基于模型预测控制的CACC系统通信延时补偿方法

为确保通信延时条件下协同式自适应巡航控制(CACC)系统的弦稳定性，利用模型预测控制(MPC)和长短期记忆(LSTM)预测方法，研究CACC系统中车辆协同控制下的通信延时补偿方法；基于车辆队列四元素架构理论，构建了包括车辆动力学模型、间距策略、网络拓扑和MPC纵向控制器的系统模型，并综合考虑2范数和无穷范数弦稳定性条件，提出了CACC车辆队列混合范数弦稳定性量化指标，最终形成协同式车辆队列建模与评价体系；设计了一种利用前车加速度轨迹(PVAT)作为开环优化参考轨迹的MPC方法，即MPC-PVAT，通过综合考虑队列的跟驰、安全、通行效率和燃油消耗等性能指标，使目标函数趋于最小代价，从而得到当前时刻的最优控制量，并利用庞特里亚金最大值原理对所设计的优化问题进行快速求解；在MPC-PVAT基础上，提出一种基于长短期记忆(LSTM)网络的通信延时补偿方法，即MPC-LSTM，将跟驰车辆的传感器信息输入LSTM网络来预测其前车的运动状态，从而缓解短暂通信延时对车辆队列稳定性的影响。仿真测试结果表明:MPC-LSTM可容忍的通信延时上界大于1.5 s，比MPC-PVAT提升了0.8 s，比线性控制器提升了1.1 s；在基于实车数据测试中，当通信延时增加到1.2 s时，MPC-LSTM的弦稳定性指标相比MPC-PVAT提升了20.33%，与线性控制器相比稳定性提升了39.35%。可见，在通信延时较大的情况下，MPC-LSTM对通信延时具有很好的容忍性，从而有效地保证了CACC车辆队列的弦稳定性。      

无人驾驶车辆自适应巡航控制策略

为匹配无人驾驶车辆安全性需求,设计适用于不同行驶场景的自适应巡航系统。设计分层控制架构。上层控制器运用考虑前车加速度变化的模型预测控制策略,求解出巡航车辆期望加速度,并传递给下层控制器。下层控制器计算出车辆期望加速度与节气门开度或制动压力间的转换关系,据此控制车辆实际加速度。将自适应巡航系统模型分为平稳起停、稳变速、急变速3种行驶模式,基于MATLAB/Simulink与Carsim联合仿真平台进行仿真模拟。结果表明：控制策略能在各行驶模式下稳定跟随前方车辆同时保持合理的车间距离。     

含输入时延与通信时延的车辆队列PID控制系统稳定性

针对含输入时延与通信时延的车辆队列PID控制系统,分析了其内部稳定性和队列稳定性,研究了内部稳定的充要条件,求解了完整、精确的时延边界;在内部稳定性分析中,考虑输入时延与通信时延影响下车辆队列PID控制系统为中立型双时延系统的特点,结合Rekasius代换和劳斯表,提出了关于中立算子的系统强稳定充要条件;在此基础上,为了便于PID参数的快速选取,推导了一种形式更为简练的系统强稳定充分条件;在强稳定条件下,基于特征根聚类法求解了系统完整、精确的时延边界;针对具有奇数辆跟随车的车辆队列,推导了无关车辆队列规模的输入时延上界;在队列稳定性分析中,为了保证干扰和误差沿车辆队列向后传播不发散,分析了车间误差传递函数,给出了双时延影响下队列稳定的充分条件。仿真结果表明：在含输入时延与通信时延的分布式PID控制器作用下,车辆队列控制系统可同时保证内部稳定和队列稳定;车间状态误差可在15 s内快速减小并趋近于零;在所有车辆恒速行驶时,车间保持50 m期望安全距离;在领航车以0.5 m·s^-2加速和0.8 m·s^-2减速时,跟随车的速度和加速度随领航车变化,并...     

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。      

四轮独立转向车辆稳定性的模糊最优控制方法

为改善四轮独立转向（4WIS）车辆的操纵稳定性,在设计了4WIS模型跟踪最优控制器的基础上,对最优控制参数对控制性能的影响以及4WIS车辆转向动力学特性进行了分析,提出了一种基于车辆转向状态的最优控制器参数调整策略,并设计了模糊逻辑控制参数调节器,实现最优控制器参数的自适应调整.结合4WIS车辆的八自由度动力学模型对提出的模糊最优控制系统进行仿真实验分析,结果表明:设计的4WIS模糊最优控制系统能够极大地改善车辆的稳定性与安全性;在高速低附着系数的极限工况下,该系统仍然够能保证车辆的理想转向状态.该系统对于强侧向风一类的侧向干扰具有很强的抑制能力;风速90 km/h的强侧风且无驾驶员干预情况下,车辆在320 m行驶距离内,侧向偏移量仅为0.78 m.      

智能电动汽车自适应巡航分层控制研究

针对前车频繁变速而引起的电动车跟踪性差的问题,建立基于分层控制的自适应巡航控制系统。首先,考虑前车加减速变化的影响,采用可变时距策略作为期望安全车距,利用多项式拟合法分析不同车间时距对线性二次型最优控制算法的反馈增益矩阵的影响,建立基于改进线性二次型最优控制的上层控制器;然后,应用分数阶PID控制理论建立下层控制器,对期望驱动转矩和制动压力进行精确跟踪,并采用遗传优化算法寻优整定分数阶PID参数。研究表明：基于分层控制建立的自适应巡航控制器能保证车辆行驶安全性和舒适性,对前车频繁加减速工况具有较好的适应性,跟踪性能好。     

车辆自适应巡航控制算法的设计与仿真

为实现智能车辆的自适应巡航功能,基于车速跟踪及PID控制理论设计了具有上下两层结构的自适应巡航控制系统.下层控制器根据上层控制器计算出的期望车速对节气门开度和制动力矩进行协调控制.在保证控制精度的前提下简化了算法.多种工况下的仿真实验表明控制器的控制效果良好.     

基于联合仿真的四轮转向汽车控制策略研究

基于四轮转向技术和模糊控制理论,提出一种新的四轮转向汽车后轮转角控制策略,即比例前馈加模糊反馈。在ADAMS/car模块中建立四轮转向整车多体动力学模型,并基于Matlab/Simulink依据控制策略设计了四轮转向汽车控制系统,由ADAMS与Matlab的数据接口实现了控制系统与整车动力学模型联合,对四轮转向汽车进行典型行驶工况的联合仿真试验。仿真结果表明:所设计的后轮转角控制器能使车辆很好地跟随理想转向模型,提高了车辆的操纵稳定性。     

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.     

协作式巡航控制下混合车队队列稳定性

考虑协作式巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆与自适应巡航控制(Adaptive Cruise Control,ACC)车辆之间的退化机制,构建由CACC车辆、ACC车辆以及人工驾驶车辆组成的混合车队.应用传递函数理论,推导混合车队在不同规模情况下的队列稳定性...     

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.     

基于轨迹数据的货车自发编队节油潜力估计

为探索最大编队长度和路网中行驶货车数目对自发编队的影响以及评估真实世界自发编队油耗节省潜力,提出了既可保证一定程度的搜索又能防止为过分追求更大编队长度而花费较长时间等待的动态时空搜索范围策略,利用辽宁省货车轨迹数据挖掘了多辆货车的最长公共子序列,并构建整数规划模型求解,获取最大节省油耗下的编队方案。结果显示：编队油耗节省会随着路网中行驶货车数目和最大编队长度的增加而增加,编队中车辆平均行驶距离和平均节省油耗最终分别收敛至一范围;编队行驶距离并不一定会随着允许最大编队长度的增加而增加,即自发编队最大油耗节省策略并非编队最大行驶距离策略;在不考虑时间搜索范围时,通过继续增大空间搜索范围可实现更多的燃油节省,但不考虑空间搜索范围时持续增加时间搜索范围却不能获得更多燃油节省;4000辆车的数据集进行自发编队时每天最多可节省燃油2026.21 L,最大允许编队长度为5辆比最大允许编队长度为2辆的车辆平均节省油耗最多可提升13.92%。将本文整套处理流程应用于更大规模的货车数据集,可组成自发编队的目标车辆将会显著增加,相应地也可减少更多的能源消耗和污染物的排放,具有很大的应用潜力。     

考虑多车影响的分子动力学智能网联跟驰模型

为研究含智能网联汽车(Connected and Automated Vehicle, CAV)和人工驾驶汽车(Regular Vehicle, RV)混行交通流下CAV跟驰行为的控制问题,考虑前后多车的速度、车头间距、速度差、加速差等参数,采用分子动力学定量表达不同周边车辆对主体车的影响,得到可用于描述CAV在混行交通流中的跟驰过程。稳定性分析结果表明,与全速度差模型相比,本文提出的考虑前后多车信息的CAV跟驰模型有利于提高交通流的稳定性。数值仿真与模型验证结果表明,与PATH实验室的CACC(Cooperative Adaptive Cruise Control)模型相比,本文建立的CAV跟驰模型平均速度最大误差减小了0.19 m·s^-1,平均误差减小26.79%,拟合精度提高了0.91%。同时,在CAV和RV组成的混行交通流中,随着CAV比例的逐渐增加,车队的平均速度和交通流量逐渐增加。迟滞回环曲线表明,与全速度差(Full Velocity Difference, FVD)模型相比,本文提出的CAV模型控制下的交通流稳定性更强。该模型可用于同质流或CAV与...     

基于比功率的自动驾驶交通流油耗分析

鉴于油耗与节约能源和车辆尾气排放直接相关,探究自动驾驶车辆对油耗的影响. 以手动驾驶车队与自动驾驶车队为数值仿真对象,在交通震荡环境下设计数值仿真实验. 对车队的车辆数量,车队初始速度,以及自动驾驶车辆的车间通信延时做参数敏感性分析. 基于机动车比功率的油耗评价模型,对仿真结果进行统计;相比于手动驾驶车队,计算自动驾驶车队平均油耗率的降低. 从交通流稳定性角度考察油耗降低与稳定性状态转变之间的内在关联性. 研究结果表明,自动驾驶车辆对油耗的降低幅度与车队初始速度有关,与交通流稳定性之间存在定性的影响关系,交通流的平稳性有利于显著改善车辆油耗降低的幅度. 研究结果可为大规模自动驾驶背景下的油耗控制策略提供理论参考.     

大规模路网中分布式车辆群体协同决策方法

为解决车路协同环境下大规模路网中车辆群体协同决策问题,提出了分布式车辆群体协同决策方法;在深入分析交通控制特性的基础上,构建了路网分解模型,将大规模协同决策问题分解成若干个同质小规模子问题,每个子问题覆盖了上游路段、路口和下游路段这3类不同交通区域;基于虚拟车辆映射技术构建了车辆群体协同决策模型,将路口区域二维车辆群体协同决策问题转化为一维问题;与路段区域内车辆群体协同决策方式相同,在路口区域内通过控制虚拟车队中车辆的等效车头时距来完成车辆之间的交互和冲突消解,进而采用统一的协同决策参数来解决各子问题中不同区域内车辆群体的协同决策问题;基于不同区域内车辆群体协同决策参数的统一化,设计了上、下游区域之间的协作机制来保证上游车辆在充分考虑下游交通状态的基础上做出合适的驾驶决策。仿真结果表明：在不同的交通需求设置下,采用提出的方法后,车辆在通过冲突区的过程中均具有平滑的时空轨迹,避免了车辆时空轨迹出现剧烈波动;相对于纯分布式方法,提出的方法在给定的仿真条件下可使车辆燃油消耗最大降低14%;因此,在大规模路网中实施提出的分布式车辆群体协同决策方法可有效降低冲突区对车流连续性的影响,从而保证了车...