CN118289014A - 基于mpc的跟车控制方法、装置、设备和存储介质 - Google Patents
基于mpc的跟车控制方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN118289014A CN118289014A CN202410423527.9A CN202410423527A CN118289014A CN 118289014 A CN118289014 A CN 118289014A CN 202410423527 A CN202410423527 A CN 202410423527A CN 118289014 A CN118289014 A CN 118289014A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- cost function
- torque
- speed
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims abstract description 117
- 230000033001 locomotion Effects 0.000 claims abstract description 103
- 238000009826 distribution Methods 0.000 claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 185
- 230000009467 reduction Effects 0.000 claims description 21
- 239000003638 chemical reducing agent Substances 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 13
- 239000002131 composite material Substances 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请提供一种基于MPC的跟车控制方法、装置、设备和存储介质，具体涉及辅助驾驶技术领域。该方法通过获取主车的车辆参数和第一运动信息，建立纵向运动学跟车模型。根据模型、车辆参数和第一运动信息，确定主车的整车需求转矩和多个预设时刻的速度、位置信息。根据整车需求转矩和车速，确定目标工作效率。获取前车的第二运动信息，确定综合代价函数。根据运动信息和MPC算法，确定期望加速度。根据期望加速度和综合代价函数，确定目标加速度和转矩分配方案，并按照目标加速度和转矩分配方案实现跟车控制。该方法将最优转矩分配融入多目标优化控制算法中，深度开发电动卡车的节能潜力，最大限度降低跟车行驶中的能源消耗。
Description
技术领域
本申请涉及辅助驾驶技术领域，尤其涉及一种基于MPC的跟车控制方法、装置、设备和存储介质。
背景技术
近年来，随着能源和环境问题的逐渐突出，电动卡车逐渐成为市场上的主流构型。同时，以自适应巡航控制(Adaptive Cruise Control，ACC)为代表的高级驾驶辅助系统和智能网联汽车技术也进入了高速发展阶段。
ACC是一种先进的汽车驾驶辅助系统，它能够根据前方车辆的速度和距离自动调节车辆的速度，以保持安全的跟车距离并减少驾驶员的疲劳。自适应巡航控制系统通过车载传感器(如激光雷达、雷达、摄像头等)实时监测前方车辆的速度和距离，然后根据这些信息自动调节车辆的速度和跟车距离。系统会根据设定的跟车距离和速度范围来控制车辆的加速和减速，以确保车辆与前车之间保持安全距离。
电动卡车跟车控制技术通常涉及使用传感器和控制系统来实现车辆之间的跟车行驶。这种技术可以帮助车辆保持安全距离，并根据前车的速度和行驶情况来自动调整跟车距离和速度。现有电动卡车跟车控制通常采用分层控制结构，上层控制器基于传感器获取的前车运动状态来规划自车期望车速及整车需求转矩，下层控制器基于需求转矩完成电机转矩分配。但在跟车过程中，为维持设定跟车距离自车往往频繁加、减速，导致整车能耗较高。
发明内容
本申请提供一种基于MPC的跟车控制方法、装置、设备和存储介质，用以解决现有跟车控制过程中，为维持设定跟车距离主车频繁加、减速，导致整车能耗较高的问题。
第一方面，本申请提供一种基于MPC的跟车控制方法，包括：
获取主车的车辆参数与第一运动信息，所述第一运动信息包括：主车车速；
建立纵向运动学跟车模型，根据所述跟车模型、所述车辆参数与所述第一运动信息，确定所述主车的第一整车需求转矩与多个预设时刻的速度信息、位置信息；
根据所述第一整车需求转矩与所述主车车速，从所述主车在离散情况下的多个全工况工作效率中确定目标工作效率；
获取前车的第二运动信息，所述前车是指在所述主车前方，且与所述主车距离最近的车辆；
根据所述第二运动信息、所述车辆参数、所述第一运动信息、所述目标工作效率与所述第一整车需求转矩，确定综合代价函数；
根据所述速度信息、所述位置信息、MPC算法与所述第一运动信息，确定多个期望加速度；
根据多个期望加速度与所述综合代价函数，确定目标期望加速度与目标转矩分配方案，并按照所述目标期望加速度与所述目标转矩分配方案对所述主车进行跟车控制。
可选的，在获取主车的车辆参数与第一运动信息之前，所述方法还包括：
获取车辆每个工况点的车速与第二整车需求转矩；
根据第一关联关系与所述第二整车需求转矩，确定前电机输出转矩与后电机输出转矩的和，所述第一关联关系为所述第二整车需求转矩、前轴及后轴主减速器减速比与传动效率之间的关联关系；
根据第二关联关系与所述车速，确定前电机转速与后电机转速，所述第二关联关系为所述主车车轮半径、所述主车速度与前轴及后轴主减速器减速比之间的关联关系；
根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，所述转矩占比为所述前电机输出转矩占双电机总输出转矩的比例；
根据所述转矩占比，确定全工况的转矩分配方案与工作效率。
可选的，所述根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，包括：
所述转矩占比的确定公式如下所示：
其中，Pm为电机总需求功率，i0为前、后轴主减速器减速比，ηt为传动效率，q为转矩占比，Td为所述整车需求转矩，nmf、nmr分别为前电机与后电机的转速，ηmf、ηmr分别为前电机与后电机的工作效率，Tmf_out、Tmr_out分别为前电机与后电机的输出转矩。
可选的，所述第一运动信息还包括：加速度信息，所述根据所述第二运动信息、所述车辆参数、所述第一运动信息、所述目标工作效率与所述第一整车需求转矩，确定综合代价函数，包括：
根据所述第一运动信息与所述第二运动信息，确定跟车间距误差和速度误差；
根据所述车间距误差，确定衡量跟随性的第一代价函数；
根据所述速度误差，确定衡量跟随性的第二代价函数；
根据所述加速度信息和所述期望加速度，确定衡量舒适性的第三代价函数；
根据所述第一整车需求转矩与所述目标工作效率，确定衡量经济性的第四代价函数；
将所述第一代价函数、所述第二代价函数、所述第三代价函数与所述第四代价函数进行整合处理，得到综合代价函数。
可选的，所述将所述第一代价函数、所述第二代价函数、所述第三代价函数与所述第四代价函数进行整合处理，得到综合代价函数，包括：
所述综合代价函数的确定公式如下所示：
Jc(k)＝[ah(k+1)-ah(k)]2
J(k)＝λ1Js(k)+λ2Jv(k)+λ3Jc(k)+λ4Je(k)
其中，Js(k)为所述第一代价函数，es(k)为所述跟车间距误差，Jv(k)为所述第二代价函数，ev(k)为所述速度误差，Jc(k)为所述第三代价函数，ah(k+1)为所述期望加速度，ah(k)为所述加速度信息，Je(k)为所述第四代价函数，ηopt为所述工作效率，J(k)为所述综合代价函数，λ1、λ2、λ3、λ4为权重系数。
可选的，所述根据多个期望加速度与所述综合代价函数，确定目标期望加速度与目标转矩分配方案，包括：
将所述多个期望加速度输入至所述综合代价函数中，得到多个综合代价函数值；
根据所述多个综合代价函数值，确定最小综合代价函数值；
根据所述最小综合代价函数值，确定目标期望加速度与目标转矩分配方案，所述目标期望加速度为确定所述最小综合代价函数值对应的期望加速度，所述目标转矩分配方案为所述转矩分配方案中的其中一个。
第二方面，本申请提供一种基于MPC的跟车控制装置，包括：
获取模块，用于获取主车的车辆参数与第一运动信息，所述第一运动信息包括：主车车速；
确定模块，用于建立纵向运动学跟车模型，根据所述跟车模型、所述车辆参数与所述第一运动信息，确定所述主车的第一整车需求转矩与多个预设时刻的速度信息、位置信息；
所述确定模块，还用于根据所述第一整车需求转矩与所述主车车速，从所述主车在离散情况下的多个全工况工作效率中确定目标工作效率；
所述获取模块，还用于获取前车的第二运动信息，所述前车是指在所述主车前方，且与所述主车距离最近的车辆；
所述确定模块，还用于根据所述第二运动信息、所述车辆参数、所述第一运动信息、所述目标工作效率与所述第一整车需求转矩，确定综合代价函数；
所述确定模块，还用于根据所述速度信息、所述位置信息、MPC算法与所述第一运动信息，确定多个期望加速度；
所述控制模块，还用于根据多个期望加速度与所述综合代价函数，确定目标期望加速度与目标转矩分配方案，并按照所述目标期望加速度与所述目标转矩分配方案对所述主车进行跟车控制。
可选的，所述获取模块，还用于获取车辆每个工况点的车速与第二整车需求转矩；
所述确定模块，还用于根据第一关联关系与所述第二整车需求转矩，确定前电机输出转矩与后电机输出转矩的和，所述第一关联关系为所述第二整车需求转矩、前轴及后轴主减速器减速比与传动效率之间的关联关系；
所述确定模块，还用于根据第二关联关系与所述车速，确定前电机转速与后电机转速，所述第二关联关系为所述主车车轮半径、所述主车速度与前轴及后轴主减速器减速比之间的关联关系；
所述确定模块，还用于根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，所述转矩占比为所述前电机输出转矩占双电机总输出转矩的比例；
所述确定模块，还用于根据所述转矩占比，确定全工况的转矩分配方案与工作效率。
可选的，所述确定模块，还用于确定所述转矩占比，所述转矩占比的确定公式如下所示：
其中，Pm为电机总需求功率，i0为前、后轴主减速器减速比，ηt为传动效率，q为转矩占比，Td为所述整车需求转矩，nmf、nmr分别为前电机与后电机的转速，ηmf、ηmr分别为前电机与后电机的工作效率，Tmf_out、Tmr_out分别为前电机与后电机的输出转矩。
可选的，所述装置还包括：处理模块；
所述确定模块，还用于根据所述第一运动信息与所述第二运动信息，确定跟车间距误差和速度误差；
所述确定模块，还用于根据所述车间距误差，确定衡量跟随性的第一代价函数；
所述确定模块，还用于根据所述速度误差，确定衡量跟随性的第二代价函数；
所述确定模块，还用于根据所述加速度信息和所述期望加速度，确定衡量舒适性的第三代价函数；
所述确定模块，还用于根据所述第一整车需求转矩与所述目标工作效率，确定衡量经济性的第四代价函数；
所述处理模块，用于将所述第一代价函数、所述第二代价函数、所述第三代价函数与所述第四代价函数进行整合处理，得到综合代价函数。
可选的，所述确定模块，还用于确定所述综合代价函数，所述综合代价函数的确定公式如下所示：
Jc(k)＝[ah(k+1)-ah(k)]2
J(k)＝λ1Js(k)+λ2Jv(k)+λ3Jc(k)+λ4Je(k)
其中，Js(k)为所述第一代价函数，es(k)为所述跟车间距误差，Jv(k)为所述第二代价函数，ev(k)为所述速度误差，Jc(k)为所述第三代价函数，ah(k+1)为所述期望加速度，ah(k)为所述加速度信息，Je(k)为所述第四代价函数，ηopt为所述工作效率，J(k)为所述综合代价函数，λ1、λ2、λ3、λ4为权重系数。
可选的，所述装置还包括：输入模块；
所述输入模块，用于将所述多个期望加速度输入至所述综合代价函数中，得到多个综合代价函数值；
所述确定模块，还用于根据所述多个综合代价函数值，确定最小综合代价函数值；
所述确定模块，还用于根据所述最小综合代价函数值，确定目标期望加速度与目标转矩分配方案，所述目标期望加速度为确定所述最小综合代价函数值对应的期望加速度，所述目标转矩分配方案为所述转矩分配方案中的其中一个。
第三方面，本申请提供一种基于MPC的跟车控制设备，该设备包括：
存储器；
处理器；
其中，所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如上述第一方面及第一方面各种可能的实现方式所述的基于MPC的跟车控制方法。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如上述第一方面及第一方面各种可能的实现方式所述的基于MPC的跟车控制方法。
本申请提供的基于MPC的跟车控制方法、装置、设备和存储介质，通过获取主车的车辆参数和第一运动信息，建立纵向运动学跟车模型。根据模型、车辆参数和第一运动信息，确定主车的整车需求转矩和多个预设时刻的速度、位置信息。根据整车需求转矩和车速，确定目标工作效率。获取前车的第二运动信息，确定综合代价函数。根据运动信息和MPC算法，确定期望加速度。根据期望加速度和综合代价函数，确定目标加速度和转矩分配方案，并按照目标加速度和转矩分配方案实现跟车控制。该方法将最优转矩分配融入多目标优化控制算法中，深度开发电动卡车的节能潜力，最大限度降低跟车行驶中的能源消耗。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请提供的基于MPC的跟车控制方法的场景示意图；
图2为本申请提供的基于MPC的跟车控制方法的流程示意图一；
图3为本申请提供的基于MPC的跟车控制方法的流程示意图二；
图4为本申请提供的基于MPC的跟车控制方法的流程示意图三；
图5为本申请提供的基于MPC的跟车控制方法的跟车示意图；
图6为本申请提供的基于MPC的跟车控制装置的结构示意图；
图7为本申请提供的基于MPC的跟车控制设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、产品或设备固有的其它步骤或单元。
本申请实施例中，“示例性的”或者“例如”等词用于表示例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
近年来，随着能源和环境问题的逐渐突出，电动卡车逐渐成为市场上的主流构型。同时，以自适应巡航控制(Adaptive Cruise Control，ACC)为代表的高级驾驶辅助系统和智能网联汽车技术也进入了高速发展阶段。
ACC是一种先进的汽车驾驶辅助系统，它能够根据前方车辆的速度和距离自动调节车辆的速度，以保持安全的跟车距离并减少驾驶员的疲劳。自适应巡航控制系统通过车载传感器(如激光雷达、雷达、摄像头等)实时监测前方车辆的速度和距离，然后根据这些信息自动调节车辆的速度和跟车距离。系统会根据设定的跟车距离和速度范围来控制车辆的加速和减速，以确保车辆与前车之间保持安全距离。
电动卡车跟车控制技术通常涉及使用传感器和控制系统来实现车辆之间的跟车行驶。这种技术可以帮助车辆保持安全距离，并根据前车的速度和行驶情况来自动调整跟车距离和速度。现有电动卡车跟车控制通常采用分层控制结构，上层控制器基于传感器获取的前车运动状态来规划自车期望车速及整车需求转矩，下层控制器基于需求转矩完成电机转矩分配。但在跟车过程中，为维持设定跟车距离自车往往频繁加、减速，导致整车能耗较高。
在现有技术中存在两种电动卡车的跟车控制方法，第一种是于传感器测量的主车与前车的相对距离和相对速度，自适应巡航控制器实时控制整车驱动和制动扭矩，并将转矩指令发送给动力控制单元，以保持适当距离跟随前车行驶，这种方法的缺点是：以前车为目标，严格控制跟车距离和车速，会导致车辆频繁加、减速，不利于驾乘舒适性和平顺性；第二种是基于最优控制理论，自适应巡航控制器同时将跟车距离、相对速度、加速度等作为控制目标，按照控制需求设计对应权重，以获得期望车速，并按照期望车速实时控制整车驱动和制动扭矩，这种方法的缺点是：忽略了期望车速对于经济性的影响，整车的能耗较高。
针对上述问题，本申请提出一种基于MPC的跟车控制方法，该方法通过建立纵向运动学跟车模型，计算整车需求转矩，根据电机转矩、转速与整车需求转矩、车速的转换关系，以双电机总工作效率最大为原则，建立并求解功率代价函数，得到全工况下的最优转矩分配方案，再根据MPC算法，预测车辆未来时刻的运动状态，建立多目标预测优化问题，求解未来时刻的整车需求转矩和最优转矩分配。该方法将最优转矩分配融入多目标优化控制算法中，充分考虑了电动卡车在跟车过程中的安全性、跟随性、舒适性和经济性，深度开发电动卡车的节能潜力，能够最大限度降低跟车行驶中的能源消耗。
图1为本申请提供的基于MPC的跟车控制方法的场景示意图。如图1所示，1为主车，也即驾驶人员可控制的车辆，2为前车，也即主车需要跟随的车辆，3为道路中的其他车辆。主车将根据自身行驶路线实时确定需要跟随的前车，且只需选择一辆车作为跟随对象，其他车辆将被自动忽略。主车通过V2V获取前车的位置信息和运动状态，根据自身的运动信息与车辆参数，选择合适的加速度与电机转矩分配方案控制自身安全的跟随前车行驶。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图2为本申请实施例提供的基于MPC的跟车控制方法的流程示意图一。本实施例的执行主体为电动卡车跟车系统。如图2所示，该方法包括：
S101：获取主车的车辆参数与第一运动信息，所述第一运动信息包括：主车车速。
可以理解的，主车即需要进行跟车控制的车辆，车辆参数主要包括：车辆的重量，车辆的车长、车轮半径和车电机与后电机的相关参数，第一运动信息是指主车处于运动状态时的相关信息，包括：主车速度、主车加速度、主车当前位置。根据这些信息可进一步确定主车的转矩信息，从而提高电机的工作效率。
S102：建立纵向运动学跟车模型，根据所述跟车模型、所述车辆参数与所述第一运动信息，确定所述主车的第一整车需求转矩与多个预设时刻的速度信息、位置信息。
其中，纵向运动学跟车模型是一种用于描述车辆在纵向方向上运动的数学模型。这种模型通常用于研究车辆的加速、减速、制动等行为，以及车辆与其他车辆之间的跟车行为。
可以理解的，根据纵向运动学跟车模型和获取到的主车运动信息，可以预测出在下一时刻的主车的速度以及位置，根据速度和位置可控制主车的下一步运动。纵向跟车模型的预测公式如下所示：
其中，下标为h的代表主车，k为时刻，Sh为主车的位置，vh为主车的速度，ah为主车的加速度，Ts为采样时间。
根据第一运动信息还可确定主车的整车需求转矩，确定公式如下：
其中，Td为k时刻的整车需求转矩，mh为主车质量；g为重力加速度；f为滚动阻力系数；ρ为空气密度；Cd为空气阻力系数；A为迎风面积；δ为旋转质量换算系数；rw为车轮半径；θ为道路坡度角。
S103：根据所述第一整车需求转矩与所述主车车速，从所述主车在离散情况下的多个全工况工作效率中确定目标工作效率。
其中，工况点是指系统在某一确定的运行条件下的工作状态，此处的工况点是指车辆处于运行状态。
可以理解的，每一个工况点都存在与其对应的车速以及整车需求转矩，在实际跟车控制之前，已经确定了每个工况点的转矩分配方案和工作效率，具体的确定过程请详见下文，此处不再赘述。根据主车的车速与整车需求转矩可以从全工况点中选出对应的工况点，并确定出目标工作效率。
S104：获取前车的第二运动信息，所述前车是指在所述主车前方，且与所述主车距离最近的车辆。
可以理解的，主车可通过V2V获取前方车辆的第二运动信息，前方车辆是指在主车正前方，主车需要跟随的车辆，第二运动信息包括：前车的速度、位置、以及车头时距。
其中，V2V是指车辆对车辆(Vehicle-to-Vehicle)通信技术，是一种车辆之间通过无线通信技术进行数据交换和信息共享的技术。通过V2V通信，车辆可以相互传输位置、速度、加速度等信息，以实现车辆之间的实时通信和协作，避免跟车控制的滞后性，减小跟随误差。车头时距是指主车前方车头与前车后方车尾之间的距离，通常用于描述车辆之间的安全距离。保持适当的车头时距可以确保车辆在紧急情况下有足够的时间和空间来做出反应，避免发生碰撞或危险情况。
S105：根据所述第二运动信息、所述车辆参数、所述第一运动信息、所述目标工作效率与所述第一整车需求转矩，确定综合代价函数。
可以理解的，为了提高车辆跟车过程中的跟随性、舒适性以及经济性等性能要求，基于主车与前车之间的运动参数，设计出综合代价函数使得车辆的行驶符合各个性能要求。代价函数的设计过程请详见下文，此处不再赘述。
S106：根据所述速度信息、所述位置信息、MPC算法与所述第一运动信息，确定多个期望加速度。
其中，MPC算法(Model Predictive Control，MPC)也叫模型预测控制算法。是一种先进的控制算法，它通过建立一个系统的数学模型，并在每个控制周期内求解一个优化问题来计算最优控制序列。MPC算法需要定义状态变量x＝[es(k),ev(k),vh(k),ah(k)]，建立离散状态方程和输出方程表示如下：
其中，τ为时间常数，u(k)为期望加速度，w(k)为前车加速度af(k)，且假定其在预测时域内保持恒定。
可以理解的，在MPC算法中，建立离散状态方程和输出方程是为了描述系统的动态行为和输出特性，以便进行预测和优化控制。离散状态方程通常表示系统在每个离散时间步的状态演化规律，而输出方程则描述系统状态与输出之间的关系。通过建立离散状态方程和输出方程，MPC算法可以基于系统模型对未来一段时间内的状态和输出进行预测，并在每个时间步选择最优的控制输入，以实现系统的优化控制。
可以理解的，期望加速度可以基于车辆当前的速度和位置状态，结合MPC算法对未来几个时刻的预测，以优化车辆的运动轨迹和行驶效率。通过不断更新和调整这些期望加速度，车辆可以实现更加平稳、高效的运动控制。采用MPC算法进行预测时的预测约束条件如下所示：
Δvmin≤ev(k)≤Δvmax
vmin≤vh(k)≤vmax
sf(k)-sh(k)-L≥Rmin
amin≤ah(k)≤amax
amin≤uh(k)≤amax
其中，Δvmin和Δvmax为跟车控制所允许的最小和最大相对速度；vmin和vmax为最低和最高车速；amin和amax是最小和最大加速度；jmin和jmax是跟车控制所允许的最小和最大加速度变化率。
S107：根据多个期望加速度与所述综合代价函数，确定目标期望加速度与目标转矩分配方案，并按照所述目标期望加速度与所述目标转矩分配方案对所述主车进行跟车控制。
可以理解的，根据获取到的多个期望加速度与设计好的综合代价函数，确定出多个综合代价值，对综合代价值进行分析，选择目标期望加速度，并确定与目标期望加速度对应的目标转矩分配方案，根据目标期望加速度、目标转矩分配方案与纵向运动模型预测的速度、位置对主车进行控制，使其能够与前车保持适当的距离和速度，从而实现车辆之间的协调行驶。
本实施例提供的基于MPC的跟车控制方法，通过获取主车的车辆参数与第一运动信息。建立纵向运动学跟车模型，根据模型、车辆参数与第一运动信息，确定主车的第一整车需求转矩与多个预设时刻的速度信息、位置信息。根据第一整车需求转矩与主车车速，从多个全工况工作效率中确定目标工作效率。获取前车的第二运动信息。根据第二运动信息、车辆参数、第一运动信息、目标工作效率与第一整车需求转矩，确定综合代价函数。根据速度信息、位置信息、MPC算法与第一运动信息，确定多个期望加速度。根据多个期望加速度与综合代价函数，确定目标期望加速度与目标转矩分配方案，并按照目标期望加速度与目标转矩分配方案对主车进行跟车控制。该方法将最优转矩分配融入多目标优化控制算法中，深度开发电动卡车的节能潜力，最大限度降低跟车行驶中的能源消耗。
图3为本申请实施例提供的基于MPC的跟车控制方法的流程示意图二。本实施例是在图2实施例的基础上，对于基于MPC的跟车控制方法中，全工况下的工作效率的计算过程的详细描述。如图3所示，该方法包括：
S201：获取车辆每个工况点的车速与第二整车需求转矩。
可以理解的，为提升电动卡车跟车控制的及时性，首先对全工况的转矩分配方案与工作效率进行计算，后续可直接在已知的计算结果集合中调取合适的分配方案。对于电机的工况点而言，需要获取电机的转速与需求转矩，对于整车的工况点而言，需要获取车速与整车需求转矩，此处需要获取整车的全工况点参数。
S202：根据第一关联关系与所述第二整车需求转矩，确定前电机输出转矩与后电机输出转矩的和，所述第一关联关系为所述第二整车需求转矩、前轴及后轴主减速器减速比与传动效率之间的关联关系。
可以理解的，电动卡车的前电机与后电机的输出转矩之间应存在关联关系，以便我们根据整车需求转矩获取需要的结果，根据第一关联关系，可确定出前电机与后电机的输出转矩的和，以便我们计算转矩占比。第一关联关系的公式表示如下式所示：
其中，Tmf_out和Tmr_out分别为前电机、后电机的输出转矩，io为前、后轴主减速器减速比，ηt为传动效率。
S203：根据第二关联关系与所述车速，确定前电机转速与后电机转速，所述第二关联关系为所述主车车轮半径、所述主车速度与前轴及后轴主减速器减速比之间的关联关系。
可以理解的，在前轴、后轴主减速比相同的情况下，车速与电机转速之间存在转换关系，根据第二关联关系，可确定出前电机与后电机的转速。第二关联关系的转换公式如下所示：
其中，nmf和nmr分别表示前电机和后电机的转速。
S204：根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，所述转矩占比为所述前电机输出转矩占双电机总输出转矩的比例。
可以理解的，为了提升电动卡车的经济性，在满足动力需求的前提下应使动力电池能耗尽可能小。由于电机工作效率随转速和转矩呈非线性变化，所以建立功率代价函数确定转矩占比，转矩占比的确定公式如下所示：
其中，Pm为电机总需求功率，i0为前、后轴主减速器减速比，ηt为传动效率，q为转矩占比，Td为所述整车需求转矩，nmf、nmr分别为前电机与后电机的转速，ηmf、ηmr分别为前电机与后电机的工作效率，Tmf_out、Tmr_out分别为前电机与后电机的输出转矩。
可以理解的，sgn函数为符号函数，可以在经济车速规划同时覆盖电机驱动和制动工况，有效利用电机制动进行能量回收。当Td为正时，电机驱动车辆行驶；当Td为负时，车辆利用电机制动回收能量。根据功率代价函数可以确定出转矩占比q，q为前电机输出转矩占双电机总输出转矩的比例，根据q可分别计算出前电机输出转矩与后电机输出转矩。
S205：根据所述转矩占比，确定全工况的转矩分配方案与工作效率。
可以理解的，在离线条件下对所有工况点进行离散化处理，通过遍历寻优的方法得到每个工况点下满足代价函数Jp的转矩分配方案。根据转矩占比可进一步确定出双电机总工作效率，双电机总工作效率的确定公式如下所示：
本实施例提供的基于MPC的跟车控制方法，通过获取车辆每个工况点的车速与第二整车需求转矩。根据第一关联关系与第二整车需求转矩，确定前电机输出转矩与后电机输出转矩的和，第一关联关系为第二整车需求转矩、前轴及后轴主减速器减速比与传动效率之间的关联关系。根据第二关联关系与车速，确定前电机转速与后电机转速，第二关联关系为主车车轮半径、主车速度与前轴及后轴主减速器减速比之间的关联关系。根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，转矩占比为前电机输出转矩占双电机总输出转矩的比例。根据转矩占比，确定全工况的转矩分配方案与工作效率。该方法确定了主车在各个工况下的最优转矩分配以及工作效率，可加快实际过程中转矩分配方案的确定。
图4为本申请实施例提供的基于MPC的跟车控制方法的流程示意图三。本实施例是在图2实施例和图3实施例的基础上，对于基于MPC的跟车控制方法的详细描述。如图4所示，该方法包括：
S301：获取主车的车辆参数与第一运动信息，所述第一运动信息包括：主车车速。
其中，步骤S301与步骤S101类似，此处不再赘述。
S302：建立纵向运动学跟车模型，根据所述跟车模型、所述车辆参数与所述第一运动信息，确定所述主车的第一整车需求转矩与多个预设时刻的速度信息、位置信息。
其中，步骤S302与步骤S102类似，此处不再赘述。
S303：根据所述第一整车需求转矩与所述主车车速，从所述主车在离散情况下的多个全工况工作效率中确定目标工作效率。
其中，步骤S303与步骤S103类似，此处不再赘述。
S304：获取前车的第二运动信息，所述前车是指在所述主车前方，且与所述主车距离最近的车辆。
其中，步骤S304与步骤S104类似，此处不再赘述。
S305：根据所述第一运动信息与所述第二运动信息，确定跟车间距误差和速度误差。
可以理解的，第一运动信息是主车的运动信息，第二运动信息是前车运动信息，为保证跟车距离与速度的控制，使其在安全可控的范围内进行，所以需要确定误差参数，为其预留一定的控制范围。
图5为本申请提供的基于MPC的跟车控制方法的跟车示意图。误差参数例如可以是根据主车1与前车2运动信息中的位置信息与速度信息得到的，参见图5所示，跟车间距误差为前车位置减去主车位置、前车车长、停车距离及主车行驶时距所得到的。速度误差是由前车速度减去主车速度得到的。跟车间距误差和速度误差计算公式如下所示：
es(k)＝sf(k)-sh(k)-L-r0-hvh(k)
ev(k)＝vf(k)-vh(k)
sf(k)-sh(k)-L≥Rmin
其中，es为跟车间距误差，sh(k)为主车位置，sf(k)为前车位置，ev为速度误差，L为前车车长，r0为停车距离，h为车头时距，Rmin为最小跟车距离。
S306：根据所述车间距误差，确定衡量跟随性的第一代价函数。
可以理解的，根据所述车间距误差，确定衡量跟随性的第一代价函数意味着通过对车间距误差进行量化和分析，可以建立一个用于衡量车辆跟随性能的代价函数。在车辆跟随系统中，车间距误差是指车辆之间的间距偏差，即实际车间距与期望车间距之间的差异。通过对车间距误差进行监测和分析，可以确定车辆跟随性能的优劣。第一代价函数是指用于衡量系统性能及优化目标的数学函数。在这种情况下，第一代价函数可以基于车间距误差来定义，以量化车辆跟随性能。第一代价函数的公式如下所示：
通过建立和优化这个第一代价函数，可以帮助改进车辆跟随系统的性能，提高车辆之间的跟随性，减少车辆之间的间距误差，从而实现更安全、高效的车辆跟随行驶。
S307：根据所述速度误差，确定衡量跟随性的第二代价函数。
可以理解的，根据所述速度误差，确定衡量跟随性的第二代价函数意味着通过对速度误差进行量化和分析，可以建立一个用于衡量车辆跟随性能的代价函数。代价函数如下所示：
通过建立和优化第二代价函数，可以帮助改进车辆跟随系统的性能，提高车辆之间的跟随性，减少速度误差，从而实现更安全、高效的车辆跟随行驶。
S308：根据所述加速度信息和所述期望加速度，确定衡量舒适性的第三代价函数。
可以理解的，通过对车辆的加速度信息和期望加速度进行分析和比较，可以建立一个用于衡量车辆乘坐舒适性的代价函数。在车辆运行过程中，乘客会受到车辆加速度变化的影响，加速度的变化会直接影响乘客的舒适感受。期望加速度是一个变换的量，需要我们根据代价函数确定最终的加速度。第三代价函数如下所示：
Jc(k)＝[ah(k+1)-ah(k)]2
其中，ah(k+1)为所述期望加速度，ah(k)为所述加速度信息。通过建立和优化第三代价函数，可限制各工况下的加速度峰值，减少不必要的加减速行为，帮助改进车辆乘坐舒适性，减少乘客在车辆运行过程中的不适感。
S309：根据所述第一整车需求转矩与所述目标工作效率，确定衡量经济性的第四代价函数。
可以理解的，通过对整车需求转矩和目标工作效率进行分析和比较，可建立一个衡量车辆经济性的代价函数。在车辆设计和运行中，整车需求转矩是指车辆所需的扭矩或动力输出，而目标工作效率则是指车辆在实际工作中所达到的效率水平。通过建立和优化第四代价函数，可以帮助改进车辆的经济性，提高车辆的能源利用效率和成本效益。第四代价函数如下所示：
其中，ηopt为工作效率，工作效率需要会根据车速与整车需求转矩确定。
S310：将所述第一代价函数、所述第二代价函数、所述第三代价函数与所述第四代价函数进行整合处理，得到综合代价函数。
可以理解的，全面考虑多种性能指标，在保证安全的前提下，兼顾跟随性、舒适性及经济性表现，提升车辆综合性能，将各项性能要求所对应的代价函数进行整合，构造综合代价函数如下式所示：
J(k)＝λ1Js(k)+λ2Jv(k)+λ3Jc(k)+λ4Je(k)
其中，J(k)为所述综合代价函数，λ1、λ2、λ3、λ4为权重系数。
S311：根据所述速度信息、所述位置信息、MPC算法与所述第一运动信息，确定多个期望加速度。
其中，步骤S311与步骤S106类似，此处不再赘述。
S312：将所述多个期望加速度输入至所述综合代价函数中，得到多个综合代价函数值。
可以理解的，将多个期望加速度输入至综合代价函数中，对代价函数进行多次优化，租后确定出多个综合代价函数值，以使后续可根据综合代价函数值选择性能最优化的转矩分配方案。
S313：根据所述多个综合代价函数值，确定最小综合代价函数值。
S314：根据所述最小综合代价函数值，确定目标期望加速度与目标转矩分配方案，所述目标期望加速度为确定所述最小综合代价函数值对应的期望加速度，所述目标转矩分配方案为所述转矩分配方案中的其中一个。
可以理解的，将多个综合代价函数值进行排序与比较，选取最小的综合代价函数值并确定其所示对应的综合代价函数，综合代价函数中的期望加速度也即需要的目标期望加速度，综合代价函数中的工作效率也即工作效率最高，最符合要求的状态，根据工作效率可从全工况中选取已确定的转据占比，进而确定最优转矩分配方案。主车可根据转矩分配方案调整前电机与后电机的转矩，同时可按照目标期望加速度，跟随前车行驶。
本实施例提供的基于MPC的跟车控制方法，通过获取主车的车辆参数和第一运动信息，建立纵向运动学跟车模型，确定主车的第一整车需求转矩、速度和位置信息。根据主车车速和第一整车需求转矩，确定目标工作效率。获取前车的第二运动信息，计算跟车间距误差和速度误差。根据误差确定跟随性代价函数，结合舒适性和经济性代价函数得到综合代价函数。利用MPC算法确定多个期望加速度，计算多个综合代价函数值，找到最小值，确定目标期望加速度和转矩分配方案。该方法将最优转矩分配融入多目标优化控制算法中，深度开发电动卡车的节能潜力，最大限度降低跟车行驶中的能源消耗。
图6为本申请提供的基于MPC的跟车控制装置的结构示意图。如图6所示，本申请提供的基于MPC的跟车控制装置400，包括：
获取模块401，用于获取主车的车辆参数与第一运动信息，所述第一运动信息包括：主车车速；
确定模块402，用于建立纵向运动学跟车模型，根据所述跟车模型、所述车辆参数与所述第一运动信息，确定所述主车的第一整车需求转矩与多个预设时刻的速度信息、位置信息；
所述确定模块402，还用于根据所述第一整车需求转矩与所述主车车速，从所述主车在离散情况下的多个全工况工作效率中确定目标工作效率；
所述获取模块401，还用于获取前车的第二运动信息，所述前车是指在所述主车前方，且与所述主车距离最近的车辆；
所述确定模块402，还用于根据所述第二运动信息、所述车辆参数、所述第一运动信息、所述目标工作效率与所述第一整车需求转矩，确定综合代价函数；
所述确定模块402，还用于根据所述速度信息、所述位置信息、MPC算法与所述第一运动信息，确定多个期望加速度；
所述控制模块403，还用于根据多个期望加速度与所述综合代价函数，确定目标期望加速度与目标转矩分配方案，并按照所述目标期望加速度与所述目标转矩分配方案对所述主车进行跟车控制。
可选的，所述获取模块401，还用于获取车辆每个工况点的车速与第二整车需求转矩；
所述确定模块402，还用于根据第一关联关系与所述第二整车需求转矩，确定前电机输出转矩与后电机输出转矩的和，所述第一关联关系为所述第二整车需求转矩、前轴及后轴主减速器减速比与传动效率之间的关联关系；
所述确定模块402，还用于根据第二关联关系与所述车速，确定前电机转速与后电机转速，所述第二关联关系为所述主车车轮半径、所述主车速度与前轴及后轴主减速器减速比之间的关联关系；
所述确定模块402，还用于根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，所述转矩占比为所述前电机输出转矩占双电机总输出转矩的比例；
所述确定模块402，还用于根据所述转矩占比，确定全工况的转矩分配方案与工作效率。
可选的，所述确定模块402，还用于确定所述转矩占比，所述转矩占比的确定公式如下所示：
其中，Pm为电机总需求功率，i0为前、后轴主减速器减速比，ηt为传动效率，q为转矩占比，Td为所述整车需求转矩，nmf、nmr分别为前电机与后电机的转速，ηmf、ηmr分别为前电机与后电机的工作效率，Tmf_out、Tmr_out分别为前电机与后电机的输出转矩。
可选的，所述装置还包括：处理模块404；
所述确定模块402，还用于根据所述第一运动信息与所述第二运动信息，确定跟车间距误差和速度误差；
所述确定模块402，还用于根据所述车间距误差，确定衡量跟随性的第一代价函数；
所述确定模块402，还用于根据所述速度误差，确定衡量跟随性的第二代价函数；
所述确定模块402，还用于根据所述加速度信息和所述期望加速度，确定衡量舒适性的第三代价函数；
所述确定模块402，还用于根据所述第一整车需求转矩与所述目标工作效率，确定衡量经济性的第四代价函数；
所述处理模块404，用于将所述第一代价函数、所述第二代价函数、所述第三代价函数与所述第四代价函数进行整合处理，得到综合代价函数。
可选的，所述确定模块402，还用于确定所述综合代价函数，所述综合代价函数的确定公式如下所示：
Jc(k)＝[ah(k+1)-ah(k)]2
J(k)＝λ1Js(k)+λ2Jv(k)+λ3Jc(k)+λ4Je(k)
其中，Js(k)为所述第一代价函数，es(k)为所述跟车间距误差，Jv(k)为所述第二代价函数，ev(k)为所述速度误差，Jc(k)为所述第三代价函数，ah(k+1)为所述期望加速度，ah(k)为所述加速度信息，Je(k)为所述第四代价函数，ηopt为所述工作效率，J(k)为所述综合代价函数，λ1、λ2、λ3、λ4为权重系数。
可选的，所述装置还包括：输入模块405；
所述输入模块405，用于将所述多个期望加速度输入至所述综合代价函数中，得到多个综合代价函数值；
所述确定模块402，还用于根据所述多个综合代价函数值，确定最小综合代价函数值；
所述确定模块402，还用于根据所述最小综合代价函数值，确定目标期望加速度与目标转矩分配方案，所述目标期望加速度为确定所述最小综合代价函数值对应的期望加速度，所述目标转矩分配方案为所述转矩分配方案中的其中一个。
图7为本申请提供的基于MPC的跟车控制设备的结构示意图。如图7所示，本申请提供一种基于MPC的跟车控制设备，该基于MPC的跟车控制设备500包括：接收器501、发送器502、处理器503以及存储器504。
接收器501，用于接收指令和数据；
发送器502，用于发送指令和数据；
存储器504，用于存储计算机执行指令；
处理器503，用于执行存储器504存储的计算机执行指令，以实现上述实施例中基于MPC的跟车控制方法所执行的各个步骤。具体可以参见前述基于MPC的跟车控制方法实施例中的相关描述。
可选地，上述存储器504既可以是独立的，也可以跟处理器503集成在一起。
当存储器504独立设置时，该电子设备还包括总线，用于连接存储器504和处理器503。
本申请还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上述基于MPC的跟车控制设备所执行的基于MPC的跟车控制方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种基于MPC的跟车控制方法，其特征在于，所述方法包括：
获取主车的车辆参数与第一运动信息，所述第一运动信息包括：主车车速；
建立纵向运动学跟车模型，根据所述跟车模型、所述车辆参数与所述第一运动信息，确定所述主车的第一整车需求转矩与多个预设时刻的速度信息、位置信息；
根据所述第一整车需求转矩与所述主车车速，从所述主车在离散情况下的多个全工况工作效率中确定目标工作效率；
获取前车的第二运动信息，所述前车是指在所述主车前方，且与所述主车距离最近的车辆；
根据所述第二运动信息、所述车辆参数、所述第一运动信息、所述目标工作效率与所述第一整车需求转矩，确定综合代价函数；
根据所述速度信息、所述位置信息、MPC算法与所述第一运动信息，确定多个期望加速度；
根据多个期望加速度与所述综合代价函数，确定目标期望加速度与目标转矩分配方案，并按照所述目标期望加速度与所述目标转矩分配方案对所述主车进行跟车控制。
2.根据权利要求1所述的方法，其特征在于，在获取主车的车辆参数与第一运动信息之前，所述方法还包括：
获取车辆每个工况点的车速与第二整车需求转矩；
根据第一关联关系与所述第二整车需求转矩，确定前电机输出转矩与后电机输出转矩的和，所述第一关联关系为所述第二整车需求转矩、前轴及后轴主减速器减速比与传动效率之间的关联关系；
根据第二关联关系与所述车速，确定前电机转速与后电机转速，所述第二关联关系为所述主车车轮半径、所述主车速度与前轴及后轴主减速器减速比之间的关联关系；
根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，所述转矩占比为所述前电机输出转矩占双电机总输出转矩的比例；
根据所述转矩占比，确定全工况的转矩分配方案与工作效率。
3.根据权利要求2所述的方法，其特征在于，所述根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，包括：
所述转矩占比的确定公式如下所示：
其中，Pm为电机总需求功率，i0为前、后轴主减速器减速比，ηt为传动效率，q为转矩占比，Td为所述整车需求转矩，nmf、nmr分别为前电机与后电机的转速，ηmf、ηmr分别为前电机与后电机的工作效率，Tmf_out、Tmr_out分别为前电机与后电机的输出转矩。
4.根据权利要求1所述的方法，其特征在于，所述第一运动信息还包括：加速度信息，所述根据所述第二运动信息、所述车辆参数、所述第一运动信息、所述目标工作效率与所述第一整车需求转矩，确定综合代价函数，包括：
根据所述第一运动信息与所述第二运动信息，确定跟车间距误差和速度误差；
根据所述车间距误差，确定衡量跟随性的第一代价函数；
根据所述速度误差，确定衡量跟随性的第二代价函数；
根据所述加速度信息和所述期望加速度，确定衡量舒适性的第三代价函数；
根据所述第一整车需求转矩与所述目标工作效率，确定衡量经济性的第四代价函数；
将所述第一代价函数、所述第二代价函数、所述第三代价函数与所述第四代价函数进行整合处理，得到综合代价函数。
5.根据权利要求4所述的方法，其特征在于，所述将所述第一代价函数、所述第二代价函数、所述第三代价函数与所述第四代价函数进行整合处理，得到综合代价函数，包括：
所述综合代价函数的确定公式如下所示：
Jc(k)＝[ah(k+1)-ah(k)]2
J(k)＝λ1Js(k)+λ2Jv(k)+λ3Jc(k)+λ4Je(k)
其中，Js(k)为所述第一代价函数，es(k)为所述跟车间距误差，Jv(k)为所述第二代价函数，ev(k)为所述速度误差，Jc(k)为所述第三代价函数，ah(k+1)为所述期望加速度，ah(k)为所述加速度信息，Je(k)为所述第四代价函数，ηopt为所述工作效率，J(k)为所述综合代价函数，λ1、λ2、λ3、λ4为权重系数。
6.根据权利要求1所述的方法，其特征在于，所述根据多个期望加速度与所述综合代价函数，确定目标期望加速度与目标转矩分配方案，包括：
将所述多个期望加速度输入至所述综合代价函数中，得到多个综合代价函数值；
根据所述多个综合代价函数值，确定最小综合代价函数值；
根据所述最小综合代价函数值，确定目标期望加速度与目标转矩分配方案，所述目标期望加速度为确定所述最小综合代价函数值对应的期望加速度，所述目标转矩分配方案为所述转矩分配方案中的其中一个。
7.一种基于MPC的跟车控制装置，其特征在于，所述装置包括：
获取模块，用于获取主车的车辆参数与第一运动信息，所述第一运动信息包括：主车车速；
确定模块，用于建立纵向运动学跟车模型，根据所述跟车模型、所述车辆参数与所述第一运动信息，确定所述主车的第一整车需求转矩与多个预设时刻的速度信息、位置信息；
所述确定模块，还用于根据所述第一整车需求转矩与所述主车车速，从所述主车在离散情况下的多个全工况工作效率中确定目标工作效率；
所述获取模块，还用于获取前车的第二运动信息，所述前车是指在所述主车前方，且与所述主车距离最近的车辆；
所述确定模块，还用于根据所述第二运动信息、所述车辆参数、所述第一运动信息、所述目标工作效率与所述第一整车需求转矩，确定综合代价函数；
所述确定模块，还用于根据所述速度信息、所述位置信息、MPC算法与所述第一运动信息，确定多个期望加速度；
所述控制模块，还用于根据多个期望加速度与所述综合代价函数，确定目标期望加速度与目标转矩分配方案，并按照所述目标期望加速度与所述目标转矩分配方案对所述主车进行跟车控制。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
所述获取模块，还用于获取车辆每个工况点的车速与第二整车需求转矩；
所述确定模块，还用于根据第一关联关系与所述第二整车需求转矩，确定前电机输出转矩与后电机输出转矩的和，所述第一关联关系为所述第二整车需求转矩、前轴及后轴主减速器减速比与传动效率之间的关联关系；
所述确定模块，还用于根据第二关联关系与所述车速，确定前电机转速与后电机转速，所述第二关联关系为所述主车车轮半径、所述主车速度与前轴及后轴主减速器减速比之间的关联关系；
所述确定模块，还用于根据电机输出转矩的和、电机转速及功率代价函数，确定转矩占比，所述转矩占比为所述前电机输出转矩占双电机总输出转矩的比例；
所述确定模块，还用于根据所述转矩占比，确定全工况的转矩分配方案与工作效率。
9.一种基于MPC的跟车控制设备，其特征在于，包括：
存储器；
处理器；
其中，所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-6中任一项所述的基于MPC的跟车控制方法。
10.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6中任一项所述的基于MPC的跟车控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410423527.9A CN118289014A (zh) | 2024-04-09 | 2024-04-09 | 基于mpc的跟车控制方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410423527.9A CN118289014A (zh) | 2024-04-09 | 2024-04-09 | 基于mpc的跟车控制方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118289014A true CN118289014A (zh) | 2024-07-05 |
Family
ID=91683527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410423527.9A Pending CN118289014A (zh) | 2024-04-09 | 2024-04-09 | 基于mpc的跟车控制方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118289014A (zh) |
-
2024
- 2024-04-09 CN CN202410423527.9A patent/CN118289014A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106740846B (zh) | 一种双模式切换的电动汽车自适应巡航控制方法 | |
| CN108058615B (zh) | 车辆制动能量的回收方法和装置 | |
| KR101607248B1 (ko) | 규칙 및/또는 비용에 기초하여 차량의 속도를 제어하기 위한 방법 및 모듈 | |
| EP2794379B1 (en) | Method and module for controlling a vehicle's speed based on rules and/or costs | |
| CN113788021B (zh) | 一种结合前车速度预测的自适应跟车巡航控制方法 | |
| CN109910890B (zh) | 一种基于道路地形信息的卡车预测节能系统及控制方法 | |
| CN112389208B (zh) | 自动驾驶车辆能量回收方法、系统、终端、介质及车辆 | |
| US20130151106A1 (en) | Method and module for controlling a vehicle's speed | |
| CN105759753A (zh) | 基于v2x的混合动力汽车的能量管理优化控制方法 | |
| CN110568762A (zh) | 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法 | |
| CN102947122A (zh) | 用于控制车辆速度的方法和模块 | |
| Torabi et al. | Road grade and vehicle mass estimation for heavy-duty vehicles using feedforward neural networks | |
| EP4197869A1 (en) | Vehicle driving control method with optimal battery energy efficiency | |
| CN113459829B (zh) | 一种基于路况预测的双电机电动汽车智能能量管理方法 | |
| Abdrakhmanov et al. | Dynamic Programming Resolution and Database Knowledge for Online Predictive Energy Management of Hybrid Vehicles. | |
| CN116118730B (zh) | 一种预见性巡航系统的控制方法、装置、设备及介质 | |
| CN116572750A (zh) | 基于云平台与神经网络的客车能量回收控制方法及系统 | |
| CN111688664A (zh) | 一种无人驾驶碰撞目标平台车的车速控制方法及系统 | |
| US20230234596A1 (en) | Vehicle predictive control method with improved computational processing and vehicle driving control system using the same | |
| CN118289014A (zh) | 基于mpc的跟车控制方法、装置、设备和存储介质 | |
| WO2021251877A1 (en) | Speed trajectory optimization | |
| CN113246949B (zh) | 自动跟随距离的巡航控制方法 | |
| Lu et al. | Model predictive speed and headway control with energy optimization for a series hybrid vehicle with range extender | |
| CN117601862A (zh) | 车辆预见性自适应巡航控制系统及方法 | |
| EP4357214A1 (en) | Driver and lead vehicle prediction model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication |