与求解时效性，确定模型预测控制的预测域大小，采用成熟商用求解器ipopt求解速度优化问题；
42、步骤4.2.向前滚动优化控制：更新车辆位置及预测信息，重复节能跟车速度优化问题求解与在线车速控制。
43、与现有技术相比，本专利技术具有以下优点和有益效果：
44、1、本专利技术在确保跟车安全的基础上，可维持良好的舒适性，能量效率高，优化性能强：实车自适应巡航时，通常采取固定车头时距的方法，不考虑地形变化与前车状态，导致车辆负载随地形变化剧烈、易受前车状态影响，加剧能量消耗。本专利技术通过获取前方道路信息、预测前车速度，以巡航能耗最低为目标，建立空间域模型预测控制问题，对车速进行规划。通过与智能驾驶员跟车方法的对比，自适应节能跟车速度规划方法对前车速度实行有效预判，控制效果满足安全性与舒适性要求。
45、2、在线计算效率高：本专利技术采用空间域建模方法，规本文档来自技高网...
【技术保护点】
1.一种自适应节能跟车速度规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种自适应节能跟车速度规划方法，其特征在于，所述步骤1包括：
3.根据权利要求1所述的一种自适应节能跟车速度规划方法，其特征在于，所述步骤2包括：
4.根据权利要求3所述的一种自适应节能跟车速度规划方法，其特征在于，所述步骤2.1神经网络训练，包括：
5.根据权利要求1所述的一种自适应节能跟车速度规划方法，其特征在于，所述步骤3包括：
6.根据权利要求1所述的一种自适应节能跟车速度规划方法，其特征在于，所述步骤4包括：
【技术特征摘要】
1.一种自适应节能跟车速度规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种自适应节能跟车速度规划方法，其特征在于，所述步骤1包括：
3.根据权利要求1所述的一种自适应节能跟车速度规划方法，其特征在于，所述步骤2包括：
4.根据权利要...
【专利技术属性】
技术研发人员：鞠飞，周鑫源，缪杰，马博文，苟玮，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。