论文部分内容阅读
随着车联网产业的兴起,全球各国对智能网联汽车的关注度大大提高,目前国内外相关学者已对CACC控制策略开展了大量研究工作,但大多仅限于CACC单方面控制性能的研究,且鲜有文献针对混合行驶工况设计有效的CACC融合控制策略,在工况切换时无法保证CACC控制性能曲线的平滑性,对控制稳定性、安全性及舒适性的综合考虑有很大欠缺。针对此问题,本文从控制方法、控制策略设计及融合控制策略及仿真实验几方面进行研究。为达到兼顾CACC控制整体性能的目的,围绕稳定行驶工况和危险行驶工况下CACC控制策略,并将其融合为全工况CACC控制策略,开展了系统、具体的理论建模和仿真实验。稳定行驶工况下创新性改进基于DDPG算法控制器的车辆纵向加速度和间距误差控制策略,危险行驶工况下创新性提出基于网络化拉格朗日系统的车辆加速度和间距误差以及风险时间控制策略,基于支持向量机融合以上控制策略。自主搭建了基于驾驶模拟器的Prescan仿真平台,对所提出控制策略进行验证。论文内容安排如下:(1)针对稳定行驶工况,在深度确定性策略梯度算法(Depth Determination Policy Gradient algorithm,DDPG)基础上加入优先价值经验池(Priority Value Experience Pool,PVEP)、撒普列经验池(Sapley Experience Pool,SEP)以及控制策略精确评价模块,创新设计基于双经验池和优化评价的深度确定性策略梯度算法(Double Experience Pools and Optimization Evaluation Deep Deterministic Policy Gradient,DOE-DDPG)的CACC分层式控制器。由其顶层实现CACC对车辆速度和加速度的控制,直接决定系统整体性能;底层控制结果生成相应节气门/踏板开度控制车辆。实验结果表明:相比于DDPG,设计的DOE-DDPG控制策略使得平均加速度误差降低0.12m/s~2,平均间距误差降低0.13m/s~2,实际加速度维持在0.35m/s~2以下。(2)针对危险行驶工况,建立基于网络化拉格朗日系统的CACC动力学模型,创新设计分布式有限时间控制器及加速度和安全间距控制策略,实现跟随车辆的加速度误差和间距误差收敛至领航车辆的状态,达到CACC协调控制一致性。实验结果表明:相比于SMPC,设计的分布式有限时间控制策略使得平均加速度误差降低0.11m/s~2,平均间距误差降低0.12m/s~2,实际加速度维持在1.1m/s~2以下。(3)针对混合行驶工况,创新性设计CACC融合控制策略框架,根据前车状态信息输入,基于多目标决策算法的目标参数重要性权重确定主导影响参数,判定当前行驶工况,并基于支持向量机控制策略匹配器为当前工况匹配最优控制策略。当行驶工况发生变化时,控制策略匹配计算模型重新计算控制器优先级,实时输出当前工况最优控制策略。实验结果表明,相比于SMPC,CACC融合控制策略使得风险降低百分比最大可达24.87%,平均加速度误差降低0.2m/s~2,平均间距误差降低3.2m。综上,本文从“稳定/危险行驶-混合行驶”三种工况、两个层面突破和提升CACC控制综合性能。研究成果进一步丰富了智能车辆控制理论及方法。