CN115285120B - 一种基于模型预测控制的车辆跟随分层式控制系统及方法 - Google Patents

Abstract

本发明涉及智能网联车辆的跟随控制技术领域，特别是涉及一种基于模型预测控制的车辆跟随分层式控制系统及方法。其包括状态感知模块、车间通信模块与分层控制模块；上层控制基于车辆跟随状态求得期望控制参数，下层控制根据期望控制参数控制车辆行驶。上层控制采用模型预测控制的方法与非线性跟车策略，引入车联网以提高车辆对环境的感知能力，车辆结合自身的状态感知模块的反馈信息与车间通讯模块获得的前车状态信息，通过目标函数的设计保证车辆跟随的稳定性，在车辆的性能、运行安全的约束条件下求得车辆的期望加速度。下层控制基于车辆整车及传动系统的动力学模型，通过车辆制动/油门的非线性反馈控制策略实现对期望加速度的跟踪。

Description

一种基于模型预测控制的车辆跟随分层式控制系统及方法

技术领域

本发明涉及智能网联车辆的跟随控制技术领域，特别是涉及一种基于模型预测控制的车辆跟随分层式控制系统及方法。

背景技术

随着科学技术的不断进步和物联网技术的兴起，当前全球汽车产业朝着自动驾驶、智能网联方向发展的趋势日益明显。作为自动驾驶的重要组成，车辆跟随控制通过依照当前车辆与周围车辆的状态，实时调整当前车辆与前车的车间距，较传统驾驶员驾驶能够保证更小车间距下的跟车安全，从而在提升交通效率的同时减小燃油消耗，降低人为交通事故发生的概率。智能网联技术使车辆系统具备了共享感知、共享决策等多种优势，对于行驶安全性、行驶经济性与行驶性能的提升都有着积极作用。目前关于车辆跟随控制方法主要集中在比例-积分-微分控制、滑模控制等方法上，这类控制方法虽然为车辆跟随的稳定性的分析提供了便利，但在控制器设计的过程中却难以考虑执行器饱和、车辆安全运行等约束。车辆在实际驱动与制动过程中的加速度存在约束，控制器输出若超出约束范围可能导致系统偏离平衡位置过远发生失稳；在紧密的车辆编队中如何避免车辆之间发生碰撞对车辆编队的安全运行具有重要意义，而这一点也无法通过编队稳定性控制得到保障。可见，执行器饱和、车辆安全运行等约束在控制器设计过程中的体现对于车辆编队在实际道路上的安全运用十分重要。此外，当前车辆跟随控制系统在设计过程中往往将车辆模型进行简化，由于车辆参数的不确定性与车辆在运行过程中可能遇到的外部干扰对车辆跟随控制性能与稳定性的影响，难以直接应用在实际场景下的车辆跟随控制当中。

发明内容

本发明目的是针对背景技术中存在的问题，提出一种基于模型预测控制的车辆跟随分层式控制系统及方法。

本发明的技术方案，为实现以上目的，本发明公开了一种基于模型预测控制的车辆跟随分层式控制方法，包括状态感知模块、车间通信模块与分层控制模块。分层控制模块包括上层控制与下层控制，上层控制基于车辆跟随状态求得期望控制参数，下层控制根据期望控制参数控制车辆行驶。上层控制采用模型预测控制的方法，引入车联网以提高车辆对环境的感知能力，车辆结合自身的状态感知模块的反馈信息与车间通讯模块获得的前车状态信息，通过目标函数的设计保证车辆跟随的稳定性，在车辆的性能、运行安全的约束条件下求得车辆的期望加速度。下层控制基于车辆整车及传动系统的动力学模型，通过车辆制动/油门的非线性反馈控制策略实现对期望加速度的跟踪。

作为本发明的进一步优选，前述的状态感知模块包括车载探测雷达、车速传感器、加速度传感器与卫星定位装置。前述的车间通讯模块包括V2V通讯装置，用于获取前车的状态信息。

上述结构进行车辆跟随控制包括如下步骤：

(1)、构建车辆跟随的预测模型，得到车辆跟随过程中部的车间距误差e。采用非线性的跟车策略。当车间距小于静止车距d_st时，当前车辆静止；当车间距大于巡航车距d_go时，当前车辆以巡航速度v_max巡航；当车间距介于静止车距d_st与巡航车距d_go之间时，理想车间距定义为车辆速度v的非线性函数：

通过车载的雷达得到与前车的实际车距d可以计算当前车辆与前车质心间车间距与理想车间距间的误差为：e(t)＝(x_lead(t)-x(t)-l)-d_des(t)，l为当前车辆与前车质心间车身长度，x_lead为前车的质心位置，x为当前车辆的位置。在上层控制器层面，用描述车辆下层纵向动力学控制过程。

(2)、计算当前车辆这一时刻的理想加速度a_des。采用模型预测控制的控制方法，对上述数学模型进行离散化以预测系统未来的状态，预测步长、控制器执行步长均设置为m。通过车辆搭载状态感知单元获取当前车辆的状态参数x、v、a、e；通过车间通讯单元获取跟随车辆的速度v_lead、前车车间距误差的预测值当前车不存在跟随车辆时/>将二次型函数x^TAx记作||Ax||，设计目标优化函数为：

式中，u为车辆跟随系统的带求解的期望控制参数，a_des取每一时刻期望控制序列u的第一个值；上标p表示当前时刻的预测值，^表示上一时刻的状态估计值，e^P(k+j|k)表示k时刻预测k+j时刻的车间距误差。为了保证当前车辆的车间距误差能够收敛，添加终端约束e^P(k+m|k)＝0，选取目标函数权重Q＜F。考虑到执行器饱和与车辆安全运行的需求，设计优化约束为：

0≤e(k+j)≤e_max，j∈[1，m]

u_min≤u(k+j-1)≤u_max，j∈[1，m]

e^P(k+m|k)＝0

(3)、求取当前车辆的油门开度/制动器压力。设计当前车辆跟踪期望速度的误差为ε＝v_des-v。设计李雅普诺夫函数为则其对时间导数为/> 设计V的衰减率为/>结合车辆纵向动力学模型得到非线性油门/制动反馈律。假定车辆处于驱动状态，发动机输出扭矩T_e为：

T_e＝F_rr_effR_g+M[u+k(v_des-v)]

式中F_r为车辆行进过程中的阻力(包含空气阻力、滚动阻力)，r_eff为车轮有效半径，R_g为车辆传动系统齿比，为车辆等效质量，m为簧上质量，I_w为车轮转动惯量。依据发动机的扭矩图求得油门开度。如果油门开度小于0，则计算制动扭矩T_b：

制动器主缸压力则通过P_b＝k_bT_b进行估计。

有益效果：

1、采用分层式的控制架构，上层控制基于车辆跟随状态求得期望控制参数，下层控制根据期望控制参数控制车辆行驶，达到了提升控制器对运行工况大幅变化的鲁棒性的技术效果。

2、建立了基于非线性跟车策略的车辆跟随数学模型，将静止、巡航、跟随工况下的理想车距以平滑的曲线相连接，相较于现有的固定时距的跟车策略有利于增强车辆跟随的舒适性。

3、上层控制采用模型预测控制的控制方法，在保证车辆跟随稳定性的同时得到满足执行器饱和、车辆安全运行等约束的控制输入，相较于现有技术有助于提升车辆跟随的安全性、舒适性。

4、下层控制基于车辆节点动力学模型与李雅普诺夫稳定性设计了车辆制动/油门的非线性控策略，实现了对期望加速度的跟踪的技术效果，相较于现有基于PID的控制方法，有助于提升对车辆参数不确定与外部干扰的鲁棒性。

附图说明

图1为本发明的各个模块的工作流程图。

图2为车辆跟随分层控制模块的控制流程图。

图3为非线性跟车策略示意图。

具体实施方式

实施例1

如图1所示_，本发明的目的是提供一种适用于高速公路工况、同时满足车辆跟随稳定性要求与执行器饱和、车辆安全运行等约束的车辆跟随控制方法。如图1所示，本发明包括状态感知模块、车间通信模块与分层控制模块。分层控制模块包括上层控制与下层控制，上层控制基于车辆跟随状态求得期望控制参数，下层控制根据期望控制参数控制车辆行驶。上层控制采用模型预测控制的方法，引入车联网以提高车辆对环境的感知能力，车辆结合自身的状态感知模块的反馈信息与车间通讯模块获得的前车状态信息，通过目标函数的设计保证车辆跟随的稳定性，在车辆的性能、运行安全的约束条件下求得车辆的期望加速度。下层控制基于车辆整车及传动系统的动力学模型，通过车辆制动/油门的非线性反馈控制策略实现对期望加速度的跟踪。

作为本发明的进一步优选，前述的状态感知模块包括车载探测雷达、车速传感器、加速度传感器与卫星定位装置。车载探测雷达在车辆前牌照下方，用以测量当前车辆与跟随车辆间的车间距；车速传感器采用安装在四个车轮上的轮速传感器，通过车速算法得到车辆实时车速；卫星定位装置安装在车体顶部中央位置，用以获得车辆的位置；加速度传感器放置在车辆质心处，用以获得车辆的实时纵向加速度。

作为本发明的进一步优选，前述的车间通讯模块包括V2V通讯装置，用于获取前车的速度、车间距误差等状态信息。V2V通讯装置可以采用基于IEEE802.11p和C-V2X等技术路线的通讯芯片。

基于上述结构，本发明提出的基于模型预测控制的车辆跟随分层式控制方法，主要包含以下三个步骤：

(1)、构建车辆跟随的预测模型，得到车辆跟随过程中部的车间距误差e。考虑到本发明主要涉及高速公路工况，为了保证通讯信息的时效性，采用前车跟随的通讯拓扑结构。为了提高车辆的舒适性，采用非线性的跟车策略。当车间距小于静止车距d_st时，当前车辆静止；当车间距大于巡航车距d_go时，当前车辆以巡航速度v_max巡航；当车间距介于静止车距d_st与巡航车距d_go之间时，理想车间距定义为车辆速度v的非线性函数：

通过车载的雷达得到与前车的实际车距d可以计算当前车辆与前车质心间车间距与理想车间距间的误差为：

e(t)＝d(t)-d_des(t)

e(t)＝(x_lead(t)-x(t)-l)-d_des(t)

l为当前车辆与前车质心间车身长度，x_lead为前车的质心位置，x为当前车辆的位置。在上层控制器层面，用以下简化模型描述下层车辆纵向动力控制过程：

a为当前车辆的加速度，a_des为当前车辆的期望控制参数(理想加速度)，τ为代表动力传动系统的时间常数。取采样时间T_s，由此可以得到车辆跟随系统的离散时间状态空间模型为：ξ(k+1)＝f(ξ(k)，u(k)，v_lead(k))，y(k)＝Cξ(k)。式中，k代表第k个时刻，即t_k＝kT_s；车辆状态参数ξ(k)＝[x(k)，v(k)，a(k)，e(k)]^T通过前述的车载状态感知模块获得，前车速度v_lead(k)由前述的车间通讯模块得到；C＝[0 0 0 1]，系统输出为y(k)＝e(k)。

(2)、计算当前车辆这一时刻的理想加速度a_des。分层控制模块中的上层控制器依据前述的车间通讯模块与状态感知模块得到的信息对当前车辆的加速度进行优化。在此过程中，车辆跟随的稳定性对于车辆的安全运行至关重要。车辆跟随稳定性是指当前车辆与前车的车间距误差、速度误差等趋向于0。若当前车辆与前车间的车间距误差发散，会导致车辆无法完成既定的跟随目标，甚至导致安全事故的发生。考虑到控制器饱和与车辆安全运行的约束，采用模型预测控制的控制方法，预测步长、控制器执行步长均设为m。u为车辆跟随系统的带求解的期望控制参数，a_des取每一时刻期望控制序列的第一个值；上标p表示当前时刻的预测值，*表示当前时刻的最优值，^表示上一时刻的状态估计值，其值与上一时刻的最优值相同；e^P(k+j|k)表示k时刻预测k+j时刻的车间距误差。将二次型函数x^TAx记作||Ax||，设计目标优化函数为：

添加终端约束e^P(k+m|k)＝0，同时在当前时刻预测时域外的状态预测值与控制输入为0。对于被跟随的前车，假定其在跟踪某一轨迹，优化目标函数与J(k)相同，其中F＝0，其余目标函数优化权重相同。当目标函数权重满足Q＜F时，J^*(k+1)+J_lead ^*(k+1)-J^*(k)-J_lead ^*(k)≤0，车辆与跟随车辆的目标优化函数趋近于0，车辆跟随系统趋于稳定。

此外，为进一步保证车辆能够安全运行，避免与前方车辆发生碰撞，期望当前车辆的车间距误差恒为正数以提供充足的安全冗余。车辆在实际执行期望控制参数的过程也会受到车辆实际执行器性能的约束，若不考虑这一约束可能导致在极端工况下车辆跟随误差的增大甚至导致安全事故的发生。综合以上考虑，设计优化目标函数过程中的约束为：

0≤e(k+j)≤e_max，j∈[1，m]

u_min≤u(k+j-1)≤u_max，j∈[1，m]

e^P(k+m|k)＝0

(3)、求取当前车辆的油门开度/制动器压力。分层控制模块中的下层控制器根据期望控制参数，结合车辆的状态反馈控制车辆行驶。整车的车辆动力学方程为ma＝F_x-F_r，其中m为车辆簧上质量，a为质心加速度；F_x是路面与轮胎间接触力，为F_xf、F_xr的和；F_r为车辆行驶过程中的阻力，包括空气阻力F_aero与作用于前后轴的滚动阻力R_xf、R_xr。假设车辆的四个轮胎参数相同，转动惯量为I_w，车轮有效半径为r_eff，考虑到在高速公路工况下车辆运行状况较为稳定，可以忽略轮胎滑移，则轮胎动力学方程可写作T_t为作用于四个轮胎上驱动力矩的和，T_b为作用于四个轮胎上制动力矩的和，易得F_xr_eff＝T_t-T_b。设传动系统的速比为R_g，忽略传递过程中的损耗，发动机转速为/>发动机输出力矩为T_e＝R_gT_t。由此可以得到车辆节点的纵向加速度为：

式中，设计当前车辆跟踪期望速度的误差为ε＝v_des-v，其中车辆的期望速度v_des可通过期望控制参数u的数值积分获得。设计李雅普诺夫函数为则其对时间导数为/>设计V的衰减率为/>结合车辆纵向动力学模型得到非线性油门/制动反馈律。假定车辆处于驱动状态，发动机输出扭矩T_e为：

T_e＝F_rr_effR_g+M[a_des+k(v_des-v)]

依据发动机的扭矩图求得油门开度。如果油门开度小于0，则计算制动扭矩T_b：

制动器主缸压力则通过P_b＝k_bT_b进行估计。

实施例2

如图2所示，本发明的控制流程采用了分层式控制架构。上层控制基于车辆跟随状态求得期望控制参数，下层控制根据期望控制参数控制车辆行驶，期望控制参数为当前车辆的理想加速度。其中，上层控制器采用模型预测控制的方法与非线性的跟车策略，基于前述的目标函数与约束条件在执行器与车辆运行安全的条件下实现车辆跟随的稳定控制。在实际求解期望控制参数的过程中，上层控制器依赖于自身的状态反馈信息x、v、a、e，来自前车的参考输入的前馈补偿与来自前车的可测量干扰的前馈补偿v_lead。下层控制器采用了非线性反馈的方法，基于车辆与传动系统的动力学模型，通过稳定性设计得到了当前车辆油门开度与制动主缸压力的非线性反馈控制策略。在实际控制过程中，该非线性反馈控制策略依赖于上层控制器输出的期望控制参数u，当前车辆的反馈量v与来自外部的阻力F_r，F_r主要包括滚动阻力与空气阻力，可以通过反馈量v进行估计。

实施例3

本发明所采用了非线性跟车策略。当车间距小于静止车距d_st时，当前车辆静止；当车间距大于巡航车距d_go时，当前车辆以巡航速度v_max巡航；当车间距介于静止车距d_st与巡航车距d_go之间时，理想车间距定义为车辆速度v的非线性函数。在静止、巡航、跟随的车距策略以平滑的曲线相连接，相较于固定时距的跟车策略有利于增强车辆跟随的舒适性。本发明采用分层式的控制架构，上层控制基于车辆跟随状态求得期望控制参数，下层控制根据期望控制参数控制车辆行驶，提升控制器对运行工况大幅变化的鲁棒性。其中，上层控制器采用模型预测控制的控制方法，在保证车辆跟随稳定性的同时得到满足执行器饱和、车辆安全运行等约束的控制输入，同时采用了非线性的跟车策略，有助于提升车辆跟随的舒适性。构建了车辆的节点动力学模型，基于李雅普诺夫稳定性设计了车辆制动/油门的非线性控制策略实现对期望加速度的跟踪，提升对车辆参数不确定与外部干扰的鲁棒性，能够满足车辆实际应用需求。

Claims (7)

1.一种基于模型预测控制的车辆跟随分层式控制方法，其特征在于，采用分层式控制架构，包括状态感知模块、车间通信模块与分层控制模块；分层控制模块包括上层控制器与下层控制器；上层控制器基于车辆跟随状态求得期望控制参数，下层控制器根据期望控制参数控制车辆行驶；

具体步骤如下：

S1、构建车辆跟随的数学模型，得到车辆跟随过程中车间距误差e；

当车间距小于静止车距d_st时，当前车辆静止；

当车间距大于巡航车距d_go时，当前车辆以巡航速度v_max巡航；

当车间距介于静止车距d_st与巡航车距d_go之间时，理想车间距定义为车辆速度v的非线性函数：

通过车载探测雷达得到与前车的实际车距d计算当前车辆与前车质心间车间距与理想车间距间的误差为：

e(t)＝d(t)-d_des(t)；

S11、将S1中的理想车间距间的误差公式变形为：e(t)＝(x_lead(t)-x(t)-l)-d_des(t)；其中l为当前车辆与前车质心间车身长度，x_lead为前车的质心位置，x为当前车辆的位置；

S12、在上层控制器层面，用描述车辆下层纵向动力学控制过程；

其中a为当前车辆的加速度，a_bes为当前车辆的期望控制参数，τ为代表动力传动系统的时间常数；取采样时间T_s，得到车辆跟随系统的离散时间状态空间模型为：ξ(k+1)＝f(ξ(k),u(k),v_lead(k)),y(k)＝Cξ(k)；

式中，k代表第k个时刻，即t_k＝kT_s；车辆状态参数ξ(k)＝[x(k),v(k),a(k),e(k)]^T通过前述的车载状态感知模块获得，前车速度v_lead(k)由前述的车间通讯模块得到；C＝[0001],系统输出为y(k)＝e(k)；

S2、计算当前车辆这一时刻的理想加速度a_des；

采用模型预测的方法对理想车间距间的误差模型进行离散化预测，预测步长、控制器执行步长均设置为m；通过车辆搭载状态感知单元获取当前车辆的状态参数x、v、a、e；通过车间通讯单元获取跟随车辆的速度v_lead、前车车间距误差的预测值当前车不存在跟随车辆时/>将二次型函数x^TAx记作||Ax||，设计目标优化函数为：

式中，u为车辆跟随系统的带求解的期望控制参数，a_des取每一时刻期望控制序列u的第一个值；上标p表示当前时刻的预测值，^表示上一时刻的状态估计值，e^P(k+j|k)表示k时刻预测k+j时刻的车间距误差。为了保证当前车辆的车间距误差能够收敛，添加终端约束e^P(k+m|k)＝0，选取目标函数权重Q<F；当目标函数权重满足Q<F时，J^*(k+1)+J_lead ^*(k+1)-J^*(k)-J_lead ^*(k)≤0，车辆与跟随车辆的目标优化函数趋近于0，车辆跟随系统趋于稳定；

考虑执行器饱和与车辆安全运行的需求，设计优化约束为：

0≤e(k+j)≤e_max,j∈[1,m]

u_min≤u(k+j-1)≤u_max,j∈[1,m]

e^P(k+m|k)＝0；

S3、求取当前车辆的油门开度/制动器压力；

设计当前车辆跟踪期望速度的误差为ε＝v_des-v，设计李雅普诺夫函数为则其对时间导数为/>设计V的衰减率为/>结合车辆纵向动力学模型得到非线性油门/制动反馈律。

2.根据权利要求1所述的一种基于模型预测控制的车辆跟随分层式控制方法，其特征在于，假定车辆处于驱动状态，发动机输出扭矩T_e为：

T_e＝F_rr_effR_g+M[u+k(v_des-v)]

式中F_r为车辆行进过程中的阻力，r_eff为车轮有效半径，R_g为车辆传动系统齿比，为车辆等效质量，m为簧上质量，I_w为车轮转动惯量，依据发动机的扭矩图求得油门开度；

若油门开度小于0，则计算制动扭矩T_b：

制动器主缸压力则通过P_b＝k_bT_b进行估计。

3.根据权利要求2所述的一种基于模型预测控制的车辆跟随分层式控制方法，其特征在于，整车的车辆动力学方程为ma＝F_x-F_r，其中m为车辆簧上质量，a为质心加速度；F_x是路面与轮胎间接触力，为F_xf、F_xr的和；F_r为车辆行驶过程中的阻力，包括空气阻力F_aero与作用于前后轴的滚动阻力R_xf、R_xr；

假设车辆的四个轮胎参数相同，转动惯量为I_w，车轮有效半径为r_eff，则轮胎动力学方程可写作T_t为作用于四个轮胎上驱动力矩的和，T_b为作用于四个轮胎上制动力矩的和，易得F_xr_eff＝T_t-T_b；

设传动系统的速比为R_g,忽略传递过程中的损耗，发动机转速为发动机输出力矩为T_e＝R_gT_t；由此可以得到车辆节点的纵向加速度为：

式中，设计当前车辆跟踪期望速度的误差为ε＝v_des-v，其中车辆的期望速度v_des可通过期望控制参数u的数值积分获得。

4.一种基于模型预测控制的车辆跟随分层式控制系统，使用如权利要求1-3任一项所述的方法控制车辆，其特征在于：

使用状态感知模块获取车辆自身运行的状态信息；

使用车间通信模块与参与交通的其余车辆的状态感知模块通讯获取其余车辆的状态信息；

基于状态感知模块和车间通信模块的反馈数据建立车辆跟随的预测模型，并根据执行器饱和与车辆安全运行需求设置约束条件。

5.根据权利要求4所述的一种基于模型预测控制的车辆跟随分层式控制系统，其特征在于，状态感知模块包括车载探测雷达、车速传感器、加速度传感器与卫星定位装置；车辆的当前状态参数包括车辆的位置、速度、加速度和与前车之间的车间距误差；

车辆的位置通过卫星定位装置获取、车辆的速度通过车速传感器获取、车辆的加速度通过加速度传感器获取、车辆与前车之间的车间距误差通过车载探测雷达数据以及车辆跟随的数学模型计算获得。

6.根据权利要求4所述的一种基于模型预测控制的车辆跟随分层式控制系统，其特征在于，车间通讯模块包括V2V通讯装置，用于获取参与交通的周围车辆的速度、车间距误差的状态信息。

7.根据权利要求4所述的一种基于模型预测控制的车辆跟随分层式控制系统，其特征在于，上层控制模块采用模型预测控制，通过添加的目标函数与约束条件计算获得期望控制参数。