熊璐,付志強(qiáng),柏滿飛,章仁燮

(1.同濟(jì)大學(xué)汽車學(xué)院,201804,上海;2.同濟(jì)大學(xué)中德學(xué)院,201804,上海)

智能車運(yùn)動(dòng)控制包含橫向控制和縱向控制,其中縱向控制是通過控制油門和制動(dòng)來達(dá)到上層系統(tǒng)規(guī)劃出的期望車速和期望加速度[1]。由于車輛模型參數(shù)具有不確定性及非線性的特點(diǎn),提高車輛縱向控制方法的魯棒性具有重要研究價(jià)值。

縱向控制方法主要有比例積分微分(proportion integral derivative,PID)控制、基于車輛模型的閉環(huán)反饋控制和自適應(yīng)控制等方法。趙盼提出了利用專家規(guī)則的PID車速控制方法,建立了油門和剎車的協(xié)調(diào)切換邏輯,根據(jù)專家規(guī)則來調(diào)整PID參數(shù)[2]。Zhou提出了一種增量式PD模糊邏輯控制器,利用車速跟蹤誤差和誤差的變化率作為輸入進(jìn)行調(diào)節(jié),有效地降低了車速穩(wěn)態(tài)誤差[3]。陳剛等提出了一種模糊自適應(yīng)PID控制方法,利用模糊控制方法實(shí)現(xiàn)參數(shù)自適應(yīng)整定[4]。但是針對車輛縱向控制的非線性特點(diǎn),這些PID控制方法需要調(diào)節(jié)很多參數(shù),并且忽略了外界環(huán)境不確定性可能會引起系統(tǒng)的不穩(wěn)定。還有一部分方法是利用車輛動(dòng)力學(xué)模型進(jìn)行反向求解來控制輸入。Shakouri等使用了線性化的車輛模型來設(shè)計(jì)增益調(diào)度的線性二次方程,將其分別作用于油門和制動(dòng)[5]。Attia等提出了基于動(dòng)力傳動(dòng)系統(tǒng)動(dòng)力學(xué)模型的車速控制方法,分別控制油門和制動(dòng)輸入,并分析了系統(tǒng)的穩(wěn)定性,但是沒有考慮加速度需求[6]。Zhu等提出了基于模糊控制的加速度控制方法,基于建立的車輛模型分別設(shè)計(jì)了油門和制動(dòng)模糊控制器,仿真結(jié)果表明控制效果優(yōu)于傳統(tǒng)PID控制[7]。為了考慮車輛參數(shù)的不確定性和外部干擾,文獻(xiàn)[8-9]提出了基于時(shí)變參數(shù)的自適應(yīng)加速度控制器,通過改進(jìn)后線性化的車輛模型設(shè)計(jì)自適應(yīng)控制律,該方法不需要復(fù)雜的車輛模型及參數(shù),即可達(dá)到很好的跟蹤效果。

綜上所述,大部分文獻(xiàn)都忽略了道路阻力變化對縱向控制的影響,而且都是單一的車速控制或者加速度控制,沒有同時(shí)考慮到車速控制過程中的加速度需求。因此,本文考慮了道路阻力的變化,針對時(shí)變參數(shù)采用自適應(yīng)遺忘因子遞歸最小二乘法(forgetting-factor recursive least square method,FFRLS)對道路阻力進(jìn)行估計(jì),并且基于條件積分方法分別設(shè)計(jì)車速控制律和加速度律,通過一階系統(tǒng)積分的自動(dòng)調(diào)節(jié)保證了車速控制和加速度控制的協(xié)調(diào)切換,使得縱向控制在大誤差下幾乎沒有超調(diào)。通過仿真和實(shí)車試驗(yàn)驗(yàn)證了本文自適應(yīng)控制方法的有效性,并且驗(yàn)證了在坡度路面上,本文方法的跟蹤效果優(yōu)于未加入道路阻力估計(jì)器的跟蹤效果。

1 車輛縱向動(dòng)力學(xué)模型

根據(jù)車輛縱向運(yùn)動(dòng)過程中的受力狀態(tài),在不考慮縱向和側(cè)向耦合的情況下,忽略轉(zhuǎn)向在縱向的分力,假設(shè)車輛行駛在坡度角為α的道路上,車輛縱向受力可以簡化為如圖1所示的單輪模型。

Ft:行駛驅(qū)動(dòng)力;Fw:空氣阻力;Ff:滾動(dòng)阻力;vx:縱向車速;Tj:驅(qū)動(dòng)輪力矩圖1 單輪車輛模型

車輛的整體縱向運(yùn)動(dòng)方程為

Ft=Fw+Fψ+Fj

(1)

式中:Fj為加速阻力;Fψ為道路阻力,Fψ=Ff+Fi,Fi為坡度阻力。

對于前驅(qū)車輛,將縱向受力代入式(1)可得

(2)

2 考慮加速度的車速自適應(yīng)控制方法

基于車輛縱向動(dòng)力學(xué)模型,采用FFRLS對道路阻力進(jìn)行估計(jì),將縱向動(dòng)力學(xué)模型中的非線性項(xiàng)通過前饋進(jìn)行抵消,并分別建立基于條件積分方法的車速和加速度控制律,設(shè)計(jì)過渡控制律將其耦合,建立切換策略保證車速能夠快速跟蹤并且在此過程中不會出現(xiàn)超調(diào)。

2.1 道路阻力估計(jì)

汽車行駛過程中,驅(qū)動(dòng)力用來克服空氣阻力、加速阻力、道路阻力,其中空氣阻力可以通過查閱相關(guān)參數(shù)計(jì)算得到,加速阻力可以利用慣導(dǎo)得到的加速度計(jì)算得到,但是道路阻力與道路條件有關(guān),無法直接獲得。道路阻力包括滾動(dòng)阻力和坡度阻力,占行駛阻力的一大部分,是影響車輛縱向動(dòng)力控制的重要參數(shù),因此需要設(shè)計(jì)估計(jì)器進(jìn)行估計(jì)。

對于漸變參數(shù)的估計(jì),傳統(tǒng)的FFRLS采用定值遺忘因子能使估計(jì)值較快地收斂,但是對于突變的參數(shù)的估計(jì),傳統(tǒng)的FFRLS由于遺忘因子取為大于0.9的定值,歷史數(shù)據(jù)的權(quán)重很大,導(dǎo)致估計(jì)值不能快速地收斂。因此,本文采用自適應(yīng)FFRLS,通過定義遺忘因子的自適應(yīng)法則來優(yōu)化估計(jì)方法的性能[10]。

(3)

式中:L(k)為遞推增益;P(k)為協(xié)方差;λ為遺忘因子,取值區(qū)間為(0,1]。遺忘因子的大小關(guān)系著辨識精度和收斂速度,取值必須綜合考慮。

設(shè)遺忘因子的初值為λ0,根據(jù)觀測向量縱向力的預(yù)測誤差來確定遺忘因子的取值。觀測向量縱向力的預(yù)測誤差和預(yù)測誤差的方差分別為

(4)

當(dāng)預(yù)測誤差的方差超過事先設(shè)定的閾值時(shí),需要立刻減少遺忘因子至λ′,之后隨著樣本數(shù)據(jù)的增加再慢慢增大遺忘因子,降低估計(jì)值對噪聲的敏感性。實(shí)際的遺忘因子計(jì)算公式為

(5)

2.2 車速跟蹤控制方法

車速控制律基于條件積分方法,能夠防止由于執(zhí)行器約束而長時(shí)間無法鎮(zhèn)定系統(tǒng)、因而導(dǎo)致積分運(yùn)算發(fā)散從而使控制方法失效的現(xiàn)象[11],并且能夠保證設(shè)計(jì)的運(yùn)動(dòng)學(xué)控制器控制律有界。不考慮輪胎出現(xiàn)滑移,對于前輪驅(qū)動(dòng)的車輛,設(shè)控制律為uT∈[-Tmax,Tmax],式中:uT為前輪驅(qū)動(dòng)力矩;Tmax為最大驅(qū)動(dòng)力矩取值,需要綜合考慮電機(jī)的驅(qū)動(dòng)性能和地面附著系數(shù)。Tmax的計(jì)算公式為

(6)

式中:Pn為電機(jī)額定功率;it為電機(jī)到車輪的傳動(dòng)比;nn為電機(jī)額定轉(zhuǎn)速;μ為路面附著系數(shù);Fz為前軸垂向載荷。

不考慮輪胎滑移,將式(1)和(2)轉(zhuǎn)換為

(7)

將式(7)轉(zhuǎn)換為鎮(zhèn)定系統(tǒng),車速跟蹤誤差ev=vd-vr,式中vr是實(shí)際車速,vd是期望車速。令uT=TF,通過驅(qū)動(dòng)力矩轉(zhuǎn)換得到

(8)

(9)

式中:Tf為前饋計(jì)算中間轉(zhuǎn)化量;Tfore為前饋控制率;sgn為符號函數(shù)。

(10)

式中:k0和θ0為車速控制器參數(shù),均大于0;σ為積分中間變量;sat為飽和函數(shù)。

當(dāng)積分運(yùn)算未飽和時(shí),即|s1|<1時(shí),將式(10)代入閉環(huán)系統(tǒng)中可得

(11)

建立李雅普諾夫函數(shù)V如下

(12)

當(dāng)|s1|≥1時(shí),積分運(yùn)算中間變量σ收斂于ΔT,控制律收斂于最大值,此時(shí)積分運(yùn)算的導(dǎo)數(shù)為

(13)

2.3 耦合的車速和加速度控制方法

為了在跟蹤期望車速的過程中滿足上層系統(tǒng)的期望加速度需求,本文將加速度控制模式由加減速度跟蹤控制模式和加減速度過渡控制模式組成,將車速控制律和加速度控制律耦合,基于條件積分算法設(shè)計(jì)了加速度控制律,通過積分自動(dòng)調(diào)節(jié)和建立切換策略,保證了車速控制模式和加速度控制模式的平滑切換。

2.3.1 車速控制模式和加速度控制模式的切換策略 本文提出的自適應(yīng)控制方法一共有3種控制模式——車速控制模式、加速度跟蹤控制模式、加速度過渡控制模式,其中加速度過渡控制模式是為了使加速度跟蹤控制模式能平順地切換到車速控制模式。本文方法需要制定車速控制模式和加速度控制模式之間切換的策略,并確定車速控制區(qū)間、加速度跟蹤控制區(qū)間、加速度過渡區(qū)間,以及各個(gè)區(qū)間之間切換的條件,切換策略示意如圖2所示。

圖2 切換策略示意圖

首先需要設(shè)置車速控制閾值x1,當(dāng)車速跟蹤誤差|ev|>x1時(shí),進(jìn)入到加速度跟蹤控制模式,該模式具體分為加速度跟蹤控制模式和減速度跟蹤控制模式,分別對應(yīng)標(biāo)志位2和4;設(shè)置車速控制閾值x2,如果車速跟蹤誤差的絕對值減少到設(shè)定的閾值|ev|≤x2(x2≤x1),則切換到加速度過渡控制模式,具體分為加速度過渡控制模式和減速度過渡控制模式,分別對應(yīng)標(biāo)志位1和3;設(shè)置加速度控制閾值a0,之后如果實(shí)際車速跟蹤上期望車速,通過積分自動(dòng)調(diào)節(jié),期望加速度絕對值逐漸收斂到較小值a0,有效避免了切換過程中出現(xiàn)的抖動(dòng),平滑切換到車速控制模式,即|ad|≤|a0|,對應(yīng)標(biāo)志位為5。若開始車速誤差|ev|≤x1,則進(jìn)入車速控制模式,之后如果期望車速變化太快導(dǎo)致車速誤差大于閾值x1,則切換到加速度跟蹤控制模式。

2.3.2 加速度控制算法設(shè)計(jì) 基于車輛縱向動(dòng)力學(xué)方程,利用條件積分算法設(shè)計(jì)加速度控制律。與車速控制律類似,定義加速度跟蹤誤差ea=ad-ar,式中ar表示實(shí)際加速度,引入積分運(yùn)算,滿足執(zhí)行器約束,則加速度控制律為

(14)

式中:θa和ka為控制器設(shè)計(jì)參數(shù),均大于0。

根據(jù)條件積分算法的飽和特性,在車速控制律飽和時(shí),用加速度控制律代替車速控制飽和時(shí)的控制律,將兩者耦合在一起,即當(dāng)車速跟蹤誤差|ev|>x1時(shí),令積分系數(shù)k0取較大的值使其快速飽和,達(dá)到跟蹤期望加速度的目的,此時(shí)有

(15)

2.3.3 過渡控制律設(shè)計(jì) 傳統(tǒng)的車速控制器和加速度控制器都是兩個(gè)不同且相互獨(dú)立的控制器,當(dāng)從加速度控制模式切換到速度控制模式時(shí),車速不可避免地會出現(xiàn)抖動(dòng)甚至是嚴(yán)重超調(diào),進(jìn)而影響系統(tǒng)的穩(wěn)定性。本文利用一階系統(tǒng)積分的收斂特性來設(shè)計(jì)過渡控制律。由于一階系統(tǒng)的特性,在加速度控制模式時(shí),積分運(yùn)算中間變量σ逐漸收斂于ΔT。當(dāng)車速誤差絕對值小于設(shè)定的閾值x2時(shí),控制模式從加速度控制模式進(jìn)入到過渡控制模式,在過渡過程中期望加速度為a0,此時(shí)加速度控制律為ua0,利用這一特性,將過渡控制律設(shè)計(jì)為

(16)

此時(shí),控制律逐漸收斂于ua0,加速度也逐漸減小至a0。積分系數(shù)k0決定了收斂速度,若收斂速度太快,則不能保證快速地跟蹤車速,若收斂太慢,則會降低車速跟蹤的平順性。因此,k0的取值需要滿足當(dāng)σ收斂到ua0時(shí),控制模式剛好進(jìn)入到車速控制模式。假設(shè)加速度在過渡控制模式中是均勻減小的,車速誤差閾值x2與加速度及收斂時(shí)間t0的關(guān)系為

(17)

為了獲得積分系數(shù)k0與收斂時(shí)間t0的關(guān)系,仿真了不同σ收斂到ua0的時(shí)間,結(jié)果見表1。

表1 積分系數(shù)與收斂時(shí)間的關(guān)系

通過擬合表格中的數(shù)據(jù)及結(jié)合式(17)可得

(18)

2.3.4 控制算法穩(wěn)定性分析 耦合的控制算法在車速控制階段的穩(wěn)定性已經(jīng)證明,過渡控制過程中一階系統(tǒng)的控制律逐漸收斂,在加速度控制階段,當(dāng)積分未飽和時(shí),代入到閉環(huán)系統(tǒng)中可得

(19)

建立李雅普諾夫函數(shù)如下

(20)

3 仿真試驗(yàn)

為了驗(yàn)證道路阻力估計(jì)器的準(zhǔn)確性以及本文方法的跟蹤效果,在Carsim軟件中搭建相同的車輛模型,車輛參數(shù)如表2所示。通過Simulink/Carsim聯(lián)合仿真來驗(yàn)證控制策略的有效性,根據(jù)仿真效果來調(diào)整不同模式下耦合的控制器參數(shù),結(jié)果如表3所示。

表2 車輛參數(shù)

①:質(zhì)心到前軸的距離;②:質(zhì)心到后軸的距離;③:車輛橫擺轉(zhuǎn)動(dòng)慣量。

表3 控制器參數(shù)

3.1 道路阻力估計(jì)器仿真試驗(yàn)

在縱向控制中,為了驗(yàn)證道路阻力估計(jì)器的估計(jì)效果,對比了實(shí)際的道路阻力和估計(jì)的道路阻力之間的誤差。估計(jì)的道路阻力如圖3所示,仿真工況如下:車速為30 km/h;路面為水平路面和6°坡度路面;附著系數(shù)均為0.85。

車輛在水平路面行駛時(shí),只有滾動(dòng)阻力和未知阻力。從圖3中可以看出,估計(jì)的道路阻力在不到1 s內(nèi)就收斂到了穩(wěn)定值285 N。計(jì)算的滾動(dòng)阻力為188 N,因此未知阻力為97 N。在坡度路面,車輛受到了較大的坡道阻力。圖3中估計(jì)的道路阻力為1 465 N。計(jì)算的道路阻力為1 434 N,未知阻力取水平路面的97 N,因此實(shí)際的道路阻力為1 631 N。估計(jì)的道路阻力與實(shí)際的道路阻力誤差為4.1%,在可接受的范圍內(nèi),該估計(jì)器的效果得到了驗(yàn)證。

3.2 本文方法仿真試驗(yàn)

為了驗(yàn)證本文方法在水平路面和坡度路面的控制效果,設(shè)置以下2種試驗(yàn)工況。

工況一:水平路面,路面附著系數(shù)為0.85。第1組試驗(yàn)是期望車速從0逐漸加速到50 km/h,再逐漸回到0,車速控制仿真效果如圖4所示;第2組試驗(yàn)是為了驗(yàn)證在車速跟蹤誤差較大時(shí)的跟蹤效果,期望車速從0階躍加速到50 km/h,期望加速度為2 m/s2,再減速到20 km/h,期望減速度為-3 m/s2,車速控制仿真效果如圖5所示,對應(yīng)的加速度控制仿真效果如圖6所示。

從圖4和圖5中可以看出:本文方法在車速跟蹤誤差較小和車速跟蹤誤差較大的情況下,都幾乎沒有超調(diào)現(xiàn)象,穩(wěn)態(tài)誤差小于0.2 km/h。從圖6中可以看出:在車速跟蹤誤差大于設(shè)置的閾值時(shí),縱向控制的階躍響應(yīng)性能較好能,能夠滿足期望加速度的需求。

圖4 縱向車速控制階躍響應(yīng)

圖5 考慮加速度的縱向控制階躍響應(yīng)

圖6 加速度跟蹤效果

工況二:8°坡度路面,路面附著系數(shù)為0.85。試驗(yàn)是期望車速從0到10 km/h,目的是為驗(yàn)證縱向控制方法在坡度路面上的跟蹤效果。在坡度路面上的車速控制效果如圖7所示。

圖7 坡度路面上縱向控制跟蹤效果

從圖7可以看出,在坡度路面上,實(shí)際車速迅速達(dá)到期望車速,穩(wěn)態(tài)誤差小于0.2 km/h,但相對超調(diào)量為0.5%。本文算法在坡度路面上的跟蹤效果得到了驗(yàn)證。

綜合上述2種工況下的跟蹤效果可知,本文提出的考慮加速度需求的自適應(yīng)車速控制方法在水平路面和坡度路面都能有較好的跟蹤效果。

4 實(shí)車試驗(yàn)

在仿真試驗(yàn)的基礎(chǔ)之上,進(jìn)行實(shí)車試驗(yàn)來驗(yàn)證本文方法的跟蹤效果,試驗(yàn)平臺如圖8所示,該平臺經(jīng)過改造后驅(qū)動(dòng)電機(jī)可以實(shí)現(xiàn)線控?？v向車速由車輛底盤輪速信號轉(zhuǎn)換得到,加速度通過慣導(dǎo)設(shè)備RT3003獲取,嵌入式控制器用于數(shù)據(jù)采集和實(shí)時(shí)控制,如圖9所示。試驗(yàn)場地為圖10中的圓形試車場,該試車場包括坡度路面。

圖8 試驗(yàn)平臺 圖9 試驗(yàn)車內(nèi)部圖

圖10 試驗(yàn)場地

為了驗(yàn)證本文方法對期望車速的跟蹤能力,在水平路面設(shè)計(jì)階躍響應(yīng)試驗(yàn)工況,在坡道上設(shè)計(jì)上坡起步和下坡車速跟蹤試驗(yàn)工況,分別與未加入道路阻力估計(jì)器的方法進(jìn)行對比分析。

圖11是本文方法在水平路面0～50 km/h的階躍期望車速的跟蹤效果,可以看出:在跟蹤穩(wěn)態(tài)車速時(shí),誤差不到0.2 km/h,與圖4中的仿真效果幾乎相同,能夠快速準(zhǔn)確地響應(yīng)到期望車速;當(dāng)期望車速從30 km/h增加到50 km/h時(shí),實(shí)車試驗(yàn)的車速有些超調(diào)和抖動(dòng),但相對超調(diào)量低于0.5%,在可以接受的范圍之內(nèi)。由此,縱向控制器的穩(wěn)態(tài)跟蹤能力得到了驗(yàn)證。此外,由于水平路面上道路阻力相對較小,未加道路阻力估計(jì)器的跟蹤效果和自適應(yīng)控制跟蹤效果差別不大。

圖11 本文方法的階躍響應(yīng)

在坡度路面上坡的車速跟蹤效果如圖12所示,下坡跟蹤效果如圖13所示,可以看出:未加估計(jì)道路阻力的方法在坡道上起步時(shí)有超過2 s的溜坡現(xiàn)象,且無論上坡還是下坡,車速均有明顯的超調(diào);本文方法在坡道上起步時(shí)只有不到1 s的溜坡現(xiàn)象,且車速無明顯超調(diào),基本上可以忽略坡度對車速控制的影響,和圖7的仿真效果基本相同。由于實(shí)車試驗(yàn)時(shí)對階躍的期望車速加了濾波,所以實(shí)車試驗(yàn)的車速幾乎沒有超調(diào),跟蹤效果更好,而仿真中出現(xiàn)不超過1%的相對超調(diào)量,可以接受。顯然,本文方法控制效果更好,能在一定程度上抑制路面坡度對車速控制的影響。

圖12 上坡車速跟蹤效果對比

圖13 下坡車速跟蹤效果對比

為了驗(yàn)證本文方法在跟蹤期望車速過程中跟蹤期望加速度的能力,在水平路面上設(shè)計(jì)了不同的期望加速度跟蹤試驗(yàn)。

加速度控制試驗(yàn)一:水平路面,路面附著系數(shù)0.8,50 km/h的階躍期望車速響應(yīng),加速度為1 m/s2,減速度為-1 m/s2。將本文方法與傳統(tǒng)的PI控制方法進(jìn)行對比。由于傳統(tǒng)的PI控制方法無法同時(shí)跟蹤期望車速和期望加速度,因此分別進(jìn)行車速跟蹤和加速度跟蹤試驗(yàn)。

圖14和圖15是期望加速度較小時(shí),控制方法的試驗(yàn)效果對比,可以看出:本文方法相比傳統(tǒng)的PI控制方法能夠在較大車速誤差下超調(diào)較小,并且能夠在跟蹤加速度時(shí)滿足車速的需求。本文方法在一開始就進(jìn)入到加速度跟蹤控制模式中,實(shí)際加速度能快速穩(wěn)定地跟蹤上期望的加速度,穩(wěn)態(tài)誤差在±0.1 m/s2;在過渡控制模式中,實(shí)際加速度的絕對值逐漸從初始值減小至0.2 m/s2,實(shí)際車速平穩(wěn)地跟蹤上期望車速且毫無超調(diào)。傳統(tǒng)的PI控制方法超調(diào)相對較大,整體響應(yīng)較慢,無法在跟蹤加速度時(shí)滿足車速的需求。在大車速跟蹤誤差下,本文方法的跟蹤效果得到了驗(yàn)證。

圖14 縱向車速控制跟蹤效果對比及相應(yīng)的標(biāo)志位

圖15 縱向加速度控制跟蹤效果對比

加速度控制試驗(yàn)二:水平路面,路面附著系數(shù)0.85,期望車速從0到50 km/h再到20 km/h再到0的階躍期望車速響應(yīng),加速度為2 m/s2,減速度為-3 m/s2。

圖16和圖17是期望加速度較大時(shí),控制算法的實(shí)車試驗(yàn)效果對比。與仿真試驗(yàn)效果圖5和圖6相比,二者基本相同,但實(shí)車試驗(yàn)減速控制中出現(xiàn)的超調(diào)較大。加速度跟蹤過程中,仿真效果比實(shí)車試驗(yàn)效果好,仿真效果的穩(wěn)態(tài)誤差為±0.15 m/s2,實(shí)車試驗(yàn)的穩(wěn)態(tài)誤差為±0.1 m/s2。同時(shí)可以看出:傳統(tǒng)的PI控制方法在車速跟蹤時(shí)無法同時(shí)滿足期望加速度的需求,在減速過程中,本文方法響應(yīng)較快,并且超調(diào)較小;當(dāng)期望車速為50 km/h時(shí),階躍變化后,本文方法的實(shí)際加速度能快速準(zhǔn)確地跟蹤期望加速度2 m/s2,穩(wěn)態(tài)誤差不超過0.1 m/s2,同時(shí)在加速度過渡模式逐漸收斂到0.2 m/s2,使加速度跟蹤控制模式能夠平滑地過渡到車速控制模式;當(dāng)期望車速從50 km/h突然降到20 km/h時(shí),本文方法的實(shí)際減速度也能快速準(zhǔn)確地跟蹤期望減速度-3 m/s2,誤差不超過0.1 m/s2,同時(shí)在加速度過渡模式快速收斂到-0.2 m/s2,能夠在較大的速度時(shí)緊急制動(dòng)到給定車速,對于緊急避障有重大意義,而傳統(tǒng)的PI控制方法在減速度跟蹤過程中響應(yīng)較慢,無法用相同的參數(shù)來滿足各種工況,并且無法證明閉環(huán)系統(tǒng)的穩(wěn)定性。綜上,本文提出的考慮加速度需求的車速控制算法能夠滿足智能車運(yùn)動(dòng)控制的需求,并且跟蹤效果較好。

圖16 縱向車速控制跟蹤效果及相應(yīng)的標(biāo)志位

圖17 縱向加速度控制跟蹤效果對比

5 結(jié) 論

本文提出了一種考慮上層加速度需求的車速自適應(yīng)控制方法。首先,針對智能車行駛中道路阻力的不確定性,基于FFRLS算法設(shè)計(jì)了道路阻力估計(jì)器,通過仿真及實(shí)車試驗(yàn),驗(yàn)證了車速自適應(yīng)控制方法在坡道上的跟蹤效果優(yōu)于未加入估計(jì)器時(shí)的效果。之后,考慮上層的期望加速度需求,基于條件積分算法設(shè)計(jì)了耦合的車速和加速度控制律,通過積分自動(dòng)調(diào)節(jié)和切換策略,保證了同時(shí)跟蹤期望車速和期望加速度,通過仿真及實(shí)車試驗(yàn)驗(yàn)證了本文方法的有效性。