CN110568762A - 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法 - Google Patents

Abstract

一种抗通信延迟的智能电动车编队自适应鲁棒控制方法，属于汽车智能安全与自动驾驶领域。通过无线通信系统和车载传感器采集车辆自身行驶状态信息和周围其他车辆的信息，采用反馈线性化技术，建立具有参数不确定性特征的智能电动车编队纵向控制模型，设计一种抵抗通信延迟的智能电动车编队自适应鲁棒H_∞控制方法。可有效克服智能电动车编队动力学系统的参数不确定性及外部无线通信延迟的影响，提高智能电动车编队控制系统的综合性能。

Description

一种抗通信延迟的智能电动车编队自适应鲁棒控制方法

技术领域

本发明属于汽车智能安全与自动驾驶领域，特别是涉及到一种抗通信延迟的智能电动车编队自适应鲁棒控制方法。

背景技术

日益增加的车辆需求给交通带来了沉重的负担，导致交通堵塞等问题。智能电动车队列行驶可以通过缩短车间距来提高道路利用率，增强车辆安全性和降低能源消耗。

智能电动车编队控制是根据队列中其他车辆行驶信息自动调整该车辆的纵向运动状态，最终达到一致的行驶速度和期望的纵向行驶状态。文献1(Jinghua Guo,YugongLuo,Keqiang Li.Integrated adaptive dynamic surface car-following control fornonholonomic autonomous electric vehicles[J],Science China TechnologySciences,2017,60(8):1221-1230；)提出了一种用于具有非完整特性的智能电动车编队跟随动态面控制方法。文献2(Yang Zheng,Shengbo Li,Keqiang Li.Platooning ofConnected Vehicles With Undirected Topologies:Robustness Analysis andDistributed H-infinity Controller Synthesis[J].IEEE Transactions onIntelligent Transportation Systems,2017:1-12.)提出了一种车辆编队的分布式鲁棒控制方法。

智能电动车编队行驶可以通过引入无线通信来提高跟随车辆的环境感知能力，从而提高交通效率，减少能源消耗。然而无线通信的引入会带来不可忽略的通信延迟等问题，这些因素会对编队控制的稳定性带来一定的影响。针对通信延迟对编队控制的影响问题，本发明提出了一种抵抗通信延迟的参数不确定性智能电动车队列自适应鲁棒H_∞控制方法，保证了队列中通信延迟下所有车辆保持期望的距离和速度，增强了通信延迟条件下车辆队列的稳定性。

发明内容

本发明的目的是针对现有技术中存在的上述技术难点问题，提供可有效克服智能电动车编队动力学系统的参数不确定性及外部无线通信延迟的影响，提高智能电动车编队控制系统的综合性能的一种抗通信延迟的智能电动车编队自适应鲁棒控制方法。

本发明包括以下步骤：

1)车辆队列由N+1辆车组成，编号为0,…,N，其中0号车为领航车辆，1,…,N号车为跟随车辆，通过车载传感器和V2V无线通信系统实时获取自车行驶运动状态信息及前车和领航车辆行驶运动状态信息；

2)基于步骤1)中通过车载传感器和V2V无线通信系统获取的信息，建立参数不确定性下的智能电动车编队纵向控制模型；

3)采用领航-前车跟随式拓扑结构描述智能电动车间的信息交互形式，建立智能电动车编队控制的目标函数；

4)设计抗通信延迟的智能电动车编队自适应鲁棒H_∞控制器，结合智能电动车编队纵向控制模型，得出队列中每个智能电动车的自适应鲁棒H_∞控制器增益；

5)将自适应鲁棒H_∞控制器代入反馈线性化动力学模型，得出实时车辆的车轮期望驱动力矩，实现智能电动车的编队控制。

在步骤1)中，所述实时获取自车行驶运动状态信息是通过车载传感器实时获取自车的行驶运动状态信息，包括自车与前车的距离信息、自车行驶速度信息、自车行驶加速度信息；

所述前车和领航车辆行驶运动状态信息的获取是通过V2V无线通信系统，所述前车和领航车辆行驶运动状态信息，包括前车与领航车辆的行驶速度信息、前车与领航车辆的行驶加速度信息。

在步骤2)中，所述建立参数不确定性下的智能电动车编队纵向控制模型的具体步骤可为：

(1)由牛顿第二定律推导出队列中单个车辆的非线性动力学模型，通过反馈线性化技术，求出队列中单个车辆的反馈线性化动力学模型；

(2)以车辆与前车的位置差、速度差和加速度差为状态向量，考虑系统的参数不确定项，建立单个车辆的纵向运动模型；

(3)综合智能电动车编队动力学模型和运动学模型，建立参数不确定性下的智能电动车编队纵向控制模型。

在步骤3)中，所述采用领航-前车跟随式拓扑结构描述智能电动车间的信息交互形式，建立智能电动车编队控制的目标函数的具体步骤可为：

(1)采用领航-前车跟随式拓扑结构表征车辆间的信息交互形式，确保队列中的每辆车可以获得自车、前车及领航车辆的行驶状态信息；

(2)以自车与前车的速度差，自车与前车的距离差为自变量，建立智能电动车编队控制的目标函数，使车辆编队保持恒定的期望队形。

在步骤4)中，所述设计抗通信延迟的智能电动车编队自适应鲁棒H_∞控制器，结合智能电动车编队纵向控制模型，得出队列中每个智能电动车的自适应鲁棒H_∞控制器增益的具体方法可为：

(1)设计用于实现抗通信延迟和参数不确定性的智能电动车编队行驶的自适应鲁棒H_∞控制器；

(2)将所设计的自适应鲁棒H_∞控制器代入智能电动车编队模型，建立包含通信延迟和参数不确定性的智能电动车编队控制闭环系统状态方程；

(3)构造Lyapunov函数，求解闭环系统在Lyapunov意义下渐进稳定的稳定性条件；

(4)采用线性矩阵不等式技术，设计在通信延迟条件下自适应鲁棒H_∞控制器存在可行解所需满足的线性矩阵不等式条件，利用该不等式的解，求得队列中每个智能电动车的自适应鲁棒H_∞控制器增益。

本发明通过无线通信系统和车载传感器采集车辆自身行驶状态信息和周围其他车辆的信息，采用反馈线性化技术，建立具有参数不确定性特征的智能电动车编队纵向控制模型，设计一种抵抗通信延迟的智能电动车编队自适应鲁棒H_∞控制方法。本发明可有效克服智能电动车编队动力学系统的参数不确定性及外部无线通信延迟的影响，提高智能电动车编队控制系统的综合性能。

附图说明

图1为本发明的一种智能电动车编队自适应控制系统示意图。

图2为本发明的一种抗通信延迟的智能电动车编队自适应控制方法流程图。

图3为智能电动车编队示意图。

具体实施方式

以下实施例将结合附图对本发明作进一步的说明。

如图1所示，本发明提供一种智能电动车编队自适应控制系统，包括V2V无线通信系统模块，车载传感器模块，A/D和D/A转换器模块，自适应控制律设计模块，自适应H_∞控制定常增益设计模块等。如图2所示，本发明首先通过车载传感器及V2V无线通信系统获取自车、前车及领航车的行驶状态信息，然后设计抗通信延迟的智能电动车编队自适应H_∞控制器，实现通信延迟和参数不确定性条件下的智能电动车编队控制。

本发明所述控制方法实施例的具体步骤如下：

步骤1：车辆队列由N+1辆车组成，编号为0,…,N，其中0号车为领航车辆，1,…,N号车为跟随车辆。通过车载传感器和V2V无线通信系统实时获取自车行驶运动状态信息及前车和领航车辆行驶运动状态信息。

步骤1.1：通过车载传感器实时获取自车的行驶运动状态信息，主要包括自车与前车的距离信息、自车与前车的行驶速度信息、自车与前车的行驶加速度信息。

步骤1.2：通过V2V无线通信系统，实时获取领航车辆的行驶运动状态信息，主要包括领航车辆的行驶速度信息、领航车辆的行驶加速度信息。

步骤2：基于车载传感器和V2V无线通信系统获取的信息，建立参数不确定性下的智能电动车编队纵向控制模型。

步骤2.1：由牛顿第二定律以及车辆自身的力矩关系，可以得到队列中第i辆智能电动车的非线性动力学模型，

其中F_i为驱动力，T_ie为保证车辆达到所需期望加速度的期望力矩，T_i为实际驱动力矩，τ_i为动力学惯性延迟，c_fi为空气阻力系数，f为摩擦阻力系数，η为动力传动系统的机械效率，R_i为轮胎半径。

设计反馈线性化模块：

结合(1)(2)(3)(4)，可以得到第i辆电动汽车的线性动力学模型：

其中，a_i为车辆加速度，v_i为车辆速度，u_i为控制输入，τ_i为发动机时间常数。

步骤2.2：以车辆与前车的位置差、速度差和加速度差为状态向量：考虑系统的参数不确定项：建立第i辆智能电动车的纵向运动模型：

其中w_i(t)是参数不确定性引起的干扰。

步骤2.3：综合队列动力学模型和运动学模型，建立参数不确定性下的智能电动车编队纵向控制模型：

其中为车辆队列的状态量，

步骤3：采用领航-前车跟随式拓扑结构表征车辆间的信息交互方式，建立智能电动车编队控制的目标函数，使队列保持恒定的期望队形。

步骤3.1：采用领航-前车跟随式拓扑结构表征车辆间的信息交互方式，如图3所示，每辆车可以获得自车、前车还有领航车辆的信息。

步骤3.2：以自车与前车的速度差，自车与前车的距离差为自变量，建立智能电动车编队控制的目标函数，即满足：

从而使车辆队列保持恒定的期望队形。其中D为常数，表示期望的固定车间距；p_i为第i辆车的位置。

步骤4：设计抗通信延迟的智能电动车编队的自适应鲁棒H_∞控制器，实时求出智能电动车编队控制所需的车轮电机驱动力矩。

步骤4.1：设计通信延迟和参数不确定性条件下车辆队列控制的自适应H_∞控制器如下：

u(t)＝k₁C_ox(t)+k₂C_cx(t-η)+k₃(t) (9)

其中η表示车-车通信系统信息传输过程中的通信延迟；

C₁＝I，k₃(t)＝-B^TPx(t)k₄(t)，k₄(t)由如下自适应律自动调节：

步骤4.2：将所设计的自适应H_∞控制器(9)代入智能电动车编队纵向控制模型(7)，建立通信延迟和参数不确定性条件下的智能电动车编队控制闭环系统状态方程：

步骤4.3：构造Lyapunov函数：

当干扰不存在时，车队闭环系统(11)在Lyapunov意义下渐进稳定的稳定性条件如下：

若存在矩阵对称正定矩阵P，T，使得矩阵不等式

成立，则车队闭环系统(11)在Lyapunov意义下渐近稳定。

其中，Ψ₁＝(A+Bk₁C_o)^TP+P(A+Bk₁C_o)+(k₂C_c)^TTk₂C_c+Q+Ξ^TRΞ-4k₄PBB^TP，Ξ＝k₁C_o+k₂C_c。P、Q、R为对称正定矩阵。

证明：对V(t)求导，得

当矩阵不等式(13)成立时，闭环系统(11)在Lyapunov意义下渐近稳定。

步骤4.4：采用线性矩阵不等式技术，推导出通信延迟条件下自适应H_∞控制器存在可行解所需满足的线性矩阵不等式条件，得到自适应H_∞控制器存在可行解的条件：

对智能电动车编队闭环系统(11)，存在一个γ-H_∞控制器的充分条件是：对给定γ＞0，常数对称正定矩阵Q、R，存在ε₁＞0，对称正定矩阵X、Y，矩阵W、U，使以下线性矩阵不等式成立：

其中，Ψ₂＝(AX+BW)^T+(AX+BW)+ε₁BB^T-4k ₄BB^T，k ₄是k₄(t)的下界值。

证明：

若

则即||y||₂≤γ||w||₂。

使用Schur补引理，得

其中Ψ₃＝(A+Bk₁C_o)^TP+P(A+Bk₁C_o)+ε₁PBB^TP-4k ₄PBB^TP。

两边同乘diag[P^-1 I I T^-1 I I I I]，同时令X＝P^-1，Y＝T^-1，W＝k₁C_oP^-1，U＝k₂C_cP^-1，即可得到线性矩阵不等式(14)。

步骤4.5，建立智能电动车编队控制的优化函数：

minγ (15)

求解优化问题(15)可得到系统的最优H_∞控制器增益为：k₃(t)＝-B^TX^-1x(t)k ₄。

步骤4.6：所求得的自适应H_∞控制器(9)代入反馈线性化策略(4)，求出实时的期望控制力矩，从而对车辆进行控制。

本发明有效地克服了智能电动车编队动力学系统的参数不确定性及外部无线通信延迟的影响，提高了智能电动车编队控制系统的综合性能。

Claims (6)

1.一种抗通信延迟的智能电动车编队自适应鲁棒控制方法，其特征在于包括以下步骤：

1)车辆队列由N+1辆车组成，编号为0,…,N，其中0号车为领航车辆，1,…,N号车为跟随车辆，通过车载传感器和V2V无线通信系统实时获取自车行驶运动状态信息及前车和领航车辆行驶运动状态信息；

2)基于步骤1)中通过车载传感器和V2V无线通信系统获取的信息，建立参数不确定性下的智能电动车编队纵向控制模型；

3)采用领航-前车跟随式拓扑结构描述智能电动车间的信息交互形式，建立智能电动车编队控制的目标函数；

4)设计抗通信延迟的智能电动车编队自适应鲁棒H_∞控制器，结合智能电动车编队纵向控制模型，得出队列中每个智能电动车的自适应鲁棒H_∞控制器增益；

5)将自适应鲁棒H_∞控制器代入反馈线性化动力学模型，得出实时车辆的车轮期望驱动力矩，实现智能电动车的编队控制。

2.如权利要求1所述一种抗通信延迟的智能电动车编队自适应鲁棒控制方法，其特征在于在步骤1)中，所述实时获取自车行驶运动状态信息是通过车载传感器实时获取自车的行驶运动状态信息，自车行驶运动状态信息包括自车与前车的距离信息、自车行驶速度信息、自车行驶加速度信息。

3.如权利要求1所述一种抗通信延迟的智能电动车编队自适应鲁棒控制方法，其特征在于在步骤1)中，所述前车和领航车辆行驶运动状态信息的获取是通过V2V无线通信系统，所述前车和领航车辆行驶运动状态信息，包括前车与领航车辆的行驶速度信息、前车与领航车辆的行驶加速度信息。

4.如权利要求1所述一种抗通信延迟的智能电动车编队自适应鲁棒控制方法，其特征在于在步骤2)中，所述建立参数不确定性下的智能电动车编队纵向控制模型的具体步骤为：

(1)由牛顿第二定律推导出队列中单个车辆的非线性动力学模型，通过反馈线性化技术，求出队列中单个车辆的反馈线性化动力学模型；

(2)以车辆与前车的位置差、速度差和加速度差为状态向量，考虑系统的参数不确定项，建立单个车辆的纵向运动模型；

(3)综合智能电动车编队动力学模型和运动学模型，建立参数不确定性下的智能电动车编队纵向控制模型。

5.如权利要求1所述一种抗通信延迟的智能电动车编队自适应鲁棒控制方法，其特征在于在步骤3)中，所述采用领航-前车跟随式拓扑结构描述智能电动车间的信息交互形式，建立智能电动车编队控制的目标函数的具体步骤为：

(1)采用领航-前车跟随式拓扑结构表征车辆间的信息交互形式，确保队列中的每辆车可以获得自车、前车及领航车辆的行驶状态信息；

(2)以自车与前车的速度差，自车与前车的距离差为自变量，建立智能电动车编队控制的目标函数，使车辆编队保持恒定的期望队形。

6.如权利要求1所述一种抗通信延迟的智能电动车编队自适应鲁棒控制方法，其特征在于在步骤4)中，所述设计抗通信延迟的智能电动车编队自适应鲁棒H_∞控制器，结合智能电动车编队纵向控制模型，得出队列中每个智能电动车的自适应鲁棒H_∞控制器增益的具体方法为：

(1)设计用于实现抗通信延迟和参数不确定性的智能电动车编队行驶的自适应鲁棒H_∞控制器；

(2)将所设计的自适应鲁棒H_∞控制器代入智能电动车编队模型，建立包含通信延迟和参数不确定性的智能电动车编队控制闭环系统状态方程；

(3)构造Lyapunov函数，求解闭环系统在Lyapunov意义下渐进稳定的稳定性条件；

(4)采用线性矩阵不等式技术，设计在通信延迟条件下自适应鲁棒H_∞控制器存在可行解所需满足的线性矩阵不等式条件，利用该不等式的解，求得队列中每个智能电动车的自适应鲁棒H_∞控制器增益。