[發(fā)明專利]一種基于事件觸發(fā)的智能網(wǎng)聯(lián)汽車編隊控制方法有效
| 申請?zhí)枺?/td> | 202210486957.6 | 申請日： | 2022-05-06 |
| 公開（公告）號： | CN114792478B | 公開（公告）日： | 2023-10-24 |
| 發(fā)明（設計）人： | 胡宏宇;王子軒;程銘;孫亮亮;李爭一 | 申請（專利權(quán)）人： | 吉林大學 |
| 主分類號： | G08G1/123 | 分類號： | G08G1/123;G08G1/052 |
| 代理公司： | 長春吉大專利代理有限責任公司 22201 | 代理人： | 王淑秋;朱世林 |
| 地址： | 130012 吉林省長春市*** | 國省代碼： | 吉林;22 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 事件 觸發(fā) 智能 汽車 編隊 控制 方法 | ||
1.一種基于事件觸發(fā)的智能網(wǎng)聯(lián)汽車編隊控制方法，其特征在于，包括以下步驟：
步驟一：通過車聯(lián)網(wǎng)通信和自車傳感器測量接收前車及自車狀態(tài)信息；
步驟二：使用卡爾曼濾波器對測量的車輛狀態(tài)信息進行估計；
步驟三：將獲取及處理后的狀態(tài)信息輸入上層控制器；
步驟四：將期望加速度與實際車輛狀態(tài)輸入下層控制器修正節(jié)氣門開度和制動壓力；
步驟五：根據(jù)事件觸發(fā)策略輸出自車加速度傳遞值。
2.根據(jù)權(quán)利要求1所述的一種基于事件觸發(fā)的智能網(wǎng)聯(lián)汽車編隊控制方法，其特征在于：
步驟一中所述通過車聯(lián)網(wǎng)通信和自車傳感器測量接收前車及自車狀態(tài)信息，具體內(nèi)容如下：
通過車聯(lián)網(wǎng)通信接收前車加速度傳遞值通過自車傳感器測量接收自車與前車間距xi-1-xi-L，自車與前車相對速度vi-1-vi以及自車加速度ai。
3.根據(jù)權(quán)利要求2所述的一種基于事件觸發(fā)的智能網(wǎng)聯(lián)汽車編隊控制方法，其特征在于：
步驟二中所述使用卡爾曼濾波器對測量的車輛狀態(tài)信息進行估計，包括如下內(nèi)容：
選取狀態(tài)變量及觀測變量
選取濾波系統(tǒng)狀態(tài)變量X(k)為：
式中，xi-1(k)-xi(k)為自車與前車的相對距離，vi-1(k)-vi(k)為自車與前車的相對速度，xi(k)、vi(k)、ai(k)分別為自車的位置、速度，加速度；
選取濾波系統(tǒng)觀測變量Y(k)為：
Y(k)＝X(k)
根據(jù)濾波系統(tǒng)狀態(tài)變量及觀測變量建立濾波系統(tǒng)離散狀態(tài)方程：
X(k+1)＝AX(k)+BU(k)+ω(k)
Y(k)＝CX(k)+v(k)
式中，X(k+1)為濾波系統(tǒng)在k+1時刻的狀態(tài)變量，U(k)為濾波系統(tǒng)的控制變量，ai-1(k)為第i-1輛車的實際加速度，ui(k)為自車的期望加速度，Δt為采樣時間，τ為車輛的動力遲滯系數(shù)，ω(k)和v(k)是過程噪聲和觀測噪聲，均值均為零、方差分別為Q和R的不相關的高斯白噪聲；
結(jié)合卡爾曼濾波算法對車輛的狀態(tài)參數(shù)進行實時的濾波處理。
4.根據(jù)權(quán)利要求3所述的一種基于事件觸發(fā)的智能網(wǎng)聯(lián)汽車編隊控制方法，其特征在于：
所述結(jié)合卡爾曼濾波算法對車輛的狀態(tài)參數(shù)進行實時的濾波處理，濾波更新流程如下：
由k-1時刻狀態(tài)X(k-1|k-1)結(jié)合濾波系統(tǒng)方程估計k時刻狀態(tài)X(k|k-1)：
X(k|k-1)＝AX(k-1|k-1)+BU(k)
用k-1時刻的協(xié)方差矩陣P(k-1|k-1)和過程噪聲協(xié)方差矩陣Q更新k時刻的先驗狀態(tài)協(xié)方差矩陣P(k|k-1)：
P(k|k-1)＝AP(k-1|k-1)AT+Q
式中，AT為濾波系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣A的轉(zhuǎn)置；
利用k時刻先驗狀態(tài)協(xié)方差矩陣P(k|k-1)和觀測噪聲協(xié)方差矩陣R計算k時刻卡爾曼增益K(k)：
式中，CT為濾波系統(tǒng)觀測矩陣C的轉(zhuǎn)置；
根據(jù)k時刻觀測變量Y(k)和k時刻卡爾曼增益K(k)，得到k時刻最優(yōu)狀態(tài)估計X(k|k)：
X(k|k)＝X(k|k-1)+K(k)[Y(k)-CX(k|k-1)]
使用卡爾曼增益K(k)和先驗狀態(tài)協(xié)方差矩陣P(k|k-1)更新k時刻后驗狀態(tài)協(xié)方差矩陣P(k|k)：
P(k|k)＝[I-K(k)C]P(k|k-1)
式中，I為單位矩陣；
通過卡爾曼濾波對測量得到的狀態(tài)參數(shù)進行估計，得到相關參數(shù)的估計值：分別為自車與前車估計相對距離自車與前車估計相對速度以及自車估計加速度
該專利技術資料僅供研究查看技術是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于吉林大學，未經(jīng)吉林大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210486957.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
