CN106004515A - 用于电动汽车自动泊车的车速控制方法及系统 - Google Patents

Abstract

本发明公开了用于电动汽车自动泊车的车速控制方法及系统，该系统包括车速传感器模块、超声波传感器、车辆定位模块、泊车控制器和车速控制器，车速传感器模块用于检测电动汽车的运动车速，超声波传感器用于采集电动汽车周围的障碍物信息，车辆定位模块用于采集获得电动汽车的当前位置信息，泊车控制器用于根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速，车速控制器用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩。本发明在低速情况下，可较好的实现泊车速度控制功能，误差较小，响应较快且过程平稳，可广泛应用于自动泊车领域中。

Description

用于电动汽车自动泊车的车速控制方法及系统

技术领域

本发明涉及电动汽车自动泊车领域，特别是涉及用于电动汽车自动泊车的车速控制方法及系统。

背景技术

名字解释：

PID控制器：比例-积分-微分控制器，是一个在工业控制应用中常见的反馈回路部件，由比例单元P、积分单元I和微分单元D组成；

ESC：Electronic Stability Control，车身电子稳定性控制系统。

自动泊车系统要求稳定的车辆纵向低速控制,以使车速一般稳定在0.5～1.0米/秒范围内。现有在纯电动汽车上的常见做法多为先测量车速，然后采用PID控制器调节电机扭矩。为处理车辆动态的非线性特性，有些设计采用增益调度PID控制器或模糊PID控制器。但是PID控制器的设计多依靠人工经验整定，费时费力，有时甚至导致系统在某些情形下出现震荡等不稳定现象，影响用户体验和安全性。PID控制器的主要缺点包括汽车启动慢，响应速度不高，控制器参数整定困难等，因而各种改进的PID控制器形式虽有助于改善控制系统的非线性，但是其设计整定方法更加复杂，往往需要更多的工程经验。因此，PID控制器的适用范围往往比较局限，在不同的工况下往往需要不同的控制器参数，否则系统的性能甚至稳定性都会受到影响。综合可知，目前通过PID控制器来实现自动泊车的方法，控制过程复杂，而且难以稳定地实现自动控制。

发明内容

为了解决上述的技术问题，本发明的另一目的是提供用于电动汽车自动泊车的车速控制系统，本发明的目的是提供用于电动汽车自动泊车的车速控制方法。

本发明解决其技术问题所采用的技术方案是：

用于电动汽车自动泊车的车速控制系统，包括车速传感器模块、超声波传感器、车辆定位模块、泊车控制器和车速控制器，所述车速传感器模块用于检测电动汽车的运动车速，所述超声波传感器用于采集电动汽车周围的障碍物信息，所述车辆定位模块用于采集获得电动汽车的当前位置信息，所述泊车控制器用于根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速，所述车速控制器用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩。

进一步，所述根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速的过程，其具体为：

将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息判断电动汽车当前处于泊车过程状态、泊车完毕状态或泊车障碍状态，进而设定对应的理想泊车车速。

进一步，所述用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩的过程，其具体为：

结合下式，根据运动车速和理想泊车车速计算获得该时刻电动汽车对应的电机扭矩后，相应调节输出的电机扭矩：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

上式中，b表示电动汽车运动模型系数，T表示电机扭矩，F_R表示滚动阻力，F_L表示风阻，k表示车速控制器的增益，v_s表示理想泊车车速，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值。

进一步，和是采用状态观测器根据下式计算获得的：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b\left(F_R+F_L+{\stackrel{\‾}{F}}_S\right)+L_1\left(v-\stackrel{\‾}{v}\right)\\ {\stackrel{\·}{\stackrel{\‾}{F}}}_S=L_2\left(v-\stackrel{\‾}{v}\right)\end{array}\right.$

上式中，a、b分别表示电动汽车运动模型系数且a、b为已知值，L₁、L₂为状态观测器的增益，v表示电动汽车的运动车速。

进一步，F_L是通过下式计算获得的：

F_L＝0.5ρAC_xv²；

F_R是通过下式计算获得的：

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。

本发明解决其技术问题所采用的另一技术方案是：

用于电动汽车自动泊车的车速控制方法，包括步骤：

S1、采用车速传感器模块检测电动汽车的运动车速、采用超声波传感器采集电动汽车周围的障碍物信息以及采用车辆定位模块采集获得电动汽车的当前位置信息；

S2、根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速；

S3、根据运动车速和理想泊车车速调节电动汽车的电机扭矩；

S4、电机根据车速控制器输出的电机扭矩实时地调整电动汽车的车速。

进一步，所述步骤S2，其具体为：

将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息判断电动汽车当前处于泊车过程状态、泊车完毕状态或泊车障碍状态，进而设定对应的理想泊车车速。

进一步，所述步骤S3，其具体为：

结合下式，根据运动车速和理想泊车车速计算获得该时刻电动汽车对应的电机扭矩后，相应调节输出的电机扭矩：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

上式中，b表示电动汽车运动模型系数，T表示电机扭矩，F_R表示滚动阻力，F_L表示风阻，k表示车速控制器的增益，v_s表示理想泊车车速，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值。

进一步，所述和是采用状态观测器根据下式计算获得的：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b\left(F_R+F_L+{\stackrel{\‾}{F}}_S\right)+L_1\left(v-\stackrel{\‾}{v}\right)\\ {\stackrel{\·}{\stackrel{\‾}{F}}}_S=L_2\left(v-\stackrel{\‾}{v}\right)\end{array}\right.$

上式中，a、b分别表示电动汽车运动模型系数且a、b为已知值，L₁、L₂为状态观测器的增益，v表示电动汽车的运动车速。

进一步，所述F_L是通过下式计算获得的：

F_L＝0.5ρAC_xv²；

F_R是通过下式计算获得的：

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。

本发明的有益效果是：本发明的用于电动汽车自动泊车的车速控制系统，包括车速传感器模块、超声波传感器、车辆定位模块、泊车控制器和车速控制器，所述车速传感器模块用于检测电动汽车的运动车速，所述超声波传感器用于采集电动汽车周围的障碍物信息，所述车辆定位模块用于采集获得电动汽车的当前位置信息，所述泊车控制器用于根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速，所述车速控制器用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩。本车速控制系统在低速情况下，可较好的实现泊车速度控制功能，误差较小，响应较快且过程平稳。

本发明的另一有益效果是：本发明的用于电动汽车自动泊车的车速控制方法，包括步骤：S1、采用车速传感器模块检测电动汽车的运动车速、采用超声波传感器采集电动汽车周围的障碍物信息以及采用车辆定位模块采集获得电动汽车的当前位置信息；S2、根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速；S3、根据运动车速和理想泊车车速调节电动汽车的电机扭矩；S4、电机根据车速控制器输出的电机扭矩实时地调整电动汽车的车速。本车速控制方法在低速情况下，可较好的实现泊车速度控制，误差较小，响应较快且过程平稳。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明的用于电动汽车自动泊车的车速控制系统的结构框图；

图2是本发明的用于电动汽车自动泊车的车速控制系统的车辆定位模块获取车辆位置信息的示意图；

图3是本发明的用于电动汽车自动泊车的车速控制系统的具体实施例一中的一种实现方式的结构框图；

图4是本发明的用于电动汽车自动泊车的车速控制系统的实施例三中对工况一进行泊车测试的控制结果示意图；

图5是本发明的用于电动汽车自动泊车的车速控制系统的实施例三中对工况二进行泊车测试的控制结果示意图；

图6是本发明的用于电动汽车自动泊车的车速控制系统的实施例三中对工况三进行泊车测试的控制结果示意图；

图7是本发明的用于电动汽车自动泊车的车速控制系统的实施例三中对工况四进行泊车测试的控制结果示意图；

图8是本发明的用于电动汽车自动泊车的车速控制系统的实施例三中对工况五进行泊车测试的控制结果示意图。

具体实施方式

参照图1，本发明提供了一种用于电动汽车自动泊车的车速控制系统，包括车速传感器模块、超声波传感器、车辆定位模块、泊车控制器和车速控制器，所述车速传感器模块用于检测电动汽车的运动车速，所述超声波传感器用于采集电动汽车周围的障碍物信息，所述车辆定位模块用于采集获得电动汽车的当前位置信息，所述泊车控制器用于根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速，所述车速控制器用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩。

进一步作为优选的实施方式，所述根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速的过程，其具体为：

将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息判断电动汽车当前处于泊车过程状态、泊车完毕状态或泊车障碍状态，进而设定对应的理想泊车车速。

进一步作为优选的实施方式，所述用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩的过程，其具体为：

结合下式，根据运动车速和理想泊车车速计算获得该时刻电动汽车对应的电机扭矩后，相应调节输出的电机扭矩：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

上式中，b表示电动汽车运动模型系数，T表示电机扭矩，F_R表示滚动阻力，F_L表示风阻，k表示车速控制器的增益，v_s表示理想泊车车速，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值。

进一步作为优选的实施方式，和是采用状态观测器根据下式计算获得的：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b\left(F_R+F_L+{\stackrel{\‾}{F}}_S\right)+L_1\left(v-\stackrel{\‾}{v}\right)\\ {\stackrel{\·}{\stackrel{\‾}{F}}}_S=L_2\left(v-\stackrel{\‾}{v}\right)\end{array}\right.$

上式中，a、b分别表示电动汽车运动模型系数且a、b为已知值，L₁、L₂为状态观测器的增益，v表示电动汽车的运动车速。

进一步作为优选的实施方式，F_L是通过下式计算获得的：

F_L＝0.5ρAC_xv²；

F_R是通过下式计算获得的：

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。

本发明还提供了一种用于电动汽车自动泊车的车速控制方法，包括步骤：

S1、采用车速传感器模块检测电动汽车的运动车速、采用超声波传感器采集电动汽车周围的障碍物信息以及采用车辆定位模块采集获得电动汽车的当前位置信息；

S2、根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速；

S3、根据运动车速和理想泊车车速调节电动汽车的电机扭矩；

S4、电机根据车速控制器输出的电机扭矩实时地调整电动汽车的车速。

进一步作为优选的实施方式，所述步骤S2，其具体为：

将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息判断电动汽车当前处于泊车过程状态、泊车完毕状态或泊车障碍状态，进而设定对应的理想泊车车速。

进一步作为优选的实施方式，所述步骤S3，其具体为：

结合下式，根据运动车速和理想泊车车速计算获得该时刻电动汽车对应的电机扭矩后，相应调节输出的电机扭矩：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

上式中，b表示电动汽车运动模型系数，T表示电机扭矩，F_R表示滚动阻力，F_L表示风阻，k表示车速控制器的增益，v_s表示理想泊车车速，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值。

进一步作为优选的实施方式，所述和是采用状态观测器根据下式计算获得的：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b\left(F_R+F_L+{\stackrel{\‾}{F}}_S\right)+L_1\left(v-\stackrel{\‾}{v}\right)\\ {\stackrel{\·}{\stackrel{\‾}{F}}}_S=L_2\left(v-\stackrel{\‾}{v}\right)\end{array}\right.$

上式中，a、b分别表示电动汽车运动模型系数且a、b为已知值，L₁、L₂为状态观测器的增益，v表示电动汽车的运动车速。

进一步作为优选的实施方式，所述F_L是通过下式计算获得的：

F_L＝0.5ρAC_xv²；

F_R是通过下式计算获得的：

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。

以下结合具体实施例对本发明做详细说明。

实施例一

参照图1，一种用于电动汽车自动泊车的车速控制系统，包括车速传感器模块、超声波传感器、车辆定位模块、泊车控制器和车速控制器，车速传感器模块用于检测电动汽车的运动车速，超声波传感器用于采集电动汽车周围的障碍物信息，车辆定位模块用于采集获得电动汽车的当前位置信息，泊车控制器用于根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速，车速控制器用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩。本实施例中，超声波传感器的数量共12个，分别安装于电动汽车四周，可以检测电动汽车周围的障碍物信息。车辆定位模块用于采集获得电动汽车的当前位置信息，具体的，如图2所示，图2中虚线框表示目标停车车位，图2中xy坐标系是以目标停车车位的后轴中心为0点的，实线框表示待泊车的电动汽车，后轴中心坐标(x_c,y_c)表示电动汽车的位置，角度θ表示电动汽车的朝向，车辆定位系统用于提供电动汽车的实时的(x_c,y_c,θ)的值，该值也称电动汽车的当前位置信息。具体如何获取当前位置信息是现有技术中比较成熟的内容，可以通过图像处理等方式获得，本申请不再赘述。

另外，因为各种传感器信号存在噪声，因此速度信号要首先经过滤波信号处理后，例如通过限幅滤波器或线性滤波器后，再输出到对应的控制器。本实施例中，选择的滤波器的截止频率可选在2Hz～5Hz之间。

泊车控制器根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速的过程，其具体为：

将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息判断电动汽车当前处于泊车过程状态、泊车完毕状态或泊车障碍状态，进而设定对应的理想泊车车速。例如，泊车过程状态的理想泊车车速可以设定为0.5m/s或1.0m/s，泊车完毕状态下，将理想泊车车速设定为0m/s，泊车障碍状态可能会有碰撞危险，因此将理想泊车车速设定为0m/s，也可以设定反向的理想泊车车速，避免发生碰撞。将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息来判断电动汽车的状态，例如，当前位置信息与预设的泊车轨迹进行匹配后，判断电动汽车位于轨迹跟踪状态，而且判断电动汽车在预设的距离内没有障碍物，则判定电动汽车当前处于泊车过程状态；而当匹配判断电动汽车行驶到目标停车车位后，则判定电动汽车当前处于泊车完毕状态；而当判断电动汽车在预设的距离内没有障碍物，则表示存在碰撞危险，判定电动汽车当前处于泊车障碍状态。

车速控制器用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩的过程，其具体为：

结合下式，根据运动车速和理想泊车车速计算获得该时刻电动汽车对应的电机扭矩后，相应调节输出的电机扭矩：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

上式中，b表示电动汽车运动模型系数，T表示电机扭矩，F_R表示滚动阻力，F_L表示风阻，k表示车速控制器的增益，v_s表示理想泊车车速，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值。电机系统接收车速控制器发出的扭矩命令并执行。同时如果需要刹车，则控制系统发出制动压强命令，ESC系统接收并执行制动压强命令。例如理想泊车车速为0m/s时，输出的电机扭矩为0Nm，ESC系统输出一定的制动压强，若经过一段时间后，电动汽车的车速仍未减小至0m/s，则增大制动压强辅助将电动汽车的车速减小至0m/s。

其中，和是采用状态观测器根据下式计算获得的：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b\left(F_R+F_L+{\stackrel{\‾}{F}}_S\right)+L_1\left(v-\stackrel{\‾}{v}\right)\\ {\stackrel{\·}{\stackrel{\‾}{F}}}_S=L_2\left(v-\stackrel{\‾}{v}\right)\end{array}\right.$

上式中，a、b分别表示电动汽车运动模型系数且a、b为已知值，L₁、L₂为状态观测器的增益，v表示电动汽车的运动车速。

F_L和F_R分别通过下式计算获得的：

F_L＝0.5ρAC_xv²；

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。

本实施例的计算模型是通过以下方式获得的：

首先，因为本发明的目的是使得泊车过程中电动汽车的车速维持在设定车速，而泊车过程只考虑汽车的低速运动，因此，获得如下的简化的汽车运动模型：

$\stackrel{\·}{v}=\mathrm{aT}-b(F_R+F_L+F_S)$

上式中，v表示电动汽车的运动车速，表示v的微分，T表示电机扭矩，a、b分别表示电动汽车运动模型系数，a和b的值通过模型辨识技术获得，F_R表示滚动阻力，F_L表示风阻，F_S表示重力沿路面坡度的分量。

F_R和F_L依次按照以下近似公式估算：

F_L＝0.5ρAC_xv²；

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。

F_S可以通过坡度传感器(一般采用惯性加速度)获得，这里我们采用状态观测器的方式来估计坡度的影响。电动汽车的运动车速的动态可以采用如下2阶系统表示：

$\left\{\begin{array}{c}\stackrel{\·}{v}=aT-b(F_R+F_L+F_S)\\ {\stackrel{\·}{F}}_S=0\end{array}\right.$

其中，表示F_S的微分。

状态观测器可采用Luenberger观测器或Kalman滤波器的设计方法设计，状态观测器的动态如下式：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b\left(F_R+F_L+{\stackrel{\‾}{F}}_S\right)+L_1\left(v-\stackrel{\‾}{v}\right)\\ {\stackrel{\·}{\stackrel{\‾}{F}}}_S=L_2\left(v-\stackrel{\‾}{v}\right)\end{array}\right.$

其中，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值，依次表示的微分，L₁、L₂为状态观测器的增益，L₁、L₂的选取需保证状态观测器的收敛性。

车速控制器的设计采用如下形式：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

其中k为控制器的增益，k的选择需保证闭环系统的稳定性。上述的本车速控制系统，状态观测器可以是车速控制器的一部分，也可以是单独的一个部件，则通过设定状态观测器来辅助车速控制器来实现对电动汽车的控制，这种情况下车速控制系统的结构框图如图3所示。

本实施例通过以上公式计算车速控制器实时输出的电机扭矩后对电机进行控制，从而可以简单、快速地控制泊车速度，而且跟随电动汽车的运动车速进行控制，可以使得泊车速度稳定在设定的理想泊车速度附近，工作稳定性高。另外，在扭矩变化很快时，可能会对电动汽车冲击过大，造成汽车零部件的损害，影响乘车体验，因此在扭矩控制过程中，可以设定每一采样周期内扭矩变化的大小，从而平滑地改变扭矩输出，使得泊车过程更为平稳安全。

实施例二

本实施例是基于实施例一的一种用于电动汽车自动泊车的车速控制方法，包括步骤：

S1、采用车速传感器模块检测电动汽车的运动车速、采用超声波传感器采集电动汽车周围的障碍物信息以及采用车辆定位模块采集获得电动汽车的当前位置信息；

S2、根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速；

S3、根据运动车速和理想泊车车速调节电动汽车的电机扭矩；

S4、电机根据车速控制器输出的电机扭矩实时地调整电动汽车的车速。

其中，步骤S2具体为：

将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息判断电动汽车当前处于泊车过程状态、泊车完毕状态或泊车障碍状态，进而设定对应的理想泊车车速。

步骤S3，其具体为：

结合下式，根据运动车速和理想泊车车速计算获得该时刻电动汽车对应的电机扭矩后，相应调节输出的电机扭矩：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

上式中，b表示电动汽车运动模型系数，T表示电机扭矩，F_R表示滚动阻力，F_L表示风阻，k表示车速控制器的增益，v_s表示理想泊车车速，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值。

其中，和是采用状态观测器根据下式计算获得的：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b\left(F_R+F_L+{\stackrel{\‾}{F}}_s\right)+L_1\left(v-\stackrel{\‾}{v}\right)\\ \stackrel{\·}{\stackrel{\‾}{F}}=L_2\left(v-\stackrel{\‾}{v}\right)\end{array}\right.$

上式中，a、b分别表示电动汽车运动模型系数且a、b为已知值，L₁、L₂为状态观测器的增益，v表示电动汽车的运动车速。

F_L是通过下式计算获得的：

F_L＝0.5ρAC_xv²；

F_R是通过下式计算获得的：

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。

实施例三

本实施例应用实施例一的车速控制系统对某电动汽车进行不同工况下的泊车测试。主要分了以下五种工况进行测试：工况一、沥青道路，无明显坡度；工况二、沙石道路，无明显坡度；工况三、沥青道路，坡度约10度；工况四、水泥道路，无坡度，测试过程中人为不停地调整方向盘转角进行干预测试；工况五、雨后在有积水且略有泥泞的道路。五种工况均在不同的载人情况下(1～5人)进行测试后获得的平均的车速控制结果依次如图4、图5、图6、图7和图8所示。图4、图5、图6、图7和图8中，测量车速指检测获得的电动汽车的运动车速，设定速度指设定的理想泊车车速，综合结果显示，本发明所设计的速度控制系统在低速情况下，可较好的实现速度控制功能，误差较小，响应较快且过程平稳，无冲击震荡等引起乘客不适的感觉，可应用于自动泊车系统。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.用于电动汽车自动泊车的车速控制系统，其特征在于，包括车速传感器模块、超声波传感器、车辆定位模块、泊车控制器和车速控制器，所述车速传感器模块用于检测电动汽车的运动车速，所述超声波传感器用于采集电动汽车周围的障碍物信息，所述车辆定位模块用于采集获得电动汽车的当前位置信息，所述泊车控制器用于根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速，所述车速控制器用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩。

2.根据权利要求1所述的用于电动汽车自动泊车的车速控制系统，其特征在于，所述根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速的过程，其具体为：

将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息判断电动汽车当前处于泊车过程状态、泊车完毕状态或泊车障碍状态，进而设定对应的理想泊车车速。

3.根据权利要求1所述的用于电动汽车自动泊车的车速控制系统，其特征在于，所述用于根据运动车速和理想泊车车速调节电动汽车的电机扭矩的过程，其具体为：

结合下式，根据运动车速和理想泊车车速计算获得该时刻电动汽车对应的电机扭矩后，相应调节输出的电机扭矩：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

上式中，b表示电动汽车运动模型系数，T表示电机扭矩，F_R表示滚动阻力，F_L表示风阻，k表示车速控制器的增益，v_s表示理想泊车车速，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值。

4.根据权利要求3所述的用于电动汽车自动泊车的车速控制系统，其特征在于,和是采用状态观测器根据下式计算获得的：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b(F_R+F_L+{\stackrel{\‾}{F}}_S)+L_1(v-\stackrel{\‾}{v})\\ {\stackrel{\·}{\stackrel{\‾}{F}}}_S=L_2(v-\stackrel{\‾}{v})\end{array}\right.$

上式中，a、b分别表示电动汽车运动模型系数且a、b为已知值，L₁、L₂为状态观测器的增益，v表示电动汽车的运动车速。

5.根据权利要求3所述的用于电动汽车自动泊车的车速控制系统，其特征在于，F_L是通过下式计算获得的：

F_L＝0.5ρAC_xv²；

F_R是通过下式计算获得的：

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。

6.用于电动汽车自动泊车的车速控制方法，其特征在于，包括步骤：

S1、采用车速传感器模块检测电动汽车的运动车速、采用超声波传感器采集电动汽车周围的障碍物信息以及采用车辆定位模块采集获得电动汽车的当前位置信息；

S2、根据采集的障碍物信息、当前位置信息以及预设的泊车轨迹设定理想泊车车速；

S3、根据运动车速和理想泊车车速调节电动汽车的电机扭矩；

S4、电机根据车速控制器输出的电机扭矩实时地调整电动汽车的车速。

7.根据权利要求6所述的用于电动汽车自动泊车的车速控制方法，其特征在于，所述步骤S2，其具体为：

将当前位置信息与预设的泊车轨迹进行匹配，同时结合采集的障碍物信息判断电动汽车当前处于泊车过程状态、泊车完毕状态或泊车障碍状态，进而设定对应的理想泊车车速。

8.根据权利要求6所述的用于电动汽车自动泊车的车速控制方法，其特征在于，所述步骤S3，其具体为：

结合下式，根据运动车速和理想泊车车速计算获得该时刻电动汽车对应的电机扭矩后，相应调节输出的电机扭矩：

$T=b(F_R+F_L+{\stackrel{\‾}{F}}_S)+k(v_s-\stackrel{\‾}{v})$

上式中，b表示电动汽车运动模型系数，T表示电机扭矩，F_R表示滚动阻力，F_L表示风阻，k表示车速控制器的增益，v_s表示理想泊车车速，依次表示采用状态观测器根据运动车速估算获得的重力分量的估计值和车速估计值。

9.根据权利要求8所述的用于电动汽车自动泊车的车速控制方法，其特征在于，所述和是采用状态观测器根据下式计算获得的：

$\left\{\begin{array}{c}\stackrel{\·}{\stackrel{\‾}{v}}=aT-b(F_R+F_L+{\stackrel{\‾}{F}}_S)+L_1(v-\stackrel{\‾}{v})\\ {\stackrel{\·}{\stackrel{\‾}{F}}}_S=L_2(v-\stackrel{\‾}{v})\end{array}\right.$

上式中，a、b分别表示电动汽车运动模型系数且a、b为已知值，L₁、L₂为状态观测器的增益，v表示电动汽车的运动车速。

10.根据权利要求8所述的用于电动汽车自动泊车的车速控制方法，其特征在于，所述F_L是通过下式计算获得的：

F_L＝0.5ρAC_xv²；

F_R是通过下式计算获得的：

$F_R=F_Z(f_{R0}+f_{R1}\frac{v}{30}+f_{R2}\frac{v^4}{{30}^4});$

其中，F_Z表示汽车重力，ρ表示空气密度，A表示迎风面积，C_x表示空气阻力系数，v表示电动汽车的运动车速，f_R0表示滚动阻力0阶系数，f_R1表示滚动阻力1阶系数，f_R2表示滚动阻力4阶系数，ρ、A、C_x、f_R0、f_R1和f_R2均为已知参数。