关于汽车的文献综述

应用于汽车上的系统识别与自适应控制技术

一.概述

随着社会的不断进步，人们对于生活质量也越来越在意。其中最重要的就是对于出行便捷的追求，首当其冲的就是汽车。据调查，2014年中国的汽车销量已经是全球第一，平均下来几乎是每家每户都有一辆汽车。于是，问题也随之而来，环境、安全、材料等方面的问题不断的进入我们的视野，被提上日程。但是，对于中国这个刚走上汽车发展道路的国家而言，还需更多的技术才能将这些问题解决。本篇文献综述将重点讲述关于汽车安全方面的技术，当系统识别与自适应控制技术应用在汽车上时，汽车将变得更加安全和智能。

二.正文

1.汽车自适应巡航控制系统

汽车自适应巡航控制（Adaptive Cruise Control,简称ACC）。它既具有传统巡航控制的定速巡航功能，又可以通过车载雷达等传感器监测汽车前方的行驶环境，帮助驾驶员避免交通事故，降低驾驶员的工作负担，减轻驾驶疲劳，提高公路上驾车的安全性。

对于驾驶员的最优预瞄加速度模型的汽车自适应巡航控制算法，提出了以下概念框图：

图 1 驾驶员最优预瞄加速度模型结构框图图2 基于最优预瞄加速度决策的汽车ACC算法

ACC汽车的预瞄算法包括三个部分：未来运动状态的预瞄、未来运动状态的评价指标建立、最优纵向加速度决策。采用下图所示的过程来实现：

图3 ACC 汽车最优预瞄加速度决策流程

这种控制系统将方向主要交与驾驶员负责，它主要的目的是控制纵向加速度和速度。因为加速度的性能有一定的限制，所以不可能瞬间获得一个加速度。同理，在短时间内速度也不可能变化很大。所以，控制加速度和速度的变化是一定的范围的。于是，分别给出加速和减速的计算方法：

式中△ẍi,max −是i 时刻汽车纵向减速度的最大增量，△ẍi,max +是i 时刻汽车

纵向加速的最大增量，x i 是i 时刻汽车的纵向加速度，T sim 是仿真周期，ẍmax

+和ẍmax −分别是汽车可能达到的最大加速度和最大减速度，一般情况下汽车纵向

最大加速度不会超过1～2m/s 2，最大制动减速度不会超过5～8m/s 2，x i +⃛和x

i −⃛分别是汽车当前时刻最大的正向和反向加速度。

之后，进行预期轨迹点集合的状态量计算。通过计算得到当前时刻的汽车纵向最大加速度及最大减速度增量，还有当前时刻纵向加速度增量区间[△

ẍi,max −，△ẍi,max +]将此纵向加速度增量区间均匀划分为N 段，得到一系列i 时刻

汽车可行的纵向加速度增量△ẍi,n ,为了便于计算要求N 为奇数，则针对每一个纵向加速度增量△ẍi,n ：

以汽车当前时刻的状态量为初始条件，计算在预瞄时间T p 后的车辆状态。这些

状态点就组成了N 维预期位置点的集合。每给定一个当前时刻的汽车可行纵向加速度增量△ẍi,n ，按照上述的位置决策单元的前视策略即可计算出唯一的车辆预期状态。

最后，根据无穷小原则，将T p 细分为J 等分，设每一等分为△t p ，则对每一微

小等分，由于持续时间很短，忽略汽车纵向和横向的相互影响，因此能够利用简化的公式求出汽车纵向与横向在△t p 后的状态，按照这种方法累加到最后一

步，即可求得汽车在预瞄时间段T p 后的状态：

因为每一步的计算所参照的坐标系都不一样，因此需将它们转换到同一个参照坐标系下：

在这之后，需要对于汽车的未来运动进行评价，采用Sigmoid隶属度函数形式，如图所示：

图4 单极性Sigmoid函数示意图

ACC汽车的未来运动状态的评价指标体系包括：驾驶安全性评价指标IDS （Index of Drive Safety）、驾驶工效性评价指标IDE（Index of Drive Efficiency）、驾驶轻便性评价指标IDH（Index of Drive Handiness）、驾驶合法性评价指标IDL（Index of Drive Legality）。

如果加速度和速度等汽车相关的变量都已经通过评价体系，系统将进入对于加速度的决策过程（即选择最优的一个加速度）。决策过程部分采用多目标模糊决策理论及TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）方法。TOPSIS法的基本思想是通过对决策集合中的每个方案求其隶属度值的加权和，然后选择具有最大和值得那个方案作为最优决策，它的特点在于引入“理想解”d i∗和“负理想解”d i−。然后和自己得出的结果进行

欧几里德距离上的比较，公式为：C

I =d i

−

d i−+d i∗

，越接近1越好。对于上述的四种决

策，可以采用矩阵的模式来选取最好的满足数据，然后再根据这个TOPSIS方法来选择这四个指标的重要程度，做为数据的取舍。

ACC汽车的控制校正原理与驾驶员方向和速度综合控制最优预瞄加速度模

型相应部分原理相同，都是采用局部等效方法来线性化的描述汽车的动力学控制特性，并建立相应的汽车动力学一阶线性时变参数模型：采用最小二乘法辨识一阶线性时变参数模型中的各个参数，组成时变控制器参数的查询表，实际中根据汽车的行驶状态查询数表并进行一定的插值计算，获得控制器参数，最后通过校正公式对决策的最优预瞄加速度进行校正。

通过前面研究分析得出，用时变的一阶线性模型去拟合汽车纵向速度控制系统的非线性，无论是采用控制器参数的离线辨识还是在线辨识，都存在一定的不足。在这里，介绍ACC汽车模糊自校正控制算法。其控制过程如下：

图 5 模糊系统的基本框图

在模糊控制过程中，首先要完成：1.由经典集合到模糊集合；2.由数值变量到语言变量；3.模糊推理。然后介绍模糊自校正系统的框图如下：

图6 模糊自校正系统的框图

最后，在具体的实施方案中要先进行模糊化、建立模糊规则库、反模糊化。

模糊化：将数字表示形式的输入量转化为通常用语言值表示的某一限定码的序数，每一个限定码表示论域内的一个模糊子集。加速度、加速度误差和踏板增量的误差模糊语言值为：

E:{PB，PS，ZO，NS，NB}

E

:{PB，PS，ZO，NS，NB}

C

u:{PB,PM,PS,ZO,NS,NM,NB}

按照语言值的划分，采用三角形隶属度函数，得到各输入输出的隶属度函数：