CN112083719B - 一种基于预设性能函数的有限时间车队控制方法 - Google Patents
一种基于预设性能函数的有限时间车队控制方法 Download PDFInfo
- Publication number
- CN112083719B CN112083719B CN202010836127.2A CN202010836127A CN112083719B CN 112083719 B CN112083719 B CN 112083719B CN 202010836127 A CN202010836127 A CN 202010836127A CN 112083719 B CN112083719 B CN 112083719B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- fleet
- error
- following
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013528 artificial neural network Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 6
- 230000001133 acceleration Effects 0.000 claims description 19
- 239000000126 substance Substances 0.000 claims description 10
- 238000009795 derivation Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 4
- 230000001052 transient effect Effects 0.000 claims description 4
- 239000011717 all-trans-retinol Substances 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000011160 research Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0295—Fleet control by at least one leading vehicle of the fleet
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
本发明提供一种基于预设性能函数的有限时间车队控制方法,涉及车辆队列控制技术领域。该方法首先根据车辆运行情况,建立车队动力学模型,并将车辆动态表示为三阶非线性模型;再构造车队中车辆间的间距误差,并设置间距误差限制条件,进而确定车队的控制目标;最后利用反步法,以RBF神经网络拟合表示车辆动态的三阶非线性模型中的非线性函数的非线性部分,并基于车辆间的间距误差设计有限时间车队控制器,实现对车队的稳定控制。本发明方法考虑了对车间距进行限制,采用预设性能控制方法使得间距误差在有限范围内变换,既保证了车辆间的通信又防止了碰撞事故。
Description
技术领域
本发明涉及车辆队列控制技术领域,尤其涉及一种基于预设性能函数的有限时间车队控 制方法。
背景技术
近年来,自主车队的纵向控制得到了深入研究,Yue等研究了传感器距离受限的自主车 队纵向控制,采用分段非线性函数描述传感器距离约束,基于扰动观测器及反步法设计了鲁 棒非线性控制器,同时实现了单车稳定及队列稳定。但针对相邻车辆间存在间距约束时,上 述方法不再适用。为此,很多学者针对相邻车辆间间距受限问题展开研究。Huang等研究了 有界相邻车辆间距误差约束的车队控制,给定一种有界间距误差的数学转换机制,基于该机 制,设计了分布式控制算法,保证了单车稳定性及车队稳定性。Guo等研究了预设性能约束 下的车队控制,采用预设性能函数机制处理了预设性能约束问题,基于此,采用自适应滑模 控制器,同时保证了单车稳定性、队列稳定性及强队列稳定性。但大部分文献没有考虑车队 控制系统的收敛时间。然而,在实际车队控制系统中,收敛时间对系统整体性能影响巨大, 收敛时间过长会导致系统的性能下降甚至不稳定,因此,关于车队控制系统收敛时间的研究 具有重要的研究价值和实际意义。Li等人研究了在固定和交换通信拓扑下的车队控制。基于 有限时间理论及牵制一致性协议,设计控制器,保证了单车稳定及队列稳定。通过李雅普诺 夫函数理论及LaSalle不变原则,证明了车辆的有限时间稳定性和车队的队列稳定性。但该研 究没有考虑相邻车辆间距约束,不能保证车辆间的安全及车载传感器正常工作。另外,在Li等 人的研究中,车队控制策略并不能充分描述车辆的动力学特性,也不能完全捕捉到车队中各 车辆之间的跟踪交互作用;Huang等提出了基于误差限制的预设性能控制方法,但只保证了 单车稳定性,可能会出现间距误差随着车辆的增多而逐步放大的情况,进而导致追尾等事故; Li等人采用的是二阶线性车队模型,相比于三界模型而言,二阶车队模型并不能很好的捕捉 车辆内部的动态特征,且未考虑外部扰动的影响,不能反映真实的车辆运行情况;Huang等 并未能分析车队的串稳定性,分析和证明车队的队列稳定性也是至关重要的,即使得车队车 间距不会沿着领队车至末尾车辆不断放大。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足,提供一种基于预设性能函数的有 限时间车队控制方法,实现对车队的控制,同时保证间距约束下的车队列稳定性和单车稳定 性,并且保证收敛时间有界。
为解决上述技术问题,本发明所采取的技术方案是:一种基于预设性能函数的有限时间 车队控制方法,包括以下步骤:
步骤1、根据车辆运行情况,建立车队动力学模型,并将车辆动态表示为三阶非线性模 型;
由N辆车组成的车队,以i为车辆标号,其中领队车标号为0,即i=0,1,…,N-1,则车 队的动力学模型如下公式所示:
其中,pi(t),vi(t),mi分别为第i辆车的位置、速度及质量信息,t为时刻,Fe,i(t)为第 i辆车的发动机产生的驱动力,ζi为第i辆车发动机常数,ui(t)为第i辆车的实际控制输入, Fg,i(t)=migsin(θ(t))为第i辆车由于重力而产生的水平方向分力,g为重力加速度,θ为道 路坡度,Fr,i(t)=crmigcos(θ(t))、分别为第i辆车受到的滑动摩擦力和空 气阻力,cr为滑动摩擦系数,ρ为空气密度,Ai为第i辆车的横截面积,c(di)为第i辆车的 拽力系数,如下公式所示:
其中,cd为标准拽力系数,0<ηi<1代表由于车辆编队而减少后的空气拽力,di为第i辆 车与第i-1辆车之间的间距;
同时,将车辆动态表示为如下三阶非线性模型:
其中,ai为第i辆车的加速度,fi(vi,ai)和hi分别为:
将式(3)改写为如下形式:
步骤2、构造车队中车辆间的间距误差,并设置间距误差限制条件,进而确定车队的控 制目标;
所述车辆间的间距如下公式所示:
di=pi-1-pi-li (5)
其中,pi、pi-1分别为第i辆车和第i-1辆车的位置,li为第i辆车的长度;
设定车辆间的间距满足以下约束条件:
(1)为了防止碰撞事故,车辆间的间距满足:
di>di,col (6)
其中,di,col>0为满足车辆间安全行驶的最小安全距离;
(2)为保证车队中前后车在传感器有效范围内,车辆间的间距满足:
di<di,con (7)
其中,di,con>0为维持前后车正常通讯的最大车间距;
定义车辆间的间距误差如下公式所示:
edi=di-di,des (8)
其中,edi为第i辆车与第i-1辆车之间的间距误差,di,des为期望车间距,且满足 0<di,col<di,des<di,con;
为了使车辆间距满足约束条件,则设置车辆间的间距误差edi满足以下限制条件:
di,col-di,des≤edi≤di,con-di,des (9)
对车辆间的间距误差edi瞬态响应设定如下规定的性能约束:
所述性能函数μi(t)如下公式所示:
其中,ci、μi0、μi∞均为正常数,且满足μi0>0,μi∞>0,μi0>μi∞,μi0满足 -γ1iμi(0)<edi(0)<γ2iμi(0);
进而确定车队的控制目标为:
(1)车队的车辆间的间距误差能够在保证有限时间收敛率的前提下,收敛到零点的小邻 域内;
(2)在车队的行进过程中不违反车辆间的间距误差的约束限制条件;
步骤3、利用反步法,以RBF神经网络拟合表示车辆动态的三阶非线性模型中的非线性 函数fi *(vi,ai)的非线性部分,并基于车辆间的间距误差设计有限时间车队控制器,实现对车 队的稳定控制;
步骤3.1、根据车辆间距误差设计车队控制器的基于间距误差的虚拟控制输入;
针对车辆间的间距误差edi,引入时变对数型非对称李雅普诺夫函数,如下公式所示:
为了解决车辆间的间距误差对时间的依赖性,定义如下变量:
结合式(13)和(14),则式(12)转化成以下形式:
对Vi1和edi分别求导,如下公式所示:
选定第i辆车的期望速度αvi作为车队控制器的基于间距误差的虚拟控制输入,如下公式 所示:
其中,ki1,ki2,αi均为正常数,且0<αi<1,vi-1为第i-1辆车的速度,ki(t)为时变参数,如下公式所示:
将式(18)带入式(17),得:
对Vi1经由(20)求导得:
根据式(19)得:
因此,式(21)变成如下形式:
则Vi1的导数满足以下关系:
步骤3.2:定义速度跟踪误差,跟踪设计的基于间距误差的虚拟控制输入αvi,进而设计 车队控制器的基于速度跟踪误差的虚拟控制输入;
定义车辆的速度跟踪误差如下公式所示:
evi=vi-αvi (25)
其中,evi为第i辆车的速度跟踪误差;
对速度跟踪误差evi求导,如下公式所示:
则设计车队控制器的基于速度跟踪误差的虚拟控制输入αai如下公式所示:
其中,ki3,ki4为待设计的正参数;
步骤3.3:在基于速度跟踪误差的虚拟控制输入的基础上定义车辆的加速度跟踪误差,设 计车队控制器的实际控制输入,完成车队控制器的设计;
定义车辆的加速度跟踪误差如下公式所示:
eai=ai-αai (28)
其中,eai为第i辆车的加速度跟踪误差;
对加速度跟踪误差eai求导,如下公式所示:
其中,ki5,ki6均为车队控制器的设计参数;
采用径向基函数神经网络方法来逼近fi *(vi,ai),得到第i辆车的实际控制输入ui如下公 式所示:
采用上述技术方案所产生的有益效果在于:本发明提供的一种基于预设性能函数的有限 时间车队控制方法,(1)在传统二阶车队模型的基础上建立了三阶非线性车队动力学模型, 并采用径向基函数神经网络方法逼近非线性函数,相比于二阶车队模型,三阶模型可以更好 地捕捉到车辆内部的动态特征,更符合实际;(2)本发明方法考虑了对车间距进行限制,采 用预设性能控制方法使得间距误差在有限范围内变换,既保证了车辆间的通信又防止了碰撞 事故;(3)考虑了对控制器进行有限时间收敛的分析,有限时间收敛在实际应用中起着非常 重要的作用,若收敛的时间过长,则设计的控制器失去了实际意义,经过分析,本发明方法 设计的控制器可以在有限时间内收敛,仿真表明方法的有效性。
附图说明
图1为本发明实施例提供的由五辆车组成的车队示意图;
图2为本发明实施例提供的一种基于预设性能函数的有限时间车队控制方法流程图;
图3为本发明实施例提供的不同时刻领对车的速度及加速度仿真图,其中,(a)为速度 仿真图,(b)为加速度仿真图;
图4为本发明实施例提供的不同时刻车队中各车辆的位置仿真图;
图5为本发明实施例提供的不同时刻车队中各车辆的间距误差仿真图;
图6为本发明实施例提供的不同时刻车队中各车辆的速度仿真图;
图7为本发明实施例提供的不同时刻各跟随车与领对车间速度跟踪误差仿真图;
图8为本发明实施例提供的不同时刻车队中各车辆的虚拟速度仿真图;
图9为本发明实施例提供的不同时刻车队中各车辆的控制输入仿真图;
图10为本发明实施例提供的不同时刻车队中各车辆的速度跟踪误差仿真图
图11为本发明实施例提供的不同控制算法下车队中各车辆的位置仿真图;
图12为本发明实施例提供的不同控制器下车队中各车辆的间距误差仿真图;
图13为本发明实施例提供的不同控制器下跟随车与领对车间的速度误差仿真图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于 说明本发明,但不用来限制本发明的范围。
本实施例以如图1所示的由五辆车组成的车队为例,采用本发明的基于预设性能函数的 有限时间车队控制方法对车队进行控制。
一种基于预设性能函数的有限时间车队控制方法,如图2所示,包括以下步骤:
步骤1、根据车辆运行情况,建立车队动力学模型,并将车辆动态表示为三阶非线性模 型;
由N辆车组成的车队,以i为车辆标号,其中领队车标号为0,即i=0,1,…,N-1,则车 队的动力学模型如下公式所示:
其中,pi(t),vi(t),mi分别为第i辆车的位置、速度及质量信息,t为时刻,Fe,i(t)为第 i辆车的发动机产生的驱动力,ζi为第i辆车发动机常数,ui(t)为第i辆车的实际控制(实际 油门或制动)输入,Fg,i(t)=migsin(θ(t))为第i辆车由于重力而产生的水平方向分力,g为 重力加速度,θ为道路坡度,Fr,i(t)=crmigcos(θ(t))、分别为第i辆车受 到的滑动摩擦力和空气阻力,cr为滑动摩擦系数,ρ为空气密度,Ai为第i辆车的横截面积, c(di)为第i辆车的拽力系数,如下公式所示:
其中,cd为标准拽力系数,0<ηi<1代表由于车辆编队而减少后的空气拽力,di为第i辆 车与第i-1辆车之间的间距;
同时,将车辆动态表示为如下三阶非线性模型:
其中,ai为第i辆车的加速度,fi(vi,ai)和hi分别为:
由于非线性函数fi(vi,ai)很难精确,为了方便控制器设计,将式(3)改写为如下形式:
步骤2、构造车队中车辆间的间距误差,并设置间距误差限制条件,进而确定车队的控 制目标;
所述车辆间的间距如下公式所示:
di=pi-1-pi-li (5)
其中,pi、pi-1分别为第i辆车和第i-1辆车的位置,li为第i辆车的长度;
设定车辆间的间距满足以下约束条件:
(1)为了防止碰撞事故,车辆间的间距满足:
di>di,col (6)
其中,di,col>0为满足车辆间安全行驶的最小安全距离;
(2)为保证车队中前后车在传感器有效范围内,车辆间的间距满足:
di<di,con (7)
其中,di,con>0为维持前后车正常通讯的最大车间距;
定义车辆间的间距误差如下公式所示:
edi=di-di,des (8)
其中,edi为第i辆车与第i-1辆车之间的间距误差,di,des为期望车间距,且满足 0<di,col<di,des<di,con;
为了使车辆间距满足约束条件,则设置车辆间的间距误差edi满足以下限制条件:
di,col-di,des≤edi≤di,con-di,des (9)
为了准确表示车队控制误差的传输性能指标,对车辆间的间距误差edi的瞬态响应设定如 下规定的性能约束:
所述性能函数如下公式所示:
其中,ci、μi0、μi∞均为正常数,且满足μi0>0,μi∞>0,μi0>μi∞,μi0满足 -γ1iμi(0)<edi(0)<γ2iμi(0);
进而确定车队的控制目标为:
(1)车队的车辆间的间距误差能够在保证有限时间收敛率的前提下,收敛到零点的小邻 域内;
(2)在车队的行进过程中不违反车辆间的间距误差的约束限制条件;
步骤3、利用反步法,以RBF神经网络拟合表示车辆动态的三阶非线性模型中的非线性 函数fi *的非线性部分,并基于车辆间的间距误差设计有限时间车队控制器,实现对车队的稳 定控制;
步骤3.1、根据车辆间距误差设计车队控制器的基于间距误差的虚拟控制输入;
针对车辆间的间距误差edi,引入时变对数型非对称李雅普诺夫函数,如下公式所示:
为了解决车辆间的间距误差对时间的依赖性,定义如下变量:
结合式(13)和(14),则式(12)转化成以下形式:
由公式(15)可知,Vi1在集合|ξi|<1下正定且连续可微;
对Vi1和edi分别求导,如下公式所示:
选定第i辆车的期望速度αvi作为车队控制器的基于间距误差的虚拟控制输入,如下公式 所示:
其中,ki1,ki2,αi均为正常数,且0<αi<1,vi-1为第i-1辆车的速度,ki(t)为时变参数,如下公式所示:
将式(18)带入式(17),得:
对Vi1经由(20)求导得:
根据式(19)得:
因此,式(21)变成如下形式:
则Vi1的导数满足以下关系:
根据有限时间稳定理论,公式(24)为有限时间稳定的;
步骤3.2:定义速度跟踪误差,跟踪设计的基于间距误差的虚拟控制输入αvi,进而设计 车队控制器的基于速度跟踪误差的虚拟控制输入;
定义车辆的速度跟踪误差如下公式所示:
evi=vi-αvi (25)
其中,evi为第i辆车的速度跟踪误差;
对速度跟踪误差evi求导,如下公式所示:
则设计车队控制器的基于速度跟踪误差的虚拟控制输入αai如下公式所示:
其中,ki3,ki4为待设计的正参数;
本实施例为了证明虚拟输入αai的有效性,选择如下候选李雅普诺夫函数:
根据公式(26),(27)对Vi2求导,如下公式所示:
根据有限时间稳定理论,公式(29)为有限时间稳定的。
步骤3.3:在基于速度跟踪误差的虚拟控制输入的基础上定义车辆的加速度跟踪误差,设 计车队控制器的实际控制输入,完成车队控制器的设计;
定义车辆的加速度跟踪误差如下公式所示:
eai=ai-αai (30)
其中,eai为第i辆车的加速度跟踪误差;
对加速度跟踪误差eai求导,如下公式所示:
其中,ki5,ki6均为车队控制器的设计参数;
实际上,fi *(vi,ai)不能精确获得,因此采用径向基函数神经网络方法来逼近fi *(vi,ai), 得到第i辆车的实际控制输入ui如下公式所示:
本实施例假定每辆车的参数都是相同的:mi=1607kg,Ai=3.5m2,cr=0.414, ρ=1.05Kg·s-3,c(di)=0.2,ζi=0.25s,领队车的轨迹如图1所示,p0(0)=0,前后车期望 的车间距为di,des=5m,车长为2m。车辆的初始位置和速度信息为pi(0)=[-7,-14,-21,-28], vi(0)=0,初始间距误差为零,领队车的速度和加速度变化情况如图3所示。
本实施例中,各控制参数选择为k1=diag(2,2,2,2), k3=diag(-5,-5,-10,-20),k4=diag(-2,-2,-2,-2),κ1=κ2=κ3=κ4=100,λ1=2,σ1=σ2=σ3=σ4=0.01,μi0=4,μi∞=0.5,γ1i=2,γ2i=1,ci=2。仿真结果如图4-图10 所示。其中,图4描述了在提出的状态反馈控制律(33)下车队内各车辆的轨迹,可以看出, 跟随车辆能够跟随前导车辆。图5所示为间距误差edi,表明所提出的控制方案没有违反距离 约束,串的稳定性得到保证。图6为各车辆的速度vi,图7为速度跟踪误差evi。图8-9给出 了每个跟随车辆的虚拟控制输入αvi和实际输入ui的变化情况。图10描述了在提出的实际输 入(33)下的速度跟踪误差evi。仿真结果表明,所提出的实际控制输入(33)能够保证在所 需时间内实现理想的编队过程,且不违反车辆间距约束。
本实施例为了进一步评估所设计的有限时间控制器的性能,将其与传统的反步法进行了 比较。简便起见,只选择了时间区间t∈[0,10]。仿真设置中,有限时间控制器参数与前述相 同,传统的反步法控制器参数选择为k1=diag(2,2,2,2),k2=diag(0,0,0,0),k3=diag(-5,-5,-10,-20),k4=diag(0,0,0,0),κ1=κ2=κ3=κ4=100,λ1=2,αi=0, σ1=σ2=σ3=σ4=0.01。仿真结果如图11-图13所示。图11显示了在有限时间控制器和传 统反步法控制器下的每辆车的位置信息,很明显,两种算法的结果都是很好的。图12-13所 示为间距误差edi、速度误差vi-v0。从图中可以看出,本发明方法的收敛速度比传统的反步 算法要快。
同时,本实施例还通过以下步骤证明本发明方法的有限时间稳定和车队的串稳定性:
(1)证明车队的有限时间稳定:
将式(33)带入式(31)得:
本实施例中,为了证明实际输入ui的有效性,选择如下候选李雅普诺夫函数:
根据(33),(34),(35)对Vi3求导,有:
根据式(35),结合以下不等式:
可以得到:
进一步,式(39)写为:
对于由间距误差、速度误差和加速度误差构成的整个车队误差闭环系统,本实施例选择 如下李雅普诺夫函数:
根据公式(33),(39),(41)对Vi求导得:
综上,对于由N辆车组成的车队的车辆模型(3)和(4),通过设计实际的控制输入(33) 与虚拟控制输入(18),(27),和自适应律(34),对于任何有界的初始条件和适当的参数选 择,以下结果成立:
本发明方法可以实现车队控制在有限时间内,在保证闭环系统的所有信号都是实际的有 限时间稳定。
两辆连续车辆之间的防碰撞和连通性约束未被违反,也即是说对于任意的t>0,有di,col<di(t)<di,con,同时跟踪误差的预设瞬态和稳态性能edi(t)满足公式(10)。
证明:式(42)可进一步写成如下形式:
其中λ i=min{λi1,λi3,λi5},λ i=min{λi2,λi4,λi6}。
根据实际有限时间理论,容易得知V为实际有限时间稳定的,且解的残差集如下公式所 示:
收敛时间有界,满足:
(2)证明车队的串稳定性:
考虑如下全局李雅普诺夫函数:
对其求导可得:
这表明全局李雅普诺夫函数V是有限时间稳定的,通过选择合适的参数,V可以收敛到 零点的小领域内。因此,根据(33)和(37),间距误差在有限时间内是一致有界稳定的,也 即是说,(10)式满足且整个车队系统是串稳定的。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照 前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前 述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而 这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (1)
1.一种基于预设性能函数的有限时间车队控制方法,其特征在于:包括以下步骤:
步骤1、根据车辆运行情况,建立车队动力学模型,并将车辆动态表示为三阶非线性模型;
步骤2、构造车队中车辆间的间距误差,并设置间距误差限制条件,进而确定车队的控制目标;
步骤3、利用反步法,以RBF神经网络拟合表示车辆动态的三阶非线性模型中的非线性函数的非线性部分,并基于车辆间的间距误差设计有限时间车队控制器,实现对车队的稳定控制;
步骤3.1、根据车辆间距误差设计车队控制器的基于间距误差的虚拟控制输入;
步骤3.2:定义速度跟踪误差,跟踪设计的基于间距误差的虚拟控制输入,进而设计车队控制器的基于速度跟踪误差的虚拟控制输入;
步骤3.3:在基于速度跟踪误差的虚拟控制输入的基础上定义车辆的加速度跟踪误差,设计车队控制器的实际控制输入,完成车队控制器的设计;
所述步骤1的具体方法为:
由N辆车组成的车队,以i为车辆标号,其中领队车标号为0,即i=0,1,…,N-1,则车队的动力学模型如下公式所示:
其中,pi(t),vi(t),mi分别为第i辆车的位置、速度及质量信息,t为时刻,Fe,i(t)为第i辆车的发动机产生的驱动力,ζi为第i辆车发动机常数,ui(t)为第i辆车的实际控制输入,Fg,i(t)=migsin(θ(t))为第i辆车由于重力而产生的水平方向分力,g为重力加速度,θ为道路坡度,Fr,i(t)=crmigcos(θ(t))、分别为第i辆车受到的滑动摩擦力和空气阻力,cr为滑动摩擦系数,ρ为空气密度,Ai为第i辆车的横截面积,c(di)为第i辆车的拽力系数,如下公式所示:
其中,cd为标准拽力系数,0<ηi<1代表由于车辆编队而减少后的空气拽力,di为第i辆车与第i-1辆车之间的间距;
同时,将车辆动态表示为如下三阶非线性模型:
其中,ai为第i辆车的加速度,fi(vi,ai)和hi分别为:
将式(3)改写为如下形式:
所述步骤2的具体方法为:
所述车辆间的间距如下公式所示:
di=pi-1-pi-li (5)
其中,pi、pi-1分别为第i辆车和第i-1辆车的位置,li为第i辆车的长度;
设定车辆间的间距满足以下约束条件:
(1)为了防止碰撞事故,车辆间的间距满足:
di>di,col (6)
其中,di,col>0为满足车辆间安全行驶的最小安全距离;
(2)为保证车队中前后车在传感器有效范围内,车辆间的间距满足:
di<di,con (7)
其中,di,con>0为维持前后车正常通讯的最大车间距;
定义车辆间的间距误差如下公式所示:
edi=di-di,des (8)
其中,edi为第i辆车与第i-1辆车之间的间距误差,di,des为期望车间距,且满足0<di,col<di,des<di,con;
为了使车辆间距满足约束条件,则设置车辆间的间距误差edi满足以下限制条件:
di,col-di,des≤edi≤di,con-di,des (9)
对车辆间的间距误差edi瞬态响应设定如下规定的性能约束:
所述性能函数μi(t)如下公式所示:
其中,ci、μi0、μi∞均为正常数,且满足μi0>0,μi∞>0,μi0>μi∞,μi0满足-γ1iμi(0)<edi(0)<γ2iμi(0);
进而确定车队的控制目标为:
(1)车队的车辆间的间距误差能够在保证有限时间收敛率的前提下,收敛到零点的小邻域内;
(2)在车队的行进过程中不违反车辆间的间距误差的约束限制条件;
所述步骤3.1的具体方法为:
针对车辆间的间距误差edi,引入时变对数型非对称李雅普诺夫函数,如下公式所示:
为了解决车辆间的间距误差对时间的依赖性,定义如下变量:
结合式(13)和(14),则式(12)转化成以下形式:
对Vi1和edi分别求导,如下公式所示:
选定第i辆车的期望速度αvi作为车队控制器的基于间距误差的虚拟控制输入,如下公式所示:
其中,ki1,ki2,αi均为正常数,且0<αi<1,vi-1为第i-1辆车的速度,ki(t)为时变参数,如下公式所示:
将式(18)带入式(17),得:
对Vi1经由(20)求导得:
根据式(19)得:
因此,式(21)变成如下形式:
则Vi1的导数满足以下关系:
所述步骤3.2的具体方法为:
定义车辆的速度跟踪误差如下公式所示:
evi=vi-αvi (25)
其中,evi为第i辆车的速度跟踪误差;
对速度跟踪误差evi求导,如下公式所示:
则设计车队控制器的基于速度跟踪误差的虚拟控制输入αai如下公式所示:
其中,ki3,ki4为待设计的正参数;
所述步骤3.3的具体方法为:
定义车辆的加速度跟踪误差如下公式所示:
eai=ai-αai (28)
其中,eai为第i辆车的加速度跟踪误差;
对加速度跟踪误差eai求导,如下公式所示:
其中,ki5,ki6均为车队控制器的设计参数;
采用径向基函数神经网络方法来逼近fi *(vi,ai),得到第i辆车的实际控制输入ui如下公式所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010836127.2A CN112083719B (zh) | 2020-08-19 | 2020-08-19 | 一种基于预设性能函数的有限时间车队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010836127.2A CN112083719B (zh) | 2020-08-19 | 2020-08-19 | 一种基于预设性能函数的有限时间车队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112083719A CN112083719A (zh) | 2020-12-15 |
CN112083719B true CN112083719B (zh) | 2022-04-01 |
Family
ID=73728346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010836127.2A Active CN112083719B (zh) | 2020-08-19 | 2020-08-19 | 一种基于预设性能函数的有限时间车队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112083719B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359733B (zh) * | 2021-06-15 | 2022-08-02 | 东北大学秦皇岛分校 | 一种具有预设瞬稳态性能的有限时间车辆编队控制方法 |
CN113423087B (zh) * | 2021-06-17 | 2022-04-15 | 天津大学 | 面向车辆队列控制需求的无线资源分配方法 |
CN113359466B (zh) * | 2021-06-30 | 2023-01-24 | 南通大学 | 一种基于自适应滑模控制的车队协同控制方法 |
CN113721634B (zh) * | 2021-09-09 | 2023-12-19 | 东北大学秦皇岛分校 | 考虑执行器饱和的基于反步法的车队有限时间协同控制方法 |
CN115963770B (zh) * | 2023-03-17 | 2023-07-07 | 青岛大学 | 车队安全变道控制方法、系统、计算机设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003099756A (ja) * | 2001-09-25 | 2003-04-04 | Inst Of Physical & Chemical Res | 脳の精神的な機能をモデル化した人工ニューラルネットワーク構造の形成方法 |
CN109683626A (zh) * | 2018-11-08 | 2019-04-26 | 浙江工业大学 | 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法 |
CN110244747A (zh) * | 2019-08-02 | 2019-09-17 | 大连海事大学 | 一种基于执行器故障和饱和的异构车队容错控制方法 |
CN110333728A (zh) * | 2019-08-02 | 2019-10-15 | 大连海事大学 | 一种基于变时间间距策略的异构车队容错控制方法 |
-
2020
- 2020-08-19 CN CN202010836127.2A patent/CN112083719B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003099756A (ja) * | 2001-09-25 | 2003-04-04 | Inst Of Physical & Chemical Res | 脳の精神的な機能をモデル化した人工ニューラルネットワーク構造の形成方法 |
CN109683626A (zh) * | 2018-11-08 | 2019-04-26 | 浙江工业大学 | 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法 |
CN110244747A (zh) * | 2019-08-02 | 2019-09-17 | 大连海事大学 | 一种基于执行器故障和饱和的异构车队容错控制方法 |
CN110333728A (zh) * | 2019-08-02 | 2019-10-15 | 大连海事大学 | 一种基于变时间间距策略的异构车队容错控制方法 |
Non-Patent Citations (6)
Title |
---|
Fixed-Time Leader-Follower Formation Control of Autonomous Underwater Vehicles With Event-Triggered Intermittent Communications;ZHENYU GAO,等;《Digital Object Identifier》;20180618;第6卷;第27902-27911页 * |
Fixed-time Sliding Mode Formation Control of AUVs Based on a Disturbance Observer;Zhenyu Gao,Ge Guo;《IEEE/CAA JOURNAL OF AUTOMATICA SINICA》;20200331;第7卷(第2期);第539-545页 * |
基于到达时间差的半定松弛规划优化的定位算法;王其华,郭戈;《大连海事大学学报》;20131130;第39卷(第4期);第59-62页 * |
基于径向基函数神经网络滑模控制的运动控制系统;郁明,丛爽;《系统仿真学报》;20090228;第21卷(第3期);第776-788页 * |
基于扰动观测器的AUVs固定时间编队控制;高振宇,郭戈;《自动化学报》;20190630;第45卷(第6期);第1094-1102页 * |
车队控制中的一种通用可变时距策略;于晓海,郭戈;《自动化学报》;20190731;第45卷(第7期);第1335-1343页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112083719A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112083719B (zh) | 一种基于预设性能函数的有限时间车队控制方法 | |
Li et al. | Adaptive-event-trigger-based fuzzy nonlinear lateral dynamic control for autonomous electric vehicles under insecure communication networks | |
Gao et al. | Distributed adaptive sliding mode control of vehicular platoon with uncertain interaction topology | |
CN110333728B (zh) | 一种基于变时间间距策略的异构车队容错控制方法 | |
Wang et al. | Robust output-feedback based vehicle lateral motion control considering network-induced delay and tire force saturation | |
CN107791773B (zh) | 一种基于规定性能函数的整车主动悬架系统振动控制方法 | |
CN111694366B (zh) | 基于滑模控制理论的车队协同制动控制方法 | |
Wang et al. | Self-learning cruise control using kernel-based least squares policy iteration | |
CN110703761B (zh) | 一种基于事件触发的网络化自主车队调度与协同控制方法 | |
Zhu et al. | V2V-based cooperative control of uncertain, disturbed and constrained nonlinear CAVs platoon | |
CN108733955A (zh) | 一种智能电动汽车纵向运动控制系统及方法 | |
CN112034859B (zh) | 抗干扰的cacc系统的自适应动态规划方法 | |
Li et al. | Robust quantised control for active suspension systems | |
Li et al. | Robust cooperation of connected vehicle systems with eigenvalue-bounded interaction topologies in the presence of uncertain dynamics | |
Darbha et al. | Vehicle platooning with constant spacing strategies and multiple vehicle look ahead information | |
Yang et al. | Longitudinal tracking control of vehicle platooning using DDPG-based PID | |
CN111736473B (zh) | 基于非线性终端滑模方法的车队有限时间制动控制方法 | |
Luu et al. | Design and simulation implementation for adaptive cruise control systems of vehicles | |
CN113655794A (zh) | 基于鲁棒模型预测控制的多车协同控制方法 | |
CN113391553B (zh) | 具有执行器饱和的异构cacc系统的自适应最优控制方法 | |
Zidek et al. | Optimal driving policies for autonomous vehicles based on stochastic drift counteraction | |
CN116373846A (zh) | 一种基于bp神经网络优化的后轮转向车辆稳定性控制方法 | |
Ghasemi | Directional control of a platoon of vehicles for comfort specification by considering parasitic time delays and lags | |
Wang et al. | A Fuzzy-Neural Adaptive Iterative Learning Control for Freeway Traffic Flow Systems | |
Hua | A new car-following model considering recurrent neural network |
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 |