CN113282079A - 一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法 - Google Patents

Abstract

本发明提供一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法。包括：采用双向通信策略，每辆车将量化后的状态信息传给前后车辆，为了减少量化误差和外部扰动对系统性能的影响，每辆跟随车根据获取的量化信息，设计耦合滑模面。根据获取的前后车辆的量化信息，应用滑模控制方法为每辆跟随车设计新的协同跟踪控制器；通过在频域分析系统的串稳定性，限定跟随车辆的耦合滑模面的耦合强度。本发明为每辆跟随车设计新的协同控制器；通过对滑模面的耦合强度系数稍加限制，即可保证车队的串稳定性。本发明方法只使用前后车的量化信息，设计方法完全是分布式，没有使用任何系统的全局信息。通过仿真实验，证明了本发明方法的有效性和优越性。

Description

一种基于均匀量化通信数据的互联异构车辆的全分布式控制 方法

技术领域

本发明涉及互联车辆系统技术领域，具体而言，尤其涉及一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法。

背景技术

互联车辆系统协同控制是国际智能交通界关注的热点，其通过通信技术实现车对车(V2V)、车对路边基础设施(V2I)实现信息交互和共享，根据共同的控制任务，综合运用通信、传感、计算和控制技术，完成协同驾驶的控制任务。对比单车的驾驶模式，互联车辆协同驾驶具有降低交通拥堵、减少能源消耗与废气排放等优势。现已有不同的控制技术应用在互联车辆系统中，例如，模型预测控制，分层逻辑模糊控制，鲁棒H∞控制，滑模自适应控制等。对于只基于传统的雷达测距技术，在互联车辆系统中大规模运用多跳车载网络，有利于多车辆的状态信息传输共享，但是这势必会引入更多的网络通信问题，例如，通信时延、丢包、信道衰弱与量化。

现有的相关成果大多数是假设车辆间传递的数据具有无限的精确度，但是由于信道限制和数据传输率需求，数据在传输前都需要量化处理。因此为了确保互联车辆系统的控制性能，研究V2V网络中的量化问题十分必要。但是目前，很少有这方面的研究成果。

因此为互联车辆系统选择合适的量化机制与设计合适的控制律面临着两大挑战：1)为了保证舒适的驾驶体验，需要选择合适的量化机制，避免系统不稳定和车辆加速度变化剧烈波动。2)使用量化通信数据，大规模耦合的互联车辆系统增加了分布式控制的设计复杂度和难度。

发明内容

根据上述提出的技术问题，提供一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法。本发明使用双向通信策略，每辆车将量化后的状态信息传给前后车辆。为了减少量化误差和外部扰动对系统性能的影响，每辆跟随车根据收到的量化信息，设计耦合滑模面。采用定间距的跟随策略，将互联车辆系统的协同控制问题转化为耦合滑模面的收敛问题。根据V2V通信网络接收的前后车辆的量化数据，运用滑模控制理论和李雅普诺夫函数法，为每辆跟随车设计新的协同控制器；通过对滑模面的耦合强度系数稍加限制，即可保证车队的串稳定性。

本发明采用的技术手段如下：

一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法，包括如下步骤：

S1、采用双向通信策略，每辆车将量化后的状态信息传给前后车辆，每辆跟随车根据获取的量化信息，设计耦合滑模面。

S2、根据获取的前后车辆的量化信息，应用滑模控制方法为每辆跟随车设计新的协同跟踪控制器；

S3、通过在频域分析系统的串稳定性，限定跟随车辆的耦合滑模面的耦合强度。

进一步地，所述步骤S1具体包括：

S11、构建异构车辆纵向控制模型，考虑外界扰动，每辆车的动态特性的微分方程表示如下：

其中，

为车辆i的发动机常数，取决于特定车辆的机械特性；u_i为待设计的车辆i的控制输入；d_i(t)为由滚动阻力，风阻和地面摩擦力引起的有界外界扰动，满足||d_i(t)||≤D，D＞0；

S12、为了分析互联车辆系统性能，定义车辆i和前车i-1的车间距误差为：

其中，

为期望车间距误差，l_i为车辆i的长度，车间相对距离(p_i-1(t)-p_i(t))由车辆安装的雷达传感器测得；

S13、为了取得协同跟踪的性能，为每辆跟随车设计耦合滑模面，具体如下：

其中，c₁与c₂为常数，对于任意的λ＞0，满足c₁＝λ²，c₂＝2λ，e_i(t)为通过车载雷达获得的车间距误差，对e_i(t)运用向前一阶差分和二阶差分获得e_i(t)的一阶微分

和二阶微分

S14、为了实现串稳定性，为每一辆跟随车选择耦合滑模面，具体如下：

Y_i(t)＝s_i+1(t)-ρ_is_i(t),i＝1,…,N (4)

其中，耦合强度ρ_i＞0，s_N+1＝0，耦合滑模面Y_i收敛等价于s_i收敛。

进一步地，所述步骤S2基于均匀量化数据为异构互联车辆系统设计协同控制器，在有界外界扰动的情况下，获取以下两个性能目标：

第一性能目标：协同跟踪，每个跟踪车辆均和前车保持理想距离，即

第二性能目标：串稳定，车辆i的车间距误差e_i(t)(i＝1,...,N)不会沿着队列向下扩大，即||G(jω)||≤1,j²＝-1，ω＞0,其中，G(s)为误差传播的拉普拉斯传递函数，G(s)＝E_i+1(s)/E_i(s)。

进一步地，所述步骤S2具体包括：

S21、基于均匀量化通信数据和有界外部扰动的互联异构协同跟踪问题，设计协同跟踪控制器，如下：

其中，ρ_i＞0,η_i≥(ρ_i+1)D,h_i＞0,

F_N＝0 (7)

上式中，f_v(·),f_a(·),f_ad(·)分别是速度、加速度和加速度导数的量化值，Δ_v(·),Δ_a(·),Δ_ad(·)分别是速度，加速度和加速度导数的量化敏感度；

S22、在外界有界的扰动下，设置滑模面的耦合参数为0＜ρ_i≤1，使用步骤S21设计的协同控制器(5)，达到基于均匀量化双向通信数据的互联车辆系统的串稳定性。

进一步地，所述步骤S2中还包括证明步骤S21的过程，证明过程如下：

将步骤S11中的互联异构车辆系统即公式(1)定义如下李雅普诺夫方程：

其中，V_i为每辆跟随车的李雅普诺夫方程：

结合动态方程系统(1)与耦合滑模面(4)，将每一辆跟随车的李雅普诺夫时间导数(11)写成如下形式：

考虑(1)中的动态方程，得出：

基于公式(6)-(8)，将公式(13)中的Q_i写成以下形式：

令u_i＝u_i1+u_i2+u_i3，其中，u_i1＝f_a(a_i)，

应用等式关系

f_s(|s_i+1|)＝|f_s(s_i+1)|，f_s(|ρ_is_i|)＝|f_s(ρ_is_i)|，将u_i1和u_i2带入公式(14)，得到：

将u_i3带入公式(17)中最后一项，得到：

结合公式(15)和公式(16)，得到：

根据均匀量化器的性质和等式

等式(17)中的上界表示为：

如果参数选择为

h_i＞0，公式(20)写为：

将公式(20)带入公式(17)，得到：

如果参数η_i选为η_i≥(ρ_i+1)D,公式(10)中N辆车的李雅普诺夫函数变为：

其中，

由公式(23)，得出V(t)是有界与非增的，由于V(t)是有界与Barbalat引理，t→∞,Y_i(t)→0，s_i的收敛性得到保证，进一步意味着每辆跟随的车间距误差e_i收敛于零，证明结束。

进一步地，所述步骤S2中还包括证明步骤S22的过程，证明过程如下：

根据步骤S21，跟随车辆i最终到达滑模面时，存在：

Y_i＝s_i+1-ρ_is_i＝0,i＝1,…,N (24)

将公式(5)中定义的滑模面带入公式(24)中，得到：

对公式(25)两边进行拉普拉斯变换，得到：

(c₁+c₂s+s²)e_i+1(s)＝ρ_i(c₁+c₂s+s²)e_i(s) (26)

其中，s＝jw,j²＝-1；

设置0＜ρ_i≤1，得到：

||G(jw)||＝||E_i+1(jw)/E_i(jw)||＝ρ_i≤1 (27)

串稳定问题得到保证，证明结束。

进一步地，所述方法还包括考虑驾驶舒适性和乘客的乘坐体验，采用均匀量化器，f:R→ΔZ的步骤，其定义为：

其中，z∈R，n＞0为正整数，Δ＞0为量化敏感度。

进一步地，所述均匀量化器具有以下特性：

zf(z)≥0 (29)

||f(z)-z||≤Δ (30)。

较现有技术相比，本发明具有以下优点：

1、本发明提供的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，设计的互联车辆协同控制器属于全分布式的，仅仅使用前后车辆的量化状态信息，没有使用任何关于拓扑的全局信息。现有技术使用了实时全局通信拓扑信息与所有车辆系统矩阵，因此现有技术中的控制器与求解算法的可解性和车辆个数有关，当车辆个数增加时，求解线性矩阵不等式的计算负担会成几何倍数增加。相反，本发明设计的算法使得互联车辆的跟踪误差的收敛率是

与车辆数无关。因此本发明的设计方法具有更好的可扩展性和灵活性。

2、本发明提供的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，在串稳定性能、驾驶舒适性和实施的灵活性方面都要优于现有技术提出的集中式设计方法和指数量化机制，本发明使用耦合滑模面的方法，该方法对量化误差和外界扰动更加不敏感。均匀量化器的量化误差的上界为f(z)-z||≤Δ，该值和车辆的状态信息独立，相比指数量化器的量化误差的上界||q(z)-z||≤||Δ(t)|| ||z||,Δ(t)∈[-Δ,Δ]更小，导致系统的响应曲线波动更小。

基于上述理由本发明可在互联车辆系统等领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法流程图。

图2为本发明实施例提供的基于量化数据全分布式控制的互联车辆仿真结果曲线图。

图2中：(a)为位置曲线，(b)为速度曲线，(c)为车间距误差曲线，(d)为加速度曲线，(e)为控制输入曲线，(f)为加速度导数曲线。

图3为本发明实施例提供的指数量化机制与集中式控制器设计的互联车联系统性能对比仿真结果曲线图。

图3中：(a)为位置曲线，(b)为速度曲线，(c)为车间距误差曲线，(d)为加速度曲线，(e)为控制输入曲线，(f)为加速度导数曲线。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

如图1所示，本发明提供了一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法，包括如下步骤：

S1、采用双向通信策略，每辆车将量化后的状态信息传给前后车辆，每辆跟随车根据获取的量化信息，设计耦合滑模面。

具体实施时，作为本发明优选的实施方式，所述步骤S1具体包括：

S11、构建异构车辆纵向控制模型，考虑外界扰动，每辆车的动态特性的微分方程表示如下：

其中，

为车辆i的发动机常数，取决于特定车辆的机械特性；u_i为待设计的车辆i的控制输入；d_i(t)为由滚动阻力，风阻和地面摩擦力引起的有界外界扰动，满足||d_i(t)||≤D，D＞0；

S12、为了分析互联车辆系统性能，定义车辆i和前车i-1的车间距误差为：

其中，

为期望车间距误差，l_i为车辆i的长度，车间相对距离(p_i-1(t)-p_i(t))由车辆安装的雷达传感器测得；

S13、为了取得协同跟踪的性能，为每辆跟随车设计耦合滑模面，具体如下：

其中，c₁与c₂为常数，对于任意的λ＞0，满足c₁＝λ²，c₂＝2λ，e_i(t)为通过车载雷达获得的车间距误差，对e_i(t)运用向前一阶差分和二阶差分获得e_i(t)的一阶微分

和二阶微分

S14、为了实现串稳定性，为每一辆跟随车选择耦合滑模面，具体如下：

Y_i(t)＝s_i+1(t)-ρ_is_i(t),i＝1,…,N (4)

其中，耦合强度ρ_i＞0，s_N+1＝0，耦合滑模面Y_i收敛等价于s_i收敛。

S2、根据获取的前后车辆的量化信息，应用滑模控制方法为每辆跟随车设计新的协同跟踪控制器；

具体实施时，作为本发明优选的实施方式，所述步骤S2基于均匀量化数据为异构互联车辆系统设计协同控制器，在有界外界扰动的情况下，获取以下两个性能目标：

第一性能目标：协同跟踪，每个跟踪车辆均和前车保持理想距离，即

第二性能目标：串稳定，车辆i的车间距误差e_i(t)(i＝1,...,N)不会沿着队列向下扩大，即||G(jω)||≤1,j²＝-1，ω＞0,其中，G(s)为误差传播的拉普拉斯传递函数，G(s)＝E_i+1(s)/E_i(s)。

具体实施时，作为本发明优选的实施方式，所述步骤S2具体包括：

S21、基于均匀量化通信数据和有界外部扰动的互联异构协同跟踪问题，设计协同跟踪控制器，如下：

其中，ρ_i＞0,η_i≥(ρ_i+1)D,h_i＞0,

F_N＝0 (7)

上式中，f_v(·),f_a(·),f_ad(·)分别是速度、加速度和加速度导数的量化值，Δ_v(·),Δ_a(·),Δ_ad(·)分别是速度，加速度和加速度导数的量化敏感度；

具体实施时，作为本发明优选的实施方式，所述步骤S2中还包括证明步骤S21的过程，证明过程如下：

将步骤S11中的互联异构车辆物理信息系统即公式(1)定义如下李雅普诺夫方程：

其中，V_i为每辆跟随车的李雅普诺夫方程：

结合动态方程系统(1)与耦合滑模面(4)，将每一辆跟随车的李雅普诺夫时间导数(11)写成如下形式：

考虑(1)中的动态方程，得出：

基于公式(6)-(8)，将公式(13)中的Q_i写成以下形式：

令u_i＝u_i1+u_i2+u_i3，其中，u_i1＝f_a(a_i)，

应用等式关系

f_s(|s_i+1|)＝|f_s(s_i+1)|，f_s(|ρ_is_i|)＝|f_s(ρ_is_i)|，将u_i1和u_i2带入公式(14)，得到：

将u_i3带入公式(17)中最后一项，得到：

结合公式(15)和公式(16)，得到：

根据均匀量化器的性质和等式

等式(17)中的上界表示为：

如果参数选择为

h_i＞0，公式(20)写为：

将公式(20)带入公式(17)，得到：

如果参数η_i选为η_i≥(ρ_i+1)D,公式(10)中N辆车的李雅普诺夫函数变为：

其中，

由公式(23)，得出V(t)是有界与非增的，由于V(t)是有界与Barbalat引理，t→∞,Y_i(t)→0，s_i的收敛性得到保证，进一步意味着每辆跟随的车间距误差e_i收敛于零，证明结束。

S22、在外界有界的扰动下，设置滑模面的耦合参数为0＜ρ_i≤1，使用步骤S21设计的协同控制器(5)，达到基于均匀量化双向通信数据的互联车辆系统的串稳定性。

具体实施时，作为本发明优选的实施方式，所述步骤S2中还包括证明步骤S22的过程，证明过程如下：

根据步骤S21，跟随车辆i最终到达滑模面时，存在：

Y_i＝s_i+1-ρ_is_i＝0,i＝1,…,N (24)

将公式(5)中定义的滑模面带入公式(24)中，得到：

对公式(25)两边进行拉普拉斯变换，得到：

(c₁+c₂s+s²)e_i+1(s)＝ρ_i(c₁+c₂s+s²)e_i(s) (26)

其中，s＝jw,j²＝-1；

设置0＜ρ_i≤1，得到：

||G(jw)||＝||E_i+1(jw)/E_i(jw)||＝ρ_i≤1 (27)

串稳定问题得到保证，证明结束。

S3、通过在频域分析系统的串稳定性，限定跟随车辆的耦合滑模面的耦合强度。

具体实施时，作为本发明优选的实施方式，所述方法还包括考虑驾驶舒适性和乘客的乘坐体验，采用均匀量化器，f:R→ΔZ的步骤，其定义为：

其中，z∈R，n＞0为正整数，Δ＞0为量化敏感度。

所述均匀量化器具有以下特性：

zf(z)≥0 (29)

||f(z)-z||≤Δ (30)

实施例1

为了证明本发明提供的基于量化通信数据的互联车辆协同全分布控制设计方法的鲁棒性和优越性，进行了如下的仿真实验：

采用5辆智能车辆组成的互联车辆系统，其中一个领队车标记为0，四个跟随车辆标记为1,2,3,4,所有车辆的传动系统时间常数为

理想车间距为d_i,i-1＝20m，跟随车辆的长度分别为l₁＝4.4m,l₂＝4.8m,l₃＝4.9m,l₄＝4.5m,，领队车的初始状态为s₀(t)＝0m,v₀(t)＝15m/s，且期望速度轨迹为

所有跟随车辆的初始状态为理想状态，即零初始车间距误差和零速度误差。所有跟随车辆的扰动信息为d_i(t)＝0.1sin(t)，速度量化敏感度为Δ_v＝0.5，加速度量化敏感度为Δ_a＝0.3，加速度导数(加速度向前差分可得)量化敏感度为Δ_ad＝0.2，车间距量化敏感度为Δ_s＝0.5。

根据本发明的设计方法，为所有跟随车辆的相关参数选择为η_i＝1，h_i＝0.1，D＝0.3，δ_i＝2.005，ρ_i＝0.99。为了防止控制信号震颤，采用x(t)/(||x(t)||+0.01)代替符号函数sign(x)。

使用本发明设计的全分布协作控制器，互联车辆系统的位置变化曲线、速度变化曲线、车间距误差曲线、加速度曲线、控制输入变化曲线与加速度的导数变化曲线展示在图2(a)～图2(f)中。从图2(a)～图2(f)可以看出，使用本发明设计的基于量化通信信息的全分布控制器，互联车辆系统的分布式跟踪和串稳定性能均可以达成。并且速度曲线平滑，相邻时间间隔之间的加速度变化幅度小，控制输出幅值也不至于过大，在物理限制范围内。该方法可以保证乘客的乘坐舒适性体验。

实施例2

为了验证本发明设计的基于均匀量化通信机制的异构互联车辆的协同控制算法的优越性，给出了使用现有技术一提出的集中控制器和指数量化机制的仿真结果对比。

在对比仿真的过程中，车辆动力学、期望车间距、首车速度轨迹和所有车辆的初始状态和上述仿真一致。首车的速度量化参数和加速度量化参数分别为Δ_v＝0.5,Δ_a＝0.3。使用现有技术一中提出的集中控制器算法，通过解大约150*150维的线性矩阵不等式，可得控制器增益为K＝[9.801，0.3010，1.80012.110，0.612]。

对比仿真图如图3(a)-(f)所示，从图3(d)中可以看出跟随车间距误差仅仅是有界的，并不是收敛到零。图3(c)显示车辆的最大加速度是9m/s²，远远大于实际当中乘客可以承受的极限。从图3(e)-(f)可以看出，所有跟随车辆的加速度导数的幅值和控制输入幅值变化比图2(e)-(f)的结果更加剧烈。详细说明：图2(e)中的控制输入幅值波动范围仅仅是图3(e)中的1/4。与此同时，图2(f)中的加速度幅值波动范围仅仅是图3(f)中的20％。

从以上的对比仿真数据可以看出，本发明设计的基于均匀量化数据的异构车辆的协同控制方法在串稳定性能、驾驶舒适性和实施的灵活性方面都要优于现有技术一提出的集中式设计方法和指数量化机制。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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：其依然可以对前述各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各实施例技术方案的范围。

Claims (8)

1.一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法，其特征在于，包括如下步骤：

S1、采用双向通信策略，每辆车将量化后的状态信息传给前后车辆，每辆跟随车根据获取的量化信息，设计耦合滑模面。

S2、根据获取的前后车辆的量化信息，应用滑模控制方法为每辆跟随车设计新的协同跟踪控制器；

S3、通过在频域分析系统的串稳定性，限定跟随车辆的耦合滑模面的耦合强度。

2.根据权利要求1所述的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，其特征在于，所述步骤S1具体包括：

S11、构建异构车辆纵向控制模型，考虑外界扰动，每辆车的动态特性的微分方程表示如下：

其中，

为车辆i的发动机常数，取决于特定车辆的机械特性；u_i为待设计的车辆i的控制输入；d_i(t)为由滚动阻力，风阻和地面摩擦力引起的有界外界扰动，满足||d_i(t)||≤D，D＞0；

S12、为了分析互联车辆系统性能，定义车辆i和前车i-1的车间距误差为：

其中，

为期望车间距误差，l_i为车辆i的长度，车间相对距离(p_i-1(t)-p_i(t))由车辆安装的雷达传感器测得；

S13、为了取得协同跟踪的性能，为每辆跟随车设计耦合滑模面，具体如下：

其中，c₁与c₂为常数，对于任意的λ＞0，满足c₁＝λ²，c₂＝2λ，e_i(t)为通过车载雷达获得的车间距误差，对e_i(t)运用向前一阶差分和二阶差分获得e_i(t)的一阶微分

和二阶微分

S14、为了实现串稳定性，为每一辆跟随车选择耦合滑模面，具体如下：

Y_i(t)＝s_i+1(t)-ρ_is_i(t),i＝1,…,N (4)

其中，耦合强度ρ_i＞0，s_N+1＝0，耦合滑模面Y_i收敛等价于s_i收敛。

3.根据权利要求1所述的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，其特征在于，所述步骤S2基于均匀量化数据为异构互联车辆系统设计协同控制器，在有界外界扰动的情况下，获取以下两个性能目标：

第一性能目标：协同跟踪，每个跟踪车辆均和前车保持理想距离，即

第二性能目标：串稳定，车辆i的车间距误差e_i(t)(i＝1,...,N)不会沿着队列向下扩大，即||G(jω)||≤1,j²＝-1，ω＞0,其中，G(s)为误差传播的拉普拉斯传递函数，G(s)＝E_i+1(s)/E_i(s)。

4.根据权利要求1所述的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，其特征在于，所述步骤S2具体包括：

S21、基于均匀量化通信数据和有界外部扰动的互联异构协同跟踪问题，设计协同跟踪控制器，如下：

其中，ρ_i＞0,η_i≥(ρ_i+1)D,h_i＞0,

F_N＝0 (7)

上式中，f_v(·),f_a(·),f_ad(·)分别是速度、加速度和加速度导数的量化值，Δ_v(·),Δ_a(·),Δ_ad(·)分别是速度、加速度和加速度导数的量化敏感度；

S22、在外界有界的扰动下，设置滑模面的耦合参数为0＜ρ_i≤1，使用步骤S21设计的协同控制器(5)，达到基于均匀量化双向通信数据的互联车辆系统的串稳定性。

5.根据权利要求4所述的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，其特征在于，所述步骤S2中还包括证明步骤S21的过程，证明过程如下：

将步骤S11中的互联异构车辆系统即公式(1)定义如下李雅普诺夫方程：

其中，V_i为每辆跟随车的李雅普诺夫方程：

结合动态方程系统(1)与耦合滑模面(4)，将每一辆跟随车的李雅普诺夫时间导数(11)写成如下形式：

考虑(1)中的动态方程，得出：

基于公式(6)-(8)，将公式(13)中的Q_i写成以下形式：

令u_i＝u_i1+u_i2+u_i3，其中，u_i1＝f_a(a_i)，

应用等式关系

f_s(|s_i+1|)＝|f_s(s_i+1)|，f_s(|ρ_is_i|)＝|f_s(ρ_is_i)|，将u_i1和u_i2带入公式(14)，得到：

将u_i3带入公式(17)中最后一项，得到：

结合公式(15)和公式(16)，得到：

根据均匀量化器的性质和等式

等式(17)中的上界表示为：

如果参数选择为

公式(20)写为：

将公式(20)带入公式(17)，得到：

如果参数η_i选为η_i≥(ρ_i+1)D,公式(10)中N辆车的李雅普诺夫函数变为：

其中，

由公式(23)，得出V(t)是有界与非增的，由于V(t)是有界与Barbalat引理，t→∞,Y_i(t)→0，s_i的收敛性得到保证，进一步意味着每辆跟随的车间距误差e_i收敛于零，证明结束。

6.根据权利要求4所述的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，其特征在于，所述步骤S2中还包括证明步骤S22的过程，证明过程如下：

根据步骤S21，跟随车辆i最终到达滑模面时，存在：

Y_i＝s_i+1-ρ_is_i＝0,i＝1,…,N (24)

将公式(5)中定义的滑模面带入公式(24)中，得到：

对公式(25)两边进行拉普拉斯变换，得到：

(c₁+c₂s+s²)e_i+1(s)＝ρ_i(c₁+c₂s+s²)e_i(s) (26)

其中，s＝jw,j²＝-1；

设置0＜ρ_i≤1，得到：

||G(jw)||＝||E_i+1(jw)/E_i(jw)||＝ρ_i≤1 (27)

串稳定问题得到保证，证明结束。

7.根据权利要求1所述的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，其特征在于，所述方法还包括考虑驾驶舒适性和乘客的乘坐体验，采用均匀量化器，f:R→ΔZ的步骤，其定义为：

其中，z∈R，n＞0为正整数，Δ＞0为量化敏感度。

8.根据权利要求7所述的基于均匀量化通信数据的互联异构车辆的全分布式控制方法，其特征在于，所述均匀量化器具有以下特性：

zf(z)≥0 (29)

||f(z)-z||≤Δ (30)。

Images