CN110888322A - 基于加速度前馈的异构车队协同自适应巡航控制方法 - Google Patents
基于加速度前馈的异构车队协同自适应巡航控制方法 Download PDFInfo
- Publication number
- CN110888322A CN110888322A CN201911110197.3A CN201911110197A CN110888322A CN 110888322 A CN110888322 A CN 110888322A CN 201911110197 A CN201911110197 A CN 201911110197A CN 110888322 A CN110888322 A CN 110888322A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- controlled vehicle
- fleet
- acceleration
- feedforward
- 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
- 230000001133 acceleration Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 54
- 238000012546 transfer Methods 0.000 claims abstract description 59
- 238000000926 separation method Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000000087 stabilizing effect Effects 0.000 claims description 13
- 230000006854 communication Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 51
- 239000011159 matrix material Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明属于智能驾驶技术领域,具体涉及了一种基于加速度前馈的异构车队协同自适应巡航控制方法,旨在解决现有的协同自适应巡航控制方法依赖开发人员的专业经验,设计难度大的问题。本发明方法包括:建立被控车辆纵向动力学模型,定义跟车策略;获取被控车辆与前车的传递函数,并分析车队频域弦稳定条件;建立被控车队的状态空间模型;确定被控车队时域弦稳定条件;基于预设车辆间隔时间参数,获取前馈控制参数和反馈控制参数进行车辆巡航控制。本发明方法方便使用计算工具求解问题的可行解,降低了设计难度;获取最小间隔时间参数,从而获得具有最好跟随性能的协同自适应巡航控制器,提高了整个车队的通行能力。
Description
技术领域
本发明属于智能驾驶技术领域,具体涉及了一种基于加速度前馈的异构车队协同自适应巡航控制方法。
背景技术
近年来随着车载传感器以及汽车对汽车(vehicle-to-vehicle) 和汽车对基础设施(vehicle-to-infrastructure)通讯技术的发展,协同自适应巡航控制(CACC,cooperative adaptive cruise control)成为实现车辆协同最有效的方式之一。与只基于传感器的自适应巡航控制(ACC,adaptive cruise control)不同,CACC使用无线网络共享车队中相邻车辆的信息,因此车辆能够更快地响应前方交通的变化。一些研究表明增加道路上装载CACC 功能的车辆比重,能够明显提高燃油经济性、交通波抑制能力、道路通行能力、以及驾驶舒适性等。
CACC作为ACC的扩展,其目标是保持对前车的跟随特性。尤其是当前车以稳定的车速行驶时,跟随车辆应当以相同的车速并保持一定的安全距离跟随。这个距离是由跟车策略决定。另一个CACC车队的重要属性是弦稳定性,代表了车队对噪声的抑制能力。从数学上讲,弦稳定的定义是头车和任意后车之间的传递函数在最大幅值上是小于等于1的。现有方法在设计CACC控制器时往往是在频域上分析传递函数,通过手动调整的方式寻找使系统弦稳定的控制参数。
现有的协同自适应巡航控制方法依赖开发人员的专业经验,设计难度大,而随着协同驾驶的快速发展,能够针对任意车队实现自动化的控制设计方法在协同自适应巡航控制领域成为了必然。
发明内容
为了解决现有技术中的上述问题,即现有的协同自适应巡航控制方法依赖开发人员的专业经验,设计难度大的问题,本发明提供了一种基于加速度前馈的异构车队协同自适应巡航控制方法,该自适应巡航控制方法包括:
步骤S10,基于获取的被控车辆执行器时延和车辆时间常数,定义被控车辆的期望加速度到车辆位置的第一传递函数;定义跟车策略,并获取被控车辆与前车的期望间隔距离;基于所述被控车辆与前车的期望间隔距离,获取被控车辆与前车的实际间隔距离与期望间隔距离的误差;所述跟车策略包括被控车辆的速度、预设的间隔时间、停车间隔距离;
步骤S20,基于所述第一传递函数,获取前车加速度到被控车辆加速度的第二传递函数,并基于所述第二传递函数通过频域分析法获取车队频域弦稳定条件;
步骤S30,基于所述第一传递函数、被控车辆与前车的实际间隔距离与期望间隔距离的误差,定义辅助控制变量和辅助噪声变量,构建车队状态空间模型;
步骤S40,基于所述车队状态空间模型及车队频域弦稳定条件,通过时域分析法获取车队时域弦稳定条件;
步骤S50,基于所述车队时域弦稳定条件、车队状态空间模型和预设的间隔时间,获取被控车辆前馈控制参数和反馈控制参数;
步骤S60,基于所述被控车辆前馈控制参数和反馈控制参数,进行被控车辆协同自适应巡航控制。
在一些优选的实施例中,该自适应巡航控制方法还设置有前馈控制参数、反馈控制参数、预设的被控车辆间隔时间优化步骤,其方法为:
步骤M10,设定被控车辆间隔时间搜索区间[0,hmax];
步骤M20,在[0,hmax]区间内根据二分搜索算法,依次计算直至获取车队时域弦稳定条件下最小间隔时间、以及对应的前馈控制参数和反馈控制参数;
步骤M30,所述前馈控制参数和反馈控制参数为最优前馈控制参数和反馈控制参数,其对应的车辆间隔时间为最小间隔时间。
在一些优选的实施例中,所述第一传递函数为:
其中,Pi代表被控车辆位置的拉普拉斯变换,Ui代表被控车辆执行器控制指令,也就是期望加速度的拉普拉斯变换,τi代表被控车辆由于传动装置和底层控制系统导致的时间常数,di代表被控车辆对应执行器时延,下标i代表被控车辆在车队中的次序,s代表复变量。
在一些优选的实施例中,所述被控车辆与前车的期望间隔距离通过跟车策略获取,其方法为:
δi=ri+hivi
其中,ri代表被控车辆与前车停车时的距离,vi为描述被控车辆车速的变量,hi为预设的间隔时间。
在一些优选的实施例中,所述实际间隔距离与期望间隔距离的误差为:
ei=pi-1-pi-Li-1-δi
其中,pi-1和Li-1分别代表前车位置和前车车身长度,δi为被控车辆与前车的期望间隔距离。
在一些优选的实施例中,所述第二传递函数为:
其中,Ai-1代表前车加速度的拉普拉斯变换,Ai代表被控车辆加速度的拉普拉斯变换,Gi代表被控车辆第一传递函数,Ff代表前馈控制模块,Fb代表反馈控制模块,hi为预设的间隔时间,D代表车辆无线通讯时延对应的拉普拉斯变换。
在一些优选的实施例中,所述反馈控制为:
其中,Kfb为反馈控制向量,Kfb(1)、Kfb(2)分别为向量第一和第二元素,τi代表被控车辆由于传动装置和底层控制系统导致的时间常数,hi为预设的间隔时间。
在一些优选的实施例中,所述前馈控制为:
其中,Kff为前馈控制参数,τi代表被控车辆由于传动装置和底层控制系统导致的时间常数,hi为预设的间隔时间。
在一些优选的实施例中,所述车队频域弦稳定条件为:
本发明的另一方面,提出了一种基于加速度前馈的异构车队协同自适应巡航控制系统,该自适应巡航控制系统包括车辆动力学模型构建模块、频域弦稳定条件获取模块、状态空间模型构建模块、时域弦稳定条件获取模块、控制参数获取模块、巡航控制模块;
所述车辆动力学模型构建模块,配置为基于获取的被控车辆执行器时延和车辆时间常数,定义被控车辆的期望加速度到车辆位置的第一传递函数;定义跟车策略,并获取被控车辆与前车的期望间隔距离;基于所述被控车辆与前车的期望间隔距离获取被控车辆与前车的实际间隔距离与期望间隔距离的误差;所述跟车策略包括被控车辆的速度、预设的间隔时间、停车间隔距离;
所述频域弦稳定条件获取模块,配置为基于所述第一传递函数,获取前车加速度到被控车辆加速度的第二传递函数,并基于所述第二传递函数通过频域分析法获取车队频域弦稳定条件;
所述状态空间模型构建模块,配置为基于所述第一传递函数、被控车辆与前车的实际间隔距离与期望间隔距离的误差,定义辅助控制变量和辅助噪声变量,构建车队状态空间模型;
所述时域弦稳定条件获取模块,配置为基于所述车队状态空间模型及车队频域弦稳定条件,通过时域分析法获取车队时域弦稳定条件;
所述控制参数获取模块,配置为基于所述车队时域弦稳定条件、车队状态空间模型和预设的被控车辆间隔时间,获取被控车辆前馈控制参数和反馈控制参数;
所述巡航控制模块,配置为基于所述被控车辆前馈控制参数和反馈控制参数,进行被控车辆协同自适应巡航控制。
本发明的第三方面,提出了一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的基于加速度前馈的异构车队协同自适应巡航控制方法。
本发明的第四方面,提出了一种处理装置,包括处理器、存储装置;所述处理器,适于执行各条程序;所述存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的基于加速度前馈的异构车队协同自适应巡航控制方法。
本发明的有益效果:
(1)本发明基于加速度前馈的异构车队协同自适应巡航控制方法,考虑车辆执行器和车队通讯过程存在时延的情况,并且组成车队的车辆可以是异构形式的,即每个车辆都可以具有不同的车辆时间常数和执行器时延,将频域上的系统弦稳定性分析转化成为时域上的条件,并进一步表示成为一组线性矩阵不等式约束条件,找到在预设间隔时间下保证车队弦稳定的前馈和反馈控制参数,方便使用计算工具求解问题的可行解,降低了设计难度。
(2)本发明基于加速度前馈的异构车队协同自适应巡航控制方法,还针对预设的间隔时间参数进行最小化,通过得到的最小间隔时间参数以及对应的前馈控制参数、反馈控制参数,获得具有最好跟随性能的协同自适应巡航控制器,提高了整个车队的通行能力。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本发明基于加速度前馈的异构车队协同自适应巡航控制方法的流程示意图;
图2是本发明基于加速度前馈的异构车队协同自适应巡航控制方法一种实施例的车队示意图;
图3是本发明基于加速度前馈的异构车队协同自适应巡航控制方法一种实施例的单台车辆控制框架示意图;
图4是本发明基于加速度前馈的异构车队协同自适应巡航控制方法一种实施例的在预设车辆间隔时间参数下第二传递函数的频域曲线图;
图5是本发明基于加速度前馈的异构车队协同自适应巡航控制方法一种实施例的计算最小间隔时间时第二传递函数的频域曲线图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明的一种基于加速度前馈的异构车队协同自适应巡航控制方法,该自适应巡航控制方法包括:
步骤S10,基于获取的被控车辆执行器时延和车辆时间常数,定义被控车辆的期望加速度到车辆位置的第一传递函数;定义跟车策略,并获取被控车辆与前车的期望间隔距离;基于所述被控车辆与前车的期望间隔距离,获取被控车辆与前车的实际间隔距离与期望间隔距离的误差;所述跟车策略包括被控车辆的速度、预设的间隔时间、停车间隔距离;
步骤S20,基于所述第一传递函数,获取前车加速度到被控车辆加速度的第二传递函数,并基于所述第二传递函数通过频域分析法获取车队频域弦稳定条件;
步骤S30,基于所述第一传递函数、被控车辆与前车的实际间隔距离与期望间隔距离的误差,定义辅助控制变量和辅助噪声变量,构建车队状态空间模型;
步骤S40,基于所述车队状态空间模型及车队频域弦稳定条件,通过时域分析法获取车队时域弦稳定条件;
步骤S50,基于所述车队时域弦稳定条件、车队状态空间模型和预设的间隔时间,获取被控车辆前馈控制参数和反馈控制参数;
步骤S60,基于所述被控车辆前馈控制参数和反馈控制参数,进行被控车辆协同自适应巡航控制。
为了更清晰地对本发明基于加速度前馈的异构车队协同自适应巡航控制方法进行说明,下面结合图1对本发明方法实施例中各步骤展开详述。
本发明一种实施例的基于加速度前馈的异构车队协同自适应巡航控制方法,包括步骤S10-步骤S60,各步骤详细描述如下:
步骤S10,基于获取的被控车辆执行器时延和车辆时间常数,定义被控车辆的期望加速度到车辆位置的第一传递函数;定义跟车策略,并获取被控车辆与前车的期望间隔距离;基于所述被控车辆与前车的期望间隔距离,获取被控车辆与前车的实际间隔距离与期望间隔距离的误差;所述跟车策略包括被控车辆的速度、预设的间隔时间、停车间隔距离。
汽车的行驶过程可以通过一个加速度指令进行控制,指令被传输到底层控制器进而转换成刹车或油门装置的控制信号。车辆从输入到输出的纵向动力学可以通过第一传递函数表示,如式(1)所示:
其中,Pi代表被控车辆位置的拉普拉斯变换,Ui代表被控车辆控制指令,也就是期望加速度的拉普拉斯变换,τi代表被控车辆由于传动装置和底层控制系统导致的时间常数,di代表被控车辆对应执行器时延,下标i代表被控车辆在车队中的次序,s代表复变量。
在实际应用中由于车辆厂商、型号、以及使用年限的不同,不同车辆对应不同的动力学参数,因此由多个车辆组成一个车队时实际是一个异构系统。
如图2所示,本发明基于加速度前馈的异构车队协同自适应巡航控制方法一种实施例的车队示意图,Li-1、Li、Li+1分别为车辆(i-1)、 i、(i+1)的长度,pi-1、pi、pi+1分别为车辆(i-1)、i、(i+1)的位置, ai-1、ai分别代表车辆(i-1)、i的加速度。当一辆车跟随另一辆车时,车与车之间的期望距离δi由后车的跟车策略决定。被控车辆与前车的期望间隔距离通过后车的跟车策略获取,如式(2)所示:
δi=ri+hivi 式(2)
其中,ri代表被控车辆与前车停车时的距离,vi为描述被控车辆车速的变量,hi为预设的间隔时间。
实际间隔距离与期望间隔距离的误差如式(3)所示:
ei=pi-1-pi-Li-1-δi 式(3)
其中,pi-1和Li-1分别代表前车位置和前车车身长度,δi为被控车辆与前车的期望间隔距离。
本发明一个实施例中,被控车辆具有动力学参数τi=2.6316s, di=0.18s,跟车策略中停车时距离ri选取2m,此时,第一传递函数如式 (4)所示:
此时,被控车辆与前车的期望间隔距离如式(5)所示:
δi=2+hivi 式(5)
停车时距离ri还可以选取其他的距离,对本发明方法最终的结果没有影响,本实施例仅以2m举例说明。
步骤S20,基于所述第一传递函数,获取前车加速度到被控车辆加速度的第二传递函数,并基于所述第二传递函数通过频域分析法获取车队频域弦稳定条件。
利用汽车对汽车通讯系统,前车将自身的信息传输给其它车辆,从而后车能够提前预判和前车的相对距离和相对速度的变化,提高跟随性能。传输的信号经过一个前馈控制,和车辆自身误差有关的反馈控制相结合,组成了协同自适应巡航控制系统。这样的一组车纵向形成一个车队,即为CACC车队。
由于前车-跟随拓扑结构的简单、易实现特性,在CACC车队中得到了广泛的使用。后车只接收和它最近邻的前车信号,在本发明方法,只考虑传输前车的加速度。如图3所示,为本发明基于加速度前馈的异构车队协同自适应巡航控制方法一种实施例的单台车辆控制框架示意图,Ff和Fb对应前馈和反馈控制,Hi代表跟车策略,Hi(s)=1+shi,D=e-sl代表无线通讯,其中l是通讯时延。假设车载传感器能够提供可靠的距离和车速测量信息,无线通讯能够以一个固定的平均时延传输前车的加速度信息。加速度传递函数,即第二传递函数如式(6)所示:
其中,Ai-1代表前车加速度的拉普拉斯变换,Ai代表被控车辆加速度的拉普拉斯变换,Gi代表被控车辆第一传递函数,Ff代表前馈控制模块,Fb代表反馈控制模块,hi为预设的间隔时间,D代表车辆无线通讯时延对应的拉普拉斯变换。
反馈控制如式(7)所示:
其中,Kfb为反馈控制向量,Kfb(1)、Kfb(2)分别为向量第一和第二元素,τi代表被控车辆由于传动装置和底层控制系统导致的时间常数,hi为预设的间隔时间。
前馈控制如式(8)所示:
其中,Kff为前馈控制参数,τi代表被控车辆由于传动装置和底层控制系统导致的时间常数,hi为预设的间隔时间。
本发明一个实施例中,前车的加速度信号基于标准的WiFi 协议IEEE 802.11g以10Hz的频率进行无线传输,因此平均通讯时延 l=0.06s,此时,通讯网络D=e-0.06s。
车队频域弦稳定条件如式(9)所示:
步骤S30,基于所述第一传递函数、被控车辆与前车的实际间隔距离与期望间隔距离的误差,定义辅助控制变量和辅助噪声变量,构建车队状态空间模型。
计算期望间隔距离与实际间隔距离的误差的时间导数,如式 (10)、式(11)所示:
其中,ai-1、ai分别代表车辆(i-1)、i的加速度,hi为预设的间隔时间,vi、vi-1分别为描述车辆i、(i-1)车速的变量。
定义一个辅助控制输入u,满足式(12):
其中,变量u(t-di)的时延是为了补偿执行器中的时延,此时,式(11)转换为式(13):
因此根据式(1),原始的控制指令ui可以根据u重新得到,如式(14)所示:
定义一个辅助干扰信号w,满足式(15):
这样ai和ai-1之间的传递函数完全等于u(t-di)和w(t)之间的传递函数,如式(16)所示:
后车加速度前馈的CACC控制器基于自身状态和前车传输过来的加速度信号,以线性的方式计算u,如式(18)所示:
u(t)=Kfbx1(t)+Kffx2(t-l) 式(18)
其中,Kfb为反馈控制向量,Kff为前馈控制参数,变量x2(t-l) 中的时延是由无线通讯产生的,将控制规律代入系统,并将u(t-di)当作输出信号,那么加速度前馈的CACC状态空间模型如式(19)所示:
步骤S40,基于所述车队状态空间模型及车队频域弦稳定条件,通过时域分析法获取车队时域弦稳定条件。
根据式(19)中的状态空间模型,输入和输出之间的传递函数如式(20)所示:
其中,Z和W分别代表z(t)和w(t)的拉普拉斯变换,I代表单位矩阵。
第一,当噪声不存在时系统能够稳定在原点;
这样的系统也称为噪声衰减小于等于1稳定。
在时域上为了满足上述条件,引入类函数的定义,即一个连续的函数α:[0,a)→[0,∞)如果是严格递增并且α(0)=0,那么它就称为类函数。假设α1,α2,β是类函数,噪声衰减小于等于1稳定的系统满足以下条件:
第三,沿着无噪声的系统轨迹如式(23)所示:
步骤S50,基于所述车队时域弦稳定条件、车队状态空间模型和预设的间隔时间,获取被控车辆前馈控制参数和反馈控制参数。
根据在时域的分析,设计CACC系统等价于找到空间状态模型式(20)中的K1和K2,使得系统是噪声衰减小于等于1稳定。由于K1和 K2特殊的结构,需要在设计参数时额外加以注意。为此在给定CACC系统参数hi,l下,定义一个正定的对称矩阵G。如果存在正定矩阵L1,L2,半正定矩阵R1,R2,以及任意尺寸兼容的矩阵Vfb,Vff,N1,N2, Y1,Y2,满足如式(24)、式(25)、式(26)的LMI约束条件:
基于上述条件,对基于加速度的CACC系统的设计等价于找到满足式(24)-式(26)中LMI约束的解。LMI问题可以通过内点法进行求解,一些功能强大的求解器如SEDUMI和SDPT3已经被内置到常见的优化工具如YALMIP和CVX中。因此使用时域方法在状态空间求解约束优化问题能够明显减少计算负担,具有更好的便捷性。而传统方法往往通过频域法对传递函数进行分析,需要手动调整找到使CACC系统满足弦稳定条件的前馈和反馈控制参数。
步骤S60,基于所述被控车辆前馈控制参数和反馈控制参数,进行被控车辆协同自适应巡航控制。
本发明一个实施例中,预设的被控车辆间隔时间参数hi=2。此外为了与通用的CACC系统相一致,前馈控制参数Kff=1。正定的对称矩阵G选取G=diag(1,0.001)。基于此使用LMI工具求解式(24)-式(26) 约束得到该问题是存在可行解的,结果对应Kfb=[0.4129,1.2492]以及 Kff=1。因此在该前馈和反馈控制参数下CACC车队在hi=2s时是具有弦稳定的。前车和后车加速度信号之间的传递函数如式(27)所示:
如图4所示,为本发明基于加速度前馈的异构车队协同自适应巡航控制方法一种实施例的在预设车辆间隔时间参数下第二传递函数的频域曲线图,在任意ω>0情况下传递函数的幅值都是小于等于1的,因此系统具有弦稳定性。
该自适应巡航控制方法还设置有前馈控制参数、反馈控制参数、预设的被控车辆间隔时间优化步骤,其方法为:
步骤M10,设定被控车辆间隔时间搜索区间[0,hmax];
步骤M20,在[0,hmax]区间内根据二分搜索算法,依次计算直至获取车队时域弦稳定条件下最小间隔时间、以及对应的前馈控制参数和反馈控制参数;
步骤M30,所述前馈控制参数和反馈控制参数为最优前馈控制参数和反馈控制参数,其对应的车辆间隔时间为最小间隔时间。
在步骤S50计算开始之前,需要获取参数hi,τi,di,l的值。车辆参数τi和di可以根据车辆动力学对给定信息的响应辨识出来。通讯时延l可以根据传输时长和频率进行估计。对于车辆间隔时间,它反映了一个车辆期望以多远的距离跟随前车。短的跟车距离有利于提高道路的通行能力,但是hi越小CACC系统越难以保证车队的弦稳定性。因此我们希望能够找到满足弦稳定的最小间隔时间。为此使用二分搜索算法,在事先给定的搜索区间[0,hmax],通过迭代的方式针对当前搜索的间隔时间参数下判断步骤S50构造的LMI约束是否存在可行解。最终找到使系统具有弦稳定的最小间隔时间。
本发明一个实施例中,对最小间隔时间在hi∈[0,5s]的范围进行二分搜索,最终得到hmin=0.7058s,以及对应的Kfb=[0.4065,1.0983]和 Kff=1。相应的,前车和后车加速度信号之间的传递函数如式(28)所示:
如图5所示,为本发明基于加速度前馈的异构车队协同自适应巡航控制方法一种实施例的计算最小间隔时间时第二传递函数的频域曲线图,在任意ω>0情况下传递函数的幅值都是小于等于1的,因此系统具有弦稳定性。获取的最小间隔时间远小于人为设定的间隔时间,此方法提高了车队通行能力的同时简化了控制设计难度。
本发明第二实施例的基于加速度前馈的异构车队协同自适应巡航控制系统,该自适应巡航控制系统包括车辆动力学模型构建模块、频域弦稳定条件获取模块、状态空间模型构建模块、时域弦稳定条件获取模块、控制参数获取模块、巡航控制模块;
所述车辆动力学模型构建模块,配置为配置为基于获取的被控车辆执行器时延和车辆时间常数,定义被控车辆的期望加速度到车辆位置的第一传递函数;定义跟车策略,并获取被控车辆与前车的期望间隔距离;基于所述被控车辆与前车的期望间隔距离获取被控车辆与前车的实际间隔距离与期望间隔距离的误差;所述跟车策略包括被控车辆的速度、预设的间隔时间、停车间隔距离;
所述频域弦稳定条件获取模块,配置为基于所述第一传递函数,获取前车加速度到被控车辆加速度的第二传递函数,并基于所述第二传递函数通过频域分析法获取车队频域弦稳定条件;
所述状态空间模型构建模块,配置为基于所述第一传递函数、被控车辆与前车的实际间隔距离与期望间隔距离的误差,定义辅助控制变量和辅助噪声变量,构建车队状态空间模型;
所述时域弦稳定条件获取模块,配置为基于所述车队状态空间模型及车队频域弦稳定条件,通过时域分析法获取车队时域弦稳定条件;
所述控制参数获取模块,配置为基于所述车队时域弦稳定条件、车队状态空间模型和预设的被控车辆间隔时间,获取被控车辆前馈控制参数和反馈控制参数;
所述巡航控制模块,配置为基于所述被控车辆前馈控制参数和反馈控制参数,进行被控车辆协同自适应巡航控制。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的基于加速度前馈的异构车队协同自适应巡航控制系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本发明第三实施例的一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的基于加速度前馈的异构车队协同自适应巡航控制方法。
本发明第四实施例的一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的基于加速度前馈的异构车队协同自适应巡航控制方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (12)
1.一种基于加速度前馈的异构车队协同自适应巡航控制方法,其特征在于,该自适应巡航控制方法包括:
步骤S10,基于获取的被控车辆执行器时延和车辆时间常数,定义被控车辆的期望加速度到车辆位置的第一传递函数;定义跟车策略,并获取被控车辆与前车的期望间隔距离;基于所述被控车辆与前车的期望间隔距离,获取被控车辆与前车的实际间隔距离与期望间隔距离的误差;所述跟车策略包括被控车辆的速度、预设的间隔时间、停车间隔距离;
步骤S20,基于所述第一传递函数,获取前车加速度到被控车辆加速度的第二传递函数,并基于所述第二传递函数通过频域分析法获取车队频域弦稳定条件;
步骤S30,基于所述第一传递函数、被控车辆与前车的实际间隔距离与期望间隔距离的误差,定义辅助控制变量和辅助噪声变量,构建车队状态空间模型;
步骤S40,基于所述车队状态空间模型及车队频域弦稳定条件,通过时域分析法获取车队时域弦稳定条件;
步骤S50,基于所述车队时域弦稳定条件、车队状态空间模型和预设的间隔时间,获取被控车辆前馈控制参数和反馈控制参数;
步骤S60,基于所述被控车辆前馈控制参数和反馈控制参数,进行被控车辆协同自适应巡航控制。
2.根据权利要求1所述的基于加速度前馈的异构车队协同自适应巡航控制方法,其特征在于,该自适应巡航控制方法还设置有前馈控制参数、反馈控制参数、预设的间隔时间优化步骤,其方法为:
步骤M10,设定被控车辆间隔时间搜索区间[0,hmax];
步骤M20,在[0,hmax]区间内根据二分搜索算法,依次计算直至获取车队时域弦稳定条件下最小间隔时间、以及对应的前馈控制参数和反馈控制参数;
步骤M30,所述前馈控制参数和反馈控制参数为最优前馈控制参数和反馈控制参数,其对应的车辆间隔时间为最小间隔时间。
4.根据权利要求1所述的基于加速度前馈的异构车队协同自适应巡航控制方法,其特征在于,所述被控车辆与前车的期望间隔距离通过跟车策略获取,其方法为:
δi=ri+hivi
其中,ri代表被控车辆与前车停车时的距离,vi为描述被控车辆车速的变量,hi为预设的间隔时间。
5.根据权利要求4所述的基于加速度前馈的异构车队协同自适应巡航控制方法,其特征在于,所述实际间隔距离与期望间隔距离的误差为:
ei=pi-1-pi-Li-1-δi
其中,pi-1和Li-1分别代表前车位置和前车车身长度,δi为被控车辆与前车的期望间隔距离。
10.一种基于加速度前馈的异构车队协同自适应巡航控制系统,其特征在于,该自适应巡航控制系统包括车辆动力学模型构建模块、频域弦稳定条件获取模块、状态空间模型构建模块、时域弦稳定条件获取模块、控制参数获取模块、巡航控制模块;
所述车辆动力学模型构建模块,配置为基于获取的被控车辆执行器时延和车辆时间常数,定义被控车辆的期望加速度到车辆位置的第一传递函数;定义跟车策略,并获取被控车辆与前车的期望间隔距离;基于所述被控车辆与前车的期望间隔距离获取被控车辆与前车的实际间隔距离与期望间隔距离的误差;所述跟车策略包括被控车辆的速度、预设的间隔时间、停车间隔距离;
所述频域弦稳定条件获取模块,配置为基于所述第一传递函数,获取前车加速度到被控车辆加速度的第二传递函数,并基于所述第二传递函数通过频域分析法获取车队频域弦稳定条件;
所述状态空间模型构建模块,配置为基于所述第一传递函数、被控车辆与前车的实际间隔距离与期望间隔距离的误差,定义辅助控制变量和辅助噪声变量,构建车队状态空间模型;
所述时域弦稳定条件获取模块,配置为基于所述车队状态空间模型及车队频域弦稳定条件,通过时域分析法获取车队时域弦稳定条件;
所述控制参数获取模块,配置为基于所述车队时域弦稳定条件、车队状态空间模型和预设的被控车辆间隔时间,获取被控车辆前馈控制参数和反馈控制参数;
所述巡航控制模块,配置为基于所述被控车辆前馈控制参数和反馈控制参数,进行被控车辆协同自适应巡航控制。
11.一种存储装置,其中存储有多条程序,其特征在于,所述程序适于由处理器加载并执行以实现权利要求1-9任一项所述的基于加速度前馈的异构车队协同自适应巡航控制方法。
12.一种处理装置,包括
处理器,适于执行各条程序;以及
存储装置,适于存储多条程序;
其特征在于,所述程序适于由处理器加载并执行以实现:
权利要求1-9任一项所述的基于加速度前馈的异构车队协同自适应巡航控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911110197.3A CN110888322B (zh) | 2019-11-14 | 2019-11-14 | 基于加速度前馈的异构车队协同自适应巡航控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911110197.3A CN110888322B (zh) | 2019-11-14 | 2019-11-14 | 基于加速度前馈的异构车队协同自适应巡航控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110888322A true CN110888322A (zh) | 2020-03-17 |
CN110888322B CN110888322B (zh) | 2021-04-13 |
Family
ID=69747446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911110197.3A Active CN110888322B (zh) | 2019-11-14 | 2019-11-14 | 基于加速度前馈的异构车队协同自适应巡航控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110888322B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111332290A (zh) * | 2020-03-24 | 2020-06-26 | 湖南大学 | 一种基于前馈-反馈控制的车辆编队方法和系统 |
CN112572436A (zh) * | 2020-12-15 | 2021-03-30 | 北京理工大学 | 一种车辆跟车控制方法及系统 |
CN113147764A (zh) * | 2021-06-01 | 2021-07-23 | 吉林大学 | 基于协同式自适应巡航系统混合势函数的车辆控制方法 |
CN113296518A (zh) * | 2021-05-25 | 2021-08-24 | 山东交通学院 | 就地热再生机组编队无人驾驶系统及方法 |
CN113460048A (zh) * | 2021-08-11 | 2021-10-01 | 东南大学 | 设计自动驾驶车辆高速近距离安全编队间隔策略的方法 |
CN113970926A (zh) * | 2021-09-29 | 2022-01-25 | 河海大学 | 一种基于信息年龄的自动驾驶车辆编队的控制参数联合优化方法 |
CN114179802A (zh) * | 2021-12-01 | 2022-03-15 | 中国科学院计算技术研究所 | 一种车辆协作自适应巡航控制的方法 |
CN115981166A (zh) * | 2023-03-20 | 2023-04-18 | 青岛大学 | 车队安全运行控制方法、系统、计算机设备以及存储介质 |
CN116513214A (zh) * | 2023-04-23 | 2023-08-01 | 东南大学 | 一种基于滑模控制的车辆纵向跟随分层式控制系统及方法 |
CN116560227A (zh) * | 2023-03-31 | 2023-08-08 | 上海理工大学 | 基于广义扩张状态观测器的鲁棒弦稳定车队纵向控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150291162A1 (en) * | 2012-11-09 | 2015-10-15 | Nederlandse Organisatie Voor Toegepast- Natuurwetenschappelijk Onderzoek Tno | Vehicle spacing control |
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 |
CN107943071A (zh) * | 2017-11-03 | 2018-04-20 | 中国科学院自动化研究所 | 无人车的编队保持控制方法及系统 |
-
2019
- 2019-11-14 CN CN201911110197.3A patent/CN110888322B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150291162A1 (en) * | 2012-11-09 | 2015-10-15 | Nederlandse Organisatie Voor Toegepast- Natuurwetenschappelijk Onderzoek Tno | Vehicle spacing control |
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 |
CN107943071A (zh) * | 2017-11-03 | 2018-04-20 | 中国科学院自动化研究所 | 无人车的编队保持控制方法及系统 |
Non-Patent Citations (4)
Title |
---|
AHMED M. H. AL-JHAYYISH等: "Feedforward Strategies for Cooperative Adaptive", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS,》 * |
YUANHENG ZHU等: "Adaptive Optimal Control of Heterogeneous CACC", 《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY,》 * |
吴赛男: "约束车辆队列系统参数化模型预测控制", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
戴建国: "网络化系统的稳定性分析、控制及滤波", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111332290B (zh) * | 2020-03-24 | 2021-06-01 | 湖南大学 | 一种基于前馈-反馈控制的车辆编队方法和系统 |
CN111332290A (zh) * | 2020-03-24 | 2020-06-26 | 湖南大学 | 一种基于前馈-反馈控制的车辆编队方法和系统 |
CN112572436A (zh) * | 2020-12-15 | 2021-03-30 | 北京理工大学 | 一种车辆跟车控制方法及系统 |
CN113296518A (zh) * | 2021-05-25 | 2021-08-24 | 山东交通学院 | 就地热再生机组编队无人驾驶系统及方法 |
CN113147764B (zh) * | 2021-06-01 | 2022-08-16 | 吉林大学 | 基于协同式自适应巡航系统混合势函数的车辆控制方法 |
CN113147764A (zh) * | 2021-06-01 | 2021-07-23 | 吉林大学 | 基于协同式自适应巡航系统混合势函数的车辆控制方法 |
CN113460048A (zh) * | 2021-08-11 | 2021-10-01 | 东南大学 | 设计自动驾驶车辆高速近距离安全编队间隔策略的方法 |
CN113460048B (zh) * | 2021-08-11 | 2022-07-01 | 东南大学 | 设计自动驾驶车辆高速近距离安全编队间隔策略的方法 |
CN113970926A (zh) * | 2021-09-29 | 2022-01-25 | 河海大学 | 一种基于信息年龄的自动驾驶车辆编队的控制参数联合优化方法 |
CN113970926B (zh) * | 2021-09-29 | 2024-05-14 | 河海大学 | 一种基于信息年龄的自动驾驶车辆编队的控制参数联合优化方法 |
CN114179802A (zh) * | 2021-12-01 | 2022-03-15 | 中国科学院计算技术研究所 | 一种车辆协作自适应巡航控制的方法 |
CN115981166A (zh) * | 2023-03-20 | 2023-04-18 | 青岛大学 | 车队安全运行控制方法、系统、计算机设备以及存储介质 |
CN116560227A (zh) * | 2023-03-31 | 2023-08-08 | 上海理工大学 | 基于广义扩张状态观测器的鲁棒弦稳定车队纵向控制方法 |
CN116560227B (zh) * | 2023-03-31 | 2023-12-12 | 上海理工大学 | 基于广义扩张状态观测器的鲁棒弦稳定车队纵向控制方法 |
CN116513214A (zh) * | 2023-04-23 | 2023-08-01 | 东南大学 | 一种基于滑模控制的车辆纵向跟随分层式控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110888322B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110888322B (zh) | 基于加速度前馈的异构车队协同自适应巡航控制方法 | |
CN109927725B (zh) | 一种具有驾驶风格学习能力的自适应巡航系统及实现方法 | |
Wang et al. | Ultra-local model predictive control: A model-free approach and its application on automated vehicle trajectory tracking | |
CN107697070B (zh) | 驾驶行为预测方法和装置、无人车 | |
CN109606367B (zh) | 基于车联网的巡航控制系统的最优线性控制方法及装置 | |
US11643089B2 (en) | Vehicle control system | |
DE102014203296A1 (de) | Geschwindigkeitssteuerung auf effizienzbasismit mit dem verkehr vereinbaren geschwindigkeitsversätzen | |
DE112009005449T5 (de) | Fahrsteuervorrichtung | |
US20180095462A1 (en) | Method for Determining Road Surface Based on Vehicle Data | |
US11579574B2 (en) | Control customization system, control customization method, and control customization program | |
Lang et al. | Predictive cooperative adaptive cruise control: Fuel consumption benefits and implementability | |
Ure et al. | Enhancing situational awareness and performance of adaptive cruise control through model predictive control and deep reinforcement learning | |
CN113412458A (zh) | 辅助系统的轨迹规划方法 | |
CN112660126A (zh) | 用于自适应巡航的车辆协同控制方法、装置及车辆 | |
DE102021110868A1 (de) | Fahrzeugsteuerungssysteme und -verfahren | |
DE102020133412A1 (de) | System und Verfahren zum Festlegen eines Fahrspurwechselmanövers | |
DE102022125908A1 (de) | Zielschlupfschätzung | |
DE102020122086A1 (de) | Messen von vertrauen in tiefen neuronalen netzwerken | |
DE102020125684A1 (de) | Intelligente fahrzeuge mit verteilten sensorarchitekturen und eingebetteter verarbeitung mit berechnung und datenaustausch | |
WO2020245218A1 (de) | Verfahren und vorrichtung zum ermitteln einer regelungsstrategie für ein technisches system | |
CN114510032A (zh) | 一种保障车辆快速编队稳定的多车协同控制方法及装置 | |
DE102021111140A1 (de) | Verfahren; systeme und vorrichtungen zur drehmomentregelung unter verwendung von wurzeln eines pseudo-neuronalen netzes | |
CN116366685A (zh) | 车辆的通信计算系统确定方法 | |
DE102022125228A1 (de) | Automatisiertes fahrsystem mit gewünschtem niveau der fahraggresivität | |
DE102021132197A1 (de) | Verfahren, Systeme und Vorrichtungen zur verhaltensbasierten adaptiven, an den Fahrstil eines Fahrers anpassenden, Geschwindigkeitsregelung (ACC) |
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 |