CN109921924A - 一种智能汽车多层立体网联控制系统建模方法 - Google Patents

Abstract

本发明公开了一种智能汽车多层立体网联控制系统建模方法，首先用网络控制系统理论和信息物理融合系统理论对智能网联汽车中的智能车、车与路、车与车、车与网络的信息交互和网联控制系统进行分析，获取各个节点间信息交互数据，基于以上数据建立以智能车本身信息、车与路信息、车与车信息、车与网络信息为输入的多层立体网联控制系统模型，对该系统模型的耦合信息进行解耦，对相应的矩阵进行稀疏表达，得到解耦后的系统模型。通过本发明可以实现无人汽车的控制。

Description

一种智能汽车多层立体网联控制系统建模方法

技术领域

本发明属于智能汽车网联控制系统技术领域，更为具体地讲，涉及一种智能汽车多层立体网联控制系统建模方法。

背景技术

近年来，我国的智能汽车产业的发展越来越迅速，关键技术创新不断加快。特别是物联网技术融入到了智能汽车的生产创造中，让智能汽车实现了万物互联，被称为智能网联汽车。智能网联汽车是一种信息量大、动态化、网络化、复杂的信息物理融合系统，而行驶中的智能网联汽车具有环境变化快、信息变化快、控制变化快等特点，建立其网联控制系统模型是基础。而目前尚无一种完善的建模方法进行网联控制系统建模。

发明内容

本发明的目的在于克服现有技术的不足，提供一种智能汽车多层立体网联控制系统建模方法，实现无人汽车的控制。

为实现上述发明目的，本发明智能汽车多层立体网联控制系统建模方法的具体步骤包括：

S1：用网络控制系统理论和信息物理融合系统理论对智能网联汽车中的智能车、车与路、车与车、车与网络的信息交互和网联控制系统进行分析，获取各个节点间信息交互数据；

S2：基于步骤S1得到的数据建立以智能车本身信息、车与路信息、车与车信息、车与网络信息为输入的多层立体网联控制系统模型，表达式如下：

其中，i表示智能汽车序号，i＝1,2,…,N，N表示智能汽车数量，k表示时刻，x_i(k+1)、x_i(k)分别表示第i辆智能汽车在时刻k+1和时刻k的状态信息，y_i(k)表示第i辆智能汽车在时刻k的控制量，α(k)表示时刻k时网络拓扑结构的切换值，u_i(k)表示第i辆智能汽车在时刻k的输入量；

A_i表示第i辆智能汽车的状态矩阵，其表达式如下：

其中，A_i,IC表示第i辆智能汽车的智能汽车状态矩阵，A_i,RC表示第i辆智能汽车的智能汽车人车-路状态矩阵，A_i,CC表示第i辆智能汽车的车-车状态矩阵A_i,NC表示第i辆智能汽车的车-网状态矩阵；

H_ij表示第i辆智能汽车和第j辆智能汽车之间的网联状态矩阵，其表达式如下：

其中，0为补零矩阵，H_ij,RC表示第i辆智能汽车和第j辆智能汽车之间的车-路网联矩阵，H_ij,CC表示第i辆智能汽车和第j辆智能汽车之间的车-车网联矩阵，H_ij,NC表示第i辆智能汽车和第j辆智能汽车之间的车-网网联矩阵；

B_i表示第i辆智能汽车的控制输入矩阵，其表达式如下：

其中，B_i,IC表示第i辆智能汽车的输入矩阵，B_i,RC表示第i辆智能汽车的车-路网联输入矩阵，B_i,CC表示第i辆智能汽车的车-车网联输入矩阵，B_i,NC表示第i辆智能汽车的车-网网联输入矩阵；

C_i表示第i辆智能汽车的输出矩阵；

S3：对步骤S102得到的多层立体网联控制系统模型的耦合信息进行解耦，对相应的矩阵进行稀疏表达，得到以下系统模型：

其中，A’_i表示稀疏后的第i辆智能汽车的状态矩阵，H’_ij表示稀疏后的第i辆智能汽车和第j辆智能汽车之间的网联状态矩阵，B’_i表示稀疏后的第i辆智能汽车的控制输入矩阵，C’_i表示稀疏后的第i辆智能汽车的输出矩阵。

本发明智能汽车多层立体网联控制系统建模方法，首先用网络控制系统理论和信息物理融合系统理论对智能网联汽车中的智能车、车与路、车与车、车与网络的信息交互和网联控制系统进行分析，获取各个节点间信息交互数据，基于以上数据建立以智能车本身信息、车与路信息、车与车信息、车与网络信息为输入的多层立体网联控制系统模型，对该系统模型的耦合信息进行解耦，对相应的矩阵进行稀疏表达，得到解耦后的系统模型。通过本发明可以实现无人汽车的控制。

附图说明

图1是本发明智能汽车多层立体网联控制系统建模方法的具体实施方式流程图；

图2是本发明中多层立体网联控制系统模型的示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明智能汽车多层立体网联控制系统建模方法的具体实施方式流程图。如图1所示，本发明智能汽车多层立体网联控制系统建模方法的具体步骤包括：

S101：获取节点间信息交互数据：

用网络控制系统理论和信息物理融合系统理论对智能网联汽车中的智能车、车与路、车与车、车与网络的信息交互和网联控制系统进行分析，获取各个节点间信息交互数据。这些信息交互数据主要用于在步骤S102进行具体建模时生成各种状态矩阵。

S102：建立多层立体网联控制系统模型：

接下来需要基于步骤S101得到的数据建立以智能车本身信息、车与路信息、车与车信息、车与网络信息为输入的多层立体网联控制系统模型。图2是本发明中多层立体网联控制系统模型的示意图。如图2所示，本发明所建立的多层立体网联控制系统模型包括网络系统、车-路系统、车-车系统和网络连接、通信通道、控制网络。最上层表示网络系统，中间层表示车-路系统，最下层表示车-车系统三个系统分别通过网络连接、通信通道和控制网络连接在一起，从而得到多层立体网联控制系统模型。该控制系统的输入具有多通道的特征，包括智能车本身信息、车与路、车与车、车与网络信息，这些信息替代了驾驶员的操作输入，实现无人机驾驶，但是控制输出和常规车是一样，如路径、速度、加速度、车距等安全行驶信息。

为了便于应用，本发明为多层立体网联控制系统构建了相应的数学模型，其表达式如下：

其中，i表示智能汽车序号，i＝1,2,…,N，N表示智能汽车数量，k表示时刻，x_i(k+1)、x_i(k)分别表示第i辆智能汽车在时刻k+1和时刻k的状态信息，y_i(k)表示第i辆智能汽车在时刻k的控制量，α(k)表示时刻k时网络拓扑结构的切换值，不同的拓扑结构有不同的切换值，随着时间与拓扑结构的变化而变化，u_i(k)表示第i辆智能汽车在时刻k的输入量；

A_i表示第i辆智能汽车的状态矩阵，其表达式如下：

其中，A_i,IC表示第i辆智能汽车的智能汽车状态矩阵，A_i,RC表示第i辆智能汽车的智能汽车人车-路状态矩阵，A_i,CC表示第i辆智能汽车的车-车状态矩阵A_i,NC表示第i辆智能汽车的车-网状态矩阵。

H_ij表示第i辆智能汽车和第j辆智能汽车之间的网联状态矩阵，其表达式如下：

其中，0为补零矩阵，H_ij,RC表示第i辆智能汽车和第j辆智能汽车之间的车-路网联矩阵，H_ij,CC表示第i辆智能汽车和第j辆智能汽车之间的车-车网联矩阵，H_ij,NC表示第i辆智能汽车和第j辆智能汽车之间的车-网网联矩阵。

B_i表示第i辆智能汽车的控制输入矩阵，其表达式如下：

其中，B_i,IC表示第i辆智能汽车的输入矩阵，B_i,RC表示第i辆智能汽车的车-路网联输入矩阵，B_i,CC表示第i辆智能汽车的车-车网联输入矩阵，B_i,NC表示第i辆智能汽车的车-网网联输入矩阵。

C_i表示第i辆智能汽车的输出矩阵。

S103：系统模型解耦：

对步骤S102得到的多层立体网联控制系统模型的耦合信息进行解耦，对相应的矩阵进行稀疏表达，得到以下系统模型：

其中，A’_i表示稀疏后的第i辆智能汽车的状态矩阵，H’_ij表示稀疏后的第i辆智能汽车和第j辆智能汽车之间的网联状态矩阵，B’_i表示稀疏后的第i辆智能汽车的控制输入矩阵，C’_i表示稀疏后的第i辆智能汽车的输出矩阵。

上式即为解耦后的系统模型。

下面对多层立体网联控制系统的系统模型进行稳定性分析，对于解耦后的系统模型，假设x_e＝0为其平衡态，则平衡态为渐近稳定的充要条件为：

对任意给定一个正定矩阵Q，都存在一个正定矩阵P为李亚普诺夫代数方程A^'TPA'-P＝-Q的解，上标T表示转置，正定函数V[x(k)]＝x^T(k)Px(k)即为系统的一个李亚普诺夫函数。

智能汽车的网联控制系统的可控性判断应用格拉姆矩阵判据进行判断，存在一个时刻t₁＞t₀＞0，使如下的格拉姆矩阵：

其中，t表示时间变量。

经证明W_c[t₀,t₁]为非奇异，则多层立体网联控制系统可控。

网联汽车系统的能观性判断同样应用格拉姆矩阵判据进行判断，存在一个有限时刻t₁＞t₀＞0，定义如下矩阵：

经证明W₀[t₀,t₁]为非奇异，则多层立体网联控制系统能观测。

根据以上分析可知，本发明所建立的智能汽车多层立体网联控制系统模型具有稳定性、可控性和可观性，能够满足实际需求。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种智能汽车多层立体网联控制系统建模方法，其特征在于，包括以下步骤：

S1：用网络控制系统理论和信息物理融合系统理论对智能网联汽车中的智能车、车与路、车与车、车与网络的信息交互和网联控制系统进行分析，获取各个节点间信息交互数据；

S2：基于步骤S1得到的数据建立以智能车本身信息、车与路信息、车与车信息、车与网络信息为输入的多层立体网联控制系统模型，表达式如下：

其中，i表示智能汽车序号，i＝1,2,…,N，N表示智能汽车数量，k表示时刻，x_i(k+1)、x_i(k)分别表示第i辆智能汽车在时刻k+1和时刻k的状态信息，y_i(k)表示第i辆智能汽车在时刻k的控制量，α(k)表示时刻k时网络拓扑结构的切换值，u_i(k)表示第i辆智能汽车在时刻k的输入量；

A_i表示第i辆智能汽车的状态矩阵，其表达式如下：

其中，A_i,IC表示第i辆智能汽车的智能汽车状态矩阵，A_i,RC表示第i辆智能汽车的智能汽车人车-路状态矩阵，A_i,CC表示第i辆智能汽车的车-车状态矩阵A_i,NC表示第i辆智能汽车的车-网状态矩阵；

H_ij表示第i辆智能汽车和第j辆智能汽车之间的网联状态矩阵，其表达式如下：

其中，0为补零矩阵，H_ij,RC表示第i辆智能汽车和第j辆智能汽车之间的车-路网联矩阵，H_ij,CC表示第i辆智能汽车和第j辆智能汽车之间的车-车网联矩阵，H_ij,NC表示第i辆智能汽车和第j辆智能汽车之间的车-网网联矩阵；

B_i表示第i辆智能汽车的控制输入矩阵，其表达式如下：

其中，B_i,IC表示第i辆智能汽车的输入矩阵，B_i,RC表示第i辆智能汽车的车-路网联输入矩阵，B_i,CC表示第i辆智能汽车的车-车网联输入矩阵，B_i,NC表示第i辆智能汽车的车-网网联输入矩阵；

C_i表示第i辆智能汽车的输出矩阵；

S3：对步骤S102得到的多层立体网联控制系统模型的耦合信息进行解耦，对相应的矩阵进行稀疏表达，得到以下系统模型：

其中，A′_i表示稀疏后的第i辆智能汽车的状态矩阵，H′_ij表示稀疏后的第i辆智能汽车和第j辆智能汽车之间的网联状态矩阵，B′_i表示稀疏后的第i辆智能汽车的控制输入矩阵，C′_i表示稀疏后的第i辆智能汽车的输出矩阵。