基于时变模型预测控制方法的车辆横纵向协同控制_郭明新.pdf

第21卷 第1期2023年03月交通运输工程与信息学报Journal of Transportation Engineering and InformationVol.21 No.1Mar.2023文章编号：1672-4747（2023）01-0012-14基于时变模型预测控制方法的车辆横纵向协同控制基于时变模型预测控制方法的车辆横纵向协同控制郭明新1，郭 戈*1，蔡凌2，周博文1（1.东北大学，信息科学与工程学院，沈阳 110819；2.东北大学秦皇岛分校，控制工程学院，秦皇岛 066004）摘要：运动学模型预测控制（KMPC）以其模型简单、计算高效而闻名于自主车辆运动控制领域。当车辆动力学不断变化时因KMPC未能处理复杂工况下横纵向运动的强耦合性，为了保证车辆转向的稳定性会降低车速应用范围和车辆跟踪精度。针对上述问题，本文提出一种改进方法，即基于时变模型预测控制方法对跟随车横纵向协同控制，在保证操纵性能的前提下提高弯道跟车行驶工况的车速应用范围。分析运动学/动力学模型中车速对转向稳定性的影响，建立考虑轮胎特性的带质心侧偏角补偿的车辆模型。通过雷达传感器和无线通信获取交通环境信息规划跟随车的参考轨迹，并基于安全车距策略规划跟随车的理想车间距。设计基于模糊逻辑的条件分类器确定名义运动学模型与带补偿的模型二者间的切换，并反馈控制横摆角速度以避免高速时的模型失配现象，进而弥补KMPC对车速应用范围的制约。采用横纵耦合车辆模型及综合性能评价对跟随车进行横纵协同优化控制，实现以期望速度跟随前车轨迹行驶并保持安全车距。基于CarSim与MATLAB/Simulink 对弯道跟车行驶工况进行仿真，结果表明该方法可在不同道路曲率下实现对前车低速到高速范围下横纵向协同跟随的有效控制。关键词：智能交通；横纵向耦合控制；模型预测控制；时变运动学模型；跟车控制；变速度中图分类号：U471.15文献标志码：ADOI：10.19961/ki.1672-4747.2022.01.030Vehicle lateral and longitudinal cooperative following-control basedon time-varying model predictive control methodGUO Ming-xin1,GUO Ge*1,CAI Ling2,ZHOU Bo-wen1(1.School of Information Science and Engineering,Northeastern University,Shenyang 110819,China;2.School of Control Engineering,Northeastern University at Qinhuangdao,Qinhuangdao 066004,China)Abstract：Kinematics model predictive control(KMPC)is well known in the field of autonomous ve-hicle motion control owing to its model simplicity and high computational efficiency.KMPC is un-able to manage the coupling of lateral and longitudinal motion in complex conditions where vehicledynamics are constantly changing.This restricts the application range KMPC on vehicle speed andaccuracy of the following-vehicle while ensuring steering stability.To solve the above problems,thisstudy proposed an improved method of vehicle lateral and longitudinal cooperative following-controlcapability.This model implements the lateral and longitudinal coupling control of the following-vehi-cle based on a time-varying model predictive control method,to improve the application range of thevehicle speed when following vehicles around bends under the premise of ensuring handling perfor-收稿日期：2022-01-25录用日期：2022-02-23网络首发：2022-03-03审稿日期：2022-01-2501-29，02-1502-23基金项目：国家自然基金项目（61573077、U1808205）；河北省自然科学基金项目（F2020501018）；中央高校基本科研项目（N2023011）作者简介：郭明新（1997），女，硕士研究生，研究方向为智能交通系统，E-mail：通信作者：郭戈（1972），男，教授，研究方向为智能交通系统、交通大数据分析、人工智能应用、信息物理系统，E-mail：引文格式：郭明新，郭戈，蔡凌，等.基于时变模型预测控制方法的车辆横纵向协同控制J.交通运输工程与信息学报，2023，21(1)：164-177.GUO Ming-xin,GUO Ge,CAI Ling,et al.Vehicle lateral and longitudinal cooperative following-control based on time-varying modelpredictive control methodJ.Journal of Transportation Engineering and Information，2023，21(1)：164-177.mance.The influence of vehicle speed on vehicle steering stability in a kinematics/dynamics modelwas analyzed,and a vehicle model with sideslip angle compensation was presented considering tirecharacteristics.By obtaining traffic environment information from radar sensor and wireless commu-nication,the reference trajectory of the following-vehicle was planned;the desired distance was alsoplanned based on the safe vehicle distance strategy.A conditional classifier based on fuzzy logic wasdesigned to determine the switch between the nominal kinematic model and model with compensa-tion,and the yaw rate was controlled by feedback to avoid model mismatch at high speed,and makeup for the restriction of KMPC on the application range of vehicle speed.The lateral and longitudinalcoupling vehicle model and comprehensive performance evaluation were adopted to coordinate andoptimize the control for the following-vehicle,so that the vehicle could follow the trajectory of thepreceding vehicle at the desired speed while maintaining a safe distance.The following vehicle driv-ing conditions around bends were simulated using CarSim and Matlab/Simulink,and the resultsshow that the proposed method can effectively control cooperative following of the preceding vehi-cle from low to high speed in lateral and longitudinal directions for different road curvatures.Key words：intelligent transportation;lateral and longitudinal coupling control;model predictivecontrol;time-varying kinematics model;vehicle following control;speed-varying0引言跟车控制是自主车辆和智能交通系统领域最受欢迎的主动安全技术之一，该技术通过对车辆纵向运动和横向运动的协同控制可显著提高车辆的自动化水平，驱使车辆以期望速度跟踪前车轨迹，保持安全车距1-3。纵向控制是跟车控制的基础，基于通信网络和车载传感器获取交通环境信息，并根据前车及跟随车运行状态和安全距离策略自动调整跟随车的车速以匹配前车速度4-5。自适应巡航控制（Adaptive Cruise Control，ACC）首次引入保持理想车辆间距的概念，通过雷达/激光测量与前车的距离和相对速度，并调整跟随车的速度，以保持期望的距离。当前，该技术应用最广泛的是协作式自适应巡航控制（Cooperative Adaptive Cruise Con-trol，CACC），即利用通信网络和传感器提供更多的前车信息，实现更快响应、更短车间距及更好的驾乘舒适度6。这方面的现有研究热点主要在车辆控制器设计、通信拓扑、通信调度及容错控制等方面。横向控制即保持车辆在指定车道内或沿着前车轨迹转弯。横向控制方法可分为道路跟随法和车辆跟随法7。道路跟随法即通过车道标记确定车辆横向位置，进而实现横向控制。该方法早期一般使用磁性标记系统测量车辆距车道中心的横向距离8，但这需要改造现有的道路基础设施，成本较高。更常见的方法是基于低成本车载摄像头及视觉算法检测车道标记以提供横向参考位置9。但由于车道标记可能被遮挡、损坏，此法实用性较差10。车辆跟随法则利用通信网络和车载传感器获取前车的信息，避免了上述车道标记的限制11。文献12中将车辆横向跟随问题转换成轨迹跟踪问题，传递前车的轨迹给跟随车作为参考轨迹，即规划跟随车的横向位置及航向，因适用于弯道跟车场景而逐渐受到关注13-14。跟车控制是通过交换车辆间关于横纵向特性的信息来实现横纵向协同控制的。为提高车辆的自主化水平，已有文献进行了相关研究。在经典控制方案中，横向控制与纵向控制是通过模型解耦的独立算法进行求解。纵向控制器基于CACC，其目的是保持车