CN108099908A - 一种车辆自适应巡航优化控制计算方法 - Google Patents
一种车辆自适应巡航优化控制计算方法 Download PDFInfo
- Publication number
- CN108099908A CN108099908A CN201711283893.5A CN201711283893A CN108099908A CN 108099908 A CN108099908 A CN 108099908A CN 201711283893 A CN201711283893 A CN 201711283893A CN 108099908 A CN108099908 A CN 108099908A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- acceleration
- adaptive cruise
- cruise
- 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
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 45
- 238000000205 computational method Methods 0.000 title abstract 2
- 230000001133 acceleration Effects 0.000 claims abstract description 72
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000005457 optimization Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 230000003137 locomotive effect Effects 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 31
- 230000008569 process Effects 0.000 abstract description 18
- 230000000694 effects Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- B60W30/14—Adaptive cruise control
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
- Controls For Constant Speed Travelling (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
一种车辆自适应巡航优化控制计算方法,针对车辆自适应巡航控制领域不断提高的巡航性能优化控制实时性和准确性要求,对车辆自适应巡航优化控制问题,在线计算当前采样时刻的命令加速度变化量的可行区间,再引入黄金分割法求解当前采样时刻的命令加速度变化量的最优值,进而得到车辆在当前采样时刻的命令加速度值,实现本车车辆高实时性和准确性的自适应巡航优化控制。本发明不需要计算巡航性能函数的梯度信息、理解简单、参数设置少、通用性强,满足了车辆自适应巡航优化控制过程的高实时性和准确性控制的要求。
Description
技术领域
本发明属于车辆自适应巡航控制领域,涉及一种车辆自适应巡航优化控制计算方法。
背景技术
车辆自适应巡航控制系统是一种广泛使用的辅助安全驾驶控制技术,可以减少驾驶员行车劳动,通过保持合理车间距离将提高行车安全性,同时可以兼顾驾驶舒适性和驾驶经济性。车辆自适应巡航控制利用车载传感器和功能模块获取车辆周围以及自身的信息,调节车辆自身的加-减速度,实现车辆高效、安全、舒适的行驶,是自动驾驶车辆的一种基本控制方法。在车辆行驶过程中,随着前车速度的变化,自动控制车辆与前车保持一定的相对安全距离,不仅可以减轻驾驶员的工作强度,还可以提升道路的交通流量密度,增强车辆行驶过程中的主动安全性。车辆自适应巡航控制是在车辆定速巡航基础上发展起来的一种新型辅助自动驾驶控制方法,可以在城郊道路环境下自动跟踪前车的速度变化,同时保证两车行驶过程处于安全间距范围,是当前车辆自主控制与智能化研究领域的热点。由于车辆自适应巡航控制系统的安全性、经济性、舒适性和动力性能之间存在一定的冲突特性,基于在线优化的车辆自适应巡航控制方法得到了许多研究。通过对现有基于在线优化的车辆自适应巡航控制方法的文献的检索发现,车辆自适应巡航优化控制方法主要有:基于梯度信息的自适应巡航优化控制、动态规划自适应巡航优化控制和基于生物启发式算法的自适应巡航优化控制,但基于梯度信息的自适应巡航优化控制需要在线计算巡航目标函数的导数值,由于车辆的快速移动和速度曲线的非光滑性,巡航目标函数的导数值不一定存在,使得车辆自适应巡航控制器失去最优解,动态规划自适应巡航优化控制需要已知车辆全程行驶场景,显然在前车变速情形下本车很难获得全程行驶场景,而基于生物启发式算法的自适应巡航优化控制,需要大量种群数量以保证自适应巡航控制器的最优解,因此在线优化巡航控制量的计算量很大,这些自适应巡航优化控制方法对前车剧烈变速的巡航控制效果的收敛速度缓慢,理解抽象,而且应用过程复杂。因为前车驾驶员驾驶行为的高度主观性和不确定性,但车辆自适应巡航控制实时性和准确性要求高,因此,尽管车辆自适应巡航优化控制方法研究取得了一些成果,但近年来相关学者对于这个具有挑战性的重要难题仍然进行了大量地研究和探讨,以满足当前面对各类复杂的交通状况,实现车辆自适应巡航过程的高实时性和准确性控制的迫切要求。
发明内容
为了克服已有车辆自适应巡航优化控制中计算方法的理解抽象、在线计算复杂和实现困难的不足,本发明提供一种理解直观、设计简单、易于实现的车辆自适应巡航优化控制计算方法。
本发明解决其技术问题所采用的技术方案是:
一种车辆自适应巡航优化控制计算方法,所述方法包括如下步骤:
1)、考虑车辆自适应巡航优化控制问题描述,参见式(1):
其中,符号“s.t.”表示“约束”;变量k表示控制器采样时刻;i|k表示对应变量在k时刻对未来k+i时刻的预测时间;常量N>0、β>0和τ>0分别表示巡航控制器的预测步长、压缩因子和采样间隔;常量T1是车辆跟踪期望加速度命令的时间系数;常量Kh=T2+0.5τ-0.5τT2/T1和Kc=0.5τ2/T1,其中,常量T2>0是车头安全时距;e(k)、vr(k)、ah(k)和ac(k)分别表示在当前k时刻的前车与本车安全间距的误差、相对速度、本车实际加速度和本车命令加速度;Δac(k)表示在k时刻本车的命令加速度变化量;d(k)表示在k时刻前车的实际加速度;常量Δamin和Δamax分别表示命令加速度的最小变化量和最大变化量;常量amin和amax分别表示最小命令加速度和最大命令加速度;J(·,·,·,·,·)表示巡航目标函数,参见式(2):
其中,常量qe>0、qv>0、qa>0和qc>0分别为对应变量的权重系数;
2)、计算命令加速度变化量Δac(k)在当前k时刻的可行区间,参见式(3):
其中,max和min分别为取最大值和最小值函数;
3)、令和计算试探点f0(k)=A0(k)+0.382(B0(k)-A0(k))和g0(k)=A0(k)+0.618(B0(k)-A0(k)),并令j=0;
4)、给定迭代终止条件参数L>0,如果|fj(k)-gj(k)|<L,则终止迭代,得到命令加速度变化量的最优解Δac *(k)=0.5(fj(k)+gj(k)),并跳转至第6)步;否则,读取当前时刻安全间距误差、相对速度、实际加速度和命令加速度值,分别将两个试探点代入巡航目标函数(2)得J(e(k),vr(k),ah(k),ac(k-1),fj(k))和J(e(k),vr(k),ah(k),ac(k-1),gj(k));
5)、如果J(e(k),vr(k),ah(k),ac(k-1),fj(k))>J(e(k),vr(k),ah(k),ac(k-1),gj(k)),则更新Aj+1(k)=fj(k),Bj+1(k)=Bj(k),fj+1(k)=gj(k)和gj+1(k)=Aj+1(k)+0.618(Bj+1(k)-Aj+1(k));如果J(e(k),vr(k),ah(k),ac(k-1),fj(k))<J(e(k),vr(k),ah(k),ac(k-1),gj(k)),则更新Aj+1(k)=Aj(k),Bj+1(k)=gj(k),gj+1(k)=fj(k)和fj+1(k)=Aj+1(k)+0.382(Bj+1(k)-Aj+1(k));令j=j+1,返回步骤4);
6)、根据命令加速度变化量的最优解计算车辆命令加速度ac(k)=ac(k-1)+Δac *(k),驱动本车跟踪前车运动状态;
在下一个控制周期时,重新在线测量前车与本车的安全间距误差、相对速度、本车加速度和命令加速度,如此周而复始,实现本车高实时性和准确性的车辆自适应巡航优化控制。
本发明的技术构思是:针对车辆自适应巡航控制领域不断提高的巡航性能优化控制实时性和准确性要求,对车辆自适应巡航优化控制问题,在线计算当前采样时刻的命令加速度变化量的可行区间,再引入黄金分割法求解当前采样时刻的命令加速度变化量的最优值,进而得到车辆在当前采样时刻的命令加速度值,实现本车车辆高实时性和准确性的自适应巡航优化控制。
本发明主要执行部分在车辆自动驾驶控制计算机上运行实施。本方法实施过程可以分以下三个阶段:
1、参数设置:包括巡航优化控制模型参数和计算器参数,在巡航优化控制模型参数导入界面中,输入预测步长N、压缩因子β、采样间隔τ、车头时距T2、时间系数T1、命令加速度的最小变化量Δamin和最大变化量Δamax、最小命令加速度amin和最大命令加速度amax以及权重系数qe、qv、qa和qc;在计算器参数设置中,输入迭代终止条件参数L,并确认后由控制计算机将设置数据送入计算机存储单元RAM中保存;参数L的取值规则:L为大于零的正数;
2、离线调试:点击组态界面中的“调试”按钮,巡航控制系统进入控制器离线仿真调试阶段,调整控制器参数L,观察车辆自适应巡航优化控制效果,由此确定一个能良好实现车辆自适应巡航控制的参数;参数L的调整规则:增大L的取值将加快车辆巡航优化控制器的计算速度,但车辆巡航性能同时变差;相反,减小L的取值将改善车辆巡航控制器性能,但增加控制器的在线计算量,影响控制的实时性,因此,实际调试参数L时,应权衡车辆巡航控制器的性能和在线计算量之间的综合效果;
3、在线运行:启动主控制计算机的CPU读取模型参数和控制器参数,通过在线测量当前时刻前车与本车的安全间距误差、相对速度和本车实际加速度,实时计算车辆命令加速度变化量的最优值,进而得到车辆命令加速度最优值,驱动本车跟踪前车运动状态;在下一个控制周期时,重新在线测量前车与本车的安全间距误差、相对速度和本车实际加速度,如此周而复始,实现本车高性能优化实时性和准确性的车辆自适应巡航优化控制。
本发明的有益效果主要表现在:1、车辆自适应巡航优化控制计算方法的参数少,设计简单、容易理解、在线实施简便、实用性强;2、车辆巡航优化控制问题的在线求解不需要计算巡航性能函数的梯度信息,从而可以适用更复杂多样的行车场景,满足本车能快速保持与前车的安全控制实时性要求。
附图说明
图1为车辆自适应巡航优化控制过程车间距实时曲线。
图2为车辆自适应巡航优化控制过程中本车与前车的速度实时曲线,其中,虚线为本车速度实时曲线,实线为前车速度实时曲线。
图3为车辆自适应巡航优化控制过程中本车实际加速度实时曲线。
图4为车辆自适应巡航优化控制过程中本车命令加速度变化量实时曲线。
具体实施方式
下面结合附图对本发明的方法作进一步详细说明。
参照图1~图4,一种车辆自适应巡航优化控制计算方法,所述方法包括如下步骤:
1)、考虑车辆自适应巡航优化控制问题描述,参见式(1):
其中,符号“s.t.”表示“约束”;变量k表示控制器采样时刻;i|k表示对应变量在k时刻对未来k+i时刻的预测时间;常量N>0、β>0和τ>0分别表示巡航控制器的预测步长、压缩因子和采样间隔;常量T1是车辆跟踪期望加速度命令的时间系数;常量Kh=T2+0.5τ-0.5τT2/T1和Kc=0.5τ2/T1,其中,常量T2>0是车头安全时距;e(k)、vr(k)、ah(k)和ac(k)分别表示在当前k时刻的前车与本车安全间距的误差、相对速度、本车实际加速度和本车命令加速度;Δac(k)表示在k时刻本车的命令加速度变化量;d(k)表示在k时刻前车的实际加速度;常量Δamin和Δamax分别表示命令加速度的最小变化量和最大变化量;常量amin和amax分别表示最小命令加速度和最大命令加速度;J(·,·,·,·,·)表示巡航目标函数,参见式(2):
其中,常量qe>0、qv>0、qa>0和qc>0分别为对应变量的权重系数;
2)、计算命令加速度变化量Δac(k)在当前k时刻的可行区间,参见式(3):
其中,max和min分别为取最大值和最小值函数;
3)、令和计算试探点f0(k)=A0(k)+0.382(B0(k)-A0(k))和g0(k)=A0(k)+0.618(B0(k)-A0(k)),并令j=0;
4)、给定迭代终止条件参数L>0,如果|fj(k)-gj(k)|<L,则终止迭代,得到命令加速度变化量的最优解Δac *(k)=0.5(fj(k)+gj(k)),并跳转至第6)步;否则,读取当前时刻安全间距误差、相对速度、实际加速度和命令加速度值,分别将两个试探点代入巡航目标函数(2)得J(e(k),vr(k),ah(k),ac(k-1),fj(k))和J(e(k),vr(k),ah(k),ac(k-1),gj(k));
5)、如果J(e(k),vr(k),ah(k),ac(k-1),fj(k))>J(e(k),vr(k),ah(k),ac(k-1),gj(k)),则更新Aj+1(k)=fj(k),Bj+1(k)=Bj(k),fj+1(k)=gj(k)和gj+1(k)=Aj+1(k)+0.618(Bj+1(k)-Aj+1(k));如果J(e(k),vr(k),ah(k),ac(k-1),fj(k))<J(e(k),vr(k),ah(k),ac(k-1),gj(k)),则更新Aj+1(k)=Aj(k),Bj+1(k)=gj(k),gj+1(k)=fj(k)和fj+1(k)=Aj+1(k)+0.382(Bj+1(k)-Aj+1(k));令j=j+1,返回步骤4);
6)、根据命令加速度变化量的最优解计算车辆命令加速度ac(k)=ac(k-1)+Δac *(k),驱动本车跟踪前车运动状态;
在下一个控制周期时,重新在线测量前车与本车的安全间距误差、相对速度、本车加速度和命令加速度,如此周而复始,实现本车高实时性和准确性的车辆自适应巡航优化控制。
本实施例为车辆自适应巡航优化控制计算过程,具体操作过程如下:
1、在参数设置界面中,输入车辆巡航优化控制模型参数,如下:预测步长N=20、压缩因子β=0.9、采样间隔τ=0.2s、车头时距T2=1.5s、时间系数T1=0.5s、命令加速度的最小变化量Δamin=-2和最大变化量Δamax=2、最小命令加速度amin=-5m/s2和最大命令加速度amax=2.5m/s2以及权重系数qe=2、qv=5、qa=1和qc=1,及计算器迭代终止条件参数L;
2、在组态界面上点击“调试”按钮进入调试界面,启动主控计算机的CPU调用事先编制好的“控制计算程序”调试确定计算器迭代终止条件参数L,具体过程如下:根据参数L的取值与调整规则,综合考虑车辆自适应巡航优化控制计算过程的响应能力和巡航控制效果,调试参数得到L=0.01,将调试结果保存到计算机存储单元RAM中;
3、点击组态界面中的“运行”按钮,启动主控计算机的CPU读取模型参数和计算器参数,通过在线测量当前时刻前车与本车的安全间距误差、相对速度和本车实际加速度,实时优化计算车辆自适应巡航过程命令加速度的变化量的最优解,得到车辆命令加速度的最优解,驱动本车跟踪前车运动状态;在下一个控制周期时,重新在线测量前车与本车的安全间距误差、相对速度和本车实际加速度,如此周而复始,实现本车高性能巡航的实时性和准确性控制。
实际控制效果如图1、图2、图3和图4所示,图1为车辆自适应巡航优化控制过程车间距实时曲线;图2为车辆自适应巡航优化控制过程中本车与前车的速度实时曲线,其中,虚线为本车速度实时曲线,实线为前车速度实时曲线;图3为车辆自适应巡航优化控制过程中本车实际加速度实时曲线;图4为车辆自适应巡航优化控制过程中本车命令加速度变化量实时曲线。
以上阐述的是本发明给出的一个实施例所表现出的优良的车辆自适应巡航优化控制计算效果。需要指出,上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出的任何修改,都落入本发明的保护范围。
Claims (1)
1.一种车辆自适应巡航优化控制计算方法,其特征在于,所述方法包括如下步骤:
1)、考虑车辆自适应巡航优化控制问题描述,参见式(1):
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mi>min</mi>
<mrow>
<msub>
<mi>&Delta;a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>e</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>r</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>&Delta;a</mi>
<mi>c</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&tau;v</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&tau;K</mi>
<mi>h</mi>
</msub>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>c</mi>
</msub>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mn>0.5</mn>
<msup>
<mi>&tau;</mi>
<mn>2</mn>
</msup>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>v</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>v</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>K</mi>
<mi>c</mi>
</msub>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>K</mi>
<mi>c</mi>
</msub>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&tau;</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&tau;</mi>
<mo>/</mo>
<msub>
<mi>T</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&tau;a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msub>
<mi>T</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msup>
<mi>&beta;</mi>
<mi>i</mi>
</msup>
<msub>
<mi>&Delta;a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Delta;a</mi>
<mi>min</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>&Delta;a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>&Delta;a</mi>
<mi>max</mi>
</msub>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>min</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mi>max</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>v</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,符号“s.t.”表示“约束”;变量k表示控制器采样时刻;i|k表示对应变量在k时刻对未来k+i时刻的预测时间;常量N>0、β>0和τ>0分别表示巡航控制器的预测步长、压缩因子和采样间隔;常量T1是车辆跟踪期望加速度命令的时间系数;常量Kh=T2+0.5τ-0.5τT2/T1和Kc=0.5τ2/T1,其中,常量T2>0是车头安全时距;e(k)、vr(k)、ah(k)和ac(k)分别表示在当前k时刻的前车与本车安全间距的误差、相对速度、本车实际加速度和本车命令加速度;Δac(k)表示在k时刻本车的命令加速度变化量;d(k)表示在k时刻前车的实际加速度;常量Δamin和Δamax分别表示命令加速度的最小变化量和最大变化量;常量amin和amax分别表示最小命令加速度和最大命令加速度;J(·,·,·,·,·)表示巡航目标函数,参见式(2):
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>e</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>r</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>&Delta;a</mi>
<mi>c</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>q</mi>
<mi>e</mi>
</msub>
<msup>
<mi>e</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>q</mi>
<mi>v</mi>
</msub>
<msubsup>
<mi>v</mi>
<mi>r</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>q</mi>
<mi>a</mi>
</msub>
<msubsup>
<mi>a</mi>
<mi>h</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>q</mi>
<mi>c</mi>
</msub>
<msubsup>
<mi>a</mi>
<mi>c</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>&Delta;a</mi>
<mi>c</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,常量qe>0、qv>0、qa>0和qc>0分别为对应变量的权重系数;
2)、计算命令加速度变化量Δac(k)在当前k时刻的可行区间,参见式(3):
<mrow>
<mi>max</mi>
<mo>{</mo>
<msub>
<mi>&Delta;a</mi>
<mi>min</mi>
</msub>
<mo>,</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msup>
<mi>&beta;</mi>
<mi>i</mi>
</msup>
</mrow>
</mfrac>
<mo>}</mo>
<mo>&le;</mo>
<msub>
<mi>&Delta;a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>min</mi>
<mo>{</mo>
<msub>
<mi>&Delta;a</mi>
<mi>max</mi>
</msub>
<mo>,</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mi>min</mi>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msup>
<mi>&beta;</mi>
<mi>i</mi>
</msup>
</mrow>
</mfrac>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,max和min分别为取最大值和最小值函数;
3)、令和计算试探点f0(k)=A0(k)+0.382(B0(k)-A0(k))和g0(k)=A0(k)+0.618(B0(k)-A0(k)),并令j=0;
4)、给定迭代终止条件参数L>0,如果|fj(k)-gj(k)|<L,则终止迭代,得到命令加速度变化量的最优解Δac *(k)=0.5(fj(k)+gj(k)),并跳转至第6)步;否则,读取当前时刻安全间距误差、相对速度、实际加速度和命令加速度值,分别将两个试探点代入巡航目标函数(2)得J(e(k),vr(k),ah(k),ac(k-1),fj(k))和J(e(k),vr(k),ah(k),ac(k-1),gj(k));
5)、如果J(e(k),vr(k),ah(k),ac(k-1),fj(k))>J(e(k),vr(k),ah(k),ac(k-1),gj(k)),则更新Aj+1(k)=fj(k),Bj+1(k)=Bj(k),fj+1(k)=gj(k)和gj+1(k)=Aj+1(k)+0.618(Bj+1(k)-Aj+1(k));如果J(e(k),vr(k),ah(k),ac(k-1),fj(k))<J(e(k),vr(k),ah(k),ac(k-1),gj(k)),则更新Aj+1(k)=Aj(k),Bj+1(k)=gj(k),gj+1(k)=fj(k)和fj+1(k)=Aj+1(k)+0.382(Bj+1(k)-Aj+1(k));令j=j+1,返回步骤4);
6)、根据命令加速度变化量的最优解计算车辆命令加速度ac(k)=ac(k-1)+Δac *(k),驱动本车跟踪前车运动状态;
在下一个控制周期时,重新在线测量前车与本车的安全间距误差、相对速度、本车加速度和命令加速度,如此周而复始,实现本车高实时性和准确性的车辆自适应巡航优化控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711283893.5A CN108099908B (zh) | 2017-12-07 | 2017-12-07 | 一种车辆自适应巡航优化控制计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711283893.5A CN108099908B (zh) | 2017-12-07 | 2017-12-07 | 一种车辆自适应巡航优化控制计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108099908A true CN108099908A (zh) | 2018-06-01 |
CN108099908B CN108099908B (zh) | 2019-07-05 |
Family
ID=62208227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711283893.5A Active CN108099908B (zh) | 2017-12-07 | 2017-12-07 | 一种车辆自适应巡航优化控制计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108099908B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109159783A (zh) * | 2018-08-23 | 2019-01-08 | 北京理工大学 | 一种针对分布式电驱动履带车辆的地面参量估计方法 |
CN109760680A (zh) * | 2018-12-29 | 2019-05-17 | 浙江工业大学 | 一种参数不确定自主车辆变速巡航系统鲁棒控制方法 |
CN110615003A (zh) * | 2019-10-30 | 2019-12-27 | 吉林大学 | 基于策略梯度在线学习算法的巡航控制系统及设计方法 |
CN111538328A (zh) * | 2020-04-03 | 2020-08-14 | 浙江工业大学 | 一种用于自主驾驶车辆避障轨迹规划与跟踪控制的优先级分层预测控制方法 |
CN114179798A (zh) * | 2021-11-12 | 2022-03-15 | 江铃汽车股份有限公司 | 自适应巡航控制方法、系统、计算机及存储介质 |
US20230018073A1 (en) * | 2019-12-16 | 2023-01-19 | Renault S.A.S. | Method for determining a speed profile of a motor vehicle with non-predetermined acceleration |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101417655A (zh) * | 2008-10-14 | 2009-04-29 | 清华大学 | 一种车辆多目标协调式自适应巡航控制方法 |
CN103786724A (zh) * | 2012-10-31 | 2014-05-14 | 通用汽车环球科技运作有限责任公司 | 用于车辆巡航控制的系统和方法 |
CN106428004A (zh) * | 2015-06-12 | 2017-02-22 | 株式会社万都 | 车辆自适应巡航控制系统及其方法 |
CN106560367A (zh) * | 2015-09-30 | 2017-04-12 | 上海汽车集团股份有限公司 | 车辆自适应巡航控制器、方法及系统 |
CN107380165A (zh) * | 2017-07-27 | 2017-11-24 | 浙江工业大学 | 一种车辆自适应变速巡航过程车间距控制方法 |
-
2017
- 2017-12-07 CN CN201711283893.5A patent/CN108099908B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101417655A (zh) * | 2008-10-14 | 2009-04-29 | 清华大学 | 一种车辆多目标协调式自适应巡航控制方法 |
CN103786724A (zh) * | 2012-10-31 | 2014-05-14 | 通用汽车环球科技运作有限责任公司 | 用于车辆巡航控制的系统和方法 |
CN106428004A (zh) * | 2015-06-12 | 2017-02-22 | 株式会社万都 | 车辆自适应巡航控制系统及其方法 |
CN106560367A (zh) * | 2015-09-30 | 2017-04-12 | 上海汽车集团股份有限公司 | 车辆自适应巡航控制器、方法及系统 |
CN107380165A (zh) * | 2017-07-27 | 2017-11-24 | 浙江工业大学 | 一种车辆自适应变速巡航过程车间距控制方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109159783A (zh) * | 2018-08-23 | 2019-01-08 | 北京理工大学 | 一种针对分布式电驱动履带车辆的地面参量估计方法 |
CN109760680A (zh) * | 2018-12-29 | 2019-05-17 | 浙江工业大学 | 一种参数不确定自主车辆变速巡航系统鲁棒控制方法 |
CN109760680B (zh) * | 2018-12-29 | 2021-10-29 | 浙江工业大学 | 一种参数不确定自主车辆变速巡航系统鲁棒控制方法 |
CN110615003A (zh) * | 2019-10-30 | 2019-12-27 | 吉林大学 | 基于策略梯度在线学习算法的巡航控制系统及设计方法 |
US20230018073A1 (en) * | 2019-12-16 | 2023-01-19 | Renault S.A.S. | Method for determining a speed profile of a motor vehicle with non-predetermined acceleration |
CN111538328A (zh) * | 2020-04-03 | 2020-08-14 | 浙江工业大学 | 一种用于自主驾驶车辆避障轨迹规划与跟踪控制的优先级分层预测控制方法 |
CN111538328B (zh) * | 2020-04-03 | 2022-07-26 | 浙江工业大学 | 一种用于自主驾驶车辆避障轨迹规划与跟踪控制的优先级分层预测控制方法 |
CN114179798A (zh) * | 2021-11-12 | 2022-03-15 | 江铃汽车股份有限公司 | 自适应巡航控制方法、系统、计算机及存储介质 |
CN114179798B (zh) * | 2021-11-12 | 2023-08-25 | 江铃汽车股份有限公司 | 自适应巡航控制方法、系统、计算机及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108099908B (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108099908A (zh) | 一种车辆自适应巡航优化控制计算方法 | |
CN107380165B (zh) | 一种车辆自适应变速巡航过程车间距控制方法 | |
CN108639061B (zh) | 一种自动驾驶车辆主动防晕车辅助驾驶控制方法 | |
CN109765887A (zh) | 一种自动驾驶控制方法 | |
CN109978025B (zh) | 一种基于高斯过程回归的智能网联车辆前车加速度预测方法 | |
CN110116730B (zh) | 一种车辆制动控制方法、系统、设备和介质 | |
CN108427282A (zh) | 一种基于示教学习的机器人逆运动学求解方法 | |
CN108052002A (zh) | 一种改进的模糊pid的智能汽车自动循迹方法 | |
CN112677982A (zh) | 基于驾驶员特性的车辆纵向速度规划方法 | |
CN110928314B (zh) | 一种基于轨迹预测的纯跟踪模型改进算法 | |
CN115817183A (zh) | 一种纯电动汽车续驶里程预测方法及预测装置 | |
CN109552326A (zh) | 一种无线通信信道衰减下的车辆变速巡航控制方法 | |
Ali et al. | Model predictive control with constraints for a nonlinear adaptive cruise control vehicle model in transition manoeuvres | |
CN108327718B (zh) | 一种车辆自适应巡航控制系统及其控制方法 | |
CN113255225A (zh) | 少样本元提升学习的列车运动状态估计方法 | |
CN116755323A (zh) | 一种基于深度强化学习的多旋翼无人机pid自整定方法 | |
CN114670856B (zh) | 一种基于bp神经网络的参数自整定纵向控制方法及系统 | |
CN108944928B (zh) | 一种车辆自适应巡航系统安全车间距控制方法 | |
Zhou et al. | Significance of low-level controller for string stability under adaptive cruise control | |
CN114537391A (zh) | 一种基于预报观测器的车辆跟驰伺服控制方法及系统 | |
CN113674529A (zh) | 一种自主超车方法及系统 | |
CN109760680A (zh) | 一种参数不确定自主车辆变速巡航系统鲁棒控制方法 | |
CN113296515A (zh) | 一种双独立电驱动车辆显式模型预测路径跟踪方法 | |
CN113298324B (zh) | 一种基于深度强化学习与神经网络的轨迹预测模型方法、系统及装置 | |
CN109552325B (zh) | 一种车辆变速巡航系统传感器增益不确定鲁棒控制方法 |
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 |