[發(fā)明專利]一種智能電動汽車自適應(yīng)巡航控制系統(tǒng)及其方法

有效

• 申請?zhí)枺?/td>: 201810318561.4
• 申請日: 2018-04-11
• 公開（公告）號: CN108437991B
• 公開（公告）日: 2020-01-14
• 發(fā)明（設(shè)計）人: 郭景華;李文昌;王進
• 申請（專利權(quán)）人: 廈門大學
• 主分類號: B60W30/14
• 分類號: B60W30/14;B60W40/105;B60W40/02;B60W10/04;B60W10/18
• 代理公司: 35200 廈門南強之路專利事務(wù)所(普通合伙)
• 代理人: 馬應(yīng)森

1.一種智能電動汽車自適應(yīng)巡航控制系統(tǒng)的控制方法，其特征在于所述控制系統(tǒng)包括信息獲取模塊、工作模式選擇模塊、控制作用切換模塊、期望力矩計算模塊、轉(zhuǎn)換器模塊和執(zhí)行器模塊；所述信息獲取模塊包括車-車通信模塊、車-路通信模塊和車載信息傳感器，所述工作模式選擇模塊的輸入端與車-車通信模塊、車-路通信模塊和車載信息傳感器的輸出端連接，工作模式選擇模塊的輸出端與控制作用切換模塊輸入端連接，控制作用切換模塊包括驅(qū)動控制模塊和制動控制模塊；期望力矩計算模塊包括驅(qū)動力矩計算模塊和制動力矩計算模塊，驅(qū)動控制模塊輸出端接驅(qū)動力矩計算模塊，制動控制模塊輸出端接制動力矩計算模塊；期望力矩計算模塊的輸出端接轉(zhuǎn)換器模塊輸入端，轉(zhuǎn)換器模塊輸出端接執(zhí)行器模塊的輸入端；

所述控制方法包括以下步驟：

1)駕駛員設(shè)定巡航速度并激活自適應(yīng)巡航開關(guān)后，巡航開始；

2)自適應(yīng)巡航系統(tǒng)信息獲取模塊實時采集本車行駛運動狀態(tài)信息及周圍環(huán)境信息，由車速傳感器測量本車行駛速度，雷達測量本車與前車距離，車-車/車-路通信系統(tǒng)獲取前車行駛速度；

3)根據(jù)步驟2)實時獲取的信息，控制系統(tǒng)工作模式選擇模塊對定速巡航模式或跟蹤模式做出選擇，若雷達檢測到前方?jīng)]有車輛，則進入定速巡航模式；否則進入自動跟蹤前車模式；巡航過程中若駕駛員進行干預(yù)，則巡航結(jié)束；

所述跟蹤模式期望車距控制策略采用固定時距控制策略，期望車距隨速度線性變化，其表達式為s_d＝τv_x+d₀，其中s_d為期望車距，τ為車間時距，v_x為本車車速，d₀為設(shè)定的最小安全車距；

4)若車輛進入自動跟蹤前車模式，控制作用切換模塊則根據(jù)驅(qū)動/制動切換策略，對驅(qū)動或制動模式做出選擇；

設(shè)s為兩車實際車輛間距，則車距誤差表示為Δs＝s-s_d，兩車相對速度用v_r表示，根據(jù)車距誤差與相對速度的關(guān)系提出驅(qū)動/制動切換策略；

5)期望力矩計算模塊計算出跟蹤前車的期望控制力矩，所述期望控制力矩包括驅(qū)動力矩或制動力矩；

6)轉(zhuǎn)換器模塊將期望控制力矩信號轉(zhuǎn)換成驅(qū)動踏板信號或者制動踏板信號，輸出到執(zhí)行器模塊對相應(yīng)執(zhí)行器進行控制，完成自適應(yīng)巡航的控制；

在跟蹤模式下的控制目標為Δs→0，v_r→0；

針對所述控制目標，電動汽車跟蹤模式控制方法包括以下步驟：

(1)建立智能電動汽車自適應(yīng)巡航縱向動力學模型；

(2)采用反演設(shè)計與滑模控制相結(jié)合的方法，提出跟蹤前車期望控制力矩的反演滑模控制律；

(3)采用模糊邏輯實現(xiàn)反演滑模控制律中重要參數(shù)c₁，c₂，c₃的自調(diào)整，具體方法如下：

(3.1)選擇車輛間距與期望車距之差Δs和兩車相對速度v_r作為模糊模型的輸入變量，控制律參數(shù)c₁，c₂，c₃作為輸出變量；

(3.2)設(shè)定模糊模型輸入變量Δs的論域為[-50，50]，輸入變量v_r的論域為[-20，20]，量化因子都取1；輸出變量c₁，c₂，c₃的論域都設(shè)定為[0,50]，比例因子都取1；

(3.3)將所述車輛間距與期望車距之差Δs與兩車相對速度v_r的模糊子集都分為7個語言變量等級，模糊集均設(shè)為{NB,NM,NS,ZO，PS，PM，PB}，分別表示{負大，負中，負小，零，正小，正中，正大}；將控制率參數(shù)c₁，c₂，c₃分別設(shè)為5個語言變量等級，模糊集都為{ZO，PS，PM，PB，VB}，分別表示{零，正小，正中，正大，很大}；選擇高斯函數(shù)作為隸屬度函數(shù)；

(3.4)模糊模型控制規(guī)則為：當車輛間距與期望車距之差Δs與兩車相對速度v_r都為PB時，需要電機輸出大的驅(qū)動力矩，此時取輸出變量c₁，c₂，c₃為ZO；當兩車實際距離與期望安全距離之差Δs與兩車相對速度v_r都為PB時，需要電機輸出大的制動力矩，此時也取輸出變量c₁，c₂，c₃為ZO；當兩車實際距離與期望安全距離之差Δs與兩車相對速度v_r都為ZO時，此時控制收斂，取輸出變量c₁，c₂，c₃為VB；根據(jù)相同邏輯，將控制策略匯總為49條控制規(guī)則；

(4)模糊系統(tǒng)中隸屬度函數(shù)的調(diào)整利用神經(jīng)網(wǎng)絡(luò)的自學習功能，將神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)融合，構(gòu)造一個五層神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)，采用多層前向神經(jīng)網(wǎng)絡(luò)完成模糊模型每一步功能，各層定義如下：

第一層為輸入層，將輸入值傳送至下一層；

第二層的每個節(jié)點代表一個語言變量值，作用為計算各輸入分量屬于各語言變量值模糊集合的隸屬度函數(shù)；所述語言變量值包括NB,NM,NS,ZO，PS，PM，PB；

第三層的每個節(jié)點代表一條模糊規(guī)則，用于匹配模糊規(guī)則的前件，計算出每條規(guī)則的適用度；

第四層完成規(guī)則的后件，進行模糊推理并輸出模糊量；

第五層為輸出層，實現(xiàn)清晰化計算，輸出控制量。