CN107544254A - 一种期望安全裕度跟驰模型的自适应动态滑模控制方法 - Google Patents
一种期望安全裕度跟驰模型的自适应动态滑模控制方法 Download PDFInfo
- Publication number
- CN107544254A CN107544254A CN201710946681.4A CN201710946681A CN107544254A CN 107544254 A CN107544254 A CN 107544254A CN 201710946681 A CN201710946681 A CN 201710946681A CN 107544254 A CN107544254 A CN 107544254A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- adaptive dynamic
- msup
- mfrac
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 32
- 210000001258 synovial membrane Anatomy 0.000 claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims description 19
- 238000011217 control strategy Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims 1
- 238000010835 comparative analysis Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 6
- 230000035484 reaction time Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种期望安全裕度跟驰模型的自适应动态滑模控制方法，用于解决车辆在跟驰过程中，当队列系统出现小扰动时，利用此控制方法可消散系统扰动，使得交通冲击波不再向后扩散，保持跟驰队列的稳定性。技术方案是在引入自适应动态滑膜控制方法后，对比原始DSM跟驰模型，验证所提出的自适应动态滑膜控制方法的有效性，为车辆的自适应巡航控制、自动驾驶等领域的稳定性控制提供技术支持。
Description
技术领域
本发明涉及的是一种用于车辆工程技术领域的方法，具体是针对车辆跟驰过程中，车辆队列稳定性的控制方法，具体来说，涉及一种期望安全裕度跟驰模型的自适应动态滑膜控制的方法，此方法可广泛应用于自适应巡航控制、自动驾驶等领域。
背景技术
随着我国交通运输业的快速发展，虽然为我国社会经济的做出了重要贡献，但同时也带来了许多问题，如交通拥堵、交通事故、环境污染等。而从环境保护和交通系统运行效率角度，保持交通畅通，缓解和抑制交通拥堵一直都是亟待解决的重大问题。
为了探索交通拥堵形成机理，国内外学者提出很多交通流模型。其中，交通流跟驰模型作为一类典型的微观交通流模型被广泛地应用于描述后车跟随前车的运动。由于车辆跟驰研究是以车辆队列中个体车辆的驾驶行为为主。通常，在单行道上队列行驶时，当一个驾驶员主观感觉自车与其前车的距离变大(或变小)时,将加速(或减速)。因此，传统的车辆跟驰理论认为：每个驾驶员以某种方式对来自于其前车的刺激进行反应，这种刺激往往被描述成车辆加速度的形式。目前，大多数学者认为后车加速度影响的刺激因素主要包括两车间的速度差、车头间距、前车速度和前车加速度等。
1958年，Chandler等人提出了线性跟车模型，用自车与前车在(t-τ)时刻的速度差来控制目标车辆在t时刻的加速度变化(τ是驾驶员的反应时间)。但是该模型由于过于简单无法描述实际的交通现象。1961年Gazis等人在此方法的基础上，进一步考虑了自车速度、自车与前车在(t-τ)时刻的车头间距，提出了非线性GHR(Gazis-Herman-Rothery)模型，该模型的参数能很容易地用速度-密度关系图来估计，也能较准确的描述实际的交通现象，但模型对两车的速度差有较高的敏感性。随后，针对驾驶行为特性不同考虑的缘由，各种GHR拓展模型被提出，并在各模型参数的标定和验证上做了大量工作。在1995年，Bando等人基于驾驶员期望维持一个最优速度在跟车过程中这一假设，提出了用t时刻车辆的实际车速与其优化速度之差来控制(t+τ)时刻的加速度变化，称之为OV模型(Optimal velocitymodel)。为了克服OV模型加速度过大和不切实际的减速度等缺陷，Helbing和Tilch提出了一种广义力模型(Generalized force model)，虽然该模型模拟的结果比OV模型结果更符合实测数据，但是仍然存在不切实际的加速度。于是2001年姜锐提出了一种全速度差控制(Full velocity difference model)模型，既保留了广义力模型的优点，又克服了不切实际的加减速度。随之智能交通的发展，智能驾驶员模型(Intelligent driver model)被提出，并广泛的应用于自适应巡航控制和智能交通系统中。经过对现有技术文献的检索发现，基于OV，FVD，GHR和IDM及其扩展模型被广泛的提出，来研究驾驶行为或者交通环境因素对交通流的稳定性的影响。虽然已有的大多数跟车模型能够有效的模拟实际场景下驾驶员的跟驰行为，但是车辆以某种方式跟随的原因可能尚不清楚。通常，在实际交通中，驾驶行为由驾驶员的主观风险感知决定的。因此，基于风险动态平衡理论，我们提出了一种期望安全裕度跟车模型(Desired safety margin model)，这个概念不仅能够通过加减速敏感系数、驾驶员的反应时间以及驾驶员期望的安全裕度上下限来模拟驾驶员的生理和心理特性，而且能够提供一种新的方式揭示跟车过程，并在2014年，我们将此DSM模型作为跟车策略应用于网联车的防追尾系统中。
虽然，我们将期望安全裕度跟车模型应用于网联车的防追尾系统中，但是对于模型的稳定性并没有给出一种控制方法，而现有技术并不能够获知如何对拥堵的交通进行缓解或抑制。因此，现有技术并未给出一种合理的控制方案能够对DSM模型中出现的交通堵塞进行缓解和抑制。
发明内容
针对以上技术的不足，本发明给出了一种自适应动态滑模控制方法。使其车辆在跟驰过程中，当车辆系统存在小扰动时，在我们设计的自适应动态滑膜控制方法下，能够有效的提高队列的稳定性与安全性。
本发明通过以下技术方案实现，具体步骤如下：
(1)交通情景设定，通过运动可控的引导车来设定需要模拟的交通情景。
(2)选取参数值，根据设定的交通情景选取参数的取值，包括车辆系统响应时间τ、车辆紧急制动反应时间τ1、车辆制动最大减速度d、滑膜控制器的可调增益参数k1、加速度敏感系数α和期望安全裕度SMD。
(3)获取所有车辆的初始状态。
(4)仿真模拟t＞0时车辆队列的运动状态，假设前导车按照预先指定的方案运动，而跟驰车队按照DSM跟驰模型运动，对比引入自适应动态滑膜控制策略的DSM跟驰模型，来考察所有t＞0时所有车辆的运动状态。
所述的一种期望安全裕度跟驰模型的自适应动态滑膜控制的方法，其运动方程：
其中，sn(t)＝xn-1(t)-xn(t)-l；h是指在期望速度与期望安全裕度下的车头时距，即当期望速度是20m/s2以及期望安全裕度SMD＝0.9时，h的取值为2s；sgn(·)是符号函数，自变量为正数时取1，0取0，负数取-1；un(t)是自适应动态滑膜控制项；滑膜控制器的可调增益参数k1＝10；车长l设为5m；加速度敏感系数α＝25m/s2；期望安全裕度SMD＝0.9；其他参数d＝7.5m/s2，τ1＝0.15s，τ＝0.4s，ρ＝0.1，γ＝10。
所有车辆的速度和位置按照如下规则进行更新，其计算公式为：
速度：vn(t)＝vn(t-Δt)+a(t-Δt)×Δt,n＝1,2,…N；
位置：
其中，Δt为加速度调节时间。
本发明中车辆跟驰运动加速度控制方法的运动方程加入了自适应动态滑膜控制项(即运动方程的第二项un(t))。与原DSM模型相比，我们提出的自适应动态滑模控制方法能有效地在控制队列系统在小扰动情况下能够使交通冲击波逐渐消失，不会使其向后传播而导致车辆“时走时停”等交通拥堵现象，使得车辆队列的更加稳定和安全。
附图说明
图1是本发明实施例中车辆队列跟驰运动示意图；
图2是本发明所提出的自适应动态滑模控制方法的DSM跟驰模型与原始DSM跟驰模型稳定性对比图：(a)速度的时空演化图(无控制方法)；(b)速度的时空演化图(自适应动态滑模控制方法)；
图3是本发明所提出的自适应动态滑模控制方法的DSM跟驰模型与原始DSM跟驰模型稳定性对比图：(a)所有车辆在t＝500s和t＝1000s时刻车头间距图(无控制方法)；(b)所有车辆在t＝500s和t＝1000s时刻车头间距图(自适应动态滑模控制方法)；
图4是第50辆车的磁滞回线对比图：(a)无控制方法；(b)自适应动态滑模控制方法。
具体实施方式
下面将结合附图及实施例对本发明做进一步的详细说明。
本发明是在头车存在小扰动的情况下，基于期望安全裕度跟驰模型，引入一种自适应动态滑模控制方法来稳定队列，具体步骤如下：
(1)基于DSM跟驰模型：
式中，α是驾驶员的反应敏感系数；vn(t)是车辆n在t时刻的速度；l为车辆的长度；xn(t)是车辆n在t时刻的位置；SMD是驾驶员的期望安全裕度；d是车辆最大制动加速度；an(t)是车辆n在t时刻的加速度；τ是车辆系统的响应时间。
(2)设计自适应动态滑模控制方法：
式中，sn(t)＝xn-1(t)-xn(t)-l是相邻两车之间的间隔；h是指在期望速度与期望安全裕度下的车头时距；sgn(·)是符号函数；un(t)是自适应动态滑膜控制项；滑膜控制器的可调增益参数k；以及正实数k1，γ和ρ。
(3)带有自适应动态滑模控制策略的DSM跟驰模型：
(4)根据DSM跟驰模型，得出模型线性稳定性条件，在(τ,α)的二维相平面上绘制出模型的稳定性区域和不稳定区域的分界线；其次，构造李雅普诺夫函数来证明所设计的自适应动态滑模控制方法的收敛性。
(5)设定的交通场景，有N＝50辆车以车头间距为L＝40m均匀的分布在同一车道上。设初始时刻头车出现了一个小的扰动，头车编号为1，其他车按行驶方向依次编号。
(6)车辆初始状态的速度和位置如下：
式中，是头车在时刻一个小的加速度扰动，设其服从5×10-2×U(-1,1)的均匀随机分布。
(7)带有自适应动态滑模控制策略的DSM跟驰模型参数取值：
车辆系统响应时间τ：0.4s；
车辆紧急制动反应时间τ1：0.15s；
车辆制动最大减速度d：7.5m/s2；
滑膜控制器的可调增益参数k：
加速度敏感系数α：25m/s2；
期望安全裕度SMD：0.9；
滑膜控制器的可调增益参数k1：10；
车辆长度l：5m；
其他常参量：ρ＝0.1；γ＝10。
图2是所有速度时空演化图。从图2(a)可以看出，在没有滑膜控制策略的情况下，所有车辆的速度变化很大；而2(b)显示当DSM模型引入自适应动态滑模控制策略时，所有车辆的速度几乎没有变化。
图3是所有车辆在t＝500s和t＝1000s时刻的车头间距对比图。从图3(a)可以看出，在没有滑膜控制策略的情况下，所有车辆的车头间距有较大的波动；而3(b)显示当DSM模型引入自适应动态滑模控制策略时，所有车辆的车头间距的波动微乎其微。
图4当DSM模型没有引入自适应动态滑模控制时，我们观察到第50辆车的磁滞回线呈现一个类似椭圆型的曲线(图4(a))，然而当DSM模型引入我们提出的自适应动态滑模控制时，从图4(b)可以发现，第50辆车的磁滞回线退化成一个点，说明了自适应动态滑模控制策略能够提高队列稳定性。
Claims (4)
1.一种考虑自适应动态滑模控制的期望安全裕度跟驰稳定性建模方法，其特征在于，包括：
建立DSM跟驰模型，其运动方程：
<mrow>
<msub>
<mi>a</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&alpha;</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>/</mo>
<mn>2</mn>
<mi>d</mi>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>l</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>/</mo>
<mn>2</mn>
<mi>d</mi>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>l</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>S</mi>
<mi>M</mi>
<mi>D</mi>
<mo>&rsqb;</mo>
</mrow>
其中，vn(t)是车辆n在t时刻的速度；α是加速度敏感系数；SMD是期望安全裕度；d是车辆最大制动加速度；τ是车辆系统的响应时间；τ1是车辆制动响应时间；xn-1(t)-xn(t)表示连续两辆车的车头间距；车长记为l。
通过线性稳定性分析方法得出DSM模型线性稳定性条件，在(τ,α)的二维相平面上绘制出DSM模型的稳定性区域；其次，通过李雅普诺夫函数设计一种自适应动态滑模控制模块。
2.根据权利要求1所述构造一种自适应动态滑模控制项，其特征在于，进一步包括：
根据建立的DSM跟驰模型，构造一种自适应动态滑模控制项：
<mrow>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>h</mi>
</mfrac>
<mo>{</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<msub>
<mi>hv</mi>
<mi>n</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>hk</mi>
<mn>1</mn>
</msub>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>h</mi>
<mn>2</mn>
</msup>
<mi>&alpha;</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>/</mo>
<mn>2</mn>
<mi>d</mi>
</mrow>
<mrow>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>/</mo>
<mn>2</mn>
<mi>d</mi>
</mrow>
<mrow>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>S</mi>
<mi>M</mi>
<mi>D</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>&rho;</mi>
<mi>&Theta;</mi>
<mo>+</mo>
<mi>&gamma;</mi>
<mi>sgn</mi>
<mo>(</mo>
<mi>&Theta;</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>}</mo>
</mrow>
其中，un(t)是自适应动态滑膜控制项；sn(t)＝xn-1(t)-xn(t)-l；h是指在期望速度与期望安全裕度下的车头时距；sgn(·)是符号函数，自变量为正数时取1，0取0，负数取-1；滑膜控制器的可调增益参数k1；其他控制模块参数有ρ，γ。
3.根据权利要求1所述将自适应动态滑模控制项引入期望安全裕度跟驰建模方法中，其特征在于，进一步包括：
根据建立的DSM跟驰模型以及自适应动态滑模控制项，形成新的跟驰模型：
<mrow>
<msub>
<mi>a</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&alpha;</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&xi;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>/</mo>
<mn>2</mn>
<mi>d</mi>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>l</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>/</mo>
<mn>2</mn>
<mi>d</mi>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>l</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>S</mi>
<mi>M</mi>
<mi>D</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
根据带有自适应动态滑膜控制策略的DSM跟驰模型，分析自适应动态滑模控制策略对队列稳定性的影响。
4.根据权利要求3所述考虑引入自适应动态滑膜控制的期望安全裕度跟驰建模方法，其特征在于，进一步包括：
根据建立的带有自适应动态滑膜控制策略的DSM跟驰模型，选取参数为：
N＝50辆车以车头间距为L＝40m均匀的分布在同一车道上，头车加速度初始扰动服从5×10-2×U(-1,1)的均匀随机分布，滑膜控制器的可调增益参数k1为10，与控制模块相关的其他常参量取值分别是ρ＝0.1，γ＝10。
验证在头车存在小扰动下，对比分析在有无自适应动态滑膜控制策略情况下所有车辆的车头间距、速度分布变化情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710946681.4A CN107544254B (zh) | 2017-10-12 | 2017-10-12 | 一种期望安全裕度跟驰模型的自适应动态滑模控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710946681.4A CN107544254B (zh) | 2017-10-12 | 2017-10-12 | 一种期望安全裕度跟驰模型的自适应动态滑模控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107544254A true CN107544254A (zh) | 2018-01-05 |
| CN107544254B CN107544254B (zh) | 2020-04-14 |
Family
ID=60967694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710946681.4A Expired - Fee Related CN107544254B (zh) | 2017-10-12 | 2017-10-12 | 一种期望安全裕度跟驰模型的自适应动态滑模控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107544254B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108845498A (zh) * | 2018-06-15 | 2018-11-20 | 吉林大学 | 一种考虑反应滞后时间的驾驶员跟驰模型 |
| CN109131349A (zh) * | 2018-08-02 | 2019-01-04 | 北京交通大学 | 一种用于抑制道路交通幽灵堵塞的方法 |
| CN110059095A (zh) * | 2019-03-12 | 2019-07-26 | 广州小马智行科技有限公司 | 一种数据更新方法及装置 |
| CN110750877A (zh) * | 2019-09-27 | 2020-02-04 | 西安理工大学 | 一种Apollo平台下的车辆跟驰行为预测方法 |
| CN113219962A (zh) * | 2021-02-26 | 2021-08-06 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 一种面向混行队列跟驰安全的控制方法、系统及存储介质 |
| CN113696892A (zh) * | 2021-08-13 | 2021-11-26 | 浙江零跑科技股份有限公司 | 一种车辆的自适应巡航滑模控制方法 |
| CN115081227A (zh) * | 2022-06-29 | 2022-09-20 | 西安理工大学 | 一种基于最优速度的车辆跟驰模型及其安全性分析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1008482A2 (en) * | 1998-12-07 | 2000-06-14 | Ford Global Technologies, Inc. | Adaptive cruise control system and methodology, including control of inter-vehicle spacing |
| CN105116725A (zh) * | 2015-07-17 | 2015-12-02 | 浙江工业大学 | 基于扩张状态观测器的伺服系统自适应滑模控制方法 |
| CN105182741A (zh) * | 2015-07-15 | 2015-12-23 | 北京理工大学 | 一种无超调的分数阶时变滑模控制方法 |
| CN105788238A (zh) * | 2016-01-07 | 2016-07-20 | 南京航空航天大学 | 基于量子门和自适应控制的类弹簧车辆跟驰模型建立方法 |
| CN106950823A (zh) * | 2016-01-07 | 2017-07-14 | 常州峰成科技有限公司 | 一种用于智能轮椅的神经网络pid滑模控制系统 |
-
2017
- 2017-10-12 CN CN201710946681.4A patent/CN107544254B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1008482A2 (en) * | 1998-12-07 | 2000-06-14 | Ford Global Technologies, Inc. | Adaptive cruise control system and methodology, including control of inter-vehicle spacing |
| CN105182741A (zh) * | 2015-07-15 | 2015-12-23 | 北京理工大学 | 一种无超调的分数阶时变滑模控制方法 |
| CN105116725A (zh) * | 2015-07-17 | 2015-12-02 | 浙江工业大学 | 基于扩张状态观测器的伺服系统自适应滑模控制方法 |
| CN105788238A (zh) * | 2016-01-07 | 2016-07-20 | 南京航空航天大学 | 基于量子门和自适应控制的类弹簧车辆跟驰模型建立方法 |
| CN106950823A (zh) * | 2016-01-07 | 2017-07-14 | 常州峰成科技有限公司 | 一种用于智能轮椅的神经网络pid滑模控制系统 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108845498A (zh) * | 2018-06-15 | 2018-11-20 | 吉林大学 | 一种考虑反应滞后时间的驾驶员跟驰模型 |
| CN108845498B (zh) * | 2018-06-15 | 2021-04-20 | 吉林大学 | 一种考虑反应滞后时间的驾驶员跟驰模型 |
| CN109131349A (zh) * | 2018-08-02 | 2019-01-04 | 北京交通大学 | 一种用于抑制道路交通幽灵堵塞的方法 |
| CN109131349B (zh) * | 2018-08-02 | 2021-02-09 | 北京交通大学 | 一种用于抑制道路交通幽灵堵塞的方法 |
| CN110059095B (zh) * | 2019-03-12 | 2021-06-25 | 北京小马慧行科技有限公司 | 一种数据更新方法及装置 |
| CN110059095A (zh) * | 2019-03-12 | 2019-07-26 | 广州小马智行科技有限公司 | 一种数据更新方法及装置 |
| CN110750877A (zh) * | 2019-09-27 | 2020-02-04 | 西安理工大学 | 一种Apollo平台下的车辆跟驰行为预测方法 |
| CN110750877B (zh) * | 2019-09-27 | 2024-05-03 | 西安理工大学 | 一种Apollo平台下的车辆跟驰行为预测方法 |
| CN113219962A (zh) * | 2021-02-26 | 2021-08-06 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 一种面向混行队列跟驰安全的控制方法、系统及存储介质 |
| CN113219962B (zh) * | 2021-02-26 | 2023-02-28 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 一种面向混行队列跟驰安全的控制方法、系统及存储介质 |
| CN113696892A (zh) * | 2021-08-13 | 2021-11-26 | 浙江零跑科技股份有限公司 | 一种车辆的自适应巡航滑模控制方法 |
| CN113696892B (zh) * | 2021-08-13 | 2023-01-31 | 浙江零跑科技股份有限公司 | 一种车辆的自适应巡航滑模控制方法 |
| CN115081227A (zh) * | 2022-06-29 | 2022-09-20 | 西安理工大学 | 一种基于最优速度的车辆跟驰模型及其安全性分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107544254B (zh) | 2020-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107544254A (zh) | 一种期望安全裕度跟驰模型的自适应动态滑模控制方法 | |
| Jin et al. | Connected cruise control among human-driven vehicles: Experiment-based parameter estimation and optimal control design | |
| Jin et al. | Optimal control of connected vehicle systems with communication delay and driver reaction time | |
| CN104809554B (zh) | 一种面向道路交通事故应急处置的决策支持系统及方法 | |
| CN108415245B (zh) | 一种异质车联网条件下自主车队运行的容错控制方法 | |
| CN107554524B (zh) | 一种基于主观危险感知的跟驰模型稳定性控制方法 | |
| CN106407563A (zh) | 一种基于驾驶类型和前车加速度信息的跟驰模型生成方法 | |
| Liao et al. | A car-following model accounting for the driving habits | |
| CN113066282B (zh) | 一种面向混行环境下车辆跟驰耦合关系建模方法及系统 | |
| CN108944943A (zh) | 一种基于风险动态平衡理论的弯道跟驰模型 | |
| CN105160870B (zh) | 双向自主车队控制方法 | |
| Lu et al. | An ecological adaptive cruise control for mixed traffic and its stabilization effect | |
| CN106338998A (zh) | 一种控制汽车以簇形式编队行驶的方法 | |
| Sun et al. | A car-following model considering the effect of electronic throttle opening angle over the curved road | |
| Ard et al. | Optimizing gap tracking subject to dynamic losses via connected and anticipative MPC in truck platooning | |
| Zhang et al. | A cruise control method for connected vehicle systems considering side vehicles merging behavior | |
| Davis | Dynamics of a long platoon of cooperative adaptive cruise control vehicles | |
| Xie et al. | Safe driving model based on V2V vehicle communication | |
| CN104851307B (zh) | 道路标志牌设置合理性确定方法、装置及系统 | |
| Xue et al. | A two-lane car-following model for connected vehicles under connected traffic environment | |
| Liu et al. | An improved car-following model from the perspective of driver’s forecast behavior | |
| Liang et al. | Shared steering control with predictive risk field enabled by digital twin | |
| Wang et al. | Development of BP neural network PID controller and its application on autonomous emergency braking system | |
| Chien et al. | Autonomous intelligent cruise control using both front and back information for tight vehicle following maneuvers | |
| Cao et al. | Merging trajectory generation for vehicle on a motor way using receding horizon control framework consideration of its applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200414 |