CN109532848A - 用于智能电动汽车的多目标优化控制方法及控制系统 - Google Patents

用于智能电动汽车的多目标优化控制方法及控制系统 Download PDF

Info

Publication number
CN109532848A
CN109532848A CN201811410302.0A CN201811410302A CN109532848A CN 109532848 A CN109532848 A CN 109532848A CN 201811410302 A CN201811410302 A CN 201811410302A CN 109532848 A CN109532848 A CN 109532848A
Authority
CN
China
Prior art keywords
intelligent electric
automobile
electric automobile
performance
controller
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
Application number
CN201811410302.0A
Other languages
English (en)
Other versions
CN109532848B (zh
Inventor
华丁
华一丁
龚进峰
戎辉
唐风敏
王文扬
何佳
汪春华
郭蓬
陈正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Automotive Technology and Research Center Co Ltd
CATARC Tianjin Automotive Engineering Research Institute Co Ltd
Original Assignee
China Automotive Technology and Research Center Co Ltd
CATARC Tianjin Automotive Engineering Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Automotive Technology and Research Center Co Ltd, CATARC Tianjin Automotive Engineering Research Institute Co Ltd filed Critical China Automotive Technology and Research Center Co Ltd
Priority to CN201811410302.0A priority Critical patent/CN109532848B/zh
Publication of CN109532848A publication Critical patent/CN109532848A/zh
Application granted granted Critical
Publication of CN109532848B publication Critical patent/CN109532848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • B60W10/182—Conjoint control of vehicle sub-units of different type or different function including control of braking systems including control of parking brakes
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/30—Conjoint control of vehicle sub-units of different type or different function including control of auxiliary equipment, e.g. air-conditioning compressors or oil pumps
    • 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
    • B60W30/02—Control of vehicle driving stability
    • 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
    • B60W2050/002—Integrating means
    • 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
    • B60W2050/0031—Mathematical model of the vehicle
    • B60W2050/0034—Multiple-track, 2D vehicle model, e.g. four-wheel model
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/08—Electric propulsion units
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • B60W2710/186—Status of parking brakes
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/30—Auxiliary equipments

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Feedback Control In General (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明提供了一种用于智能电动汽车的多目标优化控制方法及控制系统，根据智能电动汽车在驾驶安全性，乘员舒适性和驾驶准确性三个方面的需求，分别建立驾驶安全性目标函数，乘员舒适性目标函数，驾驶准确性目标函数；根据智能电动汽车系统约束条件，构建使得各性能目标同时达到最优的的数学模型；将智能电动汽车的驾驶安全性，乘员舒适性和驾驶准确性等三方面的性能指标转化成为单一指标，采用基于Pareto最优的多目标优化算法进行多目标规划控制模型的求解得最优值。本发明所述的用于智能电动汽车的多目标优化控制方法及控制系统，通过构建多目标优化问题，解决了驾驶安全性，乘员舒适性和驾驶准确性之间的矛盾。

Description

用于智能电动汽车的多目标优化控制方法及控制系统
技术领域
本发明属于智能汽车自动驾驶领域，尤其是涉及一种用于智能电动汽车的多目标优化控制方法及控制系统。
背景技术
近年来，随着计算机、互联网、通信导航、自动控制、人工智能、机器视觉、高精度地图等高新技术与先进汽车技术的快速融合，智能汽车(或无人驾驶汽车、自动驾驶汽车)已经成为世界汽车工程领域的研究热点和汽车产业增长的新动力。汽车电子系统已经完成从最初提供重要车载功能演变到高级驾驶辅助系统(Advanced Driver Assistant Systems，ADAS)，甚至是完全无人驾驶的重要载体，从感知和驱动的机电构件到高性能高负载的处理器，汽车电子始终扮演着重要的角色。由于电子器件不仅越来越便宜，在消费电子产品的推动下，其功能也越来越强大，足以处理车载领域的多个功能。电子控制单元(ElectronicControl Unit，ECU)的功能集成化趋势将愈发明显。
现有ADAS系统多仅仅针对某一单一场景或工况进行设计，但是，随着车载ADAS的系统的逐渐增多，如果每个ADAS系统都是各自独立工作，没有针对本车所处的真实场景及工况进行综合考虑，没有考虑到车辆动力学参数的多目标优化，车辆最终的控制效果可能较差，甚至出现车辆失稳等重大安全隐患。此外，为增强车上乘员对智能电动汽车的信任度，提高乘员乘坐舒适性，需要对智能电动汽车车载ADAS提出更高的要求：保障车辆驾驶安全性的同时，提高乘员舒适性及自动驾驶准确性。实现新一代智能电动汽车ADAS功能的关键在于，提出一种基于多目标优化的方法，即综合考虑驾驶安全性目标函数、乘员舒适性目标函数及驾驶准确性目标函数。目前，国内外考虑单一目标的ADAS已经有初步的成果，但综合考虑三者之间的多目标优化的方法仍未见诸于报道。
发明内容
有鉴于此，本发明旨在提出一种用于智能电动汽车的多目标优化控制方法，以解决驾驶安全性、乘员舒适性和驾驶准确性三者之间同时实现互相矛盾的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种用于智能电动汽车的多目标优化控制方法，包括以下步骤：
根据智能电动汽车在驾驶安全性，乘员舒适性和驾驶准确性三个方面的需求，分别建立驾驶安全性目标函数JR(t)，乘员舒适性目标函数JC(t)，驾驶准确性目标函数JA(t)；
根据智能电动汽车系统约束条件，构建使得各性能目标同时达到最优的实时任务参数集，即建立多目标优化问题的数学模型；
将智能电动汽车的驾驶安全性，乘员舒适性和驾驶准确性等三方面的性能指标转化成为单一指标，采用基于Pareto最优的多目标优化算法进行多目标规划控制模型的求解，使智能电动汽车实现驾驶安全性，乘员舒适性和驾驶准确性等三个方面性能的最优值。
进一步的，所述驾驶安全性目标函数JR(t)的建立方法为：
综合考虑汽车侧向加速度表现Jr1以及汽车侧倾角表现Jr2，确定智能电动汽车的驾驶安全性能指标JR，其中，
Jr1可以表述如下：
其中，ay(t)表示汽车侧向加速度，表示侧向加速度标准门槛值，tn表示试验时间(以下同)；
Jr2可以表述如下：
其中，φ(t)表示汽车侧倾角，表示侧倾角标准门槛值；
因此，驾驶安全性能指标JR表示为：
其中，wr1和wr2分别表示汽车侧向加速度表现以及汽车侧倾角表现的权值。
进一步的，所述乘员舒适性目标函数JC(t)的建立方法为：
需要综合考虑汽车横摆角速度表现Jc1以及汽车纵向加速度表现Jc2确定智能电动汽车的驾驶舒适性能指标JC，其中，
Jc1可以表述如下：
其中，γ(t)表示汽车横摆角速度，表示横摆角速度标准门槛值；
Jc2可以表述如下：
其中，ax(t)表示汽车侧向加速度，表示侧向加速度标准门槛值；
因此，驾驶舒适性能指标JC表示为：
其中，wc1和wc2分别表示汽车横摆角速度表现以及汽车纵向加速度表现的权值。
进一步的，所述驾驶准确性目标函数JA(t)的建立方法为:
综合考虑轨迹跟踪误差指标Ja1以及方向误差指标Ja2确定智能电动汽车的驾驶准确性能指标JA，其中，
Ja1可以表述如下：
其中，f(t)表示驾驶员的期望轨迹，y(t)表示汽车实际运行轨迹，表示轨迹误差标准门槛值；
Ja2可以表述如下：
其中，Vx(t)表示汽车的纵向速度，β(t)表示汽车质心侧偏角，表示方向误差标准门槛值；
因此，驾驶安全性能指标JA表示为：
其中，wa1和wa2分别表示汽车轨迹跟踪误差指标表现以及方向误差指标表现的权值。
进一步的，建立所述目标优化问题数学模型的实现是基于Carsim/Simulink联合仿真平台，其中，Carsim软件用以构建车辆动力学及道路模型，Simulink软件用以构建电力驱动系统和智能决策及控制模型，以车速和方向盘转角等连续变化参数作为模型的输入，同时产生多目标优化所需的任务参数，以驾驶安全性能指标中的wr1和wr2，乘员舒适性能指标中的wc1和wc2以及驾驶准确性能指标中的wa1和wa2作为性能目标作为模型的输出，建立输入和输出二者间的映射，Carsim软件中的仿真车辆采用B级轿车。所使用的道路模型同样采用Alt 3 from FHWA，路径总长度为1km，
数学模型的具体表示为：
min y＝[JR(t)，JC(t)，JA(t)]T
进一步的，所述的多目标优化算法的具体步骤如下：
步骤1：将决策空间进行有效划分，使其成为N个空间，并基于NSGA-II算法产生初始精英子代；
步骤2：随机选择N1代，并进行相应迭代计算，在每个子空间产生子代种群；
步骤3：进行拥挤度和拥挤度比较算子的计算，并在快速排序后的同级比较中选出优胜子代；
步骤4：将步骤3中选出的n个最优个体逐个与精英子代中的个体进行比较，如果存在支配关系，则替换掉相应的最差精英个体，从而更新精英子代；
步骤5：从剩余的子空间中随机选择新子空间作为父代，并将步骤4产生的更新精英子代进行交叉,共同竞争产生下一代种群；
步骤6：判断当前迭代次数是否超过最大迭代代数，若是则结束，若否则返回步骤3。
相对于现有技术，本发明所述的用于智能电动汽车的多目标优化控制方法具有以下优势：
(1)本发明所述的用于智能电动汽车的多目标优化控制方法，通过构建多目标优化问题，解决了驾驶安全性，乘员舒适性和驾驶准确性之间的矛盾。
(2)本发明所述的用于智能电动汽车的多目标优化控制方法，基于Pareto最优的多目标优化算法进行多目标规划控制模型的求解具有较好的算法实时性优势。
(3)本发明所述的用于智能电动汽车的多目标优化控制方法，降低由于驾驶安全性权值过高而忽视乘员舒适性的问题，在保障安全性的同时，提高乘员的舒适性。
本发明的另一目的在于提出一种用于智能电动汽车的多目标优化控制系统，以解决驾驶安全性、乘员舒适性和驾驶准确性三者之间同时实现互相矛盾的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种用于智能电动汽车的多目标优化控制系统，包括底盘控制域、动力控制域、车身控制域、控制器、安全网关模块和信息传感模块，所述控制器通过所述安全网关模块分别信号连接至所述底盘控制域、所述动力控制域、所述车身控制域和所述信息传感模块。
进一步的，所述控制器为包括单片机、数据处理单元和数据接收发送单元，所述数据处理单元采集车辆在驾驶安全性，乘员舒适性和驾驶准确性三个方面动力学参数传递给所述单片机，所述单片机依次通过所述数据接收发送单元、所述安全网关模块分别信号连接至所述底盘控制域、所述动力控制域、所述车身控制域和所述信息传感模块。
进一步的，所述底盘控制域包括车身稳定控制器和电子驻车控制器，所述动力控制域包括驾驶辅助控制器和电机控制器，所述车身控制域包括车身控制器和组合仪表控制器，所述车身稳定控制器、电子驻车控制器、驾驶辅助控制器、电机控制器、车身控制器和组合仪表控制器分别信号连接至所述安全网关模块。
进一步的，所述信息传感模块激光雷达、摄像头、毫米波传感器、超声波传感器和卫星-惯导组合定位系统。
所述用于智能电动汽车的多目标优化控制系统与上述用于智能电动汽车的多目标优化控制方法相对于现有技术所具有的优势相同，在此不再赘述。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的用于智能电动汽车的多目标优化控制方法的具体流程图
图2为本发明实施例所述的用于智能电动汽车的多目标优化控制系统的框图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
标识说明：
Gen代表进化代数。
用于智能电动汽车的多目标优化控制方法，如1图所示，包括以下步骤：
根据智能电动汽车在驾驶安全性，乘员舒适性和驾驶准确性三个方面的需求，分别建立驾驶安全性目标函数JR(t)，乘员舒适性目标函数JC(t)，驾驶准确性目标函数JA(t)；
根据智能电动汽车系统约束条件，构建使得各性能目标同时达到最优的实时任务参数集，即建立多目标优化问题的数学模型；
将智能电动汽车的驾驶安全性，乘员舒适性和驾驶准确性等三方面的性能指标转化成为单一指标，采用基于Pareto最优的多目标优化算法进行多目标规划控制模型的求解，使智能电动汽车实现驾驶安全性，乘员舒适性和驾驶准确性等三个方面性能的最优值。
驾驶安全性目标函数JR(t)的建立方法为：
综合考虑汽车侧向加速度表现Jr1以及汽车侧倾角表现Jr2，确定智能电动汽车的驾驶安全性能指标JR，其中，
Jr1可以表述如下：
其中，ay(t)表示汽车侧向加速度，表示侧向加速度标准门槛值，tn表示试验时间(以下同)；
Jr2可以表述如下：
其中，φ(t)表示汽车侧倾角，表示侧倾角标准门槛值；
因此，驾驶安全性能指标JR表示为：
其中，wr1和wr2分别表示汽车侧向加速度表现以及汽车侧倾角表现的权值。
乘员舒适性目标函数JC(t)的建立方法为：
需要综合考虑汽车横摆角速度表现Jc1以及汽车纵向加速度表现Jc2确定智能电动汽车的驾驶舒适性能指标JC，其中，
Jc1可以表述如下：
其中，γ(t)表示汽车横摆角速度，表示横摆角速度标准门槛值；
Jc2可以表述如下：
其中，ax(t)表示汽车侧向加速度，表示侧向加速度标准门槛值；
因此，驾驶舒适性能指标JC表示为：
其中，wc1和wc2分别表示汽车横摆角速度表现以及汽车纵向加速度表现的权值。
驾驶准确性目标函数JA(t)的建立方法为:
综合考虑轨迹跟踪误差指标Ja1以及方向误差指标Ja2确定智能电动汽车的驾驶准确性能指标JA，其中，
Ja1可以表述如下：
其中，f(t)表示驾驶员的期望轨迹，y(t)表示汽车实际运行轨迹，表示轨迹误差标准门槛值；
Ja2可以表述如下：
其中，Vx(t)表示汽车的纵向速度，β(t)表示汽车质心侧偏角，表示方向误差标准门槛值；
因此，驾驶安全性能指标JA表示为：
其中，wa1和wa2分别表示汽车轨迹跟踪误差指标表现以及方向误差指标表现的权值。
建立所述目标优化问题数学模型的实现是基于Carsim/Simulink联合仿真平台，其中，Carsim软件用以构建车辆动力学及道路模型，Simulink软件用以构建电力驱动系统和智能决策及控制模型，以车速和方向盘转角等连续变化参数作为模型的输入，同时产生多目标优化所需的任务参数，以驾驶安全性能指标中的wr1和wr2，乘员舒适性能指标中的wc1和wc2以及驾驶准确性能指标中的wa1和wa2作为性能目标作为模型的输出，建立输入和输出二者间的映射，Carsim软件中的仿真车辆采用B级轿车。所使用的道路模型同样采用Alt 3from FHWA，路径总长度为1km，
数学模型的具体表示为：
min y＝[JR(t)，JC(t)，JA(t)]T
所述的多目标优化算法的具体步骤如下：
步骤1：将决策空间进行有效划分，使其成为N个空间，并基于NSGA-II算法产生初始精英子代；
步骤2：随机选择N1代，并进行相应迭代计算，在每个子空间产生子代种群；
步骤3：进行拥挤度和拥挤度比较算子的计算，并在快速排序后的同级比较中选出优胜子代；
步骤4：将步骤3中选出的n个最优个体逐个与精英子代中的个体进行比较，如果存在支配关系，则替换掉相应的最差精英个体，从而更新精英子代；
步骤5：从剩余的子空间中随机选择新子空间作为父代，并将步骤4产生的更新精英子代进行交叉,共同竞争产生下一代种群；
步骤6：判断当前迭代次数是否超过最大迭代代数，若是则结束，若否则返回步骤3。
本文提出的多目标优化算法中的参数取值如下：
总迭代次数为N0＝400，交叉概率B1为0.85，变异概率B2＝0.02，子种群交叉概率B3＝0.9，子空间划分数N＝50，初始子种群数目N1＝10，精英团队维数n＝5，独立进化代数N2＝15，交叉子种群数目N3＝3，交叉系数λ＝0.8；其作用是为了保证基于Pareto最优的多目标优化算法可以正常工作的基本参数初值设置。
本文提出的应用于智能电动汽车的多目标优化控制方法,有效降低了算法的计算复杂度；同时根据拥挤度和拥挤度比较算子,在快速排序后的同级比较中作为胜出标准,使准Pareto域中的个体能扩展到整个Pareto域,并均匀分布,保持了种群的多样性；引入精英策略,扩大采样空间，将父代种群与其产生的子代种群组合,共同竞争产生下一代种群,有利于保持父代中的优良个体进入下一代,并通过对种群中所有个体的分层存放,使得最佳个体不会丢失,迅速提高种群水平。
一种用于智能电动汽车的多目标优化控制系统，如图2所示，包括底盘控制域、动力控制域、车身控制域、基于Pareto最优的多目标优化控制器、安全网关模块和信息传感模块，所述控制器通过所述安全网关模块分别信号连接至所述底盘控制域、所述动力控制域、所述车身控制域和所述信息传感模块。
所述基于Pareto最优的多目标优化控制器包括单片机，数据处理单元，数据接收/发送单元；作用是利用数据处理单元采集车辆在驾驶安全性，乘员舒适性和驾驶准确性三个方面动力学参数，同时考虑系统约束条件，将三个方面的需求转化成单一指标，确定使该指标取最小值时的驾驶安全性能指标中的wr1和wr2、乘员舒适性能指标中的wc1和wc2以及驾驶准确性能指标中的wa1和wa2，并利用数据接收/发送单元通过安全网关模块将其发送给底盘控制域、动力控制域和车身控制域中的各个控制器。
所述底盘控制域包括车身稳定控制器和电子驻车控制器，所述动力控制域包括驾驶辅助控制器和电机控制器，所述车身控制域包括车身控制器和组合仪表控制器，所述车身稳定控制器、电子驻车控制器、驾驶辅助控制器、电机控制器、车身控制器和组合仪表控制器分别信号连接至所述安全网关模块，安全网关模块的作用是对智能驾驶车载传输数据进行加密保护。
所述信息传感模块包括激光雷达、摄像头、毫米波传感器、超声波传感器和卫星-惯导组合定位系统。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.用于智能电动汽车的多目标优化控制方法，其特征在于：包括以下步骤：
根据智能电动汽车在驾驶安全性，乘员舒适性和驾驶准确性三个方面的需求，分别建立驾驶安全性目标函数JR(t)，乘员舒适性目标函数JC(t)，驾驶准确性目标函数JA(t)；
根据智能电动汽车系统约束条件，构建使得各性能目标同时达到最优的实时任务参数集，即建立多目标优化问题的数学模型；
将智能电动汽车的驾驶安全性，乘员舒适性和驾驶准确性等三方面的性能指标转化成为单一指标，采用基于Pareto最优的多目标优化算法进行多目标规划控制模型的求解，使智能电动汽车实现驾驶安全性，乘员舒适性和驾驶准确性等三个方面性能的最优值。
2.根据权利要求1所述的用于智能电动汽车的多目标优化控制方法，其特征在于：所述驾驶安全性目标函数JR(t)的建立方法为：
综合考虑汽车侧向加速度表现Jr1以及汽车侧倾角表现Jr2，确定智能电动汽车的驾驶安全性能指标JR，其中，
Jr1可以表述如下：
其中，ay(t)表示汽车侧向加速度，表示侧向加速度标准门槛值，tn表示试验时间(以下同)；
Jr2可以表述如下：
其中，φ(t)表示汽车侧倾角，表示侧倾角标准门槛值；
因此，驾驶安全性能指标JR表示为：
其中，wr1和wr2分别表示汽车侧向加速度表现以及汽车侧倾角表现的权值。
3.根据权利要求1所述的用于智能电动汽车的多目标优化控制方法，其特征在于：所述乘员舒适性目标函数JC(t)的建立方法为：
需要综合考虑汽车横摆角速度表现Jc1以及汽车纵向加速度表现Jc2确定智能电动汽车的驾驶舒适性能指标JC，其中，
Jc1可以表述如下：
其中，γ(t)表示汽车横摆角速度，表示横摆角速度标准门槛值；
Jc2可以表述如下：
其中，ax(t)表示汽车侧向加速度，表示侧向加速度标准门槛值；
因此，驾驶舒适性能指标JC表示为：
其中，wc1和wc2分别表示汽车横摆角速度表现以及汽车纵向加速度表现的权值。
4.根据权利要求1所述的用于智能电动汽车的多目标优化控制方法，其特征在于：所述驾驶准确性目标函数JA(t)的建立方法为:
综合考虑轨迹跟踪误差指标Ja1以及方向误差指标Ja2确定智能电动汽车的驾驶准确性能指标JA，其中，
Ja1可以表述如下：
其中，f(t)表示驾驶员的期望轨迹，y(t)表示汽车实际运行轨迹，表示轨迹误差标准门槛值；
Ja2可以表述如下：
其中，Vx(t)表示汽车的纵向速度，β(t)表示汽车质心侧偏角，表示方向误差标准门槛值；
因此，驾驶安全性能指标JA表示为：
其中，wa1和wa2分别表示汽车轨迹跟踪误差指标表现以及方向误差指标表现的权值。
5.根据权利要求2-4所述的用于智能电动汽车的多目标优化控制方法，其特征在于：建立所述目标优化问题数学模型的实现是基于Carsim/Simulink联合仿真平台，其中，Carsim软件用以构建车辆动力学及道路模型，Simulink软件用以构建电力驱动系统和智能决策及控制模型，以车速和方向盘转角等连续变化参数作为模型的输入，同时产生多目标优化所需的任务参数，以驾驶安全性能指标中的wr1和wr2，乘员舒适性能指标中的wc1和wc2以及驾驶准确性能指标中的wa1和wa2作为性能目标作为模型的输出，建立输入和输出二者间的映射，Carsim软件中的仿真车辆采用B级轿车。所使用的道路模型同样采用Alt 3 from FHWA，路径总长度为1km，
数学模型的具体表示为：
miny＝[JR(t),JC(t),JA(t)]T
6.根据权利要求1所述的用于智能电动汽车的多目标优化控制方法，其特征在于：所述的多目标优化算法的具体步骤如下：
步骤1：将决策空间进行有效划分，使其成为N个空间，并基于NSGA-II算法产生初始精英子代；
步骤2：随机选择N1代，并进行相应迭代计算，在每个子空间产生子代种群；
步骤3：进行拥挤度和拥挤度比较算子的计算，并在快速排序后的同级比较中选出优胜子代；
步骤4：将步骤3中选出的n个最优个体逐个与精英子代中的个体进行比较，如果存在支配关系，则替换掉相应的最差精英个体，从而更新精英子代；
步骤5：从剩余的子空间中随机选择新子空间作为父代，并将步骤4产生的更新精英子代进行交叉,共同竞争产生下一代种群；
步骤6：判断当前迭代次数是否超过最大迭代代数，若是则结束，若否则返回步骤3。
7.用于智能电动汽车的多目标优化控制系统，其特征在于：包括底盘控制域、动力控制域、车身控制域、控制器、安全网关模块和信息传感模块，所述控制器通过所述安全网关模块分别信号连接至所述底盘控制域、所述动力控制域、所述车身控制域和所述信息传感模块。
8.根据权利要求7所述的用于智能电动汽车的多目标优化控制系统，其特征在于：所述控制器为包括单片机、数据处理单元和数据接收发送单元，所述数据处理单元采集车辆在驾驶安全性，乘员舒适性和驾驶准确性三个方面动力学参数传递给所述单片机，所述单片机依次通过所述数据接收发送单元、所述安全网关模块分别信号连接至所述底盘控制域、所述动力控制域、所述车身控制域和所述信息传感模块。
9.根据权利要求7所述的用于智能电动汽车的多目标优化控制系统，其特征在于：所述底盘控制域包括车身稳定控制器和电子驻车控制器，所述动力控制域包括驾驶辅助控制器和电机控制器，所述车身控制域包括车身控制器和组合仪表控制器，所述车身稳定控制器、电子驻车控制器、驾驶辅助控制器、电机控制器、车身控制器和组合仪表控制器分别信号连接至所述安全网关模块。
10.根据权利要求7所述的用于智能电动汽车的多目标优化控制系统，其特征在于：所述信息传感模块包括激光雷达、摄像头、毫米波传感器、超声波传感器和卫星-惯导组合定位系统。
CN201811410302.0A 2018-11-23 2018-11-23 用于智能电动汽车的多目标优化控制方法及控制系统 Active CN109532848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811410302.0A CN109532848B (zh) 2018-11-23 2018-11-23 用于智能电动汽车的多目标优化控制方法及控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811410302.0A CN109532848B (zh) 2018-11-23 2018-11-23 用于智能电动汽车的多目标优化控制方法及控制系统

Publications (2)

Publication Number Publication Date
CN109532848A true CN109532848A (zh) 2019-03-29
CN109532848B CN109532848B (zh) 2023-05-23

Family

ID=65849553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811410302.0A Active CN109532848B (zh) 2018-11-23 2018-11-23 用于智能电动汽车的多目标优化控制方法及控制系统

Country Status (1)

Country Link
CN (1) CN109532848B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110641470A (zh) * 2019-09-30 2020-01-03 福州大学 一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法
CN110834624A (zh) * 2019-11-11 2020-02-25 常熟理工学院 一种自适应遗传算法的全混动汽车能效优化控制方法
CN114347804A (zh) * 2022-01-27 2022-04-15 奇瑞商用车（安徽）有限公司 一种电动汽车控制系统及其控制方法

Citations (6)

* Cited by examiner, † Cited by third party
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
US20090150016A1 (en) * 2007-12-07 2009-06-11 Industrial Technology Research Institute Vehicle hybrid power system and method for creating simulated equivalent fuel consumption multidimensional data applicable thereto
CN106143488A (zh) * 2015-03-09 2016-11-23 重庆邮电大学 一种汽车自适应巡航分工况控制系统
CN107678310A (zh) * 2017-09-20 2018-02-09 北京长城华冠汽车科技股份有限公司 整车电气架构和汽车
CN107719358A (zh) * 2017-09-13 2018-02-23 北京理工大学 一种増程器优化运行控制方法
CN108146431A (zh) * 2017-12-22 2018-06-12 天津职业技术师范大学 一种极限制动工况的汽车侧翻稳定性集成控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090150016A1 (en) * 2007-12-07 2009-06-11 Industrial Technology Research Institute Vehicle hybrid power system and method for creating simulated equivalent fuel consumption multidimensional data applicable thereto
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
CN106143488A (zh) * 2015-03-09 2016-11-23 重庆邮电大学 一种汽车自适应巡航分工况控制系统
CN107719358A (zh) * 2017-09-13 2018-02-23 北京理工大学 一种増程器优化运行控制方法
CN107678310A (zh) * 2017-09-20 2018-02-09 北京长城华冠汽车科技股份有限公司 整车电气架构和汽车
CN108146431A (zh) * 2017-12-22 2018-06-12 天津职业技术师范大学 一种极限制动工况的汽车侧翻稳定性集成控制方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110641470A (zh) * 2019-09-30 2020-01-03 福州大学 一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法
CN110834624A (zh) * 2019-11-11 2020-02-25 常熟理工学院 一种自适应遗传算法的全混动汽车能效优化控制方法
CN114347804A (zh) * 2022-01-27 2022-04-15 奇瑞商用车（安徽）有限公司 一种电动汽车控制系统及其控制方法
CN114347804B (zh) * 2022-01-27 2022-12-27 奇瑞商用车（安徽）有限公司 一种电动汽车控制系统及其控制方法

Also Published As

Publication number Publication date
CN109532848B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
Huang et al. A motion planning and tracking framework for autonomous vehicles based on artificial potential field elaborated resistance network approach
CN104097637B (zh) 用于控制车道变换的方法和系统
Guo et al. Hazard-evaluation-oriented moving horizon parallel steering control for driver-automation collaboration during automated driving
CN109532848A (zh) 用于智能电动汽车的多目标优化控制方法及控制系统
Chen et al. Dynamic drifting control for general path tracking of autonomous vehicles
Ni et al. Robust control in diagonal move steer mode and experiment on an X-by-wire UGV
CN109552312A (zh) 车辆稳定性模型预测控制方法
CN109501799A (zh) 一种车联网条件下的动态路径规划方法
CN109131351A (zh) 基于随机时滞的车辆稳定性评价方法
CN107380162B (zh) 基于功能分配与多目标模糊决策的协同避撞方法
Yuan et al. Mixed local motion planning and tracking control framework for autonomous vehicles based on model predictive control
CN109343531A (zh) 车辆底盘系统以及包含其的自动驾驶车辆
CN109866765A (zh) 一种无人驾驶电动汽车安全行驶系统
Zhang et al. Path tracking control for active rear steering vehicles considering driver steering characteristics
Hongbo et al. Lane‐keeping control based on an improved artificial potential method and coordination of steering/braking systems
US11577759B2 (en) Systems and methods for hybrid prediction framework with inductive bias
Li et al. Dynamically integrated spatiotemporal‐based trajectory planning and control for autonomous vehicles
Zhang et al. Structured road-oriented motion planning and tracking framework for active collision avoidance of autonomous vehicles
CN102663167B (zh) 一种免疫算法的电动汽车防抱死系统控制器优化设计方法
Zhu et al. Design of an integrated vehicle chassis control system with driver behavior identification
Yi et al. Energy efficient platooning of connected electrified vehicles enabled by a mixed hybrid electric powertrain architecture
Wei et al. Minimum time approach to emergency collision avoidance by vehicle handling inverse dynamics
Zhang et al. A novel simultaneous planning and control scheme of automated lane change on slippery roads
CN112124299B (zh) 一种智能网联新能源汽车分层式能耗优化方法
Guo et al. Research on path-tracking control method of intelligent vehicle based on adaptive two-point preview

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