基于多目標(biāo)優(yōu)化的智能車輛自適應(yīng)巡航控制研究

陳文斌

摘要：為了提高車輛的自適應(yīng)巡航控制效果，提出了一種基于多目標(biāo)優(yōu)化的自適應(yīng)巡航控制算法。首先，通過視覺傳感器和雷達(dá)能夠準(zhǔn)確檢測到前方車輛從而得到兩車之間的相對距離和相對速度信息;其次，建立模型預(yù)測控制器，從而實(shí)現(xiàn)跟蹤控制的多目標(biāo)優(yōu)化效果。仿真結(jié)果表明：車輛自適應(yīng)巡航控制時(shí)，其跟蹤性能、乘坐舒適性和安全性都有較好的效果。

Abstract： In order to improve the effect of adaptive cruise control， an adaptive cruise control algorithm based on multi-objective optimization was proposed. First through the vision sensor and radar can accurately detect the vehicle in front so as to get the relative distance and relative speed information between two vehicles; Secondly， a model predictive controller is established to achieve the multi-objective optimization effect of tracking control. The simulation results show that the tracking performance， ride comfort and safety of the adaptive cruise control have better results.

關(guān)鍵詞：智能車輛;自適應(yīng)巡航控制;多目標(biāo)優(yōu)化

Key words： intelligent vehicle;adaptive cruise control;multi-objective optimization

中圖分類號(hào)：U469.7? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-957X（2021）23-0239-02

0? 引言

自適應(yīng)巡航系統(tǒng)（Adaptive Cruise Control，ACC）使車輛按照駕駛員設(shè)定的速度和距離行駛，具有輔助駕駛的功能[1]。目前，國內(nèi)外學(xué)者對ACC的研究較為廣泛，文獻(xiàn)[2]為了提升車輛在跟馳過程中的跟蹤精度，利用粒子群優(yōu)化算法對最優(yōu)控制律進(jìn)行優(yōu)化，從而提高了車輛的跟蹤性能和自適應(yīng)性。本文提出了一種基于多目標(biāo)優(yōu)化的彎道下車輛自適應(yīng)巡航多目標(biāo)優(yōu)化控制研究，可以有效的改善跟蹤精確性、安全性、舒適性。

1? 智能車輛運(yùn)動(dòng)學(xué)建模

ACC在保證車輛速度跟隨的同時(shí)還能根據(jù)車速的變化自適應(yīng)的保持與前車的安全距離。本文根據(jù)車輛之間的運(yùn)動(dòng)關(guān)系建立了車間運(yùn)動(dòng)學(xué)模型。將車輛之間的期望距離表示為[3]：■（1）

式中，ddes為車輛間的期望距離;ve為自車的速度;te為自車的安全時(shí)間;d0為自車與前車的固定距離。

自車的實(shí)際加速度ae與期望加速度ades的關(guān)系可表示為：■（2）

式中，K為增益;T為時(shí)間常數(shù)。

車輛之間的運(yùn)動(dòng)學(xué)關(guān)系如圖1所示，由式（1）和式（2）可以得到車間的距離誤差和誤差為：■（3）

式中，ve為自車速度;vf為前車速度;d為自車與前車的實(shí)時(shí)距離。

當(dāng)?shù)玫缴鲜鲫P(guān)系時(shí)，可建立狀態(tài)空間方程如下：

■（4）

式中，狀態(tài)變量■;控制變量■;將前車加速度作為系統(tǒng)干擾f=af;系統(tǒng)輸出y=x。

上述模型中，對于目標(biāo)車輛的相對距離和相對速度可以通過雷達(dá)和攝像頭獲取。

2? 基于雷達(dá)和視覺信息的車輛檢測

2.1 基于毫米波雷達(dá)前方車輛檢測

它主要是通過對目標(biāo)物發(fā)送電磁波并接收回波來獲得目標(biāo)物體的距離、速度和角度?？梢杂脕磉M(jìn)行測距、測速、測角度、目標(biāo)有無的檢測[4]。雷達(dá)檢測的目標(biāo)包括車道上的車輛以及道路邊界。通過雷達(dá)能夠有效識(shí)別目標(biāo)自車與目標(biāo)車輛的相對距離和相對速度，通過上述目標(biāo)檢測即可確定檢測范圍內(nèi)的有效目標(biāo)，從而進(jìn)行相應(yīng)的自適應(yīng)巡航控制。

2.2 基于視覺的前方車輛檢測

其檢測的步驟有三步：首先，選取相應(yīng)一定數(shù)量的樣本并進(jìn)行灰度化和歸一化處理;其次，對樣本進(jìn)行Haar-like矩形特征操作;最后將Adaboost算法與Haar-like矩形特征相結(jié)合形成分類器即檢測車輛。在文中通過視覺傳感器可以檢測車道并提供車道相對于本車輛的橫向位置的估計(jì)，以及相對于本車輛車道場景中的其他車輛的切入狀況，從而能夠準(zhǔn)確切換跟車目標(biāo)，達(dá)到最優(yōu)的自適應(yīng)巡航控制。

3? 基于多目標(biāo)優(yōu)化的模型預(yù)測控制器設(shè)計(jì)

3.1 預(yù)測模型

車輛在跟車的過程中要考慮其安全性、舒適性、精確性等指標(biāo)。由式（4）對其進(jìn)行離散化得到：

■（5）

式中，■;■;■;■;T為采樣步長。

由模型預(yù)測控制理論可以推導(dǎo)出預(yù)測步長p內(nèi)的預(yù)測輸出為：

■（6）

式中，H1、H2、H3、I可由式（5）推得。

3.2 多目標(biāo)約束分析

3.2.1 安全性

在預(yù)測時(shí)域中需要跟車距離d（k+p）和跟車速度ve（k+p）滿足如下約束：

■（7）

式中，dmin為安全距離;vmax為跟車速度。

3.2.2 精確性

在跟車過程中應(yīng)盡量使其距離誤差和速度誤差趨近零從而達(dá)到跟蹤的效果，其目標(biāo)函數(shù)可表示為：

■（8）

式中，■、■分別為預(yù)測時(shí)域內(nèi)的跟蹤距離誤差和速度誤差。

3.2.3 舒適性

選取自車在預(yù)測時(shí)域內(nèi)的縱向加速度為舒適性指標(biāo)，同時(shí)又要滿足上述指標(biāo)的要求，其目標(biāo)函數(shù)可表示為：

■■■

■（9）

由上述指標(biāo)可以得到車輛在跟車過程中的總的代價(jià)函數(shù)為：

■（10）

4? 仿真分析

4.1 旁車插入工況

本文設(shè)置在11s時(shí)自車前方插入車輛。仿真結(jié)果顯示，在圖2（a）中11s時(shí)，兩車之間的相對距離急劇下降，但此時(shí)仍處于較大的安全距離范圍之內(nèi)，此時(shí)自車的速度加速度如圖2（b）都未做出調(diào)整，隨著安全距離的下降，此時(shí)速度和加速度都在做出相應(yīng)的改變使其保持在安全的跟車范圍。同理，20s時(shí)前車駛離本車道，速度和加速度又恢復(fù)初始水平。

4.2 前車階躍加減速工況

圖3中前車的初始速度為30km/h，圖3（b）采用階躍加減速后，得到圖3（b）中，自車的加速度能夠快速的跟蹤上前車的加速度且較為平緩，提高乘坐舒適性;自車隨加速度的變化能夠很好的對速度進(jìn)行跟隨且誤差較小具有較好的跟蹤性能;圖3（a）中，隨著加速度的變化自車很快就能夠達(dá)到期望的跟車時(shí)距，具有較好的安全性能。

5? 結(jié)論

建立了預(yù)測時(shí)域內(nèi)ACC的跟蹤性、安全性、舒適性等多目標(biāo)量化指標(biāo)，保證了模型預(yù)測控制算法的穩(wěn)定性和可行性。仿真結(jié)果表明，在兩種工況下車輛的自適應(yīng)巡航控制都有著較好的多目標(biāo)性能。

參考文獻(xiàn)：

[1]秦嚴(yán)嚴(yán)，王昊，王煒，NI Dai-heng.自適應(yīng)巡航控制車輛跟馳模型綜述[J].交通運(yùn)輸工程學(xué)報(bào)，2017，17（03）：121-130.

[2]周稼銘，張亮修，衣豐艷，彭劍坤.基于粒子群尋優(yōu)的汽車自適應(yīng)巡航預(yù)測控制[J].北京理工大學(xué)學(xué)報(bào)，2021，41（02）：214-220.

[3]吳光強(qiáng)，郭曉曉，張亮修.汽車自適應(yīng)巡航跟車多目標(biāo)魯棒控制算法設(shè)計(jì)[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2016，48（01）：80-86.

[4]張炳力，詹葉輝，潘大巍，程進(jìn)，等.基于毫米波雷達(dá)和機(jī)器視覺融合的車輛檢測[J].汽車工程，2021，43（04）：478-484.