重型车辆自适应巡航系统预测控制算法开发

黄茂 付伯轩

摘 要：自适应巡航（Adaptive Cruise Control，简称“ACC”）系统是一种可以有效减轻驾驶员疲劳，提高行车安全性，改善道路通行效率，提高车辆燃油经济性的高级驾驶员辅助系统。在重型车辆领域，该方面研究较少，随着国内陆运交通及物流行业的飞速发展，ACC系统拥有广阔的应用前景。文章以陕汽SX1318高原运输车为目标车型，设计了基于模型预测控制（Model Predictive Control，简称“MPC”）的ACC系统控制算法，依据目标车型的性能参数，以提高驾乘舒适性为主要目标，制定了相应的控制策略。以Simulink和车辆动力学仿真软件TruckSim为平台，建立了目标车型整车纵向动力学联合仿真模型，用来研究在不同巡航工况下对前方目标车辆的跟随能力及本车的行驶舒适性。仿真和实车试验测试结果表明，文章所设计的ACC系统算法，在保持预期的安全距离情况下，能有效满足性能指标要求。

关键词：自适应巡航；模型预测控制；联合仿真

中图分类号：U467 文献标识码：B 文章编号：1671-7988（2018）17-64-06

Abstract： Adaptive Cruise Control（ACC）system is an advanced driver assistant system which can effectively reduce driver fatigue， improve driving safety， improve road traffic efficiency and improve vehicle fuel economy.In the field of heavy vehicles， there is less research in this area. However， with the rapid development of land transportation and logistics industry in China， ACC system has a broad application prospect.In this paper， a model predictive control （MPC） based ACC control algorithm is designed for the SX1318 plateau transport vehicle of Shaanqi brand. According to the performance parameters of the target vehicle， the main goal is to improve the ride comfort. The corresponding control strategy is worked out. On the platform of Simulink and TruckSim， the longitudinal dynamic simulation model of the target vehicle is established， which is used to study the following ability of the vehicle in front of the vehicle and the driving comfort of the vehicle under different cruising conditions.The simulation and test results show that the ACC system algorithm designed in this paper can meet the performance requirements effectively under the condition of keeping the expected safe distance.

Keywords： Adaptive Cruise Control； model predictive control； joint simulation

CLC NO.： U467 Document Code： B Article ID： 1671-7988（2018）17-64-06

前言

自適应巡航（ACC）控制系统是一种在定速巡航控制技术的基础上发展而来的高级辅助驾驶系统，可以有效缓解驾驶员长途驾驶的疲劳，减少因驾驶员疲劳而导致的交通事故。在车辆行驶过程中，安装在车辆前部的车距传感器（雷达）持续扫描车辆前方道路，计算本车与前车的相对距离和速度，控制单元根据雷达信息，通过控制发动机、制动系统协调动作，使车辆自动加减速并与前方车辆始终保持相对稳定的安全距离。

ACC系统近几年在中高级乘用车型上搭载率逐步提高，在重型车辆上的应用仍然较少。在高速公路等较为简单的环境道路工况下，ACC系统的优势更加明显。在物流行业高速发展、智能驾驶研究火热的背景下，重型车辆采用ACC技术是必然趋势。本文以陕汽军选民用改进型高原运输车SX1318为目标车型，设计了基于MPC的重型车辆ACC控制算法。通过TruckSim和Simulink联合仿真平台建立车辆的纵向动力学模型和系统控制模型，对多工况下的系统工作情况进行仿真分析。

1 联合仿真系统建模

1.1 概述

1.1.1 上层算法选择

现有的许多ACC系统采用PID调节作为控制算法。PID算法优点突出：原理简单，使用方便，适应性强，它无需依赖系统的数学模型，只需明确输入输出变量即可获得理想的控制结果。PID算法有一套完整的参数整定与设计方法，易于在车辆调试过程中进行标定，当对控制精度要求不高时，性价比优势明显。然而，随着人们对ACC控制效果要求的提高，我们不仅需要关注系统输入和输出，也需要对控制中间过程的加速度等变量进行优化，对重型车辆更是如此，否则调节过程中的纵向状态参数波动会严重影响舒适性。但PID算法不具备这种对多变量输入系统的优化能力，因此需要考虑一种新的算法。

模型预测控制是20世纪70年代提出的一种新型计算机算法。它的基本原理为：在系统采样的每一个时刻利用过程模型预测系统在一定的控制作用下未来的动态行为，在此基础上根据给定的约束条件和性能要求滚动地求解最优控制作用序列，并实施当前控制，在滚动的每一步通过检测实时信息修正对未来动态行为的预测。它具有多目标优化能力、鲁棒性强、运算成本低、可求解带约束系统问题等特点。

ACC控制过程中，车辆精确的运动学控制模型易于建立，且各系统各状态变量可以通过环境传感器等信号采集装置实时获取，结合相关国家标准和车辆性能能够得到量化的系统约束，十分符合MPC的建模要求。因此，本文中的ACC系统上层控制算法以模型预测控制策略为框架进行设计。

1.1.2 性能指标要求

在“GBT 20608-2006《智能运输系统 自适应巡航控制系统 性能要求与检测方法》”中，对于ACC系统工作时车辆应达到的性能指标进行了明确的说明。对于某些关键性能指标罗列如下：

1）稳定跟随时的车间时距：

2）最低设定车速：

3）系统自动加速度：

4）平均减速度： （以2秒的采样长度求平均值）

考虑到标准中给出的参考值并未区分车型，而重型车辆的加速性能显著弱于小型车辆，在某些工况中即便全开节气门加速也可能无法满足跟车要求；此外，重型车辆由于车货质量大，制动片热衰退效应明显，加之需要关注所运货物的安全性，因此在下文所设计的算法中，对相关参数做出了进一步优化设计。

1.1.3 控制策略結构

本系统主要采取分层控制结构，如图1为系统控制策略的信号流动方式。

上层控制算法根据当前的行驶环境决定期望纵向加速度，使ACC系统按照期望的安全车间距行驶；下层控制算法依据上层输出的期望加速度，通过控制发动机扭矩输出和电子制动系统（EBS）执行器，使车辆最终表现出的实际加速度和上层计算出的期望加速度值保持一致。通过查阅有关国内外对ACC系统分层控制研究的现状，可以发现现有的控制算法更多的考虑到跟的是系统安全性和跟车性，而对驾乘舒适性和燃油经济性考虑不足。而上层控制算法扮演的是“驾驶员”的角色，舒适性是否满足驾驶员的使用需求，必然影响到ACC系统的被认可程度，从而直接决定了ACC系统的使用率。

为满足ACC上层控制的这种多目标优化的需求，本文所述系统基于模型预测控制（MPC）的框架重点对车间纵向运动学模型、车辆动力学模型、间距策略和上层控制策略进行设计。

1.2 间距策略

ACC的间距策略决定了行驶过程中采取的安全跟车间距，为后续的上层控制算法提供参考车间距输入值。过小的间距策略容易引起交通事故，而过大的间距策略不仅会损失道路的通行能力，也会导致临近车辆的变道插入，降低舒适性。

间距策略可分为两类：固定间距策略和可变间距策略。固定间距策略结构简单计算量少，但在复杂的行驶环境中，无法平衡多个控制目的，在缺少V2V系统的情况下，ACC编队行驶的队列不稳定；可变间距策略又可以分为恒定车头时距策略和可变车头时距策略。本系统采用的可变车头时距VTH策略如下：

1.3 车间相互纵向运动学模型

车间运动学模型的建立基于基本运动学公式，要求能够真实可靠的描述前车和本车之间的纵向动态运动规律，这也是之后建立MPC中预测模型的基础。本文中将车间距、相对速度、本车速度、本车加速度、本车加速度变化率作为状态变量，将前车的加速度作为输入扰动变量进行建模。

在某个采样时刻，实时车距△x（k）、本车车速△v（k）、相对车速vrel（k）可以由传感器直接得到。其余变量可以由以下各公式表出：

1.4 上层控制算法

1.4.1 优化性能指标

本文ACC系统的控制目的为：在安全平稳跟车行驶的同时满足驾乘舒适性。具体描述为：前车平稳行驶时，两车实际车间距趋近于间距策略给出的期望车间距，且两车相对静止；加速度和加速度的变化率尽量小。即：

1.4.2 动态预测

在上一节得到的车辆相互纵向运动学状态方程中，选取的状态向量都为实时可测，所以该状态方程可以直接作为预测模型使用。但由于前车的加速度扰动值无法准确预测，故k+1时刻的实际状态值和k时刻对此时的预测值存在偏差，需引入反馈校正进行修正。

依据式（7）与式（10）对系统做如下预测：

考虑到车辆行驶过程中的安全性和舒适性以及车辆性能，需要对各项指标进行约束：

在每一个采样时刻，将所求得的控制序列U中的第一个值施加于控制系统，在之后的每一个采样时刻重复该操作，即完成了控制系统的在线滚动优化过程。

1.5 整车动力学建模

采用TruckSim车辆动力学仿真软件进行车辆动力学模型的建立。TruckSim的建模方式基于车辆的物理参数而非几何结构，该软件内置若干传感器模型，允许自定义参数和传感器安装位置，可以建立多种道路、交通场景等仿真环境，预留多种和其他仿真软件的数据交互接口。

建模时，对目标车型的动力传动系、悬架和其他重要物理参数按相应参数进行设置；前车采用车型为软件内置的奔驰B级轿车模型，其模型参数采取默认值，仅改变前车车速、制动时刻、初始位置等试验条件的设置；道路选用长直路，路面附着系数设置为0.8；传感器按目标车型相应参数设置。

SX1318采用电喷发动机、AT自动变速箱、6通道EBS，具备ACC进行线控的基础，其主要参数如下表所示：

1.6 联合仿真建模

在TruckSim中车辆仿真界面定义输入端口，包括发动机输入扭矩、制动气压需求，输出端口包括车辆位置信息、传感器输出参数、主车车速和加速度。在初状态界面设置主车和障碍车的初速度和初位置。完成上述设定后，调整仿真步长为0.1s，选择合适的道路，通过外部接口将车辆模型发送至指定路径路径下的Simulink仿真文件中。TruckSim模块即以S函数的形式增加到了Simulink的模块库中。通过调用该S函数并加入控制器模块，即完成了联合仿真环境的搭建。完成仿真后，可以在TruckSim中回放仿真结果动画，观测重要参数的输出图形。

2 仿真结果分析

为验证设计的ACC上层控制算法的可行性，选取前车减速和跟随前车加速的两个场景进行仿真实验。通过分析车速变化、车间距调整情况来评价系统跟车性能，通过分析加速度和j值评价系统的舒适性。

ACC系统的上层控制策略的控制参数选取如下：

采样时间T=0.2s，下层控制时间常数τ=0.5s，预留安全车间距d0=8m，预测时域和控制时域分别为p=12，m=5，权系数全部取1，vmin=7m/s，vmax=30m/s，amin=umin=-2m/s2，amax=umax =1.5m/s2，jmin=-2m/s3，jmax=2m/s3。

2.1 前车减速场景

两车距离40m时，前车从40km/h减速到20km/h，主车状态响应如下所示：

通过各状态响应可以看出，前车减速时，本车可以迅速减速，相对速度维持在约2km/h，实际车间距略大于期望车间距以保证行驶安全，全程减速度不超过-0.5m/s2，|j|值不超过0.3m/s3。跟车性、安全性和舒适性指标达到性能要求。

2.2 跟随加速场景

两车相距38m时，主车从40km/h加速到50km/h，主车状态响应如下所示：

通过各状态响应可以看出，前车加速时，本车可以随之加速，相对速度维持在约2km/h，实际车间距略大于期望车间距以保证行驶安全，加速结束的平稳行驶阶段，两车近似保持相对静止，實际车间距和期望车间距基本相等。全程加速度不超过0.5m/s2，|j|值不超过1m/s3。跟车性、安全性和舒适性指标达到性能要求。

3 硬件在环测试及实车标定

3.1 硬件在环（HIL）测试

上文中利用联合仿真模型在计算机环境中对ACC系统进行了虚拟仿真，但这种仿真模式会忽略掉系统硬件性能对系统响应的影响，而芯片运算速率、各个模块之间的通讯速率、通讯效率和控制延迟等会对系统的控制效果产生巨大的影响。所以有必要进行控制器的硬件在环测试。下图为硬件在环测试的通讯结构图：

将Simulink中写好的控制算法通过快速代码生成技术生成可烧写在所选控制模块的快速原型代码，将代码下载到控制器中。将仪表、控制器、一台用来运行CANAPE观测标定软件的PC和一台用来运行车辆模型的PC用带有串口转接功能的CAN线搭建起通讯系统，利用Simulink中的CAN通讯模块进行通讯，ACC组合开关模拟驾驶员的操作，运行仿真。

3.2 实车标定

以SX1318试制样车作为标定样车，将快速原型控制器接入车辆动力总线，对本文所设计的ACC系统进行标定试验。

该ACC标定系统主要由四个模块组成。分别为信号采集模块、信号分析控制模块、执行模块和人机交互模块，各模块之间通过CAN总线通讯，通讯协议遵循汽车J1939协议。系统工作时，信号采集模块将车速、障碍物距离等信息进行收集并传递；信号分析控制模块将各种车辆及外部环境信息进行处理，将计算出的控制指令发送给执行模块；执行模块做出加速、制动等动作；人机交互模块可以使驾驶员实时了解系统工作状况并做出干预和控制。

试验时，前车以45km/h的时速平稳行驶，本车开启ACC系统进行跟车。用CANAPE软件对车辆CAN线通讯进行实时监测，并标定关键参数，记录试验数据并选取前车车速、本车车速、相对速度、车距四个状态量进行回放。下图为30s时间内各状态的变化情况。

其中，a、b、c、d曲线分别为前车车速、本车车速、两车间距和相对速度。图中可以看出，前车以45km/h行驶时，两车相对速度不超过3km/h，车距维持在28m左右，本车可以平稳跟随。由于车辆实际工作过程中，会受到各种复杂因素的干扰，例如风阻、路面、胎压、传感器噪声等，预测模型会存在一定的失配情况，加上下层控制系统的响应延迟，实车测试结果必然与虚拟仿真控制结果有一定差距。但误差情况可接受，满足ACC系统性能指标。

4 结论

本文建立了以MPC为框架的ACC系统上层控制算法模型，并通过Simulink和Trucksim对不同工况下的控制效果进行联合仿真实验。仿真结果表明，该MPC算法在保证安全性和跟车性的基础上，有效地改善了乘坐舒适性，兼顾了行驶中的多个控制目的，有利于改善驾驶员对车辆ACC系统的满意程度和接受程度，提高ACC系统的使用率。在实车标定试验中，该ACC算法的控制效果可以满足性能要求，达到了在重型车辆上使用的预期目标。

参考文献

[1] 席裕庚.预测控制[M].北京：国防工业出版社，2013.12.

[2] 罗莉华.车辆自适应巡航系统的控制策略研究[M].上海：上海交通大学出版社，2013.33-46.

[3] 陈慧岩，熊光明，龚建伟等.无人驾驶汽车概论[M].北京：北京理工大学出版社，2013.33-46.

[4] Fancher P，Ervin R，Sayer J.Intelligent cruise control field operation test（final report）[R].Transportation Research Institute，University of Michigan，1998.

[5] Adbullah R，Hussain A，Warwick K，et al.Autonomous intelligent Cruise control using a novel multiple-cotroller Framework incorpor -ating fuzzylogic-based switching and tuning [J].Neurocomputing， 2008，71（13）：2727-2741.

[6] 吴利军，刘昭度，何玮.汽车ACC跟随控制策略的研究[J].汽车工程，2012.