一种考虑多目标的车辆自适应巡航控制方法

摘要

本发明公开了一种考虑多目标的车辆自适应巡航控制方法，采用分层控制策略：上层控制根据目标车辆以及被控车辆当前的状态，决策出期望的纵向加速度，下层控制通过逆推的方法实现对期望纵向加速度的跟踪，包括以下步骤：建立两车相互纵向运动学模型；设计模型预测控制器，根据恒定车头时距策略获得期望的两车间距，利用模型预测控制算法决策出跟踪该期望车间距所需要的期望纵向加速度；将车辆控制工况分为驱动工况和制动工况，对两种工况分别根据车辆行驶方程建立车辆逆纵向动力学模型；根据车辆逆纵向动力学模型，在驱动工况下按照期望加速度求得期望的节气门开度，在制动工况下按照期望的加速度求得期望的制动踏板开度。

权利要求

1.一种考虑多目标的车辆自适应巡航控制方法，其特征在于，采用分层控制策略：上层控制根据目标车辆以及被控车辆当前的状态，决策出期望的纵向加速度；下层控制通过逆推的方法实现对期望的纵向加速度的跟踪；该方法包括以下步骤：步骤一、建立两车相互纵向运动学模型：根据被控车辆与目标车辆之间的运动学关系，建立两车相互纵向运动学模型，同时将前车加速度信息作为扰动信号；

步骤二、上位控制器的设计：基于步骤一建立的两车相互纵向运动学模型，设计模型预测控制器，根据恒定车头时距策略获得期望的两车间距，根据车辆的实时状态，利用模型预测控制算法决策出跟踪该期望的两车间距所需要的期望的纵向加速度；

步骤三、建立车辆逆纵向动力学模型：将车辆控制工况分为驱动工况和制动工况，对两种工况分别根据车辆行驶方程建立车辆逆纵向动力学模型，车辆逆纵向动力学模型用于将所述上位控制器计算出的期望加速度的指令通过车辆逆纵向动力学模型转变为期望的节气门开度或期望的制动踏板开度；

步骤四、下位控制器的设计：根据车辆逆纵向动力学模型，在驱动工况下按照期望加速度求得期望的节气门开度，在制动工况下按照期望的加速度求得期望的制动踏板开度；将获得的控制信号输出给被控车辆，完成对期望车间距的跟踪控制。

2.如权利要求1所述的一种考虑多目标的车辆自适应巡航控制方法，其特征在于，所述步骤一建立的两车相互纵向运动学模型为：其中，

u(k)＝af(k)，w(k)＝al(k)，al(k)，af(k)分别是前后两车在k时刻的加速度信息，单位m/s2；x(k)＝[Δx(k),vref(k),v(k)]T，vref(k)代表k时刻两车的相对速度，单位m/s，满足vref(k)＝vl(k)-v(k)，vl(k)是前车k时刻的纵向速度，单位m/s；Δx(k)是k时刻两车间距，单位m；v(k)是k时刻本车的纵向行驶速度，单位m/s；Ts是系统的采样周期，单位s。

3.如权利要求1所述的一种考虑多目标的车辆自适应巡航控制方法，其特征在于，所述步骤二上位控制器的设计过程具体包括以下步骤：

1)提出优化问题：

其中，

p是系统的预测时域，m是控制时域且m≤p；

满足两车相互纵向运动学：

同时满足不等式约束：

u(k)为被控车辆加速度作为系统的控制输入，al(k),af(k)分别是前后两车k时刻的加速度信息，单位m/s2，x(k)＝[Δx(k),vref(k),v(k)]T，vref(k)代表k时刻两车的相对速度，单位m/s，满足vref(k)＝vl(k)-v(k)，vl(k)是前车k时刻的纵向速度，单位m/s；Δx(k)是k时刻两车间距，v(k)为k时刻本车的纵向行驶速度，单位m/s，dc为最小安全距离，单位m；Ts是系统的采样周期，单位s，u(k+i-1)，i＝1,…,m为m步控制输入；

2)求解优化问题：将所述步骤1)提出的优化问题转化为：s.t.CuU(k)≥b(k+1|k)

其中，

H＝(Su-thVu)TΓyTΓy(Su-thVu)+ΓuTΓuG(k+1|k)T＝2Ep(k+1|k)ΓyTΓy(Su-thVu)其中， 为m步输入向量，

th代表车间时距，

Ep(k+1|k)＝(Sx-thVx)x(k)+SwW(k)-R0，Umax＝[afmax afmax … afmax]T,Umin＝[afmin afmin … afmin]T，Dc＝[dc dc … dc]T，

Vmax＝[vmax vmax … vmax]T,Vmin＝[vmin vmin … vmin]T，afmin，afmax分别为本车纵向加速度约束的下限和上限，vmin，vmax分别为本车行驶纵向速度约束的下限和上限；

调用MATLAB中求解器quadprog便可完成上位控制器的求解，获得期望的纵向加速度。

4.如权利要求1所述的一种考虑多目标的车辆自适应巡航控制方法，其特征在于，所述步骤三建立车辆逆纵向动力学模型具体包括：

1)驱动工况的车辆逆纵向动力学模型：

根据牛顿第二定律建立车辆的行驶方程式：

根据上式可以得到发动机的输出扭矩：

式中，Te是发动机期望扭矩，ig是变速器的传动比，i0表示主减速传动比，ηT表示传动系的机械效率，reff是车轮的有效半径，m是整车质量，f是滚动阻力系数，Cd是空气阻力系数，A是迎风面积，ρ为空气密度，v是车辆纵向行驶速度，θ代表道路坡度，δ是汽车旋转质量换算系数，a是车辆的纵向加速度，g是重力加速度；

利用veDYNA车辆模型中发动机转矩特性map示意图，反查表得到该扭矩下对应的节气门开度的大小，根据Te和发动机转速ωe，利用发动机节气门开度特性曲线图，求得期望的节气门开度αdes为：αdes＝f(Te,ωe)

2)制动工况的车辆逆纵向动力学模型：

制动行驶时车辆的行驶方程如下：

Fb为发动机制动力，

根据上式可以得到发动机制动力矩表达式：

每个轮子的制动力矩

每一个车轮上的制动力矩的计算公式满足以下方程：Mb＝2(Pb·Ab·rb·μb)

式中，

Pb代表每个轮子上的制动压力，单位：Pa；μb代表刹车片和刹车盘之间的摩擦系数；Ab代表摩擦片与制动盘的接触面积，单位：m2；rb代表制动半径，单位：m；

将上述参数代入得到每个轮子的制动压力与制动力矩的关系：Mb＝0.1323×10-3·Pb

获得期望的制动压力Pb后，将其转换成期望的制动踏板开度即完成制动工况下的减速控制。

说明书

一种考虑多目标的车辆自适应巡航控制方法

技术领域

[0001] 本发明涉及一种车辆自适应巡航控制方法，具体涉及一种考虑多目标的车辆自适应巡航控制方法。

背景技术

[0002] 自适应巡航控制(ACC)系统是在传统的巡航控制系统的基础上结合安全车距保持系统演化而来。通过位于车身前部的雷达传感器检测到在雷达的可视范围内是否存在前车，当道路前方无车辆时，ACC车辆会按照事先设定的速度行驶，一旦车载传感器检测到前方有车辆时，ACC系统通过调整本车车速，使之与前车保证一个安全的跟车间距。该系统设计的目的旨在减少因驾驶员的错误操作引发的交通事故，提高行驶安全性、乘坐舒适性等。

[0003] 目前ACC系统在设计时主要考虑安全性和跟车性两大目标，然而在实际设计的过程中还有几点仍需考虑。首先，据2008年美国National Highway Traffic Safety Administration(NHTSA)对汽车ACC系统的调查报告指出，舒适性是驾驶员最关心的性能之一，因为舒适度得不到有效保证将直接导致乘客拒绝使用ACC系统。可见，在进行ACC系统的设计过程中舒适性是不得不考虑的性能之一。其次，随着环境压力的日益增大，能源问题成为人们关心的热点之一。因此，ACC系统是否具有较高的燃油经济性也决定了其能否在道路上推广的一个关键因素。

[0004] 本发明采用的模型预测控制(MPC)方法具有算法设计简单，鲁棒性强，并且能够处理优化问题中的多个控制目标和多约束的特点。简单来讲模型预测控制(MPC)是一种优化算法，通过滚动寻优以及反馈校正的思想实现对期望输入的跟踪控制。在每个采样时刻根据系统当前可测状态，利用模型预测系统未来输出，通过求解包含目标函数和系统约束在内的优化问题，得到优化序列，为了减小外部干扰和模型失配的影响，将优化序列的第一个元素作用到系统，便完成了一步控制输入。在下一采样时刻重复上述过程。

发明内容

[0005] 本发明提供了一种考虑多目标的车辆自适应巡航控制方法，采用分层的控制策略：上层控制根据目标车辆以及本车当前的状态，综合考虑车辆行驶过程中的多个目标决策出期望的纵向加速度，下层控制通过逆推的方法实现对期望纵向加速度的跟踪。

[0006] 本发明是通过以下技术方案实现的：

[0007] 一种考虑多目标的车辆自适应巡航控制方法，采用分层控制策略：上层控制根据目标车辆以及被控车辆当前的状态，决策出期望的纵向加速度；下层控制通过逆推的方法实现对期望纵向加速度的跟踪；该方法包括以下步骤：

[0008] 步骤一、建立两车相互纵向运动学模型：根据被控车辆与目标车辆之间的运动学关系，建立两车相互纵向运动学模型，同时将前车加速度信息作为扰动信号；

[0009] 步骤二、上位控制器的设计：基于步骤一建立的两车相互纵向运动学模型，设计模型预测控制器，根据恒定车头时距策略获得期望的两车间距，根据车辆的实时状态，利用模型预测控制算法决策出跟踪该期望车间距所需要的期望纵向加速度；

[0010] 步骤三、建立车辆逆纵向动力学模型：将车辆控制工况分为驱动工况和制动工况，对两种工况分别根据车辆行驶方程建立车辆逆纵向动力学模型，车辆逆纵向动力学模型用于将所述上位控制器计算出的期望加速度的指令通过车辆逆纵向动力学模型转变为期望的节气门开度或期望的制动踏板开度；

[0011] 步骤四、下位控制器的设计：根据车辆逆纵向动力学模型，在驱动工况下按照期望加速度求得期望的节气门开度，在制动工况下按照期望的加速度求得期望的制动踏板开度；将获得的控制信号输出给被控车辆，完成对期望车间距的跟踪控制。

[0012] 本发明的有益效果为：

[0013] 1.本发明采用的分层结构的设计思想上下层功能集中且控制目标明确，模块间只传递必要的有限信号且互不影响，利于对系统的调试并在一定程度上能提高系统的鲁棒性及可靠性。

[0014] 2.本发明在建立两车相互纵向动力学模型的过程中，充分考虑前车加速度的影响，将该信号作为扰动，同时该模型不涉及具体车辆动力学及其参数的使用，适用于实验主车以外的其他车辆，有利于控制算法的移植。

[0015] 3.本发明充分考虑了在跟踪期望的车间距的过程中，主车需要满足的多个行驶目标，包括安全性、跟车性、舒适性以及燃油经济性等。

附图说明

[0016] 图1为自适应巡航跟踪控制系统框图；

[0017] 图2为两车相互纵向运动学模型示意图；

[0018] 图3为发动机转矩特性map示意图；

[0019] 图4为加速控制两车间距示意图；

[0020] 图5为加速控制两车速度示意图；

[0021] 图6为加速控制控制量变化示意图；

[0022] 图7为减速控制两车间距示意图；

[0023] 图8为减速控制两车速度示意图；

[0024] 图9为减速控制控制量变化示意图。

具体实施方式

[0025] 以下结合附图详细介绍本发明的技术方案：

[0026] 本发明提供了一种考虑多目标的车辆自适应巡航控制方法，该方法包括以下几个步骤：

[0027] 步骤一、建立两车相互纵向运动学模型，如图2所示。

[0028] 根据前后车在行驶过程中满足的运动学关系，可以获得下面的方程：

[0029]

[0030] 其中，v(k)代表k时刻本车的纵向行驶速度，单位m/s；al(k)、af(k)分别是前后两车2
k时刻的加速度信息，单位m/s ；vref(k)代表k时刻两车的相对速度，单位m/s，满足vref(k)＝vl(k)-v(k)，vl(k)是前车k时刻的纵向速度，单位m/s；Δx(k)是k时刻两车间距,单位m；Ts是系统的采样周期，单位s。

[0031] 选取状态矢量x(k)＝[Δx(k),vref(k),v(k)]T，将被控车辆加速度作为系统的控制输入，即u(k)＝af(k)，一般情况对于被控车辆的纵向加速度可以利用车辆的加速度传感器很方便的获得，但是由于车车通信尚未实现，因此当前时刻想要获得前车的加速度还存在较大的难度。基于以上考虑，认为前车(目标车辆)加速度是ACC系统的扰动，即w(k)＝al(k)，由于控制的最终目标是使两车实际间距趋近于间距策略计算出的期望跟车间距，因此，系统的输出选择两车实际间距。这样就可以将上述方程描述成如下所示的状态空间表达式的形式：

[0032]

[0033] 其中，

[0034] C＝[1 0 0]

[0035] 步骤二、上位控制器的设计：基于步骤一建立的两车相互纵向运动学模型，设计模型预测控制器，根据目前广泛采用的恒定车头时距策略获得期望的两车间距，根据车辆的实时状态，利用模型预测控制算法决策出跟踪该期望车间距所需要的期望的纵向加速度。该设计过程具体步骤如下：

[0036] 1)优化问题的形成

[0037] ACC系统的主要目标有以下四点：安全性、跟踪性能、舒适性和燃油经济性。然而这几点是相互矛盾的。若要满足经济性要求，则希望车辆在行驶过程中尽可能平稳，即不存在加速度急剧变化的情况，这势必会影响跟踪性能。相反，如果在设计控制器的过程中仅考虑跟踪性能，这样不可避免的存在不必要的加速和紧急制动情况的发生，这不仅影响燃油经济性，在一定程度上，如果驾驶员不能很好的适应自适应巡航控制系统，则会产生所谓的信任危机，从而带来的后果就是驾驶员频繁的进行主动干预，这不仅与自适应巡航控制系统的设计初衷相违背，还会带来额外的精神负担。综上所述，在进行控制系统的设计过程中，仅仅考虑其中的任何一项是不合理的，必须在同一个框架下同时兼顾多个目标。为了量化提出的ACC系统的性能指标，我们重新分析上述目标。

[0038] 首先，无论采取何种算法，安全性是系统在行驶过程中时时刻刻都要满足的首要目标。也就是说为了满足安全性需求，在任何时刻两车间距都要大于一个安全的车间距，如下面约束方程(3)所示。

[0039] 约束1：Δx(k)≥dc   (3)

[0040] 其中，dc代表安全的两车间距。

[0041] 其次，对于跟踪性能，驾驶员期望稳态时实际两车间距跟踪上期望的两车间距。

[0042] 目标1:Δx(k)→Δxdes当k→∞   (4)

[0043] 其中，Δxdes代表期望的两车间距。

[0044] 最后，对于乘坐舒适性和燃油经济性的要求，在汽车行驶过程中，体现乘坐舒适性的指标主要是车辆的纵向加速度这个参数，加速度的绝对值越小乘坐舒适性就越高，同时平滑的动态响应曲线也有利于燃油经济性的提高。

[0045] 约束2：afmin≤af(k)≤afmax   (5)

[0046] 此外，考虑到车辆自身能力的限制，车辆行驶过程中还需满足如下的速度约束：

[0047] 约束3：vmin≤v(k)≤vmax   (6)

[0048] 综上所述，在MPC的框架下考虑多目标的车辆ACC系统的控制可以总结成如下的优化问题：

[0049] 问题一：

[0050]

[0051] 满足两车相互纵向运动学：

[0052]

[0053] 同时满足不等式约束：

[0054]

[0055] 其中，

[0056]

[0057] 式中，p是系统的预测时域，m是控制时域且m≤p。

[0058] 2)优化问题的求解

[0059] 假设所有的状态都是可以测量得到的，为了推导预测方程，还需做如下假设：

[0060] (1)控制时域之外，控制量不变，即u(k+i)＝u(k+m-1),i＝m,m+1,...p-1.[0061] (2)干扰在k时刻之后保持不变，即w(k+i)＝w(k),i＝1,2,…p-1.为了便于控制器的求解，首先推导预测方程的表达形式，推导过程如下：

[0062] x(k+1|k)＝Ax(k)+Bu(k)+Gw(k)

[0063] x(k+2|k)＝Ax(k+1|k)+Bu(k+1)+Gw(k+1)

[0064] ＝A2x(k)+ABu(k)+Bu(k+1)+(AG+G)w(k)

[0065] x(k+3|k)＝Ax(k+2|k)+Bu(k+2)+Gw(k+2)

[0066] ＝A3x(k)+A2Bu(k)+ABu(k+1)+Bu(k+2)+(A2G+AG+G)w(k)

[0067] 类推可以得到：

[0068] x(k+m|k)＝Ax(k+m-1|k)+Bu(k+m-1)+Gw(k+m-1)

[0069] ＝Amx(k)+Am-1Bu(k)+Am-2Bu(k+1)+…+ABu(k+m-2)+Bu(k+m-1)

[0070] +(Am-1G+Am-2G+…+AG+G)w(k)

[0071]

[0072] x(k+p|k)＝Ax(k+p-1|k)+Bu(k+p-1)+Gw(k+p-1)

[0073] ＝Apx(k)+Ap-1Bu(k)+Ap-2Bu(k+1)+…+Ap-mBu(k+m-1)+

[0074] Ap-m-1Bu(k+m-1)+…+ABu(k+m-1)+Bu(k+m-1)+

[0075] (Ap-1G+Ap-2G+…+AG+G)w(k)

[0076] 由于：

[0077] y(k)＝Cx(k)

[0078] 所以：

[0079] y(k+1|k)＝Cx(k+1|k)

[0080] ＝CAx(k)+CBu(k)

[0081] y(k+2|k)＝CA2x(k)+CABu(k)+CBu(k+1)+(CAG+CG)w(k)

[0082]

[0083] 类推可以得到：

[0084] y(k+m|k)＝CAmx(k)+CAm-1Bu(k)+CAm-2Bu(k+1)+…+CABu(k+m-2)+

[0085] CBu(k+m-1)+(CAm-1G+CAm-2G+…+CAG+CG)w(k)

[0086]

[0087] y(k+p|k)＝CApx(k)+CAp-1Bu(k)+CAp-2Bu(k+1)+…+CAp-mBu(k+m-1)[0088] +CAp-m-1Bu(k+m-1)+…+CABu(k+m-1)+CBu(k+m-1)

[0089] +(CAp-1G+CAp-2G+…+CAG+CG)w(k)

[0090] 定义p步预测输出向量和m步输入向量如下：

[0091]

[0092] 可以得到预测方程的表达式如下：

[0093] Yp(k+1|k)＝Sxx(k)+SwW(k)+SuU(k)   (8)

[0094] 其中，

[0095]

[0096]

[0097] 根据CTH间距策略模块，期望的两车间距应该和本车速度满足如下的关系：

[0098] r(k+i)＝th·v(k+i)+r0   (9)

[0099] 式中，th代表车间时距，r0是与安全性有关的一个常数。

[0100] 定义 由于r(k+i)与输入u(k)有关，这样把系统的第三个状态v(k)定义为系统的输出vb，则

[0101] vb(k+1)＝vb(k)+Tsu(k)   (10)

[0102] 将上述输出写成矩阵的形式

[0103] Vb(k+1|k)＝Vxx(k)+VuU(k)   (11)

[0104] 其中，

[0105]

[0106] 定义 则R(k+1)＝th[Vxx(k)+VuU(k)]+R0，将上述表达形式带入目标函数(7)，并定义Ep(k+1|k)＝(Sx-thVx)x(k)+SwW(k)-R0，重新整理该目标函数便可获得如下的形式:

[0107]

[0108] 由于Ep(k+1|k)TΓyTΓyEp(k+1|k)与优化变量无关，这样将目标函数(12)写成如下的形式：

[0109] J＝U(k)THU(k)+G(k+1|k)TU(k)   (13)

[0110] 其中，

[0111] H＝(Su-thVu)TΓyTΓy(Su-thVu)+ΓuTΓu

[0112] G(k+1|k)T＝2Ep(k+1|k)ΓyTΓy(Su-thVu)

[0113] 为了便于控制器的求解需要将优化问题中的约束转换成Cuz≥b的形式。

[0114] 对于安全性约束方程(3)可以转换成系统的输出约束的形式：

[0115]

[0116] 其中Su,Sx,Sw表达式和上述相同，Dc＝[dc dc … dc]T。

[0117] 对于控制约束(5)可以转换成如下的形式：

[0118]

[0119] 其中，Umax＝[afmax afmax … afmax]T,Umin＝[afmin afmin … afmin]T。

[0120] 对于状态约束(6)前面提到定义本车速度作为一个约束输出，并推导输出的预测方程，这样便可以将上述约束写成如下的表达形式：

[0121]

[0122] 其中，Vx,Vu的表达式如前所述，

[0123] Vmax＝[vmax vmax … vmax]T,Vmin＝[vmin vmin … vmin]T。

[0124] 至此，便将系统的约束全部转换完毕。这样优化问题一最终可以转化成问题二：

[0125] 问题二：

[0126] 其中，

[0127] H＝(Su-thVu)TΓyTΓy(Su-thVu)+ΓuTΓu

[0128] G(k+1|k)T＝2Ep(k+1|k)ΓyTΓy(Su-thVu)

[0129]

[0130] 调用MATLAB中求解器quadprog便可完成上位控制器的求解，获得期望的纵向加速度。

[0131] 步骤三、建立车辆逆纵向动力学模型：本文研究的自主车辆都是基于高保真的仿真软件veDYNA中的自动换挡车辆，也就是说在车辆行驶的过程中无需考虑档位的影响。那么影响自主车辆纵向行驶的因素主要是节气门开度和制动踏板开度两个因素。根据车辆的运行过程可知，当给定一个节气门开度输入后，发动机将产生相应的输出扭矩，该扭矩经过液力变矩器传送给车辆的变速器，最终通过轴承系统作用在车轮上，产生相应的驱动力矩。制动工况同样如此，当给定一个制动压力输入后，由液压制动系统产生的力矩直接作用到车轮上，迫使车辆减速行驶。根据上述分析，由上位控制器计算出的期望加速度指令须通过车辆逆纵向动力学模型转变为期望的节气门开度和制动踏板的位置，然后将该控制信号作用到被控车辆，以控制车辆的加速、减速和匀速运动，实现自适应巡航系统的功能。所以需要分为加速和减速两种工况建立逆纵向动力学模型：

[0132] A.加速控制(驱动工况)

[0133] 经逻辑切换后，如果切换为加速控制，则须按照期望加速度的要求，经过计算得到期望发动机转矩，再通过发动机逆向模型查得期望的节气门开度。首先根据牛顿第二定律建立汽车行驶方程式：

[0134]

[0135] 根据上式可以得到发动机的输出扭矩：

[0136]

[0137] 式中各符号的含义如下：

[0138] Te是发动机期望扭矩，ig是变速器的传动比，i0表示主减速传动比，ηT表示传动系的机械效率，reff是车轮的有效半径，m是整车质量，f是滚动阻力系数，Cd是空气阻力系数，A是迎风面积，ρ为空气密度，v是车辆纵向行驶速度，θ代表道路坡度，δ是汽车旋转质量换算系数，a是车辆的纵向加速度，g是重力加速度。

[0139] 利用veDYNA车辆模型中发动机转矩特性map示意图，反查表就可以得到该扭矩下对应的节气门开度的大小，如图3所示。根据Te和发动机转速ωe，利用发动机节气门开度特性曲线图，可以求得期望的节气门开度αdes为

[0140] αdes＝f(Te,ωe)   (20)

[0141] B.制动控制(制动工况)

[0142] 经过逻辑切换之后，如切换为制动控制，须按照期望加速度，求得期望制动力矩，继而通过制动器逆向模型求得期望的制动踏板开度，将βdes通过执行器施加于被控车辆进行制动控制。

[0143] 制动行驶时车辆的行驶方程如下：

[0144]

[0145] 根据上式可以得到发动机制动力矩表达式：

[0146]

[0147] 此处认为车辆的四个轮子是相同的，也就是说整车的制动力矩由四个轮子平均分配，这样就可以每个轮子的制动力矩 由于veDYNA中每一个车轮上的制动力矩的计算公式满足下面的方程：

[0148] Mb＝2(Pb·Ab·rb·μb)   (23)

[0149] 式中，

[0150] Pb代表每个轮子上的制动压力，单位：Pa

[0151] μb代表刹车片和刹车盘之间的摩擦系数

[0152] Ab代表摩擦片与制动盘的接触面积，单位：m2

[0153] rb代表制动半径，单位：m

[0154] 将上述参数带入就可以得到每个轮子的制动压力与制动力矩的关系，[0155] Mb＝0.1323×10-3·Pb   (24)

[0156] 获得期望的制动压力Pb后，将其转换成期望的制动踏板开度就完成了制动工况下的减速控制。veDYNA车辆模型中制动力矩与制动踏板的开度关系满足下面的方程：

[0157]

[0158] 式中，Pbmax代表最大制动压力，取值是2×107Pa。

[0159] 步骤四、下位控制器的设计：下位控制器根据上位控制器求解出的期望加速度，首先经过逻辑判断模块决策出为了跟踪这个期望加速度的要求采取驱动模块还是制动模块，此处我们采取最简单的基于阈值的切换方法，认为当加速度大于零的时候采用驱动控制，加速度小于零的时候采取制动控制。如需驱动控制，根据公式(19)获得期望的驱动力矩，根据实时反馈的发动机转速信息，和方程式(20)就可以获得相应的节气门开度，将这个控制信号作用给被控车辆，完成驱动工况下的跟踪控制。同理，如需制动控制，首先根据公式(22)、(23)获得期望的驱动力矩，再根据方程式(24)、(25)就可以获得相应的制动踏板的开度，将这个控制信号作用给被控车辆，完成制动工况下的跟踪控制。

[0160] 下面给出本发明所述的考虑多目标的车辆自适应巡航控制方法的离线仿真验证。

[0161] 为验证本发明提出的基于多目标的车辆自适应巡航控制方法的有效性，选取巡航过程中两种典型工况进行验证，下面给出具体的实验结果与分析。

[0162] (1)加速控制实验结果

[0163] 实验中设定前20s由veDYNA的虚拟驾驶员操作车辆，使车辆加速到120km/h，观测到前方100m处前车以100km/h的速度行驶，经过计算期望的两车间距是40.33m,而实际两车间距是100m，控制器作用下车辆行驶过程中的几个状态如图4、图5、图6所示。从结果中可以看出，控制器作用的初始时刻，实际两车间距大于期望的两车间距，ACC系统首先控制本车加速，以缩短两车之间的间距，使两车间距趋近于理想安全距离，当两车间距缩短到一定程度时，ACC系统控制本车较均匀地减速，使ACC车辆的速度接近于前行车辆的速度，同时，使两车之间的间距逐步缩小到系统设定的两车间的理想安全距离。在这个过程中，两车间距始终大于安全的车间距同时车辆加速度的变化也处于合理的范围。

[0164] (2)减速控制实验结果

[0165] 实验中设定前20s由veDYNA的虚拟驾驶员操作车辆，使车辆加速到120km/h，观测到前方35m处前车以100km/h的速度行驶，经过计算期望的两车间距是40.33m,而实际两车间距是35m,控制器作用下车辆行驶过程中的几个状态如图7、图8、图9所示。从图中可以看出在t＝20s时，两车初始间距小于安全间距，两车之间的跟随行驶具有一定不安全性，ACC系统直接控制本车进行一定强度的减速，提高两车跟随行驶的安全性，当主车速度减到一定程度时，稍小于前车的速度，则ACC系统控制车辆进行适当的加速，使ACC车辆的速度趋近于前车的速度，同时使两车之间的间距趋近于理想安全距离。