CN111830950B - 一种自适应跟随预测控制方法、系统及装置 - Google Patents
一种自适应跟随预测控制方法、系统及装置 Download PDFInfo
- Publication number
- CN111830950B CN111830950B CN201910249838.7A CN201910249838A CN111830950B CN 111830950 B CN111830950 B CN 111830950B CN 201910249838 A CN201910249838 A CN 201910249838A CN 111830950 B CN111830950 B CN 111830950B
- Authority
- CN
- China
- Prior art keywords
- control
- control sub
- targets
- target
- mean square
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 34
- 230000001133 acceleration Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 9
- 238000011217 control strategy Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 108010063499 Sigma Factor Proteins 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本申请公开了一种自适应跟随预测控制方法,包括实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;根据状态信息数值分别计算当前控制周期内与上一个控制周期内控制子目标的均方差;计算当前控制周期内控制子目标的均方差与上一个控制周期内控制子目标的均方差的和值,将两倍的当前控制周期内控制子目标的均方差与和值作比得到权重调节因子;根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,以实现二次型代价函数动态寻优,得到最优控制向量进行自车控制。该方法可提高多目标预测控制器对复杂工况的适应能力。本申请还公开了一种自适应跟随预测控制系统、装置以及计算机可读存储介质,均具有上述技术效果。
Description
技术领域
本申请涉及车辆控制技术领域,特别涉及一种自适应跟随预测控制方法;还涉及一种自适应跟随预测控制系统、装置及计算机可读存储介质。
背景技术
传统的MPC(Model Predictive Control,模型预测控制)框架下,自适应跟随预测控制中,状态权矩阵与控制权矩阵皆为离线标定的固定权矩阵,即各控制子目标的权重系数固定。权重反应目标的重要性,在多目标控制中,纵向跟驰性能的多个控制子目标及横向稳定性能的多个控制子目标彼此之间存在冲突,即某个控制子目标的权重增加会弱化其他控制子目标的重要性。从而,对于采用固定权矩阵的控制方式来说,其工况适应性有限,且可能导致寻优结果为次优,甚至恶化控制品质。
因此,如何提供一种自适应跟随预测控制方法,提高多目标预测控制器对复杂工况的适应能力,优化控制品质是本领域技术人员亟待解决的技术问题。
发明内容
本申请的目的是提供一种自适应跟随预测控制方法,能够提高多目标预测控制器对复杂工况的适应能力,优化控制品质;本申请的另一目的是提供一种自适应跟随预测控制系统、装置及计算机可读存储介质,均具有上述技术效果。
为解决上述技术问题,本申请提供了一种自适应跟随预测控制方法,包括:
实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;
根据所述状态信息数值分别计算当前控制周期内与上一个控制周期内所述控制子目标的均方差;
计算所述当前控制周期内所述控制子目标的均方差与所述上一个控制周期内所述控制子目标的均方差的和值,并将两倍的所述当前控制周期内所述控制子目标的均方差与所述和值作比得到所述控制子目标的权重调节因子;
根据所述权重调节因子调节二次型代价函数中所述控制子目标的权重系数,以实现所述二次型代价函数动态寻优,得到最优控制向量进行自车控制。
可选的,所述分别计算当前控制周期内与上一个控制周期内控制子目标的均方差前还包括:
根据所述前车状态判断当前工况是否为稳态工况;
若是稳态工况,则不执行计算当前控制周期内与上一个控制周期内控制子目标的均方差及后续调节权重系数的步骤;
若不是稳态工况,则执行计算当前控制周期内与上一个控制周期内控制子目标的均方差及后续调节权重系数的步骤。
可选的,所述根据所述前车状态判断当前工况是否为稳态工况,包括:
判断前车加速度是否处于所述稳态工况对应的加速度区间;
若所述前车加速度处于所述稳态工况对应的加速度区间,则所述当前工况为所述稳态工况;
若所述前车加速度不处于所述稳态工况对应的加速度区间,则所述当前工况非所述稳态工况。
可选的,所述根据所述权重调节因子调节二次型代价函数中各所述控制子目标的权重系数,包括:
其中,所述λmin与所述λmax均为调节参数,所述λk(·)为所述调节因子,所述wk(·)为所述当前控制周期内所述控制子目标的权重系数,所述wk+1(·)为下一个控制周期内所述控制子目标的权重系数。
可选的,还包括:
为解决上述技术问题,本申请还提供了一种自适应跟随预测控制系统,包括:
状态监测模块,用于实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;
均方差计算模块,用于根据所述状态信息数值分别计算当前控制周期内与上一个控制周期内所述控制子目标的均方差;
权重调节因子计算模块,用于计算所述当前控制周期内所述控制子目标的均方差与所述上一个控制周期内所述控制子目标的均方差的和值,并将两倍的所述当前控制周期内所述控制子目标的均方差与所述和值作比得到所述控制子目标的权重调节因子;
权重系数调节模块,用于根据所述权重调节因子调节二次型代价函数中各所述控制子目标的权重系数,以实现所述二次型代价函数动态寻优,得到最优控制向量进行自车控制。
可选的,还包括:
工况判断模块,用于根据所述前车状态判断当前工况是否为稳态工况;若是稳态工况,则均方差计算模块、权重调节因子计算模块及权重系数调节模块不执行相应的操作;若不是稳态工况,则均方差计算模块、权重调节因子计算模块及权重系数调节模块执行相应的操作。
可选的,所述权重系数调节模块具体用于:
其中,所述λmin与所述λmax均为调节参数,所述λk(·)为所述调节因子,所述wk(·)为所述当前控制周期内所述控制子目标的权重系数,所述wk+1(·)为下一个控制周期内所述控制子目标的权重系数。
为解决上述技术问题,本申请还提供了一种自适应跟随预测控制装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述任一项所述的自适应跟随预测控制方法的步骤。
为解决上述技术问题,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的自适应跟随预测控制方法的步骤。
本申请所提供的自适应跟随预测控制方法,包括实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;根据所述状态信息数值分别计算当前控制周期内与上一个控制周期内所述控制子目标的均方差;计算所述当前控制周期内所述控制子目标的均方差与所述上一个控制周期内所述控制子目标的均方差的和值,并将两倍的所述当前控制周期内所述控制子目标的均方差与所述和值作比得到所述控制子目标的权重调节因子;根据所述权重调节因子调节二次型代价函数中所述控制子目标的权重系数,以实现所述二次型代价函数动态寻优,得到最优控制向量进行自车控制。
显然,相较于采用离线标定的固定权矩阵的传统控制方式,本申请所提供的自适应跟随预测控制方法,在实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值的基础上,根据获取的控制子目标的状态信息数值计算当前控制周期内与上一个控制周期内控制子目标的均方差,进一步计算当前控制周期内控制子目标的均方差与上一个控制周期内控制子目标的均方差的和值,并将两倍的当前控制周期内控制子目标的均方差与和值作比而确定控制子目标的权重调节因子;进而根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,从而,在滚动优化过程中根据实时监测状态对各控制子目标的权重系数进行在线自动调整,可以有效克服固定权矩阵造成的工况适应性局限,提高提高多目标预测控制器对复杂工况的适应能力,优化控制品质,并且能够较好的保障量纲一致性与过度平稳性。
本申请所提供的自适应跟随预测控制系统、装置以及计算机可读存储介质,均具有上述技术效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对现有技术和实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种自适应跟随预测控制方法的流程示意图;
图2为本申请实施例所提供的另一种自适应跟随预测控制方法的流程示意图;
图3为本申请实施例所提供的一种在组合工况下的车速响应仿真图;
图4为本申请实施例所提供的一种在组合工况下的车距响应仿真图;
图5为本申请实施例所提供的一种自适应跟随预测控制系统的示意图;
图6为本申请实施例所提供的一种自适应跟随预测控制装置的示意图。
具体实施方式
本申请的核心是提供一种自适应跟随预测控制方法,能够提高多目标预测控制器对复杂工况的适应能力,优化控制品质;本申请的另一核心是提供一种自适应跟随预测控制系统、装置及计算机可读存储介质,均具有上述技术效果。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参考图1,图1为本申请实施例所提供的一种自适应跟随预测控制方法的流程示意图;参考图1,该方法包括:
S101:实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;
S102:根据状态信息数值分别计算当前控制周期内与上一个控制周期内控制子目标的均方差;
具体的,为较好的保障量纲一致性与过度平稳性,本实施例在实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值的基础上,分别计算当前控制周期内控制子目标的均方差以及上一个控制周期内相应的控制子目标的均方差,具体依据分别计算当前控制周期内控制子目标的均方差以及下一个控制周期内控制子目标的均方差;上式中,σ(·)表示控制子目标的均方差,(·)表示控制子目标的类型,如车距误差、相对车速、期望加速度等。如当计算当前控制周期内车距误差的均方差时,对应的将当前控制周期内各时刻车距误差的状态信息数值代入上式中的(·)部分即可。
其中,上述控制子目标的类型可以包括纵向跟驰性能的控制子目标:车距误差、相对车速、实际加速度、冲击度、期望加速度等;以及横向稳定性能的控制子目标:横摆角速度误差、质心侧偏角误差、期望附加横摆力矩等。
S103:计算当前控制周期内控制子目标的均方差与上一个控制周期内控制子目标的均方差的和值,并将两倍的当前控制周期内控制子目标的均方差与和值作比得到控制子目标的权重调节因子;
具体的,本步骤旨在确定控制子目标的权重调节因子,具体将当前控制周期内控制子目标的均方差与上一个控制周期内该控制子目标的均方差作和从而得到二者的和值,进而将两倍的当前控制周期内控制子目标的均方差与此和值作比而得到控制子目标的权重调节因子,即依据得到控制子目标的权重调节因子,其中,λk(·)表示权重调节因子,σk(·)为当前控制周期内控制子目标的均方差,σk-1(·)为上一个控制周期内控制子目标的均方差。
S104:根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,以实现二次型代价函数动态寻优,得到最优控制向量进行自车控制。
具体的,通过步骤S103确定控制子目标的权重因子后,根据此权重调节因子对二次型代价函数中控制子目标的权重系数进行调节,得到下一个控制周期内控制子目标的权重系数,具体可将权重调节因子与当前控制周期内控制子目标的权重系数相乘得到下一个控制周期控制子目标的权重系数,从而在下一个控制周期内通过调节后的二次型代价函数进行自适应跟随预测控制,实现二次型代价函数动态寻优,得到最优控制向量,进而根据此最优控制向量进行自车控制。
其中,为规避权重突变造成的安全隐患,在一种具体的实施方式中,上述根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,包括:根据权重调节因子,依据调节二次型代价函数中控制子目标的权重系数;其中,λmin与λmax均为调节参数,λk(·)为调节因子,wk(·)为当前控制周期内控制子目标的权重系数,wk+1(·)为调整后的下一个控制周期内控制子目标的权重系数。
具体的,为避免权重突变,本实施例设置有下限调节参数:λmin与上限调节参数:λmax,当通过步骤S103计算得到的权重调节因子位于此下限调节参数与上限调节参数之间时,将该权重调节因子与当前控制周期内相应的控制子目标的权重系数相乘得到下一个控制周期内该控制子目标的权重系数;相反,若通过步骤S103计算得到的权重调节因子小于下限调节参数或大于上限调节参数,则相应的将此下限调节参数与当前控制周期内控制子目标的权重系数相乘得到下一个控制周期内控制子目标的权重系数或将此上限调节参数与当前控制周期内控制子目标的权重系数相乘得到下一个控制周期内控制子目标的权重系数。
其中,对于下限调节参数λmin及上限调节参数λmax的具体数值,本申请不做具体限定,可以根据实际应用需要进行差异性设置。
进一步,为避免多目标权重变化可能引发的车辆抖动,在一种具体的实施方式中,还包括:根据优化调节后的下一个控制周期内控制子目标的权重系数;其中,为优化后的下一个控制周期内控制子目标的权重系数;ξ1与ξ2均为优化参数,且满足ξ1+ξ2=1,ξ1>0,ξ2>0。
综上所述,本申请所提供的自适应跟随预测控制方法,在实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值的基础上,根据获取的控制子目标的状态信息数值计算当前控制周期内与上一个控制周期内所述控制子目标的均方差,进一步计算当前控制周期内控制子目标的均方差与上一个控制周期内控制子目标的均方差的和值,并将两倍的当前控制周期内控制子目标的均方差与和值作比而确定控制子目标的权重调节因子;进而根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,从而,在滚动优化过程中根据实时监测状态对各控制子目标的权重系数进行在线自动调整,可以有效克服固定权矩阵造成的工况适应性局限,提高提高多目标预测控制器对复杂工况的适应能力,优化控制品质,并且能够较好的保障量纲一致性与过度平稳性。
例如,在路面附着较差、道路曲率半径较大的情况下,横摆角速度误差与质心侧偏角误差将会相对增大,使得横摆角速度误差以及质心侧偏角误差的均方差均相对于上一时刻的波动增大,即其权重调整因子均将大于1,相应的,其权重系数将会增大,意味着对横摆角速度误差与质心侧偏角误差的惩罚程度相对增大,从而相对纵向跟驰性能,横向稳定性能被优先控制,使其快速收敛于期望参考轨迹。
请参考图2,图2为本申请实施例所提供的另一种自适应跟随预测控制方法的流程示意图;参考图2,该方法包括:
S201:实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;
S202:根据前车状态判断当前工况是否为稳态工况;若是稳态工况,则不执行步骤S203至步骤S205;若不是稳态工况,则执行步骤S203至步骤S205;
S203:根据状态信息数值分别计算当前控制周期内与上一个控制周期内控制子目标的均方差;
S204:计算当前控制周期内控制子目标的均方差与上一个控制周期内控制子目标的均方差的和值,并将两倍的当前控制周期内控制子目标的均方差与和值作比得到控制子目标的权重调节因子;
S205:根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,以实现二次型代价函数动态寻优,得到最优控制向量进行自车控制。
具体的,对于步骤S201以及步骤S203至步骤S205的具体阐述参见上述各实施例的相关部分即可,本申请在此不做赘述,以下对步骤S202具体展开:为在保障较好的控制效果的同时,降低多目标预测控制器的计算负荷,本实施例会根据当前工况进行控制策略判断,即在监测自车与前车状态的基础上,首先根据前车状态判断当前工况是否为稳态工况,若是稳态工况,则不对控制子目标的权重系数进行在线调整,也即不执行后续步骤S203等步骤;若不是稳态工况,如急加速工况、急减速工况等,则对控制子目标的权重系数进行在线调整,也即依次执行步骤S203等后续步骤。
本实施例所提供的自适应跟随预测控制方法,在滚动优化过程中根据实时监测状态对各控制子目标的权重系数进行在线自动调整,可以有效克服固定权矩阵造成的工况适应性局限,提高多目标预测控制器的工况适应能力,优化控制品质,较好的保障量纲一致性与过度平稳性。另外,本实施例对不同工况采取不同的控制策略,可有效权衡计算开销,保障系统实时性。
以下通过仿真验证本实施例所提供的自适应跟随预测控制方法的技术效果:定义前车的组合行驶工况为:匀速工况—>急加速工况—>匀速工况—>急减速工况—>匀速工况。在此组合工况下,针对不同的控制策略,包括权重系数实时在线更新的控制策略(简记为MPC-RW控制)即在线调整控制子目标的权重系数,与权重系数离线标定的控制策略(简记为MPC-CW控制)即不在线调整控制子目标的权重系数,车速响应情况如图3所示,车距响应情况如4所示。结合图3,相对于MPC-RW控制而言,采用MPC-CW控制的速度曲线具有一定的滞后性,从而导致其对车距误差的边界约束能力较差。结合图4,在10-20s,前车急加速时,采用MPC-RW控制对车距误差正向边界约束较好,即加速效果较佳;在60-70s,前车急减速时,采用MPC-RW控制对车距误差负向边界约束较好,即制动效果较佳。而在40-60s时稳态工况下,采用MPC-RW控制与MPC-CW控制的控制效果无明显差异。另外,通过在预测时域长度p=5,单位控制周期为100ms的时间开销仿真统计可知,MPC-RW控制的时间开销为1.4~2ms,占用控制周期的1.4%~2%,而MPC-CW控制的时间开销则明显低于MPC-RW的时间开销。可见,采用上述实施例所提供的自适应跟随预测控制方法,通过对不同工况采取不同的控制策略,不仅可以有效提高多目标预测控制器的工况适应能力,还可较好的权衡计算开销,保障系统实时性。
进一步,为避免控制策略频繁切换而引发车辆抖动,在一种具体的实施方式中,上述根据前车状态判断当前工况是否为稳态工况,包括:判断前车加速度是否处于稳态工况对应的加速度区间;若前车加速度处于稳态工况对应的加速度区间,则当前工况为稳态工况;若前车加速度不处于稳态工况对应的加速度区间,则当前工况非稳态工况。
具体的,本实施例对稳态工况判断设定一定的过度带,即通过判断前车加速度是否位于稳态工况对应的加速度区间而确定当前工况是否为稳态工况,而非判断前车加速度是否为某个具体的加速度值。例如,稳态工况对应的加速度区间为[-0.6,0.6],瞬态浅制动工况对应的加速度区间[-2,-0.6],若前车加速度落于区间[-0.6,0.6],则当前工况即为稳态工况;若前车加速度落于区间[-2,-0.6],则当前工况为瞬态浅制动工况。
本申请还提供了一种自适应跟随预测控制系统,下文描述的系统可以与上文描述的方法相互对应参照。请参考图5,图5为本申请实施例所提供的一种自适应跟随预测控制系统的示意图;参考图5,该系统包括:
状态监测模块10,用于实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;
均方差计算模块20,用于根据状态信息数值分别计算当前控制周期内与上一个控制周期内控制子目标的均方差;
权重调节因子计算模块30,用于计算当前控制周期内控制子目标的均方差与上一个控制周期内控制子目标的均方差的和值,并将两倍的当前控制周期内控制子目标的均方差与和值作比得到控制子目标的权重调节因子;
权重系数调节模块40,用于根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,以实现二次型代价函数动态寻优,得到最优控制向量进行自车控制。
在上述实施例的基础上,可选的,还包括:
工况判断模块,用于根据前车状态判断当前工况是否为稳态工况;若是稳态工况,则均方差计算模块、权重调节因子计算模块及权重系数调节模块不执行相应的操作;若不是稳态工况,则均方差计算模块、权重调节因子计算模块及权重系数调节模块执行相应的操作。
在上述实施例的基础上,可选的,权重系数调节模块40具体用于:
其中,λmin与λmax均为调节参数,λk(·)为调节因子,wk(·)为当前控制周期内控制子目标的权重系数,wk+1(·)为下一个控制周期内控制子目标的权重系数。
在上述实施例的基础上,可选的,还包括:
本申请还提供了一种自适应跟随预测控制装置,请参考图6,图6为本申请实施例所提供的一种自适应跟随预测控制装置的示意图,结合图6,该装置包括:存储器1与处理器2;其中,存储器1用于存储计算机程序;处理器2用于执行上述计算机程序时实现如下的步骤:
实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;根据状态信息数值分别计算当前控制周期内与上一个控制周期内控制子目标的均方差;计算当前控制周期内控制子目标的均方差与上一个控制周期内控制子目标的均方差的和值,并将两倍的当前控制周期内控制子目标的均方差与和值作比得到控制子目标的权重调节因子;根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,以实现二次型代价函数动态寻优,得到最优控制向量进行自车控制。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如下的步骤:
实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;根据状态信息数值分别计算当前控制周期内与上一个控制周期内控制子目标的均方差;计算当前控制周期内控制子目标的均方差与上一个控制周期内控制子目标的均方差的和值,并将两倍的当前控制周期内控制子目标的均方差与和值作比得到控制子目标的权重调节因子;根据权重调节因子调节二次型代价函数中各控制子目标的权重系数,以实现二次型代价函数动态寻优,得到最优控制向量进行自车控制。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请所提供的计算机可读存储介质的介绍请参照上述方法实施例,本申请在此不做赘述。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、设备以及计算机可读存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明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。专业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申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦写可编程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。
以上对本申请所提供的自适应跟随预测控制方法、系统、装置及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围。
Claims (8)
1.一种自适应跟随预测控制方法,其特征在于,包括:
实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;
根据所述状态信息数值分别计算当前控制周期内与上一个控制周期内所述控制子目标的均方差;
计算所述当前控制周期内所述控制子目标的均方差与所述上一个控制周期内所述控制子目标的均方差的和值,并将两倍的所述当前控制周期内所述控制子目标的均方差与所述和值作比得到所述控制子目标的权重调节因子;
根据所述权重调节因子调节二次型代价函数中所述控制子目标的权重系数,以实现所述二次型代价函数动态寻优,得到最优控制向量进行自车控制;
所述根据所述权重调节因子调节二次型代价函数中各所述控制子目标的权重系数,包括:
其中,所述λmin与所述λmax均为调节参数,所述λk(·)为所述调节因子,所述wk(·)为所述当前控制周期内所述控制子目标的权重系数,所述wk+1(·)为下一个控制周期内所述控制子目标的权重系数。
2.根据权利要求1所述的自适应跟随预测控制方法,其特征在于,所述分别计算当前控制周期内与上一个控制周期内控制子目标的均方差前还包括:
根据所述前车状态判断当前工况是否为稳态工况;
若是稳态工况,则不执行计算当前控制周期内与上一个控制周期内控制子目标的均方差及后续调节权重系数的步骤;
若不是稳态工况,则执行计算当前控制周期内与上一个控制周期内控制子目标的均方差及后续调节权重系数的步骤。
3.根据权利要求2所述的自适应跟随预测控制方法,其特征在于,所述根据所述前车状态判断当前工况是否为稳态工况,包括:
判断前车加速度是否处于所述稳态工况对应的加速度区间;
若所述前车加速度处于所述稳态工况对应的加速度区间,则所述当前工况为所述稳态工况;
若所述前车加速度不处于所述稳态工况对应的加速度区间,则所述当前工况非所述稳态工况。
5.一种自适应跟随预测控制系统,其特征在于,包括:
状态监测模块,用于实时监测自车及前车状态,获取p步预测时域内各控制子目标的状态信息数值;
均方差计算模块,用于根据所述状态信息数值分别计算当前控制周期内与上一个控制周期内所述控制子目标的均方差;
权重调节因子计算模块,用于计算所述当前控制周期内所述控制子目标的均方差与所述上一个控制周期内所述控制子目标的均方差的和值,并将两倍的所述当前控制周期内所述控制子目标的均方差与所述和值作比得到所述控制子目标的权重调节因子;
权重系数调节模块,用于根据所述权重调节因子调节二次型代价函数中各所述控制子目标的权重系数,以实现所述二次型代价函数动态寻优,得到最优控制向量进行自车控制;
所述权重系数调节模块具体用于:
其中,所述λmin与所述λmax均为调节参数,所述λk(·)为所述调节因子,所述wk(·)为所述当前控制周期内所述控制子目标的权重系数,所述wk+1(·)为下一个控制周期内所述控制子目标的权重系数。
6.根据权利要求5所述的自适应跟随预测控制系统,其特征在于,还包括:
工况判断模块,用于根据所述前车状态判断当前工况是否为稳态工况;若是稳态工况,则均方差计算模块、权重调节因子计算模块及权重系数调节模块不执行相应的操作;若不是稳态工况,则均方差计算模块、权重调节因子计算模块及权重系数调节模块执行相应的操作。
7.一种自适应跟随预测控制装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述的自适应跟随预测控制方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的自适应跟随预测控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910249838.7A CN111830950B (zh) | 2019-03-29 | 2019-03-29 | 一种自适应跟随预测控制方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910249838.7A CN111830950B (zh) | 2019-03-29 | 2019-03-29 | 一种自适应跟随预测控制方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111830950A CN111830950A (zh) | 2020-10-27 |
CN111830950B true CN111830950B (zh) | 2022-10-14 |
Family
ID=72914273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910249838.7A Active CN111830950B (zh) | 2019-03-29 | 2019-03-29 | 一种自适应跟随预测控制方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111830950B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103754224B (zh) * | 2014-01-24 | 2016-02-24 | 清华大学 | 一种车辆多目标协调换道辅助自适应巡航控制方法 |
CN103754221B (zh) * | 2014-01-24 | 2017-05-24 | 清华大学 | 一种车辆自适应巡航控制系统 |
CN106476806B (zh) * | 2016-10-26 | 2019-01-15 | 上海理工大学 | 基于交通信息的协同式自适应巡航系统算法 |
CN109050658B (zh) * | 2018-07-06 | 2020-09-18 | 长春工业大学 | 基于模型预测控制的汽车主动前轮转向自适应调节方法 |
CN109017984B (zh) * | 2018-07-25 | 2020-11-03 | 吉林大学 | 一种无人车的轨迹跟随控制方法、控制系统及相关装置 |
CN109229098B (zh) * | 2018-09-05 | 2020-09-11 | 广州小鹏汽车科技有限公司 | 一种用于控制车辆自适应巡航车距的方法及车用跟随行驶控制装置 |
-
2019
- 2019-03-29 CN CN201910249838.7A patent/CN111830950B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111830950A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109229098B (zh) | 一种用于控制车辆自适应巡航车距的方法及车用跟随行驶控制装置 | |
JP2929259B2 (ja) | コントローラ | |
CN110267832A (zh) | 车辆变动控制装置 | |
CN109973301B (zh) | 在极端湍流风况下控制风力发电机组变桨的方法和装置 | |
CN114655248A (zh) | 自动驾驶车辆的横向控制方法、装置及车辆 | |
CN110435661B (zh) | 一种车辆行驶模式的切换控制方法及相关装置 | |
CN112677974A (zh) | 一种自适应巡航系统的期望加速度决策方法及系统 | |
CN110340156B (zh) | 带钢卷取温度控制方法、装置及带钢加工系统 | |
CN111830951B (zh) | 一种自适应跟随预测控制方法、系统及装置 | |
US7369923B2 (en) | Control system and method | |
CN111094099B (zh) | 用于求得车辆的重心的位置的方法 | |
CN107450320B (zh) | 一种执行器失效的模糊自适应补偿控制方法 | |
JP2016078744A (ja) | 車両の走行制御装置 | |
CN111830950B (zh) | 一种自适应跟随预测控制方法、系统及装置 | |
CN115520188A (zh) | 节能型车辆速度规划方法、系统、电子设备、存储介质 | |
US7403841B2 (en) | Control system and method for controlling a moving body | |
CN111553309B (zh) | 车道线识别方法及装置 | |
KR102409653B1 (ko) | 수치 제어 장치, 수치 제어 방법 및 수치 제어 프로그램 | |
KR20160032048A (ko) | 차량의 종방향 동적 특성의 자동 제어 방법 및 장치 | |
KR102278353B1 (ko) | 서보 시스템의 자동 공진 검출 및 억제 장치 및 그 방법 | |
CN115782856A (zh) | 空气悬架控制方法、装置、设备及可读存储介质 | |
CN115320572A (zh) | 一种车辆控制方法及装置 | |
US8295954B2 (en) | Method and device for adjusting a regulating device | |
Hu et al. | Simulation and analysis of LQG controller in antenna control system | |
JP2016094112A (ja) | 車両の走行制御装置 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 215347 7th floor, IIR complex, 1699 Weicheng South Road, Kunshan City, Suzhou City, Jiangsu Province Applicant after: Kunshan Microelectronics Technology Research Institute Address before: 215347 7th floor, complex building, No. 1699, Zuchongzhi South Road, Kunshan City, Suzhou City, Jiangsu Province Applicant before: KUNSHAN BRANCH, INSTITUTE OF MICROELECTRONICS OF CHINESE ACADEMY OF SCIENCES |
|
GR01 | Patent grant | ||
GR01 | Patent grant |