CN108437991B - 一种智能电动汽车自适应巡航控制***及其方法 - Google Patents
一种智能电动汽车自适应巡航控制***及其方法 Download PDFInfo
- Publication number
- CN108437991B CN108437991B CN201810318561.4A CN201810318561A CN108437991B CN 108437991 B CN108437991 B CN 108437991B CN 201810318561 A CN201810318561 A CN 201810318561A CN 108437991 B CN108437991 B CN 108437991B
- Authority
- CN
- China
- Prior art keywords
- control
- vehicle
- module
- fuzzy
- distance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 230000003044 adaptive effect Effects 0.000 claims abstract description 24
- 230000009471 action Effects 0.000 claims abstract description 13
- 238000011217 control strategy Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/08—Electric propulsion units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
一种智能电动汽车自适应巡航控制***及其方法,涉及汽车安全驾驶辅助控制。所述***包括信息获取模块、工作模式选择模块、控制作用切换模块、期望力矩计算模块、转换器模块和执行器模块。提出安全距离控制策略、驱动/制动切换策略,采用基于神经模糊的反演滑模自适应巡航跟踪模式控制方法,可以解决电动汽车自适应巡航***速度控制的非线性问题及***状态的强耦合性,保证车辆自适应巡航行驶时跟踪前车的能力,提高交通道路利用率及车辆行驶的安全性、舒适性。
Description
技术领域
本发明涉及汽车安全驾驶辅助控制,尤其是涉及一种智能电动汽车自适应巡航控制***及其方法。
背景技术
自适应巡航(Adaptive Cruise Control,ACC)是一种汽车安全辅助驾驶***,在传统定速巡航功能的基础上增加自动跟踪前车功能,使本车与前车保持合适的安全距离,可提高车辆行驶的安全性、缓解交通拥挤问题,同时可减轻驾驶员的负担。目前对自适应巡航控制***及控制方法的研究大量集中在传统汽车,而针对智能电动汽车的较少。智能电动汽车是当前的研究热点,具有节能环保的优势,智能电动汽车自适应巡航功能可实现车辆的安全、舒适、节能行驶,同时可提高交通道路的利用率,因此对智能电动汽车自适应巡航***及控制方法的研究具有重要的意义。
智能电动汽车自适应巡航***具有非线性和不确定性等特点,车辆在自适应巡航跟踪模式控制过程中存在加减速过程,在建立纵向动力学模型时,滑移率成为一个重要影响因素。加入滑移率的自适应巡航动力学模型存在速度控制的非线性问题,且状态变量间存在较强的耦合关系。因此,简单的非线性***线性化方法以及简单的控制方法难以满足***的控制要求。文献1(Kayacan E.Multi-objective H∞Control for String Stabilityof Cooperative Adaptive Cruise Control Systems[J].IEEE Transactions onIntelligent Vehicles,2017,2(1):52-61.)使用多目标鲁棒H∞控制能达到较好的自适应巡航跟踪效果,但建立纵向动力学模型时假设不存在非线性因素。文献2(Vajedi M,Azad NL.Ecological Adaptive Cruise Controller for Plug-In Hybrid Electric VehiclesUsing Nonlinear Model Predictive Control[J].IEEE Transactions on IntelligentTransportation Systems,2015,17(1):113-122.)使用非线性模型预测控制,可以使自适应巡航控制车辆实现安全、节能,但预测控制对***计算性能要求较高,因此研究自适应巡航控制时需要建立较为精确的模型并选用合适的控制方法。
发明内容
本发明的目的在于针对上述存在的技术问题,提供可保证智能电动汽车自适应巡航跟踪前车能力,实现车辆安全、舒适、节能智能行驶的一种智能电动汽车自适应巡航控制***及其方法。
所述智能电动汽车自适应巡航控制***包括信息获取模块、工作模式选择模块、控制作用切换模块、期望力矩计算模块、转换器模块和执行器模块;所述信息获取模块包括车-车通信模块、车-路通信模块和车载信息传感器,所述工作模式选择模块的输入端与车-车通信模块、车-路通信模块和车载信息传感器的输出端连接,工作模式选择模块的输出端与控制作用切换模块输入端连接,控制作用切换模块包括驱动控制模块和制动控制模块;期望力矩计算模块包括驱动力矩计算模块和制动力矩计算模块,驱动控制模块输出端接驱动力矩计算模块,制动控制模块输出端接制动力矩计算模块;期望力矩计算模块的输出端接转换器模块输入端,转换器模块输出端接执行器模块的输入端。
所述智能电动汽车自适应巡航控制方法包括以下步骤:
1)驾驶员设定巡航速度并激活自适应巡航开关后,巡航开始;
2)自适应巡航***信息获取模块实时采集本车行驶运动状态信息及周围环境信息,主要由车速传感器测量本车行驶速度,雷达测量本车与前车距离,车-车/车-路通信***获取前车行驶速度等;
3)根据步骤2)实时获取的信息,控制***工作模式选择模块对定速巡航模式或跟踪模式做出选择,若雷达检测到前方没有车辆,则进入定速巡航模式,否则进入自动跟踪前车模式;巡航过程中若驾驶员进行干预,则巡航结束;
所述跟踪模式期望车距控制策略采用固定时距控制策略,期望间距随速度线性变化,其表达式为sd=τvx+d0,其中sd为期望车距,τ为车间时距,vx为本车车速,d0为设定的最小安全车距;
4)若车辆进入自动跟踪前车模式,控制作用切换模块则根据驱动/制动切换策略,对驱动或制动模式做出选择;
设s为两车实际车辆间距,则车距误差表示为Δs=s-sd,两车相对速度(即前车速度与本车速度之差)用vr表示,根据车距误差与相对速度的关系提出驱动/制动切换策略,保证车辆行驶时的舒适性;
5)期望力矩计算模块计算出跟踪前车的期望控制力矩,所述期望控制力矩包括驱动力矩或制动力矩;
6)转换器模块将期望控制力矩信号转换成驱动踏板信号或者制动踏板信号,输出到执行器模块对相应执行器进行控制,完成自适应巡航的控制;
在跟踪模式下的控制目标为Δs→0,vr→0;
针对所述控制目标,电动汽车跟踪模式控制方法包括以下步骤:
(1)建立智能电动汽车自适应巡航纵向动力学模型;
(2)采用反演设计与滑模控制相结合的方法,提出跟踪前车期望车轮控制力矩的反演滑模控制律;
(3)采用模糊逻辑实现反演滑模控制律中重要参数c1,c2,c3的自调整,具体方法如下:
(3.1)选择两车实际距离与期望安全距离之差Δs和两车相对速度vr作为模糊模型的输入变量,控制律参数c1,c2,c3作为输出变量;
(3.2)设定模糊模型输入变量Δs的论域为[-50,50],输入变量vr的论域为[-20,20],量化因子都取1;输出变量c1,c2,c3的论域都设定为[0,50],比例因子都取1;
(3.3)将所述两车实际距离与期望安全距离之差Δs与两车相对速度vr的模糊子集都分为7个语言变量等级,模糊集均设为{NB,NM,NS,ZO,PS,PM,PB},分别表示{负大,负中,负小,零,正小,正中,正大};将控制器参数c1,c2,c3分别设为5个语言变量等级,模糊集都为{ZO,PS,PM,PB,VB},分别表示{零,正小,正中,正大,很大};选择高斯函数作为隶属度函数;
(3.4)模糊模型控制规则为:当两车实际距离与期望安全距离之差Δs与两车相对速度vr都为PB(正大)时,需要电机输出大的驱动力矩,此时取输出变量c1,c2,c3为ZO;当两车实际距离与期望安全距离之差Δs与两车相对速度vr都为PB时,需要电机输出大的制动力矩,此时也取输出变量c1,c2,c3为ZO;当两车实际距离与期望安全距离之差Δs与两车相对速度vr都为ZO时,此时控制收敛,取输出变量c1,c2,c3为VB;根据相同逻辑,将控制策略汇总为49条控制规则;
(4)模糊***中隶属度函数的调整是需要大量依靠经验和试验数据的操作的过程,可利用神经网络的自学习功能,将神经网络与模糊***融合,从而使模糊***中隶属度函数的选取不断改善,因此构造一个五层神经网络模糊***,采用多层前向神经网络完成模糊模型每一步功能,各层定义如下:
第一层为输入层,将输入值传送至下一层;
第二层的每个节点代表一个语言变量值,如PB,ZO等,作用为计算各输入分量属于各语言变量值模糊集合的隶属度函数;
第三层的每个节点代表一条模糊规则,用于匹配模糊规则的前件,计算出每条规则的适用度;
第四层完成规则的后件,进行模糊推理并输出模糊量;
第五层为输出层,实现清晰化计算,输出控制量。
本发明的技术效果如下:提出安全距离控制策略、驱动/制动切换策略,采用基于神经模糊的反演滑模自适应巡航跟踪模式控制方法,可以解决电动汽车自适应巡航***速度控制的非线性问题及***状态的强耦合性,保证车辆自适应巡航行驶时跟踪前车的能力,提高交通道路利用率及车辆行驶的安全性、舒适性。
附图说明
图1为本发明所述智能电动汽车自适应巡航控制***实施例的结构组成示意图。
图2为本发明所述智能电动汽车自适应巡航控制方法实施例的流程图。
图3为驱动/制动切换策略图。
图4为神经网络模糊***结构示意图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
如图1所示,本发明所述智能电动汽车自适应巡航控制***包括信息获取模块1、工作模式选择模块2、控制作用切换模块3、期望力矩计算模块4、转换器模块5和执行器模块6;所述信息获取模块1包括车-车通信模块11、车-路通信模块12和车载信息传感器13,所述工作模式选择模块2的输入端与车-车通信模块11、车-路通信模块12和车载信息传感器13的输出端连接,工作模式选择模块2的输出端与控制作用切换模块3输入端连接,控制作用切换模块3包括驱动控制模块31和制动控制模块32;期望力矩计算模块4包括驱动力矩计算模块41和制动力矩计算模块42,驱动控制模块31输出端接驱动力矩计算模块41,制动控制模块32输出端接制动力矩计算模块42;期望力矩计算模块4的输出端接转换器模块5输入端,转换器模块5输出端接执行器模块6的输入端。
如图2流程图所示,本发明所述智能电动汽车自适应巡航控制方法实施例包括以下步骤:
步骤1:驾驶员设定巡航速度并激活自适应巡航开关后,巡航开始;
步骤2:自适应巡航***信息获取模块实时采集本车行驶运动状态信息及周围环境信息,主要由车速传感器测量本车行驶速度,雷达测量本车与前车距离,车-车/车-路通信***获取前车行驶速度等;
步骤3:基于上述实时获取的信息,控制***工作模式选择模块对定速巡航模式或跟踪模式做出选择,若雷达检测前方没有车辆,则进入定速巡航模式,否则进入自动跟踪前车模式;巡航过程中若驾驶员进行干预,则巡航结束;
根据所测得的车辆信息,计算出跟踪模式的期望安全距离,期望车距采用固定时距控制策略(CTG),其表达式为sd=τvx+d0,其中sd为期望车距,τ为车间时距,vx为本车车速,d0为设定的最小安全车距。
步骤4:若车辆进入自动跟踪前车模式,***控制作用切换模块则根据驱动/制动切换策略,对驱动或制动模式进行选择。
设s为两车实际车辆间距,则车距误差表示为Δs=s-sd,两车相对速度(即前车速度与本车速度之差)用vr表示。本发明根据车距误差与相对速度的关系提出驱动/制动切换策略,保证车辆行驶时的舒适性。
如图3所示,以车距误差Δs和两车相对速度vr作为坐标轴,设雷达能检测到的最大距离为L,取±L为Δs的上下限。将整个区域划分为3个控制区,分别为驱动区、制动区、以及过渡区。在驱动区,车辆进行驱动模式行驶;在制动区,车辆进行制动模式行驶;图中虚线斜率为-45度,虚线上下移动δ(δ为大于零且很小的值)形成的区域为过渡区,车距误差Δs和两车相对速度vr在此区域时车辆既不驱动也不制动,称为滑行模式。设立此过渡区以减少驱动与制动的频繁切换,提高车辆行驶的舒适性。
步骤5:车辆进入驱动模式或制动模式时,期望力矩计算模块以Δs,vr无限趋近零为控制目标计算出相应的期望控制力矩,算法包括以下步骤:
步骤5.1:建立自适应巡航***跟车模式模型
考虑到自适应巡航行驶工况下纵向滑移率很小,假设轮胎纵向力和滑移率成比例,建立纵向模型,驱动模式和制动模式下的状态方程分别为:
其中,状态变量x=[x1,x2,x3]T,x1=s表示本车与前车实际距离,x2=vx表示本车速度,x3=ωw表示车轮转速;vf表示前车车速;k为轮胎侧偏刚度;m为车辆质量;reff为轮胎有效半径;f为滚动阻力系数;g为重力加速度;Cd为空气阻力系数;A车辆迎风面积;J车轮转动惯量;u为***模型的输入,取为传递到车轮的力矩Twheel,当Twheel为正时表示驱动力矩,为负时表示制动力矩;ΔE(t)为不确定性和外部干扰,t为时间。
步骤5.2:上述自适应巡航***纵向动力学模型速度控制存在非线性问题且***状态变量间有较强的耦合性,因此本发明采用反演滑模控制器,以制动模式为例说明制动力矩滑模控制律的计算:
则:
取:
其中,c2为大于0的正常数,
则:
则:
其中,c3为大于0的正常数;η为滑模切换增益;
驱动模式下,驱动力矩的滑模控制律计算方法与上述步骤相同,驱动力矩的滑模控制律为:
步骤5.3:调节控制律中参数c1,c2,c3的取值可改变***的动态特性,本发明采用模糊逻辑实现反演滑模控制器参数c1,c2,c3的自调整。
步骤5.3.1:选择两车实际距离与期望安全距离之差Δs和两车相对速度vr作为模糊模型的输入变量,控制器参数c1,c2,c3作为输出变量。
步骤5.3.2:设定模糊模型输入变量Δs的论域为[-50,50],输入变量vr的论域为[-20,20],量化因子都取1;输出变量c1,c2,c3的论域都设定为[0,50],比例因子都取1。
步骤5.3.3:将所述两车实际距离与期望安全距离之差Δs与两车相对速度vr的模糊子集都分为7个语言变量等级,模糊集均设为{NB,NM,NS,ZO,PS,PM,PB},分别表示{负大,负中,负小,零,正小,正中,正大};将控制器参数c1,c2,c3分别设为5个语言变量等级,模糊集都为{ZO,PS,PM,PB,VB},分别表示{零,正小,正中,正大,很大};选用高斯函数作为隶属度函数。
步骤5.3.4:模糊规则控制表如表1所示,模糊模型控制规则的确定逻辑为:当两车实际距离与期望安全距离之差Δs与两车相对速度vr都为PB(正大)时,需要电机输出大的驱动力矩,此时取输出变量c1,c2,c3为ZO;当两车实际距离与期望安全距离之差Δs与两车相对速度vr都为PB时,期望力矩为大的制动力矩,此时也取输出变量c1,c2,c3为ZO;当两车实际距离与期望安全距离之差Δs与两车相对速度vr都为ZO时,此时控制收敛,取输出变量c1,c2,c3为VB;根据相同逻辑,将控制策略汇总为49条控制规则。
表1
步骤5.4:将神经网络与模糊***融合,从而使模糊***中隶属度函数的选取不断改善。因此本发明构造了一个五层神经网络模糊***,如图4所示神经网络模糊***结构示意图,采用多层前向神经网络完成模糊模型每一步功能。
步骤5.4.1:下面具体给出每一层的节点函数。
第二层:总节点数N2=14,每个节点代表一个语言变量值,如PB,ZO等,作用为计算各输入分量属于各语言变量值模糊集合的隶属度函数 其中cij和σij分别表示隶属度函数的中心和宽度,i=1,2是输入量的维数,j=1,2…7,是语言变量等级数。
第三层:每个节点代表一条模糊规则,用来匹配模糊规则的前件,计算出每条规则的适用度。节点数N3=49代表49条模糊规则,其中i1∈{1,2,...,7},i2∈{1,2,...,7},j=1,2,…,49;
步骤5.4.2:上述所述的网络节点函数中,需要学习的主要参数为最后一层的连接权ωij和隶属度函数的中心cij和宽度σij,本发明采用BP网络误差反传的方法来设计、调整参数的学习算法。
参数调整的学习算法为:
(2)
其中,β>0,为学习率。
步骤6:转换器模块将期望力矩计算模块计算得到的驱动或制动力矩转换成对应的踏板信号,输出到执行器模块完成自适应巡航的控制。
Claims (1)
1.一种智能电动汽车自适应巡航控制***的控制方法,其特征在于所述控制***包括信息获取模块、工作模式选择模块、控制作用切换模块、期望力矩计算模块、转换器模块和执行器模块;所述信息获取模块包括车-车通信模块、车-路通信模块和车载信息传感器,所述工作模式选择模块的输入端与车-车通信模块、车-路通信模块和车载信息传感器的输出端连接,工作模式选择模块的输出端与控制作用切换模块输入端连接,控制作用切换模块包括驱动控制模块和制动控制模块;期望力矩计算模块包括驱动力矩计算模块和制动力矩计算模块,驱动控制模块输出端接驱动力矩计算模块,制动控制模块输出端接制动力矩计算模块;期望力矩计算模块的输出端接转换器模块输入端,转换器模块输出端接执行器模块的输入端;
所述控制方法包括以下步骤:
1)驾驶员设定巡航速度并激活自适应巡航开关后,巡航开始;
2)自适应巡航***信息获取模块实时采集本车行驶运动状态信息及周围环境信息,由车速传感器测量本车行驶速度,雷达测量本车与前车距离,车-车/车-路通信***获取前车行驶速度;
3)根据步骤2)实时获取的信息,控制***工作模式选择模块对定速巡航模式或跟踪模式做出选择,若雷达检测到前方没有车辆,则进入定速巡航模式;否则进入自动跟踪前车模式;巡航过程中若驾驶员进行干预,则巡航结束;
所述跟踪模式期望车距控制策略采用固定时距控制策略,期望车距随速度线性变化,其表达式为sd=τvx+d0,其中sd为期望车距,τ为车间时距,vx为本车车速,d0为设定的最小安全车距;
4)若车辆进入自动跟踪前车模式,控制作用切换模块则根据驱动/制动切换策略,对驱动或制动模式做出选择;
设s为两车实际车辆间距,则车距误差表示为Δs=s-sd,两车相对速度用vr表示,根据车距误差与相对速度的关系提出驱动/制动切换策略;
5)期望力矩计算模块计算出跟踪前车的期望控制力矩,所述期望控制力矩包括驱动力矩或制动力矩;
6)转换器模块将期望控制力矩信号转换成驱动踏板信号或者制动踏板信号,输出到执行器模块对相应执行器进行控制,完成自适应巡航的控制;
在跟踪模式下的控制目标为Δs→0,vr→0;
针对所述控制目标,电动汽车跟踪模式控制方法包括以下步骤:
(1)建立智能电动汽车自适应巡航纵向动力学模型;
(2)采用反演设计与滑模控制相结合的方法,提出跟踪前车期望控制力矩的反演滑模控制律;
(3)采用模糊逻辑实现反演滑模控制律中重要参数c1,c2,c3的自调整,具体方法如下:
(3.1)选择车辆间距与期望车距之差Δs和两车相对速度vr作为模糊模型的输入变量,控制律参数c1,c2,c3作为输出变量;
(3.2)设定模糊模型输入变量Δs的论域为[-50,50],输入变量vr的论域为[-20,20],量化因子都取1;输出变量c1,c2,c3的论域都设定为[0,50],比例因子都取1;
(3.3)将所述车辆间距与期望车距之差Δs与两车相对速度vr的模糊子集都分为7个语言变量等级,模糊集均设为{NB,NM,NS,ZO,PS,PM,PB},分别表示{负大,负中,负小,零,正小,正中,正大};将控制率参数c1,c2,c3分别设为5个语言变量等级,模糊集都为{ZO,PS,PM,PB,VB},分别表示{零,正小,正中,正大,很大};选择高斯函数作为隶属度函数;
(3.4)模糊模型控制规则为:当车辆间距与期望车距之差Δs与两车相对速度vr都为PB时,需要电机输出大的驱动力矩,此时取输出变量c1,c2,c3为ZO;当两车实际距离与期望安全距离之差Δs与两车相对速度vr都为PB时,需要电机输出大的制动力矩,此时也取输出变量c1,c2,c3为ZO;当两车实际距离与期望安全距离之差Δs与两车相对速度vr都为ZO时,此时控制收敛,取输出变量c1,c2,c3为VB;根据相同逻辑,将控制策略汇总为49条控制规则;
(4)模糊***中隶属度函数的调整利用神经网络的自学习功能,将神经网络与模糊***融合,构造一个五层神经网络模糊***,采用多层前向神经网络完成模糊模型每一步功能,各层定义如下:
第一层为输入层,将输入值传送至下一层;
第二层的每个节点代表一个语言变量值,作用为计算各输入分量属于各语言变量值模糊集合的隶属度函数;所述语言变量值包括NB,NM,NS,ZO,PS,PM,PB;
第三层的每个节点代表一条模糊规则,用于匹配模糊规则的前件,计算出每条规则的适用度;
第四层完成规则的后件,进行模糊推理并输出模糊量;
第五层为输出层,实现清晰化计算,输出控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810318561.4A CN108437991B (zh) | 2018-04-11 | 2018-04-11 | 一种智能电动汽车自适应巡航控制***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810318561.4A CN108437991B (zh) | 2018-04-11 | 2018-04-11 | 一种智能电动汽车自适应巡航控制***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108437991A CN108437991A (zh) | 2018-08-24 |
CN108437991B true CN108437991B (zh) | 2020-01-14 |
Family
ID=63199022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810318561.4A Active CN108437991B (zh) | 2018-04-11 | 2018-04-11 | 一种智能电动汽车自适应巡航控制***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108437991B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188904B (zh) * | 2018-09-04 | 2021-06-15 | 南宁学院 | 一种基于机器学习的在线训练现场控制方法 |
CN109435949A (zh) * | 2018-11-29 | 2019-03-08 | 安徽江淮汽车集团股份有限公司 | 一种车辆自适应巡航控制方法及*** |
CN109649390B (zh) * | 2018-12-19 | 2020-06-19 | 清华大学苏州汽车研究院(吴江) | 一种自动驾驶汽车自主跟车***及方法 |
CN111361558B (zh) * | 2018-12-25 | 2022-12-23 | 富泰华工业(深圳)有限公司 | 车辆及车辆自动减速方法 |
CN111391830B (zh) * | 2018-12-29 | 2021-11-26 | 毫末智行科技有限公司 | 自动驾驶车辆的纵向决策***及纵向决策确定方法 |
CN109859465B (zh) * | 2019-01-09 | 2021-05-11 | 吉林大学 | 基于交通流动态特性的自动驾驶纵向控制参数调整*** |
CN111469840A (zh) * | 2019-01-22 | 2020-07-31 | 上海汽车集团股份有限公司 | 一种车辆跟车距离控制方法及装置 |
CN110001654B (zh) * | 2019-05-06 | 2023-07-28 | 吉林大学 | 一种自适应驾驶员类型的智能车纵向速度跟踪控制***及控制方法 |
CN110962848B (zh) * | 2019-07-31 | 2021-08-06 | 重庆长安汽车股份有限公司 | 自动驾驶纵向运动控制的方法及*** |
CN110516353B (zh) * | 2019-08-27 | 2024-03-26 | 浙江科技学院 | 一种山区高速公路弯道设计缺陷快速识别方法 |
CN110979326B (zh) * | 2019-12-24 | 2021-05-28 | 武汉理工大学 | 一种智能网联电动汽车输出转矩计算方法 |
CN111049441B (zh) * | 2020-01-02 | 2023-03-10 | 上海新跃联汇电子科技有限公司 | 无刷直流电机的模型预测与反演控制方法 |
CN112026757B (zh) * | 2020-06-09 | 2021-06-25 | 理工雷科智途(北京)科技有限公司 | 一种具备自主训练学习的自适应主动防撞刹车*** |
CN111845746A (zh) * | 2020-08-06 | 2020-10-30 | 合肥工业大学 | 基于大脑情感学习回路模型的跟车控制方法及其控制*** |
CN112224214A (zh) * | 2020-10-15 | 2021-01-15 | 北京航天发射技术研究所 | 车辆速度控制方法、装置、设备及计算机可读存储介质 |
CN112109708B (zh) * | 2020-10-26 | 2023-07-14 | 吉林大学 | 一种考虑驾驶行为的自适应巡航控制***及其控制方法 |
CN112489431B (zh) * | 2020-12-11 | 2022-04-22 | 西华大学 | 一种基于5g v2x的车辆协同跟随控制***及控制方法 |
CN112896161B (zh) * | 2021-02-08 | 2022-06-21 | 杭州电子科技大学 | 一种基于强化学习的电动汽车生态自适应巡航控制*** |
CN113282079B (zh) * | 2021-04-22 | 2022-08-05 | 天津师范大学 | 一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法 |
CN113650612B (zh) * | 2021-09-27 | 2023-03-10 | 扬州亚星客车股份有限公司 | 一种纯电动客车自适应巡航纵向控制方法、装置及电子设备 |
CN114802226A (zh) * | 2022-04-18 | 2022-07-29 | 常州星宇车灯股份有限公司 | 一种汽车辅助驾驶预警控制装置及其判断方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105644560B (zh) * | 2016-03-22 | 2017-12-29 | 辽宁工业大学 | 一种四轮轮毂电机电动车自适应巡航控制***及方法 |
CN107415939B (zh) * | 2017-03-17 | 2020-01-24 | 江苏大学 | 一种分布式驱动电动汽车转向稳定性控制方法 |
-
2018
- 2018-04-11 CN CN201810318561.4A patent/CN108437991B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108437991A (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108437991B (zh) | 一种智能电动汽车自适应巡航控制***及其方法 | |
Chatzikomis et al. | Comparison of path tracking and torque-vectoring controllers for autonomous electric vehicles | |
Gao et al. | Personalized adaptive cruise control based on online driving style recognition technology and model predictive control | |
CN106740846B (zh) | 一种双模式切换的电动汽车自适应巡航控制方法 | |
Li et al. | Ecological adaptive cruise control for vehicles with step-gear transmission based on reinforcement learning | |
CN103324085B (zh) | 基于监督式强化学习的最优控制方法 | |
Cai et al. | Implementation and development of a trajectory tracking control system for intelligent vehicle | |
CN112489431B (zh) | 一种基于5g v2x的车辆协同跟随控制***及控制方法 | |
Cai et al. | An intelligent longitudinal controller for application in semiautonomous vehicles | |
CN113635879B (zh) | 一种车辆制动力分配方法 | |
Liu et al. | Handling and stability integrated control of AFS and DYC for distributed drive electric vehicles based on risk assessment and prediction | |
Yu et al. | Design of an acceleration redistribution cooperative strategy for collision avoidance system based on dynamic weighted multi-objective model predictive controller | |
Spooner et al. | Fault-tolerant control for automated highway systems | |
CN114701463B (zh) | 区间二型模糊神经网络复合制动防抱死控制***及方法 | |
Villagrá et al. | Model-free control techniques for Stop & Go systems | |
Zhao et al. | Longitudinal control strategy of collision avoidance warning system for intelligent vehicle considering drivers and environmental factors | |
Shuo et al. | Adaptive cruise hierarchical control strategy based on MPC | |
Jie et al. | Longitudinal brake control of hybrid electric bus using adaptive fuzzy sliding mode control | |
CN112115554B (zh) | 一种降低智能车辆碰撞伤害的控制方法和*** | |
Kerbel et al. | Residual policy learning for powertrain control | |
Ryan | Model Predictive Adaptive Cruise Control with Consideration of Comfort and Energy Savings | |
CN113232651A (zh) | 一种基于adhdp的燃油汽车生态自适应巡航控制方法 | |
Jin et al. | Design of a fuzzy-PID longitudinal controller for Autonomous Ground Vehicle | |
Shangguan et al. | Fuel economy‐oriented trajectory tracking control strategy for plug‐in hybrid electric buses | |
Zeng et al. | Research on yaw stability control of multi-axle electric vehicle with in-wheel motors based on fuzzy sliding mode control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |