1.一种基于5G V2X的车辆协同跟随控制方法，采用的车辆协同跟随控制系统由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；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；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；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；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，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；ddes(k)为k时刻的期望车间距；

S32建立模型预测控制器优化目标函数的标准二次型：式中，J为优化目标函数；H和L为转换矩阵；U(k)为k时刻的控制向量序列，即期望加速T

度序列，U(k)＝[u(k|k),u(k+1|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)，其中qp和rp分别为Q和R对角线上的第p个元素；I(k)是与控制量无关的向量， 其中W(k)作为扰动量，在整个控制时T

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Yc min

≤Yc(k+p|k)≤Yc max，Ac为当前时刻k的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、最大值， Yc min＝[yc min yc min T T T

… yc min] 、Yc max＝[yc max yc max … yc max] 、yc min＝[d0 ‑∞ vmin amin jmin]、yc max＝[∞ T

∞ vmax amax jmax] ，yc min、yc max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：式中，阈值Δa取值大于零；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；

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；对于期望加速度与实际加速度的偏差，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。