ACC自适应巡航控制模型simulink模型＋carsim设置 可选购模型说明文件和操作说明

ACC自适应巡航控制模型simulink模型＋carsim设置 可选购模型说明文件和操作说明

原创文章，转载请说明出处，资料来源：http://imgcs.cn/5c/642513652384.html

随着各国科学技术的发展，各国的汽车保有量持续增加，这反映了国家经济发展的快速、人均GDP的增长和道路建设的发展。但是，汽车保有量的不断增长同样带来了更多的交通事故和更拥堵的道路状况^[2-3]。

在定速巡航的基础上，自适应巡航系统发展起来，以解决定速巡航的部分缺陷。定速巡航控制系统主要适用于车辆较少时的高速公路上，启动定速巡航后，车辆可以自行保持设定的速度进行航行，如此而来，就给驾驶员提供了一个短暂的“休息”时间。但是，在真正使用定速巡航控制系统时，驾驶员需要更加专注，反而不能减轻驾驶负担。因为定速巡航只能保持速度不变，所以不能监测周围的行车环境，不能灵活应对周围环境的变化。如果当车辆处于定速巡航控制过程中，驾驶员疲劳打盹，没有注意行车环境，则会造成严重的交通事故。因此，配有定速巡航的车型，只有在车流环境和路况环境都非常好的情况下才可以发挥其作用，而自适应巡航控制适用的场景就更广泛了。具有ACC控制系统的车辆，在其车辆前部装有车距传感器。当开启ACC控制功能时，车距传感器将时刻扫描前方道路环境，同时，ACC系统将通过轮速传感器采集车速信号。当主车处于正常的行驶状态时，若目标车辆突然制动，主车与目标车辆距离变小，通过与发动机控制系统、制动防抱死系统协调动作，ACC控制单元可使车轮适当制动，以避免发生碰撞追尾事故。自适应巡航相比于定速巡航更为智能，并且在车速处于较低的情况下就可进入巡航，并且自适应巡航不仅适用于高速路况，在普通的城市路况也能适用。

自适应巡航控制系统在车辆上的应用，推动了自动驾驶汽车的发展进程。然而，自适应巡航控制同样存在一定的缺陷。随着信息技术、控制算法和传感器技术的不断发展以及对汽车自动驾驶进行更深入的研究，研究者会研发出有效的解决方案来应对ACC控制系统的缺陷。

1.2 自适应巡航系统发展现状

1.2.1  ACC系统的发展

对自适应巡航控制系统的研究可追溯到上世纪60年代，但是当时的技术发展受制于传感器、控制器以及执行机构功能，之后的二十多年里，对ACC的研究只停留在理论阶段，并未实际运用于汽车上^[4]。到了上世纪80年代到90年代初， 在科学技术大力发展的情况下，人们对汽车智能驾驶的研究更加深入，自适应巡航控制系统才真正进入各汽车行业。许多国家也开始对ACC巡航控制进行技术研发。

自上世纪90年代至今，自适应巡航控制系统的发展历程大致可分为三个主要阶段:

（1）第一阶段是20世纪90年代，初针对高速公路的ACC系统，主要研究目标是实现定速巡航和安全车距功能。

（2）第二阶段是20世纪90年代末，ACC系统主要针对于城市道路工况，即为了实现自动起步、停车和低速跟车功能。

（3）第三阶段为21世纪初至今，ACC技术有了实质性的突破，研发出了综合考虑燃油经济性、跟踪性能和驾驶员感受的多目标协调式ACC系统，并且已逐渐在汽车上得以应用。

此外，自适应控制系统的功能也在不断扩展和优化，如将其同车道保持、碰撞、车道变更等技术相结合，为了可以更好地实现汽车辅助安全驾驶，汽车技术行业正在一步步地突破传统ACC仅纵向跟车的功能局限。

1.2.2  ACC间距策略发展现状

控制系统的核心是间距策略和ACC控制算法。

ACC系统中所设置的安全车间距直接决定了汽车在ACC系统控制下行车的安全性。而车辆行驶过程中与目标车辆所需保持的的安全车距主要取决于间距策略^[5]。安全车距又称为期望跟车间距，具体指当目标车辆突然刹车时，能保证主车感应后进行紧急制动，避免追尾发生的最小车间距。最小车间距一定要在合理的范围内。如果间距过小，则在目标车辆突然制动的情况下，易发生碰撞事故。如果间距过大，则在非高速路面降低了道路使用率，从而降低了交通通行能力，给其余车辆带来行车困扰。因此，对间距策略的设计将直接影响ACC系统的安全性、跟车合理性以及行车舒适性。

固定间距策略和可变间距策略，是目前对安全距离控制策略研究的主要两大类^[5]。固定间距策略即恒间距策略，指车辆在行驶过程中所设置的安全车间距与车速、周围环境等因素无关，保持不变。该策略结构简单，容易实现。但是外界的行车环境是变化多端的，恒间距策略由于车间据保持固定不变，从而无法适应此变化。比如在高速公路上行车，当车速超过100km/h时，车距需要大于100m；而在普通城区内行车时，车距不需要很大。此时，固定间距策略则不能满足复杂变化的路况和变化的车速。所以，固定间距策略显然存在许多缺陷。

可变间距策略的提出一定程度上解决了固定间距策略的不足。可变间距策略主要有恒定车头时距（Constant Time Headway，简称CTH）策略和可变车头时距（Variable Time Headway，简称VTH）策略两种^[11]。这两种策略是目前自适应巡航控制的主要间距策略，可以进一步地根据路况和行车环境对安全车间距进行调整，以应对行车环境的变化，达到更好的巡航控制效果，提高自适应巡航控制的安全性。

1.2.3  ACC控制算法发展现状

合理的ACC控制算法可以准确地实现ACC系统功能，以及实现道路利用率的提高和交通事故的减少。目前，目标识别算法、经典PID控制理论（Proportional-Integral-Derivative，简称PID）、模糊控制理论（Fuzzy Control Theory）、模型预测控制算法（Model Predictive Control，简称MPC）等方法都已被广泛应用于研究ACC系统控制算法的过程中^[6]。

（1）目标识别算法

目标识别算法是指当ACC系统控制汽车行驶在复杂的交通环境中时，车载传感器对汽车行驶环境进行采集，可采集到行车环境中的多个目标。随后，所设计的目标识别算法筛选出有效目标，将有效目标的行驶信息通过车载网络发送至ACC系统的控制单元。有效目标的识别对传感器性能要求十分高，并且现实中的行车场景非常复杂，车辆周围的变化难以预测，存在大量的不确定因素，一旦出现对前方目标的识别出现错误的情况，则易引发严重的交通事故。

目前，准确的目标识别算法还需继续深入研究，只有确保有效目标的识别快速、准确，目标识别算法才能更好地辅助驾驶员行车。

（2）经典PID控制理论

PID控制器常用于工业控制中，是一种常见的反馈回路部件。其控制规律为比例(proportion)、积分(integral)、微分(derivative)控制，简称PID控制，又称PID调节^[6]。目前，PID控制器是应用于各个领域最为广泛的控制器，这是由于其成本低和简单易懂，并且使用时无需精确的系统模型等先决条件。正是因为这些优势，PID控制策略在自动控制领域中的应用也随处可见。

比例控制是最简单的一种控制方式。当仅有比例控制时系统输出存在稳态误差，其控制器的输出与输入误差信号成比例关系。比例+积分(PI)控制器能使系统在进入稳态后无稳态误差。对自动控制系统而言，如果在进入稳态后存在稳态误差，则该控制系统是有稳态误差的，也称为有差系统。此时，需要在控制中进入“积分项”，时间的积分决定了积分项的大小。即使误差很小，积分项也会随着时间的增加而加大，从而控制器的输出也会增大，可以进一步减少稳态误差，直到其等于零。控制器的输出与输入误差信号的微分(即误差的变化率)在微分控制中成正比关系。由于存在较大的具有抑制误差的作用的惯性组件或有滞后组件，导致其变化总是落后于误差的变化。所以，自动控制系统在克服误差的调节过程中可能会出现振荡、失稳等状况。解决该问题的办法是抑制误差的作用的变化"超前"，即当误差接近零，抑制误差的作用也应该是零。也就是说，在控制器中仅引入"比例"项是不够的，比例项的作用仅是放大误差的幅值，而需要增加的是"微分项"，它能预测误差变化的趋势，这样，具有比例+微分的控制器，就能够提前使抑制误差的控制作用等于零，甚至为负值，从而避免了被控量的严重超调。所以对有较大惯性或滞后的被控对象，比例+微分(PD)控制器能改善系统在调节过程中的动态特性。

在传感器检测到前方无车辆或者前方车辆距离过远而对主车安全的行驶状态没有影响时，ACC控制车辆则以驾驶员设定的巡航速度行驶。当车辆处于此种状态下，车辆速度控制比较简单，所以在设计巡航控制器时，普遍采用PID控制算法。

（3）模糊控制理论

1974年，L.A.Zadeh教授提出模糊逻辑控制理论(Fuzzy Logic Control Theory)，即模糊控制理论(Fuzzy Control Theory)^[6]。

模糊控制，核心是建立一种语言分析的数学模式来应对复杂的系统或控制过程，使自然语言能直接转化为计算机能接受的算法语言，通常用“if+条件，then+结果”的形式来表现，是一种利用人的知识对控制对象进行控制的方法，所以又通俗地称为语言控制。

模糊控制响应速度较快，抗干扰能力强，并对系统参数的变化有较强的鲁棒性和较佳的容错性，属于容易控制、掌握的较理想的非线性控制器^[15]。但是，模糊控制系统在本质上的非线性以及系统描述不统一，导致研究者难以利用现有的控制理论和分析方法对其进行分析、设计。所以，模糊控制的稳定性分析仍是一个难题，还未得以完全解决。

模糊控制理论适应了自适应科学发展的迫切需要，它是处理一些模糊问题的有力途径。模糊控制从属于智能控制的范畴，模糊控制的提出和其与自适应控制的结合，为未知的非线性系统的建模和控制提供了有效方法。因此，对模糊控制建模的研究，将会给自适应控制带来很大的好处。

（4）模型预测控制

在理论发展与实际应用之间不协调的背景下，模型预测控制被研究者提出，它是一类新型控制算法。精确的对象参数模型是现代控制理论的基础，然而，在各种现实问题中，往往有许多的时变性、非线性和不确定性等不同的特点，要获得精确的数学模型较为困难，会导致控制效果大大降低。面对这样的技术困难，预测控制在工业实践过程中发展起来了，并且其一经问世，就在各种工业领域得以发展应用。

模型预测控制主要由四大部分组成：预测模型、反馈矫正、滚动优化和参考轨迹^[20]。预测模型可以预测和展示未来动态行为。根据系统现时刻的控制输入和过程的历史信息，预测模型可以预测过程输出的未来值。实际运用过程中，存在很多干扰和非线性情况等，导致预测的未来值与实际不符合。所以采用预测模型进行输出只是一种理想的方式，在实际过程中并不能单独使用。针对这样的情况，可对模型施加反馈校正的过程。即在预测控制中，可以利用预测误差修正模型的预测值，可通过输出的测量值Y(k)与模型的预估值Ym(k)进行比较，得出模型的预测误差。预测控制通过这样的校正，具有很强的抗扰动和和克服系统不确定的能力。通过某一性能指标的最优化，预测模型可以确定未来的控制作用。这一性能指标由未来的控制策略决定，涉及到过程未来的行为。预测控制中的优化采用滚动式的有限时域优化策略，而不同于离散最优控制算法。即优化过程是反复在线进行的，而不是一次离线完成。参考轨迹是设定值经过在线“柔化”后的产物。考虑到过程的动态特性为了避免过程出现输入和输出的急剧变化，在预测控制中常要求过程输出Y(k)沿着一条期望的、平缓的曲线达到设定值r，该曲线称为参考轨迹y。

与其余算法相比较，预测控制算法建模方便、对模型的精度要求不高；系统鲁棒性、稳定性和动态性能较好；可以有效地处理多变量、有约束的问题^[18]。

上世纪70年代，预测模型理论在就已被提出，在工程实践中，对它的应用也有成功的。但是，经过几十年的发展，预测控制仍然值得研究者们深入探索和创新。因为预测控制是在理论发展与实际应用之间不协调的背景下提出的，所以对其而言，实际上的理论研究迟于实践的应用。主要是预测控制的满意优化策略的研究还有待深入，其算法有待创新。预测控制还可以与其他学科的算法相结合，如引入神经网络、人工智能等理论，能够更加灵活地适应生产的需要^[20]。

原创文章，转载请说明出处，资料来源：http://imgcs.cn/5c/642513652384.html