2026《关于自适应巡航控制系统研究的国内外文献综述》5400字.docxVIP

关于自适应巡航控制系统研究的国内外文献综述

1.1自适应巡航控制系统简介

ACC的系统组成见下图1.6。

图STYLEREF1\s1.SEQ图\*ARABIC\s16ACC系统组成

ACC由感知单元、决策单元和控制单元组成，感知单元包括雷达等传感器用于测量自车与前车相对距离、相对速度、自车速度和转角等信息；控制单元ECU进行决策和控制，选择行驶方式，并发出控制指令；执行单元用于实现车辆速度/加速度控制、起/停控制和报警等功能。

1.2毫米波雷达工作原理

毫米波雷达是ACC的重要传感器，雷达系统通过辐射电磁波和接收物体反射的电磁波来探测和定位目标，其工作过程主要如下：雷达天线通过特定波形的电磁波，在有效辐射范围内对目标进行捕获，目标电磁波向多个方向反射，并将一部分能量由雷达接收天线返回，并经过放大、信号处理等过程，计算出最终目标相对于雷达的位置、运动速度、方位等信息。

1.3毫米波雷达在ACC中的作用

毫米波雷达在ACC中起到的主要作用有运动状态测量、目标识别和目标跟踪。目标识别和跟踪是ACC的重要问题，前方目标的识别和跟踪效果依赖于传感器的采集到的信息以及对信息的利用和处理。

（1）运动状态测量

吉林大学的高振海REF_Re\r\h[8]等人考虑了地面车辆运动以地表平面上二维运动为主、机动性小、跟踪坐标系运动的特点，考虑到系统过程噪声及雷达等车载传感器观测噪声的统计特性难以事先确定的问题，建立了基于车载雷达运动坐标系的前方目标的运动状态模型和完整运动状态观测模型，采用自适应卡尔曼滤波算法实现了前方目标的侧纵向速度和侧纵向位置等运动状态的完备准确实时估计。

①前方目标的运动状态模型（前方目标在车载雷达运动坐标系中的运动方程）：

x

公式(STYLEREF1\s1SEQ公式\*ARABIC\s12)

式中，xobj_Rt、xobj_Rt和xobj_Rt分别为前方目标在车载雷达运动坐标系中的距离、速度和加速度。xt、xt和xt分别为前方目标在大地坐标系下的位置、速度和加速度。x0

②前方目标状态估计的状态模型和量测模型：

x

公式(STYLEREF1\s1SEQ公式\*ARABIC\s13)

Φ=1T

Φ为系统状态转移矩阵，G为系统噪声系数矩阵，T是采样时间间隔，状态向量x=x，x，x，

前方目标运动状态的观测方程：

z

公式(STYLEREF1\s1SEQ公式\*ARABIC\s14)

H

式中：zk为观测向量；vk为高斯白噪声序列，vt=v

③自适应卡尔曼滤波算法及其滤波方程：

图STYLEREF1\s1.SEQ图\*ARABIC\s17自适应卡尔曼滤波算法及其滤波方程

x(k)和y(k)为k时刻的状态向量和量测向量；A为系统状态转移矩阵；H为输出状态矩阵；K(k)为卡尔曼增益矩阵；P为预测协方差矩阵；q(k)、Q(k)分别为系统噪声的均值和自协方差矩阵；r(k)、R(k)分别为观测噪声的均值和自协方差矩阵。b为遗忘因子（0b1），采用遗忘因子可以限制滤波器的记忆长度，加大信息数据对估计的作用。

（2）目标识别

清华大学的刘志峰REF_Re\r\h[9]等人在分析测量环境的基础上,使用同车道最近目标的准则进行目标初选,使用Kalman滤波方法进行目标的有效性检验,并使用有效目标生命周期来进行目标决策。

图STYLEREF1\s1.SEQ图\*ARABIC\s18目标的有效性检验和决策流程图

试验证明:该方法能够适应多种典型工况,有效排除虚假目标、干扰目标及车辆颠簸和摆动的影响,能正确地挑选并稳定地跟踪有效目标,具有一定鲁棒性。

此外，针对弯道进/出情况，清华大学的DzhangREF_Re\r\h[10]提出了一种基于雷达的弧形道路目标车辆识别与跟踪的新算法，利用单摆线路面模型估计了前车与前车之间的相对横向距离，用t-检验算法对曲线上的主车道和相邻车道的前车进行了区分。吉林大学的JiangchaoShiREF_Re\r\h[11]提出了一种利用车辆轨迹半径识别前方目标车辆的方法，并通过仿真验证了曲线目标识别算法和切换逻辑的可行性。

（3）目标跟踪

吉林大学的ShipingSongREF_Re\r\h[12]提出了毫米波雷达对于目标车辆的跟踪算法框架。

图STYLEREF1\s1.SEQ图\*ARABIC\s19毫米波雷达目标跟踪算法框图

首先对雷达目标测量数据进行预