基于协同式自适应巡航系统混合势函数的车辆控制方法

本发明属智能车及自动驾驶领域，属于车辆通信的车辆队列的控制方法，涉及一种结合莫尔斯势函数和pd控制算法的基于协同式自适应巡航系统混合势函数的车辆控制方法。

背景技术：

协同式自适应巡航控制系统(cooperativeadaptivecruisecontrol，cacc)是在传统自适应巡航控制系统(adaptivecruisecontrol，acc)的基础上提出的一种基于车联网和车车协同控制技术的自适应巡航控制系统，该系统把单车acc功能扩展到整个车辆队列，使车辆更加智能化，车队之间拥有更小的跟车间距，车队之间更加稳定。cacc车辆不仅通过车载设备检测前车行驶状态，还应用车-车无线通信技术，将前车的速度与加速度等行驶状态信息发送至后车。由于采用车-车通信技术，可及时准确的获取前车甚至整个车队车辆的状态信息，使得cacc队列车辆的车间时距更短。自适应巡航控制系统可以有效地减轻驾驶员操作负担，提高汽车的舒适性、燃油经济性以及道路通行率，具有重要的工程应用价值。cacc车辆控制系统分为上层控制—车队控制和下层控制—单车控制，其单车控制与acc控制系统相似，因此，目前cacc研究重点是其上层控制，即在cacc跟驰模型方面开展研究工作。

cacc系统在满足单车安全性和舒适性等要求之外，还需要保证整个车队的队列稳定性，使得扰动的影响沿着车辆队列方向逐渐减弱。现有的cacc控制算法，如模型参考模型预测控制(modelpredictivecontrol，mpc)和pid控制等，主要考虑单车的跟踪性和安全性，在保持车队队列稳定性和抗扰动性能方面仍存在一定不足。

现有技术要解决的关键问题是：在任何状况下，cacc控制器都可以保证车队处于一种相对稳定的状态，并且在这种稳态状态下，提高整个车队的跟踪性和安全性，实现cacc系统的全局和瞬时最优控制，使系统调节误差尽量小。

技术实现要素：

针对现有控制方法的不足，本发明提供一种基于协同式自适应巡航系统混合势函数的车辆控制方法，该方法将pd控制与莫尔斯势函数控制方法相结合，根据车队内车辆的跟车状态，进行控制算法的自动切换，使得cacc车队在不同状态下，都获得最佳的控制性能，保证车队的稳定性，实现cacc控制器的瞬时和全局最优，同时提高车辆的跟随性和安全性，充分发挥cacc系统的自适应能力。

本发明的目的是通过以下技术方案实现的：

一种基于协同式自适应巡航系统混合势函数的车辆控制方法，包括以下步骤：

步骤一、建立车辆误差传递函数模型，将前车和本车的位置、速度和加速度作为车辆误差传递函数模型的输入，获得车辆状态误差qi；

步骤二、设计混合势函数算法控制器，将步骤一获得的车辆状态误差qi作为控制器输入，进行车辆跟驰稳定性控制：

2.1)设计车辆状态指示器设计，将车辆跟驰控制状态分为调整状态以及维持车队稳定状态，根据步骤1获得的车辆状态误差，通过车辆状态指示器判断车辆所处的跟驰控制状态；

2.2)设计pd控制器，当车辆处于调整状态时，通过pd控制器对输入qi进行pd调节，获得本车期望加速度；

2.3)设计势函数控制器，建立cacc系统势函数，当车辆处于维持车队稳定状态时，通过cacc系统势函数对输入qi进行反馈控制，获得本车期望加速度；

2.4)在一个车辆混合状态集合内，当车辆处于调整状态集合的时刻，采取pd控制器进行车间距调整，而当车辆处于维持车队稳定状态集合的时刻，采取势函数控制器进行车间距调整。

本发明具有以下有益效果：

1)本发明针对车队队列稳定性，提出cacc混合势函数控制方法，通过状态反馈对输入与输出进行线性化处理，获得基础的动力学模型，建立车速误差和车间距误差的传递函数表达式，得到控制器传递函数，解决了传统控制算法无法兼顾车队总体稳定性的问题。

2)将传统pd算法和设计的势函数控制算法进行了结合，通过状态指示算法对车辆进行跟驰状态划分，在调整状态和维持稳定状态下使用不同控制算法，得到各自状态下相应的期望加速度，使得综合控制算法可以兼顾两种算法的优点，总体控制效果可以接近理论最优控制水平。

综上，本发明在传统pd控制算法的基础上，结合改进的势函数控制算法以及状态指示器，设计cacc混合势函数控制方法。利用状态指示器，区分车辆当前状态，根据不同状态，选择不同控制方法，结合pd和势函数的优势，实现对cacc车队的控制。当车队处于调整时，利用pd控制算法，加快cacc车队的间隙调整；在维持车队稳定状态下，车与车之间存在碰撞的可能，利用势函数的控制方法，避免碰撞的发生，同时保证车队的稳定性。

附图说明

本发明的具体实施方式将在下文通过结合应用示例进行详细阐述。

图1是cacc车队纵向控制原理图；

图2是本发明一种基于协同式自适应巡航系统混合势函数的车辆控制方法流程图；

图3是车辆控制模式状态指示器结构图；

图4(a)是单独使用pd控制器时，cacc车队速度误差时间历程曲线；

图4(b)是使用混合势函数算法控制器时，cacc车队速度误差时间历程曲线。

具体实施方式

下面结合附图对发明做进一步说明。以下实例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。

如图1所示，车队中车辆的毫米波雷达探知到前方车辆时，若前后两辆车的车间距在通讯范围之内，则两辆车通过车-车通信获得相互的位置、速度和加速度，组成新的cacc车队，否则，前车视为非cacc车辆。在一个车队中，di是车辆i和其前方车辆i-1之间的距离，ui-1是车辆i-1的期望输入(加速度)，vi是车辆i的速度。该车辆队列中每辆车辆的主要目标是以期望距离dr,i跟随其前方车辆。

实施例

如图2所示，本发明提出的一种基于协同式自适应巡航系统混合势函数的车辆控制方法，其包括以下步骤：

步骤1：建立车辆误差传递函数模型，将前车和本车的位置、速度和加速度作为车辆误差传递函数模型的输入，获得车辆状态误差。

车辆误差传递函数模型的输入为前车和本车的位置、速度和加速度，通过计算实际值与期望值的误差，得到相应的误差函数，建立相应的车辆误差传递函数模型。

本发明采用了恒定的时间间隔策略，得到的期望距离dr,i为：

dr,i(t)＝ri+hvi(t)(1)

其中，ri是前后车静止时的最小余量，h是固定时间间隔，vi为当前后车车速。

本发明研究的是相同车辆队列的跟驰状态，所以h不依赖于车辆参数，得到的车间距误差为：

ei(t)＝di(t)-dr,i(t)＝(si-1(t)-si(t)-li)-(ri+hvi(t))(2)

作为控制设计的基础，通过状态反馈进行输入与输出线性化，得到基础的车辆动力学模型：

式中，ai是车辆i的加速度，可以理解为车辆i在车队调整过程中的期望加速度；τ是发动机动态的时间常数。跟驰控制律通过建立误差状态方程进行设计，定义误差状态方程为：

式中，e1,i是间距误差，e2,i是速度误差，e3,i是加速度误差，si(t)是车辆i(后车)的位置，si-1(t)是车辆i-1(前车)的位置，li是汽车长度，vi-1为前车车速，ai-1为车辆i-1的加速度，θ是制动器延迟时间。

误差状态方程在拉普拉斯域中由传递函数g(s)描述，具体关系式根据下式得到：

其中，τ是时间常数，φ是时间延迟。ui是车辆输入(期望加速度)，而位置qi是输出。(s)表示对应的时域变量(t)的拉普拉斯变换，在拉普拉斯域中公式(2)中的车间距误差ei(t)变为：

ei(s)＝si-1(s)-h(s)si(s)(6)

车间距策略传递函数定义为：

h(s)＝hs+1(7)

将传递函数g(s)带入到误差状态方程(4)中，得到第三个误差状态方程，最终得到：

得到车辆误差传递函数的输出，作为车辆状态指示器的车辆状态误差输入：

车辆状态误差输入qi用来调整误差，并使误差动态稳定，同时补偿前车输入的ui-1，使本车可以安全的跟随前车。

步骤2：设计车辆状态指示器设计，根据步骤1获得的车辆状态误差，判断车辆控制所处的控制状态。

车辆状态指示器的功能是区分车辆当前的运动状态，并根据车辆当前状态利用不同的控制算法进行车辆间隙调整。步骤1中给出了车辆闭环动力学模型，具有三阶线性动态的车辆模型，其中qi，vi，ui分别是位置、速度和纵向控制的输入，e1,i是车间距误差。ui代表了包括期望加速度在内的全部的外部输入，获得的状态指示器xi为：

xi(t)＝e1,t(t)+cde2,i(t)

＝si-1(t)-si(t)-li-ri-hvi(t)+cd(vi-1(t)-vi(t)-hai(t))(10)

利用状态指示器，可以将汽车当前的状态进行划分，当车辆本身与前车的车间距误差很大或者速度误差较大的时候，造成车辆处于一种较危险状态，而势函数控制器可以很好的实现防撞避障功能，同时维持车队稳定性，这一阶段，本发明称之为维持车队稳定状态。为了缩短cacc车队间隙调整的时间，在车间距误差较小或者本车速度误差相对较小的时候，车辆的防撞避撞和车队稳定性的需求性相对较低，对于加快车队调整速度的需求比较高，因此此时选择使用pd控制器，在车间距较大的车队状态下，缩短调整时间，使车队更快趋于稳定，这一阶段，本发明称之为调整阶段。

将在上文得到车辆状态指示器xi(t)用来判定车辆是否处于调整集合或者维持车队稳定集合：xi(t)>0，车辆处于调整状态；xi(t)<0，车辆处于维持车队稳定状态。同时为了避免车辆在调整状态和维持车队稳定状态频繁切换，本发明将调整状态进一步加以限定，当车辆的实际车间距大于一定安全值后，且车辆的速度、加速度在合理范围内，车辆才会转变到调整状态，即：

di≥dsafeamin≤a≤amaxvmin≤v≤vmax(11)

步骤3：当步骤2中判断出车辆处于调整状态下，设计pd控制器，对输入qi进行pd调节，其控制规律如下式所示：

其中k＝(kd,kp,kc)，为了获得精确的车辆跟驰，使误差状态qi变为：

qi＝kpe1,i+kde2,i+ui-1(13)

使用误差状态定义式(13)给出了pd控制输入式(14)的四阶模型：

其中即为本发明通过pd控制器得到的本车期望加速度。

步骤4：当步骤2中判断出车辆处于维持车队稳定状态下，设计势函数控制器，建立cacc系统势函数，对输入qi进行。势函数又称调和函数，数学上用来描述过去资源的投入可在后来操作中使用程度的函数。本发明将其思想用于cacc控制过程的建模，将车辆加速归为车队对本车的引力作用，将车辆减速归为车队对本车的斥力作用。当两车稳定状态时，势函数为0；当两车接近的时候，势函数变大，车辆相互排斥，直至无限大，防止车辆碰撞；当两车远离时，势函数变为负值，吸引车辆接近，其中控制规则是根据势函数的梯度导出。

如上所述的功能可以由势函数v^non表示。势函数的平衡点代表稳态，即车辆稳定跟驰状态，此时系统的能级等于零。当两辆车靠得太近时，能量会迅速增加，迫使车辆后退，这可以看作是能函数v^non的斥力部分。势函数v^non通过逐渐降低系统能量，吸引车辆i朝其目标前进，这可以看作是势函数v^non的引力部分。此外，作用区域是有限的，当车辆i远离前面的车辆i-1时，势函数v^non的作用会消失。

在原子物理学中，莫尔斯势函数用来描述原子间的相互作用，本发明根据莫尔斯势函数，建立了一个类莫尔斯势函数，它能够描述车辆跟驰、间隙闭合和避免碰撞的功能，势函数如下所示：

v^non(xi)＝k1[k3-exp(-k2(xi-ce))]²(15)

其中，

其中k1、k2和k3是类莫尔斯势函数的参数，通过实际测试得到。xi为状态指示器，e1,i为位置误差，e2,i为速度误差，cd是决定与非线性比例作用量相关的非线性阻尼量的参数，基于实际车队实验获得。

采用势函数v^non的梯度，可以得到线性反馈控制律如下：

得到这个新的输入并将该输入应用于车队的误差动力学函数，得到如下闭环系统：

步骤5：建立混合势函数算法控制器。当车队车辆处于一种相对安全的状态，车队使用pd控制器进行车间距调整，但车辆不会总处于调整状态，会从调整状态转变为维持车队稳定状态，车辆处于维持车队稳定状态的集合为sψ，因此在一个时间步长内会有两种车辆状态的变化。车辆会从调整状态转变为维持车队稳定状态，即混合状态，其表达式为：

在一个车辆混合状态集合内，当车辆处于调整状态集合的时刻，采取pd控制器进行车间距调整，而当车辆处于维持车队稳定状态集合的时刻，采取势函数控制器进行车间距调整，即

从而得到混合势函数算法控制器为：

当忽略执行器延迟θ时，通过李雅普诺夫方法可以得到李雅普诺夫函数经过计算可以发现，该系统具有一个稳定的平衡态，即所有的误差状态都收敛到零。因此，本发明设计的混合势函数算法控制器的空间误差闭环动态是稳定的。

算法验证

本发明混合势函数算法控制器的仿真结果如图4所示，本次仿真验证使用了20辆车组成了一个车队，首车的速度从17m/s减速到12m/s，仿真出车队的跟驰情况，图4(a)为单独使用pd控制器时，车队中每辆车的速度误差edot，当该误差较小时，说明车队稳定性控制较好。图4(b)为使用混合势函数算法控制器时，车队中每辆车的速度误差edot。从图中可以看出，车队从调整到进入稳态的过程中，混合势函数算法控制器的速度误差较小，并且两者的调整时间差距不大，在增强队列稳定性的前提下，兼顾了pd控制器的优势。