CN108284836B

CN108284836B - 一种车辆纵向跟随控制方法

Info

Publication number: CN108284836B
Application number: CN201810070910.5A
Authority: CN
Inventors: 郭洪艳; 黄河; 朱飞白; 陈虹
Original assignee: Jilin University
Current assignee: Jilin University
Priority date: 2018-01-25
Filing date: 2018-01-25
Publication date: 2019-12-24
Anticipated expiration: 2038-01-25
Also published as: CN108284836A

Abstract

本发明公开了一种高速公路重型卡车队列行驶中车辆纵向跟随控制方法，基于非线性模型预测控制理论，根据获得的当前道路信息并考虑物理执行机构的约束，以控制队列中车辆与相邻前车辆保持相同速度并保持期望车间距离为控制目标，优化求解控制量并作用于被控车辆；基于车辆非线性动力学方程预测相邻前车下一时刻的状态，并将其作为跟踪控制目标的一部分，有效减少了由车载控制器延迟、传动系延迟以及通信延迟所导致被控车辆与前车之间的速度偏差，因此，车辆队列在行驶过程中可控制车间距离保持在更小数值，根据车辆行驶过程中空气阻力和车间距离的关系，本发明所提出的控制方法间接提升了车辆队列整体的燃油经济性。

Description

一种车辆纵向跟随控制方法

技术领域

本发明涉及一种提升高速公路重型卡车队列中车辆跟随性能的方法，具体的说是一种高速公路重型卡车队列行驶中车辆纵向跟随控制方法。

背景技术

高速公路重型卡车运输作为一种重要的交通运输形式在世界经济的发展中占有重要地位。重型卡车在高速行驶的状态下，约有53％的燃油消耗用于克服空气阻力。为了提高高速公路重型卡车运输的燃油经济性和道路的潜在容量，重型卡车列队行驶控制被逐渐提出并受到了广泛关注。

重型卡车队列控制目标是控制队列中所有车辆保持相同速度行驶和控制相邻两车之间保持期望的车间距。目前，针对重型卡车队列行驶控制已经有大量的研究工作，但仍存在一些不足之处，大部分现有各种控制方案中，每一时刻，队列中车辆控制器以跟踪相邻前车当前的速度和保持期望的车间距为控制目标，决策出控制量作用于车辆，经传动系后使车辆速度发生改变，但在这个过程中，相邻前车的控制器也已经决策出控制量，使相邻前车的速度从当前时刻向下一时刻发生改变，这将会导致相邻前后车的速度始终存在一定偏差，并随着时间的不断增长，误差的累积会逐渐增大，对队列行驶造成影响。

因此，本发明提出了一种非线性模型预测控制方案，基于车辆的非线性动力学方程预测队列中车辆相邻前车下一时刻的速度，非线性模型预测控制器以跟踪相邻前车下一时刻的速度并保持期望距离为控制目标，并根据当前获取的道路信息决策控制量。非线性模型预测控制方法是一种基于滚动优化的思想实现对参考值跟踪控制的算法，有较强的鲁棒性，同时可以处理带有约束的优化问题。

发明内容

本发明提供了一种高速公路重型卡车队列行驶中车辆纵向跟随控制方法，基于非线性模型预测控制理论，根据获得的当前道路信息并考虑物理执行机构的约束，以控制队列中车辆与相邻前车辆保持相同速度并保持期望车间距离为控制目标，优化求解控制量并作用于被控车辆；基于车辆非线性动力学方程预测相邻前车下一时刻的状态，并将其作为跟踪控制目标的一部分，有效减少了队列中相邻前后车速度的稳态误差，提升队列行驶的整体性能。

本发明通过以下技术方案实现的：

步骤一：根据车辆在行驶过程中所受力以及车辆队列行驶所受空气阻力，建立车辆非线性纵向动力学方程；

步骤二：使用所述步骤一建立的车辆非线性纵向动力学方程建立预测相邻前车未来速度的动力学方程；在每一时刻，根据相邻前车的当前速度以及当前发动机输出扭矩或制动主缸压力，预测相邻前车下一时刻的速度；

步骤三：建立带有约束考虑的非线性模型预测控制器，非线性模型预测控制器根据被控车辆当前速度、当前获取的道路信息、所述步骤二预测的相邻前车下一时刻速度，以被控车辆当前时刻的状态作为起点，同时根据步骤一所建立的车辆非线性纵向动力学方程，预测被控车辆与相邻前车未来一段时间内的状态变化，同时进行对优化问题的求解，决策出控制量，并作用于车辆***，从而保证被控车辆与相邻前车速度一致并跟踪期望车间距。

本发明的效益为：

1.本发明将队列中车辆相邻前车下一时刻的速度作为跟踪目标，有效减少了由车载控制器延迟、传动系延迟以及通信延迟所导致被控车辆与前车之间的速度偏差，因此，车辆队列在行驶过程中可控制车间距离保持在更小数值，根据车辆行驶过程中空气阻力和车间距离的关系，本发明所提出的控制方法间接提升了车辆队列整体的燃油经济性。

2.本发明有效挺高了队列中前后车的速度一致性，进而间接提升了车辆队列整体的安全性以及道路交通***的潜在容量。

附图说明

图1为车辆队列行驶所受空气阻力示意图；

图2为行驶车辆所受力示意图；

图3为本发明整体控制框图；

图4为上坡工况示意图；

图5为上坡工况下前后车车间距变化；

图6为上坡工况下领航车与跟随车车速对比；

图7为下坡工况；

图8为下坡工况下前后车车间距变化；

图9为下坡工况下领航车与跟随车车速对比。

具体实施方式

以下结合附图详细描述本发明的技术方案：

一种高速公路重型卡车队列行驶中车辆纵向跟随控制方法，包括以下步骤：

步骤一：根据牛顿第二定律建立车辆纵向非线性动力学方程，如图2，方程如下：

其中，m为车辆质量，单位kg；v为车辆纵向速度，单位m/s；F_engine为车辆驱动力，单位为N；F_brake为车辆制动力，单位为N；F_grad为车辆重力分力，单位为N；F_rolling为车辆所受地面摩擦力，单位为N；F_airdrag为车辆所受空气阻力，单位为N。

其中，T_t为发动机转矩，单位Nm；i_g为车辆变速器传动比；i₀为车辆主减速器传动比；η_t是整车传动系的传动效率；R是车轮的半径，单位为m。

p_brake为制动主缸产生的制动压力；K为制动力矩和制动主缸压力的比例系数，由制动主缸的内部结构所决定。

F_gravity＝mgsin(θ) (4)

其中，g为重力加速度，单位m/s²；θ为道路坡度，单位rad。

F_roll＝μmgcos(θ) (5)

其中，μ表示滚动阻力系数。

其中，C_D为空气阻力系数；ρ为空气密度，单位kg/m³；A是车辆迎风面积，单位m²；v为车辆纵向速度，单位m/s。

车辆队列行驶所受空气阻力如图1所示，考虑到本发明主要涉及卡车行驶的纵向动力学，所以这里主要是指卡车正常行驶过程中空气阻力在卡车运动方向上的分力。由于车间距离的变化是使后车空气阻力系数发生变化的主要因素，因此引入以车间距离为变量的空气阻力系数，如下式所示：

其中，C_D0、C_D1、C_D2及为空气阻力经验系数，d_i为第i辆车与前车的距离，i＝1,2,3........，当i＝1时，d_i＝∞，即当计算领航车所承受的空气阻力时默认车间距为无穷大，此时空气阻力系数变为C_D(d_i)＝C_D0。

步骤二：在每一时刻k，可以根据步骤一所建立的车辆纵向非线性动力学方程，可建立预测相邻前车未来ΔH时长后速度的运动学方程，并根据相邻前车(N-1)发动机输出扭矩T_t(k)_N-1或制动主缸压力p_brake(k)_N-1以及当前时刻车速v_N-1(k)，可计算出ΔH时间后相邻前车的车速v^* _N-1(k)，其中ΔH的长度可根据车载控制器运算能力、车辆传动系结构以及通信***延迟进行选取，运动学方程如下：

其中v^* _N-1(k)为通过所建立的运动学方程计算得到的ΔH时长后相邻前车的速度，v_N-1(k)为当前时刻相邻前车车速。

步骤三：建立非线性模型预测控制器，控制器整体控制框图如图3所示，根据步骤一所建立的车辆纵向非线性动力学方程，以被控车辆与相邻前车当前时刻的状态作为起点，预测被控车辆与相邻前车未来一段时间内的状态变化，同时进行对优化问题的求解，决策出控制量，并作用于车辆***，从而保证被控车辆与相邻前车速度一致并跟踪期望车间距。

上述非线性模型预测控制器包含以下步骤：

1)建立预测方程：

为了有效处理跟踪问题并在求解控制量的过程中考虑约束限制，本发明采用非线性模型预测控制方法。根据步骤一所建立的车辆纵向非线性动力学方程，对其进行离散化处理，建立预测方程如下：

其中S(k)和v(k)分别代表被控车辆的纵向位移的纵向速度，T为采样时间。

在求解优化问题的过程中，本发明选取驱动力(或制动力)F(k)与质量m的比值作为控制量(其中F(k)＝F_engine(k)/F_brake(k))，选取车辆纵向速度和纵向位移x(k)＝[v(k)S(k)]作为状态量。

2)预测被控车辆与相邻前车未来动态：

根据第1)步所建立的预测方程，首先，相邻前车以当前时刻速度v_N-1(k)和当前时刻的位移S_N-1(k)作为预测起点，根据当前时刻相邻前车输出发动机扭矩T_t(k)_N-1或制动主缸压力p_brake(k)_N-1确定预测时域内相邻前车的位移变化S_N-1(k+1|k)...S_N-1(k+i|k)(i＝1...N)；

其次，被控车辆以当前时刻速度v_N(k)以及当前时刻位移S_N(k)作为预测起点，以预测时域内每一步的非线性模型预测控制器输出u_N(k+1)...u_N(k+N)作为优化的独立变量确定预测时域内被控车辆速度变化v_N(k+1|k)...v_N(k+i|k)和位移变化S_N(k+1|k)...S_N(k+i|k)；在预测时域内根据被控车辆和相邻前车的位移的变化，可结合当前时刻车间距d₀(k)计算出预测时域内车间距离变化d(k+1|k)...d(k+N|k)(i＝1...N)，其中，N为非线性模型预测控制器的预测步长，本发明中控制时域等于预测时域，预测时域内的车间距离变化的计算可通过如下公式表示：

d(k+i|k)＝d₀(k)+S_N-1(k+i|k)-S_N(k+i|k) (10)

3)求解优化问题：

优化问题可表述为：

s.t.x(k+1)＝f(x(k),u(k))

v_min≤v(k+i)≤v_max

u¹ _min≤u(k+i)≤u¹ _max(u(k)＞0)

u² _min≤u(k+i)≤u² _max(u(k)＜0)

d_e(k)≤d(k+i) (11)

其中，d_e(k)为期望车间距，其计算方法本发明采用了应用广泛的恒定时距策略(CTH)：

d_e(k)＝τv_N(k)-L (12)

其中τ为固定常数，单位为s；L为车身长度；v_max,v_min分别为速度约束的上限和下限；u¹ _max,u¹ _min分别为当控制量为驱动时控制量的上限和下限；u² _max,u² _min分别为控制量为制动时控制量的上限和下限；方程x(k+1)＝f(x(k),u(k))代表步骤1)所建立的预测方程。

在优化问题中，优化函数包括对预测时域内被控车辆速度v_N(k+1|k)…v_N(k+N|k)与相邻前车下一时刻速度v^* _N-1(k)偏差的累加，以及预测时域相邻前车与被控车辆之间的车间距d(k+1|k)...d(k+N|k)与期望车间距d_e(k)偏差的累加，并通过求解优化算法，使在预测时域内的累加值达到最小，从而控制被控车辆跟踪相邻前车并保持期望车间距。

在优化问题的求解过程中，需要考虑控制量和状态量存在的约束，其中，根据《高速公路交通管理办法》可确定优化过程中车速变化的上、下限v_max,v_min；根据车辆发动机固有属性，可确定驱动力可达的上、下限，从而确定当控制量为驱动时控制量的上、下限u¹ _max,u¹ _min；根据车辆制动***固有属性，可确定制动***输出制动力可达的上、下限，从而确定当控制量为制动时控制量的上、下限u² _max,u² _min；车间距离的保持对车辆队列行驶十分重要，虽然目标函数中已经考虑对车间距离的跟踪，但仍有可能出现实际车间距小于期望车间距，因此在本发明中引入了对安全距离约束d_e(k)≤d(k+i|k)。

同时，为了克服模型失配、外部干扰所引起的不确定因素，并结合模型预测控制的滚动优化思想，将每一次优化求解得出的控制序列u_N(k+1|k)...u_N(k+N|k)的第一个值u_N(k+1|k)作用于被控车辆，并在非线性模型预测控制器下一次计算过程中重复上述过程。

根据非线性模型预测控制器输出控制量u_N(k+1|k)符号的正负，可确定非线性模型预测控制器对车辆的控制动作为驱动还是制动，若为正，则根据步骤一中的公式(2)，将其转化为驱动力矩T_t(k+1)_N作用于被控车辆；若为负，则根据步骤一中的公式(3)，将其转化为制动主缸压力p_brake(k+1)_N作用于被控车辆。

4)控制***仿真验证

为了验证所设计控制方法的有效性，在MATLAB/SIMULINK和TRUCKSIM软件联合仿真的环境下搭建由两辆车组成的控制***，其中以TRUCKSIM中所提供的高精度车辆动力学车辆模型作为被控对象。

在上述仿真环境下，分别进行300m上坡和500m下坡的高速公路仿真实验，在上坡工况中，车辆初始速度分别为80km/h、90km/h，上坡工况下两车的车速对比和实际车间距与期望值对比如图5、图6所示，下坡工况下仿真结果如图8、图9所示，从仿真结果可以看出，在上坡和下坡工况下，所提出的非线性模型预测控制算法控制跟随车有效跟踪前方领航车，且速度偏差基本为零，实际车间距虽然存在一定稳态误差，但整体的变化比较平稳，并且在整个过程中实际车间距并未超过期望值，符合车辆队列行驶的控制需求。

Claims

1.一种车辆纵向跟随控制方法，其特征在于，包括以下步骤：

步骤一：根据车辆在行驶过程中所受力以及车辆队列行驶中所受空气阻力，建立车辆非线性纵向动力学方程；

步骤三：建立非线性模型预测控制器，非线性模型预测控制器根据被控车辆当前速度、当前获取的道路信息、所述步骤二预测的相邻前车下一时刻速度，以被控车辆当前时刻的状态作为起点，同时根据步骤一所建立的车辆非线性纵向动力学方程，预测被控车辆与相邻前车未来一段时间内的状态变化，同时进行对优化问题的求解，决策出控制量，并作用于车辆***，从而保证被控车辆与相邻前车速度一致并跟踪期望车间距；

所述步骤三的具体过程包括：

1)建立预测方程：

根据所述步骤一所建立的车辆纵向非线性动力学方程，对其进行离散化处理，建立预测方程如下：

其中S(k)和v(k)分别代表被控车辆的纵向位移的纵向速度，T为采样时间；F(k)为车辆驱动力或制动力；Cr为与路面滚动阻力系数μ相关的参数，Cr＝(1+k)v(k)；k为固定比例系数；A为车辆迎风面积，单位m²；ρ为空气密度，单位kg/m³；C_D(d_i)为空气阻力系数；d_i为第i辆车与前车的距离，i＝1,2,3........；θ为道路坡度，单位rad；

在求解优化问题的过程中，

选取控制量为驱动力或制动力与质量的比值：

其中，F(k)＝F_engine(k)/F_brake(k)，F_engine为车辆驱动力，F_brake为车辆制动力，m为车辆质量，单位kg；

选取状态量为车辆纵向速度以及位移：x(k)＝[v(k)S(k)]；

2)预测被控车辆与相邻前车未来动态：

根据所述第1)步建立的预测方程：

首先，相邻前车以当前时刻速度v_N-1(k)和当前时刻的位移S_N-1(k)作为预测起点，根据当前时刻相邻前车输出的发动机扭矩T_t(k)_N-1或制动主缸压力p_brake(k)_N-1确定预测时域内相邻前车的位移变化S_N-1(k+1|k)...S_N-1(k+i|k)(i＝1...N)；

其次，被控车辆以当前时刻速度v_N(k)以及当前时刻位移S_N(k)作为预测起点，以预测时域内每一步的非线性模型预测控制器输出u_N(k+1)...u_N(k+N)作为优化的独立变量，确定预测时域内被控车辆速度变化v_N(k+1|k)...v_N(k+i|k)和位移变化S_N(k+1|k)...S_N(k+i|k)；

在预测时域内根据被控车辆和相邻前车的位移的变化，可结合当前时刻车间距d₀(k)计算出预测时域内车间距离变化d(k+1|k)...d(k+N|k)(i＝1...N)；预测时域内的车间距离变化的计算可通过如下公式表示：

d(k+i|k)＝d₀(k)+S_N-1(k+i|k)-S_N(k+i|k)

其中，N为非线性模型预测控制器的预测步长，本发明中控制时域等于预测时域；

3)求解优化问题：

优化问题可表述为：

s.t.x(k+1)＝f(x(k),u(k))

v_min≤v(k+i)≤v_max

u¹ _min≤u(k+i)≤u¹ _max(u(k)＞0)

u² _min≤u(k+i)≤u² _max(u(k)＜0)

d_e(k)≤d(k+i)

其中，d_e(k)为期望车间距：

d_e(k)＝τv_N(k)-L

其中，τ为固定常数，单位为s；L为车身长度；v_max,v_min分别为速度约束的上限和下限；u¹ _max,u¹ _min分别为当控制量为驱动时控制量的上限和下限；u² _max,u² _min分别为控制量为制动时控制量的上限和下限；

方程x(k+1)＝f(x(k),u(k))代表所述第1)步所建立的预测方程；

2.如权利要求1所述的一种车辆纵向跟随控制方法，其特征在于，所述步骤一建立的车辆非线性纵向动力学方程为：

其中，m为车辆质量，单位kg；v为车辆纵向速度，单位m/s；

F_engine为车辆牵引力，单位为N；F_brake为车辆制动力，单位为N；F_grad为车辆重力分力，单位为N；F_roll为车辆所受地面摩擦力，单位为N；F_airdrag为车辆所受空气阻力，单位为N；

其中，ρ为空气密度，单位kg/m³；A是车辆迎风面积，单位m²；v为车辆纵向速度，单位m/s；

C_D为空气阻力系数，引入以车间距离为变量的空气阻力系数：

其中，C_D0、C_D1、C_D2为空气阻力经验系数，d_i为第i辆车与前车的距离，i＝1,2,3........。

3.如权利要求1所述的一种车辆纵向跟随控制方法，其特征在于，所述步骤二建立的预测相邻前车未来速度的动力学方程为：

其中v^* _N-1(k)为通过所建立的运动学方程计算得到的ΔH时长后相邻前车的速度，v_N-1(k)为当前时刻相邻前车车速；

T_t为发动机转矩，单位Nm；i_g为车辆变速器传动比；i₀为车辆主减速器传动比；η_t为整车传动系的传动效率；R为车轮的半径，单位为m；θ为道路坡度，单位rad；μ表示滚动阻力系数；K为制动主缸压力与车辆制动力矩的比例系数。

4.如权利要求1所述的一种车辆纵向跟随控制方法，其特征在于，根据所述步骤三非线性模型预测控制器输出控制量u_N(k+1|k)符号的正负，可确定非线性模型预测控制器对车辆的控制动作为驱动还是制动，若为正，则将其转化为驱动力矩T_t(k+1)_N作用于被控车辆；若为负，则将其转化为制动主缸压力p_brake(k+1)_N作用于被控车辆。

5.如权利要求1所述的一种车辆纵向跟随控制方法，其特征在于，所述步骤三中，为了克服模型失配、外部干扰所引起的不确定因素，并结合模型预测控制的滚动优化思想，将每一次优化求解得出的控制序列u_N(k+1|k)...u_N(k+N|k)的第一个值u_N(k+1|k)作用于被控车辆，并在非线性模型预测控制器下一次计算过程中重复上述过程。