协同自适应巡航控制(CACC)系统中车辆纵向运动的上下位分层控制器结构，上位控制器采用状态空间模型预测控制算法，利用期望距离以及车辆与环境的实时信息决策出被控车辆运动的期望加速度。下位控制器根据期望加速度，求解发动机节气门开度或制动压力。车辆的执行器时延会对系统的稳定性产生很大的影响。根据动态矩阵控制算法对纯滞后对象的补偿作用，本文提出一种改进的模型预测控制算法，并与PID 控制算法（下位控制器）相结合形成自主车辆纵向运动的上下位分层控制器，以补偿车辆的执行器时延带来的影响。通过 SIMULINK/CARSIM 联合仿真平台对所设计的算法进行了仿真研究，仿真结果表明所设计算法减小了 CACC 系统车辆在跟随过程中的速度跟踪误差以及间距误差，提高了系统的稳定性法。
1.引言
为了解决因汽车保有量增加而带来的社会问题，大量的驾驶员辅助控制系统被深入研究并取得了一定的运用效果[1-2]。比如车道偏离预警系统(lanedeparture warningsystem，LDW)、车道保持辅助系统(land keeping assistance system，LKA)、行人检测和回避系统，交通路口避撞系统和停车辅助系统等。协同自适应巡航控制（CACC）系统以 ACC系统为基础，引入无线通信技术进行车间信息交互并将通信信息用于车辆控制，由此获得比 ACC 系统更好的控制效果，大大提高了自主驾驶的安全性与舒适性[3]。CACC研究主要涉及自适应巡航控制、车间通信技术及控制算法三方面。
2000年，Stankovi等设计了一种基于分布式的重叠控制算法，并对车队的稳定性条件进行相应的分析[4]。2008年，卡内基梅隆大学研究团队构建了油门和制动的非线性 PID控制策略，并设计了基于速度偏差的油门/制动的切换逻辑,进而应用于 Boss 智能车获得了 DARPA挑战赛的冠军[5]。2011年， 郭戈等人对协同驾驶系统进行了分层控制，使系统获得一个较优的控制性能[6]。2012 年，Iftekhar为车辆正常行驶、换道和刹车这三种不同的驾驶状态设定了逻辑切换条件，并设计了协同驾驶控制算法， 从而实现复杂城市道路环境中的协同驾驶[7]。2013年， 以减少燃油损耗为协同控制目标，Stanger重新构建了自主车辆的 MPC优化目标函数[8]。2015 年， Kim 在韩国首尔大学研究室建立了具有集总参数特征的车辆纵向线性模型，进而设计了一种参数时变自适应速度控制器并进行了仿真实验[9]。但是，上述文献忽略了 CACC 车辆执行器的时延，这会降低跟踪的平滑性，甚至使系统发散[10]。
本文首先建立了协同车辆系统的状态空间模型，针对执行器延时，对传统模型预测控制算法(MPC) 进行改进， 以此设计上位控制器。另将CARSIM 中的车辆作为复杂车辆模型以设计下位控制器，二者相结合形成上下位分层结构控制的CACC 系统，并于 CARSIM/SIMULINK 联合仿真平台上进行数值仿真实验。
2.CACC 系统建模
本文采用经典的上下位分层控制结构[11]，上位控制器通过期望距离以及车辆与环境的实时状态信息决策出控制车辆行为的期望加速度；下位控制器根据期望加速度，求解发动机节气门开度和制动压力。
2.1 自主车辆的运动学方程描述
自主车辆纵向运动过程由以下微分方程描述：
其中 s 为自主车辆相对于惯性参考点的纵向位置， v, a 分别为车辆的速度和加速度，η为发动机的控制输入。函数f 和 g 分别为：
