基于模糊理論的汽車智能巡航控制策略與仿真＊

張進國 陳學文

（遼寧工業(yè)大學，錦州 121001）

基于模糊理論的汽車智能巡航控制策略與仿真＊

張進國 陳學文

（遼寧工業(yè)大學，錦州 121001）

基于模糊控制和模型匹配理論，應用分層式汽車智能巡航控制策略，實現(xiàn)節(jié)氣門和制動踏板的協(xié)調(diào)控制。模糊上位控制器以實際距離與理想距離差和前方車輛與巡航車速度差作為輸入，結合設計的模糊規(guī)則，獲得巡航車期望加速度?？紤]車輛系統(tǒng)干擾和響應延時性影響，構建了模型匹配下位控制器以確保巡航車期望加速度的實際輸出。利用Simu?link對控制功能實施了仿真驗證，結果表明，該控制策略可有效實現(xiàn)智能跟隨和定速巡航功能，提高行駛安全性。

1 前言

汽車主動巡航控制（Adaptive Cruise Control，ACC）系統(tǒng)可在一定程度上提高汽車行駛的主動安全性，同時也可以減輕駕駛員的疲勞強度[1～2]。目前，ACC系統(tǒng)結構主要分為直接式和分層式兩種。Kural和Li等人運用分層式控制結構，分別用實時優(yōu)化方法和考慮最小跟蹤誤差的方法對車輛進行控制[3～4]；Moon和Yi等人對ACC系統(tǒng)的起停、巡航采用線性二次型（Linear Quadratic，LQ）最優(yōu)控制方法建立上位控制器求得期望加速度，并且考慮了延時作用的影響，設計了基于前饋和PI反饋方法相結合的下位控制器[5]；美國加州大學伯克利分校的PATH項目中，采用滑?？刂评碚摻⑸衔豢刂破?，求得期望加速度，并將控制工況分為驅(qū)動控制與制動控制[6]。陳學文等采用直接式結構，運用模糊控制理論，以距離偏差和速度偏差作為輸入量直接求得節(jié)氣門開度和制動踏板行程，實現(xiàn)巡航車輛的控制[7～9]；侯德藻針對分層式控制中存在的嚴重非線性和不確定性，研究了H無窮大、滑模、自適應、LQ等多種控制策略在車輛控制工程中的應用，最終采用最優(yōu)算法建立上位控制器，求得車輛的期望加速度[10]。綜上所述，分層式結構由于結構鮮明，上、下層分工明確，是國內(nèi)外學者研究的主要方向。而在分層式結構的基礎上，如何設計合理的上、下位控制器是研究的重點。縱觀國內(nèi)外對分層式結構的研究，大多采用常規(guī)線性化方法建立分層控制器，而這無法滿足汽車行駛過程中存在的非線性問題。針對上述問題，本文運用模糊控制理論和模型匹配法建立分層式控制器，并利用Simulink實現(xiàn)對各種工況的驗證。

2 汽車智能巡航控制策略

圖1所示為汽車智能巡航系統(tǒng)總體控制流程。根據(jù)選定的控制模式，實時計算距離與速度偏差，將該偏差量輸入到模糊上位控制器中得到期望加速度。由于系統(tǒng)中存在延時性和干擾性，為了使期望加速度快速準確地實現(xiàn)，建立下位控制器完成期望加速度的匹配。將處理后的期望加速度輸入到逆縱向動力學系統(tǒng)模型中，得到期望的節(jié)氣門開度與制動踏板力。由于節(jié)氣門和制動踏板存在延時性，通過建立的節(jié)氣門執(zhí)行器和制動踏板執(zhí)行器，得到實際的節(jié)氣門開度和制動踏板力，獲得巡航車實際速度，從而實現(xiàn)上位控制器輸入量的反饋。

圖1 汽車智能巡航系統(tǒng)總體控制流程

3 汽車巡航系統(tǒng)動力學模型

本文建立的巡航系統(tǒng)動力學模型主要包括縱向動力學系統(tǒng)模型和逆縱向動力學系統(tǒng)模型兩部分。

3.1 縱向動力學系統(tǒng)模型

本文建立的汽車巡航系統(tǒng)縱向動力學系統(tǒng)模型是基于早期的研究工作[7～9]，以搭載1.6 L排量發(fā)動機和帶有液力變矩器的自動變速器的轎車作為研究對象，該模型主要包括發(fā)動機模型、傳動系統(tǒng)模型（包括液力變矩器、自動變速器、驅(qū)動橋（主減速器和差速器））及制動系統(tǒng)模型等幾部分。利用轉矩與轉速的關系連接各總成，得到的縱向動力學系統(tǒng)模型如圖2所示。通過該模型能獲得巡航車的實際車速，將其通過傳感器輸出，可實現(xiàn)巡航系統(tǒng)閉環(huán)反饋控制。

圖2 車輛縱向動力學系統(tǒng)模型

3.2 逆縱向動力學系統(tǒng)模型

汽車逆縱向動力學系統(tǒng)模型[10]的作用是將上位控制器得到的期望加速度轉換為期望的節(jié)氣門開度或期望的制動踏板力，主要包括發(fā)動機力矩控制/制動力矩控制切換模型，逆發(fā)動機和逆制動器模型。

3.2.1 發(fā)動機力矩控制/制動力矩控制切換模型

車輛在行駛過程中車速的變化主要受到發(fā)動機和制動踏板的調(diào)控。圖3為發(fā)動機力矩控制/制動器力矩控制切換邏輯曲線。

圖3 發(fā)動機/制動器切換邏輯曲線

由圖3可知，切換邏輯曲線將車輛在行駛過程中車速的調(diào)控分為發(fā)動機控制與制動器控制兩個區(qū)域。圖3中中間實線為不同車速下節(jié)氣門開度和制動踏板力同時為零時，依靠倒掛、滾動阻力、空氣阻力能夠?qū)崿F(xiàn)的最大減速度amax。當上位控制器求得的期望加速度大于最大減速度amax時，車輛通過發(fā)動機進行控制。當期望加速度小于最大減速度amax時，車輛通過制動器控制。為了在操作過程中提高車輛的平穩(wěn)性，防止節(jié)氣門和制動踏板的切換過于頻繁，模塊設置了緩沖區(qū)域Δh，當期望加速度在緩沖區(qū)域范圍內(nèi)時，車輛節(jié)氣門開度和制動踏板力同時為零，車輛通過外界阻力進行減速。根據(jù)反復試驗，在此取Δh=0.1 m/s2。

3.2.2 逆發(fā)動機模型

經(jīng)過發(fā)動機/制動器控制的切換后，如切換為發(fā)動機力矩控制，需要根據(jù)期望加速度計算期望的節(jié)氣門開度，中間需要計算期望發(fā)動機力矩并建立逆發(fā)動機模型。

實際加速度以acd表示，則車輛運動方程為：

式中，M為汽車的總質(zhì)量；Fd為由于發(fā)動機的驅(qū)動作用產(chǎn)生的路面作用于車輛的驅(qū)動力；Fb為由于制動器的制動作用產(chǎn)生的路面作用于車輛的制動力；Ff(v)為滾動阻力、風阻及發(fā)動機倒拖阻力等其它各種阻力的總和。

不考慮輪胎及傳動系的彈性變形，則驅(qū)動力可表示為：

式中，ηt為車輛傳動系的動力傳遞系數(shù)；Me為發(fā)動機扭矩；τ為扭矩系數(shù)；wt為液力變矩器渦輪轉速；wp為液力變矩器泵輪轉速；Rg為變速器確定的傳動比；io為主減速器傳動比；v為車速；r為車輪滾動半徑。

在車輛運行過程或車輛縱向動力學系統(tǒng)模型仿真過程中，kd是一個可實時觀測的量。期望的發(fā)動機扭矩為：

由期望的發(fā)動機扭矩和發(fā)動機轉速，利用逆發(fā)動機模型可以求得期望的節(jié)氣門開度，逆發(fā)動機模型表示為：

通過發(fā)動機扭矩特性曲線可以得到逆發(fā)動機扭矩特性曲線，如圖4所示。

圖4 逆發(fā)動機扭矩特性

3.2.3 逆制動器模型

經(jīng)過發(fā)動機力矩控制/制動力矩控制的切換后，如切換為制動力矩控制，需根據(jù)期望加速度計算期望的制動壓力，中間需計算期望制動力并建立逆制動器模型。按照制動力和制動踏板力的關系式得到期望制動力計算及逆制動器模型：

式中，Pdes為期望制動踏板力；kb為制動壓力比例系數(shù)。

4 分層式控制器設計

分層式控制器包括上位和下位控制器。上位控制器通過對傳感器和雷達獲得的偏差量信息進行計算處理得到期望加速度；下位控制器對系統(tǒng)中存在的干擾和誤差進行處理，實現(xiàn)這一期望加速度。

4.1 模糊上位控制器設計

4.1.1 輸入與輸出變量模糊化

模糊上位控制器以實際距離與理想距離的差和前方車輛與巡航車輛的速度差作為輸入量，根據(jù)專家經(jīng)驗設計相應的模糊控制規(guī)則，得到合理的期望加速度。

距離偏差與速度偏差兩個輸入變量以及輸出變量期望加速度ades均選擇5個模糊子集來描述，即負大（NL）、負中（NM）、零（ZE）、正中（PM）、正大（PL）。在控制器的設計中，綜合智能跟隨與定速巡航兩種模式下的實際值的控制區(qū)間，將距離偏差的論域選取為-35～35 m，速度偏差的論域選取為-60～60 m/s。同時，為了確保巡航系統(tǒng)的控制精度，將距離與速度兩者的偏差集中在變化范圍的中間區(qū)域，期望加速度ades的論域，兼顧行駛安全性和舒適性的要求，選取為-10～10 m/s2。隸屬度函數(shù)如圖5所示。

圖5 輸入與輸出變量隸屬度函數(shù)

4.1.2 模糊控制規(guī)則

控制器中輸入變量與輸出變量之間的關系用模糊規(guī)則表示，如表1所示。

4.1.3 解模糊化

模糊控制器輸出的是一個模糊子集，而被控對象只識別精確控制量，因此，要將模糊輸出量轉化為精確量。現(xiàn)有的解模糊化方法有最大值法、中心平均值法和重心法，由于重心法計算過程簡便、快速，因此，本文采用重心法解模糊化[7,11]：

式中，μi為模糊規(guī)則庫的輸出值（即輸出變量的模糊值）；μc(ui)為μi在模糊集合c的隸屬度；n為模糊規(guī)則的個數(shù)。

4.2 模型匹配下位控制器設計

下位控制器的功能是控制車輛動力學系統(tǒng)，對系統(tǒng)中存在的干擾和誤差進行處理，有利于車輛實現(xiàn)期望加速度。

下位控制器主要包括前饋補償器，反饋補償器和規(guī)范模型。結合文獻[10]，采用模型匹配結構設計下位控制器，如圖6所示。其中，ades為期望加速度，屬于系統(tǒng)輸入量；ar為以規(guī)范模型傳遞特性實現(xiàn)的期望加速度，稱為參考加速度；e為控制誤差量；acd為控制量，稱為控制加速度；wd為外界干擾量；x?1為系統(tǒng)輸入量，即自車實際加速度。

圖6 模型匹配下位控制器結構

4.2.1 動力學模型傳遞函數(shù)

利用建立的動力學系統(tǒng)模型，采用不同頻率的正弦信號作為系統(tǒng)輸入，獲得輸入與輸出信號的幅值和相位關系，如圖7所示。根據(jù)上述關系進行系統(tǒng)辨識，得到動力學模型的近似傳遞函數(shù)：

圖7 動力學系統(tǒng)頻率響應

4.2.2 前饋補償器模型

前饋補償器的作用是使車輛的動力學系統(tǒng)能夠準確、快速實現(xiàn)期望加速度，且實際加速度相對于期望加速度的誤差保持在允許范圍內(nèi)。在設計前饋補償器模型時，考慮系統(tǒng)響應規(guī)范性，建立一階規(guī)范模型。前饋補償器與動力學模型和規(guī)范模型滿足：

式中，GM（s）=1/（s+1）為規(guī)范模型。

選用一階規(guī)范模型可以有效地降低前饋補償器的階次。

4.2.3 反饋補償器模型

在實際環(huán)境中，反饋控制系統(tǒng)中存在外部干擾和模型誤差，會對系統(tǒng)的準確性和穩(wěn)定性產(chǎn)生影響，因此，本文在確定下位反饋控制系統(tǒng)結構時，考慮了外界干擾和模型誤差的影響，其結構如圖8所示。其中，C為反饋補償器；u為反饋補償器的控制量；P為動力學模型的傳遞函數(shù)；Pr為實際動力學模型；Δm為模型誤差。

圖8 具有外界干擾和模型誤差的下位反饋控制系統(tǒng)結構

本文建立反饋補償器主要目的是消除模型誤差和外部擾動對控制效果的影響，同時避免反饋控制量過大導致實際加速度x?1產(chǎn)生突變，在此結合H∞控制理論[10]，建立反饋補償器傳遞函數(shù)避免上述情況發(fā)生：

將上述設計的規(guī)范模型、前饋補償器及反饋補償器代入圖6所示的模型匹配下位控制系統(tǒng)，得到汽車巡航系統(tǒng)模型匹配下位控制器，如圖9所示。

5 仿真工況及分析

采用某轎車1.6 L發(fā)動機（發(fā)動機扭矩、轉速與節(jié)氣門開度逆向關系見圖4，正向關系詳見文獻[7]、文獻[8]）與自動變速器實車數(shù)據(jù)（4個擋位的傳動比分別為2.71、1.44、1、0.74）[7]，針對低速跟隨復合工況、高低速混合跟隨工況、定速巡航工況等典型工況驗證控制策略的可行性與有效性。

a.低速復合跟隨工況

圖10為低速復合跟隨工況的仿真結果。從圖10可以看出，初始時刻巡航車速大于前方車速，同時實際距離略小于理想距離，通過模糊判斷判定為危險狀態(tài)，所以巡航車開始減速，直到巡航車速與前方車速相同，且實際距離始終保持與理想安全距離一致。隨后，60～65 s期間的自動停車情況及80～85 s間的自動起步情況，巡航車均能夠很好地隨著前車的變化而實現(xiàn)主動跟隨。從節(jié)氣門開度和制動壓力曲線可以看出，當巡航車做加、減速調(diào)整時，節(jié)氣門及制動力曲線是交替變化的。停車時，節(jié)氣門開度為0，而制動力保持，對于自動擋車而言，該控制過程是與實際情況相符合的。

b.低速定速巡航工況

巡航車輛初始速度為25 km/h，此時設定巡航車速為20 km/h，30 s后，巡航車速被設置為30 km/h，25 s后，重新設定為60 km/h。

低速定速巡航工況的仿真結果如圖11所示。從圖11可以看出，在起始時刻，因設定的車速低于巡航車速度，巡航車開始減速并經(jīng)過短暫調(diào)整達到設定的巡航車速20 km/h。隨后，在第25 s和第60 s時，分別設定車速為30 km/h和60 km/h，此時巡航車反復調(diào)整了節(jié)氣門開度和制動力，車速達到設定值并保持穩(wěn)定。仿真結果表明，該策略對于低速行車環(huán)境也能很好地實現(xiàn)定速巡航控制。

c.復雜跟隨模式工況

巡航車輛剛開始速度為80 km/h，此時前方60 m處突然出現(xiàn)一速度為20 km/h的車輛。50 s后前方車輛加速至40 km/h，再經(jīng)兩次加速后前方車輛速度達到120 km/h，隨后前方車輛開始減速，經(jīng)歷了80 km/h、40 km/h乃至停車，停車約50 s后前方車輛重新開始起步并加速至20 km/h。該過程經(jīng)歷了起始時刻兩車存在較大速度差、前方車輛從低速到高速加減速調(diào)整及停車后重新起步等復合變化工況。

圖12為復雜工況跟隨模式的仿真結果。從圖中可以看出，初始時刻，巡航車速遠大于前方車速，且實際距離小于理想距離。巡航車輛處于危險狀態(tài)，因此制動踏板力迅速增大，巡航車實現(xiàn)快速減速，脫離危險狀態(tài)。此后15 s內(nèi)節(jié)氣門和踏板進行切換，直至實現(xiàn)偏差量為零。在隨后的前車做加、減速調(diào)整乃至停車后重新起步等情形，巡航車在確保理論安全距離的前提下，逐步調(diào)整節(jié)氣門及制動力使自車車速跟隨前車速度變化。值得一提的是，在減速停車時，兩車實際安全停車間隔為2 m，這與理論安全距離的設定值是吻合的。仿真結果表明，該策略對于高低速變化的行車環(huán)境及自動停車與起步等復雜工況能很好地實現(xiàn)跟隨調(diào)整。

6 結束語

本文應用分層式汽車智能巡航控制策略，結合發(fā)動機力矩控制與制動力矩控制切換邏輯，實現(xiàn)節(jié)氣門和制動踏板的協(xié)調(diào)控制。采用模糊控制理論和模型匹配法，設計了模糊上位控制器與模型匹配下位控制器，獲得巡航車期望加速度并確保了該值的實際輸出。

利用MATLAB/Simulink，針對定速巡航、低速跟隨復合工況、高低速混合跟隨等典型工況，實現(xiàn)控制策略的仿真驗證。結果表明：提出的巡航控制策略可以有效地實現(xiàn)巡航車對前方車輛的跟隨控制并實時保持安全車距，同時具備自動起步與停車及低速定速巡航等復合功能。

1 Lee M H,Park H G,Lee S H,et al.An Adaptive Cruise Control System for Autonomous Vehicles.International Journal of Precision Engineering and Manufacturing，2013，14（3）：373～380.

2 Shakouri P,Ordys A.Nonlinear model predictive control approach in design ofadaptive cruise controlwith automated switching to cruise control.Control Engineering Practice，2014，26（1）：160～177.

3 Kural E,Güven? B A.Model Predictive Adaptive Cruise Control.IEEE International Conference on Systems Man and Cybernetics，Istanbul，2010.

4 Li S,Li K,Rajamani R,et al.Model Predictive Multi-Objective Vehicular Adaptive Cruise Control.IEEE Transactions on Control Systems Technology，2011，19（3）：556～566.

5 Moon S,Moon I,Yi K.Design,tunig and evaluation of a fullrange adaptive cruise controlsystem with collision avoidance.Control Engineering Practice，2009（17）：442～455.

6 Darbha B S,Rajagopal K R.Intelligent Cruise Control Systems and Traffic Flow Stability.Transportation Research Part C，2015，7（6）：329～352.

7 陳學文，祝東鑫，李萍，等.城市工況汽車智能巡航控制與仿真.制造業(yè)自動化，2014，36（3）：98～101.

8 Chen X W,Zhang J G,Liu Y J.Research on the Intelligent Control and Simulation of Automobile Cruise System based on Fuzzy System.Mathematical Problems in Engineering，2016（5）：1～12.

9 陳學文，劉偉川，祝東鑫.汽車巡航智能跟隨控制與仿真.遼寧工程技術大學學報（自然科學版），2016（4）：417～421.

10 侯德藻.汽車縱向主動避撞的研究：[學位論文].北京：清華大學，2004.

11 Liu Y J,Tong S C.Adaptive fuzzy control for a class of unknown nonlinear dynamical systems.Fuzzy Sets and Systems，2015，263（C）：49～70.

（責任編輯 斛 畔）

修改稿收到日期為2017年7月6日。

Control Strategy and Simulation of Automobile Intelligent Cruise System Based on Fuzzy Theory

Zhang Jinguo,Chen Xuewen
（Liaoning University of Technology,Jinzhou 121001）

Based on the fuzzy control and model match theory,a hierarchical automobile intelligent cruise control strategy was applied in this paper,to realize coordinated control of throttle and brake pedal.The difference between actual distance and ideal distance of the upper fuzzy controller and the difference between the front vehicle speed and cruising vehicle speed were used as input,and combined with the fuzzy rule of design,the expected acceleration of the cruising vehicle was obtained.Considering the influence of vehicle system disturbance and time-delay,a lower model match controller was constructed to assure the actual output of expected acceleration of the cruising vehicle.The control function was verified using MATLAB/Simulink.The results show that the control strategy can effectively realize intelligent tracking and constant speed cruise function,and improve driving safety.

Intelligent cruise,Hierarchical control strategy,Fuzzy control,Model match,Simulation

智能巡航 分層控制策略 模糊控制 模型匹配 仿真

U491.6；U463.2 文獻標識碼：A 文章編號：1000-3703（2017）08-0026-06

遼寧省科技廳項目（201602368）。