重型車輛自適應巡航系統(tǒng)預測控制算法開發(fā)

黃茂 付伯軒

摘 要：自適應巡航（Adaptive Cruise Control，簡稱“ACC”）系統(tǒng)是一種可以有效減輕駕駛員疲勞，提高行車安全性，改善道路通行效率，提高車輛燃油經(jīng)濟性的高級駕駛員輔助系統(tǒng)。在重型車輛領域，該方面研究較少，隨著國內(nèi)陸運交通及物流行業(yè)的飛速發(fā)展，ACC系統(tǒng)擁有廣闊的應用前景。文章以陜汽SX1318高原運輸車為目標車型，設計了基于模型預測控制（Model Predictive Control，簡稱“MPC”）的ACC系統(tǒng)控制算法，依據(jù)目標車型的性能參數(shù)，以提高駕乘舒適性為主要目標，制定了相應的控制策略。以Simulink和車輛動力學仿真軟件TruckSim為平臺，建立了目標車型整車縱向動力學聯(lián)合仿真模型，用來研究在不同巡航工況下對前方目標車輛的跟隨能力及本車的行駛舒適性。仿真和實車試驗測試結果表明，文章所設計的ACC系統(tǒng)算法，在保持預期的安全距離情況下，能有效滿足性能指標要求。

關鍵詞：自適應巡航；模型預測控制；聯(lián)合仿真

中圖分類號：U467 文獻標識碼：B 文章編號：1671-7988（2018）17-64-06

Abstract： Adaptive Cruise Control（ACC）system is an advanced driver assistant system which can effectively reduce driver fatigue， improve driving safety， improve road traffic efficiency and improve vehicle fuel economy.In the field of heavy vehicles， there is less research in this area. However， with the rapid development of land transportation and logistics industry in China， ACC system has a broad application prospect.In this paper， a model predictive control （MPC） based ACC control algorithm is designed for the SX1318 plateau transport vehicle of Shaanqi brand. According to the performance parameters of the target vehicle， the main goal is to improve the ride comfort. The corresponding control strategy is worked out. On the platform of Simulink and TruckSim， the longitudinal dynamic simulation model of the target vehicle is established， which is used to study the following ability of the vehicle in front of the vehicle and the driving comfort of the vehicle under different cruising conditions.The simulation and test results show that the ACC system algorithm designed in this paper can meet the performance requirements effectively under the condition of keeping the expected safe distance.

Keywords： Adaptive Cruise Control； model predictive control； joint simulation

CLC NO.： U467 Document Code： B Article ID： 1671-7988（2018）17-64-06

前言

自適應巡航（ACC）控制系統(tǒng)是一種在定速巡航控制技術的基礎上發(fā)展而來的高級輔助駕駛系統(tǒng)，可以有效緩解駕駛員長途駕駛的疲勞，減少因駕駛員疲勞而導致的交通事故。在車輛行駛過程中，安裝在車輛前部的車距傳感器（雷達）持續(xù)掃描車輛前方道路，計算本車與前車的相對距離和速度，控制單元根據(jù)雷達信息，通過控制發(fā)動機、制動系統(tǒng)協(xié)調(diào)動作，使車輛自動加減速并與前方車輛始終保持相對穩(wěn)定的安全距離。

ACC系統(tǒng)近幾年在中高級乘用車型上搭載率逐步提高，在重型車輛上的應用仍然較少。在高速公路等較為簡單的環(huán)境道路工況下，ACC系統(tǒng)的優(yōu)勢更加明顯。在物流行業(yè)高速發(fā)展、智能駕駛研究火熱的背景下，重型車輛采用ACC技術是必然趨勢。本文以陜汽軍選民用改進型高原運輸車SX1318為目標車型，設計了基于MPC的重型車輛ACC控制算法。通過TruckSim和Simulink聯(lián)合仿真平臺建立車輛的縱向動力學模型和系統(tǒng)控制模型，對多工況下的系統(tǒng)工作情況進行仿真分析。

1 聯(lián)合仿真系統(tǒng)建模

1.1 概述

1.1.1 上層算法選擇

現(xiàn)有的許多ACC系統(tǒng)采用PID調(diào)節(jié)作為控制算法。PID算法優(yōu)點突出：原理簡單，使用方便，適應性強，它無需依賴系統(tǒng)的數(shù)學模型，只需明確輸入輸出變量即可獲得理想的控制結果。PID算法有一套完整的參數(shù)整定與設計方法，易于在車輛調(diào)試過程中進行標定，當對控制精度要求不高時，性價比優(yōu)勢明顯。然而，隨著人們對ACC控制效果要求的提高，我們不僅需要關注系統(tǒng)輸入和輸出，也需要對控制中間過程的加速度等變量進行優(yōu)化，對重型車輛更是如此，否則調(diào)節(jié)過程中的縱向狀態(tài)參數(shù)波動會嚴重影響舒適性。但PID算法不具備這種對多變量輸入系統(tǒng)的優(yōu)化能力，因此需要考慮一種新的算法。

模型預測控制是20世紀70年代提出的一種新型計算機算法。它的基本原理為：在系統(tǒng)采樣的每一個時刻利用過程模型預測系統(tǒng)在一定的控制作用下未來的動態(tài)行為，在此基礎上根據(jù)給定的約束條件和性能要求滾動地求解最優(yōu)控制作用序列，并實施當前控制，在滾動的每一步通過檢測實時信息修正對未來動態(tài)行為的預測。它具有多目標優(yōu)化能力、魯棒性強、運算成本低、可求解帶約束系統(tǒng)問題等特點。

ACC控制過程中，車輛精確的運動學控制模型易于建立，且各系統(tǒng)各狀態(tài)變量可以通過環(huán)境傳感器等信號采集裝置實時獲取，結合相關國家標準和車輛性能能夠得到量化的系統(tǒng)約束，十分符合MPC的建模要求。因此，本文中的ACC系統(tǒng)上層控制算法以模型預測控制策略為框架進行設計。

1.1.2 性能指標要求

在“GBT 20608-2006《智能運輸系統(tǒng) 自適應巡航控制系統(tǒng) 性能要求與檢測方法》”中，對于ACC系統(tǒng)工作時車輛應達到的性能指標進行了明確的說明。對于某些關鍵性能指標羅列如下：

1）穩(wěn)定跟隨時的車間時距：

2）最低設定車速：

3）系統(tǒng)自動加速度：

4）平均減速度： （以2秒的采樣長度求平均值）

考慮到標準中給出的參考值并未區(qū)分車型，而重型車輛的加速性能顯著弱于小型車輛，在某些工況中即便全開節(jié)氣門加速也可能無法滿足跟車要求；此外，重型車輛由于車貨質(zhì)量大，制動片熱衰退效應明顯，加之需要關注所運貨物的安全性，因此在下文所設計的算法中，對相關參數(shù)做出了進一步優(yōu)化設計。

1.1.3 控制策略結構

本系統(tǒng)主要采取分層控制結構，如圖1為系統(tǒng)控制策略的信號流動方式。

上層控制算法根據(jù)當前的行駛環(huán)境決定期望縱向加速度，使ACC系統(tǒng)按照期望的安全車間距行駛；下層控制算法依據(jù)上層輸出的期望加速度，通過控制發(fā)動機扭矩輸出和電子制動系統(tǒng)（EBS）執(zhí)行器，使車輛最終表現(xiàn)出的實際加速度和上層計算出的期望加速度值保持一致。通過查閱有關國內(nèi)外對ACC系統(tǒng)分層控制研究的現(xiàn)狀，可以發(fā)現(xiàn)現(xiàn)有的控制算法更多的考慮到跟的是系統(tǒng)安全性和跟車性，而對駕乘舒適性和燃油經(jīng)濟性考慮不足。而上層控制算法扮演的是“駕駛員”的角色，舒適性是否滿足駕駛員的使用需求，必然影響到ACC系統(tǒng)的被認可程度，從而直接決定了ACC系統(tǒng)的使用率。

為滿足ACC上層控制的這種多目標優(yōu)化的需求，本文所述系統(tǒng)基于模型預測控制（MPC）的框架重點對車間縱向運動學模型、車輛動力學模型、間距策略和上層控制策略進行設計。

1.2 間距策略

ACC的間距策略決定了行駛過程中采取的安全跟車間距，為后續(xù)的上層控制算法提供參考車間距輸入值。過小的間距策略容易引起交通事故，而過大的間距策略不僅會損失道路的通行能力，也會導致臨近車輛的變道插入，降低舒適性。

間距策略可分為兩類：固定間距策略和可變間距策略。固定間距策略結構簡單計算量少，但在復雜的行駛環(huán)境中，無法平衡多個控制目的，在缺少V2V系統(tǒng)的情況下，ACC編隊行駛的隊列不穩(wěn)定；可變間距策略又可以分為恒定車頭時距策略和可變車頭時距策略。本系統(tǒng)采用的可變車頭時距VTH策略如下：

1.3 車間相互縱向運動學模型

車間運動學模型的建立基于基本運動學公式，要求能夠真實可靠的描述前車和本車之間的縱向動態(tài)運動規(guī)律，這也是之后建立MPC中預測模型的基礎。本文中將車間距、相對速度、本車速度、本車加速度、本車加速度變化率作為狀態(tài)變量，將前車的加速度作為輸入擾動變量進行建模。

在某個采樣時刻，實時車距△x（k）、本車車速△v（k）、相對車速vrel（k）可以由傳感器直接得到。其余變量可以由以下各公式表出：

1.4 上層控制算法

1.4.1 優(yōu)化性能指標

本文ACC系統(tǒng)的控制目的為：在安全平穩(wěn)跟車行駛的同時滿足駕乘舒適性。具體描述為：前車平穩(wěn)行駛時，兩車實際車間距趨近于間距策略給出的期望車間距，且兩車相對靜止；加速度和加速度的變化率盡量小。即：

1.4.2 動態(tài)預測

在上一節(jié)得到的車輛相互縱向運動學狀態(tài)方程中，選取的狀態(tài)向量都為實時可測，所以該狀態(tài)方程可以直接作為預測模型使用。但由于前車的加速度擾動值無法準確預測，故k+1時刻的實際狀態(tài)值和k時刻對此時的預測值存在偏差，需引入反饋校正進行修正。

依據(jù)式（7）與式（10）對系統(tǒng)做如下預測：

考慮到車輛行駛過程中的安全性和舒適性以及車輛性能，需要對各項指標進行約束：

在每一個采樣時刻，將所求得的控制序列U中的第一個值施加于控制系統(tǒng)，在之后的每一個采樣時刻重復該操作，即完成了控制系統(tǒng)的在線滾動優(yōu)化過程。

1.5 整車動力學建模

采用TruckSim車輛動力學仿真軟件進行車輛動力學模型的建立。TruckSim的建模方式基于車輛的物理參數(shù)而非幾何結構，該軟件內(nèi)置若干傳感器模型，允許自定義參數(shù)和傳感器安裝位置，可以建立多種道路、交通場景等仿真環(huán)境，預留多種和其他仿真軟件的數(shù)據(jù)交互接口。

建模時，對目標車型的動力傳動系、懸架和其他重要物理參數(shù)按相應參數(shù)進行設置；前車采用車型為軟件內(nèi)置的奔馳B級轎車模型，其模型參數(shù)采取默認值，僅改變前車車速、制動時刻、初始位置等試驗條件的設置；道路選用長直路，路面附著系數(shù)設置為0.8；傳感器按目標車型相應參數(shù)設置。

SX1318采用電噴發(fā)動機、AT自動變速箱、6通道EBS，具備ACC進行線控的基礎，其主要參數(shù)如下表所示：

1.6 聯(lián)合仿真建模

在TruckSim中車輛仿真界面定義輸入端口，包括發(fā)動機輸入扭矩、制動氣壓需求，輸出端口包括車輛位置信息、傳感器輸出參數(shù)、主車車速和加速度。在初狀態(tài)界面設置主車和障礙車的初速度和初位置。完成上述設定后，調(diào)整仿真步長為0.1s，選擇合適的道路，通過外部接口將車輛模型發(fā)送至指定路徑路徑下的Simulink仿真文件中。TruckSim模塊即以S函數(shù)的形式增加到了Simulink的模塊庫中。通過調(diào)用該S函數(shù)并加入控制器模塊，即完成了聯(lián)合仿真環(huán)境的搭建。完成仿真后，可以在TruckSim中回放仿真結果動畫，觀測重要參數(shù)的輸出圖形。

2 仿真結果分析

為驗證設計的ACC上層控制算法的可行性，選取前車減速和跟隨前車加速的兩個場景進行仿真實驗。通過分析車速變化、車間距調(diào)整情況來評價系統(tǒng)跟車性能，通過分析加速度和j值評價系統(tǒng)的舒適性。

ACC系統(tǒng)的上層控制策略的控制參數(shù)選取如下：

采樣時間T=0.2s，下層控制時間常數(shù)τ=0.5s，預留安全車間距d0=8m，預測時域和控制時域分別為p=12，m=5，權系數(shù)全部取1，vmin=7m/s，vmax=30m/s，amin=umin=-2m/s2，amax=umax =1.5m/s2，jmin=-2m/s3，jmax=2m/s3。

2.1 前車減速場景

兩車距離40m時，前車從40km/h減速到20km/h，主車狀態(tài)響應如下所示：

通過各狀態(tài)響應可以看出，前車減速時，本車可以迅速減速，相對速度維持在約2km/h，實際車間距略大于期望車間距以保證行駛安全，全程減速度不超過-0.5m/s2，|j|值不超過0.3m/s3。跟車性、安全性和舒適性指標達到性能要求。

2.2 跟隨加速場景

兩車相距38m時，主車從40km/h加速到50km/h，主車狀態(tài)響應如下所示：

通過各狀態(tài)響應可以看出，前車加速時，本車可以隨之加速，相對速度維持在約2km/h，實際車間距略大于期望車間距以保證行駛安全，加速結束的平穩(wěn)行駛階段，兩車近似保持相對靜止，實際車間距和期望車間距基本相等。全程加速度不超過0.5m/s2，|j|值不超過1m/s3。跟車性、安全性和舒適性指標達到性能要求。

3 硬件在環(huán)測試及實車標定

3.1 硬件在環(huán)（HIL）測試

上文中利用聯(lián)合仿真模型在計算機環(huán)境中對ACC系統(tǒng)進行了虛擬仿真，但這種仿真模式會忽略掉系統(tǒng)硬件性能對系統(tǒng)響應的影響，而芯片運算速率、各個模塊之間的通訊速率、通訊效率和控制延遲等會對系統(tǒng)的控制效果產(chǎn)生巨大的影響。所以有必要進行控制器的硬件在環(huán)測試。下圖為硬件在環(huán)測試的通訊結構圖：

將Simulink中寫好的控制算法通過快速代碼生成技術生成可燒寫在所選控制模塊的快速原型代碼，將代碼下載到控制器中。將儀表、控制器、一臺用來運行CANAPE觀測標定軟件的PC和一臺用來運行車輛模型的PC用帶有串口轉接功能的CAN線搭建起通訊系統(tǒng)，利用Simulink中的CAN通訊模塊進行通訊，ACC組合開關模擬駕駛員的操作，運行仿真。

3.2 實車標定

以SX1318試制樣車作為標定樣車，將快速原型控制器接入車輛動力總線，對本文所設計的ACC系統(tǒng)進行標定試驗。

該ACC標定系統(tǒng)主要由四個模塊組成。分別為信號采集模塊、信號分析控制模塊、執(zhí)行模塊和人機交互模塊，各模塊之間通過CAN總線通訊，通訊協(xié)議遵循汽車J1939協(xié)議。系統(tǒng)工作時，信號采集模塊將車速、障礙物距離等信息進行收集并傳遞；信號分析控制模塊將各種車輛及外部環(huán)境信息進行處理，將計算出的控制指令發(fā)送給執(zhí)行模塊；執(zhí)行模塊做出加速、制動等動作；人機交互模塊可以使駕駛員實時了解系統(tǒng)工作狀況并做出干預和控制。

試驗時，前車以45km/h的時速平穩(wěn)行駛，本車開啟ACC系統(tǒng)進行跟車。用CANAPE軟件對車輛CAN線通訊進行實時監(jiān)測，并標定關鍵參數(shù)，記錄試驗數(shù)據(jù)并選取前車車速、本車車速、相對速度、車距四個狀態(tài)量進行回放。下圖為30s時間內(nèi)各狀態(tài)的變化情況。

其中，a、b、c、d曲線分別為前車車速、本車車速、兩車間距和相對速度。圖中可以看出，前車以45km/h行駛時，兩車相對速度不超過3km/h，車距維持在28m左右，本車可以平穩(wěn)跟隨。由于車輛實際工作過程中，會受到各種復雜因素的干擾，例如風阻、路面、胎壓、傳感器噪聲等，預測模型會存在一定的失配情況，加上下層控制系統(tǒng)的響應延遲，實車測試結果必然與虛擬仿真控制結果有一定差距。但誤差情況可接受，滿足ACC系統(tǒng)性能指標。

4 結論

本文建立了以MPC為框架的ACC系統(tǒng)上層控制算法模型，并通過Simulink和Trucksim對不同工況下的控制效果進行聯(lián)合仿真實驗。仿真結果表明，該MPC算法在保證安全性和跟車性的基礎上，有效地改善了乘坐舒適性，兼顧了行駛中的多個控制目的，有利于改善駕駛員對車輛ACC系統(tǒng)的滿意程度和接受程度，提高ACC系統(tǒng)的使用率。在實車標定試驗中，該ACC算法的控制效果可以滿足性能要求，達到了在重型車輛上使用的預期目標。

參考文獻

[1] 席裕庚.預測控制[M].北京：國防工業(yè)出版社，2013.12.

[2] 羅莉華.車輛自適應巡航系統(tǒng)的控制策略研究[M].上海：上海交通大學出版社，2013.33-46.

[3] 陳慧巖，熊光明，龔建偉等.無人駕駛汽車概論[M].北京：北京理工大學出版社，2013.33-46.

[4] Fancher P，Ervin R，Sayer J.Intelligent cruise control field operation test（final report）[R].Transportation Research Institute，University of Michigan，1998.

[5] Adbullah R，Hussain A，Warwick K，et al.Autonomous intelligent Cruise control using a novel multiple-cotroller Framework incorpor -ating fuzzylogic-based switching and tuning [J].Neurocomputing， 2008，71（13）：2727-2741.

[6] 吳利軍，劉昭度，何瑋.汽車ACC跟隨控制策略的研究[J].汽車工程，2012.