陰曉峰，朱宇航，趙小娟，楊柯普，李 磊

(1.西華大學 汽車工程研究所,四川 成都 610039；2.成都知行新材料技術研究有限公司，四川 成都 611731)

0 引言

隨著電子控制技術的發(fā)展和汽車智能化要求的提高，先進駕駛輔助系統(tǒng)(Advanced Driver Assistance System,ADAS)取得廣泛應用。作為ADAS的典型代表，自適應巡航控制系統(tǒng)(Adaptive Cruise Control System，ACCS)能夠通過雷達等傳感器去感知行駛環(huán)境信息，并在其基礎上實現(xiàn)車輛加速或減速控制，這在一定程度上減輕了駕駛員的工作強度[1-6]。但在車間距離較遠或車輛行駛于雨霧等惡劣天氣時，僅依靠傳感器，車輛的環(huán)境感知能力會受到影響，這對行車安全構成了潛在的威脅。車聯(lián)網(wǎng)技術的發(fā)展，使車輛能夠通過直連或網(wǎng)絡通信方式在惡劣天氣下實現(xiàn)更大范圍的環(huán)境感知，有效彌補了傳感器環(huán)境感知能力的不足。因此，研究基于車與外界互聯(lián)(Vehicle to Everything，V2X)的協(xié)同跟隨控制技術，對于提高行駛安全性、行駛效率和確保交通流的穩(wěn)定性，具有重要作用。

目前，國內外專家基于車車通信，利用不同的算法對車輛跟隨系統(tǒng)控制進行了大量的研究。Hedrick等[7]使用滑?？刂?Sliding Mode Control，SMC)方法構建了多車協(xié)同控制模型，前提是車車之間可建立順暢通信，以獲取前車位置、速度和加速度等信息。Xavier等[8]使用分布式PID算法，通過獲取車輛前、后方相鄰位置車輛行駛狀態(tài)及跟隨車輛的航向角信息，設計了協(xié)同駕駛控制器，并通過構建仿真模型利用MATLAB工具對車輛跟隨等不同協(xié)同工況進行仿真，驗證了控制效果。Amir等[9]針對模型預測控制(Model Predictive Control，MPC)進行路徑跟隨控制時模型復雜、計算量大的問題，提出了多個簡約模型切換式的模型預測控制，每個預測模型具有不同的精度粒度，通過可調節(jié)的狀態(tài)預測模型，構建了車輛可重構的預測模型，并利用機器學習方法得到參數(shù)選擇算法，使運行模型始終切換到誤差小計算速度快的最佳模型。He等[10]研究了車輛縱向控制，首車可將當前的車速、加速度、減速度和負載等信息，通過車車通信方式傳遞給后面的車輛，使后面的車輛可自動調節(jié)車速和跟車距離，防止車輛追尾，保持車隊行駛的穩(wěn)定性。Wang等[11]設計了一種模型匹配控制(Model Matching Control，MMC)方案，用于實現(xiàn)車輛跟隨的速度控制，這種控制方案還建立了車輛加速度控制的傳遞函數(shù)，利用此傳遞函數(shù)建立了基于滑?？刂品答伒哪Ｐ推ヅ淇刂破?，該控制器與傳統(tǒng)PID的模型匹配控制器相比響應速度更快，控制性能更穩(wěn)定。Shakouri等[12]設計了一種利用單個控制回路的控制方案，通過引入與前后車輛之間的相對距離和前車速度相對應的額外狀態(tài)變量實現(xiàn)車輛速度和距離的跟蹤，使得對制動和油門的控制更精準，增強了車輛行駛的安全性和穩(wěn)定性。胡杰等[13]通過改進人工勢場算法，將其應用到協(xié)同式自適應巡航的上層控制器中，仿真表明，該算法在縱向控制上能夠平滑、準確、迅速地達到目標車速與間距。李通等[14]基于模糊PID算法設計車輛協(xié)同跟隨控制策略，并通過比例模型小車進行了試驗驗證。Wang等[15]對比分析了PID和MPC控制算法，得出PID算法的控制效果不遜于MPC且具有快速簡便的優(yōu)勢。

目前的車車通信主要采用專用短程通信(Dedicated Short Range Communication，DSRC)，而基于5G V2X通信的協(xié)同跟隨控制研究較少?；?G的V2X通信技術，相對于DSRC而言，具有更遠的有效通信距離、更低的通信延時和更高的可靠性，能夠更好地獲取由于惡劣天氣等原因造成的傳感器無法獲取的信息[16-18]。因此，本研究基于5G V2X通信技術，開展車輛協(xié)同跟隨控制策略研究。在集成5G V2X通信模塊基礎上，采用協(xié)同決策和運動控制分層控制的方法，分別設計用于協(xié)同決策層的模型預測控制算法和用于運動控制層的模糊PID控制算法，并在勻速跟隨、加速跟隨、他車駛入、變速跟隨4種場景下對協(xié)同控制策略進行了仿真驗證。

1 基于V2X的協(xié)同跟隨控制系統(tǒng)結構

基于V2X的車輛協(xié)同跟隨控制系統(tǒng)結構如圖1所示。該系統(tǒng)主要由協(xié)同決策層、運動控制層、車輛狀態(tài)采集模塊、5G V2X通信模塊組成。

圖1 基于V2X的車輛協(xié)同跟隨控制系統(tǒng)結構Fig.1 Structure of vehicle cooperative following control system based on V2X

協(xié)同決策層主要由安全距離模型、車間運動學模型和模型預測控制器組成。其中，安全距離模型根據(jù)前車和主車的速度及兩車的相對速度，輸出期望車間距?；谲囬g運動學模型的模型預測控制器的輸入為期望車間距與實際車間距的偏差，模型預測控制器的輸出為期望加速度。

運動控制層包含驅動/制動切換模塊及模糊PID控制器，其主要作用是實現(xiàn)對期望加速度的跟蹤控制。驅動/制動切換模塊首先根據(jù)協(xié)同決策層輸出的期望加速度確定車輛運動控制模式，然后根據(jù)車輛運動控制模式、由模糊PID控制器輸出節(jié)氣門開度或制動壓力的控制量至被控車輛，進而通過驅動或制動控制使車輛在規(guī)劃的行駛路徑上按期望狀態(tài)行駛。

車輛狀態(tài)采集模塊根據(jù)前車5G V2X通信模塊傳輸?shù)乃俣群臀恢眯畔?、自車采集的速度和位置信息，計算車間距、兩車相對車速、前車加速度、主車加速度及主車加速度變化率。

5G V2X通信模塊的主要作用是發(fā)送自車和接收其他車輛的速度和位置等信息，經(jīng)車輛狀態(tài)采集模塊處理后、提供給協(xié)同決策層和運動控制層使用。

2 協(xié)同決策層

2.1 安全距離模型

安全距離直接影響車輛跟隨效果、道路利用率和交通流密度。非定常車間距離策略可根據(jù)本車和前車的狀態(tài)來調整期望的安全車間距，對于復雜的交通環(huán)境適應性好。本研究在恒定車頭時距基礎上，引入前車與本車的相對速度，其安全距離模型可表達為：

ddes=th1v+th2vr+d0，

(1)

式中，ddes為期望車間距，表示期望的主車和前車之間的安全距離；v為主車的行駛速度；vr為主車和前車的相對速度；th1，th2均為大于0的常數(shù)；為d0兩車之間最小固定距離，包括車身長度。

2.2 車間縱向運動學模型

本研究用一階慣性系統(tǒng)來描述期望加速度與實際加速度之間的對應關系[18]，結合前車和主車相對運動學關系，可建立車間縱向運動學模型的離散方程如下：

(2)

式中，d(k)為k時刻實際車間距，即前車與主車的間距；v(k)和vr(k)分別為k時刻主車速度、兩車相對速度；Ts為系統(tǒng)的采樣周期，取值0.01 s；ades(k)，al(k)，a(k)分別為k時刻期望加速度、前車加速度、主車加速度；j為主車加速度變化率；T1為一階慣性環(huán)節(jié)的時間常數(shù)，取值為0.5。

由式(2)可得縱向車間運動學模型的離散狀態(tài)空間方程：

(3)

式中，x(k)=[d(k),vr(k),v(k),a(k),j(k)]T為狀態(tài)變量；u(k)為期望加速度ades(k)；w(k)為前車加速度ap(k)；y(k)=[d(k)-ddes(k),vr(k)]T；各個系數(shù)矩陣分別為

2.3 預測模型

由式(3)可推導出從當前時刻k到預測時域p的系統(tǒng)狀態(tài)和預測輸出，其矩陣形式為：

(4)

2.4 優(yōu)化目標及約束條件

車輛協(xié)同跟隨控制應實現(xiàn)2個方面的目標：一是實際車間距與期望車間距的偏差盡可能小且主車速度應逐漸收斂于前車速度；另一是車輛的加速度不宜過大，以獲得較好的經(jīng)濟性和乘坐舒適性。兼顧這2方面的目標函數(shù)可表達為：

J(Yp(k+p|k),U(k),p,m)=‖Yp(k+p|k)-

(5)

Yref(k+p|k)為參考輸出，Q和R為權重矩陣，Q=diag(q1,q2，…,qp)，R=diag(r1,r2，…,rp)。

J=U(k)THU(k)+LTU(k)，

(6)

式中，

(7)

令Ac=diag(1,1,1,1,1)，可定義系統(tǒng)狀態(tài)約束輸出方程：

yc(k)=Acx(k)。

(8)

由式(3)狀態(tài)方程和式(8)，可推導出從當前時刻k到預測時域p的系統(tǒng)狀態(tài)約束輸出方程：

(9)

式中，

系統(tǒng)狀態(tài)約束可表示為：

Ycmin≤Yc(k+p|k)≤Ycmax，

(10)

式中，Ycmin=[ycmin,ycmin，…,ycmin]T；Ycmax=[ycmax,ycmax，…,ycmax]T；ycmin=[d0,-∞,vmin,amin,jmin]T；ycmax=[∞,∞,vmax,amax,jmax]T；vmin，amin，amax，jmin，kp，ki，kd，ycmin，Δa分別為主車的速度、加速度、加速度變化率及系統(tǒng)狀態(tài)約束的最小及最大值。

同理，系統(tǒng)控制約束可表示為：

(11)

式中，

由式(9)～(11)可得系統(tǒng)約束方程：

AuU(k)≥c,

(12)

式中，

將目標函數(shù)轉化為標準二次型后，結合系統(tǒng)約束方程，利用MATLAB工具箱可求出控制時域內的最優(yōu)控制序列，即期望加速度。將決策出的第1個期望加速度作為運動控制層輸入，由運動控制層完成對車輛縱向運動的控制。

3 運動控制層

3.1 運動控制層結構

運動控制層的作用是快速且精確跟蹤決策層輸出的期望加速度，以實現(xiàn)車輛協(xié)同跟隨控制，該層結構如圖2所示，其控制原理為：驅動/制動切換模塊根據(jù)接收到的期望加速度，確定運動控制模式(即驅動/制動模式)；模糊控制器根據(jù)期望加速度與實際加速度的差值及其變化率確定PID控制器的參數(shù)kp，ki，kd。在驅動模式下，PID控制器的輸出為節(jié)氣門開度；在制動模式下，PID控制器的輸出為制動壓力(制動主缸壓力)。

圖2 運動控制層結構Fig.2 Structure of motion control layer

3.2 驅動/制動切換策略

運動控制層通過調節(jié)節(jié)氣門開度或制動壓力實現(xiàn)對車輛的驅動或制動控制。為避免驅動和制動的同時作用和頻繁切換，設置大于零的閾值Δa：若期望加速度ades減去節(jié)氣門開度為零時的最小加速度amin所得偏差絕對值不大于Δa，保持控制模式；若偏差大于Δa，為驅動模式；若偏小大于-Δa，為制動動模式。驅動/制動切換策略可表示為：

(13)

式中Δa取值為0.05 m/s2。

3.3 模糊PID算法

依據(jù)試驗車的動力、整車及傳動系統(tǒng)參數(shù)，結合制動性能要求，并兼顧經(jīng)濟性和乘坐舒適性，確定模糊控制器輸入量期望加速度與實際加速度的差值e及其變化率ec的論域分別為[-3，3]，[-2,2]。結合經(jīng)驗和反復調試，設置輸出量kp，ki，kd的論域分別為[-1.3,1.3]，[-0.08,0.08]，[-1.5,1.5]。

模糊控制器輸入和輸出的語言變量均設置為{NB,NM,NS,ZO,PS,PM,PB}，均采用三角形隸屬度函數(shù)；結合試驗及經(jīng)驗分別建立kp，ki，kd模糊推理規(guī)則；使用重心法進行反模糊化處理，從而求出kp，ki，kd的精確值[20]。

4 仿真分析

為驗證基于V2X的協(xié)同跟隨控制系統(tǒng)及其控制策略的有效性，采用MATLAB/Simulink和CarSim建立了協(xié)同跟隨聯(lián)合仿真模型，該仿真模型主要包括基于MPC的協(xié)同決策模塊、基于模糊PID的運動控制模塊和基于CarSim的車輛動力學仿真模塊。使用所建立的仿真模型，在勻速跟隨、加速跟隨、他車駛入、變速跟隨4種工況下進行了仿真驗證。

(1)勻速跟隨工況

前車和主車初始間距為50 m，主車初始速度為25 m/s，前車以20 m/s的速度勻速行駛，仿真結果如圖3、圖4所示?？梢钥闯?，開始時前車速度小于主車速度，主車能夠快速減速，在10 s左右與前車速度保持一致，同時能夠對期望車間距進行較好的跟隨。

圖3 勻速跟隨工況車速Fig.3 Speed under constant speed following condition

圖4 勻速跟隨工況車間距Fig.4 Distance under constant speed following condition

(2)加速跟隨工況

前車和主車初始間距為50 m，主車初始速度為25 m/s，前車0～10 s內從25 m/s勻加速到28 m/s，仿真結果如圖5、圖6所示?？梢钥闯觯鬈囋?0 s之后完全跟上前車速度，具有良好的速度跟隨能力。在期望車間距跟隨方面，由于初始時刻兩車的速度以及相對速度均較小，所以期望車間距小于初始時刻的實際車間距，主車在開始時加速度大于前車加速度，以使實際車間距快速接近期望車間距。當兩車速度逐漸增大時，期望車間距也不斷增加，直到前車進入勻速行駛狀態(tài)。前車勻速行駛階段，實際車間距達到期望車間距，主車的車速收斂于前車車速，具有良好的跟隨性能。

圖5 加速跟隨工況車速Fig.5 Speed under accelerated following condition

圖6 加速跟隨工況車間距Fig.6 Distance under accelerated following condition

(3)他車駛入工況

前車和主車初始間距為50 m，主車初始速度為25 m/s，前車以20 m/s的速度勻速行駛，在18 s時主車與前車之間突然駛入其他車輛，且速度低于該時刻主車速度。仿真結果如圖7、圖8所示。開始時由于主車速度大于前車速度，主車減速行駛，在8 s時，實際車間距達到期望車間距。主車速度逐漸與前車速度保持一致且實際車間距等于期望車間距。在18 s后，為保持安全距離以避免發(fā)生追尾，協(xié)同跟隨系統(tǒng)控制主車在較短時間內減速至駛入車輛(新的前車)速度。減速期間有小幅超調，但很快達到穩(wěn)定狀態(tài)，然后對新的前車速度進行跟隨行駛。仿真結果表明，協(xié)同跟隨控制系統(tǒng)能夠較好地應對他車駛入突發(fā)狀況，保證跟隨控制的安全性與穩(wěn)定性。

圖7 他車駛入車速Fig.7 Speed under front vehicle cutting-in condition

圖8 他車駛入工況車間距Fig.8 Distance under front vehicle cutting-in condition

(4)變速跟隨行駛工況

前車和主車初始車間距為50 m，主車初始速度為25 m/s，前車初始速度為20 m/s。如圖9、圖10所示，前車速度以類似于正弦信號的趨勢變化，在0～15 s加速行駛，在15～40 s減速行駛，而后又開始加速。由仿真結果可知，初期車間距較大、且主車速度大于前車速度，主車從開始時刻進行減速以跟隨前方車輛。在主車減速至前車速度附近，有一較小幅度的超調量，隨后能夠較好地對前車速度進行跟蹤。在變速跟隨過程中實際車間距能較好地達到期望車間距，而且能夠跟上期望車間距的變化趨勢。在整個過程中，協(xié)同跟隨系統(tǒng)都能夠較快響應且具有較高的穩(wěn)定性。

圖9 變速跟隨工況車速Fig.9 Speed under variable speed following condition

圖10 變速跟隨工況車間距Fig.10 Distance under variable speed following condition

5 結論

為在保障行車安全的前提下實現(xiàn)車輛跟隨行駛，提出了一種基于5G V2X的協(xié)同跟隨控制系統(tǒng)，該控制系統(tǒng)由5G V2X通信模塊、車輛狀態(tài)采集模塊、協(xié)同決策層、運動控制層組成。在固定車頭時距的基礎上引入前車和主車的相對速度，設計了安全距離模型，用以計算期望安全距離。以車速/車間距快速跟蹤、提高經(jīng)濟性和乘坐舒適性為目標，運用模型預測控制算法決策出期望加速度。運用模糊PID對決策層中輸出的期望加速度進行跟蹤，通過控制節(jié)氣門開度或制動壓力，使其以期望狀態(tài)行駛。建立了基于MATLAB/Simulink和CarSim的聯(lián)合仿真模型。在勻速跟隨、加速跟隨、他車駛入及變速跟隨4種工況下對所提出的控制系統(tǒng)及其控制策略進行了仿真驗證。仿真結果表明，車輛在4種工況下均能夠達到良好的跟隨性能。