CN112904838B - 二维平面智能车辆队列控制方法 - Google Patents

二维平面智能车辆队列控制方法 Download PDF

Info

Publication number
CN112904838B
CN112904838B CN202110013968.8A CN202110013968A CN112904838B CN 112904838 B CN112904838 B CN 112904838B CN 202110013968 A CN202110013968 A CN 202110013968A CN 112904838 B CN112904838 B CN 112904838B
Authority
CN
China
Prior art keywords
intelligent vehicle
dimensional plane
unknown
vehicle
deflection angle
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
CN202110013968.8A
Other languages
English (en)
Other versions
CN112904838A (zh
Inventor
郭祥贵
徐伟栋
田原
王建梁
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.)
University of Science and Technology Beijing USTB
Hangzhou Innovation Research Institute of Beihang University
Original Assignee
University of Science and Technology Beijing USTB
Hangzhou Innovation Research Institute of Beihang University
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 University of Science and Technology Beijing USTB, Hangzhou Innovation Research Institute of Beihang University filed Critical University of Science and Technology Beijing USTB
Priority to CN202110013968.8A priority Critical patent/CN112904838B/zh
Priority to JP2021031162A priority patent/JP7226721B2/ja
Publication of CN112904838A publication Critical patent/CN112904838A/zh
Application granted granted Critical
Publication of CN112904838B publication Critical patent/CN112904838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种二维平面智能车辆队列控制方法，该方法包括：建立存在执行器故障和外部干扰的智能车辆二维平面动态模型；获取队列领导车辆运行信息，建立领导车辆模型；获取期望间距，并基于建立的智能车辆二维平面动态模型和领导车辆模型，计算实际间距、速度方向偏角、间距误差和偏角误差并设置间距约束；运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障并选取一种饱和Nussbaum函数；基于计算出的间距误差和偏角误差，构造滑模面；基于构造的滑模面，设计自适应控制律；本发明可解决未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列控制问题，提高车辆队列安全性和稳定性。

Description

二维平面智能车辆队列控制方法
技术领域
本发明涉及智能车辆控制技术领域，特别涉及一种二维平面智能车辆队列控制方法。
背景技术
随着人们环保意识的提高和城市交通拥堵日益严重，运用高新技术解决城市交通问题成为城市交通系统的研究方向。智能车辆队列控制作为智能交通系统的一部分，能够有效的缓解交通压力和减轻尾气造成的空气污染，而且还能够加强交通安全，提升驾驶的方便性，成为智能交通系统的热点研究方向。
智能车辆队列控制的核心主要是通过信息交互，将独立的车辆形成车辆队列，并保持规定的安全距离并与领航车辆保持相同的速度。车辆队列需要满足独立的车辆稳定以及队列稳定，队列稳定性确保了干扰不会在队列中被放大。但是仅仅满足队列稳定性并不能避免相邻车辆之间的碰撞，而且由于通讯设备的传输距离限制，就要求通讯拓扑中连续车辆之间的距离不能超过一定的范围，如何保证防撞和防止通信中断就成为一个重要的问题。
可以将上述问题转换为车辆队列的间距约束问题，即：连续车辆之间的间距必须大于最小碰撞距离，小于最大通讯限制距离。为了更切合实际，在智能车辆队列控制中需要由一维纵向控制扩展到二维平面纵向、横向控制，即包括转向，变道等更实际的需求。另外，在车辆队列系统中的故障主要包括控制器故障、传感器故障、执行器故障和被控对象本身的故障。执行器故障是最有可能发生的，因为执行器经常执行控制任务。现有的经典执行机构故障模型主要是效能损失和偏置故障，其中执行器故障因子在(0,1)区间内。但是，在车辆运行过程中由于高温摩擦、传感器等检测元件损坏和高频率工作中偶然出现的电机反转、机械转动装置反转等因素容易导致反向故障和过度故障(即故障因子为负或大于1)，从而严重影响车辆的运行安全。因此，为了保障车辆的运行安全性能，需要提出更可行、更有效的控制策略来解决上述问题。
发明内容
本发明提供了一种二维平面智能车辆队列控制方法，以解决未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列控制的技术问题，从而提高车辆队列的安全性和稳定性。
为解决上述技术问题，本发明提供了如下技术方案：
一种二维平面智能车辆队列控制方法，该方法包括：
建立存在执行器故障和外部干扰的智能车辆二维平面动态模型；
获取二维平面智能车辆队列中领导车辆的运行信息，建立领导车辆模型；
获取二维平面智能车辆队列中相邻车辆之间的期望间距，并基于建立的智能车辆二维平面动态模型和领导车辆模型，计算二维平面智能车辆队列中相邻车辆之间的实际间距、速度方向偏角、间距误差和偏角误差，并设置间距约束；
运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障，并选取一种饱和Nussbaum函数，以解决故障方向未知的问题；
基于计算得到的间距误差和偏角误差，构造滑模面；
基于构造的滑模面，设计自适应控制律及自适应更新律，以实现未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列的控制。
进一步地，所述智能车辆二维平面动态模型表示为：
Figure GDA0003298241660000021
其中，xi(t)、yi(t)、vi(t)、ai(t)和φi(t)分别表示第i辆智能车辆在t时刻的纵向位置、横向位置、速度、加速度以及速度方向偏角；ωi(t)和τi(t)分别表示第i辆智能车辆在t时刻的速度方向偏角变化的速度和偏角控制律；
Figure GDA0003298241660000022
表示第i辆智能车辆在t时刻的车辆牵引力或制动力输出中含有未知方向故障；fi(xi,yi,vi,t)表示模型中的未知非线性阻力；ni(t)表示未知时变外部干扰。
进一步地，车辆牵引力或制动力输出中含有未知方向故障时的动态模型为：
Figure GDA0003298241660000023
其中，ui(t)表示控制律，ρi(t,tρi)表示未知时变执行器故障因子，ρi(t,tρi)满足以下条件：
Figure GDA0003298241660000031
ρ和
Figure GDA0003298241660000032
分别表示上下界；ri(t,tri)表示未知时变偏置执行器故障；tρi和tri分别表示执行器失效故障和偏置故障发生的时刻。
进一步地，所述运行信息包括领导车辆的位置和速度信息，所述领导车辆模型表示为：
Figure GDA0003298241660000033
其中，x0(t)、y0(t)、v0(t)、a0(t)和φ0分别代表t时刻时，二维平面智能车辆队列中领导车辆的纵向位置、横向位置、速度、加速度以及速度方向偏角；
Figure GDA0003298241660000034
Figure GDA0003298241660000035
和
Figure GDA0003298241660000036
分别表示x0(t)、y0(t)和v0(t)对时间t的一阶导数。
进一步地，所述计算二维平面智能车辆队列中相邻车辆之间的实际间距、速度方向偏角、间距误差和偏角误差，包括：
通过下式计算实际间距和速度方向偏角：
Figure GDA0003298241660000037
Figure GDA0003298241660000038
通过下式计算间距误差和偏角误差：
ei(t)＝di(t)-d*
Figure GDA0003298241660000039
其中，d*为预设的二维平面智能车辆队列中相邻车辆之间的期望间距。
进一步地，所述间距约束表示如下：
0＜Δcol＜di(t)＜Δcon
Figure GDA00032982416600000310
其中，Δcol表示二维平面智能车辆队列中相邻车辆之间的最小安全间距，Δcon表示车辆间的最大有效通讯间距；Δ＝Δcol-d*，
Figure GDA00032982416600000311
进一步地，所述运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障表达式为：
Figure GDA00032982416600000312
Figure GDA00032982416600000313
其中，
Figure GDA00032982416600000314
Figure GDA00032982416600000315
和
Figure GDA00032982416600000316
表示理想近似参数向量且满足：
Figure GDA00032982416600000317
Zi＝[xi,yi,vi]；自适应参数
Figure GDA00032982416600000318
分别为θi *、ψi *的估计值，估计误差
Figure GDA00032982416600000319
和
Figure GDA00032982416600000320
定义如下：
Figure GDA0003298241660000041
Figure GDA0003298241660000042
所述饱和Nussbaum函数的表达式为：
Figure GDA0003298241660000043
其中，a和b均为预设的正数，且满足0＜b＜1；q为正整数，
Figure GDA0003298241660000044
ζi(t)为自适应参数。
进一步地，所述滑模面的表达式为：
Figure GDA0003298241660000045
Figure GDA0003298241660000046
其中，si(t)和
Figure GDA0003298241660000047
分别表示ei(t)和
Figure GDA0003298241660000048
的滑模面；λ1、λ2和λ3均为待设计的正的常数；m、n均为正奇数，且满足m＞n；
所述自适应控制律及自适应更新律的表达式分别为：
ui(t)＝-(Ci(t)+Ei(t)+Fi(t)+ksi(t))N(ζi(t))
Figure GDA0003298241660000049
Figure GDA00032982416600000410
Figure GDA00032982416600000411
Figure GDA00032982416600000412
其中，ui(t)和τi(t)分别表示车辆牵引力或制动力输出控制律和偏角控制律；
Figure GDA00032982416600000413
和
Figure GDA00032982416600000414
均为自适应参数；
Figure GDA00032982416600000415
和
Figure GDA00032982416600000416
分别表示
Figure GDA00032982416600000417
和ζi(t)的自适应更新律；k为一个正的常数且满足
Figure GDA0003298241660000051
N(ζi(t))表示Nussbaum函数；αi和
Figure GDA0003298241660000052
均为正的设计系数；σ1,i(t)和σ2,i(t)表示任意一致有界的连续函数，且满足
Figure GDA0003298241660000053
本发明提供的技术方案带来的有益效果至少包括：
1、本发明提出了新型的二维平面智能车辆队列控制模型，加入速度方向偏角的控制，实现对方向盘的操控，可以完成变道、转向等实际功能，适用于更多的场景。
2、本发明提出了一种新型的自适应滑模容错控制器，能够有效解决未知方向时变执行器故障。本发明可以适用于更广泛的故障情况，能使智能车辆队列更加安全的行驶。
3、本发明提出一种非对称障碍李雅普诺夫函数来解决实际中存在的间距约束，保证连续相邻车辆之间避免碰撞，而且保持间距在通讯设备的距离限制内。
4、本发明具有通用性，适合当前大多数二阶系统，均可以同时解决未知方向时变执行器故障、未知不确定项、间距约束及时变外部干扰等问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的二维平面智能车辆队列控制方法的流程图；
图2是本发明实施例提供的二维平面智能车辆队列控制方法的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
请参阅图1和图2，本实施例提供了一种二维平面智能车辆队列控制方法，该方法是一种用于二维平面智能车辆队列的神经自适应滑模容错控制方法，该方法可以由电子设备实现，该电子设备可以是终端或者服务器。具体地，本实施例的二维平面智能车辆队列控制方法的执行流程如图1所示，包括以下步骤：
S101，建立存在执行器故障和外部干扰的智能车辆二维平面动态模型；
具体地，在本实施例中，所建立的智能车辆二维平面动态模型表示为：
Figure GDA0003298241660000061
其中，xi(t)、yi(t)、vi(t)、ai(t)和φi(t)分别表示第i辆智能车辆在t时刻的纵向位置、横向位置、速度、加速度以及速度方向偏角；ωi(t)和τi(t)分别表示速度方向偏角变化的速度和偏角控制律；
Figure GDA0003298241660000062
表示车辆牵引力或制动力输出中含有未知方向故障；fi(xi,yi,vi,t)表示模型中的未知非线性阻力；ni(t)表示未知时变外部干扰。
车辆牵引力或制动力输出中含有未知方向故障时的动态模型为：
Figure GDA0003298241660000063
其中，ui(t)表示控制律，ρi(t,tρi)表示未知时变执行器故障因子，ρi(t,tρi)满足以下条件：
Figure GDA0003298241660000064
ρ和
Figure GDA0003298241660000065
分别表示上下界；ri(t,tri)表示未知时变偏置执行器故障；tρi和tri分别表示执行器失效故障和偏置故障发生的时刻。
本实施例中，考虑更一般的实际情况，执行器故障情况如表1所示：
表1执行器故障情况
故障类型 ρ(t,t<sub>ρ</sub>) r(t,t<sub>r</sub>)
无故障 1 0
效能损失 0＜ρ(t,t<sub>ρ</sub>)＜1 0
偏置故障 1 ≠0
效能损失+偏置故障 0＜ρ(t,t<sub>ρ</sub>)＜1 ≠0
过大故障 ρ(t,t<sub>ρ</sub>)＞1 0
过大故障+偏置故障 ρ(t,t<sub>ρ</sub>)＞1 ≠0
反向故障 ρ(t,t<sub>ρ</sub>)＜0 0
反向故障+偏置故障 ρ(t,t<sub>ρ</sub>)＜0 ≠0
上述故障有可能同时发生，即为未知方向执行器故障。
fi(xi,yi,vi,t)是未知非线性连续函数，表示作用在智能车辆上的阻力，其具体表示为：
Figure GDA0003298241660000071
其中，c0、c1和c2均为非负常数参数。
ni(t)表示未知时变外部干扰，假设存在非负常数
Figure GDA0003298241660000072
使得如下不等式成立：
Figure GDA0003298241660000073
S102，获取二维平面智能车辆队列中领导车辆的运行信息，建立领导车辆模型；其中，运行信息包括领导车辆的位置和速度等信息；
具体地，在本实施例中，建立的队列领导车辆模型表示为：
Figure GDA0003298241660000074
其中，x0(t)、y0(t)、v0(t)、a0(t)和φ0为速度方向偏角，分别代表t时刻时，二维平面智能车辆队列中领导车辆的纵向位置、横向位置、速度、加速度以及速度方向偏角；
Figure GDA0003298241660000075
和
Figure GDA0003298241660000076
分别表示x0(t)、y0(t)和v0(t)对时间t的一阶导数。
S103，获取二维平面智能车辆队列中相邻车辆之间的期望间距，并基于建立的智能车辆二维平面动态模型和领导车辆模型，计算二维平面智能车辆队列中相邻车辆之间的实际间距、速度方向偏角、间距误差和偏角误差，并设置间距约束；
具体地，在本实施例中，计算二维平面智能车辆队列中相邻车辆之间的实际间距、速度方向偏角、间距误差和偏角误差，包括：
通过式(6)计算实际间距，通过式(7)计算速度方向偏角：
Figure GDA0003298241660000077
Figure GDA0003298241660000078
通过式(8)计算间距误差，通过式(9)计算偏角误差：
ei(t)＝di(t)-d* (8)
Figure GDA0003298241660000079
其中，d*为预设的二维平面智能车辆队列中相邻车辆之间的期望间距。
本实施例所设置的车辆间距约束和间距误差表示如下：
0＜Δcol＜di(t)＜Δcon (10)
Figure GDA00032982416600000710
其中，Δcol表示二维平面智能车辆队列中相邻车辆之间的最小安全间距，Δcon表示车辆间的最大有效通讯间距；Δ＝Δcol-d*，
Figure GDA00032982416600000711
S104，运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障，并选取一种饱和Nussbaum函数，以解决故障方向未知的问题；
具体地，在本实施例中，运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障表达式为：
Figure GDA0003298241660000081
Figure GDA0003298241660000082
其中，
Figure GDA0003298241660000083
Figure GDA0003298241660000084
和
Figure GDA0003298241660000085
表示理想近似参数向量且满足：
Figure GDA0003298241660000086
Zi＝[xi,yi,vi]；自适应参数
Figure GDA0003298241660000087
分别为θi *、ψi *的估计值，估计误差
Figure GDA0003298241660000088
和
Figure GDA0003298241660000089
定义如下：
Figure GDA00032982416600000810
Figure GDA00032982416600000811
本实施例所选取的饱和Nussbaum函数的表达式为：
Figure GDA00032982416600000812
其中，a和b均为预设的正数，且满足0＜b＜1；q为正整数，
Figure GDA00032982416600000813
ζi(t)为自适应参数。
S105，基于计算得到的间距误差和偏角误差，构造滑模面；
具体地，在本实施例中，所构造的滑模面的表达式为：
Figure GDA00032982416600000814
Figure GDA00032982416600000815
其中，si(t)和
Figure GDA0003298241660000091
分别表示ei(t)和
Figure GDA0003298241660000092
的滑模面；λ1、λ2和λ3均为待设计的正的常数；m、n均为正奇数，且满足m＞n。
S106，基于构造的滑模面，设计自适应控制律及自适应更新律，以实现未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列的控制。
具体地，在本实施例中，自适应控制律及自适应更新律的表达式分别为：
Figure GDA0003298241660000093
其中，ui(t)和τi(t)分别表示车辆牵引力或制动力输出控制律和偏角控制律；
Figure GDA0003298241660000094
和
Figure GDA0003298241660000095
均为自适应参数；
Figure GDA0003298241660000096
和
Figure GDA0003298241660000097
分别表示
Figure GDA0003298241660000098
和ζi(t)对时间的一阶导数；k为一个正的常数且满足
Figure GDA0003298241660000099
N(ζi(t))表示Nussbaum函数；αi和
Figure GDA00032982416600000910
均为正的设计系数；σ1,i(t)和σ2,i(t)表示任意一致有界的连续函数，且满足
Figure GDA00032982416600000911
βi为正的参数。
Figure GDA00032982416600000912
Figure GDA00032982416600000913
Figure GDA00032982416600000914
Figure GDA00032982416600000915
Figure GDA00032982416600000916
本实施例所提供的二维平面智能车辆队列控制方法，基于自适应控制律，能够有效解决未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列控制问题，从而有效提高车辆队列的安全性和稳定性。
下面，为了验证本实施例所提供的二维平面智能车辆队列控制方法的有效性，对所确定的自适应控制律的稳定性进行分析，具体过程如下：
定义李雅普诺夫函数如下：
Figure GDA0003298241660000101
其中，
Figure GDA0003298241660000102
和
Figure GDA0003298241660000103
分别在式(13)和式(14)中被定义；αi和
Figure GDA0003298241660000104
在式(18)中说明；Vi b(t)为所设计的非对称障碍李雅普诺夫函数，如下所示：
Figure GDA0003298241660000105
其中，βi为正的参数。当ei(t)＜0且ei(t)→Δ时，Vi b(t)→+∞；当
Figure GDA0003298241660000106
且
Figure GDA0003298241660000107
时，Vi b(t)→+∞。
计算滑模面si(t)和sφi(t)对时间t的一阶导数：
Figure GDA0003298241660000108
Figure GDA0003298241660000109
由式(21)可得
Figure GDA00032982416600001010
结合式(18)中的自适应律和式(13)、(14)中的估计误差，可以得到
Figure GDA00032982416600001011
Figure GDA0003298241660000111
根据式(20)可得
Figure GDA0003298241660000112
将式(23)、(24)、(25)、(26)代入式(19)中，可以得到
Figure GDA0003298241660000113
其中，
Figure GDA0003298241660000114
和
Figure GDA0003298241660000115
均为整数且取值如下：
Figure GDA0003298241660000116
Figure GDA0003298241660000117
是有界的且
Figure GDA0003298241660000118
(
Figure GDA0003298241660000119
是一个正的常数)；满足下列不等式：
Figure GDA00032982416600001110
其中，
Figure GDA00032982416600001111
Figure GDA00032982416600001112
将式(22)代入式(19)中，可得
Figure GDA0003298241660000121
其中，当且仅当
Figure GDA0003298241660000122
时，
Figure GDA0003298241660000123
通过选择适当的参数和初始条件，该方法可以保证ei(t)在有限时间内收敛到原点附近小邻域内，
Figure GDA0003298241660000124
也是渐近稳定的。
通过上述的李雅普诺夫函数稳定性分析，证明本实施例所提的控制策略可靠性高，能够有效解决未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列控制问题，可有效提高车辆队列的安全性和稳定性。
综上，本实施例提出了解决未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列控制问题，在实际工程中，可以在结合实际参数(例如，智能车辆的实际位置和实际速度)的同时，按照该方法实现二维平面智能车辆的抗扰动、考虑间距约束和未知方向故障容错的车辆队列控制。
此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

Claims (1)

1.一种二维平面智能车辆队列控制方法，其特征在于，所述方法包括：
建立存在执行器故障和外部干扰的智能车辆二维平面动态模型；
获取二维平面智能车辆队列中领导车辆的运行信息，建立领导车辆模型；
获取二维平面智能车辆队列中相邻车辆之间的期望间距，并基于建立的智能车辆二维平面动态模型和领导车辆模型，计算二维平面智能车辆队列中相邻车辆之间的实际间距、速度方向偏角、间距误差和偏角误差，并设置间距约束；
运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障，并选取一种饱和Nussbaum函数，以解决故障方向未知的问题；
基于计算得到的间距误差和偏角误差，构造滑模面；
基于构造的滑模面，设计自适应控制律及自适应更新律，以实现未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列的控制；
所述智能车辆二维平面动态模型表示为：
Figure FDA0003298241650000011
其中，xi(t)、yi(t)、vi(t)、ai(t)和φi(t)分别表示第i辆智能车辆在t时刻的纵向位置、横向位置、速度、加速度以及速度方向偏角；ωi(t)和τi(t)分别表示第i辆智能车辆在t时刻的速度方向偏角变化的速度和偏角控制律；
Figure FDA0003298241650000015
表示第i辆智能车辆在t时刻的车辆牵引力或制动力输出中含有未知方向故障；fi(xi,yi,vi,t)表示模型中的未知非线性阻力；ni(t)表示未知时变外部干扰；
所述车辆牵引力或制动力输出中含有未知方向故障时的动态模型为：
Figure FDA0003298241650000012
其中，ui(t)表示控制律，ρi(t,tρi)表示未知时变执行器故障因子，ρi(t,tρi)满足以下条件：
Figure FDA0003298241650000013
ρ和
Figure FDA0003298241650000014
分别表示上下界；ri(t,tri)表示未知时变偏置执行器故障；tρi和tri分别表示执行器失效故障和偏置故障发生的时刻；
所述运行信息包括领导车辆的位置和速度信息，所述领导车辆模型表示为：
Figure FDA0003298241650000021
其中，x0(t)、y0(t)、v0(t)、a0(t)和φ0分别代表t时刻时，二维平面智能车辆队列中领导车辆的纵向位置、横向位置、速度、加速度以及速度方向偏角；
Figure FDA0003298241650000022
Figure FDA0003298241650000023
和
Figure FDA00032982416500000221
分别表示x0(t)、y0(t)和v0(t)对时间t的一阶导数；
所述计算二维平面智能车辆队列中相邻车辆之间的实际间距、速度方向偏角、间距误差和偏角误差，包括：
通过下式计算实际间距和速度方向偏角：
Figure FDA0003298241650000025
Figure FDA0003298241650000026
通过下式计算间距误差和偏角误差：
ei(t)＝di(t)-d*
Figure FDA0003298241650000027
其中，d*为预设的二维平面智能车辆队列中相邻车辆之间的期望间距；
所述间距约束表示如下：
0＜Δcol＜di(t)＜Δcon
Figure FDA0003298241650000028
其中，Δcol表示二维平面智能车辆队列中相邻车辆之间的最小安全间距，Δcon表示车辆间的最大有效通讯间距；Δ＝Δcol-d*，
Figure FDA0003298241650000029
所述运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障表达式为：
Figure FDA00032982416500000210
Figure FDA00032982416500000211
其中，
Figure FDA00032982416500000212
Figure FDA00032982416500000213
和
Figure FDA00032982416500000214
表示理想近似参数向量且满足：
Figure FDA00032982416500000215
Zi＝[xi,yi,vi]；自适应参数
Figure FDA00032982416500000216
分别为θi *、ψi *的估计值，估计误差
Figure FDA00032982416500000217
和
Figure FDA00032982416500000218
定义如下：
Figure FDA00032982416500000219
Figure FDA00032982416500000220
所述饱和Nussbaum函数的表达式为：
Figure FDA0003298241650000031
其中，a和b均为预设的正数，且满足0＜b＜1；q为正整数，
Figure FDA0003298241650000032
ζi(t)为自适应参数；
所述滑模面的表达式为：
Figure FDA0003298241650000033
Figure FDA0003298241650000034
其中，si(t)和
Figure FDA0003298241650000035
分别表示ei(t)和
Figure FDA0003298241650000036
的滑模面；λ1、λ2和λ3均为待设计的正的常数；m、n均为正奇数，且满足m＞n；
所述自适应控制律及自适应更新律的表达式分别为：
ui(t)＝-(Ci(t)+Ei(t)+Fi(t)+ksi(t))N(ζi(t))
Figure FDA0003298241650000037
Figure FDA0003298241650000038
Figure FDA0003298241650000039
Figure FDA00032982416500000310
Figure FDA0003298241650000041
Figure FDA0003298241650000042
Figure FDA0003298241650000043
Figure FDA0003298241650000044
Figure FDA0003298241650000045
其中，ui(t)和τi(t)分别表示车辆牵引力或制动力输出控制律和偏角控制律；
Figure FDA0003298241650000046
和
Figure FDA0003298241650000047
均为自适应参数；
Figure FDA0003298241650000048
和
Figure FDA0003298241650000049
分别表示
Figure FDA00032982416500000414
和ζi(t)的自适应更新律；k为一个正的常数且满足
Figure FDA00032982416500000411
N(ζi(t))表示Nussbaum函数；αi和
Figure FDA00032982416500000412
均为正的设计系数；σ1,i(t)和σ2,i(t)表示任意一致有界的连续函数，且满足
Figure FDA00032982416500000413
CN202110013968.8A 2021-01-06 2021-01-06 二维平面智能车辆队列控制方法 Active CN112904838B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110013968.8A CN112904838B (zh) 2021-01-06 2021-01-06 二维平面智能车辆队列控制方法
JP2021031162A JP7226721B2 (ja) 2021-01-06 2021-02-26 二次元平面でのインテリジェント車両隊列制御方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110013968.8A CN112904838B (zh) 2021-01-06 2021-01-06 二维平面智能车辆队列控制方法

Publications (2)

Publication Number Publication Date
CN112904838A CN112904838A (zh) 2021-06-04
CN112904838B true CN112904838B (zh) 2021-11-26

Family

ID=76112180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110013968.8A Active CN112904838B (zh) 2021-01-06 2021-01-06 二维平面智能车辆队列控制方法

Country Status (2)

Country Link
JP (1) JP7226721B2 (zh)
CN (1) CN112904838B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115373266B (zh) * 2022-08-11 2024-04-30 西北工业大学 一种绳系约束多智能体的张力预测与协同控制方法
CN116118822B (zh) * 2023-04-13 2023-07-28 江西科骏实业有限公司 一种列车编组运行时的主动避碰控制方法、系统及介质
CN116909136B (zh) * 2023-06-21 2023-12-26 山东大学 基于确定学习的2-dof直升机滑模控制方法及系统
CN116859952B (zh) * 2023-08-10 2024-05-03 上海理工大学 基于二阶连续滑模的车队纵向复合控制方法及系统
CN116819976B (zh) * 2023-08-31 2023-11-10 中国人民解放军空军工程大学 控制输入受约束动力学系统的预定时间容错控制设计方法
CN117970810B (zh) * 2024-03-28 2024-06-21 北京理工大学 一种自适应故障容错控制方法、系统及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2557551A1 (en) * 2011-08-10 2013-02-13 Fujitsu Limited Apparatus for measuring vehicle queue length, method for measuring vehicle queue length, and computer-readable recording medium storing computer program for measuring vehicle queue length
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
CN111694366A (zh) * 2020-07-08 2020-09-22 东北大学秦皇岛分校 基于滑模控制理论的车队协同制动控制方法
CN111880413A (zh) * 2020-08-12 2020-11-03 东南大学 一种针对船舶航向保持的自适应动态面算法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5288266B2 (ja) 2009-03-11 2013-09-11 株式会社エクォス・リサーチ 車両
KR101935006B1 (ko) 2017-06-23 2019-01-03 중앙대학교 산학협력단 멀티 에이전트 시스템에 포함되는 추종 에이전트 및 이의 제어 방법
CN107168069B (zh) 2017-07-07 2019-08-30 重庆大学 一种受扰动和未知方向非线性系统的零误差跟踪控制方法
CN108791290B (zh) 2018-08-20 2020-10-20 中国人民解放军国防科技大学 基于在线增量式dhp的双车协同自适应巡航控制方法
CN110992677B (zh) 2019-11-20 2021-03-19 北方工业大学 一种应对通信异常的智能网联汽车编队控制方法及系统
CN111746538B (zh) 2020-07-02 2021-09-10 清华大学 一种严格避撞的车辆队列跟驰控制方法和控制系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2557551A1 (en) * 2011-08-10 2013-02-13 Fujitsu Limited Apparatus for measuring vehicle queue length, method for measuring vehicle queue length, and computer-readable recording medium storing computer program for measuring vehicle queue length
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
CN111694366A (zh) * 2020-07-08 2020-09-22 东北大学秦皇岛分校 基于滑模控制理论的车队协同制动控制方法
CN111880413A (zh) * 2020-08-12 2020-11-03 东南大学 一种针对船舶航向保持的自适应动态面算法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Adaptive platoon control for nonlinear vehicular systems with asymmetric input deadzone and inter-vehicular spacing constraints;Xianggui Guo 等;《2017 IEEE 56th Annual Conference on Decision and Control (CDC)》;20171231;全文 *
Distributed Adaptive Sliding Mode Control Strategy for Vehicle-Following Systems With Nonlinear Acceleration Uncertainties;Xianggui Guo 等;《IEEE Transactions on Vehicular Technology》;20171231;全文 *
异构自主车队的队列稳定性研究;田广旭;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20181130(第11期);全文 *
执行器饱和异构车队的稳定性分析;高强 等;《计算机仿真》;20180731;第35卷(第7期);全文 *

Also Published As

Publication number Publication date
CN112904838A (zh) 2021-06-04
JP2022106261A (ja) 2022-07-19
JP7226721B2 (ja) 2023-02-21

Similar Documents

Publication Publication Date Title
CN112904838B (zh) 二维平面智能车辆队列控制方法
Guo et al. Adaptive fault-tolerant control of platoons with guaranteed traffic flow stability
Guo et al. A new quadratic spacing policy and adaptive fault-tolerant platooning with actuator saturation
Hu et al. Cooperative control of heterogeneous connected vehicle platoons: An adaptive leader-following approach
Wang et al. Integral sliding mode control using a disturbance observer for vehicle platoons
CN110333728B (zh) 一种基于变时间间距策略的异构车队容错控制方法
CN108136935B (zh) 车速控制装置
CN109375510B (zh) 一种用于高速列车的自适应滑模容错控制方法
Ferrara et al. Optimization‐based adaptive sliding mode control with application to vehicle dynamics control
CN109933021A (zh) 考虑车辆动力学参数不确定性的车辆队列稳定性控制方法
CN108733955A (zh) 一种智能电动汽车纵向运动控制系统及方法
CN108717264B (zh) 一种设计基于事件触发的磁悬浮系统模糊控制器的方法
CN110254408A (zh) 一种智能汽车防抱死制动系统自适应时变滑移率约束控制算法
He et al. Gaussian learning‐based fuzzy predictive cruise control for improving safety and economy of connected vehicles
Zhao et al. Adaptive event-triggered interval type-2 TS fuzzy control for lateral dynamic stabilization of AEVs with intermittent measurements and actuator failure
Lee et al. Coordinated longitudinal and lateral motion control of vehicles for IVHS
Wang et al. A fully distributed antiwindup control protocol for intelligent-connected electric vehicles platooning with switching topologies and input saturation
Han et al. Adaptive distributed finite‐time fault‐tolerant controller for cooperative braking of the vehicle platoon
Hodgson et al. Effect of vehicle mass changes on the accuracy of Kalman filter estimation of electric vehicle speed
Feng et al. Backstepping method based controller design for third-order truck platoon robust to dynamic uncertainty and external disturbance
Zhang et al. Energy dissipation based longitudinal and lateral coupling control for intelligent vehicles
CN113428195B (zh) 列车自动控制方法及装置
Németh et al. Analysis of vehicle actuators based on reachable sets
Yang et al. Optimal coordinated control of a vehicular platoon by taking into account the individual vehicle dynamics
Németh et al. Fault-tolerant control design for trajectory tracking in driver assistance systems

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