【《智能网联汽车自适应控制巡航系统研究》21000字】

智能网联汽车自适应控制巡航系统研究摘要自适应巡航控制系统是辅助驾驶的重要研究内容之一。本文主要是基于分层式控制结构对四轮毂电机驱动的电动汽车的自适应巡航控制系统进行设计。首先基于分层式控制结构对自适应巡航控制系统整体控制方案进行设计，并设计巡航模式和跟车模式的切换策略。其次基于模型预测控制（MPC）设计自适应巡航系统上层控制器。基于PID对巡航模式控制；在跟车模式下，将跟车性、安全性、舒适性、经济性作为指标，实现于模型预测控制（MPC）的多目标优化控制。再次构建下层控制器，根据逆纵向动力学模型得到期望驱动力矩和期望制动压力，并且建立轮毂电机控制模型来控制车辆。最后利用Simulink及Carsim对自适应巡航控制系统的进行搭建，基于四种工况对提出的自适应巡航控制系统进行仿真验证。关键词：纵向控制；自适应巡航；模型预测控制；联合仿真目录1绪论 11.1研究背景与意义 11.2ACC系统发展现状 21.3ACC系统研究现状 31.4本文主要内容及思路 52ACC系统架构 62.1ACC系统总体架构及控制策略制定 62.2工作模式切换策略 82.3本章小结 123基于MPC的上层控制器 123.1安全车距 123.2模型预测控制原理简介 133.3车辆纵向运动学模型的建立 143.4车辆控制目标分析 163.5MPC预测方程和优化函数 183.6本章小结 224下层控制器 224.1车辆逆纵向动力学模型 234.2电机模型的建立 284.3本章小结 305ACC系统仿真测试与分析 305.1联合仿真平台搭建 315.2仿真实验与分析 335.3本章小结 376总结与展望 376.1本文研究总结 376.2工作展望 38参考文献 39-PAGE40-1绪论1.1研究背景与意义自21世纪以来，我国经济水平快速增长，人们开始逐渐从解决温饱的需求转变为对生活质量提高的需求。我国的汽车保有量持续保持上升势头，目前该数字约为2.6亿辆，千人汽车保有量从最初的不到10辆到现在已经将近约180辆。私家车的普及，给大众的日常生活中带来了很多便利，但还是产生了城市交通严重拥堵、交通事故频繁发生、能源消耗加剧、空气污染严重等问题，这些给汽车安全的发展带来了巨大的挑战。由国家统计局在2019年发布的权威统计资料《中国统计年鉴》[1]可知，仅在2019年我国道路交通事故发生次数为200114、万车死亡人数为1.8。美国国家公路交通安全管理局的调查数据显示，在道路交通事故中，有超过90%是由于驾驶员自身操作错误导致的，而车辆本身的问题所导致事故的仅占3%。由此可见，近年来，随着机动车辆保有量的迅速增加，我国的道路交通安全问题愈发严重。汽车的燃油消耗在总的石油产品消耗中所占的比例最大，过度的石油开采将会引发能源危机。20世纪以来，全球共爆发了三次石油危机，严重影响了世界经济的发展。截止目前，我国原油对外依存度已超过国际公认的50%的安全警戒线[2]。根据美国石油业协会报告显示，从目前的原油消耗情况估计，地球上可供人类开采的原油不超过90年的时间。面对即将到来的能源危机，人类所能做的是一方面节约能源，一方面开发新能源。随着汽车保有量的迅速增加，汽车为其排放产生的污染已经成为城市大气污染的主要污染源。研究表明，美国城市大气污染约63%（包括一氧化碳CO、二氧化碳CO2、碳氢化合物、硫氧化合物SOx、氮氧化合物NOx等）来自于汽车的尾气排放。汽车尾气在对人体健康造成危害的同时，还造成了光化学烟雾和酸雨，因此，汽车尾气污染已成为社会广泛关注的问题。目前我国汽车主要集中在城市，燃油质量参差不齐，汽车尾气的排放对我国城市空气质量造成了巨大的威胁。为解决以上问题，随着近几年微电子技术、计算机技术、人工智能技术、通信技术的快速发展，这些技术不断在汽车上实现应用为解决上述问题带来了突破。在此背景下，国家提出了发展智能网联汽车的概念。《中国制造2025》中，提出将汽车智能化和电动化作为汽车未来转型升级的重要发展方向。智能驾驶辅助系统（AdvancedDriverAssistanceSystem，ADAS）中包括很多系统，可以分为主动安全类：自适应巡航控制系统（AdaptiveCruiseControl，ACC）、自动紧急制动（AutonomousEmergencyBraking，AEB）等；预警类：前方碰撞预警（ForwardCollisionWarning，FCW）、车道偏离警告（LaneDepartureWarning，LDW）等。ACC系统可实现车辆的纵向运动控制，提高汽车的通行效率，降低道路中堵车情况发生的概率。不仅如此，ACC系统对于提高乘员舒适性，减轻驾驶员疲劳以及降低操作失误概率等方面也卓有成效。因此有关ACC系统的研究成为近年来主动安全领域的研究热点，该项技术的推广将为智慧交通系统以及无人驾驶的研究发展打下坚实的基础。虽然ACC系统能够在一定程度上提高车辆的经济性，但是开发新能源汽车的可以说是从根本上解决了汽车尾气排放污染、石油危机的问题。新能源汽车主要包括：纯电动汽车、燃料电池汽车、混合动力汽车三大类。相比于其它新能源汽车来说，纯电动汽车不依赖石油，可以做到零排放。为了解决汽车所带来的问题，响应国家的政策号召，汽车电动化和智能化已经成为未来的发展趋势，而目前关于传统燃油车的自适应巡航研究比较多，本文的研究对象为基于轮毂电机驱动的电动汽车，轮毂电机驱动的电动汽车省略了差速器、减速器等传动机构，能够提高传动效率，节省车内空间，有利于汽车轻量化1.2ACC系统发展现状自适应巡航控制系统是一种将安全车距跟踪与速度跟踪相结合的安全辅助驾驶系统，主要包括识别单元、控制单元、执行单元、人机交互界面，可以为驾驶员提供更多的方便性和更好的舒适性，如图1.1所示。ACC系统的历史可追溯至20世纪中后期，在那个时候美国伊顿（EATON）公司便已着手相关内容的研究。ACC系统是由日本三菱公司最初设计的预先距离控制系统PDC（PreviewDistanceControl）演化而来。1995年，三菱公司在日本推出了首款配置ACC系统的车型之后，美国的通用公司、日本的丰田公司和本田公司等也都紧随其后，投入了ACC系统研发的大潮之中[3]。进入21世纪以来，ACC系统的控制技术随着相关研究的发展不断进步。随着科技的快速发展，人们对安全性和舒适性的要求也日渐提高。ACC系统不再只出现在豪华品牌车辆上，在越来越多的中级车甚至一些家用级别的车上也开始普及起来。各大汽车品牌厂家也在ACC系统的控制技术上开始大量投入，研发与打磨属于自己品牌的ACC控制技术，将原先普及率较高的被动安全辅助驾驶系统向更加高级的主动安全辅助系统发展。当前的ACC系统主要采用分层控制结构，车辆搭载的各种传感器可以对当前的行驶环境进行感知、采集，上层控制器根据搜集到的信息求解出符合系统性能要求的期望加速度或期望速度；下层控制器以车辆动力学和安全车间距模型为基础，依据上层控制器计算得到的期望输入，控制车辆的驱动执行器和制动执行器，使系统的实际输出快速响应接近期望值，从而实现车辆的自适应巡航控制。1.3ACC系统研究现状安全车间距离指的是当前行驶状态下，自车与跟踪前车行驶的理想车间距离。国内外对于安全车间距模型的设定也有着不相同的算法。研究人员初期主要是以固定安全车距作为自适应巡航系统的设计基础，初期的研究人员如SwaroopD[4]等也主要是以固定跟车距离作为自适应巡航控制策略的设计基础。但是由于该模型存在一定的缺陷，但是这种系统已经无法适应当前道路工况和跟车环境日益复杂的情况，其实用性相对较差，所以开始逐渐使用更加先进的车间距模型。北京理工大学的裴晓飞等人[5]研究后提出将预测碰撞时间取倒数之后来表示车间距的概念，相对于传统的以固定跟车距离为基础的系统，其控制表现有所提升。浙江大学的罗莉华等人[6]在设计自适应巡航控制策略时，通过对各类车间距算法在相同工况下的实际表现进行分析比对，最终得到若车间距算法能够兼顾更多有效影响行车的因素等，那么其控制过程的表现将会更好。欧洲的Schiehlen等人[7]基于刚体动力学公式推导出在极限情况下，车辆不发生碰撞的理想车间距离，以此作为基础来控制车辆，从而可较好保证自适应巡航系统的跟车安全性。韩国汉阳大学Yi等人[8]提出基于驾驶员特性和路面附着系数的安全车间距离模型，首先根据路面附着系数确定避免发生碰撞的安全车间距离，然后通过试验获取驾驶员主观特征数据，基于驾驶员车间距离保持特征对安全车间距离进行修正，这与传统的车间间距模型相比，控制更加地稳定和高效。华南理工大学游峰等人[9]针对车辆超车时不同的运动轨迹进行分析，建立了高速公路超车状态下不发生追尾的最小安全距离模型。江苏大学袁朝春等人[10]以车轮路面附着系数、最大制动加速度以及驾驶员的反应时间为基础建立安全距离模型，提高了车辆的安全性。ACC的控制策略主要功能是根据自车与前车的运动学关系以及自车的动力学状态来决策出车辆下一时刻应该进行的状态，控制策略在很大程度上决定了车辆是否能够适应各种复杂工况，国内外研究人员也提出了许多的控制算法，并且得到了较好的控制效果。武汉理工大学李想等人[11]提出了一种采用变权重系数的线性二次型最优控制算法，利用采集的车辆速度建立模糊控制器，动态选取线性二次型调节器的权重系数，从而得到最优的目标加速度。华南理工大学赵克刚等人[12]根据车辆运动学方程和轨迹跟踪状态，建立轨迹跟踪误差模型，采用线性二次型最优控制方法，以动态跟踪误差、控制能量消耗综合最优为目标，通过不同速度时的目标权重系数调整，实现了速度自适应的车辆轨迹跟踪最优控制。东北林业大学的宋成举[13]分析了不同期望间距下的变化特征，拟定车辆跟车过程中期望间距的一般函数形式，实现了多车跟踪的稳定性分析。清华大学刘中海[14]为消除静态误差对系统的影响，设计了权重可调整的串级模糊PID上层控制算法，鲁棒性好。宝马集团的Presrl[15]采用PID控制算法为宝马所设计的可用于转弯道路的自适应巡航系统是根据驾驶员经验计算车头距，并将其用来限制跟车行为。金斯顿大学的PaymanShakouril[16]等设计的自适应巡航控制系统采用了模型预测算法，在设计该车辆模型时将其定义为非线性，这更加符合真实车辆模型的特征。控制系统由内、外控制环构成，外环用于控制期望安全距离，内环用于控制车辆的油门和制动踏板，并搭建了相应的模型预测控制模型，以此来增强理想控制效果。北京理工大学的李肖含[17]运用了模糊控制方法，提出了一种基于驾驶人操纵经验的自适应巡航模糊控制策略。制定输入参数为车间时距和车间时距变化、实车速度与期望车速的偏差和本车加速度，输出参数是油门踏板和制动踏板压力的模糊控制结构。通过查表法获取发动机动力特性来建立动力学模型，最后验证该控制策略具有响应迅速、可短时间内达到期望速度的优势。吉林大学的朱冰[18]提出了一种新颖的基于数据的方法来设计个性化自适应巡航控制系统。通过建立了一个驾驶数据采集平台，并收集了来自84位驾驶员的大量实际驾驶数据。为了定量地衡量人类驾驶员的相似性，每个驾驶员的驾驶数据都被视为某些特征的特定分布，并配有高斯混合模型，同时引入Kullback-Leibler（KL）散度作为行驶相似性指标，实现了一种无监督的聚类算法。北京理工大学的龚建伟等人[19]运用了模型预测控制的方法，实现了车辆横、纵向控制，并且进行了控制算法的仿真验证，得到了很好的控制效果。综上所述，国内外专家学者对ACC系统的控制策略已经进行了很多的研讨，但车辆本身是一个较为复杂的系统，它是一个线性、非线性系统的集合体。因此有些算法难以对其进行准确控制，且对于日益复杂的行车环境也难以适应。1.4本文主要内容及思路基于上述对于ACC系统研究现状的调研和讨论，本文所设计的ACC系统控制系统采用分层式控制架构，并基于MPC算法对上层控制器进行设计，其目的是为了应对复杂的道路情况和行车工况以及多样化的控制需求，同时基于四轮毂驱动的电动汽车的逆纵向动力学模型设计下层控制器。最后通过搭建基于MATLAB/Simulink和Carsim联合仿真验证平台，为车辆的控制策略设计、可行性验证及试验结果分析提供一个可视化平台以求更形象、生动的策略控制效果。所以本文具体研究内容如下：（1）确定研究对象为四轮毂电机驱动的电动车，基于分层式结构设计ACC系统的总体框架，将ACC分为上下层控制器。（2）设计基于模型预测控制（MPC）设计ACC系统跟车模式控制算法。将安全性、跟车性、舒适性以及经济性作为指标，并将这些性能指标进行加权求和，实现MPC多目标优化控制。同时设计基于PID的巡航模式的控制算法，并设置巡航模式和跟车模式的切换逻辑。（3）构建基于逆纵向动力学模型的下层控制器。并且同时根据轮毂电机的特性搭建轮毂电机的控制模型，做到对Carsim中车辆的修改。（4）基于Carsim软件和Simulink软件建立离线联合仿真平台，分别对四种工况进行仿真测试验证本文算法的可行性。2ACC系统架构由于车辆的自适应巡航系统功能的实现需要各个部分相互搭配来共同完成车辆的控制，因此对于系统功能方案的合理定义和实现方法的明确制定至关重要。在对ACC系统进行具体设计之前，首先需要完成ACC系统的总体结构的划分，明确系统的控制架构，确定各控制模式需要实现的功能及其实现方法。同时，为了给后续的自适应巡航系统上层决策算法的设计提供理论基础，需要进行相关控制策略的制定。下面首先分析自适应巡航系统所要实现的功能，在此基础上进行整体控制方案的设计。2.1ACC系统总体架构及控制策略制定目前，在国内外主流的ACC系统架构中，垂直式控制和分层式控制两类使用的比较多。垂直式控制指控制策略根据期望的安全车间距直接决策出相应所需的驱动踏板信号以及制动踏板信号以达到当前的控制目标[20]。但由于车辆本身并非一个简单的线性系统，采用垂直式控制会导致控制环节过于冗长。如果车辆行驶状态以及外界环境发生变化，会导致系统的稳定性降低。如果发生模型失配且影响较大的话，其可能致使整个系统失效[21]，而分层式控制可以较好避免这些恶劣情况。分层式控制器由上、下层控制器组成，上层控制器根据本车所带的传感器获取的本车运动信息并结合本车与前车的行驶状态决策出所需的期望加速度，其中本车运动状态主要包括本车车速、本车加速度等，车间运动状态则包括本车与前车的相对速度、车间距等。下层控制器接收到上层控制器传递过来的加速度信号转化成期望制动压力或者期望电机转矩进而对车辆进行控制，最终完成对期望加速度的跟踪。在分层控制系统中，各子模块的控制目标清晰且功能集中，模块间功能独立、互不干涉。综上所述，所设计的控制策略采取分层式控制架构，系统的控制框图如图2.1所示。图2.1总体示意图信息感知层的作用是将雷达、轮速传感器、加速度传感器等采集信号模块收集到的信号输送到电控单元（VCU），以此作为ACC系统决策算法的数据来源。车间距信号的准确直接影响到车辆对于车间距的控制精度以及准确性。车载雷达的种类十分多，但其中的毫米波雷达因其价格便宜、安装容易等优点，且其稳定性和对于异常环境的适应性也较好，因此在智能车辆控制等领域的使用较为普遍。工作模式切换模块的主要功能是基于车间距完成对跟车模式和巡航模式的切换，上层控制器主要包含基于MPC的跟车策略、基于PID的巡航策略。在车辆行驶过程中，上层控制器根据工作模式切换模块的信号，决定车辆执行跟车模式或巡航模式。当进入跟车模式时，由基于MPC的策略根据信息感知模块获取到的有效数据，决策出期望加速度；当进入巡航模式时，由基于PID的策略根据驾驶员设定的巡航车速决策出期望加速度。下层控制器通过期望加速度分析出被控车辆的期望电机转矩或期望制动压力，以此作为控制车辆加速度的依据，从而达到保持车间距的目的，最终完成对车辆的纵向控制。ACC系统是基于传统的定速巡航系统之上，经过不断的完善和发展逐渐形成的。其主要功能是通过获取本车和前车的运动状态信息并进行分析计算，最终决定本车当前的行驶状态。当车辆没有检测到有效目标时，车辆将处于定速巡航模式，按照驾驶者设定的速度行驶。而当前方车辆检测到有效目标时，系统将控制本车跟踪前车速度与期望安全车间距。因此，上层算法的设计需要兼顾两种情况，即将其划分为定速巡航模式和跟车巡航模式。2.2工作模式切换策略2.2.1巡航模式定速巡航模式是指被控车辆依据驾驶员设定的速度行驶，该车速即为定速巡航车速。在驾驶员设置好速度之后，定速巡航模式决策算法将根据速度传感器获取到的车辆实际行驶速度并进行计算，得出相应的期望加速度，并将其输出给控制层。控制层对本车进行控制，使车辆实际加速度跟踪计算出的期望加速度，最终车辆能够按照驾驶员设置的巡航车速稳定行驶。定速巡航功能的实现较为简单，需要获取的信息较少，其只需将本车的实际车速和驾驶员设定车速进行比较并控制减小两者差值即可实现[22]。因其控制目标较为单一，故采用PID（ProportionIntegralDifferential）控制作为基础进行决策算法的设计。对于目标比较单一的控制目标，PID控制过程简单且效果相对较好，可有效完成定速巡航模式的控制目标，搭建的模型如图2.2所示。图2.2PID控制算法的搭建结合上图，系统输入设定巡航速度和本车实际速度，将二者的差值输入到PID控制器中，PID对其进行调节，PID控制器根据两者的差值进行负反馈调节，通过不断的仿真调试，使得该系统处于稳定状态。最终得到比例系数P取3.2，积分系数I取0.01，微分系数D取0.002效果较好。但是，PID的三个参数是不断调节与制约的，而且这三个参数在调节过程中需要一定的工程经验，才能使系统稳定地输出期望加速度，从而保证系统稳定地运行下去。2.2.2跟车模式若检测到前方存在目标车辆时，本车速度将会根据前方目标车辆速度而产生变化，并且通过安全车间距模型的计算分析，始终和前方目标车辆维持一个合适的期望安全车距，以提升行车途中的安全性。不仅如此，这在实际跟车环境中也可有效减少追尾、加塞等情况的发生。除了优先保证车辆在跟随巡航过程中的安全性之外，ACC系统还需兼顾车辆的跟随性、经济性和舒适性等性能。良好的跟随性可避免车间距过大或过小，提高道路通过性。在巡航过程中，驾驶员感受最为强烈的应当是在驾驶过程中的舒适度，驾驶员的体验至关重要，这很大程度上决定了驾驶员是否会选择该项控制系统。巡航系统设计的初衷也是希望能够减轻驾驶员的行驶过程中的压力，让驾驶员可以在过程中减少主动干预，这样才能够提升驾驶员的驾驶体验和舒适性。因此，在进行车辆变速巡航模式的控制策略的设计时，需要同时考虑到多个行驶指标，此时PID算法已经不能够完成多目标优化，故在跟车巡航过程中引入了MPC算法，MPC算法可以实现最优化控制，可以处理多种不不确定性因素的影响，较PID算法来说适用范围更广。该模式下的控制策略设计过程较为复杂，也是本文将要重点研究的内容，具体设计过程将在后续章节进行讨论。2.2.3工作模式切换策略在实际的车辆上，驾驶员可以手动切换工作模式，即从跟车巡航切换到定速巡航。本文设计了一种根据本车与前车的相对车间距的差值的切换策略，该策略一方面的作用是根据车间距切换车辆是处于跟车状态还是巡航状态，该功能是保证ACC系统能正常工作的基本需求之一。另一方面，可以细化基本跟车模式下的工况，通过约束的形式优化期望加速度大小。目前将驾驶员驾驶习惯作为参考因素融入ACC系统设计的方法成为该领域的一个研究热点。Moon[23]分析跟车过程中加速度大小与舒适性的关系，认为当加速度时为舒适的跟随工况；当时为紧急减速的工况，舒适性有所下降；当时为紧急制动的工况。本文在此基础上，设计一种简易的工况划分的方法。图2.3工况划分逻辑如图2.3所示，本文设计了一种以相对车间据划分的跟车模式切换策略，当雷达探测到实际车间距小于200m即雷达检测到前方存在车辆时，车辆切换至跟车模式；反之，车辆执行跟车模式，进入跟车模式后又根据上文提到的根据加速度划分为三种模式，下文将具体介绍，搭建的跟车模式和巡航模式切换控制模型如图2.4所示。图2.4跟车模式和巡航模式切换模式当车辆切换为跟车模式后，此时被控车辆与前车距离较远，本车速度大于前车车速，为了保证跟车性，本车不会以较大减速度来减速，即为一个追赶前车的状态，考虑到较远的距离以及接近目标车辆的需求，对加速度的限制可以放宽；当被控车辆与前车距离缩小到一定范围后，需要考虑保持一定跟车距离，同时此时也需要调整与前车的相对速度，该过程为一个同时调整跟车距离和相对车速的状态，需要适当对期望加速度做一定约束；如果本车和前车距离过小，从行车安全角度来看属于较危险状况，此时应该进一步放宽对于减速度的约束，使被控车辆获得足够的制动力来保证行车安全。本文以跟车时的车间距大小设置门限将上述跟车过程分段成三部分，分别为舒适跟车、安全跟车、紧急跟车。设定当跟车距离大于1.5倍的设定车间距时，认为行车间距较大，需要继续减小跟车距离，此状况下即使本车需要减速，减速度也没有必要取较大值，加速需求适当放宽保证较快跟上前车，控制适当车间距以保证跟车效率，根据以上分析，设定加速度约束的区间为（-0.5.5.5]；当行车间距处于0.7到1.5倍设定车间距时，认为车辆处于需要调整行车间距达到所期望车间距的状态，此时应当放宽对减速度的约束，同时也不需要较大的加速度来接近前车，所以约束加速度大小在（-2.5，2]以内；当实际车间距较小时，认为车辆处于较为紧急的工况，出于对安全性的考虑，设定约束区间为[-6，0.5]。通过安全车距的判断，分别得到判断逻辑变量dis_s，dis_u如图2.5所示，得到的判断逻辑变量输入到状态机中，控制状态机该执行哪个状态即状态机输出哪个加速度给下层控制器，根据上文中提到的跟车模式下的切换策略设置了如图2.6所示的状态机。图2.5逻辑变量判断图2.6跟车模式状态机模型需要说明的是跟车切换策略只是对已求解出的期望加速度进行约束，理想的情况是在期望加速度计算得到的值已经能够满足以上约束条件。制定的阈值可以理解为是对期望加速度求解时的无效解和不理想解的情况做出的一种修正措施。2.3本章小结本章分析了传统直接式的自适应巡航控制系统鲁棒性不足的特点，从而设计了基于分层式理论的控制结构，把整体控制结构分为上下层控制结构，实现各层的功能分配：上层控制器也叫决策层，根据车辆的信息以及周围的环境状态，决策出下层所需要的期望加速度；下层控制器也叫执行层，根据期望加速度转化成车辆所需的制动压力或者驱动力矩，分层式的结构为后续的上下层控制器建模奠定了基础。与此同时，本章对巡航模式和跟车模式分别进行了分析，对基于PID的巡航模式进行了设计，根据相对速度决策出期望加速度输出到下层控制器。并且同时建立了巡航模式和跟车模式的切换逻辑，根据车间距建立了跟车模式切换逻辑的状态机，限制期望加速度的输出。3基于MPC的上层控制器3.1安全车距在安全车间距模型方面，目前广泛应用的主要分为两大类：固定安全车间距模型和可变安全车间距模型。固定安全车间距模型就是指本车在跟车行驶过程中，安全车间距为一个固定值而不会随着本车行驶状态、前方路况、交通状况和跟车环境等的变化而变化。该模型的优点是不需要进行动态调整，所以需求数据信息及计算量少，结构简单、有利于系统功能的实现。然而固定安全车间距难以在保证行车安全性和跟随性前提下，同时综合考虑实际的行驶环境、交通流特性等因素，因此通常无法满足多目标要求，尤其当道路环境较复杂时，其适应性会极大的降低。可变安全车间距模型指的是安全车间距可随车速等因素进行动态调整，这可在一定程度上弥补固定安全车间距模型中的缺陷，其可满足不同工况下驾驶员的不同需求。可变车间距模型通常是以车间时距为基础进行设计的，根据车间时距分类一般有固定车间时距算法（constanttimeheadway，CTH）和可变车间时距算法（Variabletimeheadway，VTH）两种。CTH算法由于计算简单、稳定性强等优点，被广泛应用于各研究学者的安全车间距算法中，故拟采用CTH算法作为安全车间距模型设计的基础。CTH算法中的车间时距通常为固定值，但驾驶员可根据需要自行更改。目前有两种主流的表征时距的方式：跟车时距（THW）和避撞时间（TTC），这两个参数都是针对于前后车辆相对运动状态来进行定义的。由于在实际行驶过程中，难以对前车的速度变化进行准确估计。为了避免因前车速度突变致使系统不稳定，因此决定将跟车时距（THW）设为定值进行后续安全车间距模型的设计。CTH算法如式3.1所示：（3.1）式中，QUOTEddes=τvh+d0QUOTEddes为期望两车安全车间距，为车间时距THW，为最小保持车间距。3.2模型预测控制原理简介模型预测控制（MPC，ModelPredictiveControl）的历史追溯到上世纪60年代中期，上世纪80年代左右开始被研究人员应用的控制算法，它开始主要应用于各式各样的工业控制、自适应控制等领域中。随着社会的快速发展以及经济的快速增长，它的适用范围也早已发展到了机器人、网络系统、飞行器等高新领域中。MPC作为一种优秀的控制算法，因其对模型的要求精度不高，可以处理多变量约束问题。模型预测控制算法是利用当前系统控制量和中间系统的状态量，在满足一定约束条件下，对系统未来状态进行预测并不断在线优化以追求最优解，保证系统的输出尽量与参考轨迹相接近，原理如图3.1所示。模型预测控制属于最优控制的范畴，在处理控制过程中存在的多种约束上具有明显的优势，其基本思想是通过建立合适的目标函数，转化为一个二次规划问题，通过反复的在线求解，得到最优控制量，从而控制车辆跟踪期望轨迹[25]。在模型预测控制的计算过程中，主要有三方面的内容，包括：预测模型、滚动优化和反馈校正。下面介绍这三项基本内容。一、模型预测二次规划问题需要通过系统未来一段时间的输出量来计算最优控制序列，因此就需要通过一个预测模型来预测系统的输出。预测模型可以通过系统当前状态量和控制时域内的控制量，来预测系统未来的状态。预测模型包括脉冲响应模型、阶跃响应模型、传递函数模型、状态空间模型等，本文主要介绍基于状态空间方程的模型预测控制。二、滚动优化模型预测控制与传统的最优控制不同，传统最优控制往往采取一个固定的全局最优目标，而模型预测控制则是采用滚动优化的策略。在每一采样时刻，根据当前时刻的状态信息建立优化目标，求解得到有限时域内的最优控制序列，在下一采样时刻又基于新的状态信息来求取最优控制序列，因此，模型预测控制的优化过程是反复在线进行的，而不是一次离线完成的，这就是滚动优化的含义。模型预测控制之所以要采用滚动优化的方式，是因为在实际控制过程中存在模型失配和外部干扰等不确定性因素，因此，模型预测控制不可能始终与实际过程相符合。通过滚动优化的方式，使得控制过程始终在当前状态的基础上建立优化目标，能够在一定程度上弥补这种不确定性带来的影响。三、反馈校正在计算得到最优控制序列后，将控制序列的第一个控制量作用于系统，然后再进行下一周期的优化过程。通过这种模型预测、滚动优化加反馈校正的方式，构成闭环最优控制，使得模型预测控制方法具有很强的抗干扰能力。3.3车辆纵向运动学模型的建立在第二章提到的基于分层式结构的ACC系统中，上层控制器分别基于PID和MPC对期望加速度进行决策，而基于PID的上层控制器已经在第二章中进行了详细的介绍，本章后续几节主要介绍基于MPC的上层控制器的设计，首先需要确定的是车辆纵向运动学模型，即确定本车与前车的运动学关系。驾驶员在判断下一刻该踩多大的驱动踏板或者制动踏板即判断加速度大小时也是根据本车和前车的运动状态，本节基于车辆纵向运动学建立跟车模式下的跟车状态关系，如图3.2所示。 图中是两车实际车间距；是两车期望车间距；是实际车间距和期望车间距的误差；是前车位置，是本车位置，值的大小与坐标系选择有关，两个值的大小无实际意义，实际车间距可表示为：（3.2）根据纵向运动学，在k时刻有：（3.3）在离散条件下，车辆的加速度和加速变化率可表示为：（3.4）（3.5）式中是时刻的加速度；是时刻的加速度变化率，通常被称为；是离散后的采样周期，在Simulink中通常用计算步长来表示。同时离散化的实际加速度和期望加速度可近似用下面式子表示：（3.6）式中为控制时间常数，有；是前一时刻的输出量，在这里指的是时刻期望加速度大小。基于运动学特性取距离、相对速度、本车车速、加速度、加速度变化率为状态变量，并建立它们在离散状态下的关系式：（3.7）（3.8）（3.9）（3.10）（3.11）为了充分反映跟车模式下的运动学变化，要考虑到前车加减速带来的影响，本文将前车加速度观测量作为MPC标准方程中的扰动项，以此提高状态方程的精度。建立状态方程模型：（3.12）其中如上所述，系统的状态变量为：式中A，B，G为矩阵参数，则系统矩阵表示如下：3.4车辆控制目标分析车辆控制分析是对MPC算法优化目标的定义，是决定控制算法效果的重要步骤，在ACC系统的设计中，安全性和跟车性是首要控制目标，也是ACC功能的基本保障，但是在实际的使用过程中，更多的性能和因素需要被考虑。自适应巡航系统设计的初衷是为了减小驾驶员的驾驶强度，在简单工况下解放驾驶员的双脚来起到辅助驾驶的作用。在接替驾驶员完成纵向控制时，无法保证驾驶的舒适性也就无法达到接管的作用，所以乘车舒适性是自适应巡航系统在控制过程中需要考虑的因素之一。经济性是消费者关注的焦点问题之一，因为电动车的续航是电动车重要特性，在电池储存能量一定的情况下，提高能量利用率即提高车辆的经济性尤为重要，所以在系统设计时经济性也需要被考虑。本文将跟车性、安全性、舒适性以及经济性作为输出期望加速度时的控制目标。各控制目标需求如下：（1）安全性首先无论采用何种控制算法，安全性对于车辆以及驾驶员来说都是最首要的控制需求，是一切控制需求的前提，因此必须对其进行严格的约束。虽然可以通过在前文设计的安全车间距模型可以保证一个安全的期望跟车间距，但这个值是系统间距控制的最终目标。仅仅通过此间距难以适应前车突然的速度变化等工况，算法很难通过快速响应来消除误差。因此为提高车辆在整个行驶途中的安全性，需要一直关注本车与前车的相对车间距，即始终保证两车间的实际车间距大于一个安全跟车间距，以此避免发生追尾的情况，因此需要对真实相对车间距施加相应的约束，如式（3.13）所示。（3.13）式中，表示本车为了避免与汽车发生碰撞所限定的最小安全车间距；其由车体长度和一个预设的距离值构成。通过此约束可避免车辆在行车途中与前方车辆发生追尾等事故，提高了行车安全性。同时，车辆在道路上行驶必须限制车辆的速度不能超过限定值，如果车辆速度过高，前方车辆突然变化时，会有很大的安全隐患，因此需要对车辆的速度进行限制，约束如式3.14所示。（3.14）（2）跟车性ACC系统要求本车能稳定跟随前车行驶。系统的跟随性主要体现在两个方面：安全车距的有效跟随和安速度的有效跟踪。被控车辆与前方目标车辆的实际车间距和决策算法计算出的车间距之间的差值以及车速误差都逐渐收敛于0，即两车保持相对静止的状态，这也是驾驶员最期望的。本节在车间纵向运动模型状的基础上进行控制需求的设计，如式3.15所示.（3.15）（3）舒适性行驶的舒适性在纵向方向，可用车辆加速度和加速度变化率作为评价指标。当车辆在加减速过程中，使用的加速度和加速度变化率越小时，车速变化越平稳，舒适性越好；同样采用约束形式对行车过程中的加速度以及加速度变化率进行约束；考虑到车辆的性能，有约束：（3.16）（3.17）（4）经济性经济性的评价指标是在相同行驶时间或者路程的情况下对与能量耗费的多少，频繁的急加速、急减速会导致车辆的能量消耗变多，所以要尽量减少车辆在跟车模式下的急加速、急减速工况，可以通过控制加速度和加速度变化率来提高经济性。同时，相关研究表明，车辆的纵向加速度对车辆的经济性有显著的影响，能量消耗会随着加速度的增加而提高。由此可知，加速度的绝对值越小，加速度变化率绝对值越小可以显著提高车辆的经济性，则约束与上文中提到的舒适性约束相同。这样选取间距误差、相对车速、本车的加速度和本车的加速度变化率作为优化和约束目标组成系统输出向量，得系统输出方程：（3.18）式中有：，这样得到了一组离散化的考虑了多控制目标优化与约束的状态方程组：（3.19）3.5MPC预测方程和优化函数结合上文中推导得到的状态空间方程模型，同时将MPC理论融入进去，上文已经得到在某个时刻的状态空间方程，此时需要对后续的p个时刻进行预测，同时添加反馈误差，对接下来的时域内的状态变量进行预测控制，建立的预测控制模型如式（3.20）和式（3.21）所示：（3.20）（3.21）式中：式中为预测时域，为控制时域，是基于第时刻预测模型分别对预测时域内每一时刻的方程状态变量的预测值，是第时刻分别对预测时域内每一时刻的输出方程中输出向量的预测值；是控制时域内系统输出量，即期望加速度；是第k时刻的预测时域内每一步的扰动量；

为第k时刻实际检测到的状态向量与预测量的差值。式中的预测矩阵如下：，，，在上面的预测模型中，干扰变量用前车加速度代替，但是实际上前车加速度并不好直接得到，考虑到计算步长通常较小，故需要前一时刻（对k时刻来说是k-1时刻）的相对速度和本车加速度计得到前一时刻的前车加速度，代替当前时刻的前车加速度，即本文假设在k时刻的前车加速度与上一个时刻的值相等。则有如下的关系：（3.22）线性加权和法是古典多目标优化算法的一种，该方法简单易行，在处理多目标优化问题时的计算量少。其思路是通过将多目标优化问题加权转化为单目标的数学规划问题。建立的目标函数式如下：（3.23）式中的Q是输出量的权重矩阵，定义，R是控制量的权重矩阵。将目标函数展开，忽略掉无关的常数项，整理可得函数，如式（3.24）所示。（3.24）式中：函数在k时刻的约束条件即系统控制的约束条件如下：（3.25）将预测模型的输出方程和约束条件结合得到以下形式：（3.26）式中：由前面将多目标控制加权问题转化为单目标优化问题的代价函数和约束条件，转化成一个的二次型规划问题：（3.27）式中：针对式（3.27）可以实用MATALB提供的QP求解器quadprog进行求解，得到的临时最优解即为此时刻MPC控制器的输出值。根据本章的数学模型，编写S函数，实现MPC控制，搭建如图3.3所示的基于MPC的跟车巡航控制算法。图3.3MPC控制算法搭建3.6本章小结本章首先介绍了安全车距策略，选择了固定跟车时距安全车距算法。而后介绍了基于MPC的上层控制器的设计，设计出上层控制器输出期望加速度到下层控制器完成闭环系统。在建立基于MPC的上层控制器时，首先要基于两车之间的运动学关系建立跟车状态空间方程，利用MPC方法结合状态空间方程推导预测状态方程，将跟车型、安全性、舒适性、经济性作为优化目标，把多目标优化问题转化成二次型规划问题，再调用MATLAB中的优化函数决策出期望加速度。4下层控制器要保证ACC系统控制方法的有效性，一方面需要上层控制器能有效决策出期望加速度，另一方面也需要下层控制器的精确性。下层控制器将期望加速度精确转化为对每个车轮的驱动力矩和对车辆的制动压力从而完成对车辆的控制，是保证ACC系统实现在有效控制的关键。目前主流的下层控制器有两种，一种是基于驾驶经验的模糊控制法，利用驾驶员的驾驶经验制定模糊规则，将期望加速度以及其与实际加速度的误差作为控制模型的输入量，依据驾驶经验制定模糊规则，将输入量模糊化后进行模糊推理，最后通过去模糊化得到对应的油门和制动踏板大小来控制车辆。这种控制方法可以大大简化模型设计的复杂性，计算量也小，可以保证快速响应。但是控制过程依赖于经验和车辆的特性，控制的精确程度依赖于控制规则的制定、模糊函数的选择以及参数标定，不容易把控。本文采用另一种基于动力学模型的逆模型控制方法。这种控制方法在参数准确的情况下可以达到精确的控制效果，计算量适中并且响应较快。基于车辆动力学和车辆参数信息搭建控制模型，输出驱动和制动控制命令。本文所设计的ACC系统下层控制算法从上层决策算法接收到车辆的期望加速度信号，根据车辆逆纵向动力学模型，依据车辆其它状态信息，计算得到满足要求的车辆期望加速度，之后计算所需的期望电机转矩或期望制动管路压力。下层控制器的作用类似于一名司机，在知道车辆需要多大的加速度情况下，通过控制驱动踏板即施加驱动力矩和制动踏板即施加主缸压力来操纵车辆完成加减速，进而将期望加速度落实到车辆控制上，完成对车辆的操纵控制。控制层接收期望加速度信号后需要在较短时间内完成对车辆的控制，让实际加速度变化追踪期望加速度的变化；在此过程中也需要符合日常驾驶习惯，驱动踏板开度和制动踏板开度大小适中，同时驱动模式和制动模式不能有频繁的切换。4.1车辆逆纵向动力学模型根据汽车理论相关知识可知，当车辆加速的过程中，根据电机控制器传送过来的信号，电机产生所需要的转矩，转矩驱动车辆进行加速行驶。当车辆需要减速行驶，由制动踏板传递过来的信号使制动系统产生相应的制动力，最终达到使车辆减速行驶的目的。车辆逆纵向动力学模型是将车辆纵向动力学模型进行逆向推导得到，它是下层控制器设计的关键。4.1.1行驶阻力分析车辆在行车途中会受到驱动力以及各种阻力，为对车辆的力学性能做较为精准的计算，现通过分析车辆在行车途中的受力关系列出相应的汽车力学平衡方程，建立车辆的行驶阻力模型。车辆在行车途中所受的驱动力和行驶阻力如图4.1所示。驱动力由驱动电机的转矩通过传动系统传递至驱动轮形成，制动力则由液压制动系统作用于车轮的制动压力形成，行驶阻力主要由滚动阻力、空气阻力、坡度阻力和加速阻力四部分组成。图4.1车辆行驶受力图分析中做以下假设：（1）忽略车辆的横向运动；（2）车辆所行驶的道路为理想道路，道路坡度角为，而且道路能够提供充足的地面附着力；由此可得汽车行驶方程式如式（4.1）所示：（4.1）式中，为驱动力，为制动力，为加速阻力，为空气阻力，为滚动阻力，为坡度阻力。当车辆在加速行驶时，车辆的本身自重和传动系统中的旋转部件会由于转动产生转动惯量即惯性阻力矩。为便于计算，通常采用旋转质量转换系来进行转换，本文取旋转质量换算系数为1.06。车辆受到的加速阻力如式（4.2）所示：（4.2）式中，为加速阻力，为汽车旋转质量换算系数，m为汽车质量，a为车辆加速度。车辆在行驶的过程中，空气会阻碍汽车的行驶。空气阻力是一个变量，它的大小与车速成正比，车速越快空气阻力越大。但在行驶阻力模型中为简化模型以便于计算，只考虑在无风情况下车辆的运动。车辆受到的空气阻力如式（4.3）所示：（4.3）由于空气密度相对固定，且假设风速为0，即，所以通常将上式进行简化处理，如式（4.4）所示：（4.4）式中，为空气阻力，为空气密度，为空气阻力系数，本文中取0.3，为相对速度，A为迎风面积，本文中迎风面积取2.1，为汽车行驶速度。车辆在行驶中所受滚动阻力同时受车轮的法向载荷和滚动阻力系数两者影响。同时为计算简便，在行驶阻力模型中，假设每个车轮的法向载荷和滚动阻力系数都相同，车辆所受滚动阻力如式（4.5）所示：（4.5）式中，m为车辆整备质量，g为重力加速度，f为滚动阻力系数，本文中滚动阻力系数取0.02，为斜坡与水平路面夹角。车辆若在坡道上行驶，其所受坡度阻力主要由车辆的重力沿坡道的分力构成，如式4.6所示：（4.6）式中，m为车辆整备质量，g为重力加速度，为斜坡与水平路面夹角，由于本文中不涉及坡道行驶，故而本文中取0。4.1.2期望驱动力矩模型由上文中得到的汽车行驶方程式可得到车辆在加速过程中的纵向运动方程式，如式（4.7）所示：（4.7）电动车的动力传动系统相对于传统汽车来说较为精简，对于轮毂电机驱动的电动车来说，轮毂电机输出转矩直接带动驱动轮，则车辆的驱动力如式（4.8）所示。（4.8）式中为车辆驱动力，为电机驱动转矩，为车轮滚动半径，本文中取0.34m，为传动比，由于动力传输路线是由轮毂电机到车轮，所以传动比取1，为传动效率，本文中传动效率取1，k为电机个数，本文中轮毂电机个数为4。然后将式（4.4）~（4.8）联立得到期望的电机输出转矩如式（4.9）所示：（4.9）期望电机转矩模块Simulink仿真模型如图4.2所示。图4.2期望电机转矩模型4.1.3期望制动压力模型由上文中得到的汽车行驶方程式可以得到制动过程中的纵向运动方程式，如式（4.10）所示：（4.10）式中为期望制动力。然后将式（4.4）~（4.7）与式（4.10）联立得到期望制动力，如式（4.11）所示。（4.11）若期望制动力小于地面可提供最大制动力，则制动力与制动管路中压力近似呈线性关系，如式（4.12）所示。（4.12）式中，为线性系数，p为制动压力。将式（4.11）和式（4.12）联立得到可得期望制动压力，如式（4.13）所示。（4.13）根据上文中的数学公式在Simulink中搭建逆制动器模型如图4.3所示。图4.3期望制动压力模型4.1.4驱动与制动切换策略由于本文中所提到的车辆模型是在仿真软件Carsim中建立的，相当于一个数学模型，如果车辆以上层控制器决策出的期望加速度的正负来控制汽车的状态（期望加速度为正为驱动模式，加速度为负则为制动模式），仅仅通过这种简单的逻辑判断的话车辆模型在行驶过程中驱动模式和制动模式会频繁地来回切换。这样会对车辆本身损害较大，而且会使得驾驶员和乘员的舒适性大大下降，所以要制定合适的驱动模式和制动模式的切换策略，确保切换策略工作效果好、平稳切换，可以使车辆实际加速度有效地跟踪期望加速度。若车辆没有驱动制动输入即此时的驱动力为零时，根据上文中所分析的车辆行驶方程式可知，此时车辆在行驶方向上只受空气阻力和滚动阻力两个外力，此时车辆的最大减速度即为最大滑行减速度。（4.14）如果驱动与制动切换仅仅存在最大滑行减速度这条切换边界，那么驱动模式和制动模式就会一直地切换，这样就会导致上文提到的影响行驶的情况，故而需要在最大滑行减速度上下各设置一个阈值，根据经验可知，将阈值设置为，通过这个设置，车辆就不会出现驱动工况和制动工况的来回切换，该阈值范围称为驱动模式和制动模式的过渡带，改进后的驱动、制动切换策略如图4.4所示。当上层控制器输出的期望加速度时，此时车辆处于驱动模式，轮毂电机驱动车辆行驶；当上层控制器输出的期望加速度时，车辆处于制动模式，而当期望加速度为过渡带即时，车辆驱动、制动切换策略不起作用，车辆继续执行原来的模式。4.2电机模型的建立在控制环节和车辆之间，需要轮毂电机来接受系统的期望转矩输入，对车辆输出转矩以达到控制车辆的效果。轮毂电机采用两极三相无刷直流电机，基于无刷直流电机建模理论，建立轮毂电机控制模型。无刷直流电机的等效电路如图4.5所示。图4.5轮毂电机等效电路图简化电机的模型，根据等效电路图，则电压方程的矩阵形式为：（4.15）在上式中：，，分别为三相输入电压；，，分别为三相定子电流；，，分别为三相电动势；为定子绕组自感与两项相绕组的互感数值之差；R为定子每相电阻。当a、b两相连通时，电机的平衡电压方程可以变化成式（4.16）：（4.16）将式（4.16）简化得到：（4.17）根据电机基本拖动原理得到：（4.18）（4.19）（4.20）上式中，为反电动势系数；为电机角速度；为电机的转动惯量；为电机负载转矩；为电机输出转矩。根据式（4.17）~（4.18）推导可以得到该轮毂电机的状态方程如式（4.21）、（4.22）所示。（4.21）（4.22）在轮毂电机模型中，电机电流和电机转速为状态变量，由于本次设计的电动车采用转矩控制的方式，设计单闭环电流调节系统实现电流得反馈控制，且电机的电流的输出转矩成正比，即实现了单闭环转矩反馈控制得效果[26]。搭建了如图4.6的单闭环转矩控制系统图。图4.6单闭环转矩控制框图上图中电流调节器采用PID控制，有效调节电流，实现对电机输出转矩的闭环控制。图4.7Simulink中的电机控制模型4.3本章小结本章在分析下层控制器的控制需求后，首先根据汽车动力学对车辆驱动以及制动状态下的车辆受力进行分析，根据推导得到的数学模型在Simulink中搭建了逆纵向动力学模型。针对驱动模式和制动模式切换频繁的问题，设计了驱动、驱动模式切换过渡带。与此同时，根据轮毂电机的电路原理图，得到了简化的单闭环转矩控制的轮毂电机模型，在Simulink中搭建了电机模型，为后续的上下层控制器与Carsim联合打下了基础。5ACC系统仿真测试与分析为了检验上文中所设计的控制策略相关模型的有效性，本章主要进行基于Carsim与Simulink的联合仿真平台的搭建并设定典型工况进行仿真试验。以Carsim中的车辆模型代替真实的车辆，然后在Simulink中将所建立的逆纵向动力学数学模型和相应的控制策略等以模块的形式搭建出来。最后将Simulink中搭建好的相应模块与Carsim中的虚拟整车模块按对应的接口进行连接，由此可搭建出ACC系统离线联合仿真平台。再通过在Carsim软件中进行车辆道路行驶状况的模拟，设定不同前车行驶工况进行试验并对试验结果进行分析，以此来检验控制系统的各项指标是否符合要求。与此同时，在试验过程中，进行相应关键参数的调节，力求达到最佳的控制效果。5.1联合仿真平台搭建为了更好的进行整车仿真平台的建立，需要将整车模型、外界环境、接口定义进行自定义。整车模型参数基于被控车辆模型参数进行定义，选择选用CarSim中的E-Class，Sedan为基准车。在主车车辆模型设置中，最重要的是动力输入系统，主车是轮毂电机驱动的电动车，没有发动机以及减速器，依靠电机作为动力源，所以在CarSim中的车辆动力系统需要采用外部动力源（ExternalEngine）。本文通过在Simulink模型中搭建电动机，用电机输出的扭矩来驱动主车。如图所5.1示，将传动系统中的发动机模型以及传动系统模型去掉。采用上文中搭建的轮毂电机进行驱动输入，在Simulink中搭建电机模型作为该车的外部动力。图5.1主车动力传输路线修改行驶环境定义包括道路和风速，本文中道路的附着系数设置为0.85，风速设置为0。图5.2道路环境定义前车的车速在Carsim中根据时间和速度的关系设置，雷达检测范围设置为200m，雷达的参数设置如图5.3所示，超出200m之后即车辆前方没有目标，进入第二章设计的的定速巡航模式。图5.3雷达参数定义将前几章提到的上下层控制器以及车辆模式切换逻辑联合起来，得到ACC控制算法如图5.4所示，将ACC控制器封装起来，与Carsim联合得到如图5.5所示的离线联合仿真平台。图5.4ACC控制算法图5.5联合仿真平台Carsim为仿真平台提供了车辆模型，Simulink为仿真平台提供了控制算法，Carsim的输入即为Simulink的输出，反之，Carism的输出即为Simulink的输入，定义Carsim的输入输出接口如表5.1所示。表5.1CARSIM输入输出定义Carsim输入参数Carsim输出参数制动压力相对车间距左前轮转矩相对速度右前轮转矩本车速度左后轮转矩本车加速度右后轮转矩5.2仿真实验与分析5.2.1定速巡航工况定速巡航工况为在雷达探测区域内无目标车辆，或者目标车辆的车速高于驾驶员设定车速时，测试车辆是否能够准确跟踪车速。此工况目标简单且单一，故以传统的PID控制代替MPC进行控制。系统通过对实际车速与目标车速的误差进行反馈控制，从而使输出达到稳定期望值即可。在此工况下，将本车的巡航速度设置为50km/h，本车初始速度为30km/h，仿真结果如图5.6所示。由仿真结果可知，在仿真过程开始时，被控车辆设定初始速度低于定速巡航车速，控制系统快速响应，对车辆进行加速控制，并在t=2.7s左右完成速度跟踪控制。随着车辆达到目标车速，加速度也随之迅速下降，并在这之后，车速始终保持在50km/h左右匀速行驶。由此可知，在定速巡航的简单工况下，因目标简单且单一，用PID控制替代MPC进行策略设计，控制策略也可有效的跟踪驾驶员设定巡航车速，且能够在达到巡航车速之后稳定保持以该车速行驶，达到设计要求。5.2.2前车先加速再匀速工况在跟车巡航过程中，当本车与前车间距较大，前车加速行驶，主车为了在保证安全距离的前提下跟上前车，需要加速行驶，此工况下，本车初始车速为20km/h，初始车间距为30m，通过联合仿真得到如图5.7所示。由仿真结果可知，刚开始时本车与前车的车间距相差为30m，因为本文中的期望安全车距采用固定时距安全车距，期望安全车距较小，本车的车速低于前车车速，控制系统对本车进行加速控制，进行加速。在10s左右时，本车的距离已经基本跟上期望安全车距，此时，本车车速基本与前车车速一致，实际加速度基本与期望加速度一致，由于电机的响应较快，刚开始时出现了较为短暂的加速度振荡，后续并未出现急加速急减速情况，符合经济性和舒适性的要求。5.2.3走-停工况在城市道路行驶过程中，由于红绿灯设置的比较多，因此前车经常出现减速至停车再起步这种情况，本小节通过在Carsim中设置前方车辆的速度变化来验证本车控制系统响应效果。在走-停工况下，本车的初始车速为20km/h，初始车间距为30m。前方车辆从30km/h开始减速，t=10s时减速至0即停车，又在15s时启动，加速到30km/h，在t=30s开始减速，在t=35s时匀速行驶5s，而后开始减速停车，在t=45s时，前车停下，5s后，前车启动行驶至30km/h。仿真结果如图5.8所示。a）速度b）加速度c）车间距图5.8走-停工况由仿真结果可知，在Carsim中设置的前车车速变化很好的模拟了城市行车中的走-停工况，本车在开始时车间距与前车相差较多，通过加速度与时间的变化图可知，本车开始加速，实际间距与期望安全车距相对差越来越小，即本车已经跟上前车，本车速度曲线在t=4s后基本与前车速度曲线一致，实际加速度与去期望加速度变化曲线基本相同，并且在跟车过程中，实际加速度并未出现较大的波动，在保证安全性即保证跟车距离的前提下，同时保证了车辆的经济性与舒适性。5.2.4前车频繁变速工况在跟车过程中，经常会遭遇跟车途中前车速度频繁变动的情况。在此种情况下也极易出现控制效果不稳定的情况。将前方目标车辆初始速度设置为50km/h、本车初始车速设置60km/h的工况进行仿真分析，并假设该工况下初始车距是30m，目标车辆的速度一直在变化，仿真时间为60s，仿真结果如图5.9所示。a）速度b）加速度c）车间距图5.9前车频繁变速工况由仿真结果可知，刚开始时，本车与前车的车速差为10km/h，此时实际安全车距基本与期望安全车距相同，当目标车速开始变化时，被控车辆能够及时进行响应，不断跟踪目标，速度走向与前车基本一致。被控车辆的加速过程较平稳，加速曲线较平滑，这可提升驾乘人员的舒适性以及提高车辆的经济性。且本车实际车距与期望安全车距基本重合，这在实际驾驶过程中可有效减少追尾、加塞等情况发生。这表明控制策在保证跟车间距即安全性，和车速精准跟踪的基础上兼顾驾乘人员的舒适性，具有良好的控制效果，满足相关设计要求。5.3本章小结本章将前几章的控制算法联合起来，搭建Carsim与Simulink的联合仿真平台，分别测试了定速巡航工况、前车先加速再匀速、走-停工况以及前车频繁变速工况，对得到的仿真结果进行了分析，证明了本文设计的控制算法的有效性。6总结与展望6.1本文研究总结ACC系统现在已经在乘用车中较为普遍，在每个高校的学术研究中也日益上升。本文在探讨传统的ACC系统拥有的定速巡航模式和跟车模式这两个功能的基础上，结合相关参考文献，分别设计了基于PID的巡航模式控制策略和基于MPC的跟车模式控制策略，验证其最重要的安全性和跟车性、考虑车辆能量消耗的经济性以及考虑驾驶员感受的舒适性这些性能指标的可行性。本文的主要研究内容有：（1）选择轮毂电机驱动的电动车作为ACC系统研究车辆，根据轮毂电机驱动的电动车的特点设计ACC系统的总体框架，根据车间距将车辆划分为巡航模式和跟车模式，跟车模式下同样根据车间距划分为三种模式。将控制器分为上下层控制器，上层控制器即决策层，根据本车与前车的关系决策出期望加速度，下层控制器即执行层，根据上层控制器的期望加速度转化为可以控制车辆的驱动力矩和压力。（2）选择了固定时距安全车距，设计了基于PID的巡航模式控制策略以及基于MPC的多目标优化跟车控制策略，将最重要的安全性和跟车性、考虑车辆能量消耗的经济性以及考虑驾驶员感受的舒适性这些性能指标融合构建目标函数及相关约束，利用Similink搭建了上层控制器。（3）下层控制器是车辆的执行层，根据汽车的行驶方程式构建逆纵向动力学模型，分别推导得到期望制动压力和期望电机转矩的数学模型，将加速度信号落实到车辆上，同时根据轮毂电机的简化模型得到轮毂电机的控制模型，（4）将所有控制算法搭建好之后封装起来成为一个控制模型，基于Carsim软件和Simulink软件建立离线联合仿真平台，对仿真测试中需要的参数进行设置，因为Carsim中没有电动车模型，所以需要对Carsim中的车辆动力传动模型去掉，选择外置动力，链接Simulink中已经搭建好的轮毂电机模型，通过修改前车车速和安全车距来改变测试工况。在Carsim和Simulink离线联合仿真平台下，分别对四种工况进行仿真测试，可以得到本文提出的ACC控制策略效果良好，能达到预期要求。综上所述，本文分别设计了基于MPC的跟车巡航模式和基于PID的定速巡航模式，并且为二者之间设置了基于车间距的切换策略，在不同工况下进行了验证了该策略的有效性。6.2工作展望本文的ACC控制策略是基于轮毂电机驱动的电动汽车展开的，由于本人水平有限以及时间精力有限，仍然存在许多地方为考虑周全，所以做出如下几点展望：（1）在搭建电动机模型时，电动机的模型是基于推导得到的传递函数搭建的，会与实际轮毂的电机存在一定的偏差，因此需要做充足的实验得到详实的轮毂电机实验，得到有效的轮毂电机外特性曲线图。（2）本文在搭建ACC控制模型时只考虑了纵向控制，并未考虑