详情

原文传递一种基于参数在线辨识的智能汽车协同编队节能控制方法

专利名称：	一种基于参数在线辨识的智能汽车协同编队节能控制方法
摘要：	本发明公开了一种基于参数在线辨识的智能汽车协同编队节能控制方法。首先基于无迹卡尔曼滤波辨识获取车辆惯性参数；然后基于辨识参数建立电动汽车的三阶动力学模型和功率模型并设计分布式自适应滑模控制器；再确定控制目标，最后构建基于模型预测控制的车队参考轨迹优化问题，实现巡航节能控制。本发明相比于其他控制方法，考虑了惯性参数的实时辨识，能够有效地保证数据的实时性和准确性，主要利用模型预测控制，能够有效地提高车辆队列的燃油经济性，并保证车辆队列的内部稳定性和弦稳定性。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	杭州电子科技大学
发明人：	颜成钢;陈曦妍;翟春杰;陈慧勤;尹克;王博;陈楚翘;丁贵广;付莹;郭雨晨;赵思成;孙垚棋;朱尊杰;王帅;高宇涵;王鸿奎;赵治栋;殷海兵;张继勇;李宗鹏
专利状态：	有效
申请日期：	2023-09-13T00:00:00+0800
发布日期：	2023-11-24T00:00:00+0800
申请号：	CN202311179386.2
公开号：	CN117104225A
代理机构：	杭州君度专利代理事务所(特殊普通合伙)
代理人：	朱月芬
分类号：	B60W30/14;B60W50/00;B;B60;B60W;B60W30;B60W50;B60W30/14;B60W50/00
申请人地址：	310018 浙江省杭州市下沙高教园区2号大街
主权项：	1.一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，包括如下步骤：步骤S1、基于无迹卡尔曼滤波辨识获取车辆惯性参数；步骤S2、基于辨识参数建立电动汽车的三阶动力学模型和功率模型并设计分布式自适应滑模控制器；步骤S3、确定控制目标；步骤S4、构建基于模型预测控制的车队参考轨迹优化问题，实现巡航节能控制。 2.根据权利要求1所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤S1具体实现如下：根据车辆传感器采集获得惯性参数τi，并确定无迹卡尔曼滤波器的观测量；根据无迹卡尔曼滤波器和所述观测量进行迭代求解，得到所述车辆的惯性参数辨识量；将系统进行离散化，无迹卡尔曼滤波算法流程为：令状态向量xk＝[pi(k) vi(k) ai(k)]，进一步获得： zk为量测向量，f(·)为系统状态函数，h(·)为系统观测函数。wk为零均值、协方差为Qk的不相关高斯白噪声；gk为零均值、协方差为Rk的不相关高斯白噪声；以比例修正堆成策略选取sigma点，然后在非线性高斯滤波理论框架下，利用UT变换近似非线性函数的后验均值和方差；初始状态估计和估计方差为：由k时刻的状态估值和估计方差Pk\|k，得到2n+1个sigma采样点σ和相应的权值和/>得到下一步状态预测的均值和方差：其中，f(σ)为非线性状态函数。经过非线性量测函数传递得采样点估计值：为更新后的采样点；预测下一时刻的均值/>方差Pzz,k+1\|k以及协方差Pxz,k+1\|k为：其中，根据k+1时刻得量测值zk+1，求得滤波增益Kk+1，k+1时刻状态估计和估计方差为： 3.根据权利要求2所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤S2具体方法如下；步骤2.1建立车辆纵向动力学模型；步骤2.2建立电动汽车的功率模型；步骤2.3设计分布式自适应滑模控制器。 4.根据权利要求3所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤2.1具体方法如下；车辆动力学表示为：其中，pi，vi，ai，ui分别为电动汽车i的位置、速度、加速度和控制输入，Fd,i(t)，Fr,i(t)分别为t时刻作用于车辆上的实际驾驶和制动过程中受到的力和阻力；θi＝1/Mi，Mi为车辆质量；χ为输入时延；τi为惯性参数，自适应辨识获取；车辆间距di(t)定义为： di(t)＝pi-1(t)-pi(t)-Li 其中，Li是车辆i的长度。 5.根据权利要求4所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤2.2具体方法如下；电动汽车的输出功率Pi,e(t)表示为：其中ηi,t和ηi,r分别是电动汽车的机械传输效率和能源制动回收效率，Fi(t)为牵引力。 6.根据权利要求5所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤2.3具体方法如下；分布式滑模面： K是设计参数，l为第l辆车；设计分布式滑模控制器：其中，Ni为通信集合，为自适应参数，权重系数γ决定了滑模面的收敛速度；其中，参数要满足以下的自适应算法：其中,qi为与自适应速度相关的权重系数。 7.根据权利要求6所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤S3具体方法如下：跟随车辆i的位置误差和速度误差定义为：其中d表示相邻车辆之间的期望间距；步骤3.1.内部稳定性；当领头车辆的加速度为0时，所有跟随车辆都停留在所需位置，并最终达到与领头车辆相同的速度，即：其中i＝1,2,…,N。步骤3.2.扰动不确定下的鲁棒L2弦稳定性条件为：步骤3.3.能源经济性；时间t到t+T的总能耗表示为：其中，dτ为积分时间参数。 8.根据权利要求7所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤S4具体方法如下：步骤4.1.获得带补偿因子的带阻函数；步骤4.2.构建基于模型预测控制的车队参考轨迹优化问题。 9.根据权利要求8所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤4.1具体方法如下；带补偿因子的带阻函数表示为： rh(xh(t)，uh(t))λ1L1(t)+λ2L2(t) 式中，状态变量xh(t)＝[Δvh(t)，Δd(t)]，uh(t)为控制变量；Δvh(t)为主车和前车的速度差，Δd(t)为当量车距偏差；，λ2为权重系数，目标L1(t)和L2(t)描述为：其中，dmin、dmax分别为允许的最大和最小安全车距，cf为补偿因子，ζ是下层执行网络的输出，表示电池组与电容组的分配功率系数，αd、βd、为权重系数；启动模式下电池功率模型表示为： Pe(t)＝Pbat(t)+Psc(t)＝Pbat(t)+Psc(t)ηDC(PSC(t)) 其中，Pbat为电池组输出功率；Psc(t)为电容组输出功率；Pe(t)为需求功率；ηDC(PSC(t))为DC/DC转换器的效率；Vbat为电池组的开路电压；VSC为电容组的开路电压；Ibat为电池组的电流；ISC为电容组的电流；SoCbat为电池组的荷电状态；SoCSC为电容组的荷电状态；Rbat，disch为电池组的放电电阻；RSC,disch为电容组的放电电阻；制动模式下电池功率模型表示为： Pe(t)＝Pbat(t)+Psc(t)＝Pbat(t)+Psc(t)/ηDC(PSC(t)) 其中，SoCbat为电池组的荷电状态；SoCSC为电容组的荷电状态；Cbat为电池组的容量；CSC为电容组的容量；VSC，max为电容组的最大电压；t0和Tcyc分别为行程的初始时刻和终止时刻；全过程的带阻函数表示为：其中，γ为折扣系数，dt为积分时间函数；权重系数，且/>zl，zu∈R+分别为区间的上下界，c是补偿因子。 10.根据权利要求9所述的一种基于参数在线辨识的智能汽车协同编队节能控制方法，其特征在于，步骤4.2具体方法如下；令NP为预测范围，车辆i在预测范围内的代价函数可表示为：其中，ω是权重参数，车辆队列在预测范围内的成本函数为：给定车辆队列的预测变量和成本函数后，车队参考轨迹问题表述为：其中，u0(：\|t)为领头车辆控制输入；并满足：其中，u0,min、u0,max分别为领头车辆的最小和最大控制输入；为集总扰动的估计值，Fi,ref(nB\|t)可表示为：其中，ui,ref为期望输入；将期望输入应用到领头车辆，实现节能目标。
所属类别：	发明专利