CN109131312B - 一种智能电动汽车acc/esc集成控制系统及其方法 - Google Patents

Abstract

一种智能电动汽车ACC/ESC集成控制系统及其方法，设有信息获取模块、监测器、决策控制器和协调执行器；信息获取模块包括车‑车通信模块、雷达和车载传感器模块；监测器包括状态参数估计模块、预测模块和行驶状态判断模块；车‑车通信模块、雷达和车载传感器模块连接到状态参数估计模块、预测模块和行驶状态判断模块，状态参数估计模块输出端与预测模块输入端连接；决策控制器包括控制模式选择模块和ACC/ESC集成控制器；控制模式选择模块输入端与预测模块和行驶状态判断模块输出端连接，控制模式选择模块输出端和ACC/ESC集成控制器输入端连接；协调执行器包括驱动系统和主动制动系统。

Description

一种智能电动汽车ACC/ESC集成控制系统及其方法

技术领域

本发明涉及汽车辅助驾驶与主动安全控制领域，尤其是涉及一种智能电动汽车ACC/ESC集成控制系统及其方法。

背景技术

随着汽车工业的快速发展，环境污染、交通事故、道路拥堵等问题日益严重，因此，安全、舒适、节能、智能是当前汽车发展的方向。融合电动化、智能化技术的智能电动汽车得到了广泛的关注。制动防抱死系统(Anti-lock Braking System,ABS)、电子稳定性控制(electrical stability control，ESC)等主动安全技术一定程度上保证了车辆行驶的安全。作为新一代前沿技术，先进驾驶辅助系统(Advanced DriverAssistanceSystem,ADAS)也是汽车安全技术系统之一，其主要技术包括自适应续航控制(Adaptive CruiseControl，ACC)，碰撞避免(Collision Avoidance，CA)、车道偏离预警(Lane departurewarning,LDW)等。

当前的ACC系统控制方法可综合协调安全、跟踪性能、燃油消耗、驾驶员感受等多种控制目标。文献1(Akhegaonkar S,Nouvelière L,Glaser S,et al.Smart and GreenACC:Energy and Safety Optimization Strategies for EVs[J].IEEE Transactions onSystems Man&Cybernetics Systems,2017,48(1):142-153.)基于V2V/V2I通信，使用动态规划算法调节制动系统提高电动汽车ACC的安全性能和经济性能，同时考虑了车辆行驶的舒适性。但ACC控制系统可实现功能局限于巡航、跟车、stop&go等。文献2(Mullakkal-BabuF A,Wang M,Arem B V,et al.Design and analysis of Full Range Adaptive CruiseControl with integrated collision a voidance strategy[C]//IEEE,InternationalConference on Intelligent Transportation Systems.IEEE,2016.)提出自适应巡航控制与碰撞避免集成的系统，对车辆纵向行驶安全进行控制。然而，当车辆自适应巡航在复杂的行驶工况，例如弯道ACC工况，车辆同时存在纵向和横摆运动，单独的纵向运动控制系统无法保证车辆横向稳定性。因此，本发明提供一种智能电动车ACC/ESC集成控制系统及其方法。

发明内容

本发明的目的在于针对上述现有技术存在的问题，提供一种智能电动汽车ACC/ESC集成控制系统及其方法，根据行驶工况进行不同模式的控制，可提高车辆自适应巡航行驶时的纵向安全和横向稳定性。

所述智能电动汽车ACC/ESC集成控制系统设有信息获取模块、监测器、决策控制器和协调执行器；所述信息获取模块包括车-车(V2V)通信模块、雷达和车载传感器模块；所述监测器包括状态参数估计模块、预测模块和行驶状态判断模块；所述车-车(V2V)通信模块、雷达和车载传感器模块连接到状态参数估计模块、预测模块和行驶状态判断模块，所述状态参数估计模块的输出端与预测模块的输入端连接；所述决策控制器包括控制模式选择模块和ACC/ESC集成控制器；控制模式选择模块的输入端与预测模块和行驶状态判断模块的输出端连接，控制模式选择模块的输出端和ACC/ESC集成控制器的输入端连接；所述协调执行器包括驱动系统和主动制动系统；所述ACC/ESC集成控制器的输出端与驱动系统和主动制动系统连接。

所述智能电动汽车ACC/ESC集成控制方法包括以下步骤：

1)驾驶员激活ACC/ESC集成控制系统并设定巡航速度，车辆进入自适应巡航行驶状态；

2)信息获取模块通过车载传感器获取转向角、横摆角、本车速度、轮速、滑移率和轮胎力等信息，通过雷达检测前方目标车辆并获取本车与前车间的距离；通过车-车(V2V)通信系统获取前车行驶速度轨迹等信息，从驱动系统/制动系统控制单元获取驱动力矩/制动力矩等信息；

3)监测器对当前车辆行驶状态进行判断，并基于当前状态信息对未来时刻的状态进行预测，具体方法如下：

3.1)监测器中的行驶状态判断模块根据前车行驶速度轨迹信息及本车相对前车行驶状态信息，判断本车的行驶状态，包括直线行驶和弯道行驶；

3.2)监测器中的状态参数估计模块根据当前的车辆状态信息对质心侧偏角、轮胎与路面间的摩擦系数进行估计；

3.3)监测器中的预测模块根据信息获取模块与状态参数估计模块所得到的当前状态信息，对未来时刻的状态进行预测，主要包括车辆速度、车辆间距离等；预测的状态参数值用于以下两个安全索引值的计算：

4)决策控制器中的控制模式选择模块根据车辆间相对行驶状态信息及预测的索引值，选择自适应巡航控制模式，具体方法如下：

4.1)若本车在直道上行驶，则进行纵向控制模式，根据本车与前车的相对距离及两个索引值的大小，纵向控制模式又可分为以下四种模式：

A.当前方没有车辆，或者本车与前车的距离超过雷达的检测范围时，进入定速巡航控制，即模式1；

当雷达检测到前方有车辆时，本车自动跟随前方目标车辆行驶，可分为如下3种控制模式：

B.当χ(k+m)≥Μ₂且TTC^-1(k+m)≤Ν₁时，表示本车与前车处于安全的距离范围内，此时进行ACC自动跟车控制，即模式2；

C.当Μ₁≤χ(k+m)≤Μ₂或Ν₁≤TTC^-1(k+m)≤Ν₂时，进行ACC+CA控制模式，即模式3；

D.当χ(k+m)≤Μ₁且TTC^-1(k+m)≥Ν₂时，表示本车与前车的距离有发生追尾的可能，此时进行CA避撞控制，即模式4；

其中Μ₁、Μ₂、Ν₁、Ν₂为控制阈值，其值可通过跟车试验获取；

4.2)若车辆在弯道上行驶，则进行纵/横向协调控制模式，即模式5；

5)决策控制器中的ACC/ESC集成控制器计算不同模式的期望驱动力/制动力，包括以下步骤：

5.1)当车辆为纵向控制模式时，决策控制器首先决定车辆期望纵向加速度，考虑车辆行驶的安全、舒适以及驾驶员期望特征等性能，纵向自适应巡航时不同模式的加速度计算方法具体如下：

模式1，车辆按照驾驶员设定的巡航速度行驶，采用PI控制方法得出期望加速度值：

a_des1＝k_Pv_r+k_I∫v_r

式中，v_r＝v_l-v_x，即本车与前车的相对速度；

模式2、模式3、模式4，本车自动跟随前车行驶，并控制与前车的距离保持在一定的安全值，使用预测控制算法(MPC)求解3种模式下的期望加速度；

采用固定时距的车辆间距控制策略，其期望车间安全间距表达式为：

s_d＝v_xτ_h+s₀

其中，τ_h为车头时距，s₀为最小停车距离。

车间间距误差为：

e_s＝s-s_d

设a_r为加速度参考值，其表达式为：

a_r＝k_se_s+k_vv_r

其中，系数k_s、k_v可通过跟车试验获取；

考虑期望加速度a_des与实际加速度a的关系可用一阶惯性系统表示为：

式中，K和τ分别为系统增益和时间常数，其数值可通过系统辨识获取；

取状态变量x＝[e_s,v_r,a]^T，控制输入u＝a_des，υ为前车加速度a_l，视其为系统干扰，输出y＝x，建立控制器的状态空间模型，并进行离散化：

为使本车在纵向行驶时，平稳跟踪前车行驶且，设计目标函数为：

式中，y_r＝[0,0,a_r]为参考值，Δu＝u(k)-u(k-1)为控制增量Q、R、S为权重系数矩阵；

不同控制模式具有不同的控制目标，从而具有不同的控制约束；不同模式下，求解带约束的纵向期望加速度优化问题具体描述如下：

求解模式2期望加速度a_des2的优化问题可描述为：

其中，|u|＜4m/s²；

求解模式3期望加速度a_des3优化问题的表达式为：

求解模式4期望加速度a_des4优化问题的表达式为：

当求出纵向控制模式的期望加速度后，计算出纵向控制期望驱动或制动力矩。

5.2)当车辆在弯道上进行自适应巡航行驶时，控制器切换至纵/横向协调控制模式；

采用2自由度车辆模型稳态横摆角速度和质心侧偏角的值作为参考值，其表达式为：

式中，

为稳定因素；v为车辆速度；C_f和C_r分别为前后车轮的侧偏刚度。

考虑轮胎与路面之间的摩擦系数对车辆横向稳定性的影响，对横摆角速度和质心侧偏角的期望值最大值进行限定，则期望横摆角速度值和质心侧偏角值的计算表达式为：

β_des＝min{β_nm,arctan(0.02μg)}

考虑车辆横向运动的影响，取该模式下的纵向加速度参考值为：

式中，∑F_ij为轮胎横向力的总和；

选取状态变量

输入为u＝[F_xfl,F_xfr,F_xrl,F_xrr]^T，输出y＝x，建立离散形式的预测模型：

为使车辆在弯道上自适应巡航行驶平稳跟随前车行驶同时保证横向稳定性，设计目标函数为：

式中，

为参考值，Ω、Π、Λ为系统权重系数矩阵；

模式5求解车辆在弯道自适应巡航行驶时车轮纵向力的优化问题表达式为：

6)协调执行器将决策控制器求解出的最优控制解转化为执行器控制信号，具体方法如下：

6.1)纵向控制模式下的期望驱动或制动力可通过逆动力学模型转化为电机驱动力矩信号或制动压力信号，从而通过执行器对智能电动车辆进行控制。

6.2)弯道模式时，根据逆轮胎模型将期望的纵向轮胎力转化为最优目标滑移率值，通过PID控制求出期望电机驱动力矩或主动制动压力信号，通过执行器对智能电动车辆进行控制。

本发明的技术效果如下：提出包括避撞和横向稳定性的ACC集成控制策略，使自适应巡航行驶系统可以适应于不同的运行工况；采用预测控制的方法可以对各车轮的轮胎力进行协调最优分配，调整车辆至期望状态，使自适应巡航系统在达到跟踪性能的前提下，保证车辆行驶的纵向安全性与横向稳定性。

附图说明

图1为本发明所述智能电动汽车ACC集成控制系统实施例的结构组成示意图。

图2为本发明所述智能电动汽车ACC集成控制方法实施例的流程图。

图3为本发明所述智能电动汽车ACC控制模式。

具体实施方式

下面根据具体实施例并结合附图，对本发明做进一步的详细说明。

如图1所示，所述智能电动汽车ACC/ESC集成控制系统实施例设有信息获取模块1、监测器2、决策控制器3和协调执行器4；所述信息获取模块1包括车-车(V2V)通信模块11、雷达12和车载传感器模块13；所述监测器2包括状态参数估计模块21、预测模块22和行驶状态判断模块23；所述车-车(V2V)通信模块11、雷达12和车载传感器模块13连接到状态参数估计模块21、预测模块22和行驶状态判断模块23，所述状态参数估计模块21的输出端与预测模块22的输入端连接；所述决策控制器3包括控制模式选择模块31和ACC/ESC集成控制器32；控制模式选择模块31的输入端与预测模块22和行驶状态判断模块23的输出端连接，控制模式选择模块31的输出端和ACC/ESC集成控制器32的输入端连接；所述协调执行器4包括驱动系统41和主动制动系统42；所述ACC/ESC集成控制器32的输出端与驱动系统41和主动制动系统42连接。

如图2流程图所示，所述智能电动汽车ACC/ESC集成系统控制方法包括以下步骤：

1)驾驶员激活ACC/ESC集成控制系统并设定巡航速度，车辆进入自适应巡航行驶状态；

2)信息获取模块通过车载传感器获取转向角、横摆角、本车速度、轮速、滑移率，轮胎力等信息，通过雷达检测前方目标车辆并获取本车与前车间的距离；通过车-车(V2V)通信系统获取前车行驶速度轨迹等信息，从驱动系统/制动系统控制单元获取驱动力矩/制动力矩等信息；

3)监测器对当前车辆行驶状态进行判断，并基于当前状态信息对未来时刻的状态进行预测，具体方法如下：

3.1)监测器中的行驶状态判断模块根据前车行驶速度轨迹信息及本车相对前车行驶状态信息，判断本车的行驶状态，包括直线行驶和弯道行驶；

3.2)监测器中的状态参数估计模块根据当前的车辆状态信息对质心侧偏角β、轮胎与路面间的摩擦系数μ进行估计；

3.3)监测器中的预测模块根据信息获取模块与状态参数估计模块所得到的当前状态信息，对未来时刻的状态进行预测，主要包括车辆速度、车辆间距离等，计算方法如下：

第一步：考虑描述车辆动力学特征的车辆模型，包括纵向运动、侧向运动、横摆运动以及四个车轮的转动的运动学方程为：

式中，m为车辆质量；v_x和v_y分别为车辆的纵向和横向速度；γ为车辆横摆角；F_xij和F_yij分别为四个车轮的纵向力和横向力，下标ij为fl，fr，rl，rr；δ为前轮转向角；F_ψ为车辆纵向阻力之和，包括空气阻力、滚动阻力、坡度阻力等；I_z为绕车辆垂直轴旋转的转动惯量；a和b分别为前、后轴到车辆质心的距离；tw₁和tw₂分别为车辆前、后轮距；I_tw为车轮转动惯量；ω_ij为四个车轮的角速度；T_tij和T_bij分别为四个车轮的驱动力矩和制动力矩；R为车轮半径。

第二步：采用魔术公式轮胎模型描述轮胎动力学。

y(x)＝D sin{C arctan[B(x+s_h)-E(B(x+s_h)-arctan(B(x+s_h)))]}+s_vα

其中y(x)可表示纵向力，横向力或横摆力矩；s_h和s_v分别为水平变形和地面法向变形，参数B C D E为轮胎力影响因子；x为纵向滑移率λ或轮胎侧偏角α，其计算表达式如下：

式中，v_xij为各车轮中心速度；

则轮胎纵向力/横向力由如下公式计算可得：

第三步：采用欧拉法进行迭代，则可基于当前车辆状态信息对未来时刻的车辆状态进行预测:

s(k+1)＝s(k)+T_s(v_l(k)-v_x(k))

其中s为本车与前车的实际距离；

第四步：经过多次迭代，根据预测的值，对表征本车与前车相对位置安全状态的两个索引值进行计算：

式中，χ值越大表示车辆与前车处于越安全的相对距离；其中s(k+m)为k+m时刻两车距离的预测值，

为避免追尾的制动临界距离，

为预警临界距离；μ为轮胎与路面之间的摩擦系数；τ_b为制动系统延迟；τ_h为驾驶员从感知到动作过程的延迟；考虑μ对制动距离的影响，f(μ)关于不同μ值的取值表达式为；

另一个索引值为碰撞时间(Time-to-collision，TTC)的倒数：

其中v_r(k+m)表示k+m时刻两车的相对速度，k+m时刻的前车速度通过车-车(V2V)通信模块得到。

4)决策控制器中的控制模式选择模块根据本车的行驶状态及车辆间相对行驶状态信息选择自适应巡航控制模式，各模式如图3所示；

4.1)若本车在直道上行驶，则进行纵向控制模式，根据本车与前车的相对距离及两个索引值的大小，纵向控制模式又可分为以下四种模式：

A.当前方没有车辆，或者本车与前车的距离超过雷达的检测范围时，进入定速巡航控制，即模式1；

当雷达检测到前方有车辆时，本车自动跟随前方目标车辆行驶，可分为如下3种控制模式；

B.当χ(k+m)≥Μ₂且TTC^-1(k+m)≤Ν₁时，表示本车与前车处于安全的距离范围内，此时进行ACC自动跟车控制，即模式2；

C.当Μ₁≤χ(k+m)≤Μ₂或Ν₁≤TTC^-1(k+m)≤Ν₂时，进行ACC+CA控制模式，即模式3；

D.当χ(k+m)≤Μ₁且TTC^-1(k+m)≥Ν₂时，表示本车与前车的距离有发生追尾的可能，此时进行CA避撞控制，即模式4；

其中Μ₁、Μ₂、Ν₁、Ν₂为控制阈值，其值可通过跟车试验获取。

4.2)若车辆在弯道上行驶，则进行纵/横向协调控制模式，即模式5；

5)决策控制器中的ACC/ESC集成控制器计算不同模式下的期望驱动力/制动力；

5.1)当车辆为纵向控制模式时，决策控制器首先决定车辆期望纵向加速度，考虑车辆行驶的安全、舒适以及驾驶员期望特征等性能，纵向自适应巡航时不同模式的加速度计算方法具体如下：

模式1，车辆按照驾驶员设定的巡航速度行驶，采用PI控制方法得出期望加速度值：

a_des1＝k_Pv_r+k_I∫v_r

式中，v_r＝v_l-v_x即本车与前车的相对速度；

模式2、模式3、模式4，本车自动跟随前车行驶，并控制与前车的距离保持在一定的安全值。使用预测控制算法(MPC)求解3种模式下的期望加速度；

采用固定时距的车辆间距控制策略，其期望车间安全间距表达式为：

s_d＝v_xτ_h+s₀

其中τ_h为车头时距，s₀为最小停车距离。

车间间距误差为：

e_s＝s-s_d

设加速度参考值为a_r，其表达式为：

a_r＝k_se_s+k_vv_r

其中系数k_s、k_v可通过跟车试验获取；

考虑期望加速度a_des与实际加速度a的关系可用一阶惯性系统表示为：

式中K和τ分别为系统增益和时间常数，其数值可通过系统辨识获取；

取状态变量x＝[e_s,v_r,a]^T，控制输入u＝a_des，υ为前车加速度a_l，视其为系统干扰，输出y＝x，建立控制器的状态空间模型，并进行离散化：

为使本车在纵向行驶时，平稳跟踪前车行驶且，设计目标函数为：

式中，y_r＝[0,0,a_r]为参考值，Δu＝u(k)-u(k-1)为控制增量Q、R、S为权重系数矩阵；

不同控制模式具有不同的控制目标，从而具有不同的控制约束。不同模式下，求解带约束的纵向期望加速度优化问题具体描述如下：

求解模式2期望加速度a_des2的优化问题可描述为：

其中，|u|＜4m/s²；

求解模式3期望加速度a_des3优化问题的表达式为：

求解模式4期望加速度a_des4优化问题的表达式为：

当求出纵向控制模式的期望加速度后，计算出纵向控制期望驱动或制动力矩。

5.2)当车辆在弯道上进行自适应巡航行驶时，控制器切换至纵/横向协调控制模式；

采用2自由度车辆模型稳态横摆角速度和质心侧偏角的值作为参考值，其表达式为：

为稳定因素；v为车辆速度；C_f和C_r分别为前后车轮的侧偏刚度。

考虑轮胎与路面之间的摩擦系数对车辆横向稳定性的影响，对横摆角速度和质心侧偏角的期望值最大值进行限定，则期望横摆角速度值和质心侧偏角值的计算表达式为：

β_des＝min{β_nm,arctan(0.02μg)}

考虑车辆横向运动的影响，取该模式下的纵向加速度参考值为：

式中∑F_ij为轮胎横向力的总和；

选取状态变量

输入为u＝[F_xfl,F_xfr,F_xrl,F_xrr]^T，输出y＝x，建立离散形式的预测模型：

为使车辆在弯道上自适应巡航行驶平稳跟随前车行驶同时保证横向稳定性，设计目标函数为：

式中

为参考值，Ω、Π、Λ为系统权重系数矩阵；

模式5求解车辆在弯道自适应巡航行驶时车轮纵向力的优化问题表达式为：

6)协调执行器将决策控制器求解出的最优控制解转化为执行器控制信号；

6.1)纵向控制模式下的期望驱动或制动力可通过逆动力学模型转化为电机驱动力矩信号或制动压力信号，从而通过执行器对智能电动车辆进行控制。

6.2)弯道ACC模式时，计算方法如下：

第一步：根据逆轮胎模型将期望的纵向轮胎力转化为目标滑移率值，根据纵向轮胎力与滑移率的关系，其求解出的目标滑移率可能会有两个，为使车辆在稳定区域运行，选取较小值作为最优目标滑移率，记为λ_des；

第二步：使用PID控制求出期望电机驱动力矩或主动制动压力信号，定义滑移率误差为：

e_λ＝λ-λ_des

则滑移率的PID控制律可表示为：

其中，u_λ分别表示为电机驱动力矩(驱动工况)和制动压力(制动工况)，K为系数，不同工况取值不同。

第三步：通过驱动电机或主动制动系统对智能电动车辆进行控制。

Claims (3)

1.一种智能电动汽车ACC/ESC集成控制方法，其特征在于采用智能电动汽车ACC/ESC集成控制系统，所述控制系统设有信息获取模块、监测器、决策控制器和协调执行器；所述信息获取模块包括车-车通信模块、雷达和车载传感器模块；所述监测器包括状态参数估计模块、预测模块和行驶状态判断模块；所述车-车通信模块、雷达和车载传感器模块连接到状态参数估计模块、预测模块和行驶状态判断模块，所述状态参数估计模块的输出端与预测模块的输入端连接；所述决策控制器包括控制模式选择模块和ACC/ESC集成控制器；控制模式选择模块的输入端与预测模块和行驶状态判断模块的输出端连接，控制模式选择模块的输出端和ACC/ESC集成控制器的输入端连接；所述协调执行器包括驱动系统和主动制动系统；所述ACC/ESC集成控制器的输出端与驱动系统和主动制动系统连接；

所述控制方法包括以下步骤：

1)驾驶员激活ACC/ESC集成控制系统并设定巡航速度，车辆进入自适应巡航行驶状态；

2)信息获取模块通过车载传感器获取转向角、横摆角、本车速度、轮速、滑移率和轮胎力信息，通过雷达检测前方目标车辆并获取本车与前车间的距离；通过车-车通信系统获取前车行驶速度轨迹信息，从驱动系统/制动系统控制单元获取驱动力矩/制动力矩信息；

3)监测器对当前车辆行驶状态进行判断，并基于当前状态信息对未来时刻的状态进行预测，具体方法如下：

3.1)监测器中的行驶状态判断模块根据前车行驶速度轨迹信息及本车相对前车行驶状态信息，判断本车的行驶状态，包括直线行驶和弯道行驶；

3.2)监测器中的状态参数估计模块根据当前的车辆状态信息对质心侧偏角、轮胎与路面间的摩擦系数进行估计；

3.3)监测器中的预测模块根据信息获取模块与状态参数估计模块所得到的当前状态信息，对未来时刻的状态进行预测，主要包括车辆速度、车辆间距离；预测的状态参数值用于以下两个安全索引值的计算：

式中，χ值越大表示车辆与前车处于越安全的相对距离；其中s(k+m)为k+m时刻两车距离的预测值，

为避免追尾的制动临界距离，

为预警临界距离；μ为轮胎与路面之间的摩擦系数；v_l为前车速度；τ_b为制动系统延迟；τ_h为驾驶员从感知到动作过程的延迟；考虑μ对制动距离的影响，f(μ)关于不同μ值的取值表达式为；

另一个索引值为碰撞时间的倒数：

其中，v_r(k+m)表示k+m时刻两车的相对速度；

4)决策控制器中的控制模式选择模块根据车辆间相对行驶状态信息及预测的索引值，选择自适应巡航控制模式，具体方法如下：

4.1)若本车在直道上行驶，则进行纵向控制模式，根据本车与前车的相对距离及两个索引值的大小，纵向控制模式又分为以下四种模式：

A.当前方没有车辆，或者本车与前车的距离超过雷达的检测范围时，进入定速巡航控制，即模式1；

当雷达检测到前方有车辆时，本车自动跟随前方目标车辆行驶，分为如下3种控制模式：

B.当χ(k+m)≥Μ₂且TTC^-1(k+m)≤N₁时，表示本车与前车处于安全的距离范围内，此时进行ACC自动跟车控制，即模式2；

C.当Μ₁≤χ(k+m)≤Μ₂或N₁≤TTC^-1(k+m)≤N₂时，进行ACC+CA控制模式，即模式3；

D.当χ(k+m)≤Μ₁且TTC^-1(k+m)≥N₂时，表示本车与前车的距离有发生追尾的可能，此时进行CA避撞控制，即模式4；

其中Μ₁、Μ₂、N₁、N₂为控制阈值，其值通过跟车试验获取；

4.2)若车辆在弯道上行驶，则进行纵/横向协调控制模式，即模式5；

5)决策控制器中的ACC/ESC集成控制器计算不同模式的期望驱动力/制动力；

6)协调执行器将决策控制器求解出的最优控制解转化为执行器控制信号。

2.如权利要求1所述智能电动汽车ACC/ESC集成控制方法，其特征在于在步骤5)中，所述决策控制器中的ACC/ESC集成控制器计算不同模式的期望驱动力/制动力的具体方法如下：

5.1)当车辆为纵向控制模式时，决策控制器首先决定车辆期望纵向加速度，考虑车辆行驶的安全、舒适以及驾驶员期望特征性能，纵向自适应巡航时不同模式的加速度计算方法具体如下：

模式1，车辆按照驾驶员设定的巡航速度行驶，采用PI控制方法得出模式1的期望加速度值：

a_des1＝k_Pv_r+k_I∫v_r

式中，v_r＝v_l-v_x，即本车与前车的相对速度；k_p为比例增益；k_I为积分增益；

模式2、模式3、模式4，本车自动跟随前车行驶，并控制与前车的距离保持在一定的安全值；使用预测控制算法求解3种模式下的期望加速度；

采用固定时距的车辆间距控制策略，其期望车间安全间距表达式为：

s_d＝v_xτ_h+s₀

其中，τ_h为车头时距，s₀为最小停车距离；

车间间距误差为：

e_s＝s-s_d

设a_r为加速度参考值，其表达式为：

a_r＝k_se_s+k_vv_r

其中系数k_s、k_v通过跟车试验获取；

考虑期望加速度a_des与实际加速度a的关系用一阶惯性系统表示为：

式中，K和τ分别为系统增益和时间常数，其数值通过系统辨识获取；

取状态变量x＝[e_s,v_r,a]^T，控制输入u＝a_des，υ为前车加速度a_l，视其为系统干扰，输出y＝x，建立控制器的状态空间模型，并进行离散化：

为使本车在纵向行驶时，平稳跟踪前车行驶，设计目标函数为：

式中，y_r＝[0,0,a_r]为参考值，Δu＝u(k)-u(k-1)为控制增量Q、R、S为权重系数矩阵；

不同控制模式具有不同的控制目标，从而具有不同的控制约束；不同模式下，求解带约束的纵向期望加速度优化问题具体描述如下：

求解模式2期望加速度a_des2的优化问题描述为：

其中，|u|＜4m/s²；

求解模式3期望加速度a_des3优化问题的表达式为：

求解模式4期望加速度a_des4优化问题的表达式为：

当求出纵向控制模式的期望加速度后，计算出纵向控制期望驱动或制动力矩；

5.2)当车辆在弯道上进行自适应巡航行驶时，控制器切换至纵/横向协调控制模式；采用2自由度车辆模型稳态横摆角速度和质心侧偏角的值作为参考值，其表达式为：

式中，

为稳定因素；v_x为车辆速度；δ为前轮转角；C_f和C_r分别为前后车轮的侧偏刚度；

考虑轮胎与路面之间的摩擦系数对车辆横向稳定性的影响，对横摆角速度和质心侧偏角的期望值最大值进行限定，则期望横摆角速度值和质心侧偏角值的计算表达式为：

β_des＝min{β_nm,arctan(0.02μg)}

考虑车辆横向运动的影响，取该模式下的纵向加速度参考值为：

式中，∑F_ij为轮胎横向力的总和；

选取状态变量

输入为u＝[F_xfl,F_xfr,F_xrl,F_xrr]^T，输出y＝x，其中，F_xfl、F_xfr、F_xrl、F_xrr分别表示左前轮、右前轮，左后轮、右后轮的纵向轮胎力；建立离散形式的预测模型：

为使车辆在弯道上自适应巡航行驶平稳跟随前车行驶同时保证横向稳定性，设计目标函数为：

式中，Ω、Π、Λ为系统权重系数矩阵；

模式5求解车辆在弯道自适应巡航行驶时车轮纵向力的优化问题表达式为：

3.如权利要求1所述智能电动汽车ACC/ESC集成控制方法，其特征在于在步骤6)中，所述协调执行器将决策控制器求解出的最优控制解转化为执行器控制信号的具体方法如下：

6.1)纵向控制模式下的期望驱动或制动力通过逆动力学模型转化为电机驱动力矩信号或制动压力信号，从而通过执行器对智能电动车辆进行控制；

6.2)弯道模式时，根据逆轮胎模型将期望的纵向轮胎力转化为最优目标滑移率值，通过PID控制求出期望电机驱动力矩或主动制动压力信号，通过执行器对智能电动车辆进行控制。

Images