[发明专利]基于相对运动关系的ACC纵向运动学建模方法

说明书

本发明公开了一种基于相对运动关系的ACC纵向运动学建模方法，进行ACC纵向运动学建模时，综合考虑自车状态参数和前车状态参数，设定状态量x_f(k)＝[Δd(k),Δv(k),a_f(k)]^T，并引入系统扰动量a_p(k)，期望车距d_des采用固定时距策略、可变时距策略或拟合驾驶员跟随行为的二阶回归模型，将自车与前车的相对运动关系以及环境参数的影响纳入ACC纵向运动学建模过程中，提高模型计算的准确性，降低预测误差，进而提高跟车预测模型的预测精度以及抗干扰能力。

技术领域

本发明属于车辆控制技术领域，涉及一种ACC纵向运动学建模方法，具体是一种基于相对运动关系的ACC纵向运动学建模方法。

背景技术

作为一种先进的ADAS驾驶辅助系统，ACC(Adaptive Cruise Control)自适应巡航控制旨在缓解驾驶疲劳，提升驾乘舒适性与安全性。传统PID控制、LQR控制、模糊控制等控制策略多以车距控制作为主要目标，即主要考虑安全性而忽略舒适性等需求。近年来，对ACC的研究呈多元化态势，如全速ACC，改善交通流的协同CACC，ACC与LCA变道辅助，模拟驾驶员跟随行为ACC，面向燃油经济性ACC，多目标协调控制ACC等。为进一步提尚ACC的用户使用率与驾乘人员的接受度，对人性化ACC的研究受到了广泛关注。

中国申请公布的专利CN107139923A，提供了一种ACC决策方法及系统，其具体公开了建立ACC纵向跟车运动学模型的方法，采用固定时距策略，当所述模型的预测时域为[k，k+p-1]时，ACC纵向跟车运动学的模型具体为：

(1)式中，k为当前时刻，X_f为上述预测时域的状态序列，U为上述预测时域的控制序列，x_f(k)为当前观察状态量，A_p为矩阵在上述预测时域迭代的系数矩阵，B_p为矩阵在上述预测时域迭代的系数矩阵，C_p＝diag(C,C,…,C)为相应系数矩阵，Y为系统输出序列；

其中，K_L为理想一阶系统增益，T_L为下位控制器的时间常数，T_s为采样周期。

但是，该方法建模仅仅是从自车状态考虑，其当前观察状态量x_f(k)＝[s_f(k),v_f(k),a_f(k)]^T，仅包含自车状态参数(位移、自车速度和自车加速度)，缺少相对的运动关系，忽略了环境参数的影响，从而导致模型计算不准确，预测误差大，影响车辆自适应巡航控制的准确性。

发明内容

本发明的目的在于提供一种基于相对运动关系的ACC纵向运动学建模方法，将自车与前车的相对运动关系以及环境参数的影响纳入ACC纵向运动学建模过程中，提高跟车预测模型的预测精度以及抗干扰能力。

本发明的目的可以通过以下技术方案实现：

基于相对运动关系的ACC纵向运动学建模方法，具体包括以下步骤：

步骤S1，根据ACC系统分层设计，决策层根据自车状态参数、前车状态参数、环境参数决定自车纵向期望加速度，控制层通过控制油门开度、制动深度、档位切换使得自车的实际加速度收敛于决策层输出的期望加速度，建立理想一阶系统传递函数

其中，K_L为理想一阶系统增益，T_L为时间常数；

步骤S2，根据ACC纵向跟车运动学特性，定义关系式如下：