基于模糊理论的汽车智能巡航控制策略与仿真＊

张进国 陈学文

（辽宁工业大学，锦州 121001）

基于模糊理论的汽车智能巡航控制策略与仿真＊

张进国 陈学文

（辽宁工业大学，锦州 121001）

基于模糊控制和模型匹配理论，应用分层式汽车智能巡航控制策略，实现节气门和制动踏板的协调控制。模糊上位控制器以实际距离与理想距离差和前方车辆与巡航车速度差作为输入，结合设计的模糊规则，获得巡航车期望加速度。考虑车辆系统干扰和响应延时性影响，构建了模型匹配下位控制器以确保巡航车期望加速度的实际输出。利用Simu⁃link对控制功能实施了仿真验证，结果表明，该控制策略可有效实现智能跟随和定速巡航功能，提高行驶安全性。

1 前言

汽车主动巡航控制（Adaptive Cruise Control，ACC）系统可在一定程度上提高汽车行驶的主动安全性，同时也可以减轻驾驶员的疲劳强度[1～2]。目前，ACC系统结构主要分为直接式和分层式两种。Kural和Li等人运用分层式控制结构，分别用实时优化方法和考虑最小跟踪误差的方法对车辆进行控制[3～4]；Moon和Yi等人对ACC系统的起停、巡航采用线性二次型（Linear Quadratic，LQ）最优控制方法建立上位控制器求得期望加速度，并且考虑了延时作用的影响，设计了基于前馈和PI反馈方法相结合的下位控制器[5]；美国加州大学伯克利分校的PATH项目中，采用滑模控制理论建立上位控制器，求得期望加速度，并将控制工况分为驱动控制与制动控制[6]。陈学文等采用直接式结构，运用模糊控制理论，以距离偏差和速度偏差作为输入量直接求得节气门开度和制动踏板行程，实现巡航车辆的控制[7～9]；侯德藻针对分层式控制中存在的严重非线性和不确定性，研究了H无穷大、滑模、自适应、LQ等多种控制策略在车辆控制工程中的应用，最终采用最优算法建立上位控制器，求得车辆的期望加速度[10]。综上所述，分层式结构由于结构鲜明，上、下层分工明确，是国内外学者研究的主要方向。而在分层式结构的基础上，如何设计合理的上、下位控制器是研究的重点。纵观国内外对分层式结构的研究，大多采用常规线性化方法建立分层控制器，而这无法满足汽车行驶过程中存在的非线性问题。针对上述问题，本文运用模糊控制理论和模型匹配法建立分层式控制器，并利用Simulink实现对各种工况的验证。

2 汽车智能巡航控制策略

图1所示为汽车智能巡航系统总体控制流程。根据选定的控制模式，实时计算距离与速度偏差，将该偏差量输入到模糊上位控制器中得到期望加速度。由于系统中存在延时性和干扰性，为了使期望加速度快速准确地实现，建立下位控制器完成期望加速度的匹配。将处理后的期望加速度输入到逆纵向动力学系统模型中，得到期望的节气门开度与制动踏板力。由于节气门和制动踏板存在延时性，通过建立的节气门执行器和制动踏板执行器，得到实际的节气门开度和制动踏板力，获得巡航车实际速度，从而实现上位控制器输入量的反馈。

图1 汽车智能巡航系统总体控制流程

3 汽车巡航系统动力学模型

本文建立的巡航系统动力学模型主要包括纵向动力学系统模型和逆纵向动力学系统模型两部分。

3.1 纵向动力学系统模型

本文建立的汽车巡航系统纵向动力学系统模型是基于早期的研究工作[7～9]，以搭载1.6 L排量发动机和带有液力变矩器的自动变速器的轿车作为研究对象，该模型主要包括发动机模型、传动系统模型（包括液力变矩器、自动变速器、驱动桥（主减速器和差速器））及制动系统模型等几部分。利用转矩与转速的关系连接各总成，得到的纵向动力学系统模型如图2所示。通过该模型能获得巡航车的实际车速，将其通过传感器输出，可实现巡航系统闭环反馈控制。

图2 车辆纵向动力学系统模型

3.2 逆纵向动力学系统模型

汽车逆纵向动力学系统模型[10]的作用是将上位控制器得到的期望加速度转换为期望的节气门开度或期望的制动踏板力，主要包括发动机力矩控制/制动力矩控制切换模型，逆发动机和逆制动器模型。

3.2.1 发动机力矩控制/制动力矩控制切换模型

车辆在行驶过程中车速的变化主要受到发动机和制动踏板的调控。图3为发动机力矩控制/制动器力矩控制切换逻辑曲线。

图3 发动机/制动器切换逻辑曲线

由图3可知，切换逻辑曲线将车辆在行驶过程中车速的调控分为发动机控制与制动器控制两个区域。图3中中间实线为不同车速下节气门开度和制动踏板力同时为零时，依靠倒挂、滚动阻力、空气阻力能够实现的最大减速度amax。当上位控制器求得的期望加速度大于最大减速度amax时，车辆通过发动机进行控制。当期望加速度小于最大减速度amax时，车辆通过制动器控制。为了在操作过程中提高车辆的平稳性，防止节气门和制动踏板的切换过于频繁，模块设置了缓冲区域Δh，当期望加速度在缓冲区域范围内时，车辆节气门开度和制动踏板力同时为零，车辆通过外界阻力进行减速。根据反复试验，在此取Δh=0.1 m/s2。

3.2.2 逆发动机模型

经过发动机/制动器控制的切换后，如切换为发动机力矩控制，需要根据期望加速度计算期望的节气门开度，中间需要计算期望发动机力矩并建立逆发动机模型。

实际加速度以acd表示，则车辆运动方程为：

式中，M为汽车的总质量；Fd为由于发动机的驱动作用产生的路面作用于车辆的驱动力；Fb为由于制动器的制动作用产生的路面作用于车辆的制动力；Ff(v)为滚动阻力、风阻及发动机倒拖阻力等其它各种阻力的总和。

不考虑轮胎及传动系的弹性变形，则驱动力可表示为：

式中，ηt为车辆传动系的动力传递系数；Me为发动机扭矩；τ为扭矩系数；wt为液力变矩器涡轮转速；wp为液力变矩器泵轮转速；Rg为变速器确定的传动比；io为主减速器传动比；v为车速；r为车轮滚动半径。

在车辆运行过程或车辆纵向动力学系统模型仿真过程中，kd是一个可实时观测的量。期望的发动机扭矩为：

由期望的发动机扭矩和发动机转速，利用逆发动机模型可以求得期望的节气门开度，逆发动机模型表示为：

通过发动机扭矩特性曲线可以得到逆发动机扭矩特性曲线，如图4所示。

图4 逆发动机扭矩特性

3.2.3 逆制动器模型

经过发动机力矩控制/制动力矩控制的切换后，如切换为制动力矩控制，需根据期望加速度计算期望的制动压力，中间需计算期望制动力并建立逆制动器模型。按照制动力和制动踏板力的关系式得到期望制动力计算及逆制动器模型：

式中，Pdes为期望制动踏板力；kb为制动压力比例系数。

4 分层式控制器设计

分层式控制器包括上位和下位控制器。上位控制器通过对传感器和雷达获得的偏差量信息进行计算处理得到期望加速度；下位控制器对系统中存在的干扰和误差进行处理，实现这一期望加速度。

4.1 模糊上位控制器设计

4.1.1 输入与输出变量模糊化

模糊上位控制器以实际距离与理想距离的差和前方车辆与巡航车辆的速度差作为输入量，根据专家经验设计相应的模糊控制规则，得到合理的期望加速度。

距离偏差与速度偏差两个输入变量以及输出变量期望加速度ades均选择5个模糊子集来描述，即负大（NL）、负中（NM）、零（ZE）、正中（PM）、正大（PL）。在控制器的设计中，综合智能跟随与定速巡航两种模式下的实际值的控制区间，将距离偏差的论域选取为-35～35 m，速度偏差的论域选取为-60～60 m/s。同时，为了确保巡航系统的控制精度，将距离与速度两者的偏差集中在变化范围的中间区域，期望加速度ades的论域，兼顾行驶安全性和舒适性的要求，选取为-10～10 m/s2。隶属度函数如图5所示。

图5 输入与输出变量隶属度函数

4.1.2 模糊控制规则

控制器中输入变量与输出变量之间的关系用模糊规则表示，如表1所示。

4.1.3 解模糊化

模糊控制器输出的是一个模糊子集，而被控对象只识别精确控制量，因此，要将模糊输出量转化为精确量。现有的解模糊化方法有最大值法、中心平均值法和重心法，由于重心法计算过程简便、快速，因此，本文采用重心法解模糊化[7,11]：

式中，μi为模糊规则库的输出值（即输出变量的模糊值）；μc(ui)为μi在模糊集合c的隶属度；n为模糊规则的个数。

4.2 模型匹配下位控制器设计

下位控制器的功能是控制车辆动力学系统，对系统中存在的干扰和误差进行处理，有利于车辆实现期望加速度。

下位控制器主要包括前馈补偿器，反馈补偿器和规范模型。结合文献[10]，采用模型匹配结构设计下位控制器，如图6所示。其中，ades为期望加速度，属于系统输入量；ar为以规范模型传递特性实现的期望加速度，称为参考加速度；e为控制误差量；acd为控制量，称为控制加速度；wd为外界干扰量；ẍ1为系统输入量，即自车实际加速度。

图6 模型匹配下位控制器结构

4.2.1 动力学模型传递函数

利用建立的动力学系统模型，采用不同频率的正弦信号作为系统输入，获得输入与输出信号的幅值和相位关系，如图7所示。根据上述关系进行系统辨识，得到动力学模型的近似传递函数：

图7 动力学系统频率响应

4.2.2 前馈补偿器模型

前馈补偿器的作用是使车辆的动力学系统能够准确、快速实现期望加速度，且实际加速度相对于期望加速度的误差保持在允许范围内。在设计前馈补偿器模型时，考虑系统响应规范性，建立一阶规范模型。前馈补偿器与动力学模型和规范模型满足：

式中，GM（s）=1/（s+1）为规范模型。

选用一阶规范模型可以有效地降低前馈补偿器的阶次。

4.2.3 反馈补偿器模型

在实际环境中，反馈控制系统中存在外部干扰和模型误差，会对系统的准确性和稳定性产生影响，因此，本文在确定下位反馈控制系统结构时，考虑了外界干扰和模型误差的影响，其结构如图8所示。其中，C为反馈补偿器；u为反馈补偿器的控制量；P为动力学模型的传递函数；Pr为实际动力学模型；Δm为模型误差。

图8 具有外界干扰和模型误差的下位反馈控制系统结构

本文建立反馈补偿器主要目的是消除模型误差和外部扰动对控制效果的影响，同时避免反馈控制量过大导致实际加速度ẍ1产生突变，在此结合H∞控制理论[10]，建立反馈补偿器传递函数避免上述情况发生：

将上述设计的规范模型、前馈补偿器及反馈补偿器代入图6所示的模型匹配下位控制系统，得到汽车巡航系统模型匹配下位控制器，如图9所示。

5 仿真工况及分析

采用某轿车1.6 L发动机（发动机扭矩、转速与节气门开度逆向关系见图4，正向关系详见文献[7]、文献[8]）与自动变速器实车数据（4个挡位的传动比分别为2.71、1.44、1、0.74）[7]，针对低速跟随复合工况、高低速混合跟随工况、定速巡航工况等典型工况验证控制策略的可行性与有效性。

a.低速复合跟随工况

图10为低速复合跟随工况的仿真结果。从图10可以看出，初始时刻巡航车速大于前方车速，同时实际距离略小于理想距离，通过模糊判断判定为危险状态，所以巡航车开始减速，直到巡航车速与前方车速相同，且实际距离始终保持与理想安全距离一致。随后，60～65 s期间的自动停车情况及80～85 s间的自动起步情况，巡航车均能够很好地随着前车的变化而实现主动跟随。从节气门开度和制动压力曲线可以看出，当巡航车做加、减速调整时，节气门及制动力曲线是交替变化的。停车时，节气门开度为0，而制动力保持，对于自动挡车而言，该控制过程是与实际情况相符合的。

b.低速定速巡航工况

巡航车辆初始速度为25 km/h，此时设定巡航车速为20 km/h，30 s后，巡航车速被设置为30 km/h，25 s后，重新设定为60 km/h。

低速定速巡航工况的仿真结果如图11所示。从图11可以看出，在起始时刻，因设定的车速低于巡航车速度，巡航车开始减速并经过短暂调整达到设定的巡航车速20 km/h。随后，在第25 s和第60 s时，分别设定车速为30 km/h和60 km/h，此时巡航车反复调整了节气门开度和制动力，车速达到设定值并保持稳定。仿真结果表明，该策略对于低速行车环境也能很好地实现定速巡航控制。

c.复杂跟随模式工况

巡航车辆刚开始速度为80 km/h，此时前方60 m处突然出现一速度为20 km/h的车辆。50 s后前方车辆加速至40 km/h，再经两次加速后前方车辆速度达到120 km/h，随后前方车辆开始减速，经历了80 km/h、40 km/h乃至停车，停车约50 s后前方车辆重新开始起步并加速至20 km/h。该过程经历了起始时刻两车存在较大速度差、前方车辆从低速到高速加减速调整及停车后重新起步等复合变化工况。

图12为复杂工况跟随模式的仿真结果。从图中可以看出，初始时刻，巡航车速远大于前方车速，且实际距离小于理想距离。巡航车辆处于危险状态，因此制动踏板力迅速增大，巡航车实现快速减速，脱离危险状态。此后15 s内节气门和踏板进行切换，直至实现偏差量为零。在随后的前车做加、减速调整乃至停车后重新起步等情形，巡航车在确保理论安全距离的前提下，逐步调整节气门及制动力使自车车速跟随前车速度变化。值得一提的是，在减速停车时，两车实际安全停车间隔为2 m，这与理论安全距离的设定值是吻合的。仿真结果表明，该策略对于高低速变化的行车环境及自动停车与起步等复杂工况能很好地实现跟随调整。

6 结束语

本文应用分层式汽车智能巡航控制策略，结合发动机力矩控制与制动力矩控制切换逻辑，实现节气门和制动踏板的协调控制。采用模糊控制理论和模型匹配法，设计了模糊上位控制器与模型匹配下位控制器，获得巡航车期望加速度并确保了该值的实际输出。

利用MATLAB/Simulink，针对定速巡航、低速跟随复合工况、高低速混合跟随等典型工况，实现控制策略的仿真验证。结果表明：提出的巡航控制策略可以有效地实现巡航车对前方车辆的跟随控制并实时保持安全车距，同时具备自动起步与停车及低速定速巡航等复合功能。

1 Lee M H,Park H G,Lee S H,et al.An Adaptive Cruise Control System for Autonomous Vehicles.International Journal of Precision Engineering and Manufacturing，2013，14（3）：373～380.

2 Shakouri P,Ordys A.Nonlinear model predictive control approach in design ofadaptive cruise controlwith automated switching to cruise control.Control Engineering Practice，2014，26（1）：160～177.

3 Kural E,Güvenç B A.Model Predictive Adaptive Cruise Control.IEEE International Conference on Systems Man and Cybernetics，Istanbul，2010.

4 Li S,Li K,Rajamani R,et al.Model Predictive Multi-Objective Vehicular Adaptive Cruise Control.IEEE Transactions on Control Systems Technology，2011，19（3）：556～566.

5 Moon S,Moon I,Yi K.Design,tunig and evaluation of a fullrange adaptive cruise controlsystem with collision avoidance.Control Engineering Practice，2009（17）：442～455.

6 Darbha B S,Rajagopal K R.Intelligent Cruise Control Systems and Traffic Flow Stability.Transportation Research Part C，2015，7（6）：329～352.

7 陈学文，祝东鑫，李萍，等.城市工况汽车智能巡航控制与仿真.制造业自动化，2014，36（3）：98～101.

8 Chen X W,Zhang J G,Liu Y J.Research on the Intelligent Control and Simulation of Automobile Cruise System based on Fuzzy System.Mathematical Problems in Engineering，2016（5）：1～12.

9 陈学文，刘伟川，祝东鑫.汽车巡航智能跟随控制与仿真.辽宁工程技术大学学报（自然科学版），2016（4）：417～421.

10 侯德藻.汽车纵向主动避撞的研究：[学位论文].北京：清华大学，2004.

11 Liu Y J,Tong S C.Adaptive fuzzy control for a class of unknown nonlinear dynamical systems.Fuzzy Sets and Systems，2015，263（C）：49～70.

（责任编辑 斛 畔）

修改稿收到日期为2017年7月6日。

Control Strategy and Simulation of Automobile Intelligent Cruise System Based on Fuzzy Theory

Zhang Jinguo,Chen Xuewen
（Liaoning University of Technology,Jinzhou 121001）

Based on the fuzzy control and model match theory,a hierarchical automobile intelligent cruise control strategy was applied in this paper,to realize coordinated control of throttle and brake pedal.The difference between actual distance and ideal distance of the upper fuzzy controller and the difference between the front vehicle speed and cruising vehicle speed were used as input,and combined with the fuzzy rule of design,the expected acceleration of the cruising vehicle was obtained.Considering the influence of vehicle system disturbance and time-delay,a lower model match controller was constructed to assure the actual output of expected acceleration of the cruising vehicle.The control function was verified using MATLAB/Simulink.The results show that the control strategy can effectively realize intelligent tracking and constant speed cruise function,and improve driving safety.

Intelligent cruise,Hierarchical control strategy,Fuzzy control,Model match,Simulation

智能巡航 分层控制策略 模糊控制 模型匹配 仿真

U491.6；U463.2 文献标识码：A 文章编号：1000-3703（2017）08-0026-06

辽宁省科技厅项目（201602368）。