欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018100709105
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 一般车辆
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种车辆纵向跟随控制方法,其特征在于,包括以下步骤:步骤一:根据车辆在行驶过程中所受力以及车辆队列行驶中所受空气阻力,建立车辆非线性纵向动力学方程;

步骤二:使用所述步骤一建立的车辆非线性纵向动力学方程建立预测相邻前车未来速度的动力学方程;在每一时刻,根据相邻前车的当前速度以及当前发动机输出扭矩或制动主缸压力,预测相邻前车下一时刻的速度;

步骤三:建立非线性模型预测控制器,非线性模型预测控制器根据被控车辆当前速度、当前获取的道路信息、所述步骤二预测的相邻前车下一时刻速度,以被控车辆当前时刻的状态作为起点,同时根据步骤一所建立的车辆非线性纵向动力学方程,预测被控车辆与相邻前车未来一段时间内的状态变化,同时进行对优化问题的求解,决策出控制量,并作用于车辆系统,从而保证被控车辆与相邻前车速度一致并跟踪期望车间距。

2.如权利要求1所述的一种车辆纵向跟随控制方法,其特征在于,所述步骤一建立的车辆非线性纵向动力学方程为:其中,m为车辆质量,单位kg;v为车辆纵向速度,单位m/s;

Fengine为车辆牵引力,单位为N;Fbrake为车辆制动力,单位为N;Fgrad为车辆重力分力,单位为N;Frolling为车辆所受地面摩擦力,单位为N;Fairdrag为车辆所受空气阻力,单位为N;

其中,ρ为空气密度,单位kg/m3;A是车辆迎风面积,单位m2;v为车辆纵向速度,单位m/s;

CD为空气阻力系数,引入以车间距离为变量的空气阻力系数:其中,CD0、CD1、CD2为空气阻力经验系数,di为第i辆车与前车的距离,i=1,2,3........。

3.如权利要求1所述的一种车辆纵向跟随控制方法,其特征在于,所述步骤二建立的预测相邻前车未来速度的动力学方程为:*

其中v N-1(k)为通过所建立的运动学方程计算得到的ΔH时长后相邻前车的速度,vN-1(k)为当前时刻相邻前车车速;

Tt为发动机转矩,单位Nm;ig为车辆变速器传动比;i0为车辆主减速器传动比;ηt为整车传动系的传动效率;R为车轮的半径,单位为m;θ为道路坡度,单位rad;μ表示滚动阻力系数。

4.如权利要求1所述的一种车辆纵向跟随控制方法,其特征在于,所述步骤三的具体过程包括:

1)建立预测方程:

根据所述步骤一所建立的车辆纵向非线性动力学方程,对其进行离散化处理,建立预测方程如下:其中S(k)和v(k)分别代表被控车辆的纵向位移的纵向速度,T为采样时间;

在求解优化问题的过程中,

选取控制量为:

其中,F(k)=Fengine(k)/Fbrake(k),Fengine为车辆驱动力,Fbrake为车辆制动力,m为车辆质量;

选取状态量为:x(k)=[v(k)S(k)];

2)预测被控车辆与相邻前车未来动态:

根据所述第1)步建立的预测方程:

首先,相邻前车以当前时刻速度vN-1(k)和当前时刻的位移SN-1(k)作为预测起点,根据当前时刻相邻前车输出的发动机扭矩Tt(k)N-1或制动主缸压力pbrake(k)N-1确定预测时域内相邻前车的位移变化SN-1(k+1|k)...SN-1(k+i|k)(i=1...N);

其次,被控车辆以当前时刻速度vN(k)以及当前时刻位移SN(k)作为预测起点,以预测时域内每一步的非线性模型预测控制器输出uN(k+1)...uN(k+N)作为优化的独立变量,确定预测时域内被控车辆速度变化vN(k+1|k)...vN(k+i|k)和位移变化SN(k+1|k)...SN(k+i|k);

在预测时域内根据被控车辆和相邻前车的位移的变化,可结合当前时刻车间距d0(k)计算出预测时域内车间距离变化d(k+1|k)...d(k+N|k)(i=1...N);预测时域内的车间距离变化的计算可通过如下公式表示:d(k+i|k)=d0(k)+SN-1(k+i|k)-SN(k+i|k)其中,N为非线性模型预测控制器的预测步长,本发明中控制时域等于预测时域;

3)求解优化问题:

优化问题可表述为:

s.t.x(k+1)=f(x(k),u(k))

vmin≤v(k+i)≤vmax

u1min≤u(k+i)≤u1max(u(k)>0)

u2min≤u(k+i)≤u2max(u(k)<0)

de(k)≤d(k+i)

其中,de(k)为期望车间距:

de(k)=τvN(k)-L

其中,τ为固定常数,单位为s;L为车身长度;vmax,vmin分别为速度约束的上限和下限;

u1max,u1min分别为当控制量为驱动时控制量的上限和下限;u2max,u2min分别为控制量为制动时控制量的上限和下限;

方程x(k+1)=f(x(k),u(k))代表所述第1)步所建立的预测方程;

在优化问题中,优化函数包括对预测时域内被控车辆速度vN(k+1|k)…vN(k+N|k)与相邻前车下一时刻速度v*N-1(k)偏差的累加,以及预测时域相邻前车与被控车辆之间的车间距d(k+1|k)...d(k+N|k)与期望车间距de(k)偏差的累加,并通过求解优化算法,使在预测时域内的累加值达到最小,从而控制被控车辆跟踪相邻前车并保持期望车间距。

5.如权利要求4所述的一种车辆纵向跟随控制方法,其特征在于,根据所述步骤三非线性模型预测控制器输出控制量uN(k+1|k)符号的正负,可确定非线性模型预测控制器对车辆的控制动作为驱动还是制动,若为正,则将其转化为驱动力矩Tt(k+1)N作用于被控车辆;

若为负,则将其转化为制动主缸压力pbrake(k+1)N作用于被控车辆。

6.如权利要求4所述的一种车辆纵向跟随控制方法,其特征在于,所述步骤三中,为了克服模型失配、外部干扰所引起的不确定因素,并结合模型预测控制的滚动优化思想,将每一次优化求解得出的控制序列uN(k+1|k)...uN(k+N|k)的第一个值uN(k+1|k)作用于被控车辆,并在非线性模型预测控制器下一次计算过程中重复上述过程。