CN110782650B - 基于自适应事件触发的车流分布式协同编队控制方法 - Google Patents

基于自适应事件触发的车流分布式协同编队控制方法 Download PDF

Info

Publication number
CN110782650B
CN110782650B CN201911077334.8A CN201911077334A CN110782650B CN 110782650 B CN110782650 B CN 110782650B CN 201911077334 A CN201911077334 A CN 201911077334A CN 110782650 B CN110782650 B CN 110782650B
Authority
CN
China
Prior art keywords
vehicle
event
adaptive
event trigger
unmanned vehicle
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.)
Active
Application number
CN201911077334.8A
Other languages
English (en)
Other versions
CN110782650A (zh
Inventor
张皓
王祝萍
黄超
张长柱
刘娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji Institute Of Artificial Intelligence Suzhou Co ltd
Original Assignee
Tongji Institute Of Artificial Intelligence Suzhou Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji Institute Of Artificial Intelligence Suzhou Co ltd filed Critical Tongji Institute Of Artificial Intelligence Suzhou Co ltd
Priority to CN201911077334.8A priority Critical patent/CN110782650B/zh
Publication of CN110782650A publication Critical patent/CN110782650A/zh
Application granted granted Critical
Publication of CN110782650B publication Critical patent/CN110782650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于自适应事件触发的车流分布式协同编队控制方法，包括：避障控制步骤，建立无人车辆线性动力学模型，基于无人车辆自身及其邻居无人车辆的全局坐标位置信息，进行与邻居车辆之间的避障控制；领导车辆观测步骤，利用基于自适应事件触发的分布式观测器获取领导车辆的状态信息；路径跟随步骤，利用基于自适应事件触发的车辆协同控制器，根据所述领导车辆的状态信息调节无人车辆自身的状态信息。与现有技术相比，本发明引入事件触发机制，能够保证降低车辆之间的通信负载，实现了车流的协同编队控制。

Description

基于自适应事件触发的车流分布式协同编队控制方法
技术领域
本发明属于智能交通控制系统技术领域，涉及一种多车辆通信控制方法，尤其是涉及一种基于自适应事件触发的车流分布式协同编队控制方法。
背景技术
智能交通控制技术中的车流协同编队控制是其核心。而车辆之间的安全距离是车流协同编队控制的基本问题，可以构成车辆变道、避障、跟车等机动动作。通过车流的协同编队控制方法，可以有效地提高道路交通容量，缓解交通拥堵，减少燃料污染。
车流协同编队控制使用分布式观测控制的方法，能更好地避免使用全局信息，实现分布式控制，提高车辆协同编队控制的稳定性和鲁棒性，因此被广泛应用到智能交通控制领域。如专利CN105702018B公开一种基于车路协同技术的车队管理方法，该方法包括以下步骤：形成车队步骤、加入车队步骤、离开车队步骤、解散车队步骤和车队切换步骤；其中，车队切换步骤包括：当头车侦测到从第一路侧单元的覆盖范围进入到第二路侧单元；头车判断是否有搜寻到第二路侧单元的车队授权信息；头车判断行驶方向是否与车队可行驶方向相同；头车判断是否符合车型要求；是则，头车设定车队状态T为0，更新车队状态消息TSM并发布，进入解散车队步骤。但是车流协同编队控制还存在通信负载高的主要缺点。现有车辆之间的频繁的数据通信，会引起很多不必要的数据传输，造成资源的浪费。
发明内容
本发明的目的在于克服上述现有技术存在的技术问题而提供一种降低车辆之间的通信负载的基于自适应事件触发的车流分布式协同编队控制方法。
本发明的目的可以通过以下技术方案来实现：
一种基于自适应事件触发的车流分布式协同编队控制方法，包括：
避障控制步骤，建立无人车辆线性动力学模型，基于无人车辆自身及其邻居无人车辆的全局坐标位置信息，进行与邻居车辆之间的避障控制；
领导车辆观测步骤，利用基于自适应事件触发的分布式观测器获取领导车辆的状态信息；
路径跟随步骤，利用基于自适应事件触发的车辆协同控制器，根据所述领导车辆的状态信息调节无人车辆自身的状态信息。
进一步地，所述建立无人车辆线性动力学模型时，选择惯性系XOY作为全局坐标系，分别建立跟随无人车辆和领导车辆的线性动力学模型。
进一步地，建立的所述跟随无人车辆的线性动力学模型为：
Figure BDA0002262898660000021
其中，
Figure BDA00022628986600000211
是第i辆无人车辆的位置，
Figure BDA00022628986600000212
是第i辆无人车辆的速度，ui(t)∈Rmi是第i辆无人车辆的控制输入，i＝1,…,N。
进一步地，建立的所述领导车辆的线性动力学模型为：
Figure BDA0002262898660000022
其中，S∈Rp×p是领导车辆的常数系统矩阵，其所有特征值都没有负的实部，xl(t)∈Rp是领导车辆的状态信息。
进一步地，所述基于自适应事件触发的分布式观测器表示为：
Figure BDA0002262898660000023
Figure BDA0002262898660000024
Figure BDA0002262898660000025
其中，Si(t)是车辆i对常数系统矩阵S的观测值，
Figure BDA0002262898660000026
是对领导车辆状态的估计信息，
Figure BDA0002262898660000027
Figure BDA0002262898660000028
表示第l次事件触发时刻，di(t)是自适应时变参数，di(0)≥1，a1是正实数，t表示时刻，i＝1,…,N，aij是通信标志，取0或1，代表车辆i和车辆j间的通信连接状态，ai0表示车辆i和领导车辆间的通信连接状态。
进一步地，所述事件触发时刻由事件触发条件决定，第ki+1次事件触发时刻
Figure BDA0002262898660000029
通过下式获得：
Figure BDA00022628986600000210
其中，
Figure BDA0002262898660000031
表示第ki次事件触发时刻，
Figure BDA0002262898660000032
是一个正的时间间隔；
Figure BDA0002262898660000033
由下式确定：
Figure BDA0002262898660000034
其中，li(t)和di(t)均是自适应参数，且li(0)≥1，di(0)≥1，a2＞0是正实数，
Figure BDA0002262898660000035
表示估计误差。
进一步地，所述自适应参数li(t)和di(t)之间的关系为：
Figure BDA0002262898660000036
其中，a2＞0是正实数。
进一步地，所述估计误差
Figure BDA0002262898660000037
定义为：
Figure BDA0002262898660000038
进一步地，所述基于自适应事件触发的车辆协同控制器表示为：
Figure BDA0002262898660000039
Figure BDA00022628986600000310
Figure BDA00022628986600000311
Figure BDA00022628986600000312
Figure BDA00022628986600000313
其中，
Figure BDA00022628986600000314
表示车辆i通过传感器感知的邻居车辆的集合，Ni(t)表示车辆i能够进行通信的邻居车辆的集合，
Figure BDA00022628986600000315
用于协调车辆i和周围邻居车辆之间的距离，
Figure BDA00022628986600000316
用于协调车辆与领导车辆之间的距离，
Figure BDA00022628986600000317
是车辆i估计到的领导车辆的信息，
Figure BDA00022628986600000318
表示估计系数，
Figure BDA00022628986600000319
是常数，
Figure BDA00022628986600000320
表示车辆i与领导车辆之间的期望距离，βi(t)是自适应参数，且βi(0)≥1，
Figure BDA00022628986600000321
表示车辆i在事件触发时刻
Figure BDA00022628986600000322
的速度值，
Figure BDA00022628986600000323
表示一系列的触发时刻，
Figure BDA00022628986600000324
是估计的领导车辆的速度，
Figure BDA00022628986600000325
为需要设计的常数，‖·‖σ表示σ-范数，
Figure BDA00022628986600000326
a3为控制系数，aij是通信标志，取0或1，代表车辆i和车辆j间的通信连接状态，ai0表示车辆i和领导车辆间的通信连接状态。
进一步地，所述车辆协同控制器的事件触发条件ηi表示为：
Figure BDA00022628986600000327
Figure BDA00022628986600000328
其中，
Figure BDA0002262898660000047
是自适应参数，且
Figure BDA0002262898660000048
a4是正常数，pei(t)是车辆i在上一事件触发时刻和当前触发时刻的测量误差；
基于事件触发条件的事件触发时刻
Figure BDA0002262898660000041
表示为：
Figure BDA0002262898660000042
其中，
Figure BDA0002262898660000043
是所允许的最小触发事件间隔，
Figure BDA0002262898660000044
表示
Figure BDA0002262898660000045
和
Figure BDA0002262898660000046
两者之间的最大值。
与现有技术相比，本发明具有如下有益效果：
1、本发明在多车辆构成的车流建模框架下，通过分布式观测器对领导车辆的信息进行估计，通过车辆控制方法实现车距调整，并引入事件触发机制降低通信负载和控制器的更新次数，能够保证降低车辆之间的通信负载。
2、与传统的周期采样控制相比，事件触发机制只在既定事件发生的时刻进行通信，比如误差超过阈值或者达到了特定时刻，实现了车流的协同编队控制，同时大大降低控制器的更新次数和通信负载。
附图说明
图1为车流通信拓扑图；
图2为本发明流程图；
图3为本发明的应用效果图，其中，(3a)为50s时各车辆的位置速度示意图，(3b)为0-50s内各车辆位置变化图，(3c)为0-50s内各车辆速度变化图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图2所示，本实施例提供一种基于自适应事件触发的车流分布式协同编队控制方法，包括以下步骤：
1)建立无人车辆线性动力学模型，基于无人车辆自身及其邻居无人车辆的全局坐标位置信息，并传输给车载微型控制器，进行与邻居车辆之间的避障控制。
建立无人车辆线性动力学模型时，选择惯性系XOY作为全局坐标系，分别建立跟随无人车辆和领导车辆的线性动力学模型。
建立的跟随无人车辆的线性动力学模型为：
Figure BDA0002262898660000051
其中，
Figure BDA0002262898660000052
是第i辆无人车辆的位置，
Figure BDA0002262898660000053
是第i辆无人车辆的速度，ui(t)∈Rmi是第i辆无人车辆的控制输入，i＝1,…,N，ni、mi表示维度。
建立的领导车辆的线性动力学模型为：
Figure BDA0002262898660000054
其中，S∈Rp×p是领导车辆的常数系统矩阵，其所有特征值都没有负的实部，xl(t)∈Rp是领导车辆的状态信息，包含位置和速度等信息，p表示维度。
2)利用基于自适应事件触发的分布式观测器获取领导车辆的状态信息。
为了摆脱对全局信息的依赖，为每一辆跟随的无人车辆设计矩阵S的观测器，利用观测到的矩阵S，进一步设计领导车辆状态信息的观测器，矩阵S的分布式观测器设计过程如下：
201)设计矩阵S的观测器：
Figure BDA0002262898660000055
Figure BDA0002262898660000056
Figure BDA0002262898660000057
其中，Si(t)是车辆i对常数系统矩阵S的观测值，Si是矩阵S第i行的值；aij是通信标志，取0或1，代表车辆i和车辆j间的通信连接状态，aij＝1表示车辆i和j可以进行通信，否则不可以进行通信；ai0表示车辆i和领导车辆间的通信连接状态，ai0＝1表示车辆i和领导车辆可以进行通信，否则不可以进行通信；mi(t)∈Rp2是矩阵m0的估计值，并且m0＝vec(S)＝col(S1,…,Sp)∈Rp2，bi和ri是正实数，0＜ι＜1，令min(t)＝col(mi1(t),…,mip(t))，n＝1,…,p，
Figure BDA00022628986600000514
i＝1,…,N。
202)为了观测领导车辆的状态，设计了基于自适应事件触发的分布式观测器，如下所示：
Figure BDA0002262898660000058
Figure BDA0002262898660000059
Figure BDA00022628986600000510
其中，
Figure BDA00022628986600000511
是对领导车辆状态的估计信息，
Figure BDA00022628986600000512
Figure BDA00022628986600000513
表示第l次事件触发时刻，di(t)是自适应时变参数，di(0)≥1，a1是正实数，t表示时刻，i＝1,…,N，eSt的S表示领导车辆的系统矩阵。
所述事件触发时刻由事件触发条件决定，第ki+1次事件触发时刻
Figure BDA0002262898660000061
通过下式获得：
Figure BDA0002262898660000062
其中，
Figure BDA0002262898660000063
表示第ki次事件触发时刻，
Figure BDA0002262898660000064
是一个正的时间间隔，由下式确定：
Figure BDA0002262898660000065
其中，li(t)和di(t)均是自适应参数，且li(0)≥1，di(0)≥1，a2＞0是正实数，
Figure BDA0002262898660000066
表示估计误差。所述自适应参数li(t)和di(t)之间的关系为：
Figure BDA0002262898660000067
其中，a2＞0是正实数。
在时间
Figure BDA0002262898660000068
内，无人车辆i的估计值
Figure BDA0002262898660000069
在上一时刻和当前时刻的测量误差
Figure BDA00022628986600000610
定义为：
Figure BDA00022628986600000611
3)路径跟随步骤，利用基于自适应事件触发的车辆协同控制器，根据所述领导车辆的状态信息调节无人车辆自身的状态信息。
车辆协同控制器用于调节车辆自身的位置和速度，实现车辆的稳定运行控制，并引入事件触发机制降低通信负载。基于自适应事件触发的车辆协同控制器表示为：
Figure BDA00022628986600000612
Figure BDA00022628986600000613
Figure BDA00022628986600000614
Figure BDA00022628986600000615
Figure BDA00022628986600000616
其中，
Figure BDA00022628986600000617
表示车辆i通过传感器感知的邻居车辆的集合，Ni(t)表示车辆i能够进行通信的邻居车辆的集合，
Figure BDA00022628986600000618
用于协调车辆i和周围邻居车辆之间的距离，避免碰撞，
Figure BDA00022628986600000619
用于协调车辆与领导车辆之间的距离，
Figure BDA00022628986600000620
是车辆i估计到的领导车辆的信息，
Figure BDA00022628986600000621
表示估计系数，
Figure BDA00022628986600000622
是常数，
Figure BDA00022628986600000623
表示车辆i与领导车辆之间的期望距离，βi(t)是自适应参数，且βi(0)≥1，
Figure BDA00022628986600000624
表示车辆i在事件触发时刻
Figure BDA00022628986600000625
的速度值，
Figure BDA0002262898660000071
表示一系列的触发时刻，
Figure BDA0002262898660000072
是估计的领导车辆的速度，
Figure BDA0002262898660000073
为需要设计的常数，‖·‖σ表示σ-范数，
Figure BDA0002262898660000074
a3为可自行设计的控制系数。
本实施例采用的σ-范数被定义为：
Figure BDA0002262898660000075
参数∈＞0。
本实施例
Figure BDA0002262898660000076
中φα满足下面的式子：
φα(z)＝ρh(z/rα)φ(z-dα)
Figure BDA0002262898660000077
φ(z)是一个双弯曲函数，z为自变量，参数设计为0＜a≤b，
Figure BDA0002262898660000078
这样就能够保证φ(0)＝0，其中
Figure BDA0002262898660000079
其中h∈(0,1)，ρh(z)是一个C1光滑函数，且在间隔z∈[1,∞)时，
Figure BDA00022628986600000710
且
Figure BDA00022628986600000711
在z上一致有界。
为了降低车辆控制器的更新次数，为车辆控制器重新设计了一个事件触发控制方案，车辆协同控制器的事件触发条件ηi设计为：
Figure BDA00022628986600000712
其中，
Figure BDA00022628986600000713
是自适应参数，且
Figure BDA00022628986600000714
a4是正常数，pei(t)是车辆i在上一事件触发时刻和当前触发时刻的测量误差，定义如形式：
Figure BDA00022628986600000715
基于事件触发条件的事件触发时刻
Figure BDA00022628986600000716
表示为：
Figure BDA00022628986600000717
其中，
Figure BDA00022628986600000718
是所允许的最小触发事件间隔，用来避免芝诺现象的产生，
Figure BDA00022628986600000719
表示
Figure BDA00022628986600000720
和
Figure BDA00022628986600000721
两者之间的最大值，如果
Figure BDA00022628986600000722
则触发事件间隔选择
Figure BDA00022628986600000723
否则，选择
Figure BDA00022628986600000724
本实施例中的具体设计仿真时间为50s，采样时间为Tm＝0.01。车辆的运动学模型如式(1)和(2)所示。所有车辆都行驶在平坦的公路上，道路区域设为[0,800]m×[0,10]m，跟随车辆的初始位置和速度随机选取，领导车辆的初始位置为(80,5)m，初始速度设为(25,0)m/s，领导车辆在0-50s内的速度变化为：
Figure BDA0002262898660000081
车辆之间的通信拓扑图如图1所示，观测器控制参数选取为：bi＝2，ri＝2，ι＝1/3，
Figure BDA0002262898660000082
di(0)＝3，li(0)＝3，a1＝0.001，a2＝0.001。车辆协同控制器的控制参数设为：
Figure BDA0002262898660000083
a3＝0.001，a4＝0.001，ki(0)＝3，
Figure BDA0002262898660000084
从图3可以看出在事件触发控制下，各车辆的位置和速度变化都达到了期望的控制效果，实现车流的协同编队控制，且减少了62.18％的通信负载。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (7)

1.一种基于自适应事件触发的车流分布式协同编队控制方法，其特征在于，包括：
避障控制步骤，建立无人车辆线性动力学模型，基于无人车辆自身及其邻居无人车辆的全局坐标位置信息，进行与邻居车辆之间的避障控制，建立无人车辆线性动力学模型时，选择惯性系XOY作为全局坐标系，分别建立跟随无人车辆和领导车辆的线性动力学模型；
领导车辆观测步骤，利用基于自适应事件触发的分布式观测器获取领导车辆的状态信息，所述基于自适应事件触发的分布式观测器表示为：
Figure FDA0003209010080000011
Figure FDA0003209010080000012
Figure FDA0003209010080000013
其中，Si(t)是车辆i对常数系统矩阵S的观测值，θi(t)是对领导车辆状态的估计信息，
Figure FDA0003209010080000014
Figure FDA0003209010080000015
表示第l次事件触发时刻，di(t)是自适应时变参数，di(0)≥1，a1是正实数，t表示时刻，i＝1,…,N，aij是通信标志，取0或1，代表车辆i和车辆j间的通信连接状态，ai0表示车辆i和领导车辆间的通信连接状态；
路径跟随步骤，利用基于自适应事件触发的车辆协同控制器，根据所述领导车辆的状态信息调节无人车辆自身的状态信息，所述基于自适应事件触发的车辆协同控制器表示为：
Figure FDA0003209010080000016
Figure FDA0003209010080000017
Figure FDA0003209010080000018
Figure FDA0003209010080000019
Figure FDA00032090100800000110
其中，
Figure FDA00032090100800000111
表示车辆i通过传感器感知的邻居车辆的集合，Ni(t)表示车辆i能够进行通信的邻居车辆的集合，
Figure FDA00032090100800000112
用于协调车辆i和周围邻居车辆之间的距离，
Figure FDA0003209010080000021
用于协调车辆与领导车辆之间的距离，
Figure FDA0003209010080000022
是车辆i估计到的领导车辆的信息，
Figure FDA0003209010080000023
表示估计系数，
Figure FDA0003209010080000024
是常数，
Figure FDA0003209010080000025
表示车辆i与领导车辆之间的期望距离，βi(t)是自适应参数，且βi(0)≥1，
Figure FDA0003209010080000026
表示车辆i在事件触发时刻
Figure FDA0003209010080000027
的速度值，
Figure FDA0003209010080000028
表示一系列的触发时刻，
Figure FDA0003209010080000029
是估计的领导车辆的速度，
Figure FDA00032090100800000210
为需要设计的常数，‖·‖σ表示σ-范数，
Figure FDA00032090100800000211
a3为控制系数，aij是通信标志，取0或1，代表车辆i和车辆j间的通信连接状态，ai0表示车辆i和领导车辆间的通信连接状态。
2.根据权利要求1所述的基于自适应事件触发的车流分布式协同编队控制方法，其特征在于，建立的所述跟随无人车辆的线性动力学模型为：
Figure FDA00032090100800000212
其中，
Figure FDA00032090100800000213
是第i辆无人车辆的位置，
Figure FDA00032090100800000214
是第i辆无人车辆的速度，ui(t)∈Rmi是第i辆无人车辆的控制输入，i＝1,…,N。
3.根据权利要求1所述的基于自适应事件触发的车流分布式协同编队控制方法，其特征在于，建立的所述领导车辆的线性动力学模型为：
Figure FDA00032090100800000215
其中，S∈Rp×p是领导车辆的常数系统矩阵，其所有特征值都没有负的实部，xl(t)∈Rp是领导车辆的状态信息。
4.根据权利要求1所述的基于自适应事件触发的车流分布式协同编队控制方法，其特征在于，所述事件触发时刻由事件触发条件决定，第ki+1次事件触发时刻
Figure FDA00032090100800000216
通过下式获得：
Figure FDA00032090100800000217
其中，
Figure FDA00032090100800000218
表示第ki次事件触发时刻，
Figure FDA00032090100800000219
是一个正的时间间隔；
Figure FDA00032090100800000220
由下式确定：
Figure FDA00032090100800000221
其中，li(t)和di(t)均是自适应参数，且li(0)≥1，di(0)≥1，a2＞0是正实数，θei(t)表示估计误差。
5.根据权利要求4所述的基于自适应事件触发的车流分布式协同编队控制方法，其特征在于，所述自适应参数li(t)和di(t)之间的关系为：
Figure FDA00032090100800000222
其中，a2＞0是正实数。
6.根据权利要求4或5所述的基于自适应事件触发的车流分布式协同编队控制方法，其特征在于，所述估计误差θei(t)定义为：
Figure FDA0003209010080000031
7.根据权利要求1所述的基于自适应事件触发的车流分布式协同编队控制方法，其特征在于，所述车辆协同控制器的事件触发条件ηi表示为：
Figure FDA0003209010080000032
Figure FDA0003209010080000033
其中，
Figure FDA0003209010080000034
是自适应参数，且
Figure FDA0003209010080000035
a4是正常数，pei(t)是车辆i在上一事件触发时刻和当前触发时刻的测量误差；
基于事件触发条件的事件触发时刻
Figure FDA0003209010080000036
表示为：
Figure FDA0003209010080000037
其中，
Figure FDA0003209010080000038
是所允许的最小触发事件间隔，
Figure FDA0003209010080000039
表示
Figure FDA00032090100800000310
和
Figure FDA00032090100800000311
两者之间的最大值。
CN201911077334.8A 2019-11-06 2019-11-06 基于自适应事件触发的车流分布式协同编队控制方法 Active CN110782650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911077334.8A CN110782650B (zh) 2019-11-06 2019-11-06 基于自适应事件触发的车流分布式协同编队控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911077334.8A CN110782650B (zh) 2019-11-06 2019-11-06 基于自适应事件触发的车流分布式协同编队控制方法

Publications (2)

Publication Number Publication Date
CN110782650A CN110782650A (zh) 2020-02-11
CN110782650B true CN110782650B (zh) 2021-11-23

Family

ID=69389910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911077334.8A Active CN110782650B (zh) 2019-11-06 2019-11-06 基于自适应事件触发的车流分布式协同编队控制方法

Country Status (1)

Country Link
CN (1) CN110782650B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111325967B (zh) * 2020-02-28 2020-12-25 清华大学 一种基于协同指派的智能网联汽车编队控制方法和装置
CN112034844A (zh) * 2020-08-10 2020-12-04 深圳技术大学 多智能主体编队搬运方法、系统和计算机可读存储介质
CN112235155B (zh) * 2020-09-24 2022-09-02 交控科技股份有限公司 协同编队业务通信环境的性能测试方法及装置
CN112445236B (zh) * 2020-11-14 2022-07-08 中国人民解放军海军航空大学 基于事件触发的多无人机协同控制中通信控制方法
CN113885528A (zh) * 2021-11-02 2022-01-04 苏州挚途科技有限公司 动态事件触发机制的固定时间收敛编队控制系统和方法
CN116224804A (zh) * 2023-04-11 2023-06-06 大连海事大学 一种基于切换模型的航空发动机事件触发平滑切换控制系统与方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106483958B (zh) * 2016-11-10 2018-02-06 北京理工大学 一种基于障碍图和势场法的人机协同编队跟随及避障方法
KR102278393B1 (ko) * 2017-09-25 2021-07-16 주식회사 만도 협력 주행 제어 장치 및 방법
CN109491396B (zh) * 2018-12-28 2021-11-09 辽宁工业大学 一种多智能体事件驱动编队控制系统及方法
CN110109351B (zh) * 2019-04-08 2021-05-18 广东工业大学 一种基于指定性能的多智能体一致性控制方法
CN110262484B (zh) * 2019-06-10 2023-04-18 同济人工智能研究院(苏州)有限公司 基于自适应事件触发的轮式机器人匀速直线编队控制方法

Also Published As

Publication number Publication date
CN110782650A (zh) 2020-02-11

Similar Documents

Publication Publication Date Title
CN110782650B (zh) 基于自适应事件触发的车流分布式协同编队控制方法
Gao et al. Distributed adaptive sliding mode control of vehicular platoon with uncertain interaction topology
CN110930697B (zh) 一种基于规则的智能网联车辆协同汇入控制方法
DE102017107794A1 (de) Fahrzeugpriorisierungssystem
CN111445692A (zh) 一种无信号灯路口智能网联汽车的速度协同优化方法
Xiao et al. Resource-efficient platooning control of connected automated vehicles over VANETs
Ge et al. Communication resource-efficient vehicle platooning control with various spacing policies
CN111332283A (zh) 用于控制机动车的方法和系统
CN111703418B (zh) 一种基于车车通信的多车分布式协同避撞方法及装置
Pei et al. Fault-tolerant cooperative driving at signal-free intersections
Qi et al. Connected cooperative ecodriving system considering human driver error
Montanaro et al. Extended cooperative adaptive cruise control
Zhang et al. A cruise control method for connected vehicle systems considering side vehicles merging behavior
Pan et al. A hierarchical robust control strategy for decentralized signal-free intersection management
CN114373322B (zh) 用于对车辆进行编队管理的方法及相关产品
CN113741464B (zh) 一种基于时空数据强化学习的自动驾驶速度控制框架
Liu et al. Cooperative platoon control of automated industrial vehicles: A synchronization approach and real-world experiments
Liu et al. A synchronization approach for achieving cooperative adaptive cruise control based non-stop intersection passing
CN114200835B (zh) 一种基于Tube MPC的异构车队稳定性分布式控制方法
CN115032931A (zh) 一种基于群集理论的智能网联队列合流控制方法
CN112977477B (zh) 一种基于神经网络的混合车车协同汇流系统和方法
Lin et al. An Efficient Safety-Oriented Car-Following Model for Connected Automated Vehicles Considering Discrete Signals
CN117576904B (zh) 一种由智能网联车辆引导其它车辆高效通过红绿灯的方法
An et al. A Review of Collaborative Adaptive Cruise Control for Vehicle Queuing Technology
Chen et al. Attack-resilience distributed model predictive control of vehicular platoon systems using moving horizon attack estimation

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