高振海，嚴(yán) 偉，李紅建，胡振程

(1.吉林大學(xué)，汽車仿真與控制國家重點(diǎn)實(shí)驗(yàn)室，長春 130022; 2.中國第一汽車集團(tuán)公司技術(shù)中心，長春 130011)

?

2015118

基于模擬駕駛員多目標(biāo)決策的汽車自適應(yīng)巡航控制算法*

高振海1，嚴(yán) 偉1，李紅建2，胡振程1

(1.吉林大學(xué)，汽車仿真與控制國家重點(diǎn)實(shí)驗(yàn)室，長春 130022; 2.中國第一汽車集團(tuán)公司技術(shù)中心，長春 130011)

汽車自適應(yīng)巡航控制系統(tǒng)根據(jù)本車與前車之間的相對(duì)距離和相對(duì)速度，綜合考慮車間行駛安全性、本車縱向動(dòng)力學(xué)特性和駕乘人員的舒適性等多個(gè)相互關(guān)聯(lián)且存在一定矛盾的性能指標(biāo)，實(shí)現(xiàn)本車與前車安全車間距的保持控制。針對(duì)這一多目標(biāo)協(xié)調(diào)控制問題，本文在動(dòng)態(tài)輸出反饋控制框架下，模擬真實(shí)駕駛員對(duì)車間距控制的行為特性，利用汽車行駛狀態(tài)和控制變量建立了安全性、輕便性、舒適性和工效性指標(biāo)，進(jìn)而基于不變集和二次有界性理論提出了以上多性能指標(biāo)的動(dòng)態(tài)協(xié)調(diào)控制機(jī)制，建立了一套自適應(yīng)巡航控制系統(tǒng)的車間距控制算法。最終通過跟隨、駛離和切入3種典型工況的仿真，驗(yàn)證了算法對(duì)安全車間距保持和協(xié)調(diào)多性能指標(biāo)的可行性和有效性。

自適應(yīng)巡航;車間距控制;多目標(biāo)協(xié)調(diào);控制約束;二次有界性

前言

汽車自適應(yīng)巡航控制(adaptive cruise control, ACC)系統(tǒng)在傳統(tǒng)定速巡航控制基礎(chǔ)上，可以根據(jù)本車與前車之間相對(duì)運(yùn)動(dòng)關(guān)系，主動(dòng)控制汽車縱向速度，以保持本車與前車的安全車間距[1]。伴隨著汽車安全技術(shù)的發(fā)展，ACC已成為國際汽車安全研究領(lǐng)域的焦點(diǎn)。

早期的ACC研究多為在汽車固有的加速和制動(dòng)等縱向動(dòng)力學(xué)性能基礎(chǔ)上確定一個(gè)合適的安全車間距，直接根據(jù)本車與前車之間的相對(duì)距離和相對(duì)速度等信息實(shí)施距離控制或速度控制[2]。隨著研究的深入，研究人員嘗試兼顧車與車之間的行駛安全性和駕乘人員舒適性等多個(gè)相互關(guān)聯(lián)且存在一定矛盾的性能指標(biāo)，采用多目標(biāo)決策技術(shù)解決本車與前車安全車間距的保持控制問題[2]。

近年來國際上ACC研究的最新發(fā)展趨勢(shì)和前沿技術(shù)是利用模型預(yù)測(cè)控制(model predictive control, MPC)對(duì)多性能指標(biāo)的協(xié)調(diào)控制特點(diǎn)，將ACC系統(tǒng)的多目標(biāo)決策問題轉(zhuǎn)化為多性能指標(biāo)協(xié)調(diào)控制。如文獻(xiàn)[3]中應(yīng)用MPC理論建立安全車間距的過渡操作，并設(shè)置控制約束和狀態(tài)約束以滿足舒適性和安全性要求。文獻(xiàn)[4]中將MPC理論應(yīng)用于穩(wěn)態(tài)跟隨車間距控制算法的設(shè)計(jì)，協(xié)調(diào)了燃油經(jīng)濟(jì)性、跟蹤性能和駕駛員期望響應(yīng)等性能。但由于MPC算法本身存在計(jì)算復(fù)雜等問題，每個(gè)采樣時(shí)刻的計(jì)算時(shí)間可能超過ACC系統(tǒng)的采樣時(shí)間，導(dǎo)致系統(tǒng)性能惡化；MPC算法也要求模型的外部干擾是可測(cè)的(車間相對(duì)運(yùn)動(dòng)學(xué)的外部干擾，即前車加速度一般不可測(cè))。研究人員也提出了一些改進(jìn)型MPC方法，如文獻(xiàn)[5]中在ACC系統(tǒng)決策算法設(shè)計(jì)中引入顯式MPC，通過離線求解優(yōu)化算法在線查表降低了在線計(jì)算時(shí)間。

ACC系統(tǒng)研究的出發(fā)點(diǎn)是輔助或替代真實(shí)駕駛員去實(shí)現(xiàn)安全車間距的保持。如何有效利用并模擬真實(shí)熟練駕駛員對(duì)兩車安全間距的控制行為特性，是實(shí)現(xiàn)ACC控制且保證控制算法能被乘員廣為接受的有效技術(shù)途徑。

為此，本文中在文獻(xiàn)[6]中關(guān)于駕駛員速度控制行為研究的基礎(chǔ)上，模擬真實(shí)駕駛員對(duì)汽車安全間距控制以及對(duì)行駛安全性、操控便利性、乘坐舒適性和駕駛?cè)蝿?wù)完成的快捷性等多目標(biāo)協(xié)調(diào)控制，在動(dòng)態(tài)輸出反饋(dynamic output feedback, DOF)控制框架下，利用汽車行駛狀態(tài)和控制變量建立了安全性、輕便性、舒適性和工效性指標(biāo)，并基于不變集和二次有界性理論建立了以上多性能指標(biāo)的動(dòng)態(tài)協(xié)調(diào)控制機(jī)制，將理想縱向加速度的決策轉(zhuǎn)化為帶有狀態(tài)約束和控制約束的系統(tǒng)的鎮(zhèn)定問題，實(shí)現(xiàn)了保持ACC系統(tǒng)安全車間距的理想控制目標(biāo)的動(dòng)態(tài)決策。最后通過跟隨、駛離和切入等ACC典型行駛工況的性能仿真，驗(yàn)證了算法對(duì)安全車間距保持的有效性和協(xié)調(diào)多性能指標(biāo)的可行性。

1 問題描述

ACC系統(tǒng)一般包括信息感知層、決策層和控制層，如圖1所示。信息感知層獲取本車行駛狀態(tài)信息和前方道路交通環(huán)境信息，并確定前方有效跟蹤目標(biāo)車；決策層根據(jù)本車與前車的相對(duì)距離等信息，確定理想縱向加速度等縱向動(dòng)力學(xué)控制指令；控制層考慮車輛縱向動(dòng)力學(xué)特性(如發(fā)動(dòng)機(jī)反拖與制動(dòng)性能)實(shí)現(xiàn)對(duì)理想縱向加速度的精確跟蹤。本文中著重于解決ACC決策層的理想加速度決策問題。

如上所述，綜合考慮車與車之間的行駛安全性、本車縱向動(dòng)力學(xué)特性和駕乘人員舒適性等多個(gè)相互關(guān)聯(lián)且存在一定矛盾的性能指標(biāo)，實(shí)現(xiàn)本車與前車安全車間距的保持控制是當(dāng)前ACC系統(tǒng)研究的核心問題。

針對(duì)這一多目標(biāo)協(xié)調(diào)控制問題，本文中采用了控制技術(shù)中的二次有界性方法[7]，面向ACC多目標(biāo)決策問題，建立了多性能指標(biāo)的動(dòng)態(tài)協(xié)調(diào)控制機(jī)制，將理想縱向加速度的決策轉(zhuǎn)化為帶有狀態(tài)約束和控制約束的系統(tǒng)的鎮(zhèn)定問題。

與MPC算法相比，二次有界性算法存在如下特點(diǎn)。

(1) 實(shí)時(shí)性更好。MPC算法在線優(yōu)化過程的計(jì)算較復(fù)雜，不適合直接應(yīng)用于像ACC這種對(duì)實(shí)時(shí)性要求高的系統(tǒng)[8]。而二次有界性算法的核心是DOF控制器，其增益是離線設(shè)計(jì)的，減少了決策算法的在線計(jì)算時(shí)間，同時(shí)該算法也具有與MPC算法相似的協(xié)調(diào)多性能指標(biāo)的功能；

(2) 魯棒性更好。在MPC算法的設(shè)計(jì)中，假設(shè)外部干擾(在ACC系統(tǒng)中外部干擾指前車加速度)是可測(cè)的。而在二次有界性算法的設(shè)計(jì)中，假設(shè)外部干擾是有界的，合理地設(shè)定外部干擾的界可保證算法較好的抗干擾能力。

鑒于二次有界性方法在處理外部干擾及狀態(tài)約束和控制約束方面的優(yōu)勢(shì)，本文中采用了二次有界性方法，實(shí)現(xiàn)ACC中理想縱向加速度決策這一多目標(biāo)協(xié)調(diào)控制。

2 車間距控制算法的設(shè)計(jì)

參照文獻(xiàn)[7]，本文中首先建立了面向DOF控制器設(shè)計(jì)的模型—汽車跟隨Tanaka-Sugeno(T-S)模糊模型；然后利用汽車行駛狀態(tài)和控制變量量化多性能指標(biāo)，將理想加速度的決策轉(zhuǎn)化為帶有狀態(tài)約束和控制約束的T-S模糊模型的鎮(zhèn)定問題；最后，利用二次有界性理論設(shè)計(jì)DOF控制器，將模型狀態(tài)鎮(zhèn)定到由公共Lyapunov矩陣確定的橢球不變集內(nèi)。

2.1 汽車跟隨T-S模糊模型

根據(jù)前車與本車的相對(duì)距離和相對(duì)速度關(guān)系及本車的縱向動(dòng)力學(xué)特性，建立汽車跟隨模型：

(1)

其中：

x(t)=[ΔdΔvah]T；u(t)=ades；

B1=[0 0 1/T]T；E1=[0 1 0]T

由于式(1)是依賴于速度的非線性系統(tǒng)，不能直接利用現(xiàn)有的線性系統(tǒng)理論中的方法求解該系統(tǒng)的控制律。利用扇形非線性法局部線性化非線性系統(tǒng)可得到T-S模糊模型[11]。T-S模糊模型被認(rèn)為是逼近非線性系統(tǒng)的萬能逼近器。利用線性系統(tǒng)理論中的方法可方便地研究T-S模糊模型。局部線性化式(1)得汽車跟隨T-S模糊模型：

(2)

考慮到u(k)=u(k-1)+Δu(k)，利用歐拉方法離散化式(2)得

(3)

2.2 多性能指標(biāo)的量化

參照文獻(xiàn)[2]中駕駛員速度控制行為特性的研究，本文中分別建立了安全性、輕便性、舒適性和工效性4個(gè)評(píng)價(jià)指標(biāo)。

Δd和Δv反映了安全性指標(biāo)。前車后方理想車間距處是本車的理想跟蹤目標(biāo)點(diǎn)，該點(diǎn)的速度等于前車速度，即Δv=0。Δd和Δv軌跡收斂到理想跟蹤目標(biāo)點(diǎn)附近的鄰域內(nèi)能夠保證車輛的安全性。Δd<0且其絕對(duì)值越大，相對(duì)距離越小，安全性指標(biāo)越低。因此，約束Δd的絕對(duì)值可以保證車輛間的安全性，亦可避免其它車輛頻繁切入。

ah和u反映了舒適性指標(biāo)。ACC系統(tǒng)在保證車輛安全性的情況下主要是一個(gè)舒適性系統(tǒng)，因此，在決策算法設(shè)計(jì)中必須考慮舒適性指標(biāo)以提高乘員接受性。利用理想加速度表征舒適性指標(biāo)。較強(qiáng)的加/減速度一方面使乘員感覺不舒適導(dǎo)致系統(tǒng)被棄用，另一方面可能導(dǎo)致電控執(zhí)行機(jī)構(gòu)飽和甚至損壞。

Δu反映了輕便性指標(biāo)。Δu表征了加速度變化量或加速/制動(dòng)踏板的變化量。就通常的汽車駕駛來說，一方面汽車行駛速度等狀態(tài)量不可能急劇突變；另一方面頻繁加/減速給汽車零部件帶來機(jī)械磨損，縮短了零部件的使用壽命?？刂屏孔兓眲∫矔?huì)導(dǎo)致乘坐舒適性的下降。從駕駛員角度考慮，油門/制動(dòng)的變化量越小，汽車行駛速度等狀態(tài)量的改變也越小，輕便性指標(biāo)越好。

為了協(xié)調(diào)以上性能指標(biāo)以綜合保證ACC系統(tǒng)性能，本文中首先利用狀態(tài)約束和控制約束描述了各性能指標(biāo)的合理取值范圍。

其中：

Zi=[0 1 -2v2vhi+v10]；

2.3 DOF控制器

如前所述，利用狀態(tài)和控制變量量化了多性能指標(biāo)，并以狀態(tài)約束和控制約束描述了多性能指標(biāo)的取值范圍，將理想加速度的決策問題轉(zhuǎn)化為帶有狀態(tài)約束和控制約束的T-S模糊模型鎮(zhèn)定問題。

針對(duì)帶有狀態(tài)約束和控制約束的T-S模糊模型的鎮(zhèn)定問題，本文中在DOF控制框架下，利用二次有界性理論將狀態(tài)鎮(zhèn)定到由公共Lyapunov矩陣確定的橢球不變集內(nèi)。

利用并行分布補(bǔ)償(PDC)技術(shù)[11]，給出DOF控制器模型為

(4)

(5)

其中：

如圖2所示，狀態(tài)約束定義了車輛正常駕駛集R。由車輛正常駕駛集內(nèi)出發(fā)的初始狀態(tài)，取遍控制約束集內(nèi)所有控制量，在某一時(shí)刻能夠到達(dá)的所有狀態(tài)的集合，稱為車輛可達(dá)集。

本文中采用的DOF控制器設(shè)計(jì)的主要思想是：針對(duì)在R內(nèi)的初始狀態(tài)，在存在有界外部干擾(前車加速度)情形下，尋找控制律最小化可達(dá)集。

通過推導(dǎo)得到了DOF控制器存在的線性矩陣不等式條件及狀態(tài)約束和控制約束滿足的線性矩陣不等式條件。求解線性矩陣不等式組得到DOF控制器模型為

u(k)=Δu(k)+u(k-1),u(0)=0

Δu(k)=10-3×[0.27960.109-0.0024-0.1405]xc(k)+[0.25450.7617-0.324-0.7822]y(k);

3 仿真實(shí)驗(yàn)

利用跟隨、駛離和切入等ACC系統(tǒng)典型工況的仿真，進(jìn)一步驗(yàn)證本文中設(shè)計(jì)的二次有界性算法對(duì)安全車間距保持和多性能指標(biāo)協(xié)調(diào)的可行性和有效性。仿真中，利用汽車動(dòng)力學(xué)仿真軟件CarSim，建立了國內(nèi)某款乘用車的整車動(dòng)力學(xué)模型及包括雷達(dá)傳感和有效目標(biāo)識(shí)別等的ACC系統(tǒng)測(cè)試仿真平臺(tái)，并采用Matlab/Simulink軟件搭建了ACC系統(tǒng)的車間距控制算法模塊和逆縱向動(dòng)力學(xué)模型[13]。

3.1 跟隨工況

跟隨工況指當(dāng)同車道前方有行駛車輛，本車退出傳統(tǒng)巡航控制，根據(jù)本車與前車的相對(duì)速度等信息，自動(dòng)調(diào)整本車行駛速度以和前車保持安全車間距的跟隨前車行駛工況。為了實(shí)現(xiàn)巡航功能，虛擬一輛前車，其速度vc=110km/h。具體工況設(shè)為：本車開始以巡航速度行駛，與前車的初始相對(duì)距離為150m，前車以90km/h速度勻速行駛，在40s時(shí)加速至100km/h，并以此速度勻速行駛。跟隨工況仿真結(jié)果如圖3所示。

由圖3(a)和圖3(b)可見，在0～10s，本車跟蹤虛擬前車，處于巡航模式，10～30s為過渡過程，即建立理想車間距的過程，30～60s為穩(wěn)態(tài)跟隨過程?？梢钥闯?，在巡航模式中，本車無誤差地跟蹤巡航速度。本車檢測(cè)到前車后，進(jìn)入過渡過程，當(dāng)車間距達(dá)到設(shè)定的安全距離時(shí)本車松開油門，發(fā)動(dòng)機(jī)怠速運(yùn)轉(zhuǎn)，汽車?yán)脩T性滑行，以降低本車速度，但汽車滑行運(yùn)動(dòng)提供的減速度有限，可能減小車間距，對(duì)車輛安全性造成威脅，因此須施加一定程度的制動(dòng)以保證車間安全性，同時(shí)也不會(huì)對(duì)乘員舒適性造成大的影響(見圖3(c))。在穩(wěn)態(tài)跟隨模式中，本車穩(wěn)定跟隨前車，距離誤差和相對(duì)速度都約束在設(shè)定的范圍內(nèi)，保證了車輛的安全性。

由圖3(c)可見，本車加速度在給定的舒適性約束界內(nèi)。由油門開度和制動(dòng)壓力曲線看出，執(zhí)行器信號(hào)平滑，說明ACC系統(tǒng)滿足駕駛輕便性要求。

3.2 駛離工況

駛離工況指本車在跟隨前車過程中，在某時(shí)刻前車切出或加速離去，本車進(jìn)入巡航模式的工況。具體工況設(shè)為：前車以80km/h速度勻速行駛，在20-30s，前車加速至120km/h，本車初始速度為79km/h，處于穩(wěn)態(tài)跟隨模式。駛離工況仿真結(jié)果如圖4所示。

由圖4(a)和圖4(b)可見，0～27.5s，本車穩(wěn)定跟隨前車，在27.5s，本車加速到110km/h，進(jìn)入巡航模式，前車?yán)^續(xù)加速至120km/h。可以看出，本車由穩(wěn)態(tài)跟隨模式切換為巡航模式，其速度無超調(diào)，而且在跟隨過程中距離誤差和相對(duì)速度均在設(shè)定的安全性約束界內(nèi)。圖4(b)中，在54s左右，前車速度突變?yōu)?10km/h，這是由于前車駛出雷達(dá)測(cè)量范圍，雷達(dá)所測(cè)相對(duì)速度恢復(fù)為默認(rèn)值0。

由圖4(c)可見，本車加速度在給定的約束界內(nèi)，而且油門曲線無頻繁震蕩，說明了所設(shè)計(jì)ACC系統(tǒng)滿足舒適性和輕便性要求。

3.3 切入工況

切入工況指本車前方有車輛從相鄰車道并入同車道的工況。具體工況設(shè)為：本車開始處于巡航模式，速度為110km/h，相鄰車道前方300m處一輛以80km/h速度行駛的車輛，在15s時(shí)開始向本車所在車道換道，在18s時(shí)本車檢測(cè)到相鄰車道的車輛，并且兩車間的側(cè)向距離小于設(shè)定的閾值，滿足所檢測(cè)到的車輛作為前車的條件，因此本車施加制動(dòng)，以避免發(fā)生碰撞。切入工況仿真結(jié)果如圖5所示。

由圖5(a)和圖5(b)可見，0～18s，本車處于巡航模式，在18s時(shí)，本車施加制動(dòng)以建立理想車間距跟隨前車，以避免與前車發(fā)生碰撞。因此，本車快速減速到80km/h，而且車間距無超調(diào)地趨于理想車間距，說明所設(shè)計(jì)系統(tǒng)對(duì)工效性和安全性進(jìn)行了協(xié)調(diào)。

在切入工況中，安全性應(yīng)是評(píng)價(jià)系統(tǒng)優(yōu)劣的首要指標(biāo)。由圖5(c)可以看出，本車產(chǎn)生較大的減速度，犧牲了一定程度的乘員舒適性，但是保證了車輛的安全性。

4 結(jié)論

本文中模擬真實(shí)駕駛員對(duì)安全車間距的多目標(biāo)決策行為，在DOF控制框架下，建立了一個(gè)綜合協(xié)調(diào)行駛安全性、操控便利性、乘坐舒適性、駕駛?cè)蝿?wù)完成快捷性等多性能指標(biāo)的ACC系統(tǒng)理想縱向加速度的二次有界性算法，并進(jìn)行了跟隨、駛離和切入等典型工況仿真分析，研究結(jié)論如下。

(1) 利用車間相對(duì)運(yùn)動(dòng)學(xué)模型的狀態(tài)和控制輸入量化了多性能指標(biāo)，并以狀態(tài)約束和控制約束描述了多性能指標(biāo)的界，其中多性能指標(biāo)的約束界通過分析真實(shí)駕駛數(shù)據(jù)得到，從而體現(xiàn)了真實(shí)駕駛員的跟隨行為特性。

(2) 利用二次有界性理論能夠處理狀態(tài)約束和控制約束的特點(diǎn)，設(shè)計(jì)了DOF控制框架下的二次有界性算法，將車間相對(duì)運(yùn)動(dòng)學(xué)模型的狀態(tài)鎮(zhèn)定到包含多性能指標(biāo)約束確定的集合的橢球不變集內(nèi)，從理論上保證了安全車間距保持并協(xié)調(diào)了多性能指標(biāo)，仿真結(jié)果表明了多性能指標(biāo)在各種典型工況中均處于設(shè)定的約束界內(nèi)，所設(shè)計(jì)算法有效改善了駕駛員接受性和ACC系統(tǒng)的使用率。

[1] Swaroop D, Rajagopal K R. Intelligent Cruise Control Systems and Traffic Flow Stability[C]. California PATH Research Report. UCB-ITS-PRR-98-36. Dec.1998:1-21.

[2] 管欣,王景武,高振海,等.基于駕駛員行為模擬的ACC控制算法[J].汽車工程,2004,26(2):205-209.

[3] Vibhor L, Bageshwar W L, Rajamani R. Model Predictive Control of Transitional Maneuversfor Adaptive Cruise Control Vehicles[J]. IEEE Trans. Veh. Tech.,2004,53(5):1573-1585.

[4] Li S E, Li K, Wang J. Economy-oriented Vehicle Adaptive Cruise Control with Coordinating Multiple Objectives Function[J]. Vehicle System Dynamics,2013,51(1):1-17.

[5] Naus G J L, Ploeg J, Molengraft V D, et al. Design and Implementation of Parameterized AdaptiveCruise Control: An Explicit Model Predictive Control[J]. Control Engineering Practice,2010,18:882-892.

[6] 王景武.汽車自適應(yīng)巡航的最優(yōu)預(yù)瞄加速度控制算法研究[D].長春:吉林大學(xué),2004.

[7] Ding B. Quadratic Boundedness via Dynamic Output Feedback forConstrained Nonlinear Systems in Takagi-Sugeno’s Form[J]. Automatica,2009,45(9):2093-2098.

[8] 席裕庚,李德偉,林姝.模型預(yù)測(cè)控制-現(xiàn)狀與挑戰(zhàn)[J].自動(dòng)化學(xué)報(bào),2013,39(3):222-236.

[9] Fancher P, Bareket Z, Peng H, et al. Research on Desirable Adaptive Cruise Control Behavior in Traffic Streams[C]. Ann Arbor,MI: University of Michigan Transportation Research Institute (UMTRI),2002, UMTRI-2002-16.

[10] Rajamani R, Shladover S E. An Experimental Comparative Study of Autonomous and Co-operative Vehicle-follower Control Systems[J]. Transportation Research,2001,9C(1):15-31.

[11] Tanaka K, WangH O. Fuzzy Control Systems Design and Analysis[M]. Wiley Inc,New York,2001.

[12] Alessandri A, BagliettoM, Battistelli G. On Estimation Error Boundsfor Receding-horizon Filters Using Quadratic Boundedness[J]. IEEE Trans. Auto. Control,2004,49:1350-1355.

[13] 李朋,魏民祥,侯曉利.自適應(yīng)巡航控制系統(tǒng)的建模與聯(lián)合仿真[J].汽車工程,2012,34(7):622-626.

A Vehicle Adaptive Cruise Control Algorithm Based onSimulating Driver’s Multi-objective Decision Making

Gao Zhenhai1, Yan Wei1, Li Hongjian2& Hu Zhencheng1

1.JilinUniversity,StateKeyLaboratoryofAutomobileSimulationandControl,Changchun130022;2.ChinaFAWGroupCorporationR&DCenter,Changchun130011

According to the distance and relative velocity between host vehicle and preceding vehicle, the adaptive cruise control (ACC) system concurrently considers three correlated and contradictory performance indicators of driving safety between vehicles, longitudinal dynamics characteristics and the comfort performance of driver and occupants to achieve the control for maintaining safe inter-vehicle distance. Aiming at this multi-objective coordinated control problem, the behavior characteristics of real driver in inter-vehicle distance control are simulated under the framework of dynamic output feedback control and four indicators of safety, handiness, comfort and efficiency are set up based on the driving state and control variables of vehicle. Then a dynamic coordinated control mechanism for above-mentioned performance indicators is proposed based on invariant set and quadratic boundedness theory and a set of inter-vehicle distance control algorithms for ACC system are worked out. Finally simulations on three typical operation conditions (following and the cut-out and cut-in of preceding vehicle) are conducted to verify the feasibility and effectiveness of the proposed algorithms in safe inter-vehicle distance maintenance and multi-performance indicators coordination.

ACC; inter-vehicle distance control; multi-objective coordination; control constraint; quadratic boundedness

*國家自然科學(xué)基金(50975120)、973計(jì)劃前期研究專項(xiàng)(2012CB723802)和長江學(xué)者和創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃(IRT1017)資助。

原稿收到日期為2013年7月18日，修改稿收到日期為2013年10月4日。