车间运动学模型在智能车速度跟踪控制中的应用_李明喜

3 － 4］对 2011 —2015 年 的 智 能 车 纵 向 速 度 文献［ 控制技术现 状 进 行 了 总 结 ， 指出目前常用的方法
0515 ； 修回日期： 20150622． 收稿日期： 201591220301 ） ． 基金项目： 国家自然科学基金重大研究计划资助项目 （ 91120306 ， 讲师． 男， 博士， 作者简介： 李明喜（ 1974 —） ，
第 17 卷 第 11 期 2015 年 11 月
军 事 交 通 学 院 学 报 Journal of Military Transportation University
Vol． 17 No． 11 November 2015
● 车辆工程
Vehicle Engineering
车间运动学模型 在智能车速度跟踪控制中的应用
50
军
事
交
通
学
院
学
报
第 17 卷
第 11 期
5］ 对目前车辆的纵向控制 仍然是 PID 算法 ； 文献［ 算法 ， 尤其是应用在 ACC 自动巡航控制系统中的 模糊 PID 算 法 进 行 了 比 较 ， 结论是该类算法的适 应性较差 ， 难 以 在 不 同 车 辆 间 无 障 碍 移 植。 纵 观 此类算法虽然具有计算简单 、 实现方便的优势 ， 但 适应范围受 到 限 制 ， 主要表现在这类算法通常和 车辆自身 动 力 学 特 性 紧 耦 合
3
优化目标函数
根据模型 预 测 控 制 的 思 想 ， 智能车的纵向控
k∈ 制问题转化为 ： 寻找一合适的输入序列 u h （ k ） ， N ； 满足 条 件 min （ x k － x ref ） ， 其 中 xk 为 预 测 状 态， x ref 为目标状态 。 下面介绍该优化问题的目标函数 和算法 。 3． 1 目标函数 若状态偏差记为 ξ = x e （ k ） = （ x k － x ref ） ， 该问 题是一个标 准 的 优 化 问 题 ， 优化目标可选为二次 形式的标准目标函数 ： J（ Δu （ k | k ） ， x e （ k ） ） = ∑ （ ξ T （ k + n | k ） Qξ （ k +
［6］
图1
车间运动学模型示意
， 针对某一辆车进 。
行反复整定 和 调 整 后 ， 可以达到比较满意的控制 效果 ， 但是很难移植到其他车辆 测控制理 论 算法
［5 ， 7］ ［4］ ［1 ，4 ，7 － 8］
可以列出在初始时刻 传感 器 测 量 获 取 。 因 此 ， k （ t = 0 ） 条件下车间运动学方程如下 ： x （ t） = x r （ 0 ） + r v （ t） = v （ 0 ） + r r v h （ t） = v h （ 0 ） +
Abstract ： Vehicle longitudinal speed control is one of the key technologies in the field of intelligent vehicle，and its control precision and response speed is the basis of other technologies． The paper studies the speedtracking control algorithm with model predictive control theory： firstly，it proposes the concept of virtual target vehicle by improving vehicle system kinematics model； secondly，it proposes a method to decrease optimal target and improve prediction horizon，which can reduce the computational expense of control algorithm to realtime control cycle． After testing on different vehicles，it proves that this algorithm can meet the realtime and accuracy requirements，and it can also realize the lowcost transplantation of control algorithm． Keywords： intelligent vehicle； vehicle kinematic model； velocity； control
车辆纵向运动速度跟踪控制是智能车技术领 域的关键技 术 之 一 ， 主要研究内容是智能车的纵 向控制子系统能够通过操纵油门和制动踏板调整 车辆行驶速 度 ， 跟踪智能决策子系统所设定的目
标速度 ， 具备较高的控制精度和响应速度 ， 是保证 环境 识 别 、 智能决策技术实现的重要基础
［1 － 2］
。
李明喜， 章永进， 彭永胜， 徐友春
（ 军事交通学院 军用车辆系， 天津 300161 ） 摘 要： 车辆纵向运动速度控制是智能车领域的关键技术之一 ， 其控制精度和响应速度是智能车其
他功能实现的基础。采用模型预测控制理论， 研究实现速度跟踪控制算法： 一是对车辆系统车间运 动学模型进行改造， 提出虚拟目标车辆概念； 二是提出减少优化目标和改善预测时域的确定方法， 降低控制算法的计算成本在实时控制周期之内 。通过在不同车辆上的试验表明， 所开发的算法满 足了控制系统的实时性要求和控制精度要求 ， 并可实现控制算法的无缝移植。 关键词： 智能车； 车间运动学； 速度； 控制 中图分类号： TP273 文献标志码： A 2192 （ 2015 ） 11-0049-05 文章编号： 1674-
T
。
在实现过 程 中 ， 系统的预测模型是算法的基 础， 采用与车辆特性无关的车间运动学模型 ； 优化 算法采用 Matlab 中成熟的工具箱函数实现
［9］
。本
{
x （ k + 1 ） = Ax （ k ） + Bu（ k ） y（ k） = x（ k）
k∈N
文的重点是调整车间运动学模型的结构和确定预 测时域 N p ， 满足实时性的 以 达 到 降 低 计 算 成 本、 要求 。
2
— —车间运动学模型 预测模型 —
车间运动学模型 （ 如图 1 所示 ） 是一种简单的
描述两辆同向行驶的车辆之间位置变化关系的数 学模型
［3］
。 目标车辆的实际运动速度为 v t （ t ） ， 其
主要变量有车间相对距离 x r （ t） 和相对速度 v r （ t） ， 被控 可由安装在 被 控 车 辆 前 端 的 雷 达 测 量 获 取 ， 车辆的绝对速度 v h （ t） 和加速度 a h （ t ） 由车辆自身
0 0 B= 0 1 利用传感器测量得到当前时刻 通过该模 型 ，
2015 年 11 月
李明喜等 ： 车间运动学模型在智能车速度跟踪控制中的应用
51
2， …， 的状态 x0 ， 即可预测在输入 u （ k － 1 ） 时 k （ 1 ， N p ） 个采样时刻的车辆运动状态 x k ， 其中 N p 为预 测时域长度 。 从该模型 所 包 含 的 物 理 参 数 可 知 ， 其优势在 于能够反映 车 辆 的 运 动 状 态 ， 且和被控车辆的动 力学特性无关 ， 因此 ， 可以满足不同类型车辆的运 动控制 ， 适用范围较广 。
∫
t0
设采样时间为 T s ， 对模型进行离散模型预测控制是利用系统的预测模型以当前
x （ k + 1 ） = Ax （ k ） + Ba h （ k ）
k∈N
T
x（ k） = （ x r （ k） ， vr （ k） ， vh （ k） ） 1 A = 0 0 Ts 1 0 0 0 1
本文尝试 采 用 车 间 运 动 学 预 测 模 型 ， 利用预 ， 实现智能车的纵向速度跟踪控制 。 经试验证明 ， 该方法可以有效规避车辆
∫ ∫
t
t0 t
v r （ t） d t a r （ t） d t a h （ t） d t
t0 t
自身动力学 的 影 响 ， 便于在不同车辆间实现无缝 移植 ， 并具有良好的控制精度和响应速度 。
n =1 Ny
4
预测时域
目前 ， 最优 控 制 算 法 所 面 临 的 应 用 瓶 颈 是 计
n | k） ） + ∑ （ Δ u T （ k + n） Ｒ Δ u（ k + n） ）
n =0
Nu － 1
qi （ i = 1 ， q2 ， q3 ， q4 ） ， 2， 3， 4） ， 式中 ： Q = Diag （ q1 ， 表 示各个状态变量的权重 ； Ｒ 为控制量输入的权重 。 采用 Matlab 有约束的优化工具箱函数 fmincon 实现
时刻 k 所测量的系统状态为初值 y （ k ） ， 预测被控 2， …， Np （ 预 测 时 域 ） ） 被 控 对象在将来时 刻 i （ 1 ， 变量的输出序列 y （ i | k ） 与设定值 y0 之间的差值 ， 基于该差值采用“滚动式 ” 优化策略计算出在开环 条件下最优的控制输入序列 u （ i | k ） ， 将序列 u （ i | k ） 的前 N C （ 控制时域 ） 个量作为系统的实际控 制 输入 。 不断循环该过程 ， 直到实际被控输出量 y 达 到控制目标值 y0 的目标 。 该算法具有建模方便 、 对数学模型要求低 、 跟踪性能好等优点 ， 因而更适 合于智能车辆的纵向控制任务
3． 2
基于单车控制的改进 上述优化 算 法 可 以 满 足 多 个 约 束 、 多个控制