CN108052100A - 一种智能网联电动汽车控制***及其控制方法 - Google Patents

Abstract

本发明公开了一种智能网联电动汽车控制***及其控制方法，其特征是，所述***包括主控制处理单元、V2X信息交互单元、环境及车辆状态感知单元、整车CAN网络，车辆运动状态控制单元和驱动执行单元。本发明通过V2X信息交互单元接收道路等环境信息以及其他车辆状态信息；环境及车辆状态感知单元探测车辆周围环境及车身状态信息；所有信息通过整车CAN网络提供给主控制处理单元；车辆运动状态控制单元通过控制驱动执行单元对车辆的状态进行控制；解决了智能车控制***通用性较低，且成本较高的问题，对提高智能车通行效率，减缓拥堵，降低交通事故发生率有重要的实际意义。

Description

一种智能网联电动汽车控制***及其控制方法

技术领域

本发明涉及一种智能网联电动汽车控制***及其控制方法，属于汽车控制技术领域。

背景技术

智能车辆作为智能交通***的一部分，有着十分广泛的应用前景。智能车辆是指能够自主感知，自主决策，进行轨迹规划并跟踪的一类车辆。轨迹跟踪控制是智能车辆研究的基本问题和必要条件。为提高汽车在高速行驶过程中的主动安全性能、降低追尾碰撞事故发生率，研发高性能的汽车主动避撞***成为迫切需要。汽车主动避撞***利用现代信息技术和传感技术获取外界信息，综合路况与车况信息，辨识是否存在安全隐患，并在紧急情况下能自动采取措施，使汽车主动避开危险，保证汽车安全行驶。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种智能网联电动汽车控制***及其控制方法，提高智能车通行效率，减缓拥堵，降低交通事故发生率，保证行车安全，并解决控制***通用性较低的问题。

为了实现上述目标，本发明采用如下的技术方案：

一种智能网联电动汽车控制***，其特征是，包括主控制处理单元、V2X信息交互单元、环境及车辆状态感知单元、整车CAN网络、车辆运动状态控制单元和驱动执行单元：所述主控制处理单元、车辆运动状态控制单元和驱动执行单元依次连接；

所述V2X信息交互单元用于接收环境信息、道路信息以及其他车辆状态信息；所述环境及车辆状态感知单元用于探测车辆周围环境及车身状态信息；所述整车CAN网络用于给主控制处理单元提供车辆安全行驶所需要的信息；

所述车辆运动状态控制单元用于通过控制所述驱动执行单元对所述车辆的状态进行控制；

所述主控制处理单元通过以CAN总线分别与所述V2X信息交互单元、所述环境及所述车辆状态感知单元、所述车辆运动状态控制单元连接，用于根据道路环境信息、行驶状态信息，通过所述车辆运动状态控制单元对所述车辆的状态进行控制。

前述的一种智能网联电动汽车控制***，其特征是，所述车辆状态控制单元包括发动机管理***EMS控制单元、电子稳定性ESC控制单元、电动助力转向EPS控制单元：

所述发动机管理***EMS控制单元用于通过控制所述发动机对所述车辆进行加速控制；所述电子稳定性ESC控制单元用于通过控制所述制动单元对所述车辆进行制动控制；所述电动助力转向EPS控制单元用于通过控制所述转向单元对所述车辆进行转向控制。

前述的一种智能网联电动汽车控制***，其特征是，所述驱动执行单元包括发动机、制动单元和转向单元。

前述的一种智能网联电动汽车控制***，其特征是，所述道路环境信息包括车辆周围的障碍物信息、车辆前方的路况信息、当前行驶环境的光线信息和其他车辆的状态信息；所述车身状态信息和其他车辆状态信息包括车辆的速度、轮速、横向加速度、纵向加速度和横摆角速度。

前述的一种智能网联电动汽车控制***，其特征是，所述环境及车辆状态感知单元包括雷达传感器和视觉传感器；所述雷达传感器用于探测车辆周围的障碍物的状态；所述视觉传感器用于感知所述车辆前方的路况和当前行驶环境的光线。

前述的一种智能网联电动汽车控制***，其特征是，所述雷达传感器采用毫米波雷达传感器。

一种智能网联电动汽车控制***的控制方法，其特征是，包括如下步骤：

1)探测车辆的环境信息，获取车辆以及其他车辆的行驶状态信息；获取道路环境信息；

2)建立车辆横纵向动力学模型：

纵向动力学公式如下：

横向状态方程如下式：

其中，为作用在车辆上的外力沿y轴方向的合力，为车辆绕质心的各力矩之和，是前轮胎侧偏角，是后轮胎侧偏角，m为车辆的整车质量，I_Z为车辆的转动惯量，是车辆的横摆角速度，为车辆的横摆角加速度，k₁为车辆前轴的侧偏刚度，k₂为车辆后轴的侧偏刚度；uⁱ是车辆的质心处的纵向速度，βⁱ是车辆的质心侧偏角，是车辆的质心侧偏角速度，δⁱ是前轮转角，a是车辆的质心到车辆前轴的距离，b是车辆的质心到车辆后轴的距离；

在惯性坐标系oxy下，车辆质心在Y方向的运动方程：其中，为惯性坐标系下车辆质心的纵向速度，是车辆的横摆角度，vⁱ是车辆质心处的横向速度；

3)结合模型建立状态方程x(k+1)＝Ax(k)+Bu(k)+d(k)，

其中

其中T仿真步长时间函数，x(k)为时刻k(k＝1,2,3,4...)的状态量，u(k)为时刻k的控制量，d(k)为时刻k的离散化差值函数；

4)建立目标函数

其中，表示未来k+i时刻的输出量的预测值，y_ref(k+i|k)表示未来k+i时刻的输出量的参考值，Δu(k+i|k)为未来的控制量序列，N_p为预测数量，N_c为控制数量，ρ为权重系数，ε为松弛因子，Q和R分别为权重系数，分别为加权平方求和的公式表示形式；

在真实的车辆中，车辆的前轮转角有一定的转角范围，对车辆的前轮转角加以约束，形成目标函数的约束函数：U_min(k)≤U(k)≤U_max(k)，式中，U_min(k)是控制量最小值，U_max(k)是控制量最大值；

5)采用以Metropolis为准则的模拟退火方法对步骤4)中的目标函数进行求解得到最佳速度以及方向盘转角，并通过CAN总线网络传输给车辆运动控制单元。

前述的一种智能网联电动汽车控制方法，其特征是，所述步骤5)中具体的求解步骤为：

51)给定初始温度T＝T₀和初始解计算目标函数值

52)对当前解随机扰动产生一个新解计算目标函数值

53)计算增量

54)对增量ΔJ进行判定，判定条件是ΔJ＜0或exp(-ΔJ/T)＞rand(0,1)；若该式成立，接受为新解，即否则进行下一步；

55)判定是否达到迭代次数上限值，若达到则进行下一步，否则返回步骤52)

56)判定是否满足终止条件，若满足则运算结束，输出最优解；否则降低当前温度T，并返回步骤52)。

本发明所达到的有益效果：本发明通过V2X信息交互单元接收道路等环境信息以及其他车辆状态信息；环境及车辆状态感知单元探测车辆周围环境及车身状态信息；所有信息通过整车CAN网络提供给主控制处理单元；车辆运动状态控制单元通过控制驱动执行单元对车辆的状态进行控制；解决了智能车控制***通用性较低，且成本较高的问题，对提高智能车通行效率，减缓拥堵，降低交通事故发生率有重要的实际意义。

附图说明

图1是本发明的***结构示意图；

图2是模拟退火算法流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明提供的智能网联电动汽车的运动控制***及方法，***结构如图1所示，主控制处理单元、V2X信息交互单元、环境及车辆状态感知单元、整车CAN网络，车辆运动状态控制单元和驱动执行单元。

本方案中主控制处理单元如下方式对***进行控制：

1)探测车辆的环境信息，获取车辆以及其他车辆的行驶状态信息；获取道路环境信息；

2)建立车辆横纵向动力学模型：

纵向动力学公式如下：

横向状态方程如下式： 其中，为作用在车辆上的外力沿y轴方向的合力，为车辆绕质心的各力矩之和，是前轮胎侧偏角，是后轮胎侧偏角，m为车辆的整车质量，I_Z为车辆的转动惯量，是车辆的横摆角速度，为车辆的横摆角加速度，k₁为车辆前轴的侧偏刚度，k₂为车辆后轴的侧偏刚度；uⁱ是车辆的质心处的纵向速度，βⁱ是车辆的质心侧偏角，是车辆的质心侧偏角速度，δⁱ是前轮转角，a是车辆的质心到车辆前轴的距离，b是车辆的质心到车辆后轴的距离；

车辆的轨迹跟踪需要考虑的问题之一是车辆的实时位置与车辆的期望位置之间的关系，并使得两者之间的偏差趋于零。因此车辆的实时位置信息是进行横向控制的关键。

在惯性坐标系oxy下，车辆质心在Y方向的运动方程：其中，为车辆的横摆角，为惯性坐标系下车辆质心的纵向速度；

3)由于较高速度下的轨迹跟踪控制对实时性要求较高，本文采用线性模型预测控制方法设计轨迹跟踪控制器。

需要进行线性化并注意根据车辆状态信息的增加对矩阵维度进行调整：结合模型建立状态方程x(k+1)＝Ax(k)+Bu(k)+d(k)，其中

4)为了保证车辆在轨迹跟踪过程中的跟踪精度，在目标函数中考虑车辆纵向位置偏差和横标角速度偏差并在目标函数中加入松弛因子，建立目标函数确保目标函数可求得可行解。

此目标函数中分别考虑了车辆的预测横摆角速度和期望值的偏差；车辆的预测纵向位置和期望纵向位置的偏差，表征了车辆***跟踪参考轨迹的精度；控制量的变化，以保证控制量变化平稳，避免产生突变，影响车辆***正常工作。

在真实的车辆中，车辆的前轮转角有一定的转角范围，对车辆的前轮转角加以约束，形成目标函数的约束函数：U_min(k)≤U(k)≤U_max(k)，式中，U_min(k)是控制量最小值，U_max(k)是控制量最大值；

5)采用以Metropolis为准则的模拟退火方法对步骤4)中的目标函数进行求解得到最佳速度以及方向盘转角，并通过CAN总线网络传输给车辆运动控制单元。

Metropolis准则也被称为新状态的接受准则，准则的具体内容为：首先，给固体赋予初始状态i，将此状态作为固体当前的状态，并且设定该状态i的能量为E_i；

采用摄动方法对粒子进行随机选取，使所选中粒子的位移随机产生一个微小的变动；并且设定该状态j的能量为E_j。

如果E_j＜E_i，则新状态就作为重要状态；如果E_j＞E_i，则对于新状态是否作为重要状态要考虑热运动的作用。

固体处于状态i和固体处于状态j的几率之比与相应的Boltzmann因子的比值相等，即式中，r为小于1的数；k为玻耳兹曼常数；T为热力学温度。

用随机方法产生一个位于[0,1]闭区间内部的随机数ξ，对其作出判断：若满足r＞ξ，则接受新状态j作为重要状态，否则，将其舍去；

模拟退火方法可以求解不同的非线性问题，对初值有较强的鲁棒性，简单通用，并且易于实现，是一种全局优化算法。

智能算法计算出智能车的最佳速度以及方向盘转角，并通过CAN总线网络传输给车辆运动控制单元，根据道路环境信息、行驶状态信息和其他车辆状态信息对车辆的状态进行控制。本发明中将模拟退火算法嵌入智能算法底层的目标函数来求得优化解，解决了智能车控制***通用性较低，且成本较高的问题，对提高智能车通行效率，减缓拥堵，降低交通事故发生率有重要的实际意义。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种智能网联电动汽车控制***，其特征是，包括主控制处理单元、V2X信息交互单元、环境及车辆状态感知单元、整车CAN网络、车辆运动状态控制单元和驱动执行单元：所述主控制处理单元、车辆运动状态控制单元和驱动执行单元依次连接；

所述V2X信息交互单元用于接收道路环境信息以及其他车辆状态信息；所述环境及车辆状态感知单元用于探测车辆周围环境及车身状态信息；所述整车CAN网络用于给主控制处理单元提供车辆安全行驶所需要的信息；

所述车辆运动状态控制单元用于通过控制所述驱动执行单元对所述车辆的状态进行控制；

所述主控制处理单元通过以CAN总线分别与所述V2X信息交互单元、所述环境及所述车辆状态感知单元、所述车辆运动状态控制单元连接，用于根据道路环境信息、行驶状态信息，通过所述车辆运动状态控制单元对所述车辆的状态进行控制。

2.根据权利要求1所述的一种智能网联电动汽车控制***，其特征是，所述车辆状态控制单元包括发动机管理***EMS控制单元、电子稳定性ESC控制单元、电动助力转向EPS控制单元：

所述发动机管理***EMS控制单元用于通过控制所述发动机对所述车辆进行加速控制；所述电子稳定性ESC控制单元用于通过控制所述制动单元对所述车辆进行制动控制；所述电动助力转向EPS控制单元用于通过控制所述转向单元对所述车辆进行转向控制。

3.根据权利要求1所述的一种智能网联电动汽车控制***，其特征是，所述驱动执行单元包括发动机、制动单元和转向单元。

4.根据权利要求1所述的一种智能网联电动汽车控制***，其特征是，所述道路环境信息包括车辆周围的障碍物信息、车辆前方的路况信息、当前行驶环境的光线信息和其他车辆的状态信息；所述车身状态信息和其他车辆状态信息包括车辆的速度、轮速、横向加速度、纵向加速度和横摆角速度。

5.根据权利要求1所述的一种智能网联电动汽车控制***，其特征是，所述环境及车辆状态感知单元包括雷达传感器和视觉传感器；所述雷达传感器用于探测车辆周围的障碍物的状态；所述视觉传感器用于感知所述车辆前方的路况和当前行驶环境的光线。

6.根据权利要求5所述的一种智能网联电动汽车控制***，其特征是，所述雷达传感器采用毫米波雷达传感器。

7.一种基于根据权利要求1-6任意一项所述的智能网联电动汽车控制***的控制方法，其特征是，包括如下步骤：

1)探测车辆的环境信息，获取车辆以及其他车辆的行驶状态信息；获取道路环境信息；

2)建立车辆横纵向动力学模型：

纵向动力学公式如下：

横向状态方程如下式：

其中，为作用在车辆上的外力沿y轴方向的合力，为车辆绕质心的各力矩之和，是前轮胎侧偏角，是后轮胎侧偏角，m为车辆的整车质量，I_Z为车辆的转动惯量，是车辆的横摆角速度，为车辆的横摆角加速度，k₁为车辆前轴的侧偏刚度，k₂为车辆后轴的侧偏刚度；uⁱ是车辆的质心处的纵向速度，βⁱ是车辆的质心侧偏角，是车辆的质心侧偏角速度，δⁱ是前轮转角，a是车辆的质心到车辆前轴的距离，b是车辆的质心到车辆后轴的距离；

在惯性坐标系oxy下，车辆质心在Y方向的运动方程：其中，为惯性坐标系下车辆质心的纵向速度，是车辆的横摆角度，vⁱ是车辆质心处的横向速度；

3)结合模型建立状态方程x(k+1)＝Ax(k)+Bu(k)+d(k)，

其中

其中T仿真步长时间函数，x(k)为时刻k(k＝1,2,3,4...)的状态量，u(k)为时刻k的控制量，d(k)为时刻k的离散化差值函数；

4)建立目标函数

其中，表示未来k+i时刻的输出量的预测值，y_ref(k+i|k)表示未来k+i时刻的输出量的参考值，Δu(k+i|k)为未来的控制量序列，N_p为预测数量，N_c为控制数量，ρ为权重系数，ε为松弛因子，Q和R分别为权重系数，分别为加权平方求和的公式表示形式；

在真实的车辆中，车辆的前轮转角有一定的转角范围，对车辆的前轮转角加以约束，形成目标函数的约束函数：U_min(k)≤U(k)≤U_max(k)，式中，U_min(k)是控制量最小值，U_max(k)是控制量最大值；

5)采用以Metropolis为准则的模拟退火方法对步骤4)中的目标函数进行求解得到最佳速度以及方向盘转角，并通过CAN总线网络传输给车辆运动控制单元。

8.根据权利要求7所述的一种智能网联电动汽车控制方法，其特征是，所述步骤5)中具体的求解步骤为：

51)给定初始温度T＝T₀和初始解计算目标函数值

52)对当前解随机扰动产生一个新解计算目标函数值

53)计算增量

54)对增量ΔJ进行判定，判定条件是ΔJ＜0或exp(-ΔJ/T)＞rand(0,1)；若该式成立，接受为新解，即否则进行下一步；

55)判定是否达到迭代次数上限值，若达到则进行下一步，否则返回步骤52)

56)判定是否满足终止条件，若满足则运算结束，输出最优解；否则降低当前温度T，并返回步骤52)。