CN116001786A - 一种基于惯性触发机制的自适应巡航控制多目标优化方法 - Google Patents

Abstract

本发明公开了一种基于惯性触发机制的自适应巡航控制多目标优化方法，惯性行驶模式触发时，上层控制器在满足I/O约束的条件下，建立满足ACC多目标优化性能的代价函数，用于获取期望加速度；当惯性行驶模式结束，车辆按照加速/减速操作方式进行控制；下层控制器由期望加速度、滚动阻力和空气阻力判断车辆进行加速还是制动，当惯性行驶模式触发时，由给定的安全区间与理想车距范围之间的大小关系，增加车辆纵向跟踪补偿项对节气门开度进行补偿，或者增加乘坐舒适性线性补偿项对节气门开度进行补偿。本发明方法充分利用存储在车辆惯性中的动能，提高主车的燃油经济性和制动安全性，同时保证车辆的跟踪能力和乘坐舒适性。

Description

一种基于惯性触发机制的自适应巡航控制多目标优化方法

技术领域

本发明属于车辆控制技术领域，具体涉及一种基于惯性触发机制的自适应巡航控制多目标优化方法。

背景技术

近年来，环境污染和能源消耗等问题阻碍着汽车产业的发展。能量管理和制动能量回收等策略的使用能够缓解这些压力，但是这些策略更适用于混合动力汽车和纯电动汽车。考虑到传统燃油车在当下市场中仍占据极高的比例，汽车燃油消耗和节约能量、尾气排放和环境保护之间的矛盾日益严重。事实上，传统燃油车的控制领域也有很大的节能空间，如自适应巡航控制(adaptive cruise control，ACC)系统的使用。

现有的对ACC的研究主要考虑在保证其他性能的同时，利用各种先进的策略提升其能量经济性。但是，很少有研究涉及如何优化利用车辆惯性中存储的能量。此外，为了准确跟踪而进行的频繁加速/减速操作常常导致过度的制动磨损。事实上，考虑正常的工作条件下的发动机工作特性，也可以获得进一步的节油效果。另一方面，先进的策略往往意味着更高的硬件成本、复杂的计算负担，或者更多的先验知识。因此，在不增加硬件成本前提下，利用车辆的惯性能量来提升ACC在多个方面的综合性能，具有重要的工程和实用价值。

发明内容

针对现有技术中存在不足，本发明提供了一种基于惯性触发机制的自适应巡航控制多目标优化方法，在模型预测控制(model predictive control，MPC)框架下，协调多目标和多约束之间的矛盾，提高主车的燃油经济性和制动安全性，同时保证跟踪能力和乘坐舒适性。

本发明是通过以下技术手段实现上述技术目的的。

一种基于惯性触发机制的自适应巡航控制多目标优化方法：

惯性行驶模式触发时，上层控制器在满足I/O约束的条件下，建立满足ACC多目标优化性能的代价函数，用于获取期望加速度a_des；当惯性行驶模式结束，车辆按照加速/减速操作方式进行控制；

下层控制器，在a_des+F_f+F_w>0时，则控制节气门按照节气门开度α_des进行打开，否则控制制动器按照制动压力P_des进行制动；在惯性行驶模式触发时，若d_range>d′_range，则在所述节气门开度α_des上增加车辆纵向跟踪补偿项α_CF对节气门开度α_des进行补偿，若d_range≤d′_range，则在所述节气门开度α_des上增加乘坐舒适性线性补偿项α_CR对节气门开度α_des进行补偿；

其中，F_f为滚动阻力，F_w为空气阻力，d_range为给定的安全区间，理想车距范围d′_range＝[d_des-ε_d,d_des+ε_d]，d_des为主车与前车的理想车距，ε_d为允许的车辆纵向跟踪误差。

进一步地，所述惯性行驶模式触发的过程为：

区间[t,t_p]从t+T_p1时刻被分为两部分，在区间[t，t+T_p1]内，主车采用驱动或制动的方式进行跟踪，若同时满足触发条件1和触发条件2，惯性行驶模式从t+T_p1时刻触发；当车辆纵向跟踪误差Δd＝0时，惯性行驶模式退出；其中：t为当前时刻，t_p是最接近当前时刻t的过零点，T_p1＝NΔT，N为整数；

在t+T_p1时刻之后，滚动时域优化以时间步长ΔT进行更新，同时提取新的过零点；

若后续再次同时满足触发条件1和触发条件2，惯性行驶模式将在新的时刻触发。

更进一步地，所述触发条件1为：

其中：inf为集合的下确界，M是经验值，eq(t+T_p1，t_p)表示从时刻t+T_p1到t_p的车辆纵向跟踪误差，τ为任意时刻，且τ∈Γ，时间间隔Γ＝(t，t+T]，T为预测范围，a_p(τ)为任意时刻的前车的纵向加速度。

更进一步地，所述a_p(τ)＝p₀+p₁τ+p₂τ²+…+p_nτⁿ，其中n为多项式的阶数，p_i为待拟合系数，且i＝0,1,2,...,n。

更进一步地，所述触发条件2为：

其中：t₀是时间常数，i_g是无级变速器的传动比，λ_ig是i_g的阈值，v_h为主车的绝对速度，λ_v是v_h的阈值，f(·)是经验函数，sign()为符号函数，a_p为前车的纵向加速度。

进一步地，所述

其中：k_CF是车辆纵向跟踪的补偿系数，Δd是车辆纵向跟踪误差。

更进一步地，所述α_CR＝k_CR(τ-t-T_p1)-1，其中：k_CR为乘坐舒适性的补偿系数。

更进一步地，所述代价函数为

其中，γ为权重系数，跟踪误差函数L(x(τ)，u(τ)；τ)＝(x-x_d)^TQ(x-x_d)+(u-u_d)^TR(u-u_d)，松弛函数

平衡点处的状态量x_d＝[0 0 a_h]^T，平衡点处的控制量u_d＝0，Q和R分别为权重矩阵和权重系数，

为松弛变量，T_e为发动机转矩，F_b为制动力，a_h为主车的纵向加速度，状态量x＝[Δd Δv a_h]^T，控制量u＝a_des，Δv为主车和前车之间的相对速度。

更进一步地，所述I/O约束为：

其中：Δd_max、Δd_min分别为Δd的上下边界，Δv_max、Δv_min分别为主车和前车之间的相对速度Δv的上下边界，σ_d、σ_v为松弛系数；d_safe为距离的安全阈值，TTC为允许的最小碰撞时间，d_s0为d_safe的下确界；a_max和a_min为a_des的上下边界，σ_a为松弛系数，x(τ；x(t+T_P1),t+T_P1)表示从t+T_P1开始时惯性行驶模式下主车的状态量x(τ)，S₀(ε)表示以x_d为中心且具有任意允许误差半径ε的超球体。

更进一步地，所述动态跟车的模型为：

其中，矩阵

矩阵

矩阵

τ_h为车头时距，T_d为延迟时间，k_a为环节的增益。

本发明的有益效果为：

(1)本发明中主车采用驱动或制动的方式进行跟踪，一旦满足触发条件，即从t+T_p1时刻触发惯性行驶模式；在这种情况下，即使没有额外的驱动力，主车仍然可以向前移动一段时间；本发明可以充分利用存储在车辆惯性中的动能，提高主车的燃油经济性和制动安全性。

(2)本发明的下层控制器由上层控制器输出的期望加速度、滚动阻力和空气阻力判断车辆进行加速还是制动，特别当惯性行驶模式触发时，由给定的安全区间与理想车距范围之间的大小关系，在节气门开度上增加车辆纵向跟踪补偿项对节气门开度进行补偿，或者在节气门开度上增加乘坐舒适性线性补偿项对节气门开度进行补偿；本发明可以保证跟踪能力和乘坐舒适性，且无需额外的高精度车载传感器。

附图说明

图1为本发明所述基于惯性触发机制的自适应巡航控制多目标优化框图；

图2为本发明所述典型的动态跟车场景图；

图3为本发明所述主车的受力关系示意图；

图4为本发明所述触发过程的时间线示意图；

图5为本发明所述下层控制器的流程图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。

如图1所示，本发明基于惯性触发机制的自适应巡航控制多目标优化方法，具体包括如下步骤：

步骤(1)，建立动态跟车模型

典型的动态跟车场景如图2所示，主车与前车的实时间距d是车辆纵向跟踪误差Δd和理想车距d_des之和，即d＝Δd+d_des，v_h和v_p分别为主车和前车的绝对速度；其中理想车距d_des可以表示为：

d_des＝τ_hv_h+d₀(1)

其中，τ_h为车头时距，d₀为最小间距。

根据主车和前车之间的相对速度Δv＝v_p-v_h，以及实时间距的导数

可以确定如下关系：

其中，

为主车的纵向加速度，

为前车的纵向加速度。

考虑到车辆内部传动系统存在时间延迟，主车的纵向加速度a_h和期望的纵向加速度a_des之间的关系可用如下的一阶惯性环节表示：

其中，T_d为延迟时间，k_a为环节的增益。

联立方程(2)和(3)，得到车辆的动态跟车模型：

其中，状态量x＝[Δd Δv a_h]^T，控制量u＝a_des，矩阵

矩阵

矩阵

步骤(2)，建立主车纵向动力学模型

假设车辆为刚体，在水平道路上行驶时，主车会受到空气阻力、滚动阻力和重力的作用，具体的受力关系如图3所示。

根据牛顿第二定律，主车纵向动力学方程为：

F_t-(F_f+F_w+F_j+F_b)＝ma_h (5)

其中，驱动力

滚动阻力F_f＝mgf，空气阻力

加速阻力F_j＝δma_h，制动力F_b＝P_bk_b，T_e为发动机转矩，k_t为发动机到车轮之间转矩的传动效率，r为车轮半径，P_b为制动压力，k_b为制动压力比，δ为旋转质量换算系数，m为整车质量，C_d为空气阻力系数，A为迎风面积，ρ为空气密度，f为滚动阻力系数，g为重力加速度。

步骤(3)，建立加速度预测模块，用于对前车的纵向加速度进行预测

为了优化主车ACC系统的性能，有必要对一定的时间间隔Γ＝(t，t+T]内前车的运动状态进行预测(其中，t为当前时刻，T为预测范围)。从式(4)可以发现，a_p会在一定程度上影响ACC系统的性能。实际驾驶条件下，a_p由多种不确定因素决定，对其进行准确预测较为困难。一种简单的方法是让a_p在Γ内保持为恒值，但是，若T的取值稍大，就容易产生过大的预测误差，故该方法仅适用于T比较小的情况。多项式插值作为一种成熟的方法，已被广泛应用于多个领域。若从t时刻开始，采用多项式插值方法对a_p进行拟合，预测得到任意时刻τ处的a_p可以表示为：

a_p(τ)＝p₀+p₁τ+p₂τ²+…+p_nτⁿ (6)

其中，τ∈Γ，n为多项式的阶数，p_i(i＝0,1,2,...,n)为待拟合系数。

考虑到阶数n的增加会大幅提高运算量，且并不一定能提高拟合的精度，通常取n∈[3,6]。需要注意的是，a_p的计算并不需要特别准确，只需提取相应的过零点即可，即令a_p(τ)＝0，求出τ的值，用于后续触发时刻的确定。

步骤(4)，设计惯性触发机制

定义：假设从某一时刻开始，主车仅依靠惯性向前行驶，即驱动系统和制动系统均不再为其提供驱动力和制动力，此时将其定义为惯性行驶模式(inertia driving mode，IDM)。

惯性触发机制主要与前车加/减速运动的切换相关，并且完全根据步骤(3)中对前车纵向加速度的预测来实现。为了便于分析，假设在前车加/减速切换过程中较短时间范围内的

图4为IDM触发过程的时间线，其中t_p时刻是最接近当前时刻t的过零点，区间[t,t_p]从t+T_p1时刻被分为两部分，T_p1＝NΔT，N为整数，T＝N_pΔT，N_p为预测步长，ΔT为时间步长。在区间[t,t+T_p1]内，主车采用驱动或制动的方式进行跟踪，一旦同时满足如下的触发条件1和2，即IDM从t+T_p1时刻触发，且利用车辆纵向跟踪补偿项或乘坐舒适性线性补偿项对节气门开度进行补偿；在这种情况下，即使没有额外的驱动力，主车仍然可以向前移动一段时间。在t+T_p1时刻之后，MPC算法的滚动时域优化以步长ΔT进行更新，同时提取新的过零点。考虑到前车的加速或减速过程，d将在第一次偏离后再次接近d_des，且当Δd＝0时IDM才会退出；此时，主车将重新进行驱动或制动。若后续再次满足触发条件1和2，IDM将在新的时间点t′+T_p2触发，其中，T_p2＝N′ΔT，N′也是整数。

触发条件1：

其中，inf为集合的下确界，M是经验值；从t+T_p1到t_p时刻的车辆纵向跟踪误差为：

eq(t+T_p1,t_p)＝d(t_p)-d_des(t_p) (8)

其中，t_p时刻主车与前车的实时间距d(t_p)和理想车距d_des(t_p)可以通过以下式子来确定：

d_des(t_p)＝τ_h[v_h(t+T_p1)+(t_p-t-T_p1)a_h(t+T_p1)]+d₀ (10)

触发条件2：

其中，t₀是时间常数，i_g是无级变速器的传动比，λ_ig和λ_v分别为i_g、v_h的阈值，f(·)是经验函数，sign()为符号函数。

需要注意的是，T_p1时刻由触发条件1和2共同确定。考虑到前车可能以较快或较慢的速度随机完成驾驶或制动操作，无论采取何种方法，过零点的提取都会存在误差。因此，除了触发条件1考虑的车辆纵向实时跟踪误差外，还需要利用触发条件2防止过早触发。

将式(6)、(9)和(10)带入式(8)，可获得eq(t+T_p1，t_p)的最终形式：

eq(t+T_p1,t_p)＝Δd(t+T_p1)+G(t_p)-G(t+T_p1)+(t_p-t-T_p1)(H(t+T_p1)-τ_ha_h(t+T_p1))(12)

其中，

步骤(5)，构造上层控制器

ACC的跟踪性能主要体现在以下几个方面：首先，稳态的跟踪误差能够收敛；其次，加速工况下，主车和前车的实时间距能够保持在允许的范围内；最后，制动工况下，主车能够避免与前车发生追尾。若要提升包括经济性和乘坐舒适性在内的ACC的性能，对主车的纵向加速度a_h的控制至关重要。

MPC模块通过在线求解多约束目标优化问题，能够获得最优的输出控制，进而利用二次规划法或变分法等方法可以获取系统状态的局部有效解。当惯性行驶模式触发时，对于式(4)所示的动态跟车问题，基于惯性触发机制的ACC多目标优化可转化为使如下的代价函数J最小：

其中，γ为权重系数，松弛函数

跟踪误差函数L(x(τ)，u(τ)；τ)＝(x-x_d)^TQ(x-x_d)+(u-u_d)^TR(u-u_d)；平衡点处的状态量x_d＝[0 0 a_h]^T，平衡点处的控制量u_d＝0，Q和R分别为权重矩阵和权重系数，

为松弛变量。

假设||x-x_d||表示x与x_d之间的距离，S₀(ε)表示以x_d为中心且具有任意允许误差半径ε(ε>0)的超球体，则ACC系统的精度可以由x∈S₀(ε)保证，即||x-x_d||≤ε。

为有效跟踪前车且避免发生追尾事故，或不因相邻车道车辆的频繁驶入而降低主车通行的安全性，对跟踪误差和后端安全进行如下约束：

跟踪误差约束：

其中，Δd_max、Δd_min、Δv_max、Δv_min分别为Δd和Δv的上、下边界，σ_d、σ_v为松弛系数；后端安全约束：

其中，d_safe为距离的安全阈值，TTC为允许的最小碰撞时间，d_s0为d_safe的下确界。

传统ACC系统通过快速响应前车的速度变化来完成车辆的跟踪控制，其中的加速/减速行为会造成驱动能量损失和制动磨损。因此，对于控制器的设计而言，应尽量减少加速或者减速操作。事实上，这样也可以在很大的程度上优化乘坐舒适性。相应的乘坐舒适性约束和经济性约束表示如下：

x(τ；x(t+T_P1),t+T_P1)∈S₀(ε) (17)

其中，a_max和a_min为期望加速度a_des的上、下边界，σ_a为松弛系数，x(τ；x(t+T_P1),t+T_P1)表示从t+T_P1开始时IDM下主车的状态量x(τ)。

步骤(6)，构造下层控制器

下层控制器中设有计算模块和补偿模块，计算模块根据上层控制器输出的期望加速度a_des确定节气门开度和制动压力，IDM下的节气门开度补偿则由补偿模块完成。

根据式(5)，发动机的输出转矩T_e可以表示为：

其中，忽略了加速阻力F_j，且制动力F_b＝0。

计算模块根据发动机的输出转矩T_e和发动机转速w_e之间的关系确定节气门开度α_des(确定过程为现有技术)。

由期望加速度a_des确定期望的制动压力P_des：

在IDM下，前车加速度预测不准确可能会导致Δd>ε_d，其中ε_d是允许的车辆纵向跟踪误差。在

前提下，若d_range≤d′_range，则判断IDM是否结束，其中d_range是给定的安全区间，且理想车距范围d′_range＝[d_des-ε_d，d_des+ε_d]；若d_range>d′_range，则在α_des基础上增加补偿项

其中k_CF是车辆纵向跟踪的补偿系数。

本发明所提出的策略的一个重要特征是利用惯性能量。但是，在IDM的初始时刻，瞬时的切换可能会影响车辆的乘坐舒适性，一种简单的改进方法是在α_des基础上增加如下的线性补偿项：

α_CR＝k_CR(τ-t-T_p1)-1(20)

其中，k_CR为乘坐舒适性的补偿系数。

下层控制器首先判断期望加速度a_des、滚动阻力F_f和空气阻力F_w的和是否大于0，若大于0，则控制节气门按照节气门开度α_des进行打开，否则控制制动器按照制动压力P_des进行制动。在IDM触发时，若d_range>d′_range，则在α_des基础上增加补偿项α_CF对节气门开度α_des进行补偿，若d_range≤d′_range，则在α_des基础上增加线性补偿项α_CR对节气门开度α_des进行补偿。下层控制器的流程如图5所示。

本发明的自适应巡航控制多目标优化方法是在惯性行驶模式触发时进行的，若惯性行驶模式结束，则车辆按照常规的加速/减速操作方式进行控制。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (10)

1.一种基于惯性触发机制的自适应巡航控制多目标优化方法，其特征在于：

惯性行驶模式触发时，上层控制器在满足I/O约束的条件下，建立满足ACC多目标优化性能的代价函数，用于获取期望加速度a_des；当惯性行驶模式结束，车辆按照加速/减速操作方式进行控制；

下层控制器，在a_des+F_f+F_w>0时，则控制节气门按照节气门开度α_des进行打开，否则控制制动器按照制动压力P_des进行制动；在惯性行驶模式触发时，若d_range>d′_range，则在所述节气门开度α_des上增加车辆纵向跟踪补偿项α_CF对节气门开度α_des进行补偿，若d_range≤d′_range，则在所述节气门开度α_des上增加乘坐舒适性线性补偿项α_CR对节气门开度α_des进行补偿；

其中，F_f为滚动阻力，F_w为空气阻力，d_range为给定的安全区间，理想车距范围d′_range＝[d_des-ε_d，d_des+ε_d]，d_des为主车与前车的理想车距，ε_d为允许的车辆纵向跟踪误差。

2.根据权利要求1所述的自适应巡航控制多目标优化方法，其特征在于，所述惯性行驶模式触发的过程为：

区间[t,t_p]从t+T_p1时刻被分为两部分，在区间[t,t+T_p1]内，主车采用驱动或制动的方式进行跟踪，若同时满足触发条件1和触发条件2，惯性行驶模式从t+T_p1时刻触发；当车辆纵向跟踪误差Δd＝0时，惯性行驶模式退出；其中：t为当前时刻，t_p是最接近当前时刻t的过零点，T_p1＝NΔT，N为整数；

在t+T_p1时刻之后，滚动时域优化以时间步长ΔT进行更新，同时提取新的过零点；

若后续再次同时满足触发条件1和触发条件2，惯性行驶模式将在新的时刻触发。

3.根据权利要求2所述的自适应巡航控制多目标优化方法，其特征在于，所述触发条件1为：

其中：inf为集合的下确界，M是经验值，eq(t+T_p1，t_p)表示从时刻t+T_p1到t_p的车辆纵向跟踪误差，τ为任意时刻，且τ∈Γ，时间间隔Γ＝(t，t+T]，T为预测范围，a_p(τ)为任意时刻的前车的纵向加速度。

4.根据权利要求3所述的自适应巡航控制多目标优化方法，其特征在于，所述a_p(τ)＝p₀+p₁τ+p₂τ²+…+p_nτⁿ，其中n为多项式的阶数，p_i为待拟合系数，且i＝0,1,2,...,n。

5.根据权利要求2所述的自适应巡航控制多目标优化方法，其特征在于，所述触发条件2为：

其中：t₀是时间常数，i_g是无级变速器的传动比，λ_ig是i_g的阈值，v_h为主车的绝对速度，λ_v是v_h的阈值，f(·)是经验函数，sign()为符号函数，a_p为前车的纵向加速度。

6.根据权利要求1所述的自适应巡航控制多目标优化方法，其特征在于，所述

其中：k_CF是车辆纵向跟踪的补偿系数，Δd是车辆纵向跟踪误差。

7.根据权利要求3所述的自适应巡航控制多目标优化方法，其特征在于，所述α_CR＝k_CR(τ-t-T_p1)-1，其中：k_CR为乘坐舒适性的补偿系数。

8.根据权利要求3所述的自适应巡航控制多目标优化方法，其特征在于，所述代价函数为

其中，γ为权重系数，跟踪误差函数L(x(τ)，u(τ)；τ)＝(x-x_d)^TQ(x-x_d)+(u-u_d)^TR(u-u_d)，松弛函数

平衡点处的状态量x_d＝[0 0 a_h]^T，平衡点处的控制量u_d＝0，Q和R分别为权重矩阵和权重系数，

为松弛变量，T_e为发动机转矩，F_b为制动力，a_h为主车的纵向加速度，状态量x＝[Δd Δv a_h]^T，控制量u＝a_des，Δv为主车和前车之间的相对速度。

9.根据权利要求8所述的自适应巡航控制多目标优化方法，其特征在于，所述I/O约束为：

其中：Δd_max、Δd_min分别为Δd的上下边界，Δv_max、Δv_min分别为主车和前车之间的相对速度Δv的上下边界，σ_d、σ_v为松弛系数；d_safe为距离的安全阈值，TTC为允许的最小碰撞时间，d_s0为d_safe的下确界；a_max和a_min为a_des的上下边界，σ_a为松弛系数，x(τ；x(t+T_P1),t+T_P1)表示从t+T_P1开始时惯性行驶模式下主车的状态量x(τ)，S₀(ε)表示以x_d为中心且具有任意允许误差半径ε的超球体。

10.根据权利要求9所述的自适应巡航控制多目标优化方法，其特征在于，所述动态跟车的模型为：

其中，矩阵

矩阵

矩阵

τ_h为车头时距，T_d为延迟时间，k_a为环节的增益。

Images