1.一种基于5G V2X的车辆协同跟随控制系统,其特征在于,由5G V2X通信模块、车辆状态采集模块、协同决策层和运动控制层组成;
所述5G V2X通信模块接收它车的速度、位置信息,并向它车发送主车的速度、位置信息;
所述车辆状态采集模块通过5G V2X通信模块采集前车的速度、位置信息,同时通过车载传感器采集主车的速度、位置信息;然后,根据采集的信息计算出前车与主车的实际间距、前车与主车的相对速度、前车加速度、主车加速度以及主车加速度变化率;
所述协同决策层由安全距离模型、车间运动学模型以及模型预测控制器组成;该层以前车与主车的相对速度、主车速度、前车与主车的实际间距、前车加速度、主车加速度以及主车加速度变化率为输入,根据期望车间距与实际车间距偏差、结合车间运动学模型,通过模型预测控制器确定期望加速度,并传输至运动控制层;
安全距离模型根据车辆状态采集模块提供的前车与主车的相对速度和主车速度,输出期望车间距;
车间运动学模型为模型预测控制器提供反应主车和前车纵向相对运动学关系的离散状态空间方程;
模型预测控制器基于车间运动学模型,输入为期望车间距与实际车间距的偏差、主车速度、主车加速度、主车加速度变化率、前车速度和前车与主车的相对速度,输出为期望加速度;
所述运动控制层包含驱动/制动决策模块、模糊控制器以及PID控制器,共同实现控制车辆以期望加速度跟随前车行驶,并保持车间安全距离;
驱动/制动决策模块根据期望加速度的大小确定车辆运动控制模式;
模糊控制器根据主车期望加速度与实际加速度的偏差及其变化率,动态输出PID控制参数;
PID控制器根据模糊控制器输出的PID控制参数以及驱动/制动决策模块确定的车辆运动控制模式,控制车辆驱动转矩或制动压力,实现主车对前车的跟随控制。
2.一种基于5G V2X的车辆协同跟随控制方法,其特征在于,首先采集前车及主车运动状态信息,然后由安全距离模型计算期望车间距,再根据期望车间距以及前车与主车的运动状态信息、结合车间运动学模型、由模型预测控制器计算期望加速度,并根据期望加速度的大小由驱动/制动决策模块确定车辆运动控制模式,通过模糊控制器确定PID控制参数,最后由PID控制器调节被控车辆的驱动转矩或制动压力,实现主车对前车的协同跟随控制,其具体步骤如下:
步骤1:采集前车及主车运动状态信息;
首先通过5G V2X通信模块采集前车的速度、位置,同时通过传感器采集主车的速度、位置信息;然后根据采集的信息计算出前车与主车的实际车间距、前车与主车的相对速度、前车加速度、主车加速度以及主车加速度变化率;
步骤2:计算期望车间距;
根据由下式表示的安全距离模型,计算期望车间距ddes=th1v+th2vr+d0式中,ddes为期望车间距,表示前车与主车的期望安全距离;th1、th2均为大于0的常数;vr表示前车与主车的相对速度;v表示主车的行驶速度;d0表示两车最小固定距离,包括车身长度;
步骤3:计算期望加速度;
根据期望车间距以及前车与主车的运动状态信息、结合车间运动学模型、由模型预测控制器计算出期望加速度,具体如下:S31建立车间运动学模型的离散状态空间方程:式中:
T T
f=[‑d0 0] ;x(k)=[d(k),vr(k),v(k),a(k),j(k)]为k时刻的状态变量,d(k)表示k时刻实际车间距,即前车与主车的间距,v(k)、vr(k)分别表示k时刻主车速度、前车与主车的相对速度,a(k)为k时刻主车加速度,j(k)为k时刻主车加速度变化率;u(k)为k时刻的期望加速度ades(k);w(k)为k时刻的前车加速度ap(k);y(k)=[d(k)‑ddesT
(k),vr(k)];Ts为系统的采样周期;T1为一阶惯性环节的时间常数;
S32建立模型预测控制器优化目标函数的标准二次型:式中,U(k)为k时刻的控制向量序列,即期望加速度序列,U(k)=[u(k|k),u(k+1|T
k),…,u(k+p‑1|k)] ,p为预测时域;Q和R为权重矩阵,Q=diag(q1,q2,…,qp),R=diag(r1,r2,…,rp);I(k)是与控制量无关的向量, 其中W(k)作为扰动量,T
在整个控制时域内扰动量不变;F=[f,f,…,f] ; 为根据车间运动学模型建立的预测矩阵,具体为:
S33建立系统约束方程:
AuU(k)≥c
式中, 为从当前时刻k到预测时
域p的系统状态约束输出方程 的系数矩阵,且Ycmin≤
Yc(k+p|k)≤Ycmax,Ac为系统状态约束输出方程yc(k)=Acx(k)的系数矩阵,Ac=diag(1,1,1,
1,1);E=diag(1,1,…,1);Umin、Umax为系统控制约束方程 中的最小、最T
大值, Ycmin=[ycmin ycmin…ycmin] 、Ycmax=[ycmax ycmax…T T T
ycmax] 、ycmin=[d0 ‑∞ vmin amin jmin]、ycmax=[∞ ∞ vmax amax jmax] ,ycmin、ycmax为系统状态约束输出的最小值和最大值;vmin、vmax分别为主车的最小、最大速度;amin、amax分别为主车最小、最大加速度;jmin、jmax分别为主车最小、最大加速度变化率;
S34根据目标函数的标准二次型以及系统约束方程,求出控制时域内的最优控制序列,即期望加速度序列;并将计算出的期望加速度序列的第一个值输入运动控制层;
步骤4:车辆运动控制;
S41驱动/制动模式决策:
驱动/制动决策模块根据协同决策层输入的期望加速度ades与驱动转矩为零时的最小加速度amin的差值,按下式确定车辆运动控制模式;设置大于零的阈值Δa;若期望加速度ades减去驱动转矩为零时的最小加速度amin所得偏差绝对值不大于Δa,保持当前控制模式;
若偏差大于Δa,为驱动控制模式;若偏差小于‑Δa,为制动控制模式;
式中,Δa取值大于零;
S42建立模糊PID控制器,确定PID控制参数;
首先确定模糊控制器的输入输出变量及其论域,然后确定模糊控制器各输入输出变量模糊子集的语言变量,再建立模糊控制器各输入输出变量的隶属度函数,然后建立PID控制器的比例、积分和微分系数的模糊规则,再根据模糊逻辑并按照设计的模糊规则对PID控制器的比例、积分和微分系数进行实时调整,最后反模糊化得到三个参数的具体值;具体如下:
S421确定模糊控制器的输入输出变量及论域;
以期望加速度与实际加速度的偏差e及偏差e的变化率ec为模糊控制器的输入,e、ec的论域分别取为[‑3,3]、[‑2,2];以PID控制器的比例、积分和微分系数kp、ki、kd为模糊控制器的输出,kp、ki、kd的论域分别取为[‑1.3,1.3]、[‑0.08,0.08]、[‑1.5,1.5];
S422确定模糊控制器各输入输出变量模糊子集的语言变量;
以{PB,PM,PS,ZO,NS,NM,NB}为模糊控制器各输入输出变量模糊子集的语言变量,表示模糊控制器各输入输出变量在正负两个方向的大小等级;以期望加速度与实际加速度的偏差值为例,PB、PM、PS表示加速度在正方向上偏差值的大小等级,ZO表示期望加速度与实际加速度数值相近,NB、NM、NS则表示加速度在负方向上偏差值的大小等级;
S423建立模糊控制器各输入输出变量的隶属度函数;
S424建立PID控制器的比例、积分和微分系数的模糊规则;
以期望加速度与实际加速度的偏差e及偏差e的变化率ec为输入、分别以PID控制器的比例系数kp、积分系数ki和微分系数kd为输出,建立kp、ki、kd的模糊规则;
S425根据建立的模糊控制器各输入输出变量的隶属度函数,以及PID控制器的比例、积分和微分系数的模糊规则,将各输入变量模糊化后、经模糊推理和反模糊化,求出模糊控制器输出量kp、ki、kd的精确值;
S43使用PID算法实现主车对前车的跟随控制;
根据确定的车辆运动控制模式和PID控制参数,由PID控制器调节被控车辆的驱动转矩或制动压力,对车辆的驱动或制动过程进行控制,达到对期望加速度的跟踪,实现主车对前车的协同跟随控制。