智能網(wǎng)聯(lián)汽車自適應(yīng)控制巡航系統(tǒng)研究摘要自適應(yīng)巡航控制系統(tǒng)是輔助駕駛的重要研究內(nèi)容之一。本文主要是基于分層式控制結(jié)構(gòu)對四輪轂電機驅(qū)動的電動汽車的自適應(yīng)巡航控制系統(tǒng)進行設(shè)計。首先基于分層式控制結(jié)構(gòu)對自適應(yīng)巡航控制系統(tǒng)整體控制方案進行設(shè)計，并設(shè)計巡航模式和跟車模式的切換策略。其次基于模型預(yù)測控制（MPC）設(shè)計自適應(yīng)巡航系統(tǒng)上層控制器。基于PID對巡航模式控制；在跟車模式下，將跟車性、安全性、舒適性、經(jīng)濟性作為指標(biāo)，實現(xiàn)于模型預(yù)測控制（MPC）的多目標(biāo)優(yōu)化控制。再次構(gòu)建下層控制器，根據(jù)逆縱向動力學(xué)模型得到期望驅(qū)動力矩和期望制動壓力，并且建立輪轂電機控制模型來控制車輛。最后利用Simulink及Carsim對自適應(yīng)巡航控制系統(tǒng)的進行搭建，基于四種工況對提出的自適應(yīng)巡航控制系統(tǒng)進行仿真驗證。關(guān)鍵詞：縱向控制；自適應(yīng)巡航；模型預(yù)測控制；聯(lián)合仿真目錄1緒論 11.1研究背景與意義 11.2ACC系統(tǒng)發(fā)展現(xiàn)狀 21.3ACC系統(tǒng)研究現(xiàn)狀 31.4本文主要內(nèi)容及思路 52ACC系統(tǒng)架構(gòu) 62.1ACC系統(tǒng)總體架構(gòu)及控制策略制定 62.2工作模式切換策略 82.3本章小結(jié) 123基于MPC的上層控制器 123.1安全車距 123.2模型預(yù)測控制原理簡介 133.3車輛縱向運動學(xué)模型的建立 143.4車輛控制目標(biāo)分析 163.5MPC預(yù)測方程和優(yōu)化函數(shù) 183.6本章小結(jié) 224下層控制器 224.1車輛逆縱向動力學(xué)模型 234.2電機模型的建立 284.3本章小結(jié) 305ACC系統(tǒng)仿真測試與分析 305.1聯(lián)合仿真平臺搭建 315.2仿真實驗與分析 335.3本章小結(jié) 376總結(jié)與展望 376.1本文研究總結(jié) 376.2工作展望 38參考文獻 39-PAGE40-1緒論1.1研究背景與意義自21世紀以來，我國經(jīng)濟水平快速增長，人們開始逐漸從解決溫飽的需求轉(zhuǎn)變?yōu)閷ι钯|(zhì)量提高的需求。我國的汽車保有量持續(xù)保持上升勢頭，目前該數(shù)字約為2.6億輛，千人汽車保有量從最初的不到10輛到現(xiàn)在已經(jīng)將近約180輛。私家車的普及，給大眾的日常生活中帶來了很多便利，但還是產(chǎn)生了城市交通嚴重擁堵、交通事故頻繁發(fā)生、能源消耗加劇、空氣污染嚴重等問題，這些給汽車安全的發(fā)展帶來了巨大的挑戰(zhàn)。由國家統(tǒng)計局在2019年發(fā)布的權(quán)威統(tǒng)計資料《中國統(tǒng)計年鑒》[1]可知，僅在2019年我國道路交通事故發(fā)生次數(shù)為200114、萬車死亡人數(shù)為1.8。美國國家公路交通安全管理局的調(diào)查數(shù)據(jù)顯示，在道路交通事故中，有超過90%是由于駕駛員自身操作錯誤導(dǎo)致的，而車輛本身的問題所導(dǎo)致事故的僅占3%。由此可見，近年來，隨著機動車輛保有量的迅速增加，我國的道路交通安全問題愈發(fā)嚴重。汽車的燃油消耗在總的石油產(chǎn)品消耗中所占的比例最大，過度的石油開采將會引發(fā)能源危機。20世紀以來，全球共爆發(fā)了三次石油危機，嚴重影響了世界經(jīng)濟的發(fā)展。截止目前，我國原油對外依存度已超過國際公認的50%的安全警戒線[2]。根據(jù)美國石油業(yè)協(xié)會報告顯示，從目前的原油消耗情況估計，地球上可供人類開采的原油不超過90年的時間。面對即將到來的能源危機，人類所能做的是一方面節(jié)約能源，一方面開發(fā)新能源。隨著汽車保有量的迅速增加，汽車為其排放產(chǎn)生的污染已經(jīng)成為城市大氣污染的主要污染源。研究表明，美國城市大氣污染約63%（包括一氧化碳CO、二氧化碳CO2、碳氫化合物、硫氧化合物SOx、氮氧化合物NOx等）來自于汽車的尾氣排放。汽車尾氣在對人體健康造成危害的同時，還造成了光化學(xué)煙霧和酸雨，因此，汽車尾氣污染已成為社會廣泛關(guān)注的問題。目前我國汽車主要集中在城市，燃油質(zhì)量參差不齊，汽車尾氣的排放對我國城市空氣質(zhì)量造成了巨大的威脅。為解決以上問題，隨著近幾年微電子技術(shù)、計算機技術(shù)、人工智能技術(shù)、通信技術(shù)的快速發(fā)展，這些技術(shù)不斷在汽車上實現(xiàn)應(yīng)用為解決上述問題帶來了突破。在此背景下，國家提出了發(fā)展智能網(wǎng)聯(lián)汽車的概念?！吨袊圃?025》中，提出將汽車智能化和電動化作為汽車未來轉(zhuǎn)型升級的重要發(fā)展方向。智能駕駛輔助系統(tǒng)（AdvancedDriverAssistanceSystem，ADAS）中包括很多系統(tǒng)，可以分為主動安全類：自適應(yīng)巡航控制系統(tǒng)（AdaptiveCruiseControl，ACC）、自動緊急制動（AutonomousEmergencyBraking，AEB）等；預(yù)警類：前方碰撞預(yù)警（ForwardCollisionWarning，F(xiàn)CW）、車道偏離警告（LaneDepartureWarning，LDW）等。ACC系統(tǒng)可實現(xiàn)車輛的縱向運動控制，提高汽車的通行效率，降低道路中堵車情況發(fā)生的概率。不僅如此，ACC系統(tǒng)對于提高乘員舒適性，減輕駕駛員疲勞以及降低操作失誤概率等方面也卓有成效。因此有關(guān)ACC系統(tǒng)的研究成為近年來主動安全領(lǐng)域的研究熱點，該項技術(shù)的推廣將為智慧交通系統(tǒng)以及無人駕駛的研究發(fā)展打下堅實的基礎(chǔ)。雖然ACC系統(tǒng)能夠在一定程度上提高車輛的經(jīng)濟性，但是開發(fā)新能源汽車的可以說是從根本上解決了汽車尾氣排放污染、石油危機的問題。新能源汽車主要包括：純電動汽車、燃料電池汽車、混合動力汽車三大類。相比于其它新能源汽車來說，純電動汽車不依賴石油，可以做到零排放。為了解決汽車所帶來的問題，響應(yīng)國家的政策號召，汽車電動化和智能化已經(jīng)成為未來的發(fā)展趨勢，而目前關(guān)于傳統(tǒng)燃油車的自適應(yīng)巡航研究比較多，本文的研究對象為基于輪轂電機驅(qū)動的電動汽車，輪轂電機驅(qū)動的電動汽車省略了差速器、減速器等傳動機構(gòu)，能夠提高傳動效率，節(jié)省車內(nèi)空間，有利于汽車輕量化1.2ACC系統(tǒng)發(fā)展現(xiàn)狀自適應(yīng)巡航控制系統(tǒng)是一種將安全車距跟蹤與速度跟蹤相結(jié)合的安全輔助駕駛系統(tǒng)，主要包括識別單元、控制單元、執(zhí)行單元、人機交互界面，可以為駕駛員提供更多的方便性和更好的舒適性，如圖1.1所示。ACC系統(tǒng)的歷史可追溯至20世紀中后期，在那個時候美國伊頓（EATON）公司便已著手相關(guān)內(nèi)容的研究。ACC系統(tǒng)是由日本三菱公司最初設(shè)計的預(yù)先距離控制系統(tǒng)PDC（PreviewDistanceControl）演化而來。1995年，三菱公司在日本推出了首款配置ACC系統(tǒng)的車型之后，美國的通用公司、日本的豐田公司和本田公司等也都緊隨其后，投入了ACC系統(tǒng)研發(fā)的大潮之中[3]。進入21世紀以來，ACC系統(tǒng)的控制技術(shù)隨著相關(guān)研究的發(fā)展不斷進步。隨著科技的快速發(fā)展，人們對安全性和舒適性的要求也日漸提高。ACC系統(tǒng)不再只出現(xiàn)在豪華品牌車輛上，在越來越多的中級車甚至一些家用級別的車上也開始普及起來。各大汽車品牌廠家也在ACC系統(tǒng)的控制技術(shù)上開始大量投入，研發(fā)與打磨屬于自己品牌的ACC控制技術(shù)，將原先普及率較高的被動安全輔助駕駛系統(tǒng)向更加高級的主動安全輔助系統(tǒng)發(fā)展。當(dāng)前的ACC系統(tǒng)主要采用分層控制結(jié)構(gòu)，車輛搭載的各種傳感器可以對當(dāng)前的行駛環(huán)境進行感知、采集，上層控制器根據(jù)搜集到的信息求解出符合系統(tǒng)性能要求的期望加速度或期望速度；下層控制器以車輛動力學(xué)和安全車間距模型為基礎(chǔ)，依據(jù)上層控制器計算得到的期望輸入，控制車輛的驅(qū)動執(zhí)行器和制動執(zhí)行器，使系統(tǒng)的實際輸出快速響應(yīng)接近期望值，從而實現(xiàn)車輛的自適應(yīng)巡航控制。1.3ACC系統(tǒng)研究現(xiàn)狀安全車間距離指的是當(dāng)前行駛狀態(tài)下，自車與跟蹤前車行駛的理想車間距離。國內(nèi)外對于安全車間距模型的設(shè)定也有著不相同的算法。研究人員初期主要是以固定安全車距作為自適應(yīng)巡航系統(tǒng)的設(shè)計基礎(chǔ)，初期的研究人員如SwaroopD[4]等也主要是以固定跟車距離作為自適應(yīng)巡航控制策略的設(shè)計基礎(chǔ)。但是由于該模型存在一定的缺陷，但是這種系統(tǒng)已經(jīng)無法適應(yīng)當(dāng)前道路工況和跟車環(huán)境日益復(fù)雜的情況，其實用性相對較差，所以開始逐漸使用更加先進的車間距模型。北京理工大學(xué)的裴曉飛等人[5]研究后提出將預(yù)測碰撞時間取倒數(shù)之后來表示車間距的概念，相對于傳統(tǒng)的以固定跟車距離為基礎(chǔ)的系統(tǒng)，其控制表現(xiàn)有所提升。浙江大學(xué)的羅莉華等人[6]在設(shè)計自適應(yīng)巡航控制策略時，通過對各類車間距算法在相同工況下的實際表現(xiàn)進行分析比對，最終得到若車間距算法能夠兼顧更多有效影響行車的因素等，那么其控制過程的表現(xiàn)將會更好。歐洲的Schiehlen等人[7]基于剛體動力學(xué)公式推導(dǎo)出在極限情況下，車輛不發(fā)生碰撞的理想車間距離，以此作為基礎(chǔ)來控制車輛，從而可較好保證自適應(yīng)巡航系統(tǒng)的跟車安全性。韓國漢陽大學(xué)Yi等人[8]提出基于駕駛員特性和路面附著系數(shù)的安全車間距離模型，首先根據(jù)路面附著系數(shù)確定避免發(fā)生碰撞的安全車間距離，然后通過試驗獲取駕駛員主觀特征數(shù)據(jù)，基于駕駛員車間距離保持特征對安全車間距離進行修正，這與傳統(tǒng)的車間間距模型相比，控制更加地穩(wěn)定和高效。華南理工大學(xué)游峰等人[9]針對車輛超車時不同的運動軌跡進行分析，建立了高速公路超車狀態(tài)下不發(fā)生追尾的最小安全距離模型。江蘇大學(xué)袁朝春等人[10]以車輪路面附著系數(shù)、最大制動加速度以及駕駛員的反應(yīng)時間為基礎(chǔ)建立安全距離模型，提高了車輛的安全性。ACC的控制策略主要功能是根據(jù)自車與前車的運動學(xué)關(guān)系以及自車的動力學(xué)狀態(tài)來決策出車輛下一時刻應(yīng)該進行的狀態(tài)，控制策略在很大程度上決定了車輛是否能夠適應(yīng)各種復(fù)雜工況，國內(nèi)外研究人員也提出了許多的控制算法，并且得到了較好的控制效果。武漢理工大學(xué)李想等人[11]提出了一種采用變權(quán)重系數(shù)的線性二次型最優(yōu)控制算法，利用采集的車輛速度建立模糊控制器，動態(tài)選取線性二次型調(diào)節(jié)器的權(quán)重系數(shù)，從而得到最優(yōu)的目標(biāo)加速度。華南理工大學(xué)趙克剛等人[12]根據(jù)車輛運動學(xué)方程和軌跡跟蹤狀態(tài)，建立軌跡跟蹤誤差模型，采用線性二次型最優(yōu)控制方法，以動態(tài)跟蹤誤差、控制能量消耗綜合最優(yōu)為目標(biāo)，通過不同速度時的目標(biāo)權(quán)重系數(shù)調(diào)整，實現(xiàn)了速度自適應(yīng)的車輛軌跡跟蹤最優(yōu)控制。東北林業(yè)大學(xué)的宋成舉[13]分析了不同期望間距下的變化特征，擬定車輛跟車過程中期望間距的一般函數(shù)形式，實現(xiàn)了多車跟蹤的穩(wěn)定性分析。清華大學(xué)劉中海[14]為消除靜態(tài)誤差對系統(tǒng)的影響，設(shè)計了權(quán)重可調(diào)整的串級模糊PID上層控制算法，魯棒性好。寶馬集團的Presrl[15]采用PID控制算法為寶馬所設(shè)計的可用于轉(zhuǎn)彎道路的自適應(yīng)巡航系統(tǒng)是根據(jù)駕駛員經(jīng)驗計算車頭距，并將其用來限制跟車行為。金斯頓大學(xué)的PaymanShakouril[16]等設(shè)計的自適應(yīng)巡航控制系統(tǒng)采用了模型預(yù)測算法，在設(shè)計該車輛模型時將其定義為非線性，這更加符合真實車輛模型的特征。控制系統(tǒng)由內(nèi)、外控制環(huán)構(gòu)成，外環(huán)用于控制期望安全距離，內(nèi)環(huán)用于控制車輛的油門和制動踏板，并搭建了相應(yīng)的模型預(yù)測控制模型，以此來增強理想控制效果。北京理工大學(xué)的李肖含[17]運用了模糊控制方法，提出了一種基于駕駛?cè)瞬倏v經(jīng)驗的自適應(yīng)巡航模糊控制策略。制定輸入?yún)?shù)為車間時距和車間時距變化、實車速度與期望車速的偏差和本車加速度，輸出參數(shù)是油門踏板和制動踏板壓力的模糊控制結(jié)構(gòu)。通過查表法獲取發(fā)動機動力特性來建立動力學(xué)模型，最后驗證該控制策略具有響應(yīng)迅速、可短時間內(nèi)達到期望速度的優(yōu)勢。吉林大學(xué)的朱冰[18]提出了一種新穎的基于數(shù)據(jù)的方法來設(shè)計個性化自適應(yīng)巡航控制系統(tǒng)。通過建立了一個駕駛數(shù)據(jù)采集平臺，并收集了來自84位駕駛員的大量實際駕駛數(shù)據(jù)。為了定量地衡量人類駕駛員的相似性，每個駕駛員的駕駛數(shù)據(jù)都被視為某些特征的特定分布，并配有高斯混合模型，同時引入Kullback-Leibler（KL）散度作為行駛相似性指標(biāo)，實現(xiàn)了一種無監(jiān)督的聚類算法。北京理工大學(xué)的龔建偉等人[19]運用了模型預(yù)測控制的方法，實現(xiàn)了車輛橫、縱向控制，并且進行了控制算法的仿真驗證，得到了很好的控制效果。綜上所述，國內(nèi)外專家學(xué)者對ACC系統(tǒng)的控制策略已經(jīng)進行了很多的研討，但車輛本身是一個較為復(fù)雜的系統(tǒng)，它是一個線性、非線性系統(tǒng)的集合體。因此有些算法難以對其進行準(zhǔn)確控制，且對于日益復(fù)雜的行車環(huán)境也難以適應(yīng)。1.4本文主要內(nèi)容及思路基于上述對于ACC系統(tǒng)研究現(xiàn)狀的調(diào)研和討論，本文所設(shè)計的ACC系統(tǒng)控制系統(tǒng)采用分層式控制架構(gòu)，并基于MPC算法對上層控制器進行設(shè)計，其目的是為了應(yīng)對復(fù)雜的道路情況和行車工況以及多樣化的控制需求，同時基于四輪轂驅(qū)動的電動汽車的逆縱向動力學(xué)模型設(shè)計下層控制器。最后通過搭建基于MATLAB/Simulink和Carsim聯(lián)合仿真驗證平臺，為車輛的控制策略設(shè)計、可行性驗證及試驗結(jié)果分析提供一個可視化平臺以求更形象、生動的策略控制效果。所以本文具體研究內(nèi)容如下：（1）確定研究對象為四輪轂電機驅(qū)動的電動車，基于分層式結(jié)構(gòu)設(shè)計ACC系統(tǒng)的總體框架，將ACC分為上下層控制器。（2）設(shè)計基于模型預(yù)測控制（MPC）設(shè)計ACC系統(tǒng)跟車模式控制算法。將安全性、跟車性、舒適性以及經(jīng)濟性作為指標(biāo)，并將這些性能指標(biāo)進行加權(quán)求和，實現(xiàn)MPC多目標(biāo)優(yōu)化控制。同時設(shè)計基于PID的巡航模式的控制算法，并設(shè)置巡航模式和跟車模式的切換邏輯。（3）構(gòu)建基于逆縱向動力學(xué)模型的下層控制器。并且同時根據(jù)輪轂電機的特性搭建輪轂電機的控制模型，做到對Carsim中車輛的修改。（4）基于Carsim軟件和Simulink軟件建立離線聯(lián)合仿真平臺，分別對四種工況進行仿真測試驗證本文算法的可行性。2ACC系統(tǒng)架構(gòu)由于車輛的自適應(yīng)巡航系統(tǒng)功能的實現(xiàn)需要各個部分相互搭配來共同完成車輛的控制，因此對于系統(tǒng)功能方案的合理定義和實現(xiàn)方法的明確制定至關(guān)重要。在對ACC系統(tǒng)進行具體設(shè)計之前，首先需要完成ACC系統(tǒng)的總體結(jié)構(gòu)的劃分，明確系統(tǒng)的控制架構(gòu)，確定各控制模式需要實現(xiàn)的功能及其實現(xiàn)方法。同時，為了給后續(xù)的自適應(yīng)巡航系統(tǒng)上層決策算法的設(shè)計提供理論基礎(chǔ)，需要進行相關(guān)控制策略的制定。下面首先分析自適應(yīng)巡航系統(tǒng)所要實現(xiàn)的功能，在此基礎(chǔ)上進行整體控制方案的設(shè)計。2.1ACC系統(tǒng)總體架構(gòu)及控制策略制定目前，在國內(nèi)外主流的ACC系統(tǒng)架構(gòu)中，垂直式控制和分層式控制兩類使用的比較多。垂直式控制指控制策略根據(jù)期望的安全車間距直接決策出相應(yīng)所需的驅(qū)動踏板信號以及制動踏板信號以達到當(dāng)前的控制目標(biāo)[20]。但由于車輛本身并非一個簡單的線性系統(tǒng)，采用垂直式控制會導(dǎo)致控制環(huán)節(jié)過于冗長。如果車輛行駛狀態(tài)以及外界環(huán)境發(fā)生變化，會導(dǎo)致系統(tǒng)的穩(wěn)定性降低。如果發(fā)生模型失配且影響較大的話，其可能致使整個系統(tǒng)失效[21]，而分層式控制可以較好避免這些惡劣情況。分層式控制器由上、下層控制器組成，上層控制器根據(jù)本車所帶的傳感器獲取的本車運動信息并結(jié)合本車與前車的行駛狀態(tài)決策出所需的期望加速度，其中本車運動狀態(tài)主要包括本車車速、本車加速度等，車間運動狀態(tài)則包括本車與前車的相對速度、車間距等。下層控制器接收到上層控制器傳遞過來的加速度信號轉(zhuǎn)化成期望制動壓力或者期望電機轉(zhuǎn)矩進而對車輛進行控制，最終完成對期望加速度的跟蹤。在分層控制系統(tǒng)中，各子模塊的控制目標(biāo)清晰且功能集中，模塊間功能獨立、互不干涉。綜上所述，所設(shè)計的控制策略采取分層式控制架構(gòu)，系統(tǒng)的控制框圖如圖2.1所示。圖2.1總體示意圖信息感知層的作用是將雷達、輪速傳感器、加速度傳感器等采集信號模塊收集到的信號輸送到電控單元（VCU），以此作為ACC系統(tǒng)決策算法的數(shù)據(jù)來源。車間距信號的準(zhǔn)確直接影響到車輛對于車間距的控制精度以及準(zhǔn)確性。車載雷達的種類十分多，但其中的毫米波雷達因其價格便宜、安裝容易等優(yōu)點，且其穩(wěn)定性和對于異常環(huán)境的適應(yīng)性也較好，因此在智能車輛控制等領(lǐng)域的使用較為普遍。工作模式切換模塊的主要功能是基于車間距完成對跟車模式和巡航模式的切換，上層控制器主要包含基于MPC的跟車策略、基于PID的巡航策略。在車輛行駛過程中，上層控制器根據(jù)工作模式切換模塊的信號，決定車輛執(zhí)行跟車模式或巡航模式。當(dāng)進入跟車模式時，由基于MPC的策略根據(jù)信息感知模塊獲取到的有效數(shù)據(jù)，決策出期望加速度；當(dāng)進入巡航模式時，由基于PID的策略根據(jù)駕駛員設(shè)定的巡航車速決策出期望加速度。下層控制器通過期望加速度分析出被控車輛的期望電機轉(zhuǎn)矩或期望制動壓力，以此作為控制車輛加速度的依據(jù)，從而達到保持車間距的目的，最終完成對車輛的縱向控制。ACC系統(tǒng)是基于傳統(tǒng)的定速巡航系統(tǒng)之上，經(jīng)過不斷的完善和發(fā)展逐漸形成的。其主要功能是通過獲取本車和前車的運動狀態(tài)信息并進行分析計算，最終決定本車當(dāng)前的行駛狀態(tài)。當(dāng)車輛沒有檢測到有效目標(biāo)時，車輛將處于定速巡航模式，按照駕駛者設(shè)定的速度行駛。而當(dāng)前方車輛檢測到有效目標(biāo)時，系統(tǒng)將控制本車跟蹤前車速度與期望安全車間距。因此，上層算法的設(shè)計需要兼顧兩種情況，即將其劃分為定速巡航模式和跟車巡航模式。2.2工作模式切換策略2.2.1巡航模式定速巡航模式是指被控車輛依據(jù)駕駛員設(shè)定的速度行駛，該車速即為定速巡航車速。在駕駛員設(shè)置好速度之后，定速巡航模式?jīng)Q策算法將根據(jù)速度傳感器獲取到的車輛實際行駛速度并進行計算，得出相應(yīng)的期望加速度，并將其輸出給控制層?？刂茖訉Ρ拒囘M行控制，使車輛實際加速度跟蹤計算出的期望加速度，最終車輛能夠按照駕駛員設(shè)置的巡航車速穩(wěn)定行駛。定速巡航功能的實現(xiàn)較為簡單，需要獲取的信息較少，其只需將本車的實際車速和駕駛員設(shè)定車速進行比較并控制減小兩者差值即可實現(xiàn)[22]。因其控制目標(biāo)較為單一，故采用PID（ProportionIntegralDifferential）控制作為基礎(chǔ)進行決策算法的設(shè)計。對于目標(biāo)比較單一的控制目標(biāo)，PID控制過程簡單且效果相對較好，可有效完成定速巡航模式的控制目標(biāo)，搭建的模型如圖2.2所示。圖2.2PID控制算法的搭建結(jié)合上圖，系統(tǒng)輸入設(shè)定巡航速度和本車實際速度，將二者的差值輸入到PID控制器中，PID對其進行調(diào)節(jié)，PID控制器根據(jù)兩者的差值進行負反饋調(diào)節(jié)，通過不斷的仿真調(diào)試，使得該系統(tǒng)處于穩(wěn)定狀態(tài)。最終得到比例系數(shù)P取3.2，積分系數(shù)I取0.01，微分系數(shù)D取0.002效果較好。但是，PID的三個參數(shù)是不斷調(diào)節(jié)與制約的，而且這三個參數(shù)在調(diào)節(jié)過程中需要一定的工程經(jīng)驗，才能使系統(tǒng)穩(wěn)定地輸出期望加速度，從而保證系統(tǒng)穩(wěn)定地運行下去。2.2.2跟車模式若檢測到前方存在目標(biāo)車輛時，本車速度將會根據(jù)前方目標(biāo)車輛速度而產(chǎn)生變化，并且通過安全車間距模型的計算分析，始終和前方目標(biāo)車輛維持一個合適的期望安全車距，以提升行車途中的安全性。不僅如此，這在實際跟車環(huán)境中也可有效減少追尾、加塞等情況的發(fā)生。除了優(yōu)先保證車輛在跟隨巡航過程中的安全性之外，ACC系統(tǒng)還需兼顧車輛的跟隨性、經(jīng)濟性和舒適性等性能。良好的跟隨性可避免車間距過大或過小，提高道路通過性。在巡航過程中，駕駛員感受最為強烈的應(yīng)當(dāng)是在駕駛過程中的舒適度，駕駛員的體驗至關(guān)重要，這很大程度上決定了駕駛員是否會選擇該項控制系統(tǒng)。巡航系統(tǒng)設(shè)計的初衷也是希望能夠減輕駕駛員的行駛過程中的壓力，讓駕駛員可以在過程中減少主動干預(yù)，這樣才能夠提升駕駛員的駕駛體驗和舒適性。因此，在進行車輛變速巡航模式的控制策略的設(shè)計時，需要同時考慮到多個行駛指標(biāo)，此時PID算法已經(jīng)不能夠完成多目標(biāo)優(yōu)化，故在跟車巡航過程中引入了MPC算法，MPC算法可以實現(xiàn)最優(yōu)化控制，可以處理多種不不確定性因素的影響，較PID算法來說適用范圍更廣。該模式下的控制策略設(shè)計過程較為復(fù)雜，也是本文將要重點研究的內(nèi)容，具體設(shè)計過程將在后續(xù)章節(jié)進行討論。2.2.3工作模式切換策略在實際的車輛上，駕駛員可以手動切換工作模式，即從跟車巡航切換到定速巡航。本文設(shè)計了一種根據(jù)本車與前車的相對車間距的差值的切換策略，該策略一方面的作用是根據(jù)車間距切換車輛是處于跟車狀態(tài)還是巡航狀態(tài)，該功能是保證ACC系統(tǒng)能正常工作的基本需求之一。另一方面，可以細化基本跟車模式下的工況，通過約束的形式優(yōu)化期望加速度大小。目前將駕駛員駕駛習(xí)慣作為參考因素融入ACC系統(tǒng)設(shè)計的方法成為該領(lǐng)域的一個研究熱點。Moon[23]分析跟車過程中加速度大小與舒適性的關(guān)系，認為當(dāng)加速度時為舒適的跟隨工況；當(dāng)時為緊急減速的工況，舒適性有所下降；當(dāng)時為緊急制動的工況。本文在此基礎(chǔ)上，設(shè)計一種簡易的工況劃分的方法。圖2.3工況劃分邏輯如圖2.3所示，本文設(shè)計了一種以相對車間據(jù)劃分的跟車模式切換策略，當(dāng)雷達探測到實際車間距小于200m即雷達檢測到前方存在車輛時，車輛切換至跟車模式；反之，車輛執(zhí)行跟車模式，進入跟車模式后又根據(jù)上文提到的根據(jù)加速度劃分為三種模式，下文將具體介紹，搭建的跟車模式和巡航模式切換控制模型如圖2.4所示。圖2.4跟車模式和巡航模式切換模式當(dāng)車輛切換為跟車模式后，此時被控車輛與前車距離較遠，本車速度大于前車車速，為了保證跟車性，本車不會以較大減速度來減速，即為一個追趕前車的狀態(tài)，考慮到較遠的距離以及接近目標(biāo)車輛的需求，對加速度的限制可以放寬；當(dāng)被控車輛與前車距離縮小到一定范圍后，需要考慮保持一定跟車距離，同時此時也需要調(diào)整與前車的相對速度，該過程為一個同時調(diào)整跟車距離和相對車速的狀態(tài)，需要適當(dāng)對期望加速度做一定約束；如果本車和前車距離過小，從行車安全角度來看屬于較危險狀況，此時應(yīng)該進一步放寬對于減速度的約束，使被控車輛獲得足夠的制動力來保證行車安全。本文以跟車時的車間距大小設(shè)置門限將上述跟車過程分段成三部分，分別為舒適跟車、安全跟車、緊急跟車。設(shè)定當(dāng)跟車距離大于1.5倍的設(shè)定車間距時，認為行車間距較大，需要繼續(xù)減小跟車距離，此狀況下即使本車需要減速，減速度也沒有必要取較大值，加速需求適當(dāng)放寬保證較快跟上前車，控制適當(dāng)車間距以保證跟車效率，根據(jù)以上分析，設(shè)定加速度約束的區(qū)間為（-0.5.5.5]；當(dāng)行車間距處于0.7到1.5倍設(shè)定車間距時，認為車輛處于需要調(diào)整行車間距達到所期望車間距的狀態(tài)，此時應(yīng)當(dāng)放寬對減速度的約束，同時也不需要較大的加速度來接近前車，所以約束加速度大小在（-2.5，2]以內(nèi)；當(dāng)實際車間距較小時，認為車輛處于較為緊急的工況，出于對安全性的考慮，設(shè)定約束區(qū)間為[-6，0.5]。通過安全車距的判斷，分別得到判斷邏輯變量dis_s，dis_u如圖2.5所示，得到的判斷邏輯變量輸入到狀態(tài)機中，控制狀態(tài)機該執(zhí)行哪個狀態(tài)即狀態(tài)機輸出哪個加速度給下層控制器，根據(jù)上文中提到的跟車模式下的切換策略設(shè)置了如圖2.6所示的狀態(tài)機。圖2.5邏輯變量判斷圖2.6跟車模式狀態(tài)機模型需要說明的是跟車切換策略只是對已求解出的期望加速度進行約束，理想的情況是在期望加速度計算得到的值已經(jīng)能夠滿足以上約束條件。制定的閾值可以理解為是對期望加速度求解時的無效解和不理想解的情況做出的一種修正措施。2.3本章小結(jié)本章分析了傳統(tǒng)直接式的自適應(yīng)巡航控制系統(tǒng)魯棒性不足的特點，從而設(shè)計了基于分層式理論的控制結(jié)構(gòu)，把整體控制結(jié)構(gòu)分為上下層控制結(jié)構(gòu)，實現(xiàn)各層的功能分配：上層控制器也叫決策層，根據(jù)車輛的信息以及周圍的環(huán)境狀態(tài)，決策出下層所需要的期望加速度；下層控制器也叫執(zhí)行層，根據(jù)期望加速度轉(zhuǎn)化成車輛所需的制動壓力或者驅(qū)動力矩，分層式的結(jié)構(gòu)為后續(xù)的上下層控制器建模奠定了基礎(chǔ)。與此同時，本章對巡航模式和跟車模式分別進行了分析，對基于PID的巡航模式進行了設(shè)計，根據(jù)相對速度決策出期望加速度輸出到下層控制器。并且同時建立了巡航模式和跟車模式的切換邏輯，根據(jù)車間距建立了跟車模式切換邏輯的狀態(tài)機，限制期望加速度的輸出。3基于MPC的上層控制器3.1安全車距在安全車間距模型方面，目前廣泛應(yīng)用的主要分為兩大類：固定安全車間距模型和可變安全車間距模型。固定安全車間距模型就是指本車在跟車行駛過程中，安全車間距為一個固定值而不會隨著本車行駛狀態(tài)、前方路況、交通狀況和跟車環(huán)境等的變化而變化。該模型的優(yōu)點是不需要進行動態(tài)調(diào)整，所以需求數(shù)據(jù)信息及計算量少，結(jié)構(gòu)簡單、有利于系統(tǒng)功能的實現(xiàn)。然而固定安全車間距難以在保證行車安全性和跟隨性前提下，同時綜合考慮實際的行駛環(huán)境、交通流特性等因素，因此通常無法滿足多目標(biāo)要求，尤其當(dāng)?shù)缆翻h(huán)境較復(fù)雜時，其適應(yīng)性會極大的降低?？勺儼踩囬g距模型指的是安全車間距可隨車速等因素進行動態(tài)調(diào)整，這可在一定程度上彌補固定安全車間距模型中的缺陷，其可滿足不同工況下駕駛員的不同需求?？勺冘囬g距模型通常是以車間時距為基礎(chǔ)進行設(shè)計的，根據(jù)車間時距分類一般有固定車間時距算法（constanttimeheadway，CTH）和可變車間時距算法（Variabletimeheadway，VTH）兩種。CTH算法由于計算簡單、穩(wěn)定性強等優(yōu)點，被廣泛應(yīng)用于各研究學(xué)者的安全車間距算法中，故擬采用CTH算法作為安全車間距模型設(shè)計的基礎(chǔ)。CTH算法中的車間時距通常為固定值，但駕駛員可根據(jù)需要自行更改。目前有兩種主流的表征時距的方式：跟車時距（THW）和避撞時間（TTC），這兩個參數(shù)都是針對于前后車輛相對運動狀態(tài)來進行定義的。由于在實際行駛過程中，難以對前車的速度變化進行準(zhǔn)確估計。為了避免因前車速度突變致使系統(tǒng)不穩(wěn)定，因此決定將跟車時距（THW）設(shè)為定值進行后續(xù)安全車間距模型的設(shè)計。CTH算法如式3.1所示：（3.1）式中，QUOTEddes=τvh+d0QUOTEddes為期望兩車安全車間距，為車間時距THW，為最小保持車間距。3.2模型預(yù)測控制原理簡介模型預(yù)測控制（MPC，ModelPredictiveControl）的歷史追溯到上世紀60年代中期，上世紀80年代左右開始被研究人員應(yīng)用的控制算法，它開始主要應(yīng)用于各式各樣的工業(yè)控制、自適應(yīng)控制等領(lǐng)域中。隨著社會的快速發(fā)展以及經(jīng)濟的快速增長，它的適用范圍也早已發(fā)展到了機器人、網(wǎng)絡(luò)系統(tǒng)、飛行器等高新領(lǐng)域中。MPC作為一種優(yōu)秀的控制算法，因其對模型的要求精度不高，可以處理多變量約束問題。模型預(yù)測控制算法是利用當(dāng)前系統(tǒng)控制量和中間系統(tǒng)的狀態(tài)量，在滿足一定約束條件下，對系統(tǒng)未來狀態(tài)進行預(yù)測并不斷在線優(yōu)化以追求最優(yōu)解，保證系統(tǒng)的輸出盡量與參考軌跡相接近，原理如圖3.1所示。模型預(yù)測控制屬于最優(yōu)控制的范疇，在處理控制過程中存在的多種約束上具有明顯的優(yōu)勢，其基本思想是通過建立合適的目標(biāo)函數(shù)，轉(zhuǎn)化為一個二次規(guī)劃問題，通過反復(fù)的在線求解，得到最優(yōu)控制量，從而控制車輛跟蹤期望軌跡[25]。在模型預(yù)測控制的計算過程中，主要有三方面的內(nèi)容，包括：預(yù)測模型、滾動優(yōu)化和反饋校正。下面介紹這三項基本內(nèi)容。一、模型預(yù)測二次規(guī)劃問題需要通過系統(tǒng)未來一段時間的輸出量來計算最優(yōu)控制序列，因此就需要通過一個預(yù)測模型來預(yù)測系統(tǒng)的輸出。預(yù)測模型可以通過系統(tǒng)當(dāng)前狀態(tài)量和控制時域內(nèi)的控制量，來預(yù)測系統(tǒng)未來的狀態(tài)。預(yù)測模型包括脈沖響應(yīng)模型、階躍響應(yīng)模型、傳遞函數(shù)模型、狀態(tài)空間模型等，本文主要介紹基于狀態(tài)空間方程的模型預(yù)測控制。二、滾動優(yōu)化模型預(yù)測控制與傳統(tǒng)的最優(yōu)控制不同，傳統(tǒng)最優(yōu)控制往往采取一個固定的全局最優(yōu)目標(biāo)，而模型預(yù)測控制則是采用滾動優(yōu)化的策略。在每一采樣時刻，根據(jù)當(dāng)前時刻的狀態(tài)信息建立優(yōu)化目標(biāo)，求解得到有限時域內(nèi)的最優(yōu)控制序列，在下一采樣時刻又基于新的狀態(tài)信息來求取最優(yōu)控制序列，因此，模型預(yù)測控制的優(yōu)化過程是反復(fù)在線進行的，而不是一次離線完成的，這就是滾動優(yōu)化的含義。模型預(yù)測控制之所以要采用滾動優(yōu)化的方式，是因為在實際控制過程中存在模型失配和外部干擾等不確定性因素，因此，模型預(yù)測控制不可能始終與實際過程相符合。通過滾動優(yōu)化的方式，使得控制過程始終在當(dāng)前狀態(tài)的基礎(chǔ)上建立優(yōu)化目標(biāo)，能夠在一定程度上彌補這種不確定性帶來的影響。三、反饋校正在計算得到最優(yōu)控制序列后，將控制序列的第一個控制量作用于系統(tǒng)，然后再進行下一周期的優(yōu)化過程。通過這種模型預(yù)測、滾動優(yōu)化加反饋校正的方式，構(gòu)成閉環(huán)最優(yōu)控制，使得模型預(yù)測控制方法具有很強的抗干擾能力。3.3車輛縱向運動學(xué)模型的建立在第二章提到的基于分層式結(jié)構(gòu)的ACC系統(tǒng)中，上層控制器分別基于PID和MPC對期望加速度進行決策，而基于PID的上層控制器已經(jīng)在第二章中進行了詳細的介紹，本章后續(xù)幾節(jié)主要介紹基于MPC的上層控制器的設(shè)計，首先需要確定的是車輛縱向運動學(xué)模型，即確定本車與前車的運動學(xué)關(guān)系。駕駛員在判斷下一刻該踩多大的驅(qū)動踏板或者制動踏板即判斷加速度大小時也是根據(jù)本車和前車的運動狀態(tài)，本節(jié)基于車輛縱向運動學(xué)建立跟車模式下的跟車狀態(tài)關(guān)系，如圖3.2所示。 圖中是兩車實際車間距；是兩車期望車間距；是實際車間距和期望車間距的誤差；是前車位置，是本車位置，值的大小與坐標(biāo)系選擇有關(guān)，兩個值的大小無實際意義，實際車間距可表示為：（3.2）根據(jù)縱向運動學(xué)，在k時刻有：（3.3）在離散條件下，車輛的加速度和加速變化率可表示為：（3.4）（3.5）式中是時刻的加速度；是時刻的加速度變化率，通常被稱為；是離散后的采樣周期，在Simulink中通常用計算步長來表示。同時離散化的實際加速度和期望加速度可近似用下面式子表示：（3.6）式中為控制時間常數(shù)，有；是前一時刻的輸出量，在這里指的是時刻期望加速度大小?；谶\動學(xué)特性取距離、相對速度、本車車速、加速度、加速度變化率為狀態(tài)變量，并建立它們在離散狀態(tài)下的關(guān)系式：（3.7）（3.8）（3.9）（3.10）（3.11）為了充分反映跟車模式下的運動學(xué)變化，要考慮到前車加減速帶來的影響，本文將前車加速度觀測量作為MPC標(biāo)準(zhǔn)方程中的擾動項，以此提高狀態(tài)方程的精度。建立狀態(tài)方程模型：（3.12）其中如上所述，系統(tǒng)的狀態(tài)變量為：式中A，B，G為矩陣參數(shù)，則系統(tǒng)矩陣表示如下：3.4車輛控制目標(biāo)分析車輛控制分析是對MPC算法優(yōu)化目標(biāo)的定義，是決定控制算法效果的重要步驟，在ACC系統(tǒng)的設(shè)計中，安全性和跟車性是首要控制目標(biāo)，也是ACC功能的基本保障，但是在實際的使用過程中，更多的性能和因素需要被考慮。自適應(yīng)巡航系統(tǒng)設(shè)計的初衷是為了減小駕駛員的駕駛強度，在簡單工況下解放駕駛員的雙腳來起到輔助駕駛的作用。在接替駕駛員完成縱向控制時，無法保證駕駛的舒適性也就無法達到接管的作用，所以乘車舒適性是自適應(yīng)巡航系統(tǒng)在控制過程中需要考慮的因素之一。經(jīng)濟性是消費者關(guān)注的焦點問題之一，因為電動車的續(xù)航是電動車重要特性，在電池儲存能量一定的情況下，提高能量利用率即提高車輛的經(jīng)濟性尤為重要，所以在系統(tǒng)設(shè)計時經(jīng)濟性也需要被考慮。本文將跟車性、安全性、舒適性以及經(jīng)濟性作為輸出期望加速度時的控制目標(biāo)。各控制目標(biāo)需求如下：（1）安全性首先無論采用何種控制算法，安全性對于車輛以及駕駛員來說都是最首要的控制需求，是一切控制需求的前提，因此必須對其進行嚴格的約束。雖然可以通過在前文設(shè)計的安全車間距模型可以保證一個安全的期望跟車間距，但這個值是系統(tǒng)間距控制的最終目標(biāo)。僅僅通過此間距難以適應(yīng)前車突然的速度變化等工況，算法很難通過快速響應(yīng)來消除誤差。因此為提高車輛在整個行駛途中的安全性，需要一直關(guān)注本車與前車的相對車間距，即始終保證兩車間的實際車間距大于一個安全跟車間距，以此避免發(fā)生追尾的情況，因此需要對真實相對車間距施加相應(yīng)的約束，如式（3.13）所示。（3.13）式中，表示本車為了避免與汽車發(fā)生碰撞所限定的最小安全車間距；其由車體長度和一個預(yù)設(shè)的距離值構(gòu)成。通過此約束可避免車輛在行車途中與前方車輛發(fā)生追尾等事故，提高了行車安全性。同時，車輛在道路上行駛必須限制車輛的速度不能超過限定值，如果車輛速度過高，前方車輛突然變化時，會有很大的安全隱患，因此需要對車輛的速度進行限制，約束如式3.14所示。（3.14）（2）跟車性ACC系統(tǒng)要求本車能穩(wěn)定跟隨前車行駛。系統(tǒng)的跟隨性主要體現(xiàn)在兩個方面：安全車距的有效跟隨和安速度的有效跟蹤。被控車輛與前方目標(biāo)車輛的實際車間距和決策算法計算出的車間距之間的差值以及車速誤差都逐漸收斂于0，即兩車保持相對靜止的狀態(tài)，這也是駕駛員最期望的。本節(jié)在車間縱向運動模型狀的基礎(chǔ)上進行控制需求的設(shè)計，如式3.15所示.（3.15）（3）舒適性行駛的舒適性在縱向方向，可用車輛加速度和加速度變化率作為評價指標(biāo)。當(dāng)車輛在加減速過程中，使用的加速度和加速度變化率越小時，車速變化越平穩(wěn)，舒適性越好；同樣采用約束形式對行車過程中的加速度以及加速度變化率進行約束；考慮到車輛的性能，有約束：（3.16）（3.17）（4）經(jīng)濟性經(jīng)濟性的評價指標(biāo)是在相同行駛時間或者路程的情況下對與能量耗費的多少，頻繁的急加速、急減速會導(dǎo)致車輛的能量消耗變多，所以要盡量減少車輛在跟車模式下的急加速、急減速工況，可以通過控制加速度和加速度變化率來提高經(jīng)濟性。同時，相關(guān)研究表明，車輛的縱向加速度對車輛的經(jīng)濟性有顯著的影響，能量消耗會隨著加速度的增加而提高。由此可知，加速度的絕對值越小，加速度變化率絕對值越小可以顯著提高車輛的經(jīng)濟性，則約束與上文中提到的舒適性約束相同。這樣選取間距誤差、相對車速、本車的加速度和本車的加速度變化率作為優(yōu)化和約束目標(biāo)組成系統(tǒng)輸出向量，得系統(tǒng)輸出方程：（3.18）式中有：，這樣得到了一組離散化的考慮了多控制目標(biāo)優(yōu)化與約束的狀態(tài)方程組：（3.19）3.5MPC預(yù)測方程和優(yōu)化函數(shù)結(jié)合上文中推導(dǎo)得到的狀態(tài)空間方程模型，同時將MPC理論融入進去，上文已經(jīng)得到在某個時刻的狀態(tài)空間方程，此時需要對后續(xù)的p個時刻進行預(yù)測，同時添加反饋誤差，對接下來的時域內(nèi)的狀態(tài)變量進行預(yù)測控制，建立的預(yù)測控制模型如式（3.20）和式（3.21）所示：（3.20）（3.21）式中：式中為預(yù)測時域，為控制時域，是基于第時刻預(yù)測模型分別對預(yù)測時域內(nèi)每一時刻的方程狀態(tài)變量的預(yù)測值，是第時刻分別對預(yù)測時域內(nèi)每一時刻的輸出方程中輸出向量的預(yù)測值；是控制時域內(nèi)系統(tǒng)輸出量，即期望加速度；是第k時刻的預(yù)測時域內(nèi)每一步的擾動量；

為第k時刻實際檢測到的狀態(tài)向量與預(yù)測量的差值。式中的預(yù)測矩陣如下：，，，在上面的預(yù)測模型中，干擾變量用前車加速度代替，但是實際上前車加速度并不好直接得到，考慮到計算步長通常較小，故需要前一時刻（對k時刻來說是k-1時刻）的相對速度和本車加速度計得到前一時刻的前車加速度，代替當(dāng)前時刻的前車加速度，即本文假設(shè)在k時刻的前車加速度與上一個時刻的值相等。則有如下的關(guān)系：（3.22）線性加權(quán)和法是古典多目標(biāo)優(yōu)化算法的一種，該方法簡單易行，在處理多目標(biāo)優(yōu)化問題時的計算量少。其思路是通過將多目標(biāo)優(yōu)化問題加權(quán)轉(zhuǎn)化為單目標(biāo)的數(shù)學(xué)規(guī)劃問題。建立的目標(biāo)函數(shù)式如下：（3.23）式中的Q是輸出量的權(quán)重矩陣，定義，R是控制量的權(quán)重矩陣。將目標(biāo)函數(shù)展開，忽略掉無關(guān)的常數(shù)項，整理可得函數(shù)，如式（3.24）所示。（3.24）式中：函數(shù)在k時刻的約束條件即系統(tǒng)控制的約束條件如下：（3.25）將預(yù)測模型的輸出方程和約束條件結(jié)合得到以下形式：（3.26）式中：由前面將多目標(biāo)控制加權(quán)問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題的代價函數(shù)和約束條件，轉(zhuǎn)化成一個的二次型規(guī)劃問題：（3.27）式中：針對式（3.27）可以實用MATALB提供的QP求解器quadprog進行求解，得到的臨時最優(yōu)解即為此時刻MPC控制器的輸出值。根據(jù)本章的數(shù)學(xué)模型，編寫S函數(shù)，實現(xiàn)MPC控制，搭建如圖3.3所示的基于MPC的跟車巡航控制算法。圖3.3MPC控制算法搭建3.6本章小結(jié)本章首先介紹了安全車距策略，選擇了固定跟車時距安全車距算法。而后介紹了基于MPC的上層控制器的設(shè)計，設(shè)計出上層控制器輸出期望加速度到下層控制器完成閉環(huán)系統(tǒng)。在建立基于MPC的上層控制器時，首先要基于兩車之間的運動學(xué)關(guān)系建立跟車狀態(tài)空間方程，利用MPC方法結(jié)合狀態(tài)空間方程推導(dǎo)預(yù)測狀態(tài)方程，將跟車型、安全性、舒適性、經(jīng)濟性作為優(yōu)化目標(biāo)，把多目標(biāo)優(yōu)化問題轉(zhuǎn)化成二次型規(guī)劃問題，再調(diào)用MATLAB中的優(yōu)化函數(shù)決策出期望加速度。4下層控制器要保證ACC系統(tǒng)控制方法的有效性，一方面需要上層控制器能有效決策出期望加速度，另一方面也需要下層控制器的精確性。下層控制器將期望加速度精確轉(zhuǎn)化為對每個車輪的驅(qū)動力矩和對車輛的制動壓力從而完成對車輛的控制，是保證ACC系統(tǒng)實現(xiàn)在有效控制的關(guān)鍵。目前主流的下層控制器有兩種，一種是基于駕駛經(jīng)驗的模糊控制法，利用駕駛員的駕駛經(jīng)驗制定模糊規(guī)則，將期望加速度以及其與實際加速度的誤差作為控制模型的輸入量，依據(jù)駕駛經(jīng)驗制定模糊規(guī)則，將輸入量模糊化后進行模糊推理，最后通過去模糊化得到對應(yīng)的油門和制動踏板大小來控制車輛。這種控制方法可以大大簡化模型設(shè)計的復(fù)雜性，計算量也小，可以保證快速響應(yīng)。但是控制過程依賴于經(jīng)驗和車輛的特性，控制的精確程度依賴于控制規(guī)則的制定、模糊函數(shù)的選擇以及參數(shù)標(biāo)定，不容易把控。本文采用另一種基于動力學(xué)模型的逆模型控制方法。這種控制方法在參數(shù)準(zhǔn)確的情況下可以達到精確的控制效果，計算量適中并且響應(yīng)較快?；谲囕v動力學(xué)和車輛參數(shù)信息搭建控制模型，輸出驅(qū)動和制動控制命令。本文所設(shè)計的ACC系統(tǒng)下層控制算法從上層決策算法接收到車輛的期望加速度信號，根據(jù)車輛逆縱向動力學(xué)模型，依據(jù)車輛其它狀態(tài)信息，計算得到滿足要求的車輛期望加速度，之后計算所需的期望電機轉(zhuǎn)矩或期望制動管路壓力。下層控制器的作用類似于一名司機，在知道車輛需要多大的加速度情況下，通過控制驅(qū)動踏板即施加驅(qū)動力矩和制動踏板即施加主缸壓力來操縱車輛完成加減速，進而將期望加速度落實到車輛控制上，完成對車輛的操縱控制?？刂茖咏邮掌谕铀俣刃盘柡笮枰谳^短時間內(nèi)完成對車輛的控制，讓實際加速度變化追蹤期望加速度的變化；在此過程中也需要符合日常駕駛習(xí)慣，驅(qū)動踏板開度和制動踏板開度大小適中，同時驅(qū)動模式和制動模式不能有頻繁的切換。4.1車輛逆縱向動力學(xué)模型根據(jù)汽車理論相關(guān)知識可知，當(dāng)車輛加速的過程中，根據(jù)電機控制器傳送過來的信號，電機產(chǎn)生所需要的轉(zhuǎn)矩，轉(zhuǎn)矩驅(qū)動車輛進行加速行駛。當(dāng)車輛需要減速行駛，由制動踏板傳遞過來的信號使制動系統(tǒng)產(chǎn)生相應(yīng)的制動力，最終達到使車輛減速行駛的目的。車輛逆縱向動力學(xué)模型是將車輛縱向動力學(xué)模型進行逆向推導(dǎo)得到，它是下層控制器設(shè)計的關(guān)鍵。4.1.1行駛阻力分析車輛在行車途中會受到驅(qū)動力以及各種阻力，為對車輛的力學(xué)性能做較為精準(zhǔn)的計算，現(xiàn)通過分析車輛在行車途中的受力關(guān)系列出相應(yīng)的汽車力學(xué)平衡方程，建立車輛的行駛阻力模型。車輛在行車途中所受的驅(qū)動力和行駛阻力如圖4.1所示。驅(qū)動力由驅(qū)動電機的轉(zhuǎn)矩通過傳動系統(tǒng)傳遞至驅(qū)動輪形成，制動力則由液壓制動系統(tǒng)作用于車輪的制動壓力形成，行駛阻力主要由滾動阻力、空氣阻力、坡度阻力和加速阻力四部分組成。圖4.1車輛行駛受力圖分析中做以下假設(shè)：（1）忽略車輛的橫向運動；（2）車輛所行駛的道路為理想道路，道路坡度角為，而且道路能夠提供充足的地面附著力；由此可得汽車行駛方程式如式（4.1）所示：（4.1）式中，為驅(qū)動力，為制動力，為加速阻力，為空氣阻力，為滾動阻力，為坡度阻力。當(dāng)車輛在加速行駛時，車輛的本身自重和傳動系統(tǒng)中的旋轉(zhuǎn)部件會由于轉(zhuǎn)動產(chǎn)生轉(zhuǎn)動慣量即慣性阻力矩。為便于計算，通常采用旋轉(zhuǎn)質(zhì)量轉(zhuǎn)換系來進行轉(zhuǎn)換，本文取旋轉(zhuǎn)質(zhì)量換算系數(shù)為1.06。車輛受到的加速阻力如式（4.2）所示：（4.2）式中，為加速阻力，為汽車旋轉(zhuǎn)質(zhì)量換算系數(shù)，m為汽車質(zhì)量，a為車輛加速度。車輛在行駛的過程中，空氣會阻礙汽車的行駛。空氣阻力是一個變量，它的大小與車速成正比，車速越快空氣阻力越大。但在行駛阻力模型中為簡化模型以便于計算，只考慮在無風(fēng)情況下車輛的運動。車輛受到的空氣阻力如式（4.3）所示：（4.3）由于空氣密度相對固定，且假設(shè)風(fēng)速為0，即，所以通常將上式進行簡化處理，如式（4.4）所示：（4.4）式中，為空氣阻力，為空氣密度，為空氣阻力系數(shù)，本文中取0.3，為相對速度，A為迎風(fēng)面積，本文中迎風(fēng)面積取2.1，為汽車行駛速度。車輛在行駛中所受滾動阻力同時受車輪的法向載荷和滾動阻力系數(shù)兩者影響。同時為計算簡便，在行駛阻力模型中，假設(shè)每個車輪的法向載荷和滾動阻力系數(shù)都相同，車輛所受滾動阻力如式（4.5）所示：（4.5）式中，m為車輛整備質(zhì)量，g為重力加速度，f為滾動阻力系數(shù)，本文中滾動阻力系數(shù)取0.02，為斜坡與水平路面夾角。車輛若在坡道上行駛，其所受坡度阻力主要由車輛的重力沿坡道的分力構(gòu)成，如式4.6所示：（4.6）式中，m為車輛整備質(zhì)量，g為重力加速度，為斜坡與水平路面夾角，由于本文中不涉及坡道行駛，故而本文中取0。4.1.2期望驅(qū)動力矩模型由上文中得到的汽車行駛方程式可得到車輛在加速過程中的縱向運動方程式，如式（4.7）所示：（4.7）電動車的動力傳動系統(tǒng)相對于傳統(tǒng)汽車來說較為精簡，對于輪轂電機驅(qū)動的電動車來說，輪轂電機輸出轉(zhuǎn)矩直接帶動驅(qū)動輪，則車輛的驅(qū)動力如式（4.8）所示。（4.8）式中為車輛驅(qū)動力，為電機驅(qū)動轉(zhuǎn)矩，為車輪滾動半徑，本文中取0.34m，為傳動比，由于動力傳輸路線是由輪轂電機到車輪，所以傳動比取1，為傳動效率，本文中傳動效率取1，k為電機個數(shù)，本文中輪轂電機個數(shù)為4。然后將式（4.4）~（4.8）聯(lián)立得到期望的電機輸出轉(zhuǎn)矩如式（4.9）所示：（4.9）期望電機轉(zhuǎn)矩模塊Simulink仿真模型如圖4.2所示。圖4.2期望電機轉(zhuǎn)矩模型4.1.3期望制動壓力模型由上文中得到的汽車行駛方程式可以得到制動過程中的縱向運動方程式，如式（4.10）所示：（4.10）式中為期望制動力。然后將式（4.4）~（4.7）與式（4.10）聯(lián)立得到期望制動力，如式（4.11）所示。（4.11）若期望制動力小于地面可提供最大制動力，則制動力與制動管路中壓力近似呈線性關(guān)系，如式（4.12）所示。（4.12）式中，為線性系數(shù)，p為制動壓力。將式（4.11）和式（4.12）聯(lián)立得到可得期望制動壓力，如式（4.13）所示。（4.13）根據(jù)上文中的數(shù)學(xué)公式在Simulink中搭建逆制動器模型如圖4.3所示。圖4.3期望制動壓力模型4.1.4驅(qū)動與制動切換策略由于本文中所提到的車輛模型是在仿真軟件Carsim中建立的，相當(dāng)于一個數(shù)學(xué)模型，如果車輛以上層控制器決策出的期望加速度的正負來控制汽車的狀態(tài)（期望加速度為正為驅(qū)動模式，加速度為負則為制動模式），僅僅通過這種簡單的邏輯判斷的話車輛模型在行駛過程中驅(qū)動模式和制動模式會頻繁地來回切換。這樣會對車輛本身損害較大，而且會使得駕駛員和乘員的舒適性大大下降，所以要制定合適的驅(qū)動模式和制動模式的切換策略，確保切換策略工作效果好、平穩(wěn)切換，可以使車輛實際加速度有效地跟蹤期望加速度。若車輛沒有驅(qū)動制動輸入即此時的驅(qū)動力為零時，根據(jù)上文中所分析的車輛行駛方程式可知，此時車輛在行駛方向上只受空氣阻力和滾動阻力兩個外力，此時車輛的最大減速度即為最大滑行減速度。（4.14）如果驅(qū)動與制動切換僅僅存在最大滑行減速度這條切換邊界，那么驅(qū)動模式和制動模式就會一直地切換，這樣就會導(dǎo)致上文提到的影響行駛的情況，故而需要在最大滑行減速度上下各設(shè)置一個閾值，根據(jù)經(jīng)驗可知，將閾值設(shè)置為，通過這個設(shè)置，車輛就不會出現(xiàn)驅(qū)動工況和制動工況的來回切換，該閾值范圍稱為驅(qū)動模式和制動模式的過渡帶，改進后的驅(qū)動、制動切換策略如圖4.4所示。當(dāng)上層控制器輸出的期望加速度時，此時車輛處于驅(qū)動模式，輪轂電機驅(qū)動車輛行駛；當(dāng)上層控制器輸出的期望加速度時，車輛處于制動模式，而當(dāng)期望加速度為過渡帶即時，車輛驅(qū)動、制動切換策略不起作用，車輛繼續(xù)執(zhí)行原來的模式。4.2電機模型的建立在控制環(huán)節(jié)和車輛之間，需要輪轂電機來接受系統(tǒng)的期望轉(zhuǎn)矩輸入，對車輛輸出轉(zhuǎn)矩以達到控制車輛的效果。輪轂電機采用兩極三相無刷直流電機，基于無刷直流電機建模理論，建立輪轂電機控制模型。無刷直流電機的等效電路如圖4.5所示。圖4.5輪轂電機等效電路圖簡化電機的模型，根據(jù)等效電路圖，則電壓方程的矩陣形式為：（4.15）在上式中：，，分別為三相輸入電壓；，，分別為三相定子電流；，，分別為三相電動勢；為定子繞組自感與兩項相繞組的互感數(shù)值之差；R為定子每相電阻。當(dāng)a、b兩相連通時，電機的平衡電壓方程可以變化成式（4.16）：（4.16）將式（4.16）簡化得到：（4.17）根據(jù)電機基本拖動原理得到：（4.18）（4.19）（4.20）上式中，為反電動勢系數(shù)；為電機角速度；為電機的轉(zhuǎn)動慣量；為電機負載轉(zhuǎn)矩；為電機輸出轉(zhuǎn)矩。根據(jù)式（4.17）~（4.18）推導(dǎo)可以得到該輪轂電機的狀態(tài)方程如式（4.21）、（4.22）所示。（4.21）（4.22）在輪轂電機模型中，電機電流和電機轉(zhuǎn)速為狀態(tài)變量，由于本次設(shè)計的電動車采用轉(zhuǎn)矩控制的方式，設(shè)計單閉環(huán)電流調(diào)節(jié)系統(tǒng)實現(xiàn)電流得反饋控制，且電機的電流的輸出轉(zhuǎn)矩成正比，即實現(xiàn)了單閉環(huán)轉(zhuǎn)矩反饋控制得效果[26]。搭建了如圖4.6的單閉環(huán)轉(zhuǎn)矩控制系統(tǒng)圖。圖4.6單閉環(huán)轉(zhuǎn)矩控制框圖上圖中電流調(diào)節(jié)器采用PID控制，有效調(diào)節(jié)電流，實現(xiàn)對電機輸出轉(zhuǎn)矩的閉環(huán)控制。圖4.7Simulink中的電機控制模型4.3本章小結(jié)本章在分析下層控制器的控制需求后，首先根據(jù)汽車動力學(xué)對車輛驅(qū)動以及制動狀態(tài)下的車輛受力進行分析，根據(jù)推導(dǎo)得到的數(shù)學(xué)模型在Simulink中搭建了逆縱向動力學(xué)模型。針對驅(qū)動模式和制動模式切換頻繁的問題，設(shè)計了驅(qū)動、驅(qū)動模式切換過渡帶。與此同時，根據(jù)輪轂電機的電路原理圖，得到了簡化的單閉環(huán)轉(zhuǎn)矩控制的輪轂電機模型，在Simulink中搭建了電機模型，為后續(xù)的上下層控制器與Carsim聯(lián)合打下了基礎(chǔ)。5ACC系統(tǒng)仿真測試與分析為了檢驗上文中所設(shè)計的控制策略相關(guān)模型的有效性，本章主要進行基于Carsim與Simulink的聯(lián)合仿真平臺的搭建并設(shè)定典型工況進行仿真試驗。以Carsim中的車輛模型代替真實的車輛，然后在Simulink中將所建立的逆縱向動力學(xué)數(shù)學(xué)模型和相應(yīng)的控制策略等以模塊的形式搭建出來。最后將Simulink中搭建好的相應(yīng)模塊與Carsim中的虛擬整車模塊按對應(yīng)的接口進行連接，由此可搭建出ACC系統(tǒng)離線聯(lián)合仿真平臺。再通過在Carsim軟件中進行車輛道路行駛狀況的模擬，設(shè)定不同前車行駛工況進行試驗并對試驗結(jié)果進行分析，以此來檢驗控制系統(tǒng)的各項指標(biāo)是否符合要求。與此同時，在試驗過程中，進行相應(yīng)關(guān)鍵參數(shù)的調(diào)節(jié)，力求達到最佳的控制效果。5.1聯(lián)合仿真平臺搭建為了更好的進行整車仿真平臺的建立，需要將整車模型、外界環(huán)境、接口定義進行自定義。整車模型參數(shù)基于被控車輛模型參數(shù)進行定義，選擇選用CarSim中的E-Class，Sedan為基準(zhǔn)車。在主車車輛模型設(shè)置中，最重要的是動力輸入系統(tǒng)，主車是輪轂電機驅(qū)動的電動車，沒有發(fā)動機以及減速器，依靠電機作為動力源，所以在CarSim中的車輛動力系統(tǒng)需要采用外部動力源（ExternalEngine）。本文通過在Simulink模型中搭建電動機，用電機輸出的扭矩來驅(qū)動主車。如圖所5.1示，將傳動系統(tǒng)中的發(fā)動機模型以及傳動系統(tǒng)模型去掉。采用上文中搭建的輪轂電機進行驅(qū)動輸入，在Simulink中搭建電機模型作為該車的外部動力。圖5.1主車動力傳輸路線修改行駛環(huán)境定義包括道路和風(fēng)速，本文中道路的附著系數(shù)設(shè)置為0.85，風(fēng)速設(shè)置為0。圖5.2道路環(huán)境定義前車的車速在Carsim中根據(jù)時間和速度的關(guān)系設(shè)置，雷達檢測范圍設(shè)置為200m，雷達的參數(shù)設(shè)置如圖5.3所示，超出200m之后即車輛前方?jīng)]有目標(biāo)，進入第二章設(shè)計的的定速巡航模式。圖5.3雷達參數(shù)定義將前幾章提到的上下層控制器以及車輛模式切換邏輯聯(lián)合起來，得到ACC控制算法如圖5.4所示，將ACC控制器封裝起來，與Carsim聯(lián)合得到如圖5.5所示的離線聯(lián)合仿真平臺。圖5.4ACC控制算法圖5.5聯(lián)合仿真平臺Carsim為仿真平臺提供了車輛模型，Simulink為仿真平臺提供了控制算法，Carsim的輸入即為Simulink的輸出，反之，Carism的輸出即為Simulink的輸入，定義Carsim的輸入輸出接口如表5.1所示。表5.1CARSIM輸入輸出定義Carsim輸入?yún)?shù)Carsim輸出參數(shù)制動壓力相對車間距左前輪轉(zhuǎn)矩相對速度右前輪轉(zhuǎn)矩本車速度左后輪轉(zhuǎn)矩本車加速度右后輪轉(zhuǎn)矩5.2仿真實驗與分析5.2.1定速巡航工況定速巡航工況為在雷達探測區(qū)域內(nèi)無目標(biāo)車輛，或者目標(biāo)車輛的車速高于駕駛員設(shè)定車速時，測試車輛是否能夠準(zhǔn)確跟蹤車速。此工況目標(biāo)簡單且單一，故以傳統(tǒng)的PID控制代替MPC進行控制。系統(tǒng)通過對實際車速與目標(biāo)車速的誤差進行反饋控制，從而使輸出達到穩(wěn)定期望值即可。在此工況下，將本車的巡航速度設(shè)置為50km/h，本車初始速度為30km/h，仿真結(jié)果如圖5.6所示。由仿真結(jié)果可知，在仿真過程開始時，被控車輛設(shè)定初始速度低于定速巡航車速，控制系統(tǒng)快速響應(yīng)，對車輛進行加速控制，并在t=2.7s左右完成速度跟蹤控制。隨著車輛達到目標(biāo)車速，加速度也隨之迅速下降，并在這之后，車速始終保持在50km/h左右勻速行駛。由此可知，在定速巡航的簡單工況下，因目標(biāo)簡單且單一，用PID控制替代MPC進行策略設(shè)計，控制策略也可有效的跟蹤駕駛員設(shè)定巡航車速，且能夠在達到巡航車速之后穩(wěn)定保持以該車速行駛，達到設(shè)計要求。5.2.2前車先加速再勻速工況在跟車巡航過程中，當(dāng)本車與前車間距較大，前車加速行駛，主車為了在保證安全距離的前提下跟上前車，需要加速行駛，此工況下，本車初始車速為20km/h，初始車間距為30m，通過聯(lián)合仿真得到如圖5.7所示。由仿真結(jié)果可知，剛開始時本車與前車的車間距相差為30m，因為本文中的期望安全車距采用固定時距安全車距，期望安全車距較小，本車的車速低于前車車速，控制系統(tǒng)對本車進行加速控制，進行加速。在10s左右時，本車的距離已經(jīng)基本跟上期望安全車距，此時，本車車速基本與前車車速一致，實際加速度基本與期望加速度一致，由于電機的響應(yīng)較快，剛開始時出現(xiàn)了較為短暫的加速度振蕩，后續(xù)并未出現(xiàn)急加速急減速情況，符合經(jīng)濟性和舒適性的要求。5.2.3走-停工況在城市道路行駛過程中，由于紅綠燈設(shè)置的比較多，因此前車經(jīng)常出現(xiàn)減速至停車再起步這種情況，本小節(jié)通過在Carsim中設(shè)置前方車輛的速度變化來驗證本車控制系統(tǒng)響應(yīng)效果。在走-停工況下，本車的初始車速為20km/h，初始車間距為30m。前方車輛從30km/h開始減速，t=10s時減速至0即停車，又在15s時啟動，加速到30km/h，在t=30s開始減速，在t=35s時勻速行駛5s，而后開始減速停車，在t=45s時，前車停下，5s后，前車啟動行駛至30km/h。仿真結(jié)果如圖5.8所示。a）速度b）加速度c）車間距圖5.8走-停工況由仿真結(jié)果可知，在Carsim中設(shè)置的前車車速變化很好的模擬了城市行車中的走-停工況，本車在開始時車間距與前車相差較多，通過加速度與時間的變化圖可知，本車開始加速，實際間距與期望安全車距相對差越來越小，即本車已經(jīng)跟上前車，本車速度曲線在t=4s后基本與前車速度曲線一致，實際加速度與去期望加速度變化曲線基本相同，并且在跟車過程中，實際加速度并未出現(xiàn)較大的波動，在保證安全性即保證跟車距離的前提下，同時保證了車輛的經(jīng)濟性與舒適性。5.2.4前車頻繁變速工況在跟車過程中，經(jīng)常會遭遇跟車途中前車速度頻繁變動的情況。在此種情況下也極易出現(xiàn)控制效果不穩(wěn)定的情況。將前方目標(biāo)車輛初始速度設(shè)置為50km/h、本車初始車速設(shè)置60km/h的工況進行仿真分析，并假設(shè)該工況下初始車距是30m，目標(biāo)車輛的速度一直在變化，仿真時間為60s，仿真結(jié)果如圖5.9所示。a）速度b）加速度c）車間距圖5.9前車頻繁變速工況由仿真結(jié)果可知，剛開始時，本車與前車的車速差為10km/h，此時實際安全車距基本與期望安全車距相同，當(dāng)目標(biāo)車速開始變化時，被控車輛能夠及時進行響應(yīng)，不斷跟蹤目標(biāo)，速度走向與前車基本一致。被控車輛的加速過程較平穩(wěn)，加速曲線較平滑，這可提升駕乘人員的舒適性以及提高車輛的經(jīng)濟性。且本車實際車距與期望安全車距基本重合，這在實際駕駛過程中可有效減少追尾、加塞等情況發(fā)生。這表明控制策在保證跟車間距即安全性，和車速精準(zhǔn)跟蹤的基礎(chǔ)上兼顧駕乘人員的舒適性，具有良好的控制效果，滿足相關(guān)設(shè)計要求。5.3本章小結(jié)本章將前幾章的控制算法聯(lián)合起來，搭建Carsim與Simulink的聯(lián)合仿真平臺，分別測試了定速巡航工況、前車先加速再勻速、走-停工況以及前車頻繁變速工況，對得到的仿真結(jié)果進行了分析，證明了本文設(shè)計的控制算法的有效性。6總結(jié)與展望6.1本文研究總結(jié)ACC系統(tǒng)現(xiàn)在已經(jīng)在乘用車中較為普遍，在每個高校的學(xué)術(shù)研究中也日益上升。本文在探討傳統(tǒng)的ACC系統(tǒng)擁有的定速巡航模式和跟車模式這兩個功能的基礎(chǔ)上，結(jié)合相關(guān)參考文獻，分別設(shè)計了基于PID的巡航模式控制策略和基于MPC的跟車模式控制策略，驗證其最重要的安全性和跟車性、考慮車輛能量消耗的經(jīng)濟性以及考慮駕駛員感受的舒適性這些性能指標(biāo)的可行性。本文的主要研究內(nèi)容有：（1）選擇輪轂電機驅(qū)動的電動車作為ACC系統(tǒng)研究車輛，根據(jù)輪轂電機驅(qū)動的電動車的特點設(shè)計ACC系統(tǒng)的總體框架，根據(jù)車間距將車輛劃分為巡航模式和跟車模式，跟車模式下同樣根據(jù)車間距劃分為三種模式。將控制器分為上下層控制器，上層控制器即決策層，根據(jù)本車與前車的關(guān)系決策出期望加速度，下層控制器即執(zhí)行層，根據(jù)上層控制器的期望加速度轉(zhuǎn)化為可以控制車輛的驅(qū)動力矩和壓力。（2）選擇了固定時距安全車距，設(shè)計了基于PID的巡航模式控制策略以及基于MPC的多目標(biāo)優(yōu)化跟車控制策略，將最重要的安全性和跟車性、考慮車輛能量消耗的經(jīng)濟性以及考慮駕駛員感受的舒適性這些性能指標(biāo)融合構(gòu)建目標(biāo)函數(shù)及相關(guān)約束，利用Similink搭建了上層控制器。（3）下層控制器是車輛的執(zhí)行層，根據(jù)汽車的行駛方程式構(gòu)建逆縱向動力學(xué)模型，分別推導(dǎo)得到期望制動壓力和期望電機轉(zhuǎn)矩的數(shù)學(xué)模型，將加速度信號落實到車輛上，同時根據(jù)輪轂電機的簡化模型得到輪轂電機的控制模型，（4）將所有控制算法搭建好之后封裝起來成為一個控制模型，基于Carsim軟件和Simulink軟件建立離線聯(lián)合仿真平臺，對仿真測試中需要的參數(shù)進行設(shè)置，因為Carsim中沒有電動車模型，所以需要對Carsim中的車輛動力傳動模型去掉，選擇外置動力，鏈接Simulink中已經(jīng)搭建好的輪轂電機模型，通過修改前車車速和安全車距來改變測試工況。在Carsim和Simulink離線聯(lián)合仿真平臺下，分別對四種工況進行仿真測試，可以得到本文提出的ACC控制策略效果良好，能達到預(yù)期要求。綜上所述，本文分別設(shè)計了基于MPC的跟車巡航模式和基于PID的定速巡航模式，并且為二者之間設(shè)置了基于車間距的切換策略，在不同工況下進行了驗證了該策略的有效性。6.2工作展望本文的ACC控制策略是基于輪轂電機驅(qū)動的電動汽車展開的，由于本人水平有限以及時間精力有限，仍然存在許多地方為考慮周全，所以做出如下幾點展望：（1）在搭建電動機模型時，電動機的模型是基于推導(dǎo)得到的傳遞函數(shù)搭建的，會與實際輪轂的電機存在一定的偏差，因此需要做充足的實驗得到詳實的輪轂電機實驗，得到有效的輪轂電機外特性曲線圖。（2）本文在搭建ACC控制模型時只考慮了縱向控制，并未考慮