CN113985883A - 一种基于异质卡车队列节能、安全和货物舒适的控制系统 - Google Patents
一种基于异质卡车队列节能、安全和货物舒适的控制系统 Download PDFInfo
- Publication number
- CN113985883A CN113985883A CN202111282413.XA CN202111282413A CN113985883A CN 113985883 A CN113985883 A CN 113985883A CN 202111282413 A CN202111282413 A CN 202111282413A CN 113985883 A CN113985883 A CN 113985883A
- Authority
- CN
- China
- Prior art keywords
- truck
- queue
- driver
- safety
- vehicle
- 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
- 238000004134 energy conservation Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims description 94
- 238000012423 maintenance Methods 0.000 claims description 54
- 238000004364 calculation method Methods 0.000 claims description 47
- 230000001133 acceleration Effects 0.000 claims description 44
- 239000007788 liquid Substances 0.000 claims description 41
- 239000003921 oil Substances 0.000 claims description 30
- 239000000446 fuel Substances 0.000 claims description 29
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 21
- 241001282135 Poromitra oscitans Species 0.000 claims description 16
- 206010048232 Yawning Diseases 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 15
- 230000002618 waking effect Effects 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 10
- 208000003464 asthenopia Diseases 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 239000000295 fuel oil Substances 0.000 claims description 8
- 238000013439 planning Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 239000002828 fuel tank Substances 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 230000004399 eye closure Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 239000010763 heavy fuel oil Substances 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 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
- G05D1/0221—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
-
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0293—Convoy travelling
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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于异质卡车队列节能、安全和货物舒适的控制系统,旨在解决异质卡车队列在行驶时满足不同工况下队列的节能性、安全性以及货物舒适性。针对复杂的道路变化、队列外交通环境影响、物流货运信息以及队列内不同种类的卡车,该系统通过卡车自身搭载的传感器采集数据,判断当前时刻车辆最先维护节能性、安全性以及货物舒适性中最重要的性能,并控制启动相应性能下的执行器,以保证异质卡车队列在各种复杂工况和驾驶情况下均能维护队列节能、安全与货物稳定。
Description
技术领域
本发明属于智能网联汽车队列化综合控制领域,涉及车辆主动安全与节能技术,具体涉及一种适用于异质卡车队列节能、安全和货物舒适性的综合控制系统,利用队列内车与车之间的信息交互、智能传感器的数据采集以及先进控制算法的系统控制,来提高队列行驶的燃油经济性、队列安全性以及货物舒适性,进而优化车辆队列行驶的综合性能。
背景技术
随着物流业的快速发展,公路货运量不断增加,造成燃油大量消耗、交通拥堵、商用车事故多发的情况。随着科技的飞速发展,物流运输行业也向着智能化、网联化发展。因此,卡车队列化行驶被提出来,与卡车独立行驶于高速公路相比,智能化卡车队列行驶可以提高卡车的燃油经济性,也会减少行驶过程中发生交通事故的比例,提高卡车行驶的安全性。除此之外,车辆队列化行驶可以提高交通通行效率,避免交通拥堵。车辆队列行驶综合控制也是目前车辆领域的热门课题之一。
队列化行驶的卡车,其相比于传统卡车的优势主要体现在卡车间的信息交互。通过车辆间的信息交互,可以控制卡车间较小的车辆间距,卡车间的流场相互影响,减小空气阻力系数,进而减小燃油消耗。通过卡车间的信息传递,可以控制队列内卡车处于一个较小的间距而不发生相撞,通过传感器采集外界环境信息与车辆内部信息,可以维护队列行驶安全。
然而,卡车队列化行驶由于真实道路环境上的卡车种类、型号、基本车辆信息不同,很难同时维护整个车辆队列的安全性、燃油经济性以及货物的稳定性。在队列前方发生故障,车辆需要紧急制动时,会导致队列内车辆的间距误差会沿队列方向向后扩大,导致连环追尾碰撞。由于前方道路的紧急事故或者道路坡度变化导致的车辆加减速过程会增大卡车的燃油消耗。由于不同卡车装载的货物不同,难以保证队列内每一辆卡车所装载货物都可以保持稳定。鉴于这些问题,本发明提出了一种适用于异质卡车队列节能、安全和货物舒适性的综合控制系统,旨在通过分析队列内每一辆卡车的节能性、安全性和货物舒适性以及整个卡车队列综合的节能性、安全性和货物舒适性,结合队列内各个车辆间的信息交互、货运、交通情况以及车辆状态,综合维护队列的节能性、安全性和货物舒适性。
发明内容
本发明的目的在于提出一种适用于异质卡车队列节能、安全和货物舒适性的综合控制系统,用以实现卡车队列行驶时,针对不同物流货运信息、道路环境条件、车辆状态信息,确定队列需要维护节能性、安全性和货物舒适性三者中的关键性能,进而启动不同的控制器控制队列内卡车底层执行器动作。
为实现上述目的,本发明的具体技术方案如下:
一种适用于异质卡车队列节能、安全和货物舒适性的综合控制系统,包括物流货运统筹中心,道路环境监测系统,车辆行驶状态信息与车厢内部信息采集系统,队列节能维护系统,队列安全控制系统,货物安全稳定控制系统,队列内车辆位置重构系统。
所述异质卡车队列,其第一辆卡车为领航车,其他卡车均为跟随车,队列内所有车辆的限制条件为载重4-40吨,长度4.2-15米的箱式卡车和液罐车。
所述物流货运统筹中心,其用于存储与管理卡车货运物流信息,存储道路环境信息和车辆行驶状态信息与车厢内部信息采集系统所采集的车辆信息,变定时刷新车辆同步信息,减少信息延迟累计误差。
所述道路环境监测系统,其通过监测路面沉陷量、前方道路地形、障碍物位置、队列前方第一辆非队列车辆的速度轨迹、队列周边非队列车辆数量,估计路面附着系数,对道路环境友好度进行评估。
所述车辆行驶状态信息与车厢内部信息采集系统包括车辆行驶状态传感器、检测驾驶员疲劳状态传感器、制动踏板压力与作用时间传感器、车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪,卡车油箱油量检测仪,其队列内每辆卡车通过比较自车制动减速度变化、踏板压力作用时间与车辆制动距离计算公式来计算制动器性能指标,其通过方向盘转角传感器信息和驾驶员疲劳状态采集摄像头得到驾驶员疲劳状态,将车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪,卡车油箱油量检测仪采集到的数据信息传入物流货运统筹中心暂存。
所述的队列节能维护系统,其通过接收物流货运统筹中心的货运路线长度、各个卡车油箱剩余油量以及各车辆百公里油耗值,计算整个队列节能维护指标和队列内车辆节能维护优先级,通过接收前方道路地形信息和路段速度限制,利用动态规划算法计算整个队列的燃油最优速度剖面。
所述的队列安全控制系统,其通过道路环境监测系统所监测的路面、路段、障碍物、前方非队列车辆、事故预警等级信息以及驾驶员疲劳状态,其通过驾驶员疲劳状态,控制车内和车外安全警示器,利用道路安全检测公式来计算队列安全性指标,利用物流货运统筹中心储存的整车质量以及制动器性能指标,计算车辆制动安全优先级,通过估计路面附着条件变化和队列内车辆间的通讯延迟时间、接收各个车辆制动器性能指标和队列内前车的运动状态信息,设计队列车辆间的改进安全间距策略和队列安全控制器。
所述的货物安全稳定控制系统,其通过物流货运统筹中心存储的货物种类信息、车厢侧壁承载压力及其变化率、货物水平方向位置变化及变化率、货物竖直方向位置变化及变化率、液体货物液面波动幅度以及货物舒适度计算公式来计算卡车货物安全稳定指标,利用货物安全稳定指标设计惯性补偿器进行货物稳定性补偿。
所述的队列内车辆位置重构系统,其通过比较队列节能维护指标、队列安全性指标、货物安全稳定指标,确定队列所维护的安全性、节能性与货物舒适性三者中的关键性能,选择该性能下的队列内车辆优先级顺序,利用选择排序算法实现队列内车辆的重新排序并启动相应的控制器。
进一步的,所述物流货运统筹中心包括信息接收模块、信息发送模块、信息实时更新模块、信息暂存模块、定时更新模块、信息计算模块。
所述信息接收模块接收道路环境监测系统监测的道路环境信息、车辆行驶状态信息与车厢内部信息采集系统采集的车辆状态信息和车厢内部信息、队列节能维护指标、节能维护优先级、队列安全性指标、制动安全优先级、货物安全稳定指标、当前时刻下队列内车辆排列顺序。
所述信息实时更新模块对载入的卡车货运物流信息进行实时更新,实时确定队列内卡车完成货运输送进度,对接收的道路友好度以信息接收频率进行实时更新。
所述信息暂存模块,其对信息接收模块接收的队列节能维护指标、节能维护优先级、队列安全性指标、制动安全优先级、货物安全稳定指标、当前时刻下队列内车辆排列顺序进行暂时储存,当定时更新次数超出Nt次,系统自动删除原始暂存信息并储存新的暂存信息,当日间5:00-17:59行车,Nt取值为3,当夜间18:00-次日4:59,Nt取值为4。
所述信息发送模块向队列节能维护系统、队列安全控制系统、货物安全稳定控制系统定时发送相关信息,当道路友好度低于紧急制动道路友好度阈值时,以最高优先级向队列安全控制系统发送紧急制动信号。
所述信息计算模块,利用信息接收模块所接收的道路友好度信息对变定时更新时间进行计算:
式中,Tref为变定时更新时间,单位分钟,Tbas=40min为基础跟新时间,Fr为道路环境友好度。
所述定时模块,其根据信息计算模块计算出的定时更新时间,利用广播的方式对队列内所有卡车广播位于自车前方卡车的运动状态信息,将车辆间通讯导致的累计误差全部清零。
进一步的,所述道路环境监测系统包括三维激光扫描仪、固态激光雷达、导航定位系统、路面附着系数估计器。
三维激光扫描仪安装在领航车车头保险杠下方,其用于获取路面点云数据得到道路下沉信息与道路坡度信息,取三维激光扫描仪扫描范围中最接近领航车的矩形范围,其矩形范围的长为2米,其矩形范围宽为3.75米,以待求点为中心,设定影响范围为矩形范围,将影响范围内的所有点计入其中,计算各点距中心点的距离,用各点距离除以各点距中心距离之和作为该点对中心点的影响因子,中心点值为每个点对应影响因子乘以该点值之和,具体公式如下:
式中,i为待求点,j为待求点周围点,Si、Sj为下沉值,dj为周围点距离待求点距离值,单位为米。
所述固态激光雷达安装在领航车车头中部,其安装位置距领航车挡风玻璃下沿距离10厘米,其用于检测队列领航车前方第一辆非队列车辆与领航车的纵向速度差。
所述导航定位系统,其用于确定领航车前轴中心在大地坐标系下的坐标,并得到卡车队列周边非队列车辆的数量。
所述路面附着系数估计器搭载在领航车内部,利用神经网络以及大量离线数据训练,得到领航车驶过道路路面的附着系数,利用该附着系数以及附着系数随纵向位移的变化率,将路面附着系数变化离散化,预测得到领航车前方道路路面附着系数:
式中,μk、μk+1为离散化后的路面附着系数,v0为领航车纵向行驶车速,f为路面附着系数估计器估计频率,单位为Hz,a、b为无量纲影响因子,其通过神经网络以及大量离线数据训练得到。
根据路面沉陷量、前方道路坡度、障碍物位置、队列前方第一辆非队列车辆的速度、队列周边非队列车辆数量、路面附着系数、前方路段事故预警等级参数、领航车车速、领航车位置,对道路环境友好度进行计算:
式中,Fr为道路环境友好度,道路环境友好度越大,道路环境越安全,Ks为道路沉陷影响因子,S为三维扫描仪所选矩形范围内的最大沉陷量S=max{Si},Ki=20为纵向坡度变化率系数,l为激光扫描仪扫描的最大纵向距离,单位为米,h为最大纵向距离内的高程差,单位为米,j为固态激光雷达扫描范围内的障碍物个数,xbj、ybj为第j个障碍物在大地坐标系上的坐标,x0、y0为队列领航车的前轴中心在大地坐标系上的坐标,Kx=80为纵向位置影响因子,Kyj为横向位置影响因子,在做整个队列前方10米、双侧方各5米范围内所包含的全部非队列车辆取为n,n0为卡车队列内全部卡车的数量,v为队列前方第一辆非队列车辆的行驶车速,v0为卡车队列领航车的行驶车速,Ka=5为速度差变化率系数,Ku=-10为道路附着系数变化率系数,为避免出现波动,当-0.05<du/dx<0.05时,Ku=0,Kyj的取值分为三个等级:
当ybi-y0>W时,所述Kyj=10;
式中,W为行驶车道宽度。
进一步的,所述车辆行驶状态信息与车厢内部信息采集系统,其检测驾驶员疲劳状态传感器包括方向盘转角传感器和驾驶员疲劳状态采集摄像头。
所述方向盘转角传感器,其用于检测转向操作频率fsteer,单位为Hz,方向盘转角变化率dα/dt,单位为rad/s,根据驾驶员转向操作判断驾驶员疲劳状态指标和根据头部位置姿态判断驾驶员疲劳的阈值为:
当Etired-s≥1.4,驾驶员处于重度疲劳状态;
当1.1≤Etired-s<1.4,驾驶员处于轻度疲劳状态;
当Etired-s<1.1,驾驶员处于清醒状态;
所述驾驶员疲劳状态采集摄像头,其用于驾驶员头部位置姿态估计、驾驶员眼部状态监测、驾驶员打哈欠次数监测。
所述头部位置姿态估计是根据采集摄像头采集的图像来获取头部姿态角,头部位置姿态角有三个,分别为绕x轴旋转的θx、绕y轴旋转的θy,单位为度,根据驾驶员头部姿态角判断驾驶员疲劳状态指标和根据头部位置姿态判断驾驶员疲劳的阈值为:
当Etired-h≥50%时,驾驶员处于重度疲劳状态;
当30%≤Etired-h<50%时,驾驶员处于轻度疲劳状态;
当Etired-h<30%时,驾驶员处于清醒状态;
式中,Etired-h为头部姿态疲劳指标,Ttired-h=15s,头部姿态估计周期为15s,在估计周期内驾驶员头部转角θx大于等于20度和转角θy大于等于20度所占时间占比小于30%,判定驾驶员处于清晰状态,在估计周期内驾驶员头部转角θx大于等于20度和转角θy大于等于20度所占时间占比超过30%但小于50%,判定驾驶员处于轻度疲劳状态,在估计周期内驾驶员头部转角θx大于等于20度和转角θy大于等于20度所占时间占比超过50%,判定驾驶员处于重度疲劳状态。
当Ne≥6时,驾驶员处于重度疲劳状态;
当3≤Ne<6时,驾驶员处于轻度疲劳状态;
当Ne<3时,驾驶员处于清醒状态;
式中,Ne为疲劳闭眼次数,所述眼部状态监测,驾驶员闭眼时间超过0.5s被记一次疲劳闭眼,一分钟内驾驶员疲劳闭眼次数小于3次,判定驾驶员处于清晰状态,一分钟内驾驶员疲劳闭眼次数大于等于3次小于6次,判定驾驶员处于轻度疲劳状态,一分钟内驾驶员疲劳闭眼次数大于等于6次,判定驾驶员处于重度疲劳状态。
当Ny≥4时,驾驶员处于重度疲劳状态;
当2≤Ny<4时,驾驶员处于轻度疲劳状态;
当Ny<2时,驾驶员处于清醒状态;
所述驾驶员打哈欠次数监测,驾驶员持续张嘴时间超出5s被记一次打哈欠,Ny为驾驶员打哈欠次数,一分钟内驾驶员打哈欠次数小于2次,判定驾驶员处于清晰状态,一分钟内驾驶员打哈欠次数大于等于2次小于4次,判定驾驶员处于轻度疲劳状态,一分钟内驾驶员疲劳闭眼次数大于等于4次,判定驾驶员处于重度疲劳状态。
当转向操作疲劳指标、头部姿态疲劳指标、疲劳闭眼次数以及打哈欠次数中存在一个指标判定驾驶员处于重度疲劳状态,表明该驾驶员处于重度疲劳状态,当转向操作疲劳指标、头部姿态疲劳指标、疲劳闭眼次数以及打哈欠次数四个指标均表明驾驶员处于清醒状态,表明驾驶员处于清醒状态,其他情况驾驶员均处于轻度疲劳状态。
进一步的,所述车辆行驶状态信息与车厢内部信息采集系统,其车辆行驶状态传感器包括车速传感器和加速度传感器,此外车辆行驶状态信息与车厢内部信息采集系统还包括制动踏板压力与作用时间传感器、车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪,卡车油箱油量检测仪。
所述的轮速传感器和加速度传感器,其搭载于队列内每一辆卡车,测得领航车的车速与加速度分别为v0、a0,卡车队列中第i辆跟随车的车速和加速度分别vi和ai。
所述的制动踏板压力与作用时间传感器,其用于检测驾驶员踩踏制动踏板时的压力P与驾驶员踩踏制动踏板的时间tp,将制动踏板压力和加速度传感器测的车辆加速度进行比较计算,得到队列内卡车制动器性能。
式中,a′i为根据制动踏板压力计算出的队列内第i辆跟随卡车制动减速度的理论值,Kb为制动比例系数,f为滚动阻力系数,KDi为队列内第i辆卡车的空气流场影响因子,KD取值范围为0<KD<1,CD为空气阻力系数,ρ为空气密度,Ai为队列内第i辆卡车的迎风面积,g为重力加速度,δi为队列内第i辆卡车的旋转质量换算系数。
当制动踏板压力传感器测得的制动踏板压力Pi≠0,但卡车加速度传感器测得的加速度时,记录制动踏板作用时间tP1,tP1为制动器消除制动间隙所用时间,当制动踏板压力传感器测得的制动踏板压力Pi≠0并且dai/dt>0时,记录制动踏板作用时间tP2,tP2为制动器压紧所用时间,制动器性能指标算公式:
Ebrake=KP1tP1+KP2tP2;
式中,Ebrake为制动器性能指标,KP1、KP2分别为制动器消除制动间隙所用时间和制动器压紧所用时间的比例系数,KP1=0.7,KP2=0.3。
所述的车厢承载侧壁压力传感器安装在箱式卡车中,具体安装位置为车厢前后左右四个侧面,车厢承载侧壁压力传感器成网格式分布,在车厢侧壁上划分50厘米×50厘米的正方形网格,车厢承载侧壁压力传感器分布在正方形顶点处。
所述的货物位置检测雷达,其用于检测箱式货车内货物的横向、纵向以及垂向的位置变化、变化率以及变化率的导数,ΔX为纵向位置变化,ΔY为横向位置变化,ΔZ为垂向位置变化,单位为m,d(ΔX)/dt为纵向位置变化率,d(ΔY)/dt为横向位置变化率,d(ΔZ)/dt为垂向位置变化率,单位为m/s,d(d(Δx)/dt)/dt为纵向位置变化率的导数,d(d(Δy)/dt)/dt为横向位置变化率的导数,d(d(Δz)/dt)/dt为垂向位置变化率的导数,单位为m/s2。
队列内每个箱式卡车需要搭载两个货物位置检测雷达,其安装位置为车厢上侧壁两个斜对角位置,一个雷达位置为车厢上侧壁距前侧壁和左侧壁各50厘米位置处,第二个雷达安装位置为车厢上侧壁距后侧壁和右侧壁各50厘米位置处。
所述的液罐车液面波动监测仪,其用于检测液罐车内液体货物的液面波动幅度,液面波动监测仪分为两类,一是固定安装在液罐壁上的固定监测仪,二是自由放置在液体货物表面的流动监测仪。
所述的液面波动固定监测仪,其用于作为一个液面波动幅度基准,其安装位置为液罐前侧壁与上侧壁连接处的中间位置。
所述的液面波动流动监测仪随液面波动而波动,其用于检测相对于液面固定监测仪的垂向位置变化ΔZl(t),单位为m,垂向位置变化率d(ΔZl(t))/dt,单位为m/s,垂向位置变化率的导数d(d(ΔZl(t))/dt)/dt,单位为m/s2。
所述的卡车油箱油量检测仪,其用于检测卡车当前时刻油箱内剩余燃油的体积Voil,单位为升。
由车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪以及卡车油箱油量检测仪采集到的信息会传入物流货运统筹中心进行暂存。
进一步的,所述队列节能维护系统,其用于计算整个队列节能维护指标、队列内车辆节能维护优先级以及整个队列的燃油最优速度剖面。
所述的队列节能维护指标,是根据物流货运统筹中心存储的第i辆卡车剩余货运路线长度Li,第i辆卡车油箱剩余油量Vi以及流货运统筹中心存储的第i辆卡车满载时的循环工况下百公里燃油消耗量Qi计算得到的,队列节能维护指标Eene计算公式为:
所述的燃油最优速度剖面,其表征的是队列内全部卡车燃油综合处于最优的状态下的队列内每一辆卡车的速度。
建立离散化队列模型:
式中,vi(k)为离散后的第i辆卡车的速度,ΔsDP为离散后卡车行驶的距离,Fe,i(k)为第i辆卡车的驱动力,Fb,i(k)第i辆卡车的制动力,α=arctan(h/l)为路面坡度,ti(k)为离散后第i辆卡车的行驶时间。
离散后的当前卡车车速函数:
di(k)=vi(k)·τi-li-1
式中,di(k)为第i辆卡车和第i-1辆卡车之间的距离,单位为米,τi为第i辆车的车头时距时间系数,单位为秒,li-1为第i-1辆卡车的纵向长度,单位为米,在动态规划算法中,将离散化的队列模型改为第i辆卡车的速度函数vi(k-1)=fv,i(vi(k),ui(k)),其中ui(k)为输入向量ui(k)=[Fe,i(k) Fb,i(k)]T。
输入量受到发动机驱动力和制动器制动力的限制:
Pmin,i/vi(k)≤Fe,i(k)≤Pmax,i/vi(k)
-ηiμmig≤Fb,i(k)≤0
式中,Pmin,i、Pmax,i分别为队列内第i辆卡车发动机的最小扭矩和最大扭矩,在动态规划算法中,将输入约束写作ui(k)∈Ui(k,vi)。
状态量受到道路速度的限制:
vmin(k)≤vi(k)≤vmax(k)
式中,vmin(k)为当前状态下该路段规定的最小速度,vmax(k)为当前状态下该路段规定的最大速度,在动态规划算法中,将状态约束写作vi(k)∈V(k),要求队列内所有卡车遵循相同的速度廓线:
vi(k)=v(k)i=1,…,n0
定义代价函数以保证整个队列处于油耗最小的最优速度剖面,代价函数包含两项,第一项Jf(v(J),uI(J)),表示队列所消耗的燃油值,其中J=[k,…,k+HDP-1]、I=[1,…,n0],HDP为动态规划状态参数,第二项Jt(v(J)),表示移动时间,整体动态规划代价函数为:
JDP(v(J),uI(J))=Jf(v(J),uI(J))+εJt(v(J))
式中,ε为代价函数权衡权重,代价函数中两项的具体计算公式为:
式中,p0,i,p1,i为通过线性回归得到的燃油模型参数,分别为燃油模型中的截距与斜率。
最小化代价函数得到队列内卡车最优燃油速度剖面:
s.t.vi(j-1)=fv,i(vi(j),ui(j))
ui(j)∈Ui(j,vi)
vi(j)=v(j)∈V(j)
zk=si(t)
v(k)=v1(t)
式中,j=k,…,k+HDP-1。
进一步的,所述队列安全控制系统,其通过驾驶员疲劳状态控制卡车内外安全警示其器,其通过道路环境友好度与驾驶员疲劳状态计算队列安全性指标,其通过驾驶员疲劳状态、整车质量信息与制动器性能指标计算卡车制动安全优先级。
所述卡车内安全警示器,包含安全警示灯和扬声器,其用于警示提醒处于疲劳状态的驾驶员,器安装位置为驾驶员座位左前方A柱上方,卡车外安全仅有安全警示灯,前安装位置为车头、车尾各一个,左右侧各三个:
当驾驶员处于清醒状态时,车内安全警示灯绿色常亮,扬声器不发声,车外安全警示灯不亮;
当驾驶员处于轻度疲劳状态时,车内安全警示灯红色闪烁,闪烁频率为1Hz,扬声器发出提醒音,车外安全警示灯不亮;
当驾驶员处于轻度疲劳状态时,卡车的驾驶操作权限强制从人类驾驶员剥离,由自动化卡车无人驾驶系统全面接受驾驶权限,车内安全警示灯红色闪烁,闪烁频率为1Hz,扬声器发出提醒音,车外安全警示灯蓝色常亮。
所述的队列安全性指标,是根据道路环境友好度Fr与驾驶员疲劳状态共同决定的,设定驾驶员疲劳状态指标为Etired,
当驾驶员处于清醒状态时,Etired=0.01;
当驾驶员处于轻度疲劳状态时,Etired=0.6;
当驾驶员处于重度疲劳状态时,Etired=1;
队列安全性指标Esaf的计算公式为:
式中,a,b分别为比例因子,分别取值为a=0.6,b=0.4。
所述的卡车制动安全优先级,其通过驾驶员疲劳状态指标Etired、整车质量mi、制动器性能指标Ebrake共同计算得到的,(10·Ebrake,i+mi/109+Etired,i)的值越大,表征卡车制动安全优先级越高,(10·Ebrake,i+mi/109+Etired,i)的值越小,表征卡车制动安全优先级越低。
进一步的,所述队列安全控制系统,通过估计路面附着条件变化和队列内车辆间的通讯延迟时间、接收各个车辆制动器性能指标和队列内前车的运动状态信息,设计队列车辆间的安全间距策略,基于安全间距策略和滑模控制算法,设计队列安全控制器。
当自动化卡车无人驾驶系统全面接受驾驶权限时,启动队列安全控制器。
所述的改进安全间距策略,其同时考虑通信延迟、制动延迟、路面附着系数变化以及前后车运动状态,对队列内卡车的制动距离的影响,其改进的安全间距策略计算公式为:
式中,ddes,i为队列内第i辆卡车的与第i-1辆卡车的期望间距,α为车辆速度控制系数,β为车辆加速度控制系数,d0为前车和后车都完全停止时允许的最小间距,tm为通讯延迟时间,tP,i=tP1,i+tP2,i为制动延迟时间,tc,i为制动压紧时的制动时间,ki为制动力系数,ddelay,i-1为队列内第i-1辆卡车的在其自身的制动延迟时间tP,i-1和通讯延迟tc,i-1时间内行驶过的距离。
所述的队列安全控制器,其基于改进的安全间距策略和耦合积分滑模控制算法设计得到,队列内第i辆和第i-1辆卡车之间的间距误差为:
ei=xi-1-xi-ddes,i
S(t)=Qs(t)
为确保系统在高速接近滑模面,并避免造成的系统斗振,当它到达滑模面尽可能顺利收敛至零,选用指数趋近律:
由耦合积分滑模控制器得到队列内第i辆卡车的期望加速度为:
通过耦合积分滑模控制器得到的期望加速度计算发动机驱动转矩和制动轮缸压力:
式中,Tdes,i为队列内第i辆卡车的发动机期望输出扭矩,KD,i队列内第i辆卡车的空气流场影响因子,ηg,i为队列内第i辆卡车的机械效率,Rg,i为队列内第i辆卡车的变速器档位速比,Rm,i为队列内第i辆卡车的主减速器减速比,Rc,i为队列内第i辆卡车的离合器减速比,ri为队列内第i辆卡车的车轮滚动半径,Kb为制动比例系数。
进一步的,所述货物安全稳定控制系统,其用于计算货物安全稳定指标,并设计惯性补偿器对货物进行稳定性补偿。
所述的货物安全稳定指标,其通过车厢承载侧壁压力传感器采集的侧壁平均压力值以及平均压力变化率,货物位置检测雷达采集的横向、纵向和垂向货位位置变化以及位置变化率,利用货物舒适度公式计算得到,若卡车为液罐车,则通过液面波动监测仪采集垂向位置变化、吹响位置变化率以及垂向位置变化率的导数,利用货物舒适度公式计算得到,箱式卡车货物舒适度计算公式和液罐卡车货物舒适度计算公式分别为:
式中,Ecom-b、Ecom-l值越大,表明卡车货物安全舒适度越差,hx为类位移影响因子,hv为类速度影响因子,hp为类加速度影响因子,p0为车厢侧壁基础压力。
货物安全稳定指标计算公式为:
式中,i=1,...,n'0为卡车队列内箱式货车的数量,j=1,...n″0为卡车队列内液罐车的数量。
惯性补偿器计算公式为:
式中,ae,i为队列内第i辆卡车的补偿加速度,Te,i为队列内第i辆卡车的发动机补偿扭矩,pe,i为队列内第i辆卡车的制动器补偿轮缸压力。
进一步的,所述的队列内车辆位置重构系统通过比较物流货运统筹中心发送的队列安全性指标、队列节能维护指标以及货物安全稳定指标三者的大小,取出队列安全性指标、队列节能维护指标以及货物安全稳定指标三者中的最大值所对应的性能,作为队列当前时刻的关键性能,利用选择排序的方法,按照关键性能下的优先级进行队列卡车顺序重新排列,并启动相应控制器:
当max{Eene Esaf Esta}=Eene时,表明商用车队列当前状态下的关键性能为节能性,卡车队列内卡车顺序按照节能维护优先级由高到低向后排列,并控制队列内全部卡车按照燃油最优速度剖面的速度行驶;
当max{Eene Esaf Esta}=Esaf时,表明商用车队列当前状态下的关键性能为队列安全性,卡车队列内卡车顺序按照卡车制动安全优先级由低到高向后排列,并当驾驶员处于重度疲劳状态时,驾驶权限由无人驾驶系统接管,并启动队列安全控制器;
当max{Eene Esaf Esta}=Esta时,表明商用车队列当前状态下的关键性能为货物舒适性,在该状态下不改变队列内卡车的排列顺序,但需要惯性补偿器对货物舒适度进行补偿。
所述卡车位置排序是根据Eene、Esaf、Esta的大小决定的,物流货运统筹中心发送指标信息的时间是按照定时模块所计算的变定时更新时间进行的。
所述的选择排序算法,其步骤为:首先在未排序的卡车队列中找到优先级最高或最低的卡车,将其存放在队列的起始位置;其次,在从剩余未排序卡车中继续寻找优先级最高或最低的卡车,将其放在已排序卡车的末尾;最后,重复第二个步骤,直到所有卡车均排序完毕。
与现有技术相比,本发明的有益效果:
1.本系统考虑除去队列安全性和节能性之外的队列内卡车装载货物的稳定性,公路卡车运输的本质是进行货物运输,保证货物稳定,安全送达目的地是最终目标。通过在不同车厢内部安全传感器,对内部货物进行实时监测,并控制相应的惯性补偿器,能有效地保证货物稳定安全。
2.本系统中队列内卡车的驾驶权限可以由驾驶员接管,也可以由卡车的无人驾驶系统接管,通过对驾驶员疲劳状态判定由谁接管驾驶权限,能够对队列安全行驶进行双重保护。
3.在队列行驶过程中,往往最节能的车辆排列顺序与安全性最优的车辆排列顺序是不一致的,本系统通过对队列节能性指标与安全性指标进行比较,得出此时队列内卡车的最优排列顺序,并对队列进行重新排序。
4.在真实公路货运中,各个卡车的目的地、送达时间以及路线各不相同,本系统提出物流货运统筹中心对物流货运信息进行实时更新,保证队列内各个卡车能够准时完成货运任务。
附图说明
下面结合附图对本发明作进一步的说明:
图1是异质卡车队列综合控制系统组成及工作流程示意图;
图2卡车队列通讯拓扑结构;
图3卡车队列间距策略模型图;
图4队列内车辆位置重构系统控制流程图;
具体实施方式
下面结合附图对本发明作进一步的解释。
如图1所示,整个队列综合控制系统包括物流货运统筹中心,道路环境监测系统,车辆行驶状态信息与车厢内部信息采集系统,队列节能维护系统,队列安全控制系统,货物安全稳定控制系统和队列内车辆位置重构系统。
其中道路环境监测系统包括三维激光扫描仪、固态激光雷达、导航定位系统、路面附着系数估计器,利用这些传感器计算路面下沉值,预测领航车前方道路路面附着系数,并最终计算道路环境友好度。其中路面下沉值的计算公式为:
式中,i为待求点,j为待求点周围点,Hi、Hj为下沉值,dj为周围点距离待求点距离值,单位为米。领航车前方道路路面附着系数的预测公式为:
式中,μk、μk+1为离散化后的路面附着系数,v0为领航车纵向行驶车速,f为路面附着系数估计器估计频率,单位为Hz,a、b为无量纲影响因子,其通过神经网络以及大量离线数据训练得到。根据路面沉陷量、前方道路坡度、障碍物位置、队列前方第一辆非队列车辆的速度、队列周边非队列车辆数量、路面附着系数、前方路段事故预警等级参数、领航车车速、领航车位置,对道路环境友好度进行计算:
式中,Fr为道路环境友好度,道路环境友好度越大,道路环境越安全,KH为道路沉陷影响因子,H为三维扫描仪所选矩形范围内的最大沉陷量H=max{Hi},Ki=20为纵向坡度变化率系数,l为激光扫描仪扫描的最大纵向距离,单位为米,h为最大纵向距离内的高程差,单位为米,j为固态激光雷达扫描范围内的障碍物个数,xbj、ybj为第j个障碍物在大地坐标系上的坐标,x0、y0为队列领航车的前轴中心在大地坐标系上的坐标,Kx=80为纵向位置影响因子,Kyj为横向位置影响因子,在做整个队列前方10米、双侧方各5米范围内所包含的全部非队列车辆取为n,n0为卡车队列内全部卡车的数量,v为队列前方第一辆非队列车辆的行驶车速,v0为卡车队列领航车的行驶车速,Ka=5为速度差变化率系数,Ku=-10为道路附着系数变化率系数。
车辆行驶状态信息与车厢内部信息采集系统包括车速传感器、加速度传感器、制动踏板压力与作用时间传感器、车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪以及卡车油箱油量检测仪。将制动踏板压力和加速度传感器测的车辆加速度进行比较计算,得到队列内卡车制动器性能:
式中,a′i为根据制动踏板压力计算出的队列内第i辆跟随卡车制动减速度的理论值,Kb为制动比例系数,f为滚动阻力系数,KDi为队列内第i辆卡车的空气流场影响因子,KD取值范围为0<KD<1,CD为空气阻力系数,ρ为空气密度,Ai为队列内第i辆卡车的迎风面积,g为重力加速度,δi为队列内第i辆卡车的旋转质量换算系数,领航车的车速与加速度分别为v0、a0,卡车队列中第i辆跟随车的车速和加速度分别vi和ai,踩踏制动踏板时的压力P与驾驶员踩踏制动踏板的时间tp,当制动踏板压力传感器测得的制动踏板压力Pi≠0,但卡车加速度传感器测得的加速度时,记录制动踏板作用时间tP1,tP1为制动器消除制动间隙所用时间,当制动踏板压力传感器测得的制动踏板压力Pi≠0并且dai/dt>0时,记录制动踏板作用时间tP2,tP2为制动器压紧所用时间,制动器性能指标算公式:
Ebrake=KP1tP1+KP2tP2;
其中物流货运统筹中心起到统筹管理的作用,接收来自道路环境监测系统与车辆行驶状态信息与车厢内部信息采集系统采集与计算的信息,接收道路环境友好度信息、车辆行驶状态信息、驾驶员疲劳程度信息、车厢内部货物状态信息。物流货运统筹中心除接收信息之外还包含信息发送模块、信息实时更新模块、信息暂存模块、定时更新模块、信息计算模块。其中信息实时更新模块对载入的卡车货运物流信息进行实时更新,实时确定队列内卡车完成货运输送进度,对接收的道路友好度以信息接收频率进行实时更新。定时模块是根据信息计算模块计算出的定时更新时间,利用广播的方式对队列内所有卡车广播位于自车前方卡车的运动状态信息,将车辆间通讯导致的累计误差全部清零。信息暂存模块对信息接收模块接收的队列节能维护指标、节能维护优先级、队列安全性指标、制动安全优先级、货物安全稳定指标、当前时刻下队列内车辆排列顺序进行暂时储存,当定时更新次数超出Nt次,系统自动删除原始暂存信息并储存新的暂存信息,当日间5:00-17:59行车,Nt取值为3,当夜间18:00-次日4:59,Nt取值为4。信息计算模块,利用信息接收模块所接收的道路友好度信息对变定时更新时间进行计算:
式中,Tref为变定时更新时间,单位分钟,Tbas=40min为基础跟新时间,Fr为道路环境友好度。
流货运统筹中心的信息发送模块向队列节能维护系统、队列安全控制系统、货物安全稳定控制系统定时发送相关信息,当道路友好度低于紧急制动道路友好度阈值时,以最高优先级向队列安全控制系统发送紧急制动信号。
节能维护系统根据物流货运统筹中心发送第i辆卡车剩余货运路线长度Li,第i辆卡车油箱剩余油量Vi以及物流货运统筹中心存储的第i辆卡车满载时的循环工况下百公里燃油消耗量Qi计算队列节能维护指标Eene与队列内卡车的节能维护优先级。并计算燃油最佳速度剖面,维护队列的节能性。
队列安全控制系统根据物流货运统筹中心发送的道路环境友好度Fr、驾驶员疲劳状态指标Etired、整车质量信息以及制动器性能指标Ebrake来计算队列安全性指标与卡车制动安全优先级。其中队列安全性指标的计算公式为:
式中,a,b分别为比例因子,分别取值为a=0.6,b=0.4,Fr为道路环境友好度,Etired为驾驶员疲劳状态指标,当驾驶员处于清醒状态时,Etired=0.01;当驾驶员处于轻度疲劳状态时,Etired=0.6;当驾驶员处于重度疲劳状态时,Etired=1。所述的卡车制动安全优先级,其通过驾驶员疲劳状态指标Etired、整车质量mi、制动器性能指标Ebrake共同计算得到的,(10·Ebrake,i+mi/109+Etired,i)的值越大,表征卡车制动安全优先级越高,(10·Ebrake,i+mi/109+Etired,i)的值越小,表征卡车制动安全优先级越低。
货物安全稳定控制系统根据车载传感器采集的厢侧壁压力传感器采集的侧壁平均压力值 单位为MPa,货物位置检测雷达采集的横向、纵向和垂向货位位置变化以及位置变化率ΔX、ΔY、ΔZ、dΔX/dt、dΔY/dt、dΔZ/dt、d(dΔX/dt)/dt、d(dΔY/dt)/dt,利用货物舒适度公式计算得到,若卡车为液罐车,则通过液面波动监测仪采集垂向位置变化ΔZl(t)、垂向位置变化率dΔZl(t)/dt以及垂向位置变化率的导数d(dΔZl(t)/dt)/dt,利用货物舒适度公式计算得到,箱式卡车货物舒适度计算公式和液罐卡车货物舒适度计算公式分别为:
式中,Ecom-b为箱式卡车货物舒适度,Ecom-l为液罐卡车货物舒适度,Ecom-b、Ecom-l值越大,表明卡车货物安全舒适度越差,hx为类位移影响因子,hv为类速度影响因子,hp为类加速度影响因子,p0为车厢侧壁基础压力。货物安全稳定指标计算公式为:
式中,i=1,...,n'0为卡车队列内箱式货车的数量,j=1,...n″0为卡车队列内液罐车的数量。
队列内车辆位置重构系统通过比较物流货运统筹中心发送的队列安全性指标、队列节能维护指标以及货物安全稳定指标三者的大小,取出队列安全性指标、队列节能维护指标以及货物安全稳定指标三者中的最大值所对应的性能,作为队列当前时刻的关键性能,利用选择排序的方法,按照关键性能下的优先级进行队列卡车顺序重新排列,并启动相应控制器。
如图2所示,卡车队列通讯拓扑结构为前车向后面一辆发送车辆的状态信息,自车拥有本车的运动状态信息与前车的运动状态信息各系统车载传感器将采集到的车辆数据、道路环境数据、驾驶员疲劳状态数据发送给物流货运统筹中心进行储存。。队列控制层,其用于根据自车接收到前车的运动状态信息,以及自车传感器采集的自车的运动状态信息,设计相应性能下的控制器,关键性能为节能性,队列控制层启动燃油最优速度剖面计算;关键性能为安全性,队列控制层启动队列制动安全控制器的设计与计算;关键性能为货物舒适性,队列控制层启动惯性补偿器设计与计算队列控制层。队列控制层将计算得到的期望值传递给车辆控制层,车辆控制层根据队列控制层控制器计算得到的期望加速度,经过逆动力学模型计算出发动机扭矩和制动器制动压力。
如图3所示,第一排车辆为队列制动前的队列内卡车位置图,第二排车辆为队列制动到停止时队列内卡车位置图。其中卡车标号i-1、i、i+1,表示该卡车为队列内第i-1、i、i+1辆卡车。ddes,i、ddes,i+1,分别为队列内第i辆卡车和第i+1辆卡车的期望间距值。xi-1、xi、xi+1分别为队列内第i-1辆卡车、第i辆卡车以及第i+1辆卡车的纵向位置。其中Si-1、Si、Si+1分别为第i-1辆卡车、第i辆卡车以及第i+1辆卡车的制动距离。其中ddelay,i-1,为队列内第i-1辆卡车的在其自身的制动延迟时间tP,i-1和通讯延迟tc,i-1时间内行驶过的距离,ddelay,i,为队列内第i辆卡车的在其自身的制动延迟时间tP,i和通讯延迟tc,i时间内行驶过的距离,ddelay,i+1,为队列内第i+1辆卡车的在其自身的制动延迟时间tP,i+1和通讯延迟tc,i+1时间内行驶过的距离。
如图4所示,物流货运统筹中心将其储存的数据分别发往队列节能维护系统、队列安全控制系统以及货物安全稳定控制系统,并分别计算出Eene、Esaf、Esta、卡车节能维护优先级、卡车制动安全优先级。队列内车辆位置重构系统比较Eene、Esaf、Esta值的大小,取出其最大值:
当max{Eene Esaf Esta}=Eene时,表明商用车队列当前状态下的关键性能为节能性,卡车队列内卡车顺序按照节能维护优先级由高到低向后排列,并控制队列内全部卡车按照燃油最优速度剖面的速度行驶。
所述的燃油最优速度剖面,其表征的是队列内全部卡车燃油综合处于最优的状态下的队列内每一辆卡车的速度。
建立离散化队列模型:
式中,vi(k)为离散后的第i辆卡车的速度,ΔsDP为离散后卡车行驶的距离,Fe,i(k)为第i辆卡车的驱动力,Fb,i(k)第i辆卡车的制动力,α=arctan(h/l)为路面坡度,ti(k)为离散后第i辆卡车的行驶时间。
离散后的当前卡车车速函数:
di(k)=vi(k)·τi-li-1;
式中,di(k)为第i辆卡车和第i-1辆卡车之间的距离,单位为米,τi为第i辆车的车头时距时间系数,单位为秒,li-1为第i-1辆卡车的纵向长度,单位为米,在动态规划算法中,将离散化的队列模型改为第i辆卡车的速度函数vi(k-1)=fv,i(vi(k),ui(k)),其中ui(k)为输入向量ui(k)=[Fe,i(k) Fb,i(k)]T。
输入量受到发动机驱动力和制动器制动力的限制:
Pmin,i/vi(k)≤Fe,i(k)≤Pmax,i/vi(k)
-ηiμmig≤Fb,i(k)≤0
式中,Pmin,i、Pmax,i分别为队列内第i辆卡车发动机的最小扭矩和最大扭矩,在动态规划算法中,将输入约束写作ui(k)∈Ui(k,vi)。
状态量受到道路速度的限制:
vmin(k)≤vi(k)≤vmax(k)
式中,vmin(k)为当前状态下该路段规定的最小速度,vmax(k)为当前状态下该路段规定的最大速度,在动态规划算法中,将状态约束写作vi(k)∈V(k),要求队列内所有卡车遵循相同的速度廓线:
vi(k)=v(k)i=1,...,n0
定义代价函数以保证整个队列处于油耗最小的最优速度剖面,代价函数包含两项,第一项Jf(v(J),uI(J)),表示队列所消耗的燃油值,其中J=[k,...,k+HDP-1]、I=[1,...,n0],HDP为动态规划状态参数,第二项Jt(v(J)),表示移动时间,整体动态规划代价函数为:
JDP(v(J),uI(J))=Jf(v(J),uI(J))+εJt(v(J))
式中,ε为代价函数权衡权重,代价函数中两项的具体计算公式为:
式中,p0,i,p1,i为通过线性回归得到的燃油模型参数,分别为燃油模型中的截距与斜率。
最小化代价函数得到队列内卡车最优燃油速度剖面:
s.t.vi(j-1)=fv,i(vi(j),ui(j))
ui(j)∈Ui(j,vi)
vi(j)=v(j)∈V(j)
zk=si(t)
v(k)=v1(t)
式中,j=k,…,k+HDP-1。
当max{Eene Esaf Esta}=Esaf时,表明商用车队列当前状态下的关键性能为队列安全性,卡车队列内卡车顺序按照卡车制动安全优先级由低到高向后排列,并当驾驶员处于重度疲劳状态时,驾驶权限由无人驾驶系统接管,并启动队列安全控制器。
所述的改进安全间距策略,其同时考虑通信延迟、制动延迟、路面附着系数变化以及前后车运动状态,对队列内卡车的制动距离的影响,其改进的安全间距策略计算公式为:
式中,ddes,i为队列内第i辆卡车的与第i-1辆卡车的期望间距,α为车辆速度控制系数,β为车辆加速度控制系数,d0为前车和后车都完全停止时允许的最小间距,tm为通讯延迟时间,tP,i=tP1,i+tP2,i为制动延迟时间,tc,i为制动压紧时的制动时间,ki为制动力系数,ddelay,i-1为队列内第i-1辆卡车的在其自身的制动延迟时间tP,i-1和通讯延迟tc,i-1时间内行驶过的距离。
S(t)=Qs(t)
为确保系统在高速接近滑模面,并避免造成的系统斗振,当它到达滑模面尽可能顺利收敛至零,选用指数趋近律:
由耦合积分滑模控制器得到队列内第i辆卡车的期望加速度为:
通过耦合积分滑模控制器得到的期望加速度计算发动机驱动转矩和制动轮缸压力:
式中,Tdes,i为队列内第i辆卡车的发动机期望输出扭矩,KD,i队列内第i辆卡车的空气流场影响因子,ηg,i为队列内第i辆卡车的机械效率,Rg,i为队列内第i辆卡车的变速器档位速比,Rm,i为队列内第i辆卡车的主减速器减速比,Rc,i为队列内第i辆卡车的离合器减速比,ri为队列内第i辆卡车的车轮滚动半径,Kb为制动比例系数,f为滚动阻力系数,KD,i为队列内第i辆卡车的空气流场影响因子,CD为空气阻力系数,ρ为空气密度,Ai为队列内第i辆卡车的迎风面积,g为重力加速度,δi为队列内第i辆卡车的旋转质量换算系数。
当max{Eene Esaf Esta}=Esta时,表明商用车队列当前状态下的关键性能为货物舒适性,在该状态下不改变队列内卡车的排列顺序,但需要惯性补偿器对货物舒适度进行补偿。
所述惯性补偿器计算公式为:
式中,ae,i为队列内第i辆卡车的补偿加速度,Te,i为队列内第i辆卡车的发动机补偿扭矩,pe,i为队列内第i辆卡车的制动器补偿轮缸压力,d(d(ΔX)/dt)/dt为车厢内货物纵向位置变化率的导数。
Claims (10)
1.一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于:包括物流货运统筹中心,道路环境监测系统,车辆行驶状态信息与车厢内部信息采集系统,队列节能维护系统,队列安全控制系统,货物安全稳定控制系统,队列内车辆位置重构系统;
所述异质卡车队列,其第一辆卡车为领航车,其他卡车均为跟随车,队列内所有车辆的限制条件为载重4-40吨,长度4.2-15米的箱式卡车和液罐车;
所述物流货运统筹中心,其用于存储与管理卡车货运物流信息,存储道路环境信息和车辆行驶状态信息与车厢内部信息采集系统所采集的车辆信息,变定时刷新车辆同步信息,减少信息延迟累计误差;
所述道路环境监测系统,其通过监测路面沉陷量、前方道路地形、障碍物位置、队列前方第一辆非队列车辆的速度轨迹、队列周边非队列车辆数量,估计路面附着系数,对道路环境友好度进行评估;
所述车辆行驶状态信息与车厢内部信息采集系统包括车辆行驶状态传感器、检测驾驶员疲劳状态传感器、制动踏板压力与作用时间传感器、车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪,卡车油箱油量检测仪,其队列内每辆卡车通过比较自车制动减速度变化、踏板压力作用时间与车辆制动距离计算公式来计算制动器性能指标,其通过方向盘转角传感器信息和驾驶员疲劳状态采集摄像头得到驾驶员疲劳状态,将车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪,卡车油箱油量检测仪采集到的数据信息传入物流货运统筹中心暂存;
所述的队列节能维护系统,其通过接收物流货运统筹中心的货运路线长度、各个卡车油箱剩余油量以及各车辆百公里油耗值,计算整个队列节能维护指标和队列内车辆节能维护优先级,通过接收前方道路地形信息和路段速度限制,利用动态规划算法计算整个队列的燃油最优速度剖面;
所述的队列安全控制系统,其通过道路环境监测系统所监测的路面、路段、障碍物、前方非队列车辆、事故预警等级信息以及驾驶员疲劳状态,其通过驾驶员疲劳状态,控制车内和车外安全警示器,利用道路安全检测公式来计算队列安全性指标,利用物流货运统筹中心储存的整车质量以及制动器性能指标,计算车辆制动安全优先级,通过估计路面附着条件变化和队列内车辆间的通讯延迟时间、接收各个车辆制动器性能指标和队列内前车的运动状态信息,设计队列车辆间的改进安全间距策略和队列安全控制器,;
所述的货物安全稳定控制系统,其通过物流货运统筹中心存储的货物种类信息、车厢侧壁承载压力及其变化率、货物水平方向位置变化及变化率、货物竖直方向位置变化及变化率、液体货物液面波动幅度以及货物舒适度计算公式来计算卡车货物安全稳定指标,利用货物安全稳定指标设计惯性补偿器进行货物稳定性补偿;
所述的队列内车辆位置重构系统,其通过比较队列节能维护指标、队列安全性指标、货物安全稳定指标,确定队列所维护的安全性、节能性与货物舒适性三者中的关键性能,选择该性能下的队列内车辆优先级顺序,利用选择排序算法实现队列内车辆的重新排序并启动相应的控制器。
2.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述物流货运统筹中心包括信息接收模块、信息发送模块、信息实时更新模块、信息暂存模块、定时更新模块、信息计算模块;
所述信息接收模块接收道路环境监测系统监测的道路环境信息、车辆行驶状态信息与车厢内部信息采集系统采集的车辆状态信息和车厢内部信息、队列节能维护指标、节能维护优先级、队列安全性指标、制动安全优先级、货物安全稳定指标、当前时刻下队列内车辆排列顺序;
所述信息实时更新模块对载入的卡车货运物流信息进行实时更新,实时确定队列内卡车完成货运输送进度,对接收的道路友好度以信息接收频率进行实时更新;
所述信息暂存模块,其对信息接收模块接收的队列节能维护指标、节能维护优先级、队列安全性指标、制动安全优先级、货物安全稳定指标、当前时刻下队列内车辆排列顺序进行暂时储存,当定时更新次数超出Nt次,系统自动删除原始暂存信息并储存新的暂存信息,当日间5:00-17:59行车,Nt取值为3,当夜间18:00-次日4:59,Nt取值为4;
所述信息发送模块向队列节能维护系统、队列安全控制系统、货物安全稳定控制系统定时发送相关信息,当道路友好度低于紧急制动道路友好度阈值时,以最高优先级向队列安全控制系统发送紧急制动信号;
所述信息计算模块,利用信息接收模块所接收的道路友好度信息对变定时更新时间进行计算:
式中,Tref为变定时更新时间,单位分钟,Tbas=40min为基础跟新时间,Fr为道路环境友好度;
所述定时模块,其根据信息计算模块计算出的定时更新时间,利用广播的方式对队列内所有卡车广播位于自车前方卡车的运动状态信息,将车辆间通讯导致的累计误差全部清零。
3.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述道路环境监测系统包括三维激光扫描仪、固态激光雷达、导航定位系统、路面附着系数估计器;
所述三维激光扫描仪安装在领航车车头保险杠下方,其用于获取路面点云数据得到道路下沉信息与道路坡度信息,取三维激光扫描仪扫描范围中最接近领航车的矩形范围,其矩形范围的长为2米,其矩形范围宽为3.75米,以待求点为中心,设定影响范围为矩形范围,将影响范围内的所有点计入其中,计算各点距中心点的距离,用各点距离除以各点距中心距离之和作为该点对中心点的影响因子,中心点值为每个点对应影响因子乘以该点值之和,具体公式如下:
式中,i为待求点,j为待求点周围点,Hi、Hj为下沉值,dj为周围点距离待求点距离值,单位为米;
所述固态激光雷达安装在领航车车头中部,其安装位置距领航车挡风玻璃下沿距离10厘米,其用于检测队列领航车前方第一辆非队列车辆与领航车的纵向速度差;
所述导航定位系统,其用于确定领航车前轴中心在大地坐标系下的坐标,并得到卡车队列周边非队列车辆的数量;
所述路面附着系数估计器搭载在领航车内部,利用神经网络以及大量离线数据训练,得到领航车驶过道路路面的附着系数,利用该附着系数以及附着系数随纵向位移的变化率,将路面附着系数变化离散化,预测得到领航车前方道路路面附着系数:
式中,μ(k)、μ(k+1)为离散化后的路面附着系数,v0为领航车纵向行驶车速,f为路面附着系数估计器估计频率,单位为Hz,a、b为无量纲影响因子,其通过神经网络以及大量离线数据训练得到;
根据路面沉陷量、前方道路坡度、障碍物位置、队列前方第一辆非队列车辆的速度、队列周边非队列车辆数量、路面附着系数、前方路段事故预警等级参数、领航车车速、领航车位置,对道路环境友好度进行计算:
式中,Fr为道路环境友好度,道路环境友好度越大,道路环境越安全,KH为道路沉陷影响因子,H为三维扫描仪所选矩形范围内的最大沉陷量H=max{Hi},Ki=20为纵向坡度变化率系数,l为激光扫描仪扫描的最大纵向距离,单位为米,h为最大纵向距离内的高程差,单位为米,j为固态激光雷达扫描范围内的障碍物个数,xbj、ybj为第j个障碍物在大地坐标系上的坐标,x0、y0为队列领航车的前轴中心在大地坐标系上的坐标,Kx=80为纵向位置影响因子,Kyj为横向位置影响因子,在整个队列前方10米、双侧方各5米范围内所包含的全部非队列车辆取为n,n0为卡车队列内全部卡车的数量,v为队列前方第一辆非队列车辆的行驶车速,v0为卡车队列领航车的行驶车速,Ka=5为速度差变化率系数,Ku=-10为道路附着系数变化率系数,为避免出现波动,当-0.05<du/dx<0.05时,Ku=0,Kyj的取值分为三个等级:
当ybi-y0>W时,所述Kyj=10;
式中,W为行驶车道宽度。
4.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述车辆行驶状态信息与车厢内部信息采集系统,其检测驾驶员疲劳状态传感器包括方向盘转角传感器和驾驶员疲劳状态采集摄像头;
所述方向盘转角传感器,其用于检测转向操作频率fsteer,单位为Hz,方向盘转角变化率dα/dt,单位为rad/s,根据驾驶员转向操作判断驾驶员疲劳状态指标和根据头部位置姿态判断驾驶员疲劳的阈值为:
当Etired-s≥1.4,驾驶员处于重度疲劳状态;
当1.1≤Etired-s<1.4,驾驶员处于轻度疲劳状态;
当Etired-s<1.1,驾驶员处于清醒状态;
所述驾驶员疲劳状态采集摄像头,其用于驾驶员头部位置姿态估计、驾驶员眼部状态监测、驾驶员打哈欠次数监测;
所述头部位置姿态估计是根据采集摄像头采集的图像来获取头部姿态角,头部位置姿态角有三个,分别为绕x轴旋转的θx、绕y轴旋转的θy,单位为度,根据驾驶员头部姿态角判断驾驶员疲劳状态指标和根据头部位置姿态判断驾驶员疲劳的阈值为:
当Etired-h≥50%时,驾驶员处于重度疲劳状态;
当30%≤Etired-h<50%时,驾驶员处于轻度疲劳状态;
当Etired-h<30%时,驾驶员处于清醒状态;
式中,Etired-h为头部姿态疲劳指标,Ttired-h=15s,头部姿态估计周期为15s,在估计周期内驾驶员头部转角θx大于等于20度和转角θy大于等于20度所占时间占比小于30%,判定驾驶员处于清晰状态,在估计周期内驾驶员头部转角θx大于等于20度和转角θy大于等于20度所占时间占比超过30%但小于50%,判定驾驶员处于轻度疲劳状态,在估计周期内驾驶员头部转角θx大于等于20度和转角θy大于等于20度所占时间占比超过50%,判定驾驶员处于重度疲劳状态;
当Ne≥6时,驾驶员处于重度疲劳状态;
当3≤Ne<6时,驾驶员处于轻度疲劳状态;
当Ne<3时,驾驶员处于清醒状态;
式中,Ne为疲劳闭眼次数,所述眼部状态监测,驾驶员闭眼时间超过0.5s被记一次疲劳闭眼,一分钟内驾驶员疲劳闭眼次数小于3次,判定驾驶员处于清晰状态,一分钟内驾驶员疲劳闭眼次数大于等于3次小于6次,判定驾驶员处于轻度疲劳状态,一分钟内驾驶员疲劳闭眼次数大于等于6次,判定驾驶员处于重度疲劳状态;
当Ny≥4时,驾驶员处于重度疲劳状态;
当2≤Ny<4时,驾驶员处于轻度疲劳状态;
当Ny<2时,驾驶员处于清醒状态;
所述驾驶员打哈欠次数监测,驾驶员持续张嘴时间超出5s被记一次打哈欠,Ny为驾驶员打哈欠次数,一分钟内驾驶员打哈欠次数小于2次,判定驾驶员处于清晰状态,一分钟内驾驶员打哈欠次数大于等于2次小于4次,判定驾驶员处于轻度疲劳状态,一分钟内驾驶员疲劳闭眼次数大于等于4次,判定驾驶员处于重度疲劳状态;
当转向操作疲劳指标、头部姿态疲劳指标、疲劳闭眼次数以及打哈欠次数中存在一个指标判定驾驶员处于重度疲劳状态,表明该驾驶员处于重度疲劳状态,当转向操作疲劳指标、头部姿态疲劳指标、疲劳闭眼次数以及打哈欠次数四个指标均表明驾驶员处于清醒状态,表明驾驶员处于清醒状态,其他情况驾驶员均处于轻度疲劳状态。
5.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述车辆行驶状态信息与车厢内部信息采集系统,其车辆行驶状态传感器包括车速传感器和加速度传感器,此外车辆行驶状态信息与车厢内部信息采集系统还包括制动踏板压力与作用时间传感器、车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪,卡车油箱油量检测仪;
所述的轮速传感器和加速度传感器,其搭载于队列内每一辆卡车,测得领航车的车速与加速度分别为v0、a0,卡车队列中第i辆跟随车的车速和加速度分别vi和ai;
所述的制动踏板压力与作用时间传感器,其用于检测驾驶员踩踏制动踏板时的压力P与驾驶员踩踏制动踏板的时间tp,将制动踏板压力和加速度传感器测的车辆加速度进行比较计算,得到队列内卡车制动器性能;
式中,a′i为根据制动踏板压力计算出的队列内第i辆跟随卡车制动减速度的理论值,Kb为制动比例系数,f为滚动阻力系数,KD,i为队列内第i辆卡车的空气流场影响因子,KD取值范围为0<KD<1,CD为空气阻力系数,ρ为空气密度,Ai为队列内第i辆卡车的迎风面积,g为重力加速度,δi为队列内第i辆卡车的旋转质量换算系数;
当制动踏板压力传感器测得的制动踏板压力Pi≠0,但卡车加速度传感器测得的加速度时,记录制动踏板作用时间tP1,tP1为制动器消除制动间隙所用时间,当制动踏板压力传感器测得的制动踏板压力Pi≠0并且dai/dt>0时,记录制动踏板作用时间tP2,tP2为制动器压紧所用时间,制动器性能指标算公式:
Ebrake=KP1tP1+KP2tP2
式中,Ebrake为制动器性能指标,KP1、KP2分别为制动器消除制动间隙所用时间和制动器压紧所用时间的比例系数,KP1=0.7,KP2=0.3;
所述的车厢承载侧壁压力传感器安装在箱式卡车中,具体安装位置为车厢前后左右四个侧面,车厢承载侧壁压力传感器成网格式分布,在车厢侧壁上划分50厘米×50厘米的正方形网格,车厢承载侧壁压力传感器分布在正方形顶点处;
所述的货物位置检测雷达,其用于检测箱式货车内货物的横向、纵向以及垂向的位置变化、变化率以及变化率的导数,ΔX为纵向位置变化,ΔY为横向位置变化,ΔZ为垂向位置变化,单位为m,d(ΔX)/dt为纵向位置变化率,d(ΔY)/dt为横向位置变化率,d(ΔZ)/dt为垂向位置变化率,单位为m/s,d(d(ΔX)/dt)/dt为纵向位置变化率的导数,d(d(ΔY)/dt)/dt为横向位置变化率的导数,d(d(ΔZ)/dt)/dt为垂向位置变化率的导数,单位为m/s2;
队列内每个箱式卡车需要搭载两个货物位置检测雷达,其安装位置为车厢上侧壁两个斜对角位置,一个雷达位置为车厢上侧壁距前侧壁和左侧壁各50厘米位置处,第二个雷达安装位置为车厢上侧壁距后侧壁和右侧壁各50厘米位置处;
所述的液罐车液面波动监测仪,其用于检测液罐车内液体货物的液面波动幅度,液面波动监测仪分为两类,一是固定安装在液罐壁上的固定监测仪,二是自由放置在液体货物表面的流动监测仪;
所述的液面波动固定监测仪,其用于作为一个液面波动幅度基准,其安装位置为液罐前侧壁与上侧壁连接处的中间位置;
所述的液面波动流动监测仪随液面波动而波动,其用于检测相对于液面固定监测仪的垂向位置变化ΔZl(t),单位为m,垂向位置变化率d(ΔZl(t))/dt,单位为m/s,垂向位置变化率的导数d(d(ΔZl(t))/dt)/dt,单位为m/s2;
所述的卡车油箱油量检测仪,其用于检测卡车当前时刻油箱内剩余燃油的体积Voil,单位为升;
由车厢承载侧壁压力传感器、货物位置检测雷达、液罐车液面波动监测仪以及卡车油箱油量检测仪采集到的信息会传入物流货运统筹中心进行暂存。
6.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述队列节能维护系统,其用于计算整个队列节能维护指标、队列内车辆节能维护优先级以及整个队列的燃油最优速度剖面;
所述的队列节能维护指标,是根据物流货运统筹中心存储的第i辆卡车剩余货运路线长度Li,第i辆卡车油箱剩余油量Vi以及物流货运统筹中心存储的第i辆卡车满载时的循环工况下百公里燃油消耗量Qi计算得到的,队列节能维护指标Eene计算公式为:
所述的燃油最优速度剖面,其表征的是队列内全部卡车燃油综合处于最优的状态下的队列内每一辆卡车的速度;
建立离散化队列模型:
式中,vi(k)为离散后的第i辆卡车的速度,ΔsDP为离散后卡车行驶的距离,Fe,i(k)为第i辆卡车的驱动力,Fb,i(k)第i辆卡车的制动力,α=arctan(h/l)为路面坡度,ti(k)为离散后第i辆卡车的行驶时间;
离散后的当前卡车车速函数:
di(k)=vi(k)·τi-li-1
式中,di(k)为第i辆卡车和第i-1辆卡车之间的距离,单位为米,τi为第i辆车的车头时距时间系数,单位为秒,li-1为第i-1辆卡车的纵向长度,单位为米,在动态规划算法中,将离散化的队列模型改为第i辆卡车的速度函数vi(k-1)=fv,i(vi(k),ui(k)),其中ui(k)为输入向量ui(k)=[Fe,i(k)Fb,i(k)]T;
输入量受到发动机驱动力和制动器制动力的限制:
Pmin,i/vi(k)≤Fe,i(k)≤Pmax,i/vi(k)
-ηiμmig≤Fb,i(k)≤0
式中,Pmin,i、Pmax,i分别为队列内第i辆卡车发动机的最小扭矩和最大扭矩,在动态规划算法中,将输入约束写作ui(k)∈Ui(k,vi);
状态量受到道路速度的限制:
vmin(k)≤vi(k)≤vmax(k)
式中,vmin(k)为当前状态下该路段规定的最小速度,vmax(k)为当前状态下该路段规定的最大速度,在动态规划算法中,将状态约束写作vi(k)∈V(k),要求队列内所有卡车遵循相同的速度廓线:
vi(k)=v(k)i=1,...,n0
定义代价函数以保证整个队列处于油耗最小的最优速度剖面,代价函数包含两项,第一项Jf(v(J),uI(J)),表示队列所消耗的燃油值,其中J=[k,…,k+HDP-1]、I=[1,…,n0],HDP为动态规划状态参数,第二项Jt(v(J)),表示移动时间,整体动态规划代价函数为:
JDP(v(J),uI(J))=Jf(v(J),uI(J))+εJt(v(J))
式中,ε为代价函数权衡权重,代价函数中两项的具体计算公式为:
式中,p0,i,p1,i为通过线性回归得到的燃油模型参数,分别为燃油模型中的截距与斜率;
最小化代价函数得到队列内卡车最优燃油速度剖面:
s.t.vi(j-1)=fv,i(vi(j),ui(j))
ui(j)∈Ui(j,vi)
vi(j)=v(j)∈V(j)
zk=si(t)
v(k)=v1(t)
式中,j=k,…,k+HDP-1。
7.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述队列安全控制系统,其通过驾驶员疲劳状态控制卡车内外安全警示其器,其通过道路环境友好度与驾驶员疲劳状态计算队列安全性指标,其通过驾驶员疲劳状态、整车质量信息与制动器性能指标计算卡车制动安全优先级;
所述卡车内安全警示器,包含安全警示灯和扬声器,其用于警示提醒处于疲劳状态的驾驶员,器安装位置为驾驶员座位左前方A柱上方,卡车外安全仅有安全警示灯,前安装位置为车头、车尾各一个,左右侧各三个;
当驾驶员处于清醒状态时,车内安全警示灯绿色常亮,扬声器不发声,车外安全警示灯不亮;
当驾驶员处于轻度疲劳状态时,车内安全警示灯红色闪烁,闪烁频率为1Hz,扬声器发出提醒音,车外安全警示灯不亮;
当驾驶员处于轻度疲劳状态时,卡车的驾驶操作权限强制从人类驾驶员剥离,由自动化卡车无人驾驶系统全面接受驾驶权限,车内安全警示灯红色闪烁,闪烁频率为1Hz,扬声器发出提醒音,车外安全警示灯蓝色常亮;
所述的队列安全性指标,是根据道路环境友好度Fr与驾驶员疲劳状态共同决定的,设定驾驶员疲劳状态指标为Etired;
当驾驶员处于清醒状态时,Etired=0.01;
当驾驶员处于轻度疲劳状态时,Etired=0.6;
当驾驶员处于重度疲劳状态时,Etired=1;
队列安全性指标Esaf的计算公式为:
式中,a,b分别为比例因子,分别取值为a=0.6,b=0.4;
所述的卡车制动安全优先级,其通过驾驶员疲劳状态指标Etired、整车质量mi、制动器性能指标Ebrake共同计算得到的,(10·Ebrake,i+mi/109+Etired,i)的值越大,表征卡车制动安全优先级越高,(10·Ebrake,i+mi/109+Etired,i)的值越小,表征卡车制动安全优先级越低。
8.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述队列安全控制系统,通过估计路面附着条件变化和队列内车辆间的通讯延迟时间、接收各个车辆制动器性能指标和队列内前车的运动状态信息,设计队列车辆间的安全间距策略,基于安全间距策略和滑模控制算法,设计队列安全控制器;
当自动化卡车无人驾驶系统全面接受驾驶权限时,启动队列安全控制器;
所述的改进安全间距策略,其同时考虑通信延迟、制动延迟、路面附着系数变化以及前后车运动状态,对队列内卡车的制动距离的影响,其改进的安全间距策略计算公式为:
式中,ddes,i为队列内第i辆卡车的与第i-1辆卡车的期望间距,α为车辆速度控制系数,β为车辆加速度控制系数,d0为前车和后车都完全停止时允许的最小间距,tm为通讯延迟时间,tP,i=tP1,i+tP2,i为制动延迟时间,tc,i为制动压紧时的制动时间,ki为制动力系数,ddelay,i-1为队列内第i-1辆卡车的在其自身的制动延迟时间tP,i-1和通讯延迟tc,i-1时间内行驶过的距离;
所述的队列安全控制器,其基于改进的安全间距策略和耦合积分滑模控制算法设计得到,队列内第i辆和第i-1辆卡车之间的间距误差为:
ei=xi-1-xi-ddes,i
S(t)=Qs(t)
为确保系统在高速接近滑模面,并避免造成的系统斗振,当它到达滑模面尽可能顺利收敛至零,选用指数趋近律:
由耦合积分滑模控制器得到队列内第i辆卡车的期望加速度为:
通过耦合积分滑模控制器得到的期望加速度计算发动机驱动转矩和制动轮缸压力:
式中,Tdes,i为队列内第i辆卡车的发动机期望输出扭矩,KD,i队列内第i辆卡车的空气流场影响因子,ηg,i为队列内第i辆卡车的机械效率,Rg,i为队列内第i辆卡车的变速器档位速比,Rm,i为队列内第i辆卡车的主减速器减速比,Rc,i为队列内第i辆卡车的离合器减速比,ri为队列内第i辆卡车的车轮滚动半径,Kb为制动比例系数。
9.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述货物安全稳定控制系统,其用于计算货物安全稳定指标,并设计惯性补偿器对货物进行稳定性补偿;
所述的货物安全稳定指标,其通过车厢承载侧壁压力传感器采集的侧壁平均压力值以及平均压力变化率,货物位置检测雷达采集的横向、纵向和垂向货位位置变化以及位置变化率,利用货物舒适度公式计算得到,若卡车为液罐车,则通过液面波动监测仪采集垂向位置变化、吹响位置变化率以及垂向位置变化率的导数,利用货物舒适度公式计算得到,箱式卡车货物舒适度计算公式和液罐卡车货物舒适度计算公式分别为:
式中,Ecom-b为箱式卡车货物舒适度,Ecom-l为液罐卡车货物舒适度,Ecom-b、Ecom-l值越大,表明卡车货物安全舒适度越差,hx为类位移影响因子,hv为类速度影响因子,hp为类加速度影响因子,p0为车厢侧壁基础压力,分别为车厢前侧内壁、后方内壁、左侧内壁以及右侧内壁各自的平均压强值,ΔX为纵向位置变化,ΔY为横向位置变化,ΔZ为垂向位置变化,单位为m,d(ΔY)/dt为横向位置变化率,d(ΔZ)/dt为垂向位置变化率,单位为m/s,d(d(Δx)/dt)/dt为纵向位置变化率的导数,d(d(Δy)/dt)/dt为横向位置变化率的导数,d(d(Δz)/dt)/dt为垂向位置变化率的导数,单位为m/s2,ΔZl(t)为液面垂向位置变化,单位为m,d(ΔZl(t))/dt液面垂向位置变化率,单位为m/s,d(d(ΔZl(t))/dt)/dt为垂向位置变化率的导数,单位为m/s2;
货物安全稳定指标计算公式为:
式中,i=1,...,n′0为卡车队列内箱式货车的数量,j=1,...n″0为卡车队列内液罐车的数量;
惯性补偿器计算公式为:
式中,ae,i为队列内第i辆卡车的补偿加速度,Te,i为队列内第i辆卡车的发动机补偿扭矩,pe,i为队列内第i辆卡车的制动器补偿轮缸压力。
10.根据权利要求1所述的一种基于异质卡车队列节能、安全和货物舒适的控制系统,其特征在于,所述的队列内车辆位置重构系统通过比较物流货运统筹中心发送的队列安全性指标、队列节能维护指标以及货物安全稳定指标三者的大小,取出队列安全性指标、队列节能维护指标以及货物安全稳定指标三者中的最大值所对应的性能,作为队列当前时刻的关键性能,利用选择排序的方法,按照关键性能下的优先级进行队列卡车顺序重新排列,并启动相应控制器;
当max{Eene Esaf Esta}=Eene时,表明商用车队列当前状态下的关键性能为节能性,卡车队列内卡车顺序按照节能维护优先级由高到低向后排列,并控制队列内全部卡车按照燃油最优速度剖面的速度行驶;
当max{Eene Esaf Esta}=Esaf时,表明商用车队列当前状态下的关键性能为队列安全性,卡车队列内卡车顺序按照卡车制动安全优先级由低到高向后排列,并当驾驶员处于重度疲劳状态时,驾驶权限由无人驾驶系统接管,并启动队列安全控制器;
当max{Eene Esaf Esta}=Esta时,表明商用车队列当前状态下的关键性能为货物舒适性,在该状态下不改变队列内卡车的排列顺序,但需要惯性补偿器对货物舒适度进行补偿;
所述卡车位置排序是根据Eene、Esaf、Esta的大小决定的,物流货运统筹中心发送指标信息的时间是按照定时模块所计算的变定时更新时间进行的;
所述的选择排序算法,其步骤为:首先在未排序的卡车队列中找到优先级最高或最低的卡车,将其存放在队列的起始位置;其次,在从剩余未排序卡车中继续寻找优先级最高或最低的卡车,将其放在已排序卡车的末尾;最后,重复第二个步骤,直到所有卡车均排序完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111282413.XA CN113985883B (zh) | 2021-11-01 | 2021-11-01 | 一种基于异质卡车队列节能、安全和货物舒适的控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111282413.XA CN113985883B (zh) | 2021-11-01 | 2021-11-01 | 一种基于异质卡车队列节能、安全和货物舒适的控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113985883A true CN113985883A (zh) | 2022-01-28 |
CN113985883B CN113985883B (zh) | 2024-05-10 |
Family
ID=79745300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111282413.XA Active CN113985883B (zh) | 2021-11-01 | 2021-11-01 | 一种基于异质卡车队列节能、安全和货物舒适的控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113985883B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189448A (zh) * | 2022-12-08 | 2023-05-30 | 吉林大学 | 一种感知路面状态的货车队列智能行驶引导方法及系统 |
CN116189448B (zh) * | 2022-12-08 | 2024-11-05 | 吉林大学 | 一种感知路面状态的货车队列智能行驶引导方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108973998A (zh) * | 2018-07-11 | 2018-12-11 | 清华大学 | 一种基于mpc的异质车辆队列分布式节能控制方法 |
CN110263844A (zh) * | 2019-06-18 | 2019-09-20 | 北京中科原动力科技有限公司 | 一种在线学习和实时估计路面状态的方法 |
CN111341152A (zh) * | 2020-03-03 | 2020-06-26 | 东南大学 | 考虑待行队列影响与安全避撞的网联汽车绿色通行系统与方法 |
CN111694366A (zh) * | 2020-07-08 | 2020-09-22 | 东北大学秦皇岛分校 | 基于滑模控制理论的车队协同制动控制方法 |
CN111736473A (zh) * | 2020-08-13 | 2020-10-02 | 东北大学秦皇岛分校 | 基于非线性终端滑模方法的车队有限时间制动控制方法 |
CN112634606A (zh) * | 2020-12-21 | 2021-04-09 | 重庆交通大学 | 货车编队运输调度方法、调度系统、介质及数据处理终端 |
-
2021
- 2021-11-01 CN CN202111282413.XA patent/CN113985883B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108973998A (zh) * | 2018-07-11 | 2018-12-11 | 清华大学 | 一种基于mpc的异质车辆队列分布式节能控制方法 |
CN110263844A (zh) * | 2019-06-18 | 2019-09-20 | 北京中科原动力科技有限公司 | 一种在线学习和实时估计路面状态的方法 |
CN111341152A (zh) * | 2020-03-03 | 2020-06-26 | 东南大学 | 考虑待行队列影响与安全避撞的网联汽车绿色通行系统与方法 |
CN111694366A (zh) * | 2020-07-08 | 2020-09-22 | 东北大学秦皇岛分校 | 基于滑模控制理论的车队协同制动控制方法 |
CN111736473A (zh) * | 2020-08-13 | 2020-10-02 | 东北大学秦皇岛分校 | 基于非线性终端滑模方法的车队有限时间制动控制方法 |
CN112634606A (zh) * | 2020-12-21 | 2021-04-09 | 重庆交通大学 | 货车编队运输调度方法、调度系统、介质及数据处理终端 |
Non-Patent Citations (5)
Title |
---|
"Safety Spacing Control of Truck Platoon Based on Emergency Braking under Different Road Conditions", SAE MOBILUS, vol. 7, no. 1, 13 October 2022 (2022-10-13), pages 69 - 81 * |
SHAO-BO LU 等: "Steering-based fault-tolerant control for the braking failures of an independent driving electric vehicle", ROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS PART D-JOURNAL OF AUTOMOBILE ENGINEERING, vol. 228, no. 9, 26 March 2014 (2014-03-26), pages 1017 - 1033 * |
张野 等: "基于分布式滑模的智能网联汽车变车距队列控制", 电子测量技术, vol. 43, no. 22, 23 November 2020 (2020-11-23), pages 62 - 66 * |
牛清宁: "基于信息融合的疲劳驾驶检测方法研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, 15 September 2014 (2014-09-15), pages 3 * |
石振: "东风HUAT赛车整车匹配与试验", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, 15 April 2018 (2018-04-15), pages 3 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189448A (zh) * | 2022-12-08 | 2023-05-30 | 吉林大学 | 一种感知路面状态的货车队列智能行驶引导方法及系统 |
CN116189448B (zh) * | 2022-12-08 | 2024-11-05 | 吉林大学 | 一种感知路面状态的货车队列智能行驶引导方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113985883B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12066836B2 (en) | Detecting general road weather conditions | |
US10940851B2 (en) | Determining wheel slippage on self driving vehicle | |
CN103085816B (zh) | 一种用于无人驾驶车辆的轨迹跟踪控制方法及控制装置 | |
CN113753026B (zh) | 一种考虑路面附着条件的大型营运车辆防侧翻决策方法 | |
US12065138B2 (en) | Vehicle surface impact detection | |
CN109270938B (zh) | 一种矿用车方阵编队控制系统 | |
CN112580148A (zh) | 基于深度强化学习的重型营运车辆防侧翻驾驶决策方法 | |
AU2008263706A1 (en) | Driving assistance method and device for a vehicle for travelling along a predetermined path between a first point and a second point | |
CN114572207B (zh) | 用于自主驾驶系统的燃料经济性优化 | |
CN113721606A (zh) | 引导式自动驾驶物流车辆控制系统及方法 | |
US20230249709A1 (en) | Architecture For Variable Motion Control Envelope | |
CN116714579B (zh) | 基于车路协同的自动驾驶车辆预见性安全控制方法及系统 | |
CN112519777A (zh) | 自动驾驶车队的控制方法、车载装置、车辆及系统 | |
CN101495835A (zh) | 对车辆周围环境进行分类的装置和系统 | |
CN113985883B (zh) | 一种基于异质卡车队列节能、安全和货物舒适的控制系统 | |
US11851092B1 (en) | Positional gaps for driver controllability | |
US20230242158A1 (en) | Incorporating position estimation degradation into trajectory planning for autonomous vehicles in certain situations | |
Shadrin | Affordable and efficient autonomous driving in all weather conditions | |
Hollar et al. | A new low cost, efficient, self-driving personal rapid transit system | |
CN112519776B (zh) | 自动驾驶车队的控制方法、车载装置及自动驾驶车辆 | |
Jiang et al. | Performance analysis of cooperative truck platooning under commercial operation during Canadian winter season | |
CN117022267A (zh) | 基于无人机的山区道路卡车队列预见性巡航控制方法 | |
CN114862306A (zh) | 一种重型车辆生态驾驶路线优化方法及系统 | |
CN115534973A (zh) | 自主驾驶系统的通知质量分布的优化 |
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 |