混行环境下CACC系统驾乘舒适性优化控制

为提升协同式自适应巡航（cooperative adaptive cruise control,CACC）系统在由自动网联汽车（connected automated vehicle,CAV）和人工驾驶汽车（manual vehicle,MV）构成的混行交通流下的驾乘舒适性,提出考虑驾乘舒适性的双层控制策略（dual-layer control strategy considering ride comfort,RC-DCS）. 上层控制器从宏观角度出发,采用两状态空间模型调整跟车间距及车速,并利用代价函数改善车队的整体稳定性和舒适性;下层控制器从微观角度出发,优化单车的油门和制动踏板切换逻辑,稳定实际加速度输出,降低车辆频繁加减速引起的自身俯仰. 试验结果表明:RC-DCS在跟随MV工况中跟车间距误差和加速度分别降低了72.44%和24.87%;在MV插入CACC车队工况中通过增大跟车时距0.4 s以减少加速度波动;在跟车、紧急制动、旁车切入3种典型工况中,单车加速度标准差分别降低了9.6%、10.4%、2.9%.      

基于模型预测控制的路径跟踪技术研究

路径跟踪控制是汽车智能驾驶的关键内容之一,其目的是减小理论参考路径和车辆实际通过的路径之间的偏差。以建立的三自由度车辆动力学模型为基础,并对动力学模型进行了简易化处理,之后设计了相应的模型预测控制算法,对车辆模型进行路径跟踪控制,通过添加多种约束,将路径跟踪问题转化为多种约束条件下求解最优值的问题。在不同的路面附着系数条件下设定不同的车速,通过Simulink和CarSim联合仿真对所提算法进行验证分析。仿真结果表明：所设计的控制器跟踪参考路径的效果比较好,大大增加了车辆行驶路径与理论规划路径的重合度,同时也提高了车辆在行驶过程中的操纵稳定性。     

不同CACC渗透率条件下的混合交通流稳定性分析

未来协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆和传统车辆混合交通流的稳定性决定了CACC技术对交通拥堵、能耗排放的改善程度.鉴于此,研究不同CACC渗透率时这种混合交通流的稳定性.应用基于轨迹数据标定的IDM(Intelligent Driver Model,IDM)模型和由加州伯克利PATH实验室实车测试验证的CACC模型分别作为传统车辆跟驰模型和CACC车辆跟驰模型.依据传统车辆在扰动下的稳定性,确定高稳态速度和低稳态速度,并考虑两种车型相对数量、相对位置的随机性,设计数值仿真实验.实验结果表明,在高稳态速度下,不同CACC渗透率时混合车队均整体稳定;在低稳态速度下,当CACC渗透率较小时,车队整体不稳定,CACC渗透率需达到50%以上时,才有可能使得混合车队由不稳定转变为稳定.     

自适应巡航控制车辆跟驰模型综述

分析了自动驾驶汽车自适应巡航控制(Adaptive Cruise Control, ACC) 和协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC) 车辆跟驰模型, 从系统控制原理、车车通信技术与车间时距方面阐述了ACC与CACC车辆的异同点; 将目前主流ACC/CACC车辆跟驰模型分为3类: 基于智能驾驶的车辆跟驰模型、加州伯克利大学PATH实验室车辆跟驰模型与基于控制论的车辆跟驰模型, 总结3类车辆跟驰模型的建模思路与主要优缺点; 从道路通行能力、交通安全和交通流稳定性3方面, 分析了ACC/CACC车辆对交通流特性的影响, 及其研究现状与未来发展趋势。研究结果表明: 不同的ACC/CACC车辆跟驰模型对通行能力的影响存在较大差别, ACC/CACC车辆有利于提升交通安全性, 但由于缺乏统一的安全性评价指标, 难以量化ACC/CACC车辆对交通安全性的影响程度; 小规模实车试验验证了ACC车辆具有不稳定的交通流特性, 否定了ACC车辆稳定性数值仿真结果, 而数值仿真试验和小规模实车试验均表明CACC车辆可较好提升交通流稳定性, 因此, 完全依赖于计算机仿真试验无法获得令人信服的结论, 实车试验是ACC/CACC研究的必要途径; 为了完善ACC/CACC在交通领域的研究, 应构建不同ACC/CACC车辆比例下的混合交通流基本图模型、智能网联环境下的ACC/CACC车辆跟驰模型建模方法与ACC/CACC混合交通流稳定性解析方法。     

CACC 车头时距与混合交通流稳定性的解析关系

研究协同自适应巡航控制(Cooperative Adaptive Cruise Control，CACC)车头时距对不同CACC比例下混合交通流稳定性的影响关系，进而为CACC车头时距设计提供参考. 应用优化速度模型(Optimal Velocity Model，OVM)作为手动车辆的跟驰模型，PATH真车实验标定的模型作为CACC车辆的跟驰模型. 基于传递函数理论，推导混合交通流稳定性判别条件，计算关于CACC比例与平衡态速度的混合交通流稳定域. 分析混合交通流在任意速度下稳定所需满足的临界CACC比例与CACC车头时距的解析关系，提出随CACC比例增加的可变 CACC车头时距设计策略，并通过数值仿真实验验证所提可变CACC车头时距策略的正确性. 研究结果表明：在所提可变CACC车头时距策略下，CACC车头时距随CACC比例增加而逐渐降低，避免取值较大影响混合交通流通行能力的提升；当CACC比例大于35%时，混合交通流在任意速度下稳定.研究结果可为大规模CACC真车实验的实施提供理论设计参考.     

CACC车头时距与混合交通流稳定性的解析关系

研究协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车头时距对不同CACC比例下混合交通流稳定性的影响关系,进而为CACC车头时距设计提供参考. 应用优化速度模型(Optimal Velocity Model,OVM)作为手动车辆的跟驰模型,PATH真车实验标定的模型作为CACC车辆的跟驰模型. 基于传递函数理论,推导混合交通流稳定性判别条件,计算关于CACC比例与平衡态速度的混合交通流稳定域. 分析混合交通流在任意速度下稳定所需满足的临界CACC比例与CACC车头时距的解析关系,提出随CACC比例增加的可变 CACC车头时距设计策略,并通过数值仿真实验验证所提可变CACC车头时距策略的正确性. 研究结果表明：在所提可变CACC车头时距策略下,CACC车头时距随CACC比例增加而逐渐降低,避免取值较大影响混合交通流通行能力的提升;当CACC比例大于35%时,混合交通流在任意速度下稳定.研究结果可为大规模CACC真车实验的实施提供理论设计参考.     

基于自适应模型预测控制的智能车轨迹跟踪

针对传统模型预测算法在智能车辆轨迹跟踪的局限性,引入随道路曲率变化的速度自适应调节算法,设计轨迹跟踪控制器.设计目标函数及添加约束条件,通过Matlab/Simulink软件,在不同车速下与传统算法进行比较,仿真结果表明:不同的纵向车速对传统算法的轨迹跟踪有一定的影响,而对改进后的算法影响较小.尤其当车速较高时,改进后...     

基于MRAS观测器的无速度传感器永磁同步电机模型预测控制

针对三相永磁同步电机驱动系统,提出了一种无速度传感器模型预测转矩控制方法.基于模型参考自适应技术设计了观测器,以精确估算转子速度;为了减小转矩和定子磁链波动、提高系统动态和静态响应特性,采用了模型预测控制策略.仿真结果表明所提方法可以使PMSM驱动系统达到满意的控制效果,从而证明论文控制策略的有效性和正确性.     

一种V2X环境下基于改进卡尔曼滤波的CACC数据精度提高方法

针对V2X环境下通过车车、车路通信获取的CACC车辆行驶状态数据(包括位移、速度和加速度等)存在噪声的问题,考虑车辆在弯道行驶过程中速度方位角的变化,提出了一种改进卡尔曼滤波算法的CACC车辆行驶数据精度提高方法。该方法根据CACC车辆在弯道行驶的几何关系,通过考虑上一时刻和当前时刻车辆行驶位移、速度等行驶状态的变化,将其行驶数据经过改进卡尔曼滤波后对车辆行驶状态做出最优估计,进而提高CACC车辆行驶状态数据精度。通过CarSim和Simulink联合仿真平台建立改进卡尔曼滤波算法对CACC车辆在弯道行驶过程中获取数据的仿真和验证。仿真结果表明,改进的卡尔曼滤波算法使车辆行驶位移的精确度MSE提高了81.04%,RMSE提高了56.96%,更接近期望值,具有更好的准确性。     

基于模型预测控制的公交信号优先控制方法

针对现有公交优先信号控制技术在控制基础、控制目标、控制方法等方面存在的问题,提出了基于模型预测控制的干线协调控制方法,建立了相应的控制模型。为验证控制实施效果,以南京龙蟠路为原型,对公交信号进行优先仿真情景设计,采用粒子群算法求解,结果表明,优化模型比传统模型在社会车辆与公交车辆平均延误等方面表现更优异。     

不同车辆工况对协同自适应巡航控制车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink 和CarSim 车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4 种情况下CACC车辆的行驶状况.仿真发现：紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.     

不同车辆工况对协同自适应巡航控制 车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink 和CarSim 车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4 种情况下CACC车辆的行驶状况.仿真发现：紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.     

基于预测控制的动车组迭代学习控制方法

针对动车组运行过程中存在非线性扰动、参数时变等问题,以提高动车组的速度跟踪精度和乘客舒适性要求为目标,提出了一种基于预测控制的高速动车组迭代学习控制方法;通过采集动车组先前运行过程中的输入输出数据,使用带遗忘因子的最小二乘法实时辨识广义预测控制(GPC)中的预测模型参数并计算预测输出,根据以往过程的平均模型误差修正该预测输出,利用修正后预测输出引出迭代学习控制律,在线实时计算得到新的控制量,实现动车组速度跟踪;采用修正后预测输出设计二次型迭代学习控制律,通过充分学习列车系统的重复性特性来解决传统比例积分微分(PID)型迭代学习参数整定难、收敛速度慢和鲁棒性差等问题,并给出算法的收敛性证明;以实验室配备的CRH380A型动车组半实物仿真平台对该方法进行了测试,建立了列车的三动力单元模型,使其跟踪设定速度曲线,并与一些传统算法进行对比。仿真结果表明：在第8次迭代过程,基于预测控制的高速动车组迭代学习控制方法得到的动力单元速度与其设定的速度和加速度误差分别在0.3 km·h^-1和0.5 m·s^-2以内,且变化平稳,其性能优于PID、GPC和P型迭代学习控制(P-ILC),满足列车跟踪精度与乘客舒适性要求;在模型参数突变的情况下,采用提出的方法可使列车更为及时地校正模型失配、时变和干扰等引起的不确定性。     

城市快速路速度引导预测控制模型

在城市快速路控制系统中, 将速度引导作为控制变量, 建立了宏观动态交通流模型。以车辆总行程时间与速度引导为目标函数, 计算了城市快速路入口区域流量和匝道入口区域流量, 建立了快速路速度引导预测控制模型, 对速度引导进行优化设计, 利用MATLAB软件对下游交通流突变进行仿真分析。分析结果表明: 通过速度引导控制, 交通流平均速度由72.704 6km.h^-1上升到74.167 6km.h^-1, 交通流平均密度由23.011 2veh.km^-1下降到21.156 7veh.km^-1, 波动均小于8%;速度方差下降, 且最大值仅为420(km.h^-1)²; 速度引导控制前后的速度方差与密度方差之比分别为3.57、1.91;在交通流突变时段内, 速度引导控制前后的速度方差与密度方差之比分别为4.56、2.34。可见, 速度引导控制模型有效。     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s^-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s^-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。