本技术提出了一种多目标自适应巡航控制方法,该方法利用模糊模型预测控制技术。主要步骤包括:实时采集车辆运行数据,输入至优化后的车辆纵向动力学模型中,以预测车辆动态;根据预测结果调整控制策略,实现多目标优化,提升驾驶安全性与舒适性。
背景技术
随着全球社会经济的快速发展和汽车工业技术的不断进步,汽车保有量迅速增长,已成为人们日常出行的主要交通工具。这一现象为生活出行和运输提供了极大的便利,但同时也带来了频繁的交通事故、交通拥堵以及汽车尾气排放等问题,严重影响了人民的生活质量和经济发展。在全球倡导低碳经济和绿色生活的大背景下,交通安全与环境保护已成为道路交通领域的两大重要目标。
近年来,全球众多研究机构和汽车制造商致力于先进驾驶辅助系统(ADAS)的研究,旨在提升驾驶员的乘坐舒适性,减少因疲劳和错误操作导致的交通事故,从而提高车辆系统的安全性。这些系统包括自适应巡航控制(Adaptive Cruise Control,ACC)、前方防碰撞预警等。其中,ACC系统是ADAS中的主要纵向控制技术,广泛应用于乘用车和商用车。ACC系统是在传统定速巡航的基础上发展而来,不仅具有定速功能,还能够根据行驶环境和车辆信息,通过系统决策自动调节油门和制动,从而与前车保持安全车距,显著减轻驾驶员的操作负担,减少驾驶疲劳,提高行车安全性和舒适性,并有效降低燃油消耗和排放。
目前ACC控制策略主要有经典PID控制、数值查表法以及模型预测控制(ModelPredictive Control,MPC)等。经典PID控制具有结构简单、稳定性好的特点,但实际应用中难以利用一组参数满足所有工况需求,对于场景的适应性不强;数值查表法可以获取当前车速下的基准加速度,根据基准加速度进行驱动与制动模式切换,虽然该方法可靠性比较高,但是需要进行大量实车试验,标定出车速与基准加速度的对应关系,经济成本较高;相比之下,模型预测控制MPC可方便的处理多个目标及约束问题,在满足约束的条件下,综合协调跟车性、舒适性等要求,更适合作为ACC控制算法。
但其目前也存在以下局限:首先,现阶段ACC系统的控制方法在应对复杂和多变的工况时适应性不足,控制精度易受到被控状态量与目标状态量之间差异的显著影响,缺乏对控制误差的预见性,导致精度不高,响应延迟。其次,当前设计的驾驶目标较少考虑交通排放的因素,未能有效融合减排需求。这一局限使得ACC系统在优化安全性的同时,难以同步实现减排目标。特别是在复杂的城市交通环境中,忽略减排优化的控制方法可能会导致车辆频繁加减速、停启等不经济的驾驶行为,从而增加燃油消耗和排放,阻碍ACC在绿色交通转型中的潜在贡献。更进一步的是,ACC系统对驾驶舒适性的考虑也不够充分,控制算法可能引发不必要的急加速或急减速行为,从而降低了乘坐体验和行驶平稳性。
因此,尽管MPC方法相较于其他传统方法更适应现在的驾驶需求,但其在多目标的考量以及权重的变化上仍然需要进一步的探索。
实现思路