论文部分内容阅读
随着我国经济持续高速发展,机动车保有量继续保持快速增长态势。不断增加的汽车保有量给我国城市带来了严重的交通拥堵、交通事故和环境污染等社会问题。为了解决上述社会问题,智能交通系统(Intelligent Transportation System,ITS)应运而生。作为ITS重要组成部分的智能网联汽车能够通过先进车载传感器和V2X(Vehicle To Everyting)通信技术实现协同控制,可以有效地缓解交通拥堵和环境污染,减少交通事故。基于V2X通信的车辆协同控制是目前研究的热点,它包括车辆协同编队控制和车辆协同优化控制。车辆协同优化控制研究处于初始阶段,存在一些不足之处。由于车辆协同优化控制在解决上述社会问题的重要作用,本文以车辆协同优化控制为研究重点,为弥补协同优化控制的不足,围绕着如何协调实现智能车队的车辆安全性、乘客舒适性和能源经济性等多个车队控制目标开展深入研究,具体研究内容和创新点包括以下几个方面:1)针对行驶在平坦道路上的智能车队,提出了可实现多个车队控制目标的车辆协同切换控制策略。车辆协同切换控制策略包括一个多目标的车辆协同优化控制器和一个安全控制器。多目标的车辆协同优化控制器是建立在分布式模型预测控制的框架下,以实现车辆安全性、乘客舒适性、编队控制和燃油经济性为控制目标;安全控制器是基于安全不变集设计的,当初始状态不合理或者较大扰动危害车辆安全时,安全控制器可以作为紧急制动器,以确保车辆安全这个首要车队控制目标。2)针对行驶在坡度不断变化的道路上的智能车队,提出了最大燃油效率的车辆协同优化控制策略。在该车辆协同优化控制策略中,考虑了车辆离散的齿轮比和与车辆间距相关的空气阻力,提出了刻画发动机驱动模式、制动模式和空闲模式的发动机燃油消耗模型,采用0-1整型线性规划算法对构建的最大燃油效率的车辆协同优化问题进行求解。3)针对行驶在坡度不断变化的道路上的智能车队,提出了鲁棒的车辆协同优化控制策略。在该车辆协同优化控制策略中,考虑了被建模为高阶非线性动力学模型和具有前车跟随类型拓扑的智能车队,提出了带阻函数的概念,并将其应用到控制策略中以增强控制的鲁棒性。此外,为了快速求解所构建的鲁棒的车辆协同优化问题,在通过离线计算得到最小燃油消耗表及其相应的最优齿轮比表后,给出了具有多个动态种群的粒子群优化算法。4)针对行驶在坡度不断变化的高速道路上的智能车队,提出了多目标的高速车辆协同优化控制策略。在该高速车辆协同优化控制策略中,考虑了连续齿轮比、与齿轮比相关的转动惯量系数、与车辆间距相关的气动阻力和模型约束,为了快速求解所构建的多目标的高速车辆协同优化问题,提出了改进的多个动态种群的粒子群优化算法。5)针对行驶在坡度不断变化的道路上的智能电动车队,提出了多目标优化的电动车辆协同能源管理策略。在协同能源管理策略中,构建了旨在获得最优功率需求预测序列的上层功率需求预测优化问题和旨在获得最优功率分配的下层HESS(Hybrid Energy Storage System)功率分配优化问题。此外,为了求解所构建的优化问题,提出了可用于上、下层优化问题的改进的粒子群优化算法。