CN108749809B - 一种智能驾驶车辆加速度跟踪控制系统 - Google Patents

Abstract

本发明涉及一种智能驾驶车辆加速度跟踪控制系统，属于智能车辆控制技术领域，解决了现有技术中无法实现对智能驾驶车辆加速度精确跟踪的问题。上位机模块，用于根据加速度补偿量Δa计算预估行驶阻力F_d，并根据F_d计算得到发动机控制量和制动控制量；纵向控制器模块，用于根据所述发动机控制量和制动控制量，生成发动机控制指令、制动控制指令；电控驱动模块，用于接收并执行所述发动机控制指令；电控制动模块，用于接收并执行所述制动控制指令。车载传感器模块，用于采集智能驾驶车辆的当前车速信息和历史车速信息发送至上位机模块，由上位机模块计算得到加速度补偿量Δa。实现了智能驾驶车辆加速度的精确跟踪。

Description

一种智能驾驶车辆加速度跟踪控制系统

技术领域

本发明涉及智能车辆控制技术领域，尤其涉及一种智能驾驶车辆加速度跟踪控制系统。

背景技术

近年来有关智能驾驶车辆的研究广受关注，而智能驾驶车辆集感知、导航、路径规划、运动控制等功能于一体，对缓解城市交通拥挤、降低能源消耗有着重要的意义，同时智能驾驶车辆也是高新技术的集合体，是一个国家综合技术发展的标志和特征。目前，智能驾驶车辆已经成为全球各国研究的热门领域。

运动控制是智能驾驶车辆中非常重要的一块，而汽车的加速性能以及制动性能直接影响到智能驾驶车辆对车辆运动的控制，需要对相应的执行器如发动机、制动系统提出一定的性能要求。目前在自动驾驶领域，对于车辆的运动控制方案多是基于运动学的车辆速度调节机制，这种方案存在以下几种缺点：

一，未能充分考虑车辆内部执行机构变化对车辆运动的影响，如传动系统中的变速器换挡动作对车辆动力传递的影响以及制动系统在压强过大时所造成的轮胎滑移。

二，不能考虑到执行器的响应特性和执行特性，因此无法对车辆的执行器的性能做一个直观的评价，更不能将执行器的变化考虑到控制系统内。

三，没有从车辆动力学的角度对车辆纵向运动进行分析，因此运动过程中的加速性能和制动性能不能保障，需要从控制方法上进行大量的优化工作。

发明内容

鉴于上述的分析，本发明旨在提供一种智能驾驶车辆加速度跟踪控制系统，用以解决现有技术无法实现对智能驾驶车辆加速度精确跟踪的问题。

本发明的目的主要是通过以下技术方案实现的：

一种智能驾驶车辆加速度跟踪控制系统，包括：

上位机模块，用于根据加速度补偿量Δa计算预估行驶阻力F_d，并根据F_d计算得到发动机控制量和制动控制量；

纵向控制器模块，用于根据所述发动机控制量和制动控制量，生成发动机控制指令、制动控制指令；

电控驱动模块，用于接收并执行所述发动机控制指令；电控制动模块，用于接收并执行所述制动控制指令。

传感器采集模块，用于采集智能驾驶车辆的当前车速信息和历史车速信息发送至上位机模块，由上位机模块计算得到加速度补偿量Δa。

本发明有益效果如下：本实施例提供的智能驾驶车辆加速度跟踪控制系统通过上位机模块计算行驶过程中的预估行驶阻力，进一步得到发动机控制量和制动控制量，并生成发动机控制指令、制动控制指令，通过执行发动机控制指令、制动控制指令改变智能驾驶车辆的行驶状态，从而达到提升加速度跟踪精度的目的。

在上述方案的基础上，本发明还做了如下改进：

进一步，所述上位机模块执行下述流程计算得到预估行驶阻力F_d：

利用式(1)计算得到所述行驶过程中的预估行驶阻力F_d：

F_d＝F_f+F_i+F_w+F_a (1)

其中，F_f为车辆行驶滚动阻力，F_i为车辆受道路坡度影响造成及重力造成的坡道阻力，F_w为车辆行驶所受空气阻力，F_a为车辆加速过程中的期望加速度阻力。

采用上述进一步方案的有益效果是：行驶过程中的预估行驶阻力代表了智能驾驶车辆在行驶过程中所受的整体阻力，通过计算行驶过程中的预估行驶阻力，能够分析智能驾驶车辆在行驶过程的受力情况，并由此提供智能驾驶车辆处于驱动还是制动过模式的判断依据。

进一步，所述F_f、F_i、F_w、F_a的计算公式分别为：

F_f＝f·Gcosα (2)

F_i＝G·sinα (3)

F_w＝C_d·A·v²/21.25 (4)

F_a＝δ·m·(a_des+Δa) (5)

其中，f为路面滚动阻力系数，G为车辆自身重力，α为车辆行驶过程道路坡度，C_d为车辆行驶过程空气阻力系数，A为车辆行驶过程迎风面积，v为车辆当前周期平均速度，δ为车辆旋转质量系数，m为车辆质量，a_des为车辆行驶加速度期望值，Δa为加速度补偿量。

采用上述进一步方案的有益效果是：通过给出预估行驶阻力各个部分的具体计算公式，使得本领域的技术人员能够根据本实施例所述方法计算得到预估行驶阻力，计算过程清晰易懂，易于实现。

进一步，所述上位机模块执行下述流程计算得到发动机控制量和制动控制量：

若预估行驶阻力F_d≥0，车辆进入驱动模式；若预估行驶阻力F_d<0，车辆进入制动模式；

在驱动模式下，制动控制量brake置零，

发动机控制量thro由公式(6)计算得到，

thro＝f^-1(Te,es) (6)

其中，Te为需求驱动力矩，es为发动机转速；

需求驱动力矩Te由公式(7)计算得到，

Te＝i·F_d (7)

其中，i为传动系统总传动比；

在制动模式下，发动机控制量thro置零，

制动控制量brake由公式(8)计算得到

其中，F_b为需求制动力，k为制动系统模型一次项系数，b为制动系统模型常数项系数；

需求制动力F_b由公式(9)计算得到，

其中，Te₀为怠速时的发动机输出，i为传动系统总传动比。

采用上述进一步方案的有益效果是：通过给出驱动模式、制动模式下发动机控制量和制动控制量的计算过程，本领域的技术人员能够根据本实施例所述方法得到驱动模式下的发动机控制量和制动控制量。

进一步，所述传动系统总传动比i由如下公式计算得到：

i＝i_g·i_z·i_f (10)

其中，i_g为变速箱实际档位的传动比，i_f为分动器传动比，i_z为主减速器传动比。

若车辆并非全驱车辆，则计算时不考虑分动器传动比i_f，此时传动系统总传动比：

i＝i_g·i_z (11)。

采用上述进一步方案的有益效果是：通过给出传动系统总传动比的计算公式，便于本领域的技术人员根据本申请提供的技术方法得到传动系统总传动比。

进一步，由上位机模块执行下述流程计算得到加速度补偿量Δa：

根据增量式PID的控制方法计算当前周期的控制量ΔU：

ΔU＝k_p·(a_dev-a_dev1)+k_i·a_dev+k_d·(a_dev-2a_dev1+a_dev2) (12)

其中，a_dev、a_dev1、a_dev2分别为当前周期、前两个周期的加速度偏差，k_p为比例参数，k_i为积分参数，k_d为微分参数；

计算得到当前周期的加速度补偿量：

Δa＝Δa_last+ΔU (13)

其中，Δa_last为上一周期的加速度补偿量。

采用上述进一步方案的有益效果是：本实施例将增量式PID控制方法用于加速度补偿量的计算过程，能够有效提高加速度的跟踪精度，提高智能驾驶车辆的智能化程度，本实施例提供的方法实用性强，对于加速度的跟踪效果有明显改进。

进一步，当前周期的加速度偏差a_dev根据下述步骤计算得到：

存储当前周期的实时车辆速度数据和前五个周期的实时车辆速度数据，去除当中的最大值和最小值，将剩余四个周期的实时车辆速度数据平均值作为当前周期平均速度v；

将前4个周期的车速分别记为v₁、v₂、v₃、v₄，计算得到当前周期平均加速度a_real：

a_real＝(v-v₄+v₁-v₃)/(6·Δt) (14)

其中，Δt为单个计算周期；

利用前四个周期的期望加速度a_des1、a_des2、a_des3、a_des4，计算前四个周期的平均期望加速度：

a_fdes＝(a_des1+a_des2+a_des3+a_des4)/4 (15)

计算得到当前周期的加速度偏差：

a_dev＝a_fdes-a_real (16)。

采用上述进一步方案的有益效果是：通过提供当前周期的加速度偏差a_dev的计算方法，能够快速得到当前周期的加速度偏差，可行性强。

进一步，所述上位机模块在计算预估行驶阻力F_d前，首先判断智能驾驶车辆自动驾驶标志位：若为0，进入人工驾驶模式；若为1，进一步判断制动踏板是否存在驾驶员踩踏行为，若存在驾驶员踩踏行为，自动驾驶标志位清零，进入人工驾驶模式；否则，进入自动驾驶模式，由所述上位机模块计算预估行驶阻力F_d。

采用上述进一步方案的有益效果是：由于智能驾驶车辆既存在自动驾驶模式，也存在人工驾驶模式，通过本实施例提供的方法能够简单、快速地判断智能驾驶车辆所处的模式。

进一步，所述电控驱动模块包括发动机控制器、继电器、第一角位移传感器、油门踏板，

当智能驾驶车辆处于人工驾驶模式时，纵向控制器模块通过24V I/O供电控制电控驱动模块中的继电器断电，油门踏板、第一角位移传感器1配合产生控制信号，并将控制信号发送至发动机控制器；当智能驾驶车辆处于自动驾驶模式时，纵向控制器模块通过24VI/O供电控制电控驱动模块中的继电器得电，由车辆纵向控制器产生模拟控制信号，并将模拟控制信号发送至发动机控制器。

采用上述进一步方案的有益效果是：通过给出人工驾驶模式和自动驾驶模式下的电控驱动模块与纵向控制器模块的交互过程，并利用继电器动作实现人工驾驶模式和自动驾驶模式的切换，有利于简化车辆系统内部结构，实现较优的控制效果。

进一步，所述电控制动模块包括：第一储油壶、主动制动执行器、制动主缸、第二储油壶、助力装置、制动踏板、第二角位移传感器、电磁阀座、两位三通电磁阀、左前轮制动轮缸、右前轮制动轮缸、左后轮制动轮缸、右后轮制动轮缸；

当智能驾驶车辆处于人工驾驶模式时，纵向控制器模块通过24V I/O供电控制两位三通电磁阀不工作，助力装置、制动踏板、第二角位移传感器配合产生高压油，推动左前轮制动轮缸、右前轮制动轮缸、左后轮制动轮缸、右后轮制动轮缸动作；当智能驾驶车辆处于自动驾驶模式时，车辆纵向控制器通过24V I/O供电控制两位三通电磁阀得电，由车辆纵向控制器通过CAN通讯向主动制动执行器传递制动控制量，主动制动执行器执行响应并建立压强，高压油经两位三通电磁阀进入制动轮缸。

采用上述进一步方案的有益效果是：通过给出人工驾驶模式和自动驾驶模式下的电控制动模块与纵向控制器模块的交互过程，并利用两位三通电磁阀动作实现人工驾驶模式和自动驾驶模式的切换，有利于简化车辆系统内部结构，实现较优的控制效果。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为智能驾驶车辆加速度跟踪控制系统示意图；

图2为智能驾驶车辆加速度跟踪控制系统结构图。

附图标记：

101-上位机；102-CAN光纤转换器；103-车辆纵向控制器；104-第一储油壶；105-主动制动执行器；106-制动主缸；107-第二储油壶；108-助力装置；109-制动踏板；110-第二角位移传感器；111-电磁阀座；112-两位三通电磁阀；113-左前轮制动轮缸；114-右前轮制动轮缸；115-左后轮制动轮缸；116-右后轮制动轮缸；117-第一角位移传感器；118-油门踏板；119-继电器；120-发动机控制器；121-底层传感器模块、122-上位机传感器模块。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

本发明的一个具体实施例，公开了一种智能驾驶车辆加速度跟踪控制系统，如图1所示，包括上位机模块、电控驱动模块、电控制动模块、纵向控制器模块、传感器采集模块，

所述上位机模块计算预估行驶阻力F_d，并根据F_d计算得到发动机控制量和制动控制量；

所述纵向控制器模块接收所述上位机模块发送的发动机控制量和制动控制量，并生成发动机控制指令、制动控制指令；

所述电控驱动模块接收并执行纵向控制器模块发送的发动机控制指令；所述电控制动模块接收并执行纵向控制器模块发送的制动控制指令；

所述传感器采集模块采集智能驾驶车辆的当前车速信息和历史车速信息发送至上位机模块，由上位机模块计算得到加速度补偿量Δa。

实施时，将根据智能驾驶车辆的当前车速信息和历史车速信息得到加速度补偿量Δa，反馈至下一周期的预估行驶阻力计算过程，根据行驶加速度期望值a_des及加速度补偿量Δa，计算得到行驶过程中的预估行驶阻力F_d。

与现有技术相比，本实施例提供的智能驾驶车辆加速度跟踪控制系统通过上位机模块计算行驶过程中的预估行驶阻力，进一步得到发动机控制量和制动控制量，并生成发动机控制指令、制动控制指令，通过执行发动机控制指令、制动控制指令改变智能驾驶车辆的行驶状态，从而达到提升加速度跟踪精度的目的。

图2为智能驾驶车辆加速度跟踪控制系统结构图；

其中，上位机模块包括：上位机101、CAN光纤转换器102；

纵向控制器模块包括车辆纵向控制器103。

传感器采集模块包括：底层传感器模块121、上位机传感器模块122；

其中，底层传感器模块进一步包括转速传感器、车速传感器、压力传感器等，用于获取发动机转速、车速、档位、制动系统压强信息；上位机传感器模块用于获取图像、惯性导航系统结果；

电控驱动模块包括：发动机控制器120，继电器119，第一角位移传感器117，油门踏板118，电控驱动模块内部连接方式为电气连接；

当智能驾驶车辆处于人工驾驶模式时，车辆纵向控制器通过24V I/O供电控制电控驱动模块中的继电器119断电，油门踏板118、第一角位移传感器117配合产生控制信号，并将控制信号发送至发动机控制器120；当智能驾驶车辆处于自动驾驶模式时，车辆纵向控制器通过24V I/O供电控制电控驱动模块中的继电器119得电，由车辆纵向控制器产生模拟控制信号，并将模拟控制信号发送至发动机控制器。

优选地，上位机101通过CAN总线向车辆纵向控制器103传递自动驾驶需求及需求节气门开度，由车辆纵向控制器103根据需求节气门开度产生模拟信号S1、S2，并通过继电器119传递至发动机控制器120，由发动机控制器120控制调整节气门开度，从而实现对发动机输出的控制。

电控制动模块包括：第一储油壶104、主动制动执行器105、制动主缸106、第二储油壶107、助力装置108、制动踏板109、第二角位移传感器110、电磁阀座111、两位三通电磁阀112、左前轮制动轮缸113、右前轮制动轮缸114、左后轮制动轮缸115、右后轮制动轮缸116，以上元件除助力装置108、制动踏板109以外均通过液压油管连接并构成液压回路。

当智能驾驶车辆处于人工驾驶模式时，车辆纵向控制器103通过24VI/O供电控制两位三通电磁阀112不工作，助力装置108、制动踏板109、第二角位移传感器110配合产生高压油，推动左前轮制动轮缸113、右前轮制动轮缸114、左后轮制动轮缸115、右后轮制动轮缸116动作；当智能驾驶车辆处于自动驾驶模式时，车辆纵向控制器103通过24V I/O供电控制两位三通电磁阀112得电，由车辆纵向控制器103通过CAN通讯向主动制动执行器105传递制动控制量，主动制动执行器105执行响应并建立压强，高压油经两位三通电磁阀112进入制动轮缸。

通过4个两位三通电磁阀112将电控制动模块分为两个液压控制回路；通过两位三通电磁阀112的打开与关闭，切换高压制动液来源，以实现人工驾驶制动和自动驾驶制动的分模式控制目标；主动制动执行器105可根据指令自行建立高压制动液，并通过两位三通电磁阀112制动轮缸，实现主动控制；利用第二角位移传感器110监测制动踏板109位移变化，当检测到脚踩踏板时，发出信号关闭两位三通电磁阀112，切回人工驾驶模式，在出现紧急状况时，可通过该项功能保证驾驶安全。

优选地，所述上位机模块在计算预估行驶阻力F_d前，首先判断智能驾驶车辆自动驾驶标志位：若为0，进入人工驾驶模式；若为1，进一步判断制动踏板是否存在驾驶员踩踏行为，若存在驾驶员踩踏行为，自动驾驶标志位清零，进入人工驾驶模式；否则，进入自动驾驶模式，由所述上位机模块计算预估行驶阻力F_d。

优选地，上位机模块执行下述流程计算得到预估行驶阻力F_d：

利用式(1)计算得到所述行驶过程中的预估行驶阻力F_d：

F_d＝F_f+F_i+F_w+F_a (1)

其中，F_f为车辆行驶滚动阻力，F_i为车辆受道路坡度影响造成及重力造成的坡道阻力，F_w为车辆行驶所受空气阻力，F_a为车辆加速过程中的期望加速度阻力。

行驶过程中的预估行驶阻力代表了智能驾驶车辆在行驶过程中所受的整体阻力，通过计算行驶过程中的预估行驶阻力，能够分析智能驾驶车辆在行驶过程的受力情况，并由此提供智能驾驶车辆处于驱动还是制动过模式的判断依据。

优选地，所述F_f、F_i、F_w、F_a的计算公式分别为：

F_f＝f·Gcosα (2)

F_i＝G·sinα (3)

F_w＝C_d·A·v²/21.25 (4)

F_a＝δ·m·(a_des+Δa) (5)

其中，f为路面滚动阻力系数，G为车辆自身重力，α为车辆行驶过程道路坡度，C_d为车辆行驶过程空气阻力系数，A为车辆行驶过程迎风面积，v为车辆当前周期平均速度，δ为车辆旋转质量系数，m为车辆质量，a_des为车辆行驶加速度期望值，Δa为加速度补偿量。

通过给出预估行驶阻力各个部分的具体计算公式，使得本领域的技术人员能够根据本实施例所述方法计算得到预估行驶阻力，计算过程清晰易懂，易于实现。

优选地，上位机模块执行下述流程计算得到发动机控制量和制动控制量：

若预估行驶阻力F_d≥0，车辆进入驱动模式；若预估行驶阻力F_d<0，车辆进入制动模式；

在驱动模式下，制动控制量brake置零，

发动机控制量thro由公式(6)计算得到，

thro＝f^-1(Te,es) (6)

其中，Te为需求驱动力矩，es为发动机转速；

需求驱动力矩Te由公式(7)计算得到，

Te＝i·F_d (7)

其中，i为传动系统总传动比；

在制动模式下，发动机控制量thro置零，

制动控制量brake由公式(8)计算得到

其中，F_b为需求制动力，k为制动系统模型一次项系数，b为制动系统模型常数项系数；

需求制动力F_b由公式(9)计算得到，

其中，Te₀为怠速时的发动机输出，i为传动系统总传动比。

通过给出驱动模式下、制动模式下发动机控制量和制动控制量的计算过程，本领域的技术人员能够根据本实施例所述方法得到驱动模式下、制动模式下的发动机控制量和制动控制量。

优选地，传动系统总传动比i由如下公式计算得到：

i＝i_g·i_z·i_f (10)

其中，i_g为变速箱实际档位的传动比，i_f为分动器传动比，i_z为主减速器传动比。

若车辆并非全驱车辆，则计算时不考虑分动器传动比i_f，此时传动系统总传动比：

i＝i_g·i_z (11)。

优选地，由上位机模块执行下述流程计算得到加速度补偿量Δa：

根据增量式PID的控制方法计算当前周期的控制量ΔU：

ΔU＝k_p·(a_dev-a_dev1)+k_i·a_dev+k_d·(a_dev-2a_dev1+a_dev2) (12)

其中，a_dev、a_dev1、a_dev2分别为当前周期、前两个周期的加速度偏差，k_p为比例参数，k_i为积分参数，k_d为微分参数；

计算得到当前周期的加速度补偿量：

Δa＝Δa_last+ΔU (13)

其中，Δa_last为上一周期的加速度补偿量。

当前周期的加速度偏差a_dev根据下述步骤计算得到：

存储当前周期的实时车辆速度数据和前五个周期的实时车辆速度数据，去除当中的最大值和最小值，将剩余四个周期的实时车辆速度数据平均值作为当前周期平均速度v；

将前4个周期的车速分别记为v₁、v₂、v₃、v₄，计算得到当前周期平均加速度a_real：

a_real＝(v-v₄+v₁-v₃)/(6·Δt) (14)

其中，Δt为单个计算周期；

利用前四个周期的期望加速度a_des1、a_des2、a_des3、a_des4，计算前四个周期的平均期望加速度：

a_fdes＝(a_des1+a_des2+a_des3+a_des4)/4 (15)

计算得到当前周期的加速度偏差：

a_dev＝a_fdes-a_real (16)。

本实施例将增量式PID控制方法用于加速度补偿量的计算过程，能够有效提高加速度的跟踪精度，提高智能驾驶车辆的智能化程度，本实施例提供的方法实用性强，对于加速度的跟踪效果有明显改进。

优选地，所述纵向控制器模块接收所述上位机模块发送的发动机控制量和制动控制量，并生成发动机控制指令、制动控制指令，进一步包括：

所述纵向控制器模块接收所述上位机模块发送的发动机控制量，生成发动机控制指令；

所述纵向控制器模块接收所述上位机模块发送的制动控制量，生成制动控制指令。

优选地，所述电控驱动模块包括发动机控制器和继电器；

所述电控驱动模块接收并执行纵向控制器模块发送的发动机控制指令，进一步包括：

纵向控制器将发动机控制指令经由继电器发送至发动机控制器，发动机控制器执行发动机控制指令，更改节气门开度，调整进气量和喷油量，进而改变发动机扭矩输出，从而改变智能驾驶车辆的行驶状态。

所述电控制动模块包括主动制动执行器；

所述电控制动模块接收并执行纵向控制器模块发送的制动控制指令，进一步包括：

纵向控制器将制动控制指令发送至主动制动执行器，主动制动执行器执行制动控制指令，建立高压油液并经过两位三通电磁阀到达制动轮缸，由高压油液驱动制动块压紧制动盘，进而对轮胎施加制动力矩，从而改变智能驾驶车辆的行驶状态。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种智能驾驶车辆加速度跟踪控制系统，其特征在于，包括：

上位机模块，用于根据加速度补偿量Δa计算预估行驶阻力F_d，并根据F_d计算得到发动机控制量和制动控制量；

纵向控制器模块，用于根据所述发动机控制量和制动控制量，生成发动机控制指令、制动控制指令；

电控驱动模块，用于接收并执行所述发动机控制指令；电控制动模块，用于接收并执行所述制动控制指令；

传感器采集模块，用于采集智能驾驶车辆的当前车速信息和历史车速信息发送至上位机模块，由上位机模块计算得到加速度补偿量Δa；

由上位机模块执行下述流程计算得到加速度补偿量Δa：

根据增量式PID的控制方法计算当前周期的控制量ΔU：

ΔU＝k_p·(a_dev-a_dev1)+k_i·a_dev+k_d·(a_dev-2a_dev1+a_dev2) (12)

其中，a_dev、a_dev1、a_dev2分别为当前周期、前两个周期的加速度偏差，k_p为比例参数，k_i为积分参数，k_d为微分参数；

计算得到当前周期的加速度补偿量：

Δa＝Δa_last+ΔU (13)

其中，Δa_last为上一周期的加速度补偿量；

当前周期的加速度偏差a_dev根据下述步骤计算得到：

存储当前周期的实时车辆速度数据和前五个周期的实时车辆速度数据，去除当中的最大值和最小值，将剩余四个周期的实时车辆速度数据平均值作为当前周期平均速度v；

将前4个周期的车速分别记为v₁、v₂、v₃、v₄，计算得到当前周期平均加速度a_real：

a_real＝(v-v₄+v₁-v₃)/(6·Δt) (14)

其中，Δt为单个计算周期；

利用前四个周期的期望加速度a_des1、a_des2、a_des3、a_des4，计算前四个周期的平均期望加速度：

a_fdes＝(a_des1+a_des2+a_des3+a_des4)/4 (15)

计算得到当前周期的加速度偏差：

a_dev＝a_fdes-a_real。

2.根据权利要求1所述的智能驾驶车辆加速度跟踪控制系统，其特征在于，所述上位机模块执行下述流程计算得到预估行驶阻力F_d：

利用式(1)计算得到所述行驶过程中的预估行驶阻力F_d：

F_d＝F_f+F_i+F_w+F_a (1)

其中，F_f为车辆行驶滚动阻力，F_i为车辆受道路坡度影响造成及重力造成的坡道阻力，F_w为车辆行驶所受空气阻力，F_a为车辆加速过程中的期望加速度阻力。

3.根据权利要求2所述的智能驾驶车辆加速度跟踪控制系统，其特征在于，所述F_f、F_i、F_w、F_a的计算公式分别为：

F_f＝f·Gcosα (2)

F_i＝G·sinα (3)

F_w＝C_d·A·v²/21.25 (4)

F_a＝δ·m·(a_des+Δa) (5)

其中，f为路面滚动阻力系数，G为车辆自身重力，α为车辆行驶过程道路坡度，C_d为车辆行驶过程空气阻力系数，A为车辆行驶过程迎风面积，v为车辆当前周期平均速度，δ为车辆旋转质量系数，m为车辆质量，a_des为车辆行驶加速度期望值，Δa为加速度补偿量。

4.根据权利要求3所述的智能驾驶车辆加速度跟踪控制系统，其特征在于，所述上位机模块执行下述流程计算得到发动机控制量和制动控制量：

若预估行驶阻力F_d≥0，车辆进入驱动模式；若预估行驶阻力F_d<0，车辆进入制动模式；

在驱动模式下，制动控制量brake置零，

发动机控制量thro由公式(6)计算得到，

thro＝f^-1(Te,es) (6)

其中，Te为需求驱动力矩，es为发动机转速；

需求驱动力矩Te由公式(7)计算得到，

Te＝i·F_d (7)

其中，i为传动系统总传动比；

在制动模式下，发动机控制量thro置零，

制动控制量brake由公式(8)计算得到

其中，F_b为需求制动力，k为制动系统模型一次项系数，b为制动系统模型常数项系数；

需求制动力F_b由公式(9)计算得到，

其中，Te₀为怠速时的发动机输出，i为传动系统总传动比。

5.根据权利要求4所述的智能驾驶车辆加速度跟踪控制系统，其特征在于，所述传动系统总传动比i由如下公式计算得到：

i＝i_g·i_z·i_f (10)

其中，i_g为变速箱实际档位的传动比，i_f为分动器传动比，i_z为主减速器传动比；

若车辆并非全驱车辆，则计算时不考虑分动器传动比i_f，此时传动系统总传动比：

i＝i_g·i_z (11)。

6.根据权利要求1-5中任一项所述的智能驾驶车辆加速度跟踪控制系统，其特征在于，所述上位机模块在计算预估行驶阻力F_d前，首先判断智能驾驶车辆自动驾驶标志位：若为0，进入人工驾驶模式；若为1，进一步判断制动踏板是否存在驾驶员踩踏行为，若存在驾驶员踩踏行为，自动驾驶标志位清零，进入人工驾驶模式；否则，进入自动驾驶模式，由所述上位机模块计算预估行驶阻力F_d。

7.根据权利要求6所述的智能驾驶车辆加速度跟踪控制系统，其特征在于，

所述电控驱动模块包括发动机控制器、继电器、第一角位移传感器、油门踏板，

当智能驾驶车辆处于人工驾驶模式时，纵向控制器模块通过24VI/O供电控制电控驱动模块中的继电器断电，油门踏板、第一角位移传感器配合产生控制信号，并将控制信号发送至发动机控制器；当智能驾驶车辆处于自动驾驶模式时，纵向控制器模块通过24VI/O供电控制电控驱动模块中的继电器得电，由车辆纵向控制器产生模拟控制信号，并将模拟控制信号发送至发动机控制器。

8.根据权利要求6所述的智能驾驶车辆加速度跟踪控制系统，其特征在于，

所述电控制动模块包括：第一储油壶、主动制动执行器、制动主缸、第二储油壶、助力装置、制动踏板、第二角位移传感器、电磁阀座、两位三通电磁阀、左前轮制动轮缸、右前轮制动轮缸、左后轮制动轮缸、右后轮制动轮缸；

当智能驾驶车辆处于人工驾驶模式时，纵向控制器模块通过24VI/O供电控制两位三通电磁阀不工作，助力装置、制动踏板、第二角位移传感器配合产生高压油，推动左前轮制动轮缸、右前轮制动轮缸、左后轮制动轮缸、右后轮制动轮缸动作；当智能驾驶车辆处于自动驾驶模式时，车辆纵向控制器通过24V I/O供电控制两位三通电磁阀得电，由车辆纵向控制器通过CAN通讯向主动制动执行器传递制动控制量，主动制动执行器执行响应并建立压强，高压油经两位三通电磁阀进入制动轮缸。