基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.      

轮毂电动机驱动电动汽车自适应巡航系统控制策略

以轮毂电动机驱动电动汽车为研究对象,采用分层控制策略提出自适应巡航系统,结合上层模型预测控制器与下层PID (proportion integral differential)控制器,针对复杂的纵向跟随工况,对轮毂电动机输出的驱动力矩进行精确控制.提出基于前车加速度的可变车头时距策略,利用模型预测控制算法(model predictive control, MPC)求解本车期望加速度的上层控制器,利用PID算法求解整车前后轴驱动力矩,并输入到轮毂电动机的下层控制器,实现前后轮驱动力矩分配,最终实现车辆纵向自适应巡航.建立联合仿真模型,针对匀速前进、紧急制动、城市循环工况等场景,对所提出的自适应巡航分层控制策略进行验证,结果表明：所提出的自适应巡航系统控制策略针对纵向复杂行驶工况的跟驰效果良好,跟驰过程中车间距误差较小,加速度变化与电动机驱动转矩变化可以较好地进行同步与响应.     

基于滑模控制的车辆自适应巡航系统设计

针对自适应巡航系统控制鲁棒性及存在路面扰动、实时扰动等不确定性的问题,提出一种考虑安全车距的车辆自适应滑模控制方法.首先通过建立车辆纵向动力学模型,并将道路坡度作为系统扰动;基于安全车距设计自适应巡航滑模控制器,通过稳定性分析证明该控制器的稳定性;最后,通过与PID控制算法进行对比研究.结果表明:采用滑模控制器的自适应巡航控制系统具有更好的跟踪性能和抗干扰能力.     

基于朴素贝叶斯算法的变权重多目标自适应巡航控制策略

针对目前使用较为广泛的基于模型预测控制的自适应巡航系统,该文提出一种分层控制结构,设计一种变权重的模型预测控制器作为上位控制器。为了获得最佳加速度,综合考虑驾驶员期望车距,车辆自身物理限制,前车加速度影响等因素。使用高斯朴素贝叶斯算法预测前方车辆未来行为,从而采取不同的权重参数策略。通过Matlab/Simulink与Carsim对固定权重参数和可变权重参数分别进行联合仿真,结果表明,随着道路条件的变化,可变权重参数可以提高车辆自适应巡航系统的表现效果,显著降低固定权重策略的系统速度和距离偏差量,有效提高了系统的控制精度与适应性。     

一种汽车巡航控制的分层控制算法

为减轻驾驶员操作负荷,提高车辆行驶的安全性和舒适性,提出了一种自适应巡航分层控制算法,并通过调节电子节气门实现了在实车上的应用.在上层控制中,设计了一种基于驾驶员稳态跟车特性的线性跟车算法和可供选择的安全车距模型;在下层控制中研究了基于逆查询表的速度闭环控制策略.通过道路实验知识构建了节气门开度查询表,并结合增量式PID控制的精细调节,实现了良好的车速跟随效果.在此基础上,通过定速巡航实验和稳态跟车实验对所设计的控制算法进行了实车验证.实验结果表明,在正常行驶工况下,自适应巡航控制器能有效降低驾驶强度,对驾驶员具有良好的适应性和舒适性.     

四轮轮毂电机电动车自适应巡航控制研究

论文以四轮轮毂电机电动车为对象,研究了综合考虑理论安全距离与实际距离之差、两车相对速度的模式切换控制和再生制动的自适应巡航控制(ACC)策略。该控制策略将ACC分为跟随前车模式、定速巡航模式和匀速行驶模式,设计了包括理论安全距离算法、驱动力矩控制算法、制动力矩控制算法的自适应巡航控制器,通过再生制动对制动能量进行回收,并基于驾驶模拟器实验台设计典型工况对控制策略进行实验验证。结果表明：设计的自适应巡航控制策略能够使本车安全跟随前车,提高驾驶舒适性,实现再生制动控制。     

四轮轮毂电机电动车自适应巡航控制

以四轮轮毂电机电动车为对象,研究了综合考虑理论安全距离与实际距离之差、两车相对速度的模式切换控制和再生制动的自适应巡航控制(ACC)策略。该控制策略将ACC分为跟随前车模式、定速巡航模式和匀速行驶模式,设计了包括理论安全距离算法、驱动力矩控制算法、制动力矩控制算法的自适应巡航控制器,通过再生制动对制动能量进行回收;并基于驾驶模拟器实验台设计典型工况,对控制策略进行实验验证。结果表明:设计的自适应巡航控制策略能够使本车安全跟随前车,提高驾驶舒适性,实现再生制动控制。     

针对变道行为的自适应巡航控制系统上层速度控制模型仿真

通过汽车制动性能测试仿真试验验证了自适应巡航控制(adaptive cruise control,ACC)系统上层速度控制模型——智能驾驶员模型(intelligent driver model,IDM)的不足,对比分析了改进智能驾驶员模型(improved intelligent driver model,IIDM)的优点。针对变道插入行为引起后车不必要的紧急刹车行为,基于恒加速度(constant-acceleration heuristic,CAH)模型的假设,建立结合IIDM模型和CAH模型的ACC系统上层速度控制模型并进行特定工况下的仿真试验。仿真结果表明:建立的ACC系统上层速度控制模型不仅保留了IIDM和CAH模型的优点,还具有自身的特点。当不切实际的制动减速行为发生时,ACC系统IIDM模型和CAH模型的制动减速度应在CAH模型的车辆加速度与舒适制动减速度的差值和CAH模型的车辆加速度之间;对于较小车间距离,制动减速度会适当增大,可以避免危险发生。     

纵向控制的巡航控制算法实验研究

汽车纵向控制算法包括设定速度算法、车速控制算法和间距控制算法.该控制方法考虑了车辆队列的稳定性.控制算法中汽车预计加速度的计算是基于汽车可行驶间距计算的而不是基于车辆间通讯计算的.本文通过尾随前车工况最终证明通过此车辆纵向控制算法可以实现确保车辆队列稳定的车辆间距控制.     

汽车自适应巡航控制主动制动实现方法

探讨主动制动控制系统在汽车自适应巡航控制中的作用.对主动制动采用基于加速度的控制方案,给出了主动制动系统的硬件组成.为了实现期望加速度跟随控制,在理论和试验的基础上建立了用于求解期望制动压力的车辆制动逆动力学模型.利用改进的PID算法开发了制动压力控制器.实车试验证明,制动压力和加速度控制效果都达到了自适应巡航系统对主动制动控制的要求.     

加速度连续型自适应巡航控制模式切换策略

提出了一种用于自适应巡航控制(ACC)系统的控制模式切换策略。现有ACC控制模式的划分及其切换策略有可能使车辆加速度变化过于剧烈,且未考虑驾驶员超车等需求,不利于驾驶舒适性。该文在现有ACC控制模式的基础上增设接近前车和超车2种控制模式,提出基于零期望加速度曲线的切换策略,并利用加权平均算法对控制量进行连续性处理。实车试验表明:所设计的ACC控制模式切换策略与实际驾驶工况相符,能够实现切换过程中加速度的连续平稳变化,并满足驾驶员控制优先权的要求。     

基于MPC自适应巡航系统控制策略联合仿真研究

为了提高自适应巡航系统的鲁棒性和对复杂跟车环境的适用性,提出一种基于模型预测控制(model predictive control,MPC)的自适应巡航系统分层控制策略。上层控制策略主要考虑速度控制模式和距离控制模式之间的切换,下层控制策略则基于MPC理论而提出,确定汽车加速、减速或保持当前车速,以提升系统跟随性。在Carsim软件中选取有防抱死制动系统的C级掀背车,实时模拟两车(前车和本车)跟随的运行过程。在MATLAB/Simulink中建立纵向运动学模型,运用MPC控制策略对车辆的跟车工况进行联合仿真。结果表明,我们设计的MPC控制器与PID(proportional-integral-derivative,比例-积分-微分)控制器相比,在跟车工况下本车的加速度峰差值仅为1.65 m/s~2,加速度变化均值降低约23%,提高了驾驶的舒适性和行驶的稳定性;同时车间距误差范围控制在-0.5～7.3 m,均值误差降低约12%,在实际跟车环境中,能有效减少追尾、加塞等情况的发生。     

汽车巡航控制方法及Simulink仿真

为改善或提高汽车行驶安全性及驾驭汽车的轻松舒适性,提出基于城市工况的汽车定速巡航PID控制办法.设计了PID巡航控制器,采用预定车速与巡航车自身实际车速偏差作为控制器输入参量,将发动机节气门开度作为控制器的输出量.利用MATLAB/Simulink建立了汽车纵向系统动力学模型,将控制器得到的节气门开度输入到汽车纵向控制系统模型,实现了巡航系统闭环反馈控制的仿真.结果表明:该方法能够有效地保证巡航车按设定的城市工况所允许的车速行驶,具有较好的控制效果,建立的汽车纵向系统动力学模型也是有效的.     

车辆多目标自适应巡航控制算法

为了综合协调车辆跟车时的追踪性能、燃油经济性能、驾乘人员舒适性能和跟车安全性能,研究了多目标自适应巡航控制(ACC)算法,建立了包含车辆模型和车间关系的ACC系统集成式纵向运动学模型,设计了描述追踪误差、燃油消耗量和驾驶员跟车行为误差的目标函数,以及保证动态跟车、期望驾乘感受和跟车安全的约束条件,基于模型预测控制理论将多目标ACC系统控制算法转化为带有多个约束的在线二次规划问题。采用反馈校正机制改善了算法设计时存在的建模失配和外部干扰等低鲁棒性问题,引入向量松弛因子解决了优化求解过程中硬约束导致的控制算法非可行解问题。仿真结果表明,相比线性二次型调节器的ACC算法,所提控制算法在前车循环工况中100km油耗降低9.3%,追踪误差指标降低21.7%,从而实现了良好的车辆追踪,同时满足驾驶员期望的跟车特性要求。     

基于高斯过程回归的车辆巡航系统学习预测控制

针对自动巡航系统中前车加速度预测问题,以及为满足人们对车辆安全性、舒适性和经济性要求,提出一种基于高斯过程回归的车辆自动巡航系统学习预测控制策略.先用高斯过程回归法对前车加速度做学习建模,再结合车间运动学模型定义车辆自动巡航系统预测模型.进而,通过在线滚动优化车辆自动巡航系统安全性、舒适性和经济性综合指标,建立车辆自动巡航系统学习预测控制器.最后,通过CarSim/Simulink联合仿真平台,将本方法的加减速典型驾驶工况与传统预测巡航控制策略下的驾驶工况对比验证.结果表明:与传统控制策略相比,本文方法更具有效性和优越性.     

半主动悬架系统刚度动态迭代跟踪控制

为进一步提高车辆行驶平顺性,结合可变刚度半主动悬架系统的特点,提出动态迭代跟踪控制算法,并应用于可变刚度半主动悬架系统。基于Matlab/Simulink建立七自由度整车仿真模型。选取簧载质量加速度、悬架动行程和轮胎动载荷的均方根为平顺性评价指标,通过层次分析法确定各评价指标的权重系数,利用遗传算法确定典型工况下悬架最优刚度。采用动态迭代跟踪算法控制悬架刚度,根据所得刚度与最优刚度的差异确定控制算法的修正系数,在典型工况下使其控制参数与寻优所得参数吻合,并对其他工况下的控制效果进行验证。仿真结果表明:提出的控制算法在混合工况下能有效地使簧载质量加速度均方根减小6.34%,悬架动行程均方根减小7.35%,从而提高车辆行驶的平顺性。     

智能车辆自适应巡航控制策略研究

为满足车辆自适应巡航安全性要求,提出了一种分层式自适应巡航控制策略。首先将车辆行驶模式分为定速巡航与跟车巡航两种,并设计控制模式切换策略,针对不同模式,分别建立基于PID控制和基于可变车头时距的安全车间距策略与最优控制的控制器模型,获得期望加速度;然后建立下层制动/节气门开度切换模型及其逆模型,得到车辆期望的节气门开度和制动压力,实现对车辆的控制;最后基于CarSim与Matlab/Simulink联合仿真平台进行测试。结果显示,所设计的安全车间距策略和控制策略能够保证巡航稳定性及安全性。     

基于模式切换的汽车自适应巡航系统分层控制

汽车自适应巡航系统通过分层控制即上层控制器向下层控制器(节气门或制动执行器)发出指令,实现汽车自动加速、减速或保持车速不变,以保持后车与前车间的期望距离。文章将自适应巡航汽车的控制模式划分为速度控制模式和车距控制模式,考虑到2种模式之间的博弈,根据车距与相对速度之间的关系建立2种模式之间的切换策略,以实现速度控制模式和车距控制模式间的平稳切换;再利用PI(proportional integral)控制和模糊控制对期望加速度进行控制,完成上层控制器的建立;根据刹车油门切换逻辑区分期望加速度和期望减速度,建立下层控制;最后利用CarSim和Matlab/Simulink软件对自适应巡航汽车的行驶工况进行联合仿真,仿真结果表明该控制策略能使后车较为稳定地跟踪前车。     

分层架构下智能电动汽车纵向运动自适应模糊滑模控制

针对智能电动汽车(intelligent electric vehicles,IEV)的纵向控制在不确定性干扰下存在非线性、强时变特征,提出一种分层控制架构下的智能电动汽车纵向跟车运动自适应模糊滑模控制方法.根据经典理论力学建立表征智能电动汽车纵向行为机理的动力学系统模型,并进一步构建智能电动汽车纵向跟车运动分层控制构架.上层控制根据本车与前车的行驶状态信息得出期望加速度滑模控制律,进而利用自适应模糊系统替代滑模切换项以改善控制性能;下层控制通过设计驱动/制动切换策略以提高行驶舒适性,然后基于逆动力学模型实时求解期望控制力矩以跟踪期望加速度.为验证所提方法的有效性,在不同行驶工况下进行的仿真试验结果表明,该方法能实现本车平稳准确地跟随前车行驶,且对前车加速度的干扰具有鲁棒性.     

实时多目标权重弯道跟随预测控制

为进一步提升车辆跟随控制对复杂工况的适应能力,本文发展了一种多目标自适应巡航控制算法.车辆弯道跟随过程中,充分考虑了车辆动力学的纵横向耦合特性,建立了4-DOF整车动力学模型,基于干扰解耦设计将整车动力学模型解耦成采用一阶惯性环节近似的线性纵向跟随模型以及采用一阶非定常微分方程描述的横向动力学模型,再通过线性变参数方法对连续横向动力学系统方程进行一次性离散化计算,以避免在每个控制周期均需对其进行p次(p为预测时域长度)离散化处理的高计算复杂度问题.进一步,基于MPC框架设计了实时多目标权重控制策略以及考虑跟随工况的多场景融合策略,以实现纵横向性能动态协调的集成式预测控制.仿真结果表明,相对传统的参数离线标定的控制策略(MPC-CW),考虑多场景融合设计的实时多目标权重控制策略(MPC-RW*)能够较好地实现期望跟车目的.