CN111497842B - 一种人机双闭环分层协同纵向跟车控制方法 - Google Patents
一种人机双闭环分层协同纵向跟车控制方法 Download PDFInfo
- Publication number
- CN111497842B CN111497842B CN202010367442.5A CN202010367442A CN111497842B CN 111497842 B CN111497842 B CN 111497842B CN 202010367442 A CN202010367442 A CN 202010367442A CN 111497842 B CN111497842 B CN 111497842B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- following
- speed
- loop
- vehicle speed
- 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.)
- Active
Links
Images
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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/087—Interaction between the driver and the control system where the control system corrects or modifies a request from the driver
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal position
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/12—Brake pedal position
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Abstract
本发明公开了一种人机双闭环分层协同纵向跟车控制方法,包括以下步骤:限定自动驾驶车辆配置、跟车任务和场景;构建车辆纵向动力学模型;建立纵向跟车状态空间表达式;人机双闭环分层协同方法设计;设计车速跟随控制器;构建车速跟随闭环控制系统;求解车速跟随控制器增益;设计指导驾驶员车间距调节策略。本发明避免了目前通行的两类人车协同跟车控制方法的缺陷,提高系统稳定性,提高了驾驶员的驾驶体验;延长控制元件的使用寿命,同时能降低其他风险。
Description
技术领域
本发明属于智能汽车人机共驾领域,特别是针对智能汽车纵向跟车控制任务,涉及一种人机双闭环分层协同纵向跟车控制方法,通过人机分层协同保持驾驶员在环,避免人机作用冲突,提升智能汽车跟车稳定性、安全性和舒适性。
背景技术
目前在智能汽车控制领域,因人机协同可充分发挥驾驶员和驾驶自动化系统各自的优势,被认为是提升智能汽车稳定性、安全性和舒适性的可行技术手段,正受到学术界和产业界的广泛关注。
目前较为前沿的智能汽车人机协同跟车控制方法大体可分为两类:第一类是通过人机分时切换驾驶的方法使驾驶员保持较高的注意力水平,该类方法根据需求的目标,通过各种优化算法对人机切换的时间点进行优化,但这种频繁的切换不能从根本上避免驾驶员不在环的风险,同时也会严重影响驾驶员对自动驾驶的驾乘体验。第二类是通过将跟车任务分解为车速控制和车间距调节等任务进行人机分工协同,综合驾驶自动化系统和驾驶员的控制作用对车辆进行控制,但这种人机分工控制策略因人机控制处于同一控制回路,会出现人机作用冲突的现象。也就是说,当驾驶员通过踩油门减小车间距时,驾驶自动化系统可能会通过控制刹车进行减速;或者当驾驶员通过踩刹车增大车间距的时候,驾驶自动化系统可能会通过控制油门进行加速。虽然可以通过将驾驶员设置较高的控制权限来保证车辆的可控性,但人机作用的内在冲突仍然可能会影响车辆控制元件的使用寿命或带来一些其他风险。
发明内容
为了避免这些问题,本发明针对跟车场景,提出了一种人机双闭环分层协同控制策略,减少驾驶员操作负荷,避免人机作用冲突的同时,提升智能汽车跟车稳定性和安全性。
为实现上述目标,本发明的技术方案是:一种人机双闭环分层协同纵向跟车控制方法,包括以下步骤:
步骤一:限定车辆配置、跟车任务和场景
假设前车与跟随车处于同一车道上,前车为普通正常车辆,跟随车为配备驾驶自动化系统的智能车辆,车间距可由驾驶员通过人眼观察感知得到;所述驾驶自动化系统包括可感知前车速度的传感器;
步骤二:构建车辆纵向动力学模型
考虑跟随车辆的车速调节过程,定义车速跟随误差ev(t)=vref(t)-v(t),其中vref(t)为时间t时刻的期望车速,v(t)则为时间t时刻的实际车速。另外,分别用a(t)、x(t)和表示跟随车在时间t时刻的加速度、位置和急动度,跟随车车速调节过程的非线性动力学关系可表示为:/>
uengine为发动机输入,另外f1(v(t),a(t))和f2(v(t))的定义分别为:
其中σ为空气密度常数,A表示车辆的横截面积,μ为发动机时间常数,m表示车辆的质量,cdc和dmc分别为车辆的拽力系数和机械拽力。
采用反馈线性化方法,设计如下控制器:
u(t)表示待设计的车速控制输入。此时,车辆纵向非线性动力学方程可转化为如下线性形式:
步骤三:建立纵向跟车状态空间表达式
选取ev(t)和a(t)为状态变量,车辆纵向动力学的状态空间方程可表示为:
x(t)=(A+ΔA)x(t)+(B+ΔB)u(t)+Eω(t)
根据参数不确定性的假设,可以得到
[ΔA ΔB]=HΣ(t)[F1 F2]
其中,
式中,α>0,ε>0为参数不确定性大小辅助表示系数,Σ(t)满足ΣT(t)Σ(t)≤I。
步骤四:人机双闭环分层协同方法设计
双闭环分层协同策略将跟车控制分为内环和外环,内环由所述驾驶自动化系统对车速进行控制,外环由驾驶员对车间距进行调节并生成内环期望速度;
所述驾驶自动化系统包括先进的控制器和高精度的执行机构,并内附合适的控制算法,从而对车速进行快速、精准和稳定的控制。
而对于外环车间距调节,首先定义车间距误差为:
ed(t)=xp(t)-x(t)-hv(t)-s0
式中,h表示驾驶员的期望车头时距,s0代表安全停车距离。假设驾驶员根据车间距误差对车间距进行调节,当ed(t)>0时,车间距相对当前的车速偏大,驾驶员通过踩油门提高所述内环期望车速以期减小车间距;当ed(t)<0时,车间距相对于当前车速偏小,驾驶员通过踩刹车降低所述内环期望速度以期增大车间距。
在人机双闭环协同控制策略中,设计所述内环期望速度等于前车车速与驾驶员控制作用之和,也就是
vref(t)=vp+uhum(t)
当uhum(t)>0时,vref(t)>vp(t),只要内环速度控制具有快速稳定的响应性能,车辆的速度v(t)也将大于vp(t),车间距将逐步减小;当uhum(t)<0时,vref(t)<vp(t),内环车速快速响应跟踪期望车速vref(t),车速v(t)也将小于前车车速vp(t),车间距将逐步增大。
步骤五:设计车速跟随控制器
对于内环车速控制,可以采用状态反馈控制器对内环车速进行调控,即
u(t)=Kx(t)
其中K=[k1,k2],k1、k2为待优化的具体控制增益。
针对车辆动力学参数存在不确定性的问题,可以采用H∞控制对k1和k2的值进行优化,使得内环车速的跟踪性能达到期望的性能指标。假设内环速度控制的期望性能指标为如下二次型形式:
其中Q为权重矩阵,ρ为权重系数,此时,内环驾驶自动化系统车速调控问题已转化为通过H∞控制方法优化k1和k2的值,使J达到最小。
步骤六:构建车速跟随闭环控制系统
结合步骤三构建的跟车状态空间表达式和步骤五设计的车速跟随控制器,内环车速调控闭环系统可表示为:
其中,
Ac=A+BK
ΔAc=ΔA+ΔBK=HΣ(t)F1+HΣ(t)F2K=HΣ(t)Fc
Fc=F1+F2K
定义辅助输出信号
z(t)=Cx(t)+D1u(t)+D2ω(t) (0.3)
此时H∞控制问题可表示为:
步骤七:求解车速跟随控制器增益
对于给定的常数γ>0,λ>0,如果存在对称正定矩阵P和W=P-1,矩阵Y,使得
成立,则所述内环车速调控闭环系统是渐进稳定的且具有γ的H∞扰动抑制等级。即,在零初始状态对所有ω∈L2[0,∞),||z||2≤γ||ω||2恒成立。此外,可得到控制器的增益如下:
K=YW-1
因此,在给定具体的γ值时,通过求解以上线性矩阵不等式,得到状态反馈控制增益K=YW-1,使得所述内环车速调控闭环系统满足期望的优化性能。
步骤八:设计指导驾驶员车间距调节策略
假设驾驶员基于简单的反馈控制思想进行车间距调节,同时考虑到驾驶员感知和操作的模糊特性,驾驶员对车间距的调控策略可表示为:
Chum(s)=kpf(ed)
其中,kp为反馈控制增益,0≤f(ed)≤1反应驾驶员对车间距误差的模糊感知与反应关系。
针对期望速度vref(t),假设内环驾驶自动化系统在H∞状态反馈控制的作用下,对车速调控的动态性能足够好,内环车速跟随控制系统可等效为一个惯性时间常数为μc的一阶惯性环节,即
此时前车车速vp(s)到跟车误差ed(s)的传递函数表达式可表示为:
进一步可以得到系统的特征多项式为:
d(s)=μcs2+(hkpf(ed)+1)s+kpf(ed)
由μc>0,h>0,容易得到,对于0≤f(ed)≤1的非线性模糊关系,kp>0时,特征多项式的各项系数均大于零,根据劳斯稳定性判据,系统必然稳定,也就是车间距误差ed(t)收敛。
进一步,所述步骤一中的所述可感知前车速度的传感器为激光雷达或毫米波雷达。
进一步,对所述步骤二中的急动度方程进一步优化,考虑车辆运动动力学关系中的参数
假设|Δμ(t)|=g(t),g(t)为Lebesgue-measurable连续函数,并且满足α2g2(t)≥ε,α>0,ε>0为参数不确定性大小辅助表示系数。
由于采用了上述技术方案,本发明具有如下的有益效果:
本发明提出的人机双闭环分层协同纵向跟车控制方法,避免了技术背景中提到的目前通行的两类人车协同跟车控制方法的缺陷:一是避免了人机之间的频繁切换,消除了驾驶员不在环的风险,提高系统稳定性,提高了驾驶员的驾驶体验;二是避免了人机分工控制策略因人机控制处于同一控制回路而带来的人机内在冲突的问题,提高了智能跟车系统的稳定性,延长控制元件的使用寿命,同时能降低其他风险。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究,对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述:
图1为纵向跟车示意图;
图2为人机双闭环分层协同纵向跟车控制方法的控制方框图。
具体实施方式
下面结合实施例对本发明作进一步说明。
实施例1
如图1-2所示的一种人机双闭环分层协同纵向跟车控制方法,包括以下步骤:
步骤一:限定车辆配置、跟车任务和场景
假设前车与跟随车处于同一车道上,前车为普通正常车辆,跟随车为配备驾驶自动化系统的智能车辆,车间距可由驾驶员通过人眼观察感知得到;所述驾驶自动化系统包括可感知前车速度的传感器;
步骤二:构建车辆纵向动力学模型
考虑跟随车辆的车速调节过程,定义车速跟随误差ev(t)=vref(t)-v(t),其中vref(t)为时间t时刻的期望车速,v(t)则为时间t时刻的实际车速。另外,分别用a(t)、x(t)和表示跟随车在时间t时刻的加速度、位置和急动度,跟随车车速调节过程的非线性动力学关系可表示为:
uengine为发动机输入,另外f1(v(t),a(t))和f2(v(t))的定义分别为:
其中σ为空气密度常数,A表示车辆的横截面积,μ为发动机时间常数,m表示车辆的质量,cdc和dmc分别为车辆的拽力系数和机械拽力。
采用反馈线性化方法,设计如下控制器:
u(t)表示待设计的车速控制输入。此时,车辆纵向非线性动力学方程可转化为如下线性形式:
步骤三:建立纵向跟车状态空间表达式
选取ev(t)和a(t)为状态变量,车辆纵向动力学的状态空间方程可表示为:
x(t)=(A+ΔA)x(t)+(B+ΔB)u(t)+Eω(t)
根据参数不确定性的假设,可以得到
[ΔA ΔB]=HΣ(t)[F1 F2]
其中,
式中,α>0,ε>0为参数不确定性大小辅助表示系数,Σ(t)满足ΣT(t)Σ(t)≤I。
步骤四:人机双闭环分层协同方法设计
双闭环分层协同策略将跟车控制分为内环和外环,内环由所述驾驶自动化系统对车速进行控制,外环由驾驶员对车间距进行调节并生成内环期望速度;
所述驾驶自动化系统包括先进的控制器和高精度的执行机构,并内附合适的控制算法,从而对车速进行快速、精准和稳定的控制。
而对于外环车间距调节,首先定义车间距误差为:
ed(t)=xp(t)-x(t)-hv(t)-s0
式中,h表示驾驶员的期望车头时距,s0代表安全停车距离。假设驾驶员根据车间距误差对车间距进行调节,当ed(t)>0时,车间距相对当前的车速偏大,驾驶员通过踩油门提高所述内环期望车速以期减小车间距;当ed(t)<0时,车间距相对于当前车速偏小,驾驶员通过踩刹车降低所述内环期望速度以期增大车间距。
在人机双闭环协同控制策略中,设计所述内环期望速度等于前车车速与驾驶员控制作用之和,也就是
vref(t)=vp+uhum(t)
当uhum(t)>0时,vref(t)>vp(t),只要内环速度控制具有快速稳定的响应性能,车辆的速度v(t)也将大于vp(t),车间距将逐步减小;当uhum(t)<0时,vref(t)<vp(t),内环车速快速响应跟踪期望车速vref(t),车速v(t)也将小于前车车速vp(t),车间距将逐步增大。
步骤五:设计车速跟随控制器
对于内环车速控制,可以采用状态反馈控制器对内环车速进行调控,即
u(t)=Kx(t)
其中K=[k1,k2],k1、k2为待优化的具体控制增益。
针对车辆动力学参数存在不确定性的问题,可以采用H∞控制对k1和k2的值进行优化,使得内环车速的跟踪性能达到期望的性能指标。假设内环速度控制的期望性能指标为如下二次型形式:
其中Q为权重矩阵,ρ为权重系数,此时,内环驾驶自动化系统车速调控问题已转化为通过H∞控制方法优化k1和k2的值,使J达到最小。
步骤六:构建车速跟随闭环控制系统
结合步骤三构建的跟车状态空间表达式和步骤五设计的车速跟随控制器,内环车速调控闭环系统可表示为:
其中,
Ac=A+BK
ΔAc=ΔA+ΔBK=HΣ(t)F1+HΣ(t)F2K=HΣ(t)Fc
Fc=F1+F2K
定义辅助输出信号
z(t)=Cx(t)+D1u(t)+D2ω(t) (0.5)
此时H∞控制问题可表示为:
步骤七:求解车速跟随控制器增益
对于给定的常数γ>0,λ>0,如果存在对称正定矩阵P和W=P-1,矩阵Y,使得
成立,则所述内环车速调控闭环系统是渐进稳定的且具有γ的H∞扰动抑制等级。即,在零初始状态对所有ω∈L2[0,∞),||z||2≤γ||ω||2恒成立。此外,可得到控制器的增益如下:
K=YW-1
因此,在给定具体的γ值时,通过Matlab提供的LMI工具箱求解以上线性矩阵不等式,得到状态反馈控制增益K=YW-1,使得所述内环车速调控闭环系统满足期望的优化性能。
步骤八:设计指导驾驶员车间距调节策略
假设驾驶员基于简单的反馈控制思想进行车间距调节,同时考虑到驾驶员感知和操作的模糊特性,驾驶员对车间距的调控策略可表示为:
Chum(s)=kpf(ed)
其中,kp为反馈控制增益,0≤f(ed)≤1反应驾驶员对车间距误差的模糊感知与反应关系。
针对期望速度vref(t),假设内环驾驶自动化系统在H∞状态反馈控制的作用下,对车速调控的动态性能足够好,内环车速跟随控制系统可等效为一个惯性时间常数为μc的一阶惯性环节,即
此时前车车速vp(s)到跟车误差ed(s)的传递函数表达式可表示为:
进一步可以得到系统的特征多项式为:
d(s)=μcs2+(hkpf(ed)+1)s+kpf(ed)
由μc>0,h>0,容易得到,对于0≤f(ed)≤1的非线性模糊关系,kp>0时,特征多项式的各项系数均大于零,根据劳斯稳定性判据,系统必然稳定,也就是车间距误差ed(t)收敛。
所述步骤一中的所述可感知前车速度的传感器为激光雷达。
假设|Δμ(t)|=g(t),g(t)为Lebesgue-measurable连续函数,并且满足α2g2(t)≥ε。
实施例2
本实施例和实施例1的区别在于所述步骤一中的可感知前车速度的传感器为毫米波雷达,其他内容与实施例1相同。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的保护范围当中。
Claims (3)
1.一种人机双闭环分层协同纵向跟车控制方法,其特征在于,包括以下步骤:
步骤一:限定车辆配置、跟车任务和场景
假设前车与跟随车处于同一车道上,前车为普通正常车辆,跟随车为配备驾驶自动化系统的智能车辆,车间距可由驾驶员通过人眼观察感知得到;所述驾驶自动化系统包括可感知前车速度的传感器;
步骤二:构建车辆纵向动力学模型
考虑跟随车辆的车速调节过程,定义车速跟随误差ev(t)=vref(t)-v(t),其中vref(t)为时间t时刻的期望车速,v(t)则为时间t时刻的实际车速;另外,分别用a(t)、x(t)和表示跟随车在时间t时刻的加速度、位置和急动度,跟随车车速调节过程的非线性动力学关系可表示为:
uengine为发动机输入,另外f1(v(t),a(t))和f2(v(t))的定义分别为:
其中σ为空气密度常数,A表示车辆的横截面积,μ为发动机时间常数,m表示车辆的质量,cdc和dmc分别为车辆的拽力系数和机械拽力;
采用反馈线性化方法,设计如下控制器:
u(t)表示待设计的车速控制输入;此时,车辆纵向非线性动力学方程可转化为如下线性形式:
步骤三:建立纵向跟车状态空间表达式
选取ev(t)和a(t)为状态变量,车辆纵向动力学的状态空间方程可表示为:
x(t)=(A+△A)x(t)+(B+△B)u(t)+Eω(t)
根据参数不确定性的假设,可以得到
[△A △B]=HΣ(t)[F1 F2]
其中,
式中,α>0,ε>0为参数不确定性大小辅助表示系数,Σ(t)满足ΣT(t)Σ(t)≤I;g(t)=|△μ(t)|,g(t)为Lebesgue-measurable连续函数,并且满足α2g2(t)≥ε,I为单位矩阵;
步骤四:人机双闭环分层协同方法设计
双闭环分层协同策略将跟车控制分为内环和外环,内环由所述驾驶自动化系统对车速进行控制,外环由驾驶员对车间距进行调节并生成内环期望速度;
所述驾驶自动化系统包括先进的控制器和高精度的执行机构,并内附合适的控制算法,从而对车速进行快速、精准和稳定的控制;
而对于外环车间距调节,首先定义车间距误差为:
ed(t)=xp(t)-x(t)-hv(t)-s0
式中,h表示驾驶员的期望车头时距,s0代表安全停车距离;假设驾驶员根据车间距误差对车间距进行调节,当ed(t)>0时,车间距相对当前的车速偏大,驾驶员通过踩油门提高内环期望车速以期减小车间距;当ed(t)<0时,车间距相对于当前车速偏小,驾驶员通过踩刹车降低所述内环期望速度以期增大车间距;
在人机双闭环协同控制策略中,设计所述内环期望速度等于前车车速与驾驶员控制作用之和,也就是
vref(t)=vp+uhum(t)
当uhum(t)>0时,vref(t)>vp(t),只要内环速度控制具有快速稳定的响应性能,车辆的速度v(t)也将大于vp(t),车间距将逐步减小;当uhum(t)<0时,vref(t)<vp(t),内环车速快速响应跟踪期望车速vref(t),车速v(t)也将小于前车车速vp(t),车间距将逐步增大;
步骤五:设计车速跟随控制器
对于内环车速控制,采用状态反馈控制器对内环车速进行调控,即
u(t)=Kx(t)
其中K=[k1,k2],k1、k2为待优化的具体控制增益;
针对车辆动力学参数存在不确定性的问题,采用H∞控制对k1和k2的值进行优化,使得内环车速的跟踪性能达到期望的性能指标;假设内环速度控制的期望性能指标为如下二次型形式:
其中Q为权重矩阵,ρ为权重系数,此时,内环驾驶自动化系统车速调控问题已转化为通过H∞控制方法优化k1和k2的值,使J达到最小;
步骤六:构建车速跟随闭环控制系统
结合步骤三构建的跟车状态空间表达式和步骤五设计的车速跟随控制器,内环车速调控闭环系统可表示为:
其中,
Ac=A+BK
△Ac=△A+△BK=HΣ(t)F1+HΣ(t)F2K=HΣ(t)Fc
Fc=F1+F2K
定义辅助输出信号
z(t)=Cx(t)+D1u(t)+D2ω(t) (0.1)
此时H∞控制问题可表示为:
其中,C、D1、D2为辅助变量;
步骤七:求解车速跟随控制器增益
对于给定的常数γ>0,λ>0,如果存在对称正定矩阵P和W=P-1,矩阵Y,使得
成立,则所述内环车速调控闭环系统是渐进稳定的且具有γ的H∞扰动抑制等级;即,在零初始状态对所有ω∈L2[0,∞),||z||2≤γ||ω||2恒成立;此外,可得到控制器的增益如下:
K=YW-1
因此,在给定具体的γ值时,通过求解以上线性矩阵不等式,得到状态反馈控制增益K=YW-1,使得所述内环车速调控闭环系统满足期望的优化性能,其中,L2表示向量值平方可积的标准勒贝格空间;
步骤八:设计指导驾驶员车间距调节策略
假设驾驶员基于简单的反馈控制思想进行车间距调节,同时考虑到驾驶员感知和操作的模糊特性,驾驶员对车间距的调控策略可表示为:
Chum(s)=kpf(ed)
其中,kp为反馈控制增益,0≤f(ed)≤1反应驾驶员对车间距误差的模糊感知与反应关系;
针对期望速度vref(t),假设内环驾驶自动化系统在H∞状态反馈控制的作用下,对车速调控的动态性能足够好,内环车速跟随控制系统可等效为一个惯性时间常数为μc的一阶惯性环节,即
此时前车车速vp(s)到跟车误差ed(s)的传递函数表达式可表示为:
进一步可以得到系统的特征多项式为:
d(s)=μcs2+(hkpf(ed)+1)s+kpf(ed)
由μc>0,h>0,容易得到,对于0≤f(ed)≤1的非线性模糊关系,kp>0时,特征多项式的各项系数均大于零,根据劳斯稳定性判据,系统必然稳定,也就是车间距误差ed(t)收敛。
2.根据权利要求1所述的一种人机双闭环分层协同纵向跟车控制方法,其特征在于:所述步骤一中的所述可感知前车速度的传感器为激光雷达或毫米波雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010367442.5A CN111497842B (zh) | 2020-04-30 | 2020-04-30 | 一种人机双闭环分层协同纵向跟车控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010367442.5A CN111497842B (zh) | 2020-04-30 | 2020-04-30 | 一种人机双闭环分层协同纵向跟车控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111497842A CN111497842A (zh) | 2020-08-07 |
CN111497842B true CN111497842B (zh) | 2023-03-24 |
Family
ID=71849537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010367442.5A Active CN111497842B (zh) | 2020-04-30 | 2020-04-30 | 一种人机双闭环分层协同纵向跟车控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111497842B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112666833B (zh) * | 2020-12-25 | 2022-03-15 | 吉林大学 | 一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000177428A (ja) * | 1998-12-21 | 2000-06-27 | Toyota Motor Corp | 車両走行制御方法およびシステム |
CN106004857A (zh) * | 2015-03-30 | 2016-10-12 | 富士重工业株式会社 | 车辆的驾驶辅助系统 |
CN107512262A (zh) * | 2017-08-14 | 2017-12-26 | 吉林大学 | 一种针对执行驱动空间受限时的车辆稳定控制系统轮胎力分配方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10316313A1 (de) * | 2003-04-10 | 2004-10-21 | Daimlerchrysler Ag | System zur automatischen Abstandsregelung |
DE102004005229A1 (de) * | 2004-02-03 | 2005-08-18 | Robert Bosch Gmbh | Abstandsregelsystem für Kraftfahrzeuge |
EP2085279B1 (en) * | 2008-01-29 | 2011-05-25 | Ford Global Technologies, LLC | A system for collision course prediction |
FR2935944A1 (fr) * | 2008-09-16 | 2010-03-19 | Renault Sas | Systeme d'optimisation de la consommation de carburant pour vehicule automobile a base de mesures de distances et/ou de vitesses du vehicule precedent le vehicule equipe. |
US8265850B2 (en) * | 2009-02-02 | 2012-09-11 | GM Global Technology Operations LLC | Method and apparatus for target vehicle following control for adaptive cruise control |
JP5088444B2 (ja) * | 2009-03-04 | 2012-12-05 | トヨタ自動車株式会社 | 追従走行制御装置 |
ES2421284T3 (es) * | 2009-07-07 | 2013-08-30 | Volvo Lastvagnar Ab | Procedimiento y controlador para controlar el par de salida de una unidad de propulsión |
US9457810B2 (en) * | 2009-10-21 | 2016-10-04 | Berthold K. P. Horn | Method and apparatus for reducing motor vehicle traffic flow instabilities and increasing vehicle throughput |
GB2496765B (en) * | 2010-07-29 | 2014-04-16 | Ford Global Tech Llc | Systems and methods for scheduling driver interface tasks based on driver workload |
GB2492748B (en) * | 2011-07-04 | 2014-05-07 | Jaguar Land Rover Ltd | Vehicle control system and method for controlling a vehicle |
DE102013011624A1 (de) * | 2013-07-12 | 2015-01-15 | Wabco Gmbh | Verfahren und Vorrichtung zur automatischen Regelung einer Längsdynamik eines Kraftfahrzeugs |
WO2017120336A2 (en) * | 2016-01-05 | 2017-07-13 | Mobileye Vision Technologies Ltd. | Trained navigational system with imposed constraints |
JP6327719B2 (ja) * | 2016-02-04 | 2018-05-23 | 株式会社Subaru | 車両の走行制御装置 |
CN105857309B (zh) * | 2016-05-25 | 2018-06-26 | 吉林大学 | 一种考虑多目标的车辆自适应巡航控制方法 |
JP6708793B2 (ja) * | 2016-12-23 | 2020-06-10 | モービルアイ ビジョン テクノロジーズ リミテッド | 課せられる責任の制約を伴うナビゲーションシステム |
JP6642413B2 (ja) * | 2016-12-27 | 2020-02-05 | トヨタ自動車株式会社 | 車両走行制御装置 |
WO2018132614A2 (en) * | 2017-01-12 | 2018-07-19 | Mobileye Vision Technologies Ltd. | Rules-based navigation |
US10902336B2 (en) * | 2017-10-03 | 2021-01-26 | International Business Machines Corporation | Monitoring vehicular operation risk using sensing devices |
EP3636507A1 (en) * | 2018-03-20 | 2020-04-15 | Mobileye Vision Technologies Ltd. | Comfort responsibility sensitivity safety model |
US10678253B2 (en) * | 2018-05-24 | 2020-06-09 | GM Global Technology Operations LLC | Control systems, control methods and controllers for an autonomous vehicle |
CN108828939B (zh) * | 2018-05-31 | 2021-07-20 | 重庆大学 | 一种考虑驾驶员操作特性的车速引导方法 |
-
2020
- 2020-04-30 CN CN202010367442.5A patent/CN111497842B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000177428A (ja) * | 1998-12-21 | 2000-06-27 | Toyota Motor Corp | 車両走行制御方法およびシステム |
CN106004857A (zh) * | 2015-03-30 | 2016-10-12 | 富士重工业株式会社 | 车辆的驾驶辅助系统 |
CN107512262A (zh) * | 2017-08-14 | 2017-12-26 | 吉林大学 | 一种针对执行驱动空间受限时的车辆稳定控制系统轮胎力分配方法 |
Non-Patent Citations (1)
Title |
---|
车辆自适应巡航控制系统的建模与分层控制;张亮修等;《汽车工程》;20180525(第05期);第50-56页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111497842A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Real-time weighted multi-objective model predictive controller for adaptive cruise control systems | |
US7509194B2 (en) | Vehicle control | |
Shakouri et al. | Nonlinear model predictive control approach in design of adaptive cruise control with automated switching to cruise control | |
CN111497842B (zh) | 一种人机双闭环分层协同纵向跟车控制方法 | |
US6233515B1 (en) | Adaptive vehicle cruise control system and methodology | |
CN113325691B (zh) | 一种无人车双闭环纵向控制方法、系统及设备 | |
US9718470B2 (en) | Driver assistance system for a motor vehicle | |
CN110626342B (zh) | 车间距离控制装置 | |
CN111267834B (zh) | 一种车辆横摆稳定预测控制方法及系统 | |
Shakouri et al. | Simulation validation of three nonlinear model-based controllers in the adaptive cruise control system | |
CN110816530A (zh) | 一种自适应巡航系统的速度跟随控制方法及系统 | |
CN108454607B (zh) | 基于模型预测控制(mpc)的动力系控制的转矩保护 | |
CN104670235A (zh) | 一种前车跟随的实现方法 | |
CN111562739B (zh) | 一种保持驾驶员在环的人机混合智能协同跟车控制方法 | |
CN110962849A (zh) | 一种弯道自适应巡航方法 | |
CN110588652B (zh) | 一种低油耗的车辆自适应巡航控制系统及其控制方法 | |
CN112947047B (zh) | 一种基于自适应pid算法的自动驾驶加速度控制方法 | |
Salem et al. | Enhancing cruise performance through pid controller tuned with particle swarm optimization technique | |
Jiang | Modeling and simulation of adaptive cruise control system | |
CN108749816B (zh) | 运用能量耗散理论进行智能车辆速度调控的方法 | |
CN110617152A (zh) | 一种基于模糊pid控制的油门控制系统 | |
Zhan et al. | A dual closed-loop longitudinal speed controller using smooth feedforward and fuzzy logic for autonomous driving vehicles | |
Trotta et al. | A feedback linearization based approach for fully autonomous adaptive cruise control | |
US7096107B2 (en) | Device for the longitudinal guidance of a motor vehicle | |
CN112477880B (zh) | 一种无人驾驶汽车纵向控制方法 |
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 |