论文部分内容阅读
随着经济水平的提高,汽车成为人们重要的出行工具,随之而来的是交通事故的频发,针对这一问题,车辆辅助驾驶技术得到了快速发展,车辆辅助驾驶技术可以有效缓解驾驶疲劳,减少交通事故的发生。车辆跟随系统是智能辅助驾驶实际应用的一个重要产品,能够减轻驾驶员跟车过程中的驾驶疲劳,减少追尾等交通事故的发生,成为提升汽车智能化的关键技术之一。本文结合某工程研发项目,通过总结分析国内外车辆跟随系统研究现状,对路面附着等级估算和驾驶风格识别进行了相关研究,设计了基于模型预测控制的车辆跟随控制算法,主要研究内容包括以下几个方面:第一,对考虑道路坡度的路面附着等级识别算法进行了相关研究。基于车辆纵向动力学模型,采用带遗忘因子的递推最小二乘法,以车速、加速度和发动机扭矩为输入变量,构建了道路坡度估计算法模型;推导了车轮接地载荷和驱动轮纵向力计算公式,并基于递推最小二乘算法构建了利用附着系数估计算法模型;基于递推卡尔曼滤波算法,以驱动轮和从动转速差为参量构建了驱动轮滑转率估计算法模型;修订了滑转率-利用附着系数数学模型,并基于贝叶斯原理构建了路面附着系数在线估计算法模型;搭建了MATLAB/Simulink和CarSim联合仿真平台,对道路坡度估计算法和路面附着系数估计算法进行了仿真验证。第二,基于K-means聚类分析方法对驾驶风格识别算法进行了相关研究。搭建了实车数据采集系统,设计完成了在城市快速路交通环境下的驾驶员实车试验,获得了实车驾驶有效试验数据;明确了驾驶风格类型和识别周期长度,并根据车辆行驶过程中的动力学和运动学参数确定了驾驶风格识别指标;利用主成分分析法对原始指标进行降维处理,获得了主成分因子,并据此采用K-means算法进行聚类分析,构建了驾驶风格在线识别模型。第三,基于模型预测方法设计了多目标优化车辆跟随控制算法。利用实际跟车数据,设计了兼顾路面附着等级与驾驶风格的安全车距模型,并据此构建了车辆跟随控制系统运动学模型,确定了状态空间方程;根据所选取的安全性、跟随性和舒适性等设计指标确定了模型预测控制的约束条件;推导了模型预测控制的预测方程和性能指标函数等参数,将模型预测控制转化为线性规划问题,完成了基于模型预测控制的车辆跟随控制算法的设计。第四,进行了典型车辆跟随工况的仿真分析和道路坡度和和路面附着等级估计算法的实车试验验证研究。搭建了基于CarSim和MATLAB/Simulink联合仿真平台,对典型工况场景进行仿真分析;搭建了实车试验平台,对道路坡度估计算法和路面附着等级估计算法进行实车验证。仿真分析和实车试验结果验证了所设计算法的有效性和实用性。