初 亮，李天驕，孫成偉

（吉林大學(xué) 汽車(chē)仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)春 130022）

基于加權(quán)最小二乘擬合的電動(dòng)車(chē)ACC模式仲裁切換策略研究

初 亮，李天驕，孫成偉

（吉林大學(xué) 汽車(chē)仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)春 130022）

傳統(tǒng)自適應(yīng)巡航模式仲裁切換策略因未考慮環(huán)境變化對(duì)于基準(zhǔn)加速度的影響，從而導(dǎo)致模式頻繁切換，加速度控制不精確。因此，設(shè)計(jì)了實(shí)時(shí)在線擬合的模式仲裁切換策略，利用擬合方法辨識(shí)行駛阻力模型關(guān)系式參數(shù)。對(duì)傳統(tǒng)最小二乘算法引入遺忘因子加權(quán)，削弱歷史數(shù)據(jù)影響，滿足對(duì)時(shí)變數(shù)據(jù)的跟隨。優(yōu)化求解算法，通過(guò)遞推運(yùn)算提高算法效率從而滿足控制實(shí)時(shí)性要求。仿真驗(yàn)證算法在外界有風(fēng)速干擾和坡度干擾的情況下預(yù)測(cè)基準(zhǔn)加速度的準(zhǔn)確性，結(jié)果顯示，穩(wěn)態(tài)時(shí)預(yù)測(cè)基準(zhǔn)加速度準(zhǔn)確性較高；在外界環(huán)境突變后，算法能較快適應(yīng)新的環(huán)境參數(shù)。

公路運(yùn)輸；模式仲裁切換策略；最小二乘擬合；自適應(yīng)巡航；純電動(dòng)車(chē)

電動(dòng)車(chē)自適應(yīng)巡航控制（Adaptive Cruise Control，ACC）系統(tǒng)縱向動(dòng)力學(xué)控制包括驅(qū)動(dòng)控制和制動(dòng)控制。通過(guò)控制驅(qū)動(dòng)電機(jī)電流，輸出驅(qū)動(dòng)轉(zhuǎn)矩，經(jīng)過(guò)主減速器、半軸、車(chē)輪傳導(dǎo)到地面實(shí)現(xiàn)整車(chē)的驅(qū)動(dòng)；通過(guò)控制車(chē)身電子穩(wěn)定性控制系統(tǒng)能量吸收式方向機(jī) 柱（Energy-absorbing Steering Column Electronic Speed Controller， ESC）的柱塞泵和電磁閥，獲得制動(dòng)壓力，再經(jīng)過(guò)輪缸、制動(dòng)鉗、制動(dòng)盤(pán)、車(chē)輪等傳導(dǎo)到地面實(shí)現(xiàn)整車(chē)的制動(dòng)。由于驅(qū)動(dòng)控制和制動(dòng)控制的傳遞路徑以及控制方法差異較大，在ACC系統(tǒng)中驅(qū)動(dòng)控制算法和制動(dòng)控制算法一般分為兩個(gè)獨(dú)立的控制模塊，二者不能同時(shí)動(dòng)作［1-2］。因此，在ACC系統(tǒng)中需要一個(gè)控制模式仲裁切換策略，決策對(duì)于需求狀態(tài)的控制模式。

由于車(chē)輛傳動(dòng)系和制動(dòng)系的內(nèi)部阻力以及外界環(huán)境對(duì)車(chē)輛的行駛阻力的存在，車(chē)輛在滑動(dòng)狀態(tài)（既不驅(qū)動(dòng)也不制動(dòng)）下不會(huì)產(chǎn)生0加速度，其值會(huì)隨著外界阻力的變化而變化，定義滑動(dòng)狀態(tài)時(shí)的加速度為基準(zhǔn)加速度?；鶞?zhǔn)加速度的選取對(duì)車(chē)輛驅(qū)動(dòng)控制或制動(dòng)控制有著重要的意義，基準(zhǔn)加速度選擇的不精確，會(huì)導(dǎo)致ACC系統(tǒng)工作時(shí)在驅(qū)動(dòng)模式和制動(dòng)模式之間頻繁切換，不僅加快部件磨損，還會(huì)導(dǎo)致實(shí)際的加速度或減速度相較于目標(biāo)值產(chǎn)生較大的誤差。

目前，對(duì)于電動(dòng)車(chē)ACC控制模式仲裁切換策略的研究較少。裴曉飛等［3］提出一種ACC分層控制算法，通過(guò)取車(chē)輛節(jié)氣門(mén)開(kāi)度為0的滑行試驗(yàn)，直接測(cè)出不同車(chē)速下該車(chē)能夠獲得的最大減速度值，結(jié)果濾波得到節(jié)氣門(mén)/制動(dòng)控制切換時(shí)的加速度基準(zhǔn)曲線。李以農(nóng)等［4］通過(guò)分析車(chē)輛縱向動(dòng)力學(xué)模型，列解加速度基準(zhǔn)曲線方程，并在切換面加入緩沖層，建立加速/制動(dòng)的邏輯切換規(guī)律?？傊壳皩?duì)于ACC系統(tǒng)的控制模式仲裁切換策略主要有兩種方案，一種是通過(guò)一次試驗(yàn)獲得車(chē)速-基準(zhǔn)加速度關(guān)系表，通過(guò)查表法得到不同車(chē)速下的基準(zhǔn)加速度；另一種是根據(jù)車(chē)輛驅(qū)動(dòng)和制動(dòng)的動(dòng)力學(xué)模型，得到車(chē)速-基準(zhǔn)加速度關(guān)系式，通過(guò)代入計(jì)算式求解得到基準(zhǔn)加速度。然而兩種方案均是通過(guò)一次離線計(jì)算獲得車(chē)速-基準(zhǔn)加速度關(guān)系，未考慮外界阻力變化對(duì)基準(zhǔn)加速度曲線的影響。對(duì)于不同參數(shù)的車(chē)型需要重新進(jìn)行試驗(yàn)或參數(shù)匹配，因而帶來(lái)額外的成本和工作量。

針對(duì)常規(guī)ACC控制模式仲裁切換策略的不足，本研究建立了一種在線獲得車(chē)速-基準(zhǔn)加速度關(guān)系式的ACC控制模式仲裁切換算法，可以根據(jù)歷史數(shù)據(jù)實(shí)時(shí)修正車(chē)速-基準(zhǔn)加速度關(guān)系曲線。首先分析車(chē)輛縱向動(dòng)力學(xué)模型，得到車(chē)速-基準(zhǔn)加速度關(guān)系式，并通過(guò)改進(jìn)的最小二乘擬合法實(shí)時(shí)擬合關(guān)系式參數(shù)。考慮傳統(tǒng)最小二乘擬合法計(jì)算量大，難以滿足整車(chē)控制器實(shí)時(shí)性計(jì)算要求，本研究?jī)?yōu)化了傳統(tǒng)最小二乘擬合法，通過(guò)遞推運(yùn)算大幅減少計(jì)算量，同時(shí)考慮到外界環(huán)境的突變，對(duì)于最小二乘擬合法引入遺忘因子加權(quán)，通過(guò)對(duì)歷史數(shù)據(jù)折舊使算法快速適應(yīng)外界環(huán)境變化。

1 車(chē)輛縱向動(dòng)力學(xué)模型分析

面向ACC系統(tǒng)的動(dòng)力學(xué)分析僅需考慮車(chē)輛縱向動(dòng)力學(xué)分析，即驅(qū)動(dòng)、制動(dòng)過(guò)程的動(dòng)力學(xué)模型。汽車(chē)在行駛過(guò)程中的受力如圖1所示。

圖1 汽車(chē)受力示意圖

汽車(chē)在行駛過(guò)程中受到的阻力主要包括四部分：滾動(dòng)阻力、空氣阻力、坡度阻力、加速阻力。由驅(qū)動(dòng)電機(jī)、傳動(dòng)系統(tǒng)傳遞的力矩作用于車(chē)輪上，以克服上述阻力。列出汽車(chē)驅(qū)動(dòng)力與行駛阻力平衡方程式為［5］：

式中：Ft為汽車(chē)驅(qū)動(dòng)力；Fr為滾動(dòng)阻力；Fw為空氣阻力；Fi為坡度阻力；Fa為汽車(chē)受到的加速阻力。

1.1 驅(qū)動(dòng)力

汽車(chē)的驅(qū)動(dòng)力由電機(jī)產(chǎn)生的驅(qū)動(dòng)轉(zhuǎn)矩經(jīng)過(guò)主減速器和半軸傳遞至車(chē)輪。計(jì)算式（2）為：

式中：Mmotor為電機(jī)轉(zhuǎn)矩，Nm；r為輪胎滾動(dòng)半徑，m；ig為變速器傳動(dòng)比；i0為主減速器傳動(dòng)比；ηt為傳動(dòng)系總傳動(dòng)效率。

1.2 制動(dòng)力

ACC狀態(tài)的制動(dòng)力由ESC柱塞泵增壓，控制ESC的溢流閥實(shí)現(xiàn)壓力控制。制動(dòng)壓力傳遞至輪缸，經(jīng)過(guò)制動(dòng)鉗作用于車(chē)輪產(chǎn)生制動(dòng)力。計(jì)算式（3）為：

式中：Fb為路面作用于輪胎的總制動(dòng)力，N；μw為制動(dòng)盤(pán)效能因數(shù)；Dw為制動(dòng)輪缸有效直徑，m；Pc為輪缸制動(dòng)壓力，Pa；Re為制動(dòng)盤(pán)有效半徑，m。

1.3 滾動(dòng)阻力

通常認(rèn)為各車(chē)輪受到的滾動(dòng)阻力相等，且所有車(chē)輪載荷之和等于車(chē)重。若在坡度為θ的道路行駛，滾動(dòng)阻力計(jì)算式（4）為：

式中：fR為滾動(dòng)阻力系數(shù)；G為整車(chē)重量，N；θ為坡度角。

隨著車(chē)速的提高，車(chē)身會(huì)受到沿著車(chē)身z軸方向的空氣升力，考慮空氣升力，滾動(dòng)阻力計(jì)算式（5）為：

式中：Fwz為空氣沿汽車(chē)法向產(chǎn)生的升力，N。

1.4 空氣阻力

車(chē)輛會(huì)受到沿著縱向的空氣阻力以及沿著法向的空氣升力?？諝庾枇εc本車(chē)速度和環(huán)境風(fēng)速有關(guān)，計(jì)算式（6）為：

式中：Fwx為沿著汽車(chē)縱向的空氣阻力，N；ρ為空氣密度，N·s2/m4；Cx為縱向空氣阻力系數(shù)；Cz為垂向空氣阻力系數(shù)；A為車(chē)輛迎風(fēng)面積，m2；vx為縱向車(chē)速，m/s；vwind為縱向風(fēng)速，m/s。

1.5 坡度阻力

當(dāng)?shù)缆酚衅露葧r(shí)，汽車(chē)重力沿著道路方向的分量表現(xiàn)為坡度阻力，坡度阻力大小和方向與坡度角有關(guān)。

1.6 加速阻力

車(chē)輛加速或減速時(shí)，由車(chē)輛平移質(zhì)量，傳動(dòng)軸、車(chē)輪等旋轉(zhuǎn)部件的轉(zhuǎn)動(dòng)慣量引起的慣性阻力成為加速阻力，一般用旋轉(zhuǎn)質(zhì)量換算系數(shù)將旋轉(zhuǎn)部件的轉(zhuǎn)動(dòng)慣量換算為車(chē)輛平移質(zhì)量。

式中：δ為旋轉(zhuǎn)質(zhì)量換算系數(shù)；m為車(chē)輛整備質(zhì)量，kg；a為車(chē)輛縱向加速度，m/s2；Jrf為前軸轉(zhuǎn)動(dòng)慣量，kg·m2；Jrr為后軸轉(zhuǎn)動(dòng)慣量，kg·m2；Ji為傳動(dòng)系轉(zhuǎn)動(dòng)慣量，kg·m2。

2 模式仲裁切換策略

根據(jù)汽車(chē)縱向動(dòng)力學(xué)模型，在車(chē)輛滑行狀態(tài)下的車(chē)輛加速度與速度存在的二次關(guān)系式為：

車(chē)輛在行駛過(guò)程中，由于外界風(fēng)速、道路坡度等因素均在不斷變化，關(guān)系式中的系數(shù)A、B、C數(shù)值也在不斷變化?？梢钥紤]在行駛過(guò)程中利用最小二乘擬合法實(shí)時(shí)辨識(shí)關(guān)系式中的參數(shù)，然而傳統(tǒng)最小二乘擬合法不但計(jì)算量大，效率低，難以實(shí)現(xiàn)汽車(chē)控制系統(tǒng)實(shí)時(shí)性的要求，而且其擬合多項(xiàng)式參數(shù)多基于離線數(shù)據(jù)，當(dāng)外界環(huán)境變量突變后，算法對(duì)于時(shí)變數(shù)據(jù)的跟蹤能力不夠，導(dǎo)致環(huán)境變化初期參數(shù)辨識(shí)結(jié)果不準(zhǔn)確。本研究基于上述兩點(diǎn)，優(yōu)化了傳統(tǒng)最小二乘擬合法。

2.1 最小二乘擬合法

首先介紹傳統(tǒng)最小二乘擬合法［6］。假設(shè)給定一個(gè)數(shù)據(jù)訓(xùn)練集：

式中：xi∈R為輸入變量x的觀測(cè)值；yi∈R是對(duì)應(yīng)輸出變量y的觀測(cè)值；i=1，2，3，4，…，N。解決的問(wèn)題是基于最小二乘法，利用已有觀測(cè)值擬合目標(biāo)多項(xiàng)式的參數(shù)。欲擬合的N次多項(xiàng)式可定義為：

式中： wi為第i次多項(xiàng)式擬合的系數(shù)。

令各點(diǎn)到曲線的距離最小，偏差平方和最?。?/p>

式中：L（w）為各點(diǎn)到擬合曲線的偏差平方和。

為求得符合條件的wi，用式（11）求偏導(dǎo)得式（12）：

對(duì)于求解的wi，可以整理為式（13）所示的正規(guī)方程組。

求解方程組即可求得（w1，w2，…，wm）。

2.2 加權(quán)遞推的最小二乘法擬合算法

針對(duì)本文研究的問(wèn)題，令xi為觀測(cè)的車(chē)速歷史數(shù)據(jù)，yi為觀測(cè)的加速度歷史數(shù)據(jù)。選取觀測(cè)數(shù)據(jù)點(diǎn)越多，抗噪聲性越強(qiáng)，擬合精度越高，同時(shí)計(jì)算效率降低，當(dāng)數(shù)據(jù)點(diǎn)過(guò)多時(shí)，最小二乘擬合法會(huì)出現(xiàn)數(shù)據(jù)飽和現(xiàn)象，以致算法失去修正能力［7］。選擇合適的觀測(cè)數(shù)據(jù)隊(duì)列規(guī)模，以兼顧算法的準(zhǔn)確性及跟隨性。每一個(gè)采樣周期觀測(cè)數(shù)據(jù)（xi，yi）儲(chǔ)存于隊(duì)尾，同時(shí)剔除隊(duì)首觀測(cè)數(shù)據(jù)，并對(duì)新一組觀測(cè)數(shù)據(jù)進(jìn)行參數(shù)擬合。

傳統(tǒng)最小二乘擬合法對(duì)于每一個(gè)數(shù)據(jù)點(diǎn)的重要度是相同的，然而在車(chē)輛行駛過(guò)程中，外界環(huán)境變量發(fā)生變化，算法往往希望擬合結(jié)果能盡快適應(yīng)新的環(huán)境。變化后的環(huán)境信息一般蘊(yùn)藏在新觀測(cè)的數(shù)據(jù)點(diǎn)中，而與先前觀測(cè)數(shù)據(jù)點(diǎn)的關(guān)系將逐漸減弱。利用遺忘因子λ來(lái)降低老數(shù)據(jù)提供的信息量。定義遺忘因子λ∈（0，1），與觀測(cè)時(shí)間呈線性關(guān)系如式（14）所示，觀測(cè)時(shí)間越靠后遺忘因子越大，數(shù)據(jù)點(diǎn)重要程度越高。

根據(jù)給定的數(shù)據(jù)集（xi，yi）（i=1，2，3，4，…，M），將最小二乘擬合法所得式（11）修正為式（15）：

相應(yīng)得到的正規(guī)方程組（16）為：

定義

正規(guī)方程組可化為：

式中：矩陣Q、矩陣R及向量γ均為定值。在每次辨識(shí)參數(shù)過(guò)程中，僅需重新計(jì)算矩陣C，解正規(guī)方程組即可求解多項(xiàng)式參數(shù)（w0，w1，w2，…，wn）。C矩陣中在傳統(tǒng)求解最小二乘擬合法中，需要完成所有觀測(cè)點(diǎn)冪指數(shù)的運(yùn)算難以滿足整車(chē)控制器實(shí)時(shí)運(yùn)算要求。然而對(duì)于該問(wèn)題，每一個(gè)周期的觀測(cè)數(shù)據(jù)序列僅是第一個(gè)觀測(cè)點(diǎn)和最后一個(gè)觀測(cè)點(diǎn)發(fā)生了變動(dòng)，因此僅需計(jì)算最新獲取的觀測(cè)點(diǎn)的冪指數(shù)值并將C矩陣數(shù)據(jù)平移一位，即可實(shí)現(xiàn)求解計(jì)算。如式（17）所示，算法復(fù)雜度為O（N），大大提高計(jì)算效率。

當(dāng)ACC系統(tǒng)輸出的期望加速度在基準(zhǔn)加速度時(shí)，由于基準(zhǔn)加速度的實(shí)時(shí)變化，將導(dǎo)致控制系統(tǒng)頻繁地在驅(qū)動(dòng)模式和制動(dòng)模式之間切換，不僅帶給駕駛員不舒適的駕乘感受，還會(huì)加速執(zhí)行機(jī)構(gòu)的磨損老化。在切換邏輯曲線上下兩側(cè)設(shè)置一個(gè)寬度范圍為2H的緩沖區(qū)域［8］，一般取緩沖區(qū)域H=0.1 m/s2，如圖2所示。

圖2 模式切換邏輯曲線

模式仲裁切換策略包括參數(shù)辨識(shí)和模式仲裁兩部分，如圖3和圖4所示。參數(shù)辨識(shí)算法運(yùn)行周期為0.2 s，模式仲裁運(yùn)行周期與ACC控制層運(yùn)行周期一致。在參數(shù)辨識(shí)模塊中，首先從CAN總線獲取本車(chē)的車(chē)速和加速度信息，并將車(chē)速和加速度加入觀測(cè)數(shù)據(jù)隊(duì)列。若隊(duì)列數(shù)據(jù)填滿，剔除第一組觀測(cè)數(shù)據(jù)，更新C矩陣數(shù)據(jù)，根據(jù)隊(duì)列長(zhǎng)度產(chǎn)生權(quán)重矩陣Q。然后求解正規(guī)方程組，得到多項(xiàng)式系數(shù)向量R，并向模式仲裁模塊輸出辨識(shí)參數(shù)A、B、C。

模式仲裁模塊與ACC控制層協(xié)同工作。ACC控制層響應(yīng)決策層目標(biāo)加速度需求，交由模式仲裁模塊確定驅(qū)動(dòng)模式或制動(dòng)模式。模式仲裁模塊根據(jù)當(dāng)前車(chē)速和辨識(shí)參數(shù)確定基準(zhǔn)加速度a0。若目標(biāo)加速度ades大于a0+H，則切換為驅(qū)動(dòng)控制模塊，修正目標(biāo)加速度為ades-a0。若目標(biāo)加速度ades小于a0-H，則切換為制動(dòng)控制模塊，修正目標(biāo)加速度為ades+a0，輸出至制動(dòng)控制模塊。若目標(biāo)加速度ades在a0-H與a0+H之間，則保持原有工作模式，不對(duì)目標(biāo)加速度進(jìn)行修正。

圖3 參數(shù)辨識(shí)模塊流程圖

圖4 模式仲裁模塊流程圖

3 仿真與結(jié)果分析

為驗(yàn)證算法的預(yù)測(cè)精度，本研究在Matlab/ Simulink下與CarSim 進(jìn)行聯(lián)合仿真。在CarSim中模擬環(huán)境變量，設(shè)置風(fēng)速、坡度作為干擾量。在Matlab/Simulink中搭建模式仲裁切換算法的控制模型。設(shè)置車(chē)輛初始速度為120 km/h，使車(chē)輛在直線道路上滑行。設(shè)置模式仲裁切換算法的觀測(cè)數(shù)據(jù)隊(duì)列長(zhǎng)度M=10。在CarSim中定義風(fēng)速時(shí)間歷程如圖5所示。

圖5 風(fēng)速時(shí)間歷程曲線

預(yù)測(cè)基準(zhǔn)加速度曲線如圖6所示。由圖可知，其中虛線為實(shí)際車(chē)輛加速度，實(shí)線為模式仲裁切換策略預(yù)測(cè)的基準(zhǔn)加速度。預(yù)測(cè)基準(zhǔn)加速度誤差率如圖7所示，在外界環(huán)境突變時(shí)，預(yù)測(cè)有較大誤差，平均誤差率為0.98%。結(jié)果表明，本研究所設(shè)計(jì)的模式仲裁切換算法預(yù)測(cè)基準(zhǔn)加速度能夠?qū)崟r(shí)跟蹤外界環(huán)境變化，且有較高的預(yù)測(cè)精度。仿真過(guò)程車(chē)速變化曲線如圖8所示，仿真結(jié)束時(shí)車(chē)速為48 km/h。

圖6 預(yù)測(cè)基準(zhǔn)加速度曲線

圖7 預(yù)測(cè)基準(zhǔn)加速度誤差率

圖8 仿真過(guò)程車(chē)速變化曲線

下面截取0～15 s數(shù)據(jù)進(jìn)一步分析仿真初始階段及外界環(huán)境突變后的仿真結(jié)果，如圖9所示，由于擬合二次多項(xiàng)式參數(shù)，需要至少3組數(shù)據(jù)，因此在前3個(gè)周期內(nèi)無(wú)輸出預(yù)測(cè)基準(zhǔn)加速度。從第4個(gè)周期開(kāi)始，隨著觀測(cè)數(shù)據(jù)隊(duì)列長(zhǎng)度的增加，預(yù)測(cè)基準(zhǔn)加速度逐漸貼近實(shí)際加速度。在10 s時(shí)，風(fēng)速由0 km/h突變?yōu)?0 km/h，預(yù)測(cè)基準(zhǔn)加速度曲線在延遲和超調(diào)后趨于穩(wěn)定，適應(yīng)了外界環(huán)境的變化，說(shuō)明本研究基于加權(quán)最小二乘擬合法具有對(duì)外界變化較好的跟隨性。

CarSim中定義道路高度變化如圖10所示。仿真參數(shù)不變，驗(yàn)證算法在坡度干擾下的仿真，結(jié)果如圖11和圖12所示。圖11為預(yù)測(cè)基準(zhǔn)加速度曲線，整體跟隨性較好，在坡度變化較大的位置，誤差率較高。圖12為車(chē)速變化曲線，仿真終止時(shí)車(chē)速為64 km/h。

圖9 初始段仿真曲線

圖10 道路高度變化

圖11 預(yù)測(cè)基準(zhǔn)加速度曲線

圖12 車(chē)速變化曲線

4 結(jié)論

傳統(tǒng)模式仲裁切換策略均是通過(guò)一次離線獲得車(chē)速-基準(zhǔn)加速度關(guān)系，未考慮外界阻力變化對(duì)基準(zhǔn)加速度曲線的影響。因此，本研究設(shè)計(jì)了基于加權(quán)最小二乘的電動(dòng)車(chē)ACC模式仲裁切換策略。首先分析了自適應(yīng)巡航下的整車(chē)縱向動(dòng)力學(xué)模型，得到驅(qū)動(dòng)力、制動(dòng)力與行駛阻力的關(guān)系。進(jìn)一步得出在滑行狀態(tài)下，車(chē)速與加速度的關(guān)系，利用最小二乘擬合法辨識(shí)關(guān)系式參數(shù)。介紹了傳統(tǒng)最小二乘擬合法，并對(duì)該算法加以優(yōu)化：引入遺忘因子加權(quán)，對(duì)歷史數(shù)據(jù)折舊處理，滿足對(duì)時(shí)變數(shù)據(jù)的跟隨；基于歷史數(shù)據(jù)的遞推計(jì)算，減少運(yùn)算量滿足車(chē)輛控制實(shí)時(shí)性的要求。

最后通過(guò)Matlab/Simulink與Carsim聯(lián)合仿真，驗(yàn)證算法在外界的風(fēng)速干擾和坡度干擾下預(yù)測(cè)基準(zhǔn)加速度的準(zhǔn)確性。結(jié)果顯示，穩(wěn)態(tài)時(shí)預(yù)測(cè)基準(zhǔn)加速度準(zhǔn)確性較高；在外界環(huán)境突變后，算法瞬間會(huì)出現(xiàn)較大誤差。幾個(gè)工作周期后，能較快適應(yīng)新的環(huán)境參數(shù)。

（References）：

［1］ 嚴(yán)偉. 仿駕駛員速度跟隨行為的自適應(yīng)巡航控制算法研究[D]. 長(zhǎng)春：吉林大學(xué)，2016. YAN Wei. Study on Adaptive Cruise Control Algorithms Imitating Car-following Behaviors of Drivers[D]. Changchun：Jilin University，2016. (in Chinese)

［2］ 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(chē)工程，2012，34（7）：622-626. LI Peng，WEI Minxiang，HOU Xiaoli. Modeling and Co-simulation of Adaptive Cruise Control[J]. Automotive Engineering，2012，34（7）：622-626. (in Chinese)

［3］ 余志生. 汽車(chē)?yán)碚揫M]. 北京：機(jī)械工業(yè)出版社，2009. YU Zhisheng. Automobile Theory[M]. Beijing：China Machine Press，2009. (in Chinese)

［4］ 陳桂秀. 用程序求解最小二乘擬合多項(xiàng)式的系數(shù) [J]. 青海師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，26 （3）：14-17. CHEN Guixiu. Program to Solve The Least Squares Fitting Polynomial Coefficient[J]. Journal of Qinghai Normal University （Natural Science），2010，26 （3）：14-17. (in Chinese)

［5］ 陳良波, 鄭亞青. 基于最小二乘法的曲線擬合研究[J].無(wú)錫職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2012，11 （5）：52-55. CHEN Liangbo，ZHENG Yaqing. Study on Curve Fitting Based on Least Square Method[J]. Journal of Wuxi Institute of Technology，2012，11 （5）：52-55. (in Chinese)

［6］ 馬國(guó)成. 車(chē)輛自適應(yīng)巡航跟隨控制技術(shù)研究[D]. 北京：北京理工大學(xué)，2014. MA Guocheng. Research on the Adaptive Cruise Control Tracking System Applied for Motor Vehicles[D]. Beijing：Beijing Institute of Technology，2014. (in Chinese)

作者介紹

責(zé)任作者：初亮（1967-），男，吉林長(zhǎng)春人。教授，博士生導(dǎo)師，主要從事節(jié)能與新能源汽車(chē)方面的研究。

Tel：13134313218

E-mail：chuliang@jlu.edu.cn

Research on ACC Pattern Switching Strategy Based on Weighting Least Squares Fitting

CHU Liang，LI Tianjiao，SUN Chengwei
（State Key Laboratory of Automotive Dynamic Simulation and Control，Jilin University，Changchun 130022，China）

The traditional adaptive cruise control (ACC) pattern arbitration switching strategy might cause frequent pattern switching and inaccurate control of acceleration. Accordingly, a pattern switching strategy with real-time online fitting was designed. The relational parameters in the driving resistance model were identified by using the fitting method. The traditional algorithm for least squares fitting was improved by introducing the weighting factor to follow the time-varying data. Based on the recursive operation on historical data, the efficiency of the algorithm was improved and the requirement of real-time control was satisfied. The algorithm was verified by simulation and prediction of the baseline acceleration with the disturbances of wind speed and road slope. The results show that the baseline acceleration is more accurate in steady state and the algorithm can adapt to the new environmental parameters quickly as the external environment changes.

highway transportation；pattern arbitration switching strategy；least squares fitting algorithm；adaptive cruise control；electric vehicle

U469.72

A

10.3969/j.issn.2095-1469.2017.04.03

李天驕（1992-），吉林長(zhǎng)春人。碩士研究生，主要從事新能源汽車(chē)自適應(yīng)巡航系統(tǒng)研究。

2017-02-13 改稿日期：2017-03-30

國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863）（2012AA110903）

參考文獻(xiàn)引用格式：

初亮，李天驕，孫成偉. 基于加權(quán)最小二乘擬合的電動(dòng)車(chē)ACC模式仲裁切換策略研究［J］. 汽車(chē)工程學(xué)報(bào)，2017，7(4)：253-260.

CHU Liang，LI Tianjiao，SUN Chengwei. Research on ACC Pattern Switching Strategy Based on Weighting Least Squares Fitting［J］. Chinese Journal of Automotive Engineering，2017，7(4)：253-260.（in Chinese）

Tel：18243189214

E-mail：ccqwetqwe@163.com