[发明专利]一种结合前车速度预测的自适应跟车巡航控制方法

权利要求书

1.一种结合前车速度预测的自适应跟车巡航控制方法，其特征在于，包括以下步骤：

步骤10)构建前车速度预测模型；

步骤20)获取自车与前车的当前运行工况信息，并采用所述前车速度预测模型得到前车在未来时间段内的速度；

步骤30)根据所述前车在未来时间段内的速度，采用控制不变集的安全车距规划算法得到安全车距；

步骤40)建立车辆纵向动力学系统模型，基于步骤30)得到的安全车距，采用非线性模型预测控制算法计算得到自车的车辆控制参数；

所述步骤10)具体包括：

步骤101)采集车辆驾驶工况数据，所述车辆驾驶工况数据包括车辆在典型道路场景下的自身速度、加速度、经度、纬度和海拔，以及前车相对自身的位置和速度；

步骤102)将所述车辆驾驶工况数据进行筛选和清洗后，将车辆驾驶工况数据分为训练数据集和验证数据集；

步骤103)构建带有记忆门与遗忘门控制函数的长短期记忆神经网络模型，所述长短期记忆神经网络模型的输入为前车历史车速、加速度和道路坡度，输出为未来时间段内的车速；

步骤104)将训练数据集归一化处理后输入所述长短期记忆神经网络模型进行训练，将验证数据集输入训练后的长短期记忆神经网络模型进行交叉验证，得到前车速度预测模型。

2.根据权利要求1所述的结合前车速度预测的自适应跟车巡航控制方法，其特征在于，所述步骤20)具体包括：

步骤201)通过毫米波雷达获取前车的当前运行工况信息，所述前车的当前运行工况信息包括前车的相对速度、相对加速度以及相对于自车的位置；

步骤202)通过卫星定位系统获得自车的当前运行工况信息，所述自车的当前运行工况信息包括自车的位置、速度和加速度；

步骤203)根据前车的相对于自车的位置和自车的位置，计算得到前车的绝对位置；根据前车的相对速度和自车的速度，计算得到前车的绝对速度；根据前车的相对加速度和自车的加速度，计算得到前车的绝对加速度；

步骤204)通过地理位置信息定位系统，以及自车的当前位置和前车的当前位置，获得自车的当前位置的道路坡度和当前所在道路的最高与最低限速；

步骤205)将前车的从自车开始跟车时刻到当前时刻内的绝对速度轨迹、绝对加速度轨迹和坡度轨迹输入到所述前车速度预测模型，得到前车的未来时间段的速度轨迹。

3.根据权利要求1所述的结合前车速度预测的自适应跟车巡航控制方法，其特征在于，所述步骤30)具体包括：

步骤301)建立式(1)所示的前后车跟车系统的状态空间模型：

式中，Δs表示自车于前车之间的距离，v_ego表示自车的速度，表示预测前车速度，g(t)表示自车的纵向加速度，表示前车的加速度；

步骤302)采用式(2)所示的容许集表示前后车跟车系统的状态空间模型中状态量：

式中，χ表示状态量可使用容许集，l_min表示前车与自车在精致状态下需要保证的最小安全距离；

步骤303)定义状态约束安全集为控制不变集，采用式(3)表示：

式中，ψ表示状态约束安全集，表示预测前车最小加速度，g(t)_min表示自车的最小加速度；H表示前车的可行加速度的容许集，Ι表示自车的可行加速度的容许集；

步骤304)从前车当前所在位置以最大减速度刹车，计算得到刹车距离以及前车最后的停车位置；从前车最后的停车位置后退最小车距，将后退后的位置记为自车的反向递推起始位置，并计算从反向递推起始位置开始，自车从静止开始以最大减速度的绝对值，朝反方向加速直到自车的速度等于自车在当前道路允许的最大速度，记录自车在这段过程中的加速距离，以及自车最后的位置；将自车加速到道路最大允许车速的最大位置与前车减速至静止的最终位置相减，得到的相对距离为当前的安全车距。

4.根据权利要求1所述的结合前车速度预测的自适应跟车巡航控制方法，其特征在于，所述步骤40)具体包括：

步骤401)建立车辆纵向动力学系统模型，满足式(4)：

式中，T表示施加在车轮上的转矩，R表示车轮半径，C_D表示自车的风阻系数，A_f表示自车的迎风面面积，ρ表示空气密度，m表示自车的总装质量；

对车辆纵向动力学系统模型进行离散化，以满足式(5)：

x(t+1)＝f(u(t),x(t),θ(t),t) 式(5)

步骤402)根据车辆纵向动力学系统模型，考虑跟车距离误差、驾乘人员的舒适性和车辆所需的能耗，建立式(6)所示的车辆纵向动力学系统的二次型目标函数：

式中，δd(k|t)表示期望车距代价软约束，Δa(k|t)表示自车的加速度，f(k|t→t₀)表示自车累计能耗，R₁表示代价函数的第一权重系数，R₂表示代价函数的第二权重系数，R₃表示代价函数的第三权重系数；

步骤403)根据步骤30)得到的安全车距，建立车速控制的约束集合，所述约束集合包括：

车辆转矩约束：T_minω(k|t)≤T(k|t)≤T_maxω(k|t)，

车速极值约束：v_min≤v(k|t)≤v_max，

安全车距约束：

期望车距软约束：其中，期望车距以软约束的形式加入式(6)所示的目标函数；

步骤404)求解得到自车的车辆控制参数。