具有稳定性主动控制的自适应巡航系统及控制方法与流程

本发明涉及汽车控制技术领域，尤其涉及了具有稳定性主动控制的自适应巡航系统及控制方法。

背景技术：

自适应巡航控制系统(acc，adaptivecruisecontrolsystem)作为汽车先进辅助驾驶系统的重要组成部分，目前已开始在各种中高端车型上装配。然而大多数的acc系统仅是在车距的算法上面进行改进，对一些特殊的场景，如在弯道或者崎岖路段，工况的复杂性以及毫米波雷达对在这些特殊路况下的车辆识别准确度不高等原因，造成acc系统对这些复杂工况的适应性与控制效果不太理想，大大限制了其在此等工况下的使用。

并且,目前大多acc的跟车车距是由驾驶员自行设定，通常分为有限几个速度特性类别，最小安全车距不能根据路面附着情况进行自动调整。驾驶员有时为了保证跟踪性，有时会将跟车车距设置的较小，但在附着系数较低的情况下，由于制动距离变长，较小的车距就容易产生安全隐患。如在雨雪天气路面湿滑时，与在干沥青路面的最小安全车距肯定是不同的，因此传统acc的固定的安全车距对于复杂工况的适用性不够理想。同时，acc大多是基于设定跟车距离对纵向车速的控制，而没有考虑横向稳定性对纵向车速的影响。

综上,现有技术中缺乏能适应复杂车况,并将横向稳定性和不同安全车距等多方条件均考虑到的巡航方法。

技术实现要素：

本发明提供了具有稳定性主动控制的自适应巡航系统及控制方法，能够适应复杂路况，将路面附着系数对横向性能影响以及安全车距的变化考虑在内，进一步优化巡航控制，提高了车辆横向稳定性和纵向跟踪性。

为达到上述目的，本发明采用如下技术方案：

具有稳定性主动控制的自适应巡航系统，包括：

道路信息与导航模块，用于获取车辆位置与前方道路信息；

毫米波雷达模块，用于获取前方车辆的车速、车距、方向角数据信息；

路面附着系数估计模块，用于对路面附着参数的预估，不同的路面附着系数要实时调整跟车的最小车距以及最大的制动压力，保证车辆行驶的安全；

最小安全跟车车距模块，用于自适应调整车辆在不同车速、不同路面附着系数下的最小安全距离，避免驾驶员误操作；

弯道最高车速计算模块，用于计算在当前路面附着系数下对应弯道半径所能达到的最高安全车速；

esc模块，用于实时估计本车的质心侧偏角β与横摆角速度ωr的大小，使估计的ωr和β值与期望的质心侧偏角βn和期望的横摆角速度ωrn的差的绝对值，即|ωr-ωrn|和|β-βn|通过对车速的调节使其控制在一定范围内，以确保对本车的横向稳定性；

车速自适应控制模块，用于判断车辆在弯道半径下的最高安全车速v1，以及满足本车与目标车辆的安全距离的最高车速v2，取v1、v2的较小值作为运行车速。

进一步的，毫米波雷达模块获取的数据信息，即车速、车距、方向角数据，每隔一个采样时间获取相应的点迹，通过多项式对数据信息进行拟合，判断前方车辆的行驶轨迹与本车是否处于同一个车道。

进一步的，esc模块保持基于制动力的稳定性被动控制，其与自适应巡航系统中车速调节时主要基于驱动力控制的稳定性控制相结合，将估计的横摆角速度ωr和质心侧偏角β值与期望的ωrn和βn的差的绝对值进行比较，判断|ωr-ωrn|和|β-βn|的误差是否在一定范围内，当误差超过范围，则此时车辆的行驶稳定性较差，需要优先考虑汽车的横向稳定性，因此需要对车进行减速。

具有稳定性主动控制的自适应巡航控制方法，包括：

s1、通过数字地图采集前方道路信息，建立弯道模型。然后根据导航定位，在车辆即将进入弯道时汽车的横向角速度会增大，此时汽车的横向稳定性较差，因此需要将车辆行驶的横向稳定性作为首要控制目标，提前降低车速，其次再考虑跟踪性能。

s2、采集目标车辆相对于本车的距离和方位角，并设定二次型量化纵向跟踪性能子目标。二次型量化纵向跟踪性能子目标与二次型量化横向稳定目标相互联合,在弯道行驶时,二者相互影响。为了限制纵向加速度水平，避免强加速和强制动的出现，保证本车的行驶稳定性，设定二次型量化纵向跟踪性能子目标。

s3、在车辆入弯时，毫米波雷达判断前车与本车是否处于同一车道方法如下：

(1)当检测的目标车辆与本车横向距离超过预期值时，则目标车辆不在本车道，此时不考虑跟踪性，主要考虑车辆的行驶稳定性；

(2)当检测的目标车辆与本车横向距离在预期值范围内时，则目标车辆在本车道，此时通过比较两车之间距离与安全距离的大小，对车速的大小进行控制，同时考虑车辆的行驶稳定性。

将毫米波雷达探测到的数据拟合与弯道模型匹配，若通过计算得到的横向偏差值表明本车与目标车辆不处于同一车道，则此时不跟踪目标。

因此，判断目标车辆与本车横向距离是否超过预期，若超过预期，执行s5，若不超过预期，执行s4。

s4、比较目标车辆与本车的安全距离，控制本车的车速。毫米波雷达通过检测前车与自车的车距，使得acc系统能够根据两车车距对自车车速进行控制。

s5、将不同路面附着条件下不同车速所对应的最小制动距离记录下来，制作最小安全跟车距离的查找表，同时在车辆行驶时实时对本车的路面附着系数进行估算，根据估算的结果进行查表，得到最小安全跟车距离。

运用扩展kalman滤波算法对汽车的状态量和参数量进行估计。

汽车的非线性系统的方程表示：

y(t)＝h(xs(t),v(t),xp(t))

其中，xs是状态向量，xp是参数向量，u是输入向量，y是输出向量，w,v分别是过程噪声和输出噪声。

最大制动力也可以由估算的路面附着系数确定，在紧急制动时能充分利用地面制动力进行制动，在起始瞬间尽量避免或减少失稳的趋势。根据扩展kalman滤波算法，结合车辆动力学模型以及所选的轮胎模型估算出路面附着系数，路面附着系数对调节最小安全跟车距离以及最大制动力提供了重要的参数依据。

s6、对最小跟车距离和本车设定的跟车距离进行比较，若本车设定的跟车距离小于最小跟车距离，将最小跟车距离标定为本车设定的跟车距离。

根据实测，确定不同路面附着系数、不同车速所对应的最小制动距离，作为最小安全车距的二维查找表。在估算出路面附着系数时，查表确定最小跟车距离的大小，然后与驾驶员设定的跟车距离进行比较，若设定的车距小于最小安全跟车车距，则将系统设定的跟车车距自动转换成最小安全跟车车距，保证行驶的安全。

考虑了路面附着系数的最小跟车距离使得acc的功能更加完善，使得驾驶员将设定车距小于最小跟车距离时，acc系统能够将设定的车距自动切换为最小跟车距离，既能保证跟车的安全性，也有助于提高道路的通行效率。

s7、根据弯道模型中提供的弯道半径，计算本车所处弯道最高安全车速，即弯道半径下的最高车速v1。在车辆入弯时，要考虑路面附着系数、前方车辆的有无以及弯道半径等因素共同对车速的限制。

s8、建立本车的二自由度车辆模型的横向动力学模型和二次型量化横向稳定目标，调节本车车速，满足二次型量化横向稳定目标，得到满足稳定性条件和目标车辆安全距离的车速v2。

建立二自由度车辆模型，由于在实际应用中，车辆在失去横向稳定性时轮胎已进入饱和区，因此传统的线性轮胎模型不能够很好的反应车辆真实的运动情况。故需要引入侧偏刚度调节系数k∝，它随轮胎侧偏角及道路附着系数的变化而和变化，kα的取值可以根据其在不同侧偏角下所对应的准线性轮胎模型曲线查询。

esc通过比较理想横摆角速度、质心侧偏角与实际值之间的差值从而通过调节车速实现对车辆的横向稳定性控制，同时为了保证acc系统的纵向跟踪性能，设定二次型量化横向稳定目标。

通过对横摆角速度和质心侧偏角与期望值之间的误差控制，同时设定纵向和横向的性能指标，可保证稳态跟车过程中对纵向及横向目标的跟踪误差收敛。

s9、在满足横向稳定性的条件下，同时考虑弯道半径下的最高车速v1，以及在满足本车与目标车辆的的安全距离的最高车速v2，设定本车车速v＝min(v1,v2)。

acc系统在跟车时通过对车距的跟踪对车速的自适应调整考虑了横向稳定性的影响，通过油门控制自适应车速与esc系统的制动力控制车辆相结合，保持车辆良好的行驶状态和安全性，减少制动能量损耗。

进一步的，弯道模型为：

c(l)＝c0+c1·l

c0，c1分别表示弯道的曲率及其变化率，l表示弯道自身的长度。

进一步的，本车的距离和方位角为：

dsy＝ds·sinθ

dsx＝ds·cosθ

其中，ds为目标检测距离、θ为目标相对传感器坐标系方位角、dsx为目标检测距离在传感器坐标系中的x方向的分量、dsy目标检测距离在传感器坐标系中y方向的分量、ρ为本车行驶轨迹的曲率半径、ρ1为目标车行驶轨迹的曲率半径、ρoffset为目标车到本车道的径向距离。

进一步的，二次型量化纵向跟踪性能子目标包括指标ll0:

式中，wδv、wδd、为权系数；δv、δd为目标车辆和本车的相对速度和相对距离；axdes为期望纵向加速度。

进一步的，建立二自由度汽车模型，考虑在实际应用中，车辆失去横向稳定性的时候轮胎已进入饱和区，因此传统的线性轮胎模型无法反应轮胎的饱和特性，不能真实反应车辆真实的运动情况。故引入侧偏刚度调节系数k∝，它将随轮胎侧偏角及道路附着系数的变化而和变化，kα的取值可以根据其在不同侧偏角下所对应的准线性轮胎模型曲线查询。改进后的二自由度车辆模型的横向动力学模型如下：

式中，kαf和kαr分别为本车前后轮的侧偏刚度调节系数；cf和cr分别为本车前后轮的侧偏刚度；lf和lr分别为车头、车尾距质心的距离；m为汽车质量；vx为汽车的纵向速度；iz为汽车绕z轴的转动惯量；δ为前轮转向角；mzdes为期望横摆力矩。

esc通过对汽车的横摆角速度和质心侧偏角的控制，实现对本车的车速的限制。汽车在进行紧急制动时，通常都是以最大制动力进行制动，由于汽车提供的最大制动力比地面所能提供的附着力要大得多，因此在刚开始的瞬间由于车轮抱死，在湿滑路面下会有失控的趋势。由路面附着系数估算模块可以得出车轮所需的最大制动力，然后输入给esc系统，esc系统根据路面附着状况，合理的控制其输出的制动力，使其最大制动力与地面的附着力大致相当，既能够充分利用路面条件进行制动，而且从一开始就抑制了汽车失稳的趋势。

进一步的，二次型量化横向稳定目标包括指标lla:

式中，wδβ、为权系数，表示每一个误差变量所占的权重。

进一步的，弯道半径下的最高车速vmax为：

式中，aymax最大横向加速度，单位为m/s²、ρ为所处弯道的曲率，单位为1/m。

本发明的有益效果为：

考虑到路面附着系数对纵横向性能的影响，将所估算到的附着系数应用到acc模块和esc模块中，acc模块根据不同的路面系数自动调整合适的最小安全车距，增强安全性能，为acc在雨雪天气下的运用打下基础，提高了纵向跟踪性能；esc模块也可以根据估算得到的路面附着系数，自动的调整最大制动力的大小，避免紧急制动使得车轮瞬间抱死带来的安全隐患，提高了横向稳定性；并且在车辆入弯道这种情况下，对车速以及车的行驶稳定性做出更进一步的主动优化控制。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明系统的框架流程图；

图2为本发明的车速自适应控制的横向和纵向稳定性控制的系统框图；

图3为本发明的车速自适应控制的acc与esc集成控制的方法图；

图4为本发明的can总线数据传递结构框图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合具体实施方式对本发明作进一步详细描述。

本发明实施例提供了具有稳定性主动控制的自适应巡航控制方法，框架流程如图1所示，具体步骤为：

1.通过数字地图提前获取前方道路信息，对弯道路况进行建模，获得弯道的表达式如下：

c(l)＝c0+c1·l(1)

c0，c1分别表示弯道的曲率及其变化率，l表示弯道自身的长度。

这样，弯道的方向角就可以由(1)式一次积分求得：

弯道的纵向距离x(l)和横向距离y(l)可以根据(2)式的第二次积分求得：

假设且x(0)＝0，x(l)＝l,则弯道的横向距离y(x)以及方向角就可以表达为：

2.毫米波雷达监测前方车辆，筛选出与本车处于同一车道的目标车辆。雷达的检测表达式如下：

dsy＝ds·sinθ

dsx＝ds·cosθ(5)

式中，ds为目标检测距离；θ为目标相对传感器坐标系方位角；dsx为目标检测距离在传感器坐标系中的x方向的分量；dsy目标检测距离在传感器坐标系中y方向的分量；ρ为本车行驶轨迹的曲率半径；ρ1为目标车行驶轨迹的曲率半径；ρoffset为目标车到本车道的径向距离。

毫米波雷达通过对前方车辆运动轨迹进行参数拟合，将所得到的曲线关系与上述步骤1中的弯道模型进行匹配，判断前方车辆与本车是否处于同一个车道，提高了雷达在弯道工况的识别精度，有利于防止误操作的发生。

3.路面附着系数估计

运用双扩展kalman滤波算法对汽车的状态量和参数量进行估计。考虑到路面附着系数估计的非线性：

(1)状态空间方程和观测方程为：

y(t)＝h(xs(t),x(p),v(t))

式中，xp(t)为参数变量，xs(t)为状态变量，u(t)为控制输入变量，w(t)为过程噪声，v(t)为测量噪声。

(2)参数预测

式中，为t时刻参数变量的预测值，为参数变量的转移矩阵，pp为参数变量的误差协方差矩阵。

(3)参数修正

式中，hp为测量输出对参数变量的雅克比矩阵，hs为测量输出对状态变量的雅克比矩阵，rp为参数变量测量噪声协方差。其中hp、hs表示如下：

然后根据所选择的轮胎模型与车辆动力学模型求出所需要的路面附着系数μ。

下表为某款车辆在不同路面附着系数不同车速下的制动距离，部分参数如下表所示：

将不同路面附着条件下不同车速所对应的最小制动距离记录下来，作为最小安全跟车距离的参考，制成表格的形式，在估算出路面附着系数时，根据查表快速的确定最小跟车距离的大小；最大制动力也可以由估算的路面附着系数确定，在紧急制动时既能充分利用地面制动力进行制动，而且在刚开始的瞬间避免了失稳的趋势。

4.最小安全跟车车距计算

根据实测，将不同路面附着系数下不同车速所对应的最小制动距离记录下来，作为最小安全车距的参考，然后制成表格的形式，在估算出路面附着系数时，根据查表快速的确定最小跟车距离的大小，然后与驾驶员设定的跟车距离进行比较，若设定的车距小于最小安全跟车车距，则将系统设定的跟车车距自动转换成最小安全跟车车距。

5.弯道最高车速计算

因为在弯道，最高车速与汽车的横向加速度以及曲率有关，为了保证本车在过弯时，不发生滑转甩尾等危险工况，要对过弯时的最高车速有一定的限制。

式中，ρ为所处弯道的曲率，最大横向加速度aymax根据自己建立的车辆动力学模型、所选的轮胎模型以及在在3中求出的路面附着系数μ共同确定。

6.esc横向稳定性与acc纵向跟踪性多目标协调控制

横向和纵向稳定性控制的系统框图如图2所示。esc实时监测本车的质心侧偏角与横摆角速度的大小，使监测的ωr和β值与期望的ωrn和βn的差的绝对值，即|ωr-ωrn|和|β-βn|，通过对车速的调节使其控制在一定范围内，以确保对本车的横向稳定性控制。其中关于质心侧偏角和横摆角速度的状态量在本发明的控制方法中已经介绍，这里不再赘述。

设计线性二自由度车辆横向稳定性控制目标，质心侧偏角和横摆角速度的期望值表达式如下：

其中k为稳定性系数：

考虑到轮胎与地面之间的附着力限制，在稳态转向中，车辆的横向加速度为ay＝ωr·vx，且考虑到留有一定的附着裕量，将期望横摆角速度的上限值定为：

式中，μmax为车辆轮胎和地面的最大附着系数。

由横摆角速度的上限值可以看出，esc系统反过来对车速也有一定的限制。

同理，按照如下经验公式确定质心侧偏角的上限值：

βu＝tan^-1(0.02μmaxg)(14)

进一步的，为了保证acc系统的纵向跟踪性能，设定二次型量化横向稳定目标，有指标lla:

式中，wδβ、为相应的权系数。

进一步的，为了最大化横向稳定性裕量，要限制纵向加速度的大小，避免出现强加速和强制动，在保证车辆的行驶稳定性的前提下，设定二次型量化纵向跟踪性能子目标，有指标ll:

式中，wδv、wδd、为相应的权系数；δv、δd为两车的相对速度和相对距离；axdes为期望纵向加速度。

以纵向跟踪性及横向稳定性为目的的弯道acc控制当中，lla和ll0是相互制约、相互影响的，所以要将纵、横向的两个子目标合并为一个代价函数：

为满足纵向的跟踪性和横向的稳定性，运用模型预测控制，将上述代价函数进行预测性转化，并定义矩阵q为加权矩阵的向量范数为将代价函数转化为预测型，有：

式中，j为预测时域的代价函数，k是当前时刻，(k+i|k)表示基于k时刻信息对k+i时刻的预测，np为预测时域长度，nc为控制时域长度，nc≤np，xr为状态参考轨迹。

在控制过程中，各权重系数反应了各子目标的重要程度。由于各个子目标之间相互影响，当过分追求其中某一目标的优化时，可能会导致另一个目标效果不理想，使得整体的性能变差，因此在满足纵向跟踪性以及横向稳定性的同时需要对各子目标的权重系数进行动态调节。如汽车在路况较好的路面上行驶，道路附着状况良好，此时应优先考虑汽车的纵向跟踪性；当汽车在路面附着条件较差的道路或者汽车在入弯时，此时汽车的横向稳定性较差，因此要优先考虑汽车的横向稳定性。然而固定不变的权重系数无法满足汽车在行驶时的所有工况，如在弯道acc系统控制的过程中，固定的权重系数使得计算出的解不具有分散性，不能达到全局最优。所以，需要设计一种权重系数调整策略以满足不同工况下的目标需求。

为此，因采用一种基于方差值调节因子的权重系数调整策略，其能够根据各子目标性能的优劣对各权重系数进行实时动态调节。

在预测时域某个采样时刻k内，基于方差值为目标进行调整，根据代价函数(17)设定的子目标其函数方差如下：

本发明根据在上一步骤中得到的方差，将当前时刻与上一时刻的比值作为下一时刻的各权重系数的调节因子，如下所示：

由于方差反映了随机变量对数学期望的偏离程度，它比均值更能准确反映变量的波动情况。上式反应了汽车在行驶的过程中，可以通过各变量方差的实时波动进行权重系数的调整。如在入弯时汽车横向稳定性较差，即δωr、δβ均有所增大，这就使得当前的方差值比上一时刻的方差值要大，由式(20)可知，其权重系数也会相应增大，此时车辆的横向稳定性即优先控制，使得行驶的车辆趋于稳定。

esc系统通过对横摆角速度和质心侧偏角的误差控制，acc系统对安全距离进行偏差控制，同时设定纵向和横向的性能指标，可保证稳态跟车过程中对纵向及横向目标的跟踪误差收敛。其中纵向与横向联合的acc与esc协同控制见图3。

7.acc系统在跟车时通过对车距的跟踪对车速进行自适应调整，同时在车辆横向稳定性较差时，esc系统在对车辆进行横向稳定性控制时，也对车速进行自适应调整。

本车在进入弯道之前，根据数字地图获得的前方道路信息，在入弯时根据导航定位，提前对本车进行减速；

进一步的，将毫米波雷达探测到的数据经过拟合与弯道模型匹配，若通过计算得到的横向偏差值表明本车与目标车辆不处于同一车道，则此时不跟踪目标；若本车与前车处于同一车道则对车速进行自适应调节；

进一步的，通过对路面附着系数的估计，为最小安全跟车距离提供重要的参数依据，然后将最小安全跟车车距与驾驶员设定的跟车距离进行比较，若设定的车距小于最小安全跟车车距，则将系统设定的跟车车距自动转换成最小安全跟车车距，既保证了跟车的安全性，也提高了车辆在道路中行驶的通行效率。

进一步的，当汽车处于弯道行驶时，需要对车速进行限制，同时考虑路面附着系数、前方车辆的有无、道路的曲率半径等共同对车速的影响；

进一步的；esc通过比较理想的横摆角速度、质心侧偏角与实际值之间的差值，当车辆的横向稳定性较差时，要优先进行横向稳定性的控制，将差值控制在设定的预期值范围之内；

进一步的，由于esc系统在对横向稳定性调节时也涉及到对车速的限制，因此在esc作用时也会影响到acc系统的作用，所以要设立一个纵向与横向共同作用的一个目标函数，通过对纵向子目标、横向子目标的权值进行实时动态分配，满足车辆在不同行驶工况的需求。

如图4所示，本发明还提供了具有稳定性主动控制的自适应巡航系统，包括：

道路信息与导航模块，将车载导航与地理信息系统相结合(gis)，用于获取车辆位置与前方道路信息；

毫米波雷达模块，采用德尔福公司的esr雷达，用于获取前方车辆的车速、车距、方向角数据信息；

路面附着系数估计模块，kalman状态估计器结合一些车辆状态参数以及车辆动力学模型、轮胎模型估算出汽车的纵、横向力的大小，继而用于对路面附着参数的预估，不同的路面附着系数要实时调整跟车的最小车距以及最大的制动压力，保证车辆行驶的安全；

最小安全跟车车距模块，结合毫米波雷达测得的相对车距、相对车速以及路面附着系数的状况，用于自适应调整车辆在不同车速、不同路面附着系数下的最小安全距离，避免驾驶员误操作；

弯道最高车速计算模块，结合前面道路信息与导航模块获取的前方道路的曲率信息以及道路附着条件，用于计算在当前路面附着系数下对应弯道半径所能达到的最高安全车速；

esc模块，用于实时估计本车的质心侧偏角β与横摆角速度ωr的大小，使估计的ωr和β值与期望的质心侧偏角βn和期望的横摆角速度ωrn的差的绝对值，即|ωr-ωrn|和|β-βn|通过对车速的调节使其控制在一定范围内，以确保对本车的横向稳定性；

车速自适应控制模块，用于判断车辆在弯道半径下的最高安全车速v1，以及满足本车与目标车辆的安全距离的最高车速v2，取v1、v2的较小值作为运行车速。

毫米波雷达模块获取的数据信息，即车速、车距、方向角数据，每隔一个采样时间获取相应的点迹，通过多项式对数据信息进行拟合，判断前方车辆的行驶轨迹与本车是否处于同一个车道。

esc模块保持基于制动力的稳定性被动控制，其与自适应巡航系统中车速调节时主要基于驱动力控制的稳定性控制相结合，将估计的横摆角速度ωr和质心侧偏角β值与期望的ωrn和βn的差的绝对值进行比较，判断|ωr-ωrn|和|β-βn|的误差是否在一定范围内，当误差超过范围，则此时车辆的行驶稳定性较差，需要优先考虑汽车的横向稳定性，因此需要对车进行减速。

本发明的有益效果为：

(1)在已经得知前方弯道路况的信息后，能够实时了解弯道的曲率，对后续车载雷达筛选前方目标车辆提供更高的精度。

(2)对路面附着系数进行估计，可以在不同气候条件、路况下，实时估算路面附着情况对本车状态的影响，对车辆进行更好的控制。

(3)将acc与esc系统进行集成控制，同时考虑纵向跟踪性以及横向稳定性的情况下，实现对车速的自适应控制。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。