基于自适应动态滑模控制的智能汽车纵向巡航控制

doi:10.19562/j.chinasae.qcgc.2022.01.002

摘要/Abstract

摘要：

为消除参数不确定性和外部干扰等因素对智能汽车纵向巡航控制的影响，提出一种基于自适应动态滑模的纵向巡航控制方法。建立以广义纵向力导数项为控制输入的车辆纵向动力学模型，基于反步法构建保证车速与纵向加速度同时收敛于期望值的新型滑模函数；在此基础上，设计了期望广义纵向力的动态滑模控制律，并利用RBF神经网络对控制律中的未知干扰量进行自适应补偿；设计执行器选择模块将期望广义纵向力转换为执行层期望控制输入；进行仿真对比与实车测试，结果表明，所提出的智能汽车纵向巡航控制方法能有效地消除参数不确定性和外部干扰的影响，改善了传统滑模控制的抖振现象，实现对期望巡航车速的稳定准确跟踪。

关键词: 巡航控制, 动态滑模控制, 自适应控制, 反步法, RBF神经网络

Abstract:

To eliminate the effects of parameter uncertainty and external disturbances on the longitudinal cruise control of intelligent vehicles， a longitudinal cruise control method based on adaptive dynamic sliding mode is proposed. The vehicle longitudinal dynamics model is established with the derivative term of generalized longitudinal force as control input， and a novel sliding mode function is constructed based on the backsteping method to ensure that the vehicle speed and longitudinal acceleration converge to the desired value at the same time. On this basis， the dynamic sliding mode control law of the desired generalized longitudinal force is designed and the unknown disturbances in the control law are compensated adaptively by using RBF neural network. The actuator selection module is designed to convert the desired generalized longitudinal force into the desired control input in actuator layer， with the comparative simulation and real vehicle test conducted. The results show that the longitudinal cruise control method proposed for intelligent vehicles can effectively eliminate the influences of parameter uncertainty and external disturbance， improve the chattering of traditional sliding mode control， and achieve the stable and accurate tracking of the desired cruise speed.

Key words: cruise control, dynamic sliding mode control, adaptive control, backstepping method, RBF neural network

赵健,杜金朋,朱冰,王志伟,陈志成,陶晓文. 基于自适应动态滑模控制的智能汽车纵向巡航控制[J]. 汽车工程, 2022, 44(1): 8-16.

Jian Zhao,Jinpeng Du,Bing Zhu,Zhiwei Wang,Zhicheng Chen,Xiaowen Tao. Longitudinal Cruise Control of Intelligent Vehicles Based on Adaptive Dynamic Sliding Mode Control[J]. Automotive Engineering, 2022, 44(1): 8-16.

图/表 6

图1

表1

仿真车辆参数"

参数	数值	参数	数值
$m / k g$	1 610	$k b f / (N · m ? M P a - 1)$	350
$C D$	0.3	$k b r / (N · m ? M P a - 1)$	250
$A / m 2$	2.8	$k f$	0.5
$ρ / (k g · m - 3)$	1.293	$i f 0$ 、 $i r 0$	4.4
$r w / m$	0.355

表1

表2

控制器参数"

参数	数值
$? 1$	10
$? 2$	20
$η$	$1 / m 1.82$
$h 1$	0.042
$h 2$	1

表2

图2

图3

图4

参考文献 19

1	PADEN B， ČÁP M， YONG S Z， et al. A survey of motion planning and control techniques for Self-Driving urban vehicles［J］. IEEE Transactions on Intelligent Vehicles， 2016， 1（1）： 33-55.
2	李克强，戴一凡，李升波，等. 智能网联汽车（ICV）技术的发展现状及趋势［J］. 汽车安全与节能学报，2017，8（1）：1-14.
	LI K， DAI Y， LI S， et al. State-of-the-art and technical trends of intelligent and connected vehicles［J］. Journal of Automotive Safety and Energy， 2017， 8（1）： 1-14.
3	陈龙，邹凯，蔡英凤，等. 基于NMPC的智能汽车纵横向综合轨迹跟踪控制［J］. 汽车工程， 2021， 43（2）： 153-161.
	CHEN L，ZOU K，CAI Y，et al. Longitudinal and lateral comprehensive trajectory tracking control of intelligent vehicles based on NMPC［J］. Automotive Engineering， 2021， 43（2）： 153-161.
4	ZHU M， CHEN H， XIONG G. A model predictive speed tracking control approach for autonomous ground vehicles［J］. Mechanical Systems & Signal Processing， 2017， 87： 138-152.
5	B B， AALST S V， LEHAEN K， et al. Observer-based controller with integral action for longitudinal vehicle speed control［C］. 2017 IEEE Intelligent Vehicles Symposium （IV）. IEEE， 2017.
6	KIM H， KIM D， SHU I， et al. Time-varying parameter adaptive vehicle speed control［J］. IEEE Transactions on Vehicular Technology， 2016， 65（2）： 581-588.
7	WANG J， XU X， LIU D， et al. Self-Learning cruise control using Kernel-Based least squares policy iteration［J］. IEEE Transactions on Control Systems Technology， 2014， 22（3）： 1078-1087.
8	SUN Z， ZHENG J， MAN Z，et al. Robust control of a vehicle steer-by-wire system using adaptive sliding mode［J］. IEEE Transactions on Industrial Electronics， 2016， 63（4）： 2251-2262.
9	GUO J， LUO Y， LI K. Adaptive neural-network sliding mode cascade architecture of longitudinal tracking control for unmanned vehicles［J］. Nonlinear Dynamics， 2017， 87（4）： 2497-2510.
10	陈刚，吴俊. 无人驾驶机器人车辆非线性模糊滑模车速控制［J］. 中国公路学报，2019，32（6）：114-123.
	CHEN G， WU J. Nonlinear fuzzy sliding mode speed control for unmanned driving robotic vehicle［J］. China Journal of Highway and Transport， 2019，32（6）： 114-123.
11	郭景华，李文昌，王靖瑶，等. 智能电动汽车自适应巡航与再生制动多目标协同控制［J］. 汽车工程， 2020， 42（12）： 1638-1646.
	GUO J， LI W， WANG J， et al. Multi-objective integrated adaptive cruise and regenerative braking control of intelligent electric vehicles［J］. Automotive Engineering， 2020， 42（12）： 1638-1646.
12	郭景华，李琳辉，胡平，等. 基于模糊逻辑的无人驾驶车纵向多滑模控制［J］. 中国公路学报，2013（1）：170-176.
	GUO J， LI L， HU P， et al. Longitudinal multiple sliding mode control of unmanned vehicle via fuzzy logic［J］. China Journal of High Way and Transport， 2013， 26（1）： 170-176.
13	NAGESH I， EDWARDS C. A multivariable super-twisting sliding mode approach［J］. Automatica， 2014， 50（3）： 984-988.
14	ZHANG L， DING H， SHI J， et al. An adaptive backstepping sliding mode controller to improve vehicle maneuverability and stability via torque vectoring control［J］. IEEE Transactions on Vehicular Technology， 2020， 69（3）： 2598-2612.
15	邓志辉. 基于电子机械助力制动的汽车纵向动力学控制［D］. 长春：吉林大学，2020.
	DENG Z. Vehicle longitudinal dynamical control base on Electro-Mechanical booster braking［D］. Changchun： Jilin University， 2020
16	JI X， HE X， LV C， et al. A vehicle stability control strategy with adaptive neural network sliding mode theory based on system uncertainty approximation［J］. Vehicle System Dynamics， 2018， 56（6）： 923-946.
17	张琳. 分布式驱动电动汽车状态估计与力矩矢量控制研究［D］. 长春：吉林大学， 2019.
	ZHANG L. Research on state estimation and torque vectoring control of distributed drive electric vehicles［D］. Changchun： Jilin University， 2019.
18	BAE H S， GERDES J C. Parameter estimation and command modification for longitudinal control of heavy vehicles［C］. Institute of Transportation Studies， Research Reports， Working Papers， Proceedings， 2003.
19	赵健，李至轩，朱冰，等. 基于交互多模型的车辆质量与道路坡度估计［J］.中国公路学报， 2019， 32（12）： 58-65.
	ZHAO J， LI Z， ZHU B， et al. Vehicle mass and road slope estimation based on interactive multi-model［J］. China Journal of High Way and Transport， 2019， 32（12）： 58-65.

[1]	梅润,褚端峰,高博麟,李克强,丛炜,陈超义. 基于云控系统的队列预测性巡航与换道决策[J]. 汽车工程, 2023, 45(8): 1299-1308.
[2]	张紫微,郑玲,李以农,乔旭强,郑浩,王戡. 考虑前车运动不确定性的多目标自适应巡航控制[J]. 汽车工程, 2023, 45(3): 361-371.
[3]	赵超,卜德旭,曹礼鹏,李克强,罗禹贡. 强降雨场景下自适应巡航控制系统的安全控制策略[J]. 汽车工程, 2022, 44(8): 1117-1125.
[4]	彭理群,王依婷,马育林,许述财. 面向混合自动驾驶车流的协同自适应巡航控制[J]. 汽车工程, 2022, 44(8): 1153-1161.
[5]	石琴,刘鑫,应贺烈,王铭伟,贺泽佳,贺林. 电液线控制动系统压力反步控制算法研究[J]. 汽车工程, 2022, 44(5): 747-755.
[6]	江浩斌,冯张棋,洪阳珂,韦奇志,皮健. 应用于车辆纵向控制的无模型自适应滑模预测控制方法[J]. 汽车工程, 2022, 44(3): 319-329.
[7]	施德华,容香伟,汪少华,张开美,陈龙,李春. 双离合器协同的功率分流式混合动力汽车动态协调优化控制研究[J]. 汽车工程, 2022, 44(12): 1877-1888.
[8]	蔡英凤,吕志军,孙晓强,王海,刘擎超,陈龙,袁朝春. 基于并线行为识别的自适应巡航控制方法[J]. 汽车工程, 2021, 43(7): 1077-1087.
[9]	刘永刚,张静晨,万有刚,孙冬野,秦大同. 基于数据驱动的双离合器自动变速器换挡过程自适应控制[J]. 汽车工程, 2021, 43(6): 891-898.
[10]	张瑞亮,陈准,刘森海,范政武. 基于低通滤波的大功率型氢燃料电池重型货车自适应能量管理策略[J]. 汽车工程, 2021, 43(11): 1693-1701.
[11]	石求军, 李静. 基于非线性扰动估计的客车防侧翻控制^*[J]. 汽车工程, 2020, 42(9): 1224-1231.
[12]	张涛, 邹渊, 张旭东, 王文伟. 网联车辆并线预测与巡航控制的研究^*[J]. 汽车工程, 2020, 42(2): 250-256.
[13]	王玉海, 李兴坤, 张鹏雷, 郑旭光. 基于ADAS地图的载货车预见巡航实时优化算法^*[J]. 汽车工程, 2020, 42(10): 1335-1339.
[14]	胡云, 江发潮, 陈锐, 罗禹贡. 分布式电动车辆驱动系统MFAC主动容错控制^*[J]. 汽车工程, 2019, 41(9): 983-989.
[15]	张涛, 邹渊, 张旭东, 刘献韬, 王文伟. 考虑并线的网联车辆巡航控制研究^*[J]. 汽车工程, 2019, 41(9): 1028-1035.