原文传递
网联汽车随机预测巡航控制及参数自学习方法研究
| 论文题名： | 网联汽车随机预测巡航控制及参数自学习方法研究 |
| 关键词： | 车辆高级辅助驾驶系统;随机预测巡航控制;参数自学习;高斯过程;多目标优化 |
| 摘要： | 车辆自适应巡航控制（Adaptive cruise control，ACC）系统是车辆高级辅助驾驶系统的重要组成部分，能够减轻驾驶员负担，提高驾驶安全性，对于燃油经济性也有一定的改善作用。随着无线通信、物联网、人工智能等先进技术的应用，车辆智能化和网联化程度不断加深，在行驶过程中能够获取多层次、多尺度的交通网联信息。在智能网联的背景下，基于ACC基础的预测巡航控制（Predictive cruise control，PCC）系统迎来了发展机遇。基于丰富的交通网联信息，PCC能够对前车车速、道路坡度等前方交通动态进行预测，并利用参考预测信息为驾驶性能的进一步优化提供了可能。然而，目前针对PCC的研究面临一些挑战：（1）如何有效利用网联信息对交通动态进行预测，并考虑预测信息的随机性和不确定性，是亟待解决的问题。（2）如何利用考虑不确定性的预测信息和交通网联信息，设计兼顾跟踪性能、舒适性和经济性等多目标的预测巡航控制器，又是一个难题。（3）如何对预测巡航控制器中的参数进行优化以进一步挖掘控制器性能，也是预测巡航控制器设计过程中需要解决的重要问题。本文针对上述挑战，瞄准智能网联时代下的车辆预测巡航控制展开研究，主要研究内容如下： （1）针对PCC系统的参考信息预测问题，提出基于高斯过程的前车车速预测方法，能够得到相对准确的车速预测值和量化不确定性的预测置信区间，并采用了分形布朗运动核函数以提高预测准确性。在验证其准确性的基础上，基于硬件仿真平台验证了该预测方法的车载实时可行性，证明了其在实车中的应用潜力。 （2）针对网联环境下车辆巡航行驶过程中的多目标控制问题，提出一种随机模型预测控制方法，综合利用前车预测车速的概率分布信息完成了考虑预测不确定性的随机预测巡航控制器设计，通过仿真验证了所设计控制器的有效性。 （3）针对预测巡航控制器的参数优化整定问题，提出了一种基于贝叶斯优化的控制器参数自学习方法，在模型预测控制框架下实现了对多目标优化函数的权重系数的快速优化整定。在此基础上开发了一种基于工况辨识的变权重系数自学习方法，使控制器能适应不同驾驶场景，最后通过仿真验证了该方法的有效性。 |
| 作者： | 王昱昊 |
| 专业： | 控制科学与工程 |
| 导师： | 宫洵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
