自适应巡航系统(Adaptive Cruise Control,ACC)是一种先进辅助驾驶系统,能够有效缓解驾驶员的驾驶疲劳感,在乘用车中得到广泛应用。传统ACC系统大多以跟驰性和安全性为控制目标,忽略了行驶过程中车辆的燃油经济性和乘坐舒适性,而现有的多目标纵向ACC系统并没有充分考虑行驶工况的差异性。为了提高ACC系统对不同行驶工况的适应能力,提出了一种适应多行驶工况的节能自适应巡航控制系统(Energy-saving Adaptive Cruise Control,EACC)。主要研究内容如下:首先,针对车辆纵向动力学的非线性特性,分别建立了驱动系统和制动系统逆模型,并基于阈值的切换策略制定了驱动/制动切换逻辑,并设计了前馈反馈控制器。仿真结果表明所设计的控制器可以较好地跟踪期望加速度,为之后控制策略的开发奠定了基础。其次,设计了用于行驶工况识别的BP神经网络(Back-Propagation Neural Network)。通过相关系数法筛选了一系列特征参数,确定了BP神经网络的输入参数为最大车速、停车时间、最大加速度、最小加速度、加速度方差和行驶距离,输出参数为行驶工况类型,并选择了合适的识别窗口长度和网络隐含层神经元个数。最后在Simulink中进行了行驶工况在线识别验证,仿真结果表明,所设计的行驶工况识别算法可以快速,准确地识别行驶工况类型,为之后适应行驶工况的自适应巡航控制算法设计提供了可行性。然后,搭建自适应巡航跟驰预测模型,在此基础上,针对城市、城郊和公路三种行驶工况,设计了对应的目标函数和约束条件,其中城市工况以加速度和控制量增量的加权作为目标函数,并以控制量、控制量增量、车间距和车速误差作为约束对象;城郊工况以经济性指标和跟驰性指标的加权作为目标函数,约束对象和城市工况一致;公路工况以车间距误差作为目标函数,约束对象为控制量增量、车间距和车速误差。针对城郊工况中经济性和跟驰性的冲突问题,采用多目标遗传算法确定二者权重系数。最后,搭建了Carsim/Simulink联合仿真平台。分别在城市、城郊和公路工况下进行了仿真。结果表明,在三种行驶工况下,适应多行驶工况的节能自适应巡航控制系统均保证了行车安全性。城市工况下,与传统ACC系统相比,使用EACC系统的车辆其加速度曲线更平滑,油耗更低;城郊工况下,与传统ACC系统相比,使用EACC系统的车辆的跟驰性和燃油经济性均有优势;公路工况下,使用EACC系统的车辆的跟驰性和经济性与传统ACC系统基本一致。通过上述分析可知:EACC系统可以根据行驶工况类型选择目标函数,实现在保证行车安全性的前提下,有针对性地提高燃油经济性。