一种抗干扰的智能网联车队巡航控制方法与流程

1.本发明涉及智能网联汽车协同自适应巡航控制技术，尤其是涉及一种抗干扰的智能网联车队巡航控制方法。


背景技术：

2.智能网联汽车融合了现代通信技术、计算机与网络技术，通过先进的车载传感器、控制器、执行器等装置具备了车间通信、车路通信和环境感知等能力，能够基于环境感知信息经控制器产生控制决策方案，并由执行器执行控制指令，从而实现自动驾驶与车路协同。
3.车辆编队是智能网联汽车协同自动化的一个重要应用场景，车辆编队巡航可以通过更短的跟驰间距提高交通运行的效率。但是车辆编队系统还需要保障车辆运行的平稳和交通安全，这就要求智能网联车队巡航控制方法具有抗干扰能力，从而保证外界扰动沿车队向上游传输时逐渐减少并最终稳定，避免在紧密车队内部出现放大性震荡，提高巡航安全性。
4.然而，现有的智能网联车队巡航控制方法存在以下明显缺陷：
5.1、现有的智能网联车队巡航控制系统难以保证车队巡航过程中的稳定性，导致前车的扰动沿车队向上游传递；
6.2、现有的智能网联车队稳定控制方法缺乏灵活的参数调整能力，且无法适用多种编队状态。


技术实现要素：

7.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种抗干扰的智能网联车队巡航控制方法。
8.本发明的目的可以通过以下技术方案来实现：
9.一种抗干扰的智能网联车队巡航控制方法，该方法包括以下步骤：
10.步骤1：将每辆智能网联车辆收集的信息收集到计算单元；
11.步骤2：建立智能网联车队抗干扰巡航控制器，并通过智能网联车队抗干扰巡航控制器规划所有车辆的轨迹；
12.步骤3：基于规划的轨迹向智能网联车队的每辆智能网联汽车发送最优运行指令，智能网联汽车接收并执行最优运行指令。
13.所述的步骤2中，建立智能网联车队抗干扰巡航控制器的过程包括以下步骤：
14.步骤201：建立车辆巡航动力学方程；
15.步骤202：建立智能网联车队抗干扰巡航控制器的成本函数；
16.步骤203：调节权重系数参数，使智能网联车队具备抗干扰能力。
17.所述的步骤201中，车辆巡航动力学方程的表达式为：
18.19.其中，xn＝[x
1 x2ꢀ…ꢀ
xn]
t
为智能网联车队巡航控制器的状态向量，(
·
)
t
表示转置，为每辆车的状态向量，i为智能网联车队中受控车辆的编号，v
i-1
和vi分别为前车和受控车辆的速度，和gi分别为期望车头间距和实际车头间距，un＝[a
1 a2ꢀ…ꢀan
]
t
为控制向量，ai为受控车辆的加速度，a1为cacc车队头车的加速度，n为车队内车辆的总数，an、bn和cn分别均为车队系统纵向动力学状态系数矩阵。
[0020]
所述的车队系统纵向动力学状态系数矩阵an、bn和cn的表达式分别为：
[0021][0022][0023][0024]
所述的步骤2中，成本函数jn的表达式为：
[0025][0026]
其中，t为预测时域和控制时域，为运行成本函数，为终端成本，其中，qn和rn均为权重系数矩阵。
[0027]
所述的权重系数矩阵qn和rn的表达式分别为：
[0028][0029][0030]
其中，qv、qg和ra均为权重系数常数。
[0031]
所述的步骤203中，智能网联车队的抗干扰能力标准为车辆加速度波动沿着编队向后减小，表示为：
[0032]
对满足：
[0033][0034]
其中，φ
n，j，j-1
表示在车队内车辆数为n时第j辆车与其前第j-1辆车之间的加速度振荡传递函数，||
·
||2表示二范数，aj(s)表示第j辆车在频域中的加速度振荡，s为频率域中自变量。
[0035]
所述的步骤203中，调节权重系数参数的过程具体为：
[0036]
步骤a：计算第j辆智能网联汽车与车队头车之间的加速度振荡传递函数φ
n，j，1
：
[0037][0038][0039]
其中，i为单位向量，s为频率，即拉普拉斯域自变量，d
1，j
为参数向量；
[0040]
步骤b：计算在车队内车辆数为n+1时，第二辆智能网联汽车与车队头车之间的加速度振荡传递函数φ
n+1，2，1
：
[0041][0042]
其中，(
·
)2表示在车队内车辆数为2时的参数矩阵或车队系统纵向动力学状态系数矩阵，由(
·
)n带入n＝2计算得到；
[0043]
步骤c：车队内相邻两辆车之间的加速度振荡传递函数不受车队长度的影响，即φ
n+1，j，j-1
＝φ
n，j，j-1
；
[0044]
步骤d：由步骤a～c得到恒定特性，即θ
n+1，j，j-1
＝θ
n，j，j-1
＝
…
＝θ
j，j，j-1
；
[0045]
步骤e：计算两辆车组成车队的情况下的加速度振荡传递函数θ
2，2，1
：
[0046][0047]
步骤f：设计控制器参数qv、qg和ra，使其满足0＜θ
2，2，1
≤1，即可由步骤d推得0＜φ
n，j，j-1
≤1，满足串行稳定性判定标准，即可保证智能网联车队巡航控制稳定性。
[0048]
所述的步骤1中，智能网联车辆具有环境感知装置、定位装置、v2v通信装置、车载数据库以及控制装置。
[0049]
所述的控制装置与动力系统、制动系统和转向系统连接。
[0050]
与现有技术相比，本发明具有以如下有益效果：
[0051]
1、本发明通过建立智能网联车队抗干扰巡航控制器，使得智能网联车队的巡航具有抗干扰能力，保证外界扰动沿车队传播时不被放大，使车辆运行平稳且安全；
[0052]
2、本发明从理论上分析得到了保障车队抗干扰特性的参数设计依据，简单可靠；
[0053]
3、本发明中保证车队抗干扰性的参数设计依据具有普遍适用性，可推广至任意规模的智能网联车队。
附图说明
[0054]
图1为本发明的方法流程图。
具体实施方式
[0055]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0056]
本发明提供了一种抗干扰的智能网联车队巡航控制方法，该方法包括以下步骤：
[0057]
步骤1：将每辆车收集的信息收集到计算单元；
[0058]
步骤2：建立智能网联车队抗干扰巡航控制器，并通过智能网联车队抗干扰巡航控制器规划所有车辆的轨迹；
[0059]
步骤3：向智能网联车队的每辆智能网联汽车发送最优运行指令，由车辆进行执行。
[0060]
在步骤1中，智能网联车辆具有环境感知装置、定位装置、v2v通信装置、车载数据库以及控制装置，各控制装置与动力系统、制动系统和转向系统连接。
[0061]
在步骤2中，建立智能网联车队抗干扰巡航控制器的过程包括以下步骤：
[0062]
步骤201：建立车辆巡航动力学方程，车辆巡航动力学方程的表达式为：
[0063][0064]
其中，xn＝[x
1 x2ꢀ…ꢀ
xn]
t
为智能网联车队巡航控制器的状态向量，(
·
)
t
表示转置，为每辆车的状态向量，i为智能网联车队中受控车辆的编号，v
i-1
和vi分别为前车和受控车辆的速度，和gi分别为期望车头间距和实际车头间距，un＝[a
1 a2ꢀ…ꢀan
]
t
为控制向量，ai为受控车辆的加速度，a1为cacc车队头车的加速度，n为车队内车辆的总数，an、bn和cn分别均为车队系统纵向动力学状态系数矩阵，其表达式分别为：
[0065][0066][0067][0068]
步骤202：建立智能网联车队抗干扰巡航控制器的成本函数，成本函数jn的表达式
为：
[0069][0070]
其中，t为预测时域和控制时域，为运行成本函数，为终端成本，其中，qn和rn均为权重系数矩阵，权重系数矩阵的表达式分别为：
[0071][0072][0073]
其中，qv、qg和ra均为权重系数常数。
[0074]
步骤203：调节权重系数参数，使智能网联车队具备抗干扰能力。
[0075]
在步骤203中，智能网联车队的抗干扰能力标准为车辆加速度波动沿着编队向后减小，表示为：
[0076]
对满足：
[0077][0078]
其中，φ
n，j，j-1
表示在车队内车辆数为n时，第j辆车与其前第j-1辆车之间的加速度振荡传递函数，||
·
||2表示二范数，aj(s)表示第j辆车在频域中的加速度振荡，s为频率域中自变量。
[0079]
在步骤203中，调节权重系数参数的过程具体为：
[0080]
步骤a：计算第j辆智能网联汽车与车队头车之间的加速度振荡传递函数φ
n，j，1
：
[0081][0082][0083]
其中，i为单位向量，s为频率，即拉普拉斯域自变量；
[0084]
步骤b：计算在车队内车辆数为n+1时，第二辆智能网联汽车与车队头车之间的加速度振荡传递函数φ
n+1，2，1
：
[0085][0086]
其中，(
·
)2表示在车队内车辆数为2时的参数矩阵或车队系统纵向动力学状态系
数矩阵，由(
·
)n带入n＝2计算得到；
[0087]
步骤c：车队内相邻两辆车之间的加速度振荡传递函数不受车队长度的影响，即φ
n+1，j，j-1
＝φ
n，j，j-1
；
[0088]
步骤d：由步骤a～c得到恒定特性，即θ
n+1，j，j-1
＝θ
n，j，j-1
＝
…
＝θ
j，j，j-1
；
[0089]
步骤e：计算两辆车组成车队的情况下的加速度振荡传递函数θ
2，2，1
：
[0090][0091]
步骤f：设计控制器参数qv、qg和ra，使其满足0＜θ
2，2，1
≤1，即可由步骤d推得0＜φ
n，j，j-1
≤1，满足串行稳定性判定标准，即可保证智能网联车队巡航控制稳定性。
[0092]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。