[发明专利]一种基于事件触发的智能网联汽车编队控制方法

说明书

本发明属于智能网联汽车技术领域，尤其为一种基于事件触发的智能网联汽车编队控制方法，包括：通过车联网通信和自车传感器测量接收前车及自车状态信息；使用卡尔曼滤波器对测量的车辆状态信息进行估计；将获取及处理后的状态信息输入上层控制器；将期望加速度与实际车辆状态输入下层控制器修正节气门开度和制动压力；根据事件触发策略输出自车加速度传递值。本发明利用事件触发策略减少了车辆之间的通信频率与能量消耗，引入卡尔曼滤波对自车传感器接收信息进行状态估计，提高了跟随精度，降低跟随误差，增加内触发时间；采用线性最优二次型(LQR)设计跟随控制律，实现了编队的控制目标，保障了跟随车的安全。

技术领域

本发明涉及智能网联汽车技术领域，具体为一种基于事件触发和状态估计的智能网联汽车编队控制方法。

背景技术

车辆编队控制通过将多个车辆排列成指定的队形和结构，使编队中车辆之间保持较小且相对稳定的间距和相同的速度沿着道路前进。智能网联汽车组成编队是未来增加交通容量的一种经济高效的方法，有利于缓解交通拥堵、减少交通事故、减少环境污染。

利用车联网通信传递的信息，每辆车都可以获取编队中其他车辆的实时状态，在接收到这些信息后，编队内部车辆在计算分析后可以调整行驶状态，提前做好准备，避免意外的发生。

目前编队通信使用的时间触发策略即按照预先设定好采样时间对车辆状态进行采样并通信，消耗系统大量资源，并可能导致通信延迟、数据包丢失等问题。因此有必要设计合理的通信方式以利用有限的通信资源，事件触发策略就是其中一种有效的方式。事件触发策略并不是定期进行通信发送数据，而是根据测量误差与阈值的关系决定是否进行通信，这个阈值与所在系统参数有关。使用事件触发策略可以减少车辆之间的通信频率及能量消耗。

卡尔曼滤波器具有计算量小，实时性好的特点，并对运动状态具有较高的预测估计能力。由于传感器测量存在噪声，直接将噪声数据代入控制器会产生误差，影响控制效果，并且还会增加事件触发次数，因此对噪声数据进行卡尔曼滤波，可以在提高编队控制精度的同时减少触发次数，节约通信资源消耗。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于事件触发的智能网联汽车编队控制方法，解决了编队内车辆通信频繁以及测量噪声影响车辆控制精度的问题。

(二)技术方案

本发明为了实现上述目的具体采用以下技术方案：一种基于事件触发的智能网联汽车编队控制方法，包括以下步骤：

步骤一：通过车联网通信和自车传感器测量接收前车及自车状态信息：

通过车联网通信接收前车加速度传递值通过自车传感器测量接收自车与前车间距x_i-1-x_i-L，自车与前车相对速度v_i-1-v_i以及自车加速度a_i。

步骤二：使用卡尔曼滤波器对测量的车辆状态信息进行估计：

在步骤二中，需要获取车辆所需状态信息的估计值，包括如下步骤：

1.选取状态变量及观测变量。

选取滤波系统状态变量X(k)为：

式中，x_i-1(k)-x_i(k)为自车与前车的相对距离，v_i-1(k)-v_i(k)为自车与前车的相对速度，x_i(k)、v_i(k)、a_i(k)分别为自车的位置、速度，加速度。

选取滤波系统观测变量Y(k)为：

Y(k)＝X(k)