CN115257724A

CN115257724A - 一种插电式混动汽车安全节能决策控制方法和***

Info

Publication number: CN115257724A
Application number: CN202210802285.5A
Authority: CN
Inventors: 赵治国; 李涛
Original assignee: Tongji University
Current assignee: Tongji University
Priority date: 2022-07-07
Filing date: 2022-07-07
Publication date: 2022-11-01

Abstract

本发明涉及一种插电式混动汽车安全节能决策控制方法和***，该方法包括以下步骤：获取目标车辆周围的环境信息，对障碍物进行过滤，确定危险障碍物；对自车和危险障碍物分别进行轨迹预测和碰撞检测，采用博弈决策理论进行自车安全行为决策；基于自车安全行为决策结果，建立离散状态下车辆纵向动力学状态模型，以***能量消耗最小车辆燃油经济性、安全性和驾驶舒适性构建多目标协调代价优化函数，规划局部行驶轨迹与纵向安全经济车速；根据规划得到的纵向安全经济车速，采用模型预测控制算法进行纵向车速跟随，得到车辆目标需求驱动转矩，对目标车辆进行控制。与现有技术相比，本发明在保证车辆安全行驶前提下，充分挖掘了插电式混合动力节能潜力。

Description

一种插电式混动汽车安全节能决策控制方法和***

技术领域

本发明涉及混动汽车节能控制技术领域，尤其是涉及一种插电式混动汽车安全节能决策控制方法和***。

背景技术

插电式混合动力城市汽车(Plug-in Hybrid Electric Vehicle,PHEV)是兼具纯电动和混合动力汽车优点的新能源汽车，能够利用外部电网、发动机富裕功率对动力电池充电，行驶过程中合理分配动力***中电能、机械能的输出能量，可以充分发挥插电式混合动力构型优势，提升车辆的燃油经济性。而动力***的工作模式与瞬时行驶工况密切相关，需要考虑不同工况下不同模式及其切换协调控制问题。

目前，瞬时交通环境下的智能安全决策存在控制维度低和能量协调优化控制节能效果差的问题，亟需设计一种新型的插电式混动汽车安全节能决策控制方法和***，以充分挖掘了插电式混合动力节能潜力。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种可充分挖掘了插电式混合动力节能潜力的插电式混动汽车安全节能决策控制方法和***。

本发明的目的可以通过以下技术方案来实现：

根据本发明的第一方面，提供了一种插电式混动汽车安全节能决策控制方法，该方法包括以下步骤：

步骤S1、获取目标车辆周围的环境信息，对障碍物进行过滤，确定危险障碍物；对自车和危险障碍物分别进行轨迹预测和碰撞检测，采用博弈决策理论进行自车安全行为决策；

步骤S2、基于自车安全行为决策结果，建立离散状态下车辆纵向动力学状态模型，以***能量消耗最小车辆燃油经济性、安全性和驾驶舒适性构建多目标协调代价优化函数，规划局部行驶轨迹与纵向安全经济车速；

步骤S3、根据规划得到的纵向安全经济车速，采用模型预测控制算法进行纵向车速跟随，得到车辆目标需求驱动转矩，对目标车辆进行控制。

优选地，所述步骤S1中获取目标车辆周围的环境信息，对障碍物进行过滤，确定危险障碍物，具体为：

1)按照障碍物相对于自车轨迹有无横向速度进行初步过滤，包括：

对横纵向速度小于设定值且不在自车轨迹上的障碍物进行过滤；

基于当前时刻自车和障碍物的位置、速度，进行轨迹预测，当两车运动趋势相离，则过滤掉；

2)按照障碍物相对自车的位置、速度边界和运动趋势，确定自车过滤区域，对于自车过滤区域以外且在轨迹上无横向速度的障碍物进行再次过滤，确定危险障碍物。

优选地，所述步骤S1中的轨迹预测，具体为：

自车轨迹预测：根据目标车辆当前时刻的位置、航向角、驾驶操作特性和车辆动力学特性，预测自车未来一段时间的行驶轨迹和自车姿态，包括轨迹点、到达轨迹点的时间和车辆姿态；

障碍物轨迹预测：依据障碍物历史数据判断障碍物的行为和驾驶风格概率，采用多源信息融合方法进行障碍物轨迹长时预测，得到未来一段时间内的障碍物轮廓和横纵向速度。

优选地，所述步骤S1中的碰撞检测，具体为：

遍历所有危险障碍物的轨迹预测位置与自车轨迹预测位置，从时间和距离两个维度判断是否存在碰撞冲突，若发生冲突则记录障碍物冲突信息，包括障碍物横纵向速度和到达冲突点的时间，以及自车冲突信息，包括自车到达冲突点的时间和冲突点的距离。

优选地，所述步骤S1中采用博弈决策理论进行自车安全行为决策，具体为：

1)当自车直行，危险障碍物在前方或左右两侧行驶，较自车提前一定时间到达预测冲突点，则自车非加速行驶；

2)当自车直行，危险障碍物在前方或左右两侧行驶，与自车在一定时间范围内同时到达预测冲突点，且存在碰撞风险，则自车减速行驶；

3)当自车直行，危险障碍物在前方或左右两侧行驶，与自车不存在冲突，自车正常行驶；

4)当自车转弯，危险障碍物在前方行驶，与自车在一定时间范围内同时到达预测冲突点，且存在碰撞风险，自车减速行驶。

优选地，所述步骤S2具体为：

将危险障碍物轨迹预测、轨迹曲率限制、安全行为决策结果虚拟化为控制目标，构建离散的车辆纵向动力学模型，以车辆燃油经济性、安全性和驾驶舒适性为优化目标，构建多目标协调代价优化函数，在***约束条件下，结合自车运行轨迹和最优控制算法，逐点进行纵向车速规划，并实时更新目标物体状态，依据实际车速动态更新局部纵向安全速度规划；

当自车进行减速、非加速的安全行为决策时，规划局部纵向安全经济车速，提前干预驾驶需求功率。

优选地，所述步骤S2中的车辆纵向动力学模型，数学表达式为：

y(k)＝Cx(k)

式中，x为状态变量，k代表第k个取样时间，

代表***矩阵，y为***输出，C输出矩阵，u为控制输入，以自车速度或加速度为控制量，w为***扰动，以障碍物速度或加速度为扰动量。

优选地，所述步骤S2中的多目标协调代价优化函数，表达式为：

J＝J_F+J_s+J_c

J_s＝w_ΔdΔd²+w_ΔvΔv²

J_C＝w_aa_f ²

式中，J_F为燃油经济性优化性能指标，w_u为期望加速度权重系数，w_du为期望加速度变化率的权重系数；J_s为***安全跟踪性能指标，w_Δd为车辆间距误差权重系数，Δd为车辆间距，w_Δv为车辆相对速度权重系数，Δv为相对速度；J_C为车辆舒适性性能指标，w_a为纵向加速度权重系数，a_f为纵向加速度。

其中，多目标协调代价函数满足车辆经济性、安全性和舒适性性能方面的约束作为综合性能的约束条件。

优选地，所述步骤S3中采用模型预测控制算法进行纵向车速跟随控制，具体为：

选择在预测时域窗口T_p＝[k+1:k+p]内的输出量y_p(i|k)与目标车速v(i)的差异值的平方累加，优化得到对应预测时域内目标函数最小的控制变量序列，并把序列中的第一个值作为当前自车总的需求转矩值，下一时刻重复此过程；

u_min≤u≤u_max

式中，目标车速v(i)为车辆纵向安全经济车速参考曲线，y_p(i|k)由车辆动力学模型实时迭代得到的输出量，u_min、u_max表示目前需求转矩上下限。

根据本发明的第二方面，提供了一种基于所述的插电式混动汽车安全节能决策控制方法的***，该***包括：

环境感知模块，用于通过智能传感器获取目标车辆周围的环境信息，包括障碍物信息；

障碍物过滤模块，用于对目标车辆周围的障碍物进行过滤，得到危险障碍物；

轨迹预测模块，用于对障碍物过滤模块得到的危险障碍物和自车进行轨迹预测；

碰撞检测模块，用于对障碍物过滤模块得到的危险障碍物和自车进行碰撞检测；

安全行为决策模块，用于基于轨迹预测和碰撞检测结果进行自车安全行为决策；

局部纵向速度规划模块，用于基于自车安全行为决策结果进行自车速度规划，得到纵向安全经济车速；

速度跟随控制模块，用于进行自车纵向车速跟随控制。

与现有技术相比，本发明具有以下优点：

1)本发明所提出的实时决策控制方法在确保动态交通环境中车辆安全的前提下，在行为决策、速度规划和车速跟随环节均以车辆经济性最优为约束条件，能够进一步提升插电式混合动力汽车的燃油经济性，解决目前瞬时交通环境下的智能安全决策控制维度低和能量协调优化控制节能效果差的问题；

2)通过对目标车辆周围的障碍物进行多次过滤，减少碰撞检测次数；

3)当自车进行减速、非加速安全决策时，通过进一步规划局部纵向安全经济车速，提前干预驾驶需求功率，避免急加速、急减速造成的能量损失，合理分配发动机和电机转矩，提升了车辆的经济性；

4)采用的基于智能传感器的智能感知技术，为获取短距离的工况信息提供了途径，智能辅助控制器算力的提升，为多源信息融合和障碍物运动预测提供了算力支持。

附图说明

图1为本发明的方法流程图；

图2为本发明的控制流程示意图；

图3为轨迹预测示意图；

图4为根据运动趋势过滤障碍物示意图；

图5为自车过滤区域示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

首先给出本发明的方法实施例，一种插电式混动汽车安全节能决策控制方法，该方法包括以下步骤：

A障碍物过滤：

基于当前时刻自车和障碍物的位置、速度，进行轨迹预测，当两车运动趋势相离，则过滤掉，如图4所示；

2)以车辆当前位置为参考，根据自车轨迹横向偏移量、车辆航向角、路口标志、车道标志等确定自车过滤区域大小，确定自车过滤区域，如图5所示，对于自车过滤区域以外且在轨迹上无横向速度的障碍物进行再次过滤，从而减少碰撞检测次数。

B轨迹预测：

C碰撞检测：

D自车安全行为决策，如表1所示：

表1

步骤S2、基于自车安全行为决策结果，将危险障碍物轨迹预测、轨迹曲率限制、安全行为决策结果虚拟化为控制目标，构建离散的车辆纵向动力学模型，以车辆燃油经济性、安全性和驾驶舒适性为优化目标，构建多目标协调代价优化函数，在***约束条件下，结合自车运行轨迹和最优控制算法，逐点进行纵向车速规划，并实时更新目标物体状态，依据实际车速动态更新局部纵向安全速度规划；

车辆纵向动力学模型，数学表达式为：

y(k)＝Cx(k)

式中，x为状态变量，k代表第k个取样时间，

多目标协调代价优化函数，表达式为：

J＝J_F+J_s+J_c

J_s＝w_ΔdΔd²+w_ΔvΔv²

J_C＝w_aa_f ²

步骤S3、根据规划得到的纵向安全经济车速，采用模型预测控制算法进行纵向车速跟随，得到车辆目标需求驱动转矩，对目标车辆进行控制，具体为：

采用模型预测控制算法进行纵向车速跟随控制，具体为：

u_min≤u≤u_max

接下来结合附图对本实施例的方法进行详细说明。

如图2所示：

(1)自车轨迹预测：

根据驾驶员操作(油门开度、刹车开度、转向灯、方向盘转角)和车辆状态反馈(导航线路、车速、车道线)，对自车运行轨迹进行预测。基于车辆动力学特性，保持当前车速不变，预测未来轨迹上的自车姿态，包括自车在每个轨迹点处的轮廓、到达时间等信息。

(2)障碍物轨迹预测：

首先进行障碍物过滤，基于智能传感器获取车辆周围障碍物距离、速度、位置等局部路况信息，对障碍物进行过滤处理，如图3，V_Self表示自车速度，V_OBS为障碍物矢量速度。首先按照静态障碍物过滤方式，对于在区域以外且在轨迹上无横向速度的障碍物OBS_2、障碍物OBS_4、障碍物OBS_5进行过滤；然后按照动态障碍物过滤方式，根据自车状态预测运行轨迹，根据当前时刻障碍物的位置、速度对轨迹进行预测，当两则运动趋势相离，则过滤掉障碍物OBS_3。

然后对不符合障碍物过滤规则的障碍物进行姿态预测，如图3为障碍物OBS_1，以障碍物在t0时刻状态为例，障碍物的初始位置为(x0,y0)，障碍物的当前速度为(vx,vy)，经过时间t后，新的障碍物位置(x1,y1)可以表示为如下公式，因此可以计算出障碍物在预测时间内各个位置的坐标和姿态。

(3)碰撞检测：

根据障碍物过滤结果，遍历所有危险障碍物轨迹预测位置与自车轨迹预测位置，从时间和距离两个维度判断是否存在碰撞冲突，若发生冲突则记录障碍物横纵向速度、到达冲突点的时间、自车到达冲突点的时间、冲突点的距离等信息。

(4)安全决策：

采用路权及博弈决策理论，对自车和障碍物的碰撞信息采用如下安全决策行为。当自车直行，最危险障碍物在前方或左右两侧行驶，较自车提前一定时间到达预测冲突点，则自车非加速行驶。

(5)局部纵向速度规划：

自车规划的车速轨迹如图3所示，第t时刻的车速为P(x_t,y_t,v_t)，通过规划局部经济车速，提前干预驾驶需求功率，避免急加速、急减速造成的能量损失，合理分配发动机和电机转矩，提升车辆的经济性。

(6)轨迹跟随：

根据规划的局部经济速度，为了使车辆能够平稳、安全、精确的跟踪期望轨迹，因此采用模型预测控制算法进行跟随控制。选择在预测时域窗口(T_p＝[k+1:k+p])内的输出量y_p(i|k)与目标轨迹r(i)的差异值的平方累加，通过优化算法得到对应预测时域内目标函数最小的控制变量序列，并把第一个值作为当前整车总的需求转矩值，下一时刻重复此过程。

u_min≤u≤u_max

式中，目标速度v(i)为车速轨迹规划的参考车速曲线，y_p(i|k)由车辆动力学模型实时迭代得到，u_min、u_max表示目前需求转矩上下限。

接下来给出本发明的***实施例，一种基于所述的插电式混动汽车安全节能决策控制方法的***，该***包括：

速度跟随控制模块，用于进行自车纵向车速跟随控制。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。