CN106740846A - 一种双模式切换的电动汽车自适应巡航控制方法 - Google Patents
一种双模式切换的电动汽车自适应巡航控制方法 Download PDFInfo
- Publication number
- CN106740846A CN106740846A CN201611097515.3A CN201611097515A CN106740846A CN 106740846 A CN106740846 A CN 106740846A CN 201611097515 A CN201611097515 A CN 201611097515A CN 106740846 A CN106740846 A CN 106740846A
- Authority
- CN
- China
- Prior art keywords
- fast
- car
- overbar
- acceleration
- cruise control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Abstract
本发明公开了一种双模式切换的电动汽车自适应巡航控制方法,包括以下步骤:建立平稳跟车模式;建立快速接近模式;基于模糊推理建立双模式切换规则进行控制力矩的分配。本发明通过对美国高速公路管理局联合微观交通仿真研究学者(NGSIM)采集到的实测微观驾驶数据分析,总结了驾驶员行驶需求。在模型预测控制的框架下构建快速接近模式及平稳跟车模式的控制规则,采用模糊推理制定模式间的切换规则。本发明使自适应巡航控制系统控制方式更加接近真实驾驶员的驾驶特点,更能适应复杂的路况。本发明能真实的反应驾驶员在正常行驶过程中的平稳跟车、快速接近等模式需求,能保证车辆行驶过程中的安全性、跟车性、舒适性和经济性。
Description
技术领域
本发明属于电动汽车安全辅助驾驶与控制领域,涉及到电动汽车自适应巡航控制策略设计,特别涉及到一种双模式切换的电动汽车自适应巡航控制方法。
背景技术
近年来,由于汽车产销量逐年升高,由此带来的环境破坏、交通拥挤、能源紧缺、人员伤亡等问题日益凸显,迫使汽车行业必须向着环保、安全、智能的方向发展。电动汽车基于其自身特点较传统汽车更易于实现上述目标,因此研发更加智能化、长续航、低能耗的电动汽车是整个行业的研发重点。路面上基本没有轮毂电机电动汽车,这种特殊驱动方式,更容易发挥控制自适应巡航控制系统的实时性,让更复杂的控制算法得以应用。
自适应巡航控制系统是在传统车辆的定速巡航控制系统的基础上发展起来的新型汽车安全辅助驾驶技术,其除了具有定速巡航自适应巡航控制系统中根据驾驶员设定车速行驶的功能外,还能实现平稳跟车、快速接近和车间距保持功能。为了实现上述功能,需要借助车载传感器对车辆进行环境感知,以本车与前车的相对速度和距离作为输入,借助控制算法输出加速与制动信号。目前汽车自适应巡航控制算法的研究主要集中在传统车辆上,故并不能直接运用到电动汽车上,因此开发出一套适用于电动汽车自适应巡航控制规则是很有必要的。理想的电车自适应巡航控制规则是,当前车与本车车间距加大的时,应增加本车车速,缩短本车与前车车间距,否则过大的车间距会导致本车的跟车性和经济性下降。并且过大的车间距好会导致左右车道车辆突然加塞到本车道,降低了行车安全性和乘坐舒适性。当本车与前车车间距在期望距离之内时,自适应巡航控制系统应模拟驾驶员驾驶状态,即采用平稳跟车方法。目前设计的针对电动汽车的自适应巡航控制系统并不能真实的反应驾驶员在正常行驶过程中的驾驶特点,不满足理想的自适应巡航的平稳跟车、快速接近等模式需求,所以不能保证车辆行驶过程中的安全性、跟车性、舒适性和经济性。因此开发出一套适用于电动汽车的双模式切换自适应巡航控制策略是非常必要的。
发明内容
为解决现有技术存在的上述问题,本发明要提出一种能保证车辆行驶过程中的安全性、跟车性、舒适性和经济性的双模式切换的电动汽车自适应巡航控制方法。
本发明的技术方案是:一种双模式切换的电动汽车自适应巡航控制方法,所述的自适应巡航控制方法通过自适应巡航控制系统实现,所述的自适应巡航控制系统是指具有定速巡航控制系统的功能,同时实现平稳跟车、快速接近和车间距保持功能的汽车安全辅助驾驶系统。
具体包括以下步骤:
A、建立平稳跟车模式
建立平稳跟车模式,就是根据本车及前车的车间距小于等于期望值时,兼顾跟车性、安全性、舒适性及经济性控制目标对前车进行跟车,具体包括以下步骤:
A1、建立平稳跟车模式的车间相互纵向运动学特性模型
以本车与前车的车间距Δx(k)、本车速度v(k)、前车与本车的相对速度vrel(k)、本车加速度a(k)和本车加速度变化率j(k)作为平稳跟车模式的车间相互纵向运动学特性模型的状态变量,将前车加速度ap(k)作为自适应巡航控制系统扰动量,得到车间相互纵向运动学特性模型:
x(k+1)=Ax(k)+Bu(k)+Gw(k) (1)
其中:
x(k)=[Δx(k),v(k),vrel(k),a(k),j(k)]T
τ表征自适应巡航控制系统的控制时间常数,Ts表征自适应巡航控制系统的采样时间。
A2、建立平稳跟车模式的状态空间模型
选取车间距误差δ(k)、前车与本车的相对速度vrel(k)、本车加速度a(k)和本车加速度变化率j(k)作为优化性能指标,自适应巡航控制系统的输出方程如下所示:
y(k)=Cx(k)-Z (2)
其中:
y(k)=[δ(k),vrel(k),a(k),j(k)]T,
th表征车头时距值,do表征最小车间距。
最终形成的平稳跟车模式的状态空间模型如下:
A3、设置平稳跟车模式的约束条件
通过选择最佳车间距保证本车有一个安全的期望车间距,但是这个期望车间距是自适应巡航控制系统车间距的终态目标,很可能在达到这个目标之前两车已经发生碰撞,故必须对实际车间距进行严格约束:
Δx(k)=d0+th·vrel (4)
Δx(k)≥dc (5)
其中Δx(k)表示最佳车间距、dc表示最小安全车间距,即防止两车碰撞的最小距离,取值范围大于等于10m。
自适应巡航控制系统的最终目标是使两车实际车间距趋近于最佳车间距计算出的期望跟车车间距,本车速度趋近于前车速度,即两车处于相对静止的状态。
δ(k)→0,vrel(k)→0as k→∞ (6)
在车辆的行驶过程中,乘坐舒适性用本车加速度和本车加速度变化率来表征,本车加速度和本车加速度变化率的绝对值越小,乘坐舒适性越高,故对本车加速度和本车加速度变化率的绝对值优化如下:
此外,考虑到车辆自身的能力限制,需要对本车的速度、加速度、加速度变化率及控制变量进行如下约束:
综上,对自适应巡航控制系统的安全性、跟车性、舒适性及经济性控制目标分析,转化为相应的优化目标和自适应巡航控制系统约束。
A4、建立平稳跟车模式的目标函数
在模型预测控制的框架下,将车辆的自适应巡航控制系统需要优化的多个性能指标以加权的方式写成如下的值函数:
其中Q和R为权系数,u(k+i)为控制向量矩阵。
对应的自适应巡航控制系统约束整理如下:
综上,求解多目标自适应巡航控制系统的加速度问题转化为带约束的在线二次规划问题,通过有效集算法求解理想的加速度,使汽车按照理想加速度行驶。
B、建立快速接近模式
自适应巡航不仅需要实现平稳跟车,还要对前车进行快速接近,建立快速接近模式的目的是在保证安全舒适的前提下,以尽可能短的时间接近前车,将车间距调整至期望值,避免其他车道的车辆换道插入,具体包括以下步骤:
B1、建立快速接近模式的车间相互纵向运动学特性模型
采用平稳跟车模式的纵向运动学特性模型作为预测模型:
xfast(k+1)=Afastxfast(k)+Bfastufast(k)+Gfastwfast(k) (11)
其中:
xfast(k)=[Δxfast(k),vfast(k),vfast_rel(k),afast(k),jfast(k)]T
其中:Δxfast(k)、vfast(k)、afast(k)、jfast(k)、ufast(k)、afast_p(k)分别为快速接近模式的本车与前车的车间距、本车车速、本车加速度、本车加速度变化率、本车期望跟车加速度及前车加速度,τfast、Tfast_s分别为快速接近模式下的控制时间常数、采样时间。
B2、建立快速接近模式的状态空间模型
由车间距误差δfast(k)与状态变量Δxfast(k)的关系得如下表达式:
δfast(k)=Cδxfast(k)-Δxfast_o (12)
其中
Cδ=[1 -tfast_h 0 0 0]
tfast_h、Δxfast_o分别为快速接近模式下的车头时距、最小车间距。
选取本车加速度afast(k)及本车加速度变化率jfast(k)作为快速接近模式的优化性能指标,得如下表达式:
yfast(k)=[afast(k) jfast(k)]T=Cfastxfast(k) (13)
其中:
为改善自适应巡航控制系统的经济性,选取趋近于稳定值的指数衰减函数作为参考轨迹,使得上述的优化性能指标在进行优化时沿着平滑的参考轨迹趋近于最优值:
其中:yfast_ref(k+i)为优化的性能向量的指标,表示如下:
ρfast_a和ρfast_j分别为本车加速度afast(k)和本车加速度变化率jfast(k)的参考轨迹的时间常数。
最终得到快速接近模式的状态空间模型如下表示:
B3、设置快速接近模式的约束条件
在接近前车的过程中,为保证行驶过程中的跟车性,需要对两车的实际车间距进行严格约束以避免碰撞。此外,通过优化本车加速度和本车加速度变化率来改善乘坐舒适性。同时考虑到车辆自身的限制,需要对本车速度、加速度、加速度变化率及控制量等进行约束,得如下表达式:
目标:
约束条件:
其中dfast_c、vfast_min、vfast_max、afast_min、afast_max、jfast_min、jfast_max、ufast_min、ufast_max分别为快速接近模式的最小车间距、本车最小车速、本车最大车速、本车最小加速度、本车最大加速度、本车最小加速度变化率、本车最大加速度变化率、本车期望跟车加速度最小值及控制量最大值。
为满足驾驶员所期望的远离前车时以尽量短的时间去加速靠近前车,将车间距调整至期望车间距,即时间最优,引入离散整数变量n,代表从当前车间距调整到期望车间距所需的离散时间步数,同时在优化方程中加入时域终端约束,要求在该时域结束后,车间距调整至期望值,通过最小化该时域变量达到时间最优的目的。另外,考虑到预测及优化范围均由预测时域决定,只有在预测时域内的寻优才是有意义的,因此需要对离散时域变量作上限限制。
目标:
min n (18)
约束条件:
其中δfast(k+n)为k+n时刻的车间距误差,pfast为快速接近模式下的预测时域。
综上,将快速接近模式下的时间最优控制转化为相应的约束条件。
B4、建立快速接近模式的预测方程
在将快速接近模式的安全性、跟车性、时间最优性以及舒适性转化为相应的性能指标和自适应巡航控制系统约束后,利用模型预测控制的框架设计相应的控制算法。
根据式(15)对未来k+pfast时刻内的状态变量、性能指标进行预测:
其中mfast为自适应巡航控制系统快速接近模式下的控制时域,为在第k时刻对预测时域内每一步的状态变量的预测矩阵,为在第k时刻对预测时域内每一步的输出量的预测矩阵,Ufast(k+mfast)为待求的本车期望跟车加速度,Wfast(k+pfast)为第k时刻预测时域内每一步扰动量的预测矩阵,xfast(k)为第k时刻的状态变量,为在第k-1时刻对第k时刻自适应巡航控制系统状态变量的预测值,ex(k)为k时刻实际检测到的状态变量与预测值的误差,为状态方程和输出方程相应项的预测矩阵。所述的扰动量为前车的加速度。
根据式(12)对终端约束δfast(k+n)进行预测:
B5、建立快速接近模式的目标函数
在模型预测控制的框架下,将自适应巡航控制系统快速接近模式的控制策略写成如下优化方程:
自适应巡航控制系统约束:
其中矩阵Sfast、Qfast和Rfast分别为快速进近模式下关于时间最优、舒适性及控制量的权重系数。M、L和N分别为快速接近模式下的性能指标的最小值、系数和最大值矩阵。
把式(20)、(21)和(22)代入式(23)和(24),忽略性能指标中与控制量和离散时间变量无关的项,得到:
自适应巡航控制系统的约束条件为:
其中:和分别为关于舒适性和控制量的权重系数矩阵,
Θ2=Cδ[An-1 fastGfast An-2 fastGfast … Gfast]
B6、对混合整数非线性规划进行求解
由式(25)-(26)知,快速接近模式下的自适应巡航控制系统在模型预测控制的框架下转化为混合整数非线性规划优化方程,采用基于改进的遗传算法的双层嵌套求解算法:外层采用改进的遗传算法搜索最优整数,固定整数变量后,内层转化为连续规划方程,利用相应的有效集算法进行求解,求解结果再交予外层以进行下次整数搜索,这样不断嵌套迭代,直至满足终止条件。
针对式(25)中的混合整数非线性规划,固定整数后,对应的优化命题转化为:
自适应巡航控制系统约束为:
其中fint(n)为整数固定后在目标函数的值,和为整数变量固定后Θ1和Θ2的参数矩阵的值。
针对式(27)和(28)中的二次规划问题,直接利用有效集算法求解理想的加速度,使汽车按照理想加速度行驶。
C、基于模糊推理建立双模式切换规则
步骤A和B建立了平稳跟车模式和快速接近模式,两个模式之间为互斥关系,为了得到使自适应巡航控制系统在两种模式间进行平滑切换,还需建立双模式的切换规则。建立双模式切换规则就是在自适应巡航控制系统的平稳跟车模式和快速接近模式的基础上,通过对驾驶员的行驶需求分析建立两个模式间的切换逻辑,根据不同行驶环境使自适应巡航控制系统自动选择不同的控制模式。
下面选择车间距误差和相对速度作为模糊推理的输入,定义模糊推理的输出为驾驶员选择快速接近模式的心理偏向系数,取值范围为[0,1]。通过设定启动阈值,当模糊推理输出的驾驶员心理偏向系数超过该阈值时,启动快速接近模式。
因此对输入变量进行模糊化,通过建立相应的隶属度函数,将输入变量精确值映射到对应的模糊集合,从而反映该变量具有某个模糊性质或属于某个模糊概念的程度。针对各变量在真实交通场景中的取值,采用“小于零”、“等于零”、“大于零”三个模糊语言变量分别描述车间距误差和相对速度,采用“等于零”,“微小”,“小”,“中等”,“大”五个模糊语言变量描述驾驶员选择模式的心理偏向系数。
根据所建立的平稳跟车模式和快速接近模式控制规则,当两车车间距处于期望值附近时,该双模式切换规则采取平稳跟车模式,安全平稳地对前车进行跟车。而当两车车间距远大于期望值时,自适应巡航控制系统采取快速接近模式,在保证安全舒适的前提下,按照驾驶员驾驶心理以最短的时间缩小车间距。由此建立如下推理规则来实现自适应巡航控制系统双模式切换控制策略。
规则一:如果相对速度大于零并且车间距误差等于零,那么驾驶员心里偏向系数取“小”值;
规则二:如果相对速度不大于零并且车间距误差等于零,那么驾驶员心里偏向系数取“微小”值;
规则三:如果相对速度大于零并且车间距误差大于零,那么驾驶员心里偏向系数取“大”值;
规则四:如果相对速度等于零并且车间距误差大于零,那么驾驶员心里偏向系数取“中等”值;
规则五:如果相对速度小于零并且车间距误差大于零,那么驾驶员心里偏向系数取“小”值;
规则六:如果车间距误差小于零,那么驾驶员心里偏向系数取“零”值。
综上,基于模糊推理建立双模式的平稳跟车模式和快速接近模式的切换规则,使汽车根据不同行驶环境决策行车规则的过程。
D、进行控制力矩的分配
如上述,双模式切换规则通过模糊推理选择平稳跟车模式或者快速接近模式,通过求解优化方程得到本车的加速度控制量,该加速度控制量还需作为输入量进行控制力矩的分配。所述的控制力矩的分配,就是根据双模式切换规则决策出的平稳跟车模式或快速接近模式得到加速度控制量,计算出理想的驱动力矩或制动力矩,并将驱动力矩或制动力矩分配到四个车轮,具体步骤如下:
D1、计算理想的驱动/制动力矩
根据汽车动力学方程获得理想的驱动/制动力矩,汽车的纵向动力学方程为:
其中m为汽车的总质量,a为汽车的加速度,Fd为汽车的驱动力或制动力,Kroll为转动阻力系数,Kair空气阻力系数,Sfront为车辆前部分与空气接触的有效面积,ρair为空气密度,θ为道路倾斜角。
理想的驱动/制动力矩计算如下:
Tdes=Fd·r (30)
其中Tdes为理想的驱动/制动力矩,r为车轮的有效滚动半径。
D2、分配力矩
为了提高四轮独立驱动电动汽车的驱动能力,根据本车车轮所受的垂直载荷的大小进行力矩分配:
其中T1、T2、T3、T4为最终分配到左前轮、右前轮、左后轮、右后轮的驱动/制动力矩,Fz1、Fz2、Fz3、Fz4为作用在左前轮、右前轮、左后轮、右后轮的垂直载荷,Fz表示汽车所受到的总的垂直载荷。
与现有技术相比,本发明具有以下有益效果:
本发明通过对美国高速公路管理局联合微观交通仿真研究学者(NGSIM)采集到的实测微观驾驶数据分析,总结了驾驶员行驶需求。在模型预测控制的框架下构建快速接近模式及平稳跟车模式的控制规则,采用模糊推理制定模式间的切换规则。本发明使自适应巡航控制系统控制方式更加接近真实驾驶员的驾驶特点,更能适应复杂的路况。首先本车建立了平稳跟车模式和快速接近模式,然后本发明通过基于模糊推理的模式间切换逻辑使汽车自动选择相应行驶环境的控制模式,即当本车与前车车间距离增大时自适应巡航控制系统采用快速接近模式,以缩短本车与前车的距离,合适的跟车车间距可有效增加本车的安全性和经济性;当本车与前车车间距在期望距离之内,自适应巡航控制系统采用平稳跟车模式,此时本车的速度变化小,可提高本车的乘坐舒适性和跟车性能。综上所述,本发明能真实的反应驾驶员在正常行驶过程中的平稳跟车、快速接近等模式需求,能保证车辆行驶过程中的安全性、跟车性、舒适性和经济性。
附图说明
图1是车间距误差隶属度函数
图2是相对速度隶属度函数
图3是驾驶员心理偏向系数
图4是本发明流程图。
具体实施方式
下面结合附图对本发明进行进一步地描述。如图4所示,本发明构建了平稳跟车模式和快速接近模式,两个模式之间为互斥关系,为了得到使自适应巡航控制系统在两种模式间进行平滑切换,还建立了双模式的切换规则。双模式切换规则就是在自适应巡航控制系统的平稳跟车模式和快速接近模式的基础上,通过对驾驶员的驾驶需求分析建立两个模式间的切换逻辑,根据不同行驶环境使自适应巡航控制系统自动选择不同的控制模式。基于模糊推理建立的双模式切换规则,选择车间距误差和相对速度作为模糊推理的输入,然后对输入变量进行模糊化。并通过建立如图1所示的车间距误差隶属度函数和如图2所示的相对速度隶属度函数,将输入变量精确值映射到对应的模糊集合,从而反映该变量具有某个模糊性质或属于某个模糊概念的程度。如图1和图2所示,针对各变量在真实交通场景中的取值,采用“小于零”、“等于零”、“大于零”三个模糊语言变量分别描述车间距误差和相对速度。随后如图3所示,定义模糊推理的输出为驾驶员选择快速接近模式的心理偏向系数,取值范围为[0,1]。并通过建立的模糊推理规则输出驾驶员心里偏向系数,通过设定启动阈值,如果当模糊推理输出的驾驶员心理偏向系数超过该阈值时,启动快速接近模式。如图4所示,所述的控制力矩的分配,就是根据双模式切换规则决策出的平稳跟车模式或快速接近模式得到加速度控制量,计算出理想的驱动力矩或制动力矩,并将驱动力矩或制动力矩分配到四个车轮。
本发明不局限于本实施例,任何在本发明披露的技术范围内的等同构思或者改变,均列为本发明的保护范围。
Claims (1)
1.一种双模式切换的电动汽车自适应巡航控制方法,所述的自适应巡航控制方法通过自适应巡航控制系统实现,所述的自适应巡航控制系统是指具有定速巡航控制系统的功能,同时实现平稳跟车、快速接近和车间距保持功能的汽车安全辅助驾驶系统;
其特征在于:所述的方法具体包括以下步骤:
A、建立平稳跟车模式
建立平稳跟车模式,就是根据本车及前车的车间距小于等于期望值时,兼顾跟车性、安全性、舒适性及经济性控制目标对前车进行跟车,具体包括以下步骤:
A1、建立平稳跟车模式的车间相互纵向运动学特性模型
以本车与前车的车间距Δx(k)、本车速度v(k)、前车与本车的相对速度vrel(k)、本车加速度a(k)和本车加速度变化率j(k)作为平稳跟车模式的车间相互纵向运动学特性模型的状态变量,将前车加速度ap(k)作为自适应巡航控制系统扰动量,得到车间相互纵向运动学特性模型:
x(k+1)=Ax(k)+Bu(k)+Gw(k) (1)
其中:
x(k)=[Δx(k),v(k),vrel(k),a(k),j(k)]T
τ表征自适应巡航控制系统的控制时间常数,Ts表征自适应巡航控制系统的采样时间;
A2、建立平稳跟车模式的状态空间模型
选取车间距误差δ(k)、前车与本车的相对速度vrel(k)、本车加速度a(k)和本车加速度变化率j(k)作为优化性能指标,自适应巡航控制系统的输出方程如下所示:
y(k)=Cx(k)-Z (2)
其中:
y(k)=[δ(k),vrel(k),a(k),j(k)]T,
th表征车头时距值,do表征最小车间距;
最终形成的平稳跟车模式的状态空间模型如下:
A3、设置平稳跟车模式的约束条件
通过选择最佳车间距保证本车有一个安全的期望车间距,但是这个期望车间距是自适应巡航控制系统车间距的终态目标,很可能在达到这个目标之前两车已经发生碰撞,故必须对实际车间距进行严格约束:
Δx(k)=d0+th·vrel (4)
Δx(k)≥dc (5)
其中Δx(k)表示最佳车间距、dc表示最小安全车间距,即防止两车碰撞的最小距离,取值范围大于等于10m;
自适应巡航控制系统的最终目标是使两车实际车间距趋近于最佳车间距计算出的期望跟车车间距,本车速度趋近于前车速度,即两车处于相对静止的状态;
δ(k)→0,vrel(k)→0 as k→∞ (6)
在车辆的行驶过程中,乘坐舒适性用本车加速度和本车加速度变化率来表征,本车加速度和本车加速度变化率的绝对值越小,乘坐舒适性越高,故对本车加速度和本车加速度变化率的绝对值优化如下:
此外,考虑到车辆自身的能力限制,需要对本车的速度、加速度、加速度变化率及控制变量进行如下约束:
综上,对自适应巡航控制系统的安全性、跟车性、舒适性及经济性控制目标分析,转化为相应的优化目标和自适应巡航控制系统约束;
A4、建立平稳跟车模式的目标函数
在模型预测控制的框架下,将车辆的自适应巡航控制系统需要优化的多个性能指标以加权的方式写成如下的值函数:
其中Q和R为权系数,u(k+i)为控制向量矩阵;
对应的自适应巡航控制系统约束整理如下:
综上,求解多目标自适应巡航控制系统的加速度问题转化为带约束的在线二次规划问题,通过有效集算法求解理想的加速度,使汽车按照理想加速度行驶;
B、建立快速接近模式
自适应巡航不仅需要实现平稳跟车,还要对前车进行快速接近,建立快速接近模式的目的是在保证安全舒适的前提下,以尽可能短的时间接近前车,将车间距调整至期望值,避免其他车道的车辆换道插入,具体包括以下步骤:
B1、建立快速接近模式的车间相互纵向运动学特性模型
采用平稳跟车模式的纵向运动学特性模型作为预测模型:
xfast(k+1)=Afastxfast(k)+Bfastufast(k)+Gfastwfast(k) (11)
其中:
xfast(k)=[Δxfast(k),vfast(k),vfast_rel(k),afast(k),jfast(k)]T
其中:Δxfast(k)、vfast(k)、afast(k)、jfast(k)、ufast(k)、afast_p(k)分别为快速接近模式的本车与前车的车间距、本车车速、本车加速度、本车加速度变化率、本车期望跟车加速度及前车加速度,τfast、Tfast_s分别为快速接近模式下的控制时间常数、采样时间;
B2、建立快速接近模式的状态空间模型
由车间距误差δfast(k)与状态变量Δxfast(k)的关系得如下表达式:
δfast(k)=Cδxfast(k)-Δxfast_o (12)
其中
Cδ=[1 -tfast_h 0 0 0]
tfast_h、Δxfast_o分别为快速接近模式下的车头时距、最小车间距;
选取本车加速度afast(k)及本车加速度变化率jfast(k)作为快速接近模式的优化性能指标,得如下表达式:
yfast(k)=[afast(k) jfast(k)]T=Cfastxfast(k) (13)
其中:
为改善自适应巡航控制系统的经济性,选取趋近于稳定值的指数衰减函数作为参考轨迹,使得上述的优化性能指标在进行优化时沿着平滑的参考轨迹趋近于最优值:
其中:yfast_ref(k+i)为优化的性能向量的指标,表示如下:
ρfast_a和ρfast_j分别为本车加速度afast(k)和本车加速度变化率jfast(k)的参考轨迹的时间常数;
最终得到快速接近模式的状态空间模型如下表示:
B3、设置快速接近模式的约束条件
在接近前车的过程中,为保证行驶过程中的跟车性,需要对两车的实际车间距进行严格约束以避免碰撞;此外,通过优化本车加速度和本车加速度变化率来改善乘坐舒适性;同时考虑到车辆自身的限制,需要对本车速度、加速度、加速度变化率及控制量等进行约束,得如下表达式:
目标:
约束条件:
其中dfast_c、vfast_min、vfast_max、afast_min、afast_max、jfast_min、jfast_max、ufast_min、ufast_max分别为快速接近模式的最小车间距、本车最小车速、本车最大车速、本车最小加速度、本车最大加速度、本车最小加速度变化率、本车最大加速度变化率、本车期望跟车加速度最小值及控制量最大值;
为满足驾驶员所期望的远离前车时以尽量短的时间去加速靠近前车,将车间距调整至期望车间距,即时间最优,引入离散整数变量n,代表从当前车间距调整到期望车间距所需的离散时间步数,同时在优化方程中加入时域终端约束,要求在该时域结束后,车间距调整至期望值,通过最小化该时域变量达到时间最优的目的;另外,考虑到预测及优化范围均由预测时域决定,只有在预测时域内的寻优才是有意义的,因此需要对离散时域变量作上限限制;
目标:
min n (18)
约束条件:
其中δfast(k+n)为k+n时刻的车间距误差,pfast为快速接近模式下的预测时域;
综上,将快速接近模式下的时间最优控制转化为相应的约束条件;
B4、建立快速接近模式的预测方程
在将快速接近模式的安全性、跟车性、时间最优性以及舒适性转化为相应的性能指标和自适应巡航控制系统约束后,利用模型预测控制的框架设计相应的控制算法;
根据式(15)对未来k+pfast时刻内的状态变量、性能指标进行预测:
其中mfast为自适应巡航控制系统快速接近模式下的控制时域,为在第k时刻对预测时域内每一步的状态变量的预测矩阵,为在第k时刻对预测时域内每一步的输出量的预测矩阵,Ufast(k+mfast)为待求的本车期望跟车加速度,Wfast(k+pfast)为第k时刻预测时域内每一步扰动量的预测矩阵,xfast(k)为第k时刻的状态变量,为在第k-1时刻对第k时刻自适应巡航控制系统状态变量的预测值,ex(k)为k时刻实际检测到的状态变量与预测值的误差,为状态方程和输出方程相应项的预测矩阵;所述的扰动量为前车的加速度;
根据式(12)对终端约束δfast(k+n)进行预测:
B5、建立快速接近模式的目标函数
在模型预测控制的框架下,将自适应巡航控制系统快速接近模式的控制策略写成如下优化方程:
自适应巡航控制系统约束:
其中矩阵Sfast、Qfast和Rfast分别为快速进近模式下关于时间最优、舒适性及控制量的权重系数;M、L和N分别为快速接近模式下的性能指标的最小值、系数和最大值矩阵;
把式(20)、(21)和(22)代入式(23)和(24),忽略性能指标中与控制量和离散时间变量无关的项,得到:
自适应巡航控制系统的约束条件为:
其中:和分别为关于舒适性和控制量的权重系数矩阵,
Θ2=Cδ[An-1 fastGfast An-2 fastGfast … Gfast]
B6、对混合整数非线性规划进行求解
由式(25)-(26)知,快速接近模式下的自适应巡航控制系统在模型预测控制的框架下转化为混合整数非线性规划优化方程,采用基于改进的遗传算法的双层嵌套求解算法:外层采用改进的遗传算法搜索最优整数,固定整数变量后,内层转化为连续规划方程,利用相应的有效集算法进行求解,求解结果再交予外层以进行下次整数搜索,这样不断嵌套迭代,直至满足终止条件;
针对式(25)中的混合整数非线性规划,固定整数后,对应的优化命题转化为:
自适应巡航控制系统约束为:
其中fint(n)为整数固定后在目标函数的值,和为整数变量固定后Θ1和Θ2的参数矩阵的值;
针对式(27)和(28)中的二次规划问题,直接利用有效集算法求解理想的加速度,使汽车按照理想加速度行驶;
C、基于模糊推理建立双模式切换规则
步骤A和B建立了平稳跟车模式和快速接近模式,两个模式之间为互斥关系,为了得到使自适应巡航控制系统在两种模式间进行平滑切换,还需建立双模式的切换规则;建立双模式切换规则就是在自适应巡航控制系统的平稳跟车模式和快速接近模式的基础上,通过对驾驶员的行驶需求分析建立两个模式间的切换逻辑,根据不同行驶环境使自适应巡航控制系统自动选择不同的控制模式;
下面选择车间距误差和相对速度作为模糊推理的输入,定义模糊推理的输出为驾驶员选择快速接近模式的心理偏向系数,取值范围为[0,1];通过设定启动阈值,当模糊推理输出的驾驶员心理偏向系数超过该阈值时,启动快速接近模式;
因此对输入变量进行模糊化,通过建立相应的隶属度函数,将输入变量精确值映射到对应的模糊集合,从而反映该变量具有某个模糊性质或属于某个模糊概念的程度;针对各变量在真实交通场景中的取值,采用“小于零”、“等于零”、“大于零”三个模糊语言变量分别描述车间距误差和相对速度,采用“等于零”,“微小”,“小”,“中等”,“大”五个模糊语言变量描述驾驶员选择模式的心理偏向系数;
根据所建立的平稳跟车模式和快速接近模式控制规则,当两车车间距处于期望值附近时,该双模式切换规则采取平稳跟车模式,安全平稳地对前车进行跟车;而当两车车间距远大于期望值时,自适应巡航控制系统采取快速接近模式,在保证安全舒适的前提下,按照驾驶员驾驶心理以最短的时间缩小车间距;由此建立如下推理规则来实现自适应巡航控制系统双模式切换控制策略;
规则一:如果相对速度大于零并且车间距误差等于零,那么驾驶员心里偏向系数取“小”值;
规则二:如果相对速度不大于零并且车间距误差等于零,那么驾驶员心里偏向系数取“微小”值;
规则三:如果相对速度大于零并且车间距误差大于零,那么驾驶员心里偏向系数取“大”值;
规则四:如果相对速度等于零并且车间距误差大于零,那么驾驶员心里偏向系数取“中等”值;
规则五:如果相对速度小于零并且车间距误差大于零,那么驾驶员心里偏向系数取“小”值;
规则六:如果车间距误差小于零,那么驾驶员心里偏向系数取“零”值;
综上,基于模糊推理建立双模式的平稳跟车模式和快速接近模式的切换规则,使汽车根据不同行驶环境决策行车规则的过程;
D、进行控制力矩的分配
如上述,双模式切换规则通过模糊推理选择平稳跟车模式或者快速接近模式,通过求解优化方程得到本车的加速度控制量,该加速度控制量还需作为输入量进行控制力矩的分配;所述的控制力矩的分配,就是根据双模式切换规则决策出的平稳跟车模式或快速接近模式得到加速度控制量,计算出理想的驱动力矩或制动力矩,并将驱动力矩或制动力矩分配到四个车轮,具体步骤如下:
D1、计算理想的驱动/制动力矩
根据汽车动力学方程获得理想的驱动/制动力矩,汽车的纵向动力学方程为:
其中m为汽车的总质量,a为汽车的加速度,Fd为汽车的驱动力或制动力,Kroll为转动阻力系数,Kair空气阻力系数,Sfront为车辆前部分与空气接触的有效面积,ρair为空气密度,θ为道路倾斜角;
理想的驱动/制动力矩计算如下:
Tdes=Fd·r (30)
其中Tdes为理想的驱动/制动力矩,r为车轮的有效滚动半径;
D2、分配力矩
为了提高四轮独立驱动电动汽车的驱动能力,根据本车车轮所受的垂直载荷的大小进行力矩分配:
其中T1、T2、T3、T4为最终分配到左前轮、右前轮、左后轮、右后轮的驱动/制动力矩,Fz1、Fz2、Fz3、Fz4为作用在左前轮、右前轮、左后轮、右后轮的垂直载荷,Fz表示汽车所受到的总的垂直载荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611097515.3A CN106740846B (zh) | 2016-12-02 | 2016-12-02 | 一种双模式切换的电动汽车自适应巡航控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611097515.3A CN106740846B (zh) | 2016-12-02 | 2016-12-02 | 一种双模式切换的电动汽车自适应巡航控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106740846A true CN106740846A (zh) | 2017-05-31 |
CN106740846B CN106740846B (zh) | 2019-02-12 |
Family
ID=58884265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611097515.3A Active CN106740846B (zh) | 2016-12-02 | 2016-12-02 | 一种双模式切换的电动汽车自适应巡航控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106740846B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964031A (zh) * | 2018-07-12 | 2018-12-07 | 电子科技大学 | 电动汽车充电及参与调压的模型预测控制方法 |
CN109229098A (zh) * | 2018-09-05 | 2019-01-18 | 广州小鹏汽车科技有限公司 | 一种用于控制车辆自适应巡航车距的方法及车用跟随行驶控制装置 |
CN109291925A (zh) * | 2018-09-20 | 2019-02-01 | 厦门大学 | 一种节能型智能网联混合动力汽车跟车控制方法 |
CN109291923A (zh) * | 2018-11-07 | 2019-02-01 | 桂林电子科技大学 | 一种基于通电螺线管原理的跟驰辅助控制方法及装置 |
CN109435949A (zh) * | 2018-11-29 | 2019-03-08 | 安徽江淮汽车集团股份有限公司 | 一种车辆自适应巡航控制方法及系统 |
CN109484407A (zh) * | 2018-11-14 | 2019-03-19 | 北京科技大学 | 一种电动汽车辅助驾驶的自适应跟车方法 |
CN109572665A (zh) * | 2017-09-29 | 2019-04-05 | 通用汽车环球科技运作有限责任公司 | 基于动力系mpc的线性化模型 |
CN109955850A (zh) * | 2017-12-14 | 2019-07-02 | 比亚迪股份有限公司 | 车辆及其自适应巡航轨迹的记录方法、系统 |
CN109977449A (zh) * | 2018-11-05 | 2019-07-05 | 江苏大学 | 智能汽车纵向动力学系统混杂动态建模与优化控制方法 |
CN110001620A (zh) * | 2019-04-24 | 2019-07-12 | 吉林大学 | 一种液压轮毂混合动力车辆多模式切换控制方法 |
CN110045613A (zh) * | 2019-05-13 | 2019-07-23 | 北京邮电大学 | 基于量子退火的混合整数最优控制数值求解方法 |
CN110789524A (zh) * | 2018-07-24 | 2020-02-14 | 株式会社电装 | 自适应巡航控制 |
CN111257592A (zh) * | 2020-03-05 | 2020-06-09 | 广东零偏科技有限公司 | 一种用于检测装置的静态判别的方法 |
CN111506063A (zh) * | 2020-04-13 | 2020-08-07 | 中国科学技术大学 | 一种基于分层强化学习框架的移动机器人无图导航方法 |
CN111830826A (zh) * | 2020-05-29 | 2020-10-27 | 中国科学技术大学 | 一种网络化双模自适应时域模型控制方法及系统 |
CN111907494A (zh) * | 2019-05-08 | 2020-11-10 | 丰田自动车株式会社 | 车辆的制动控制装置 |
CN112896161A (zh) * | 2021-02-08 | 2021-06-04 | 杭州电子科技大学 | 一种基于强化学习的电动汽车生态自适应巡航控制系统 |
US20210171033A1 (en) * | 2019-12-09 | 2021-06-10 | Bendix Commercial Vehicle Systems Llc | Controller and method for activating adaptive cruise control |
CN113401125A (zh) * | 2021-07-29 | 2021-09-17 | 中国第一汽车股份有限公司 | 纵向跟车控制方法、装置、电子设备及存储介质 |
CN113650612A (zh) * | 2021-09-27 | 2021-11-16 | 扬州亚星客车股份有限公司 | 一种纯电动客车自适应巡航纵向控制方法、装置及电子设备 |
CN116627044A (zh) * | 2023-07-26 | 2023-08-22 | 华东交通大学 | 行驶轨迹预测控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425106A (zh) * | 2008-11-06 | 2009-05-06 | 清华大学 | 车辆多目标协调式自适应巡航控制性能的数学量化方法 |
JP2013193573A (ja) * | 2012-03-19 | 2013-09-30 | Fujitsu Ten Ltd | 車両追従装置 |
CN105517872A (zh) * | 2013-09-11 | 2016-04-20 | 罗伯特·博世有限公司 | 修改自适应巡航控制以缓解追尾碰撞 |
-
2016
- 2016-12-02 CN CN201611097515.3A patent/CN106740846B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425106A (zh) * | 2008-11-06 | 2009-05-06 | 清华大学 | 车辆多目标协调式自适应巡航控制性能的数学量化方法 |
JP2013193573A (ja) * | 2012-03-19 | 2013-09-30 | Fujitsu Ten Ltd | 車両追従装置 |
CN105517872A (zh) * | 2013-09-11 | 2016-04-20 | 罗伯特·博世有限公司 | 修改自适应巡航控制以缓解追尾碰撞 |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109572665B (zh) * | 2017-09-29 | 2022-02-01 | 通用汽车环球科技运作有限责任公司 | 基于动力系mpc的线性化模型 |
CN109572665A (zh) * | 2017-09-29 | 2019-04-05 | 通用汽车环球科技运作有限责任公司 | 基于动力系mpc的线性化模型 |
CN109955850B (zh) * | 2017-12-14 | 2022-04-15 | 比亚迪股份有限公司 | 车辆及其自适应巡航轨迹的记录方法、系统 |
CN109955850A (zh) * | 2017-12-14 | 2019-07-02 | 比亚迪股份有限公司 | 车辆及其自适应巡航轨迹的记录方法、系统 |
CN108964031A (zh) * | 2018-07-12 | 2018-12-07 | 电子科技大学 | 电动汽车充电及参与调压的模型预测控制方法 |
CN108964031B (zh) * | 2018-07-12 | 2021-05-14 | 电子科技大学 | 电动汽车充电及参与调压的模型预测控制方法 |
CN110789524A (zh) * | 2018-07-24 | 2020-02-14 | 株式会社电装 | 自适应巡航控制 |
CN109229098A (zh) * | 2018-09-05 | 2019-01-18 | 广州小鹏汽车科技有限公司 | 一种用于控制车辆自适应巡航车距的方法及车用跟随行驶控制装置 |
CN109229098B (zh) * | 2018-09-05 | 2020-09-11 | 广州小鹏汽车科技有限公司 | 一种用于控制车辆自适应巡航车距的方法及车用跟随行驶控制装置 |
CN109291925A (zh) * | 2018-09-20 | 2019-02-01 | 厦门大学 | 一种节能型智能网联混合动力汽车跟车控制方法 |
CN109977449B (zh) * | 2018-11-05 | 2023-08-22 | 江苏大学 | 智能汽车纵向动力学系统混杂动态建模与优化控制方法 |
CN109977449A (zh) * | 2018-11-05 | 2019-07-05 | 江苏大学 | 智能汽车纵向动力学系统混杂动态建模与优化控制方法 |
CN109291923A (zh) * | 2018-11-07 | 2019-02-01 | 桂林电子科技大学 | 一种基于通电螺线管原理的跟驰辅助控制方法及装置 |
CN109484407A (zh) * | 2018-11-14 | 2019-03-19 | 北京科技大学 | 一种电动汽车辅助驾驶的自适应跟车方法 |
CN109435949A (zh) * | 2018-11-29 | 2019-03-08 | 安徽江淮汽车集团股份有限公司 | 一种车辆自适应巡航控制方法及系统 |
CN110001620A (zh) * | 2019-04-24 | 2019-07-12 | 吉林大学 | 一种液压轮毂混合动力车辆多模式切换控制方法 |
CN111907494B (zh) * | 2019-05-08 | 2022-08-02 | 丰田自动车株式会社 | 车辆的制动控制装置 |
CN111907494A (zh) * | 2019-05-08 | 2020-11-10 | 丰田自动车株式会社 | 车辆的制动控制装置 |
CN110045613A (zh) * | 2019-05-13 | 2019-07-23 | 北京邮电大学 | 基于量子退火的混合整数最优控制数值求解方法 |
CN110045613B (zh) * | 2019-05-13 | 2020-09-22 | 北京邮电大学 | 基于量子退火的混合整数最优控制数值求解方法 |
US20210171033A1 (en) * | 2019-12-09 | 2021-06-10 | Bendix Commercial Vehicle Systems Llc | Controller and method for activating adaptive cruise control |
CN111257592B (zh) * | 2020-03-05 | 2022-04-12 | 广东零偏科技有限公司 | 一种用于检测装置的静态判别的方法 |
CN111257592A (zh) * | 2020-03-05 | 2020-06-09 | 广东零偏科技有限公司 | 一种用于检测装置的静态判别的方法 |
CN111506063A (zh) * | 2020-04-13 | 2020-08-07 | 中国科学技术大学 | 一种基于分层强化学习框架的移动机器人无图导航方法 |
CN111830826A (zh) * | 2020-05-29 | 2020-10-27 | 中国科学技术大学 | 一种网络化双模自适应时域模型控制方法及系统 |
CN111830826B (zh) * | 2020-05-29 | 2022-09-06 | 中国科学技术大学 | 一种网络化双模自适应时域模型控制方法及系统 |
CN112896161A (zh) * | 2021-02-08 | 2021-06-04 | 杭州电子科技大学 | 一种基于强化学习的电动汽车生态自适应巡航控制系统 |
CN112896161B (zh) * | 2021-02-08 | 2022-06-21 | 杭州电子科技大学 | 一种基于强化学习的电动汽车生态自适应巡航控制系统 |
CN113401125A (zh) * | 2021-07-29 | 2021-09-17 | 中国第一汽车股份有限公司 | 纵向跟车控制方法、装置、电子设备及存储介质 |
CN113401125B (zh) * | 2021-07-29 | 2022-10-11 | 中国第一汽车股份有限公司 | 纵向跟车控制方法、装置、电子设备及存储介质 |
CN113650612A (zh) * | 2021-09-27 | 2021-11-16 | 扬州亚星客车股份有限公司 | 一种纯电动客车自适应巡航纵向控制方法、装置及电子设备 |
CN113650612B (zh) * | 2021-09-27 | 2023-03-10 | 扬州亚星客车股份有限公司 | 一种纯电动客车自适应巡航纵向控制方法、装置及电子设备 |
CN116627044A (zh) * | 2023-07-26 | 2023-08-22 | 华东交通大学 | 行驶轨迹预测控制方法 |
CN116627044B (zh) * | 2023-07-26 | 2023-10-31 | 华东交通大学 | 行驶轨迹预测控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106740846B (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106740846A (zh) | 一种双模式切换的电动汽车自适应巡航控制方法 | |
Xu et al. | Look-ahead prediction-based real-time optimal energy management for connected HEVs | |
CN110992677B (zh) | 一种应对通信异常的智能网联汽车编队控制方法及系统 | |
CN104859650B (zh) | 一种多时间尺度的车辆横摆稳定性滚动优化控制方法 | |
CN110992695B (zh) | 基于冲突消解的车辆城市交叉口通行决策多目标优化方法 | |
Chiang et al. | The human-in-the-loop design approach to the longitudinal automation system for an intelligent vehicle | |
CN107577234B (zh) | 一种驾驶员在环的汽车燃油经济性控制方法 | |
CN112389436B (zh) | 基于改进lstm神经网络的安全性自动驾驶换道轨迹规划方法 | |
US11643080B2 (en) | Trailing vehicle positioning system based on detected pressure zones | |
Cheng et al. | Longitudinal autonomous driving based on game theory for intelligent hybrid electric vehicles with connectivity | |
CN107813820A (zh) | 一种仿优秀驾驶员的无人车换道路径规划方法 | |
CN106184207A (zh) | 四轮独立驱动电动汽车自适应巡航控制系统力矩分配方法 | |
Cai et al. | An intelligent longitudinal controller for application in semiautonomous vehicles | |
CN106882079A (zh) | 一种驱动制动优化切换的电动汽车自适应巡航控制方法 | |
CN102109821A (zh) | 车辆自适应巡航控制系统及方法 | |
Zhang et al. | Data-driven based cruise control of connected and automated vehicles under cyber-physical system framework | |
CN114407931A (zh) | 一种高度类人的自动驾驶营运车辆安全驾驶决策方法 | |
JP2009051430A (ja) | 走行支援システム | |
US11572068B2 (en) | Trailing vehicle positioning system based on detected lead vehicle | |
Zhang et al. | Safe and energy-saving vehicle-following driving decision-making framework of autonomous vehicles | |
CN115534929A (zh) | 基于多元信息融合的插电式混合动力汽车能量管理方法 | |
Kebbati et al. | Coordinated PSO-PID based longitudinal control with LPV-MPC based lateral control for autonomous vehicles | |
CN114987538A (zh) | 一种网联自动驾驶环境下考虑多目标优化的协同换道方法 | |
Lin et al. | Adaptive prediction-based control for an ecological cruise control system on curved and hilly roads | |
CN116118730B (zh) | 一种预见性巡航系统的控制方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |