详情

原文传递智能车自适应巡航控制策略研究

论文题名：	智能车自适应巡航控制策略研究
关键词：	自适应巡航;智能车;卡尔曼滤波器;自抗扰;模型预测控制;二分搜索
摘要：	智能车自适应巡航系统是一种典型的高级驾驶辅助系统，能够减轻驾驶负担，提高行驶安全性和道路通行能力，得到了诸多学者和一众汽车厂商的广泛关注。新一代自适应巡航系统控制目标多样，模型预测控制作为一种多目标优化控制方法，被应用于自适应巡航系统。基于模型预测控制理论设计自适应巡航系统控制器时，需要全状态测量，测量中存在着不确定性，而且控制器实时性较差。针对上述问题，提出基于扩张状态车辆跟驰运动学模型的卡尔曼滤波器进行跟车模型状态和干扰的估计，并提出基于二分搜索的显式模型预测控制器进行跟车过程最优加速度的计算。研究结果为估计跟车运动学模型的状态和干扰、提高模型预测控制器的实时性、无参数范围时求解多参数二次规划问题等提供重要的理论指导和工程应用参考。主要研究内容如下：　　（1）设计智能车自适应巡航控制系统的框架，确定控制系统的模式和模式切换方案。整个控制系统采用分层控制架构，包括四个部分：目标判别模块、扩张状态卡尔曼滤波器、用于计算期望加速度的上层控制器、用于跟踪期望加速度的下层控制器。　　（2）建立车辆纵向动力学模型和车辆跟驰运动学模型，设计观测器。将车辆跟驰运动学模型的干扰项扩张成一个新状态，基于扩张状态空间模型，设计卡尔曼滤波器，用于估计跟车状态和干扰的真值。通过仿真试验，验证车辆动力学模型和扩张状态卡尔曼滤波器的有效性。　　（3）基于自抗扰控制（ActiveDisturbanceRejectionControl，ADRC）理论和比例积分微分（Proportional-Integrative-Derivative，PID）控制理论设计车辆加速度跟踪控制器。在驱动和制动模式下，分别设计自抗扰控制器和（滤波）前馈PID控制器，基于车辆带挡滑行试验的加速度-速度曲线设置缓冲带和切换边界。通过不同工况下的仿真分析，确定滤波前馈PID（驱动控制）+ADRC（制动控制）切换控制的加速度跟踪控制方法。　　（4）基于模型预测控制理论，建立描述多目标自适应巡航系统的多参数二次规划优化模型。优化模型的性能指标包括跟踪性、乘坐舒适性、燃油经济性，约束由状态约束和输入约束组成。提出一种改进的多参数二次规划算法，离线求解多参数二次规划问题，得到其分段仿射函数解，使得在没有参数范围的情况下，多参数二次规划算法也可以初始化。用二叉树构建算法将分段仿射函数构建成二叉树，通过在线二分搜索参数点定位即可快速计算出期望加速度。　　（5）通过Simulink/CarSim联合仿真验证所提控制策略的有效性。在跟车行驶模式下共进行五种典型工况的四种上层控制方法仿真试验分析，四种上层控制方法分别为模型预测控制方法、基于顺序搜索的显式模型预测控制方法、基于二分搜索的显式模型预测控制方法、避障自适应巡航方法。基于二分搜索的显式模型预测控制方法，和同参数的模型预测控制方法相比，控制效果基本不变，但是计算效率平均提高38.47倍，实时性有显著提高。改进的多参数二次规划算法离线计算结果和模型预测控制在线优化计算结果一致，证明所提出的改进算法的可行性。
作者：	冯世林
专业：	车辆工程
导师：	赵又群
授予学位：	硕士
授予学位单位：	南京航空航天大学
学位年度：	2022