1.一种智能网联汽车随机预测巡航控制系统,其步骤是:
第一步、信息采集;
其特征在于:
第二步、建立面向控制的巡航控制动力学模型:以Vl表示前车纵向车速,Vf表示自车纵向车速,S表示自车与前车的车距(即纵向距离),u表示自车纵向加速度,自车和前车的相对运动动力学用以下公式描述:其中 表示S的一阶导数, 表示Vf的一阶导数;
引入采样时间T进行离散化后,式(1)描述为式(2):
S(k+1)=S(k)+(Vl(k)-Vf(k))·TVf(k+1)=Vf(k)+u(k)·T (2)k表示时刻,S(k+1)表示k+1时刻的自车与前车的纵向距离,S(k)表示k时刻的自车与前车的纵向距离,Vl(k)表示k时刻的前车纵向车速,Vf(k)表示k时刻的自车纵向车速,Vf(k+1)表示k+1时刻的自车纵向车速,u(k)表示k时刻的自车纵向加速度;定义 ω=Vl,即建立面向巡航控制的系统动力学模型:r(k+1)=QAr(k)+QBu(k)+Qωω(k) (3)r表示系统状态向量,ω表示前车纵向车速,QA、QB、Qω是常数矩阵,r(k+1)表示k+1时刻时的系统状态向量,r(k)表示k时刻时的系统状态向量,ω(k)表示k时刻的前车纵向车速,前车速度ω(k)看作系统的参考输入;
第三步、建立前车车速预测模型:
在k时刻采集n个历史时刻的前车车速数据Vl(k-n+1),Vl(k-n+2),…,Vl(k),令时间ai=k-n+i,前车车速bi=Vl(k-n+i),i=1,2,…,n,令A=[a1 a2…an]T表示在当前时刻k的n个历史时刻,B=[b1 b2…bn]T表示在当前时刻k的前车n个历史车速数据;将A作为训练集输入,B作为训练集输出;
对于任意两个变量ai,aj∈A,定义协方差函数为
其中δ(ai,aj)表示克罗内克函数,即: 该协方差函数中有三个超参数: λ、 表示样本方差,λ表示样本尺度, 表示噪声方差;
根据协方差函数计算训练集的协方差矩阵φ(A,A):
令 并定义关于训练集数据的对数似然函数:
(6)B为列向量,BT表示B的转置,φ
(A,A)-1表示协方差矩阵φ(A,A)的逆矩阵,log表示以常数e为底的自然对数,|φ(A,A)|表示矩阵φ(A,A)的行列式;
极大似然估计问题即是求解使L(γ)最大化的一组 通常将L(γ)取负,将该问题等价于求解-L(γ)的极小值,从而将该问题转化为一个非线性优化问题;使用共轭梯度法求解该非线性优化问题,先任意给定 的一组初始值,计算-L(γ)关于γ的偏导数(梯度) 作为第一个优化方向;根据当前步的梯度,采用Gram-Schmidt方法进行向量正交化,得到下一个优化方向;通过上述迭代,最终可以求得优化问题的极小值,从而确定最优超参数;
第四步,根据前车车速预测模型预测前车未来车速信息:
在k时刻,令时间 前车车速预测值 令
表示在当前时刻k的未来m个时刻, 表示在当前
时刻k预测的未来m个时刻的前车车速值; 作为测试集输入, 作为测试集输出;
以 表示测试集输入 和训练集输入A的协方差矩阵, 表示为 的转置矩阵, 表示测试集输入 的协方差矩阵:
根据训练集输出B和测试集输出 的联合高斯分布及高斯分布的性质,得到 的条件分布 (9)(~表示服
从,N表示高斯分布)
用条件分布的均值作为 的预测值,方差用于量化预测信息的不确定性,确定置信区间;
第五步,SMPC的优化控制问题的描述:
优化问题用式(10)来表示:
式(10)中以k表示当前时刻,p1表示预测时域,p2表示控制时域,r(k+i|k)表示在当前时刻k预测的k+i时刻的系统预测状态,u(k+i-1)表示k+i-1时刻的系统控制量(加速度);R(k+
1|k)、U(k)的定义由式(11)表示:
矩阵下标表示的是矩阵中向量(或标量)的个数,不一定是矩阵的维数;R(k+1|k)可以根据式(3)中的关系,根据系统当前状态r(k)、当前时刻的前车车速Vl(k)和第四步中得到的未来预测车速 使用迭代的方法来计算表示,参见式(12):其中Lp、Lu、Lω为迭代计算后的常数矩阵;目标函数J表示汽车燃油消耗,通常是一个非线性函数;gi(U(k),R(k+1|k))≤0,i=1,2,…,m1表示考虑汽车结构后的部分确定硬性约束条件;P(hj(U(k),R(k+1|k))≤0)≥αj,j=1,2,…,m2表示对于某一个指定数αj,约束条件hj(U(k),R(k+1|k))≤0满足的概率不小于αj,一定程度上属于软约束条件;
将优化问题转化为一个易于求解的非线性规划问题,可以用式(13)表示:由式(12)中的关系,式(10)中的目标函数J可以转化成式(13)中的 矩阵C、D中都为具体的实数,具体来说,考虑汽车的舒适性、安全性和经济性,约束条件C·u≤b表达的含义可以用式(14)描述:表示第四步中车速预测序列的方差,以umax表示自车最大加速度,umin表示自车最小加速度;Vf,max表示自车最大速度;Th表示车头时距(Time Headway,TH),即 Th,max表示最大车头时距,Th,min表示最小车头时距;Smax表示前车与自车的最大车距,Smin表示前车与自车的最小车距,并且这些约束条件都与 相关,可以根据 的大小在线实时调整,其具体数值确定后,式(12)中的各项约束条件可以根据式(3)中的关系表示成仅与自车加速度u有关的形式,即式(10)中各项约束条件转化为式(13)中的C·u≤D,因此式(13)可以实现求解;
第六步,SMPC优化问题求解:
应用的非线性规划求解器求解式(11)的规划问题,得到了燃油消耗最少目标下的最优加速度序列;
第七步,取最优加速度序列的第一个值作为当前时刻k的系统控制量,利用牛顿定理等将系统控制量转化为汽车执行机构的驱动力、制动力,实现在巡航跟车中的汽车车速控制,达到节约汽车能耗的目的;
第八步,在下一时刻k+1,利用迭代的方法,重复上述第一到第七步,即可实现在线预测前车车速,并基于SMPC实现滚动时域的汽车节能控制。