MPC框架下的车辆自适应巡航控制优化切换算法

本文主要探讨了2012年发表在《控制理论与应用》杂志上的论文，标题为"车辆自适应巡航控制系统中的最优油门和刹车切换设计"。该研究针对车辆自适应巡航控制系统（Adaptive Cruise Control, ACC）中的关键性能——油门和刹车的切换策略，着重于提升驾驶舒适性、降低燃油消耗以及延长车辆机械部件的使用寿命。 作者Lihua LUO、Ping LI和Hui WANG来自上海海事大学交通通信学院和浙江大学工业控制技术国家重点实验室，他们将模型预测控制（Model Predictive Control, MPC）框架应用于ACC的设计中。传统的ACC系统往往依赖于精确的油门和刹车控制，然而，通过引入二进制变量，论文提出了一个创新的方法，将油门和刹车动态集成到单一的控制器模型中。这样做的目的是为了实现更高效和优化的控制策略，即在满足安全的车距保持的同时，寻求油门和刹车之间的最佳切换。 设计的ACC算法不仅关注车辆的稳定跟随，还通过非线性混合整数二次规划（Nonlinear Mixed Integer Quadratic Programming, NMIP），利用嵌套双层方法来解决这个问题。这种方法旨在最小化可能的冲击、节省能源并减少对车辆机械部件的磨损，从而提高整体驾驶体验和系统的经济性。 通过这种方法，研究人员能够实时地根据道路条件、车辆状态和驾驶员需求，动态调整油门和刹车的使用，使得ACC系统更加智能化和节能。这种优化的切换策略对于现代汽车工业来说具有重要的实际应用价值，有助于推动智能交通系统的发展，并对未来的车辆自动化技术有着深远的影响。