详情

原文传递基于模型预测控制的智能汽车自适应巡航控制研究

论文题名：	基于模型预测控制的智能汽车自适应巡航控制研究
关键词：	智能汽车;自适应巡航;模型预测控制;卡尔曼滤波
摘要：	自适应巡航控制（AdaptiveCruiseControl，ACC）系统作为高级驾驶辅助系统（AdvancedDrivingAssistantSystem,ADAS）的重要组成部分，能够有效降低驾驶员操作强度，提高汽车行驶安全性、舒适性、燃油经济性，近年来受到了国内外主机厂及研究机构的广泛关注。本文考虑传感器噪声和环境干扰对ACC系统的影响，并兼顾车辆行驶的跟踪性、安全性和舒适性，提出了一种基于卡尔曼滤波的模型预测控制（ModelPredictiveControl，MPC）的ACC系统。同时，在此基础上，本文还设计了智能汽车自主循迹结合ACC系统的控制方案，即实现车辆的自主循迹跟车行驶。本文主要研究内容如下：　　首先，本文根据车辆动力学原理建立车辆动力学微分方程，以测试车辆作为目标车辆，在Matlab/Simulink仿真平台中建立考虑车身的纵向、横向、横摆运动及四个车轮的旋转运动的七自由度车辆模型。通过蛇形工况试验，对比实车和仿真测试结果，验证了所建的车辆模型的精确性和有效性，为后续ACC系统控制算法研究与设计奠定了基础。　　接着，本文根据车辆纵向跟车特性，建立了ACC系统的纵向跟车模型，并选取自车的纵向加速度、自车与前车之间的相对速度和车距误差作为状态变量。考虑传感器噪声和环境干扰对ACC系统的影响，采用卡尔曼滤波器对输入到MPC控制器的状态变量进行降噪处理，提高状态变量的精度。在设计MPC控制器时，本文选取跟踪性、乘坐舒适性及安全性作为MPC控制器的性能指标和系统约束，实现ACC系统的多目标优化。在MPC控制器中，采用反馈校正机制对预测模型进行改善，降低参数不完全确定和外部干扰对模型带来的影响，并引入松弛因子对约束条件进行软化和扩展，扩大可行解域，最终将ACC系统的优化目标转化为一个带约束的二次规划问题，通过求解车辆期望纵向加速度，实现了车辆纵向运动控制。通过仿真和实车试验，验证所提出的基于卡尔曼滤波的MPC控制器的有效性。试验结果表明，基于卡尔曼滤波器的MPC控制器能够有效地对带有传感器噪声的变量进行降噪，同时，在纵向跟踪性、安全性和乘坐舒适性方面均具有良好的性能，尤其是在安全性和乘坐舒适性方面，基于卡尔曼滤波的MPC控制器的控制效果比不带有卡尔曼滤波的MPC控制器更好。　　然后，本文针对测试车辆提出一种高性能、低成本的智能汽车自主循迹控制方案，包括基于车载组合导航系统采集和感知车辆行驶轨迹，并完成坐标变换及轨迹提取；设计轨迹参考点预瞄方法和PID横纵向控制方法，基于车辆开放的横、纵向控制执行接口，实现精确、快速、可靠的车辆转向和加减速运动控制，实现车辆的自主循迹控制。　　最后，将自主循迹控制和ACC系统控制进行结合，实现车辆的自主循迹跟车。即在循迹过程中，当车辆前方出现目标车辆时，自车能够根据目标车辆的相对运动状态，调整自车速度，保证车辆在循迹过程中的纵向安全性。通过实车试验，验证车辆自主循迹跟车控制方案的可行性。试验结果表明，车辆能够沿着预设轨迹的自主驾驶，并且当前方出现目标车辆自车能够实现跟随前车稳定行驶。
作者：	陈威
专业：	机械工程
导师：	刘明春
授予学位：	硕士
授予学位单位：	南昌大学
学位年度：	2020