CN114137831A - 一种智能网联汽车队列系统中纵向控制方法和装置 - Google Patents

一种智能网联汽车队列系统中纵向控制方法和装置 Download PDF

Info

Publication number
CN114137831A
CN114137831A CN202111192616.XA CN202111192616A CN114137831A CN 114137831 A CN114137831 A CN 114137831A CN 202111192616 A CN202111192616 A CN 202111192616A CN 114137831 A CN114137831 A CN 114137831A
Authority
CN
China
Prior art keywords
vehicle
matrix
communication delay
ith
time
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.)
Granted
Application number
CN202111192616.XA
Other languages
English (en)
Other versions
CN114137831B (zh
Inventor
王红
彭利明
白先旭
于文浩
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202111192616.XA priority Critical patent/CN114137831B/zh
Publication of CN114137831A publication Critical patent/CN114137831A/zh
Application granted granted Critical
Publication of CN114137831B publication Critical patent/CN114137831B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/40—Transportation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Small-Scale Networks (AREA)

Abstract

本申请实施例公开了一种智能网联汽车队列系统中纵向控制方法和装置。所述方法包括：确定智能网联汽车队列系统中可接受的通信延迟上界值h1，其是通过预设的性能指标来确定的；在t时刻存在时变通信延迟值λt的条件下，分别获取第i辆车和第i‑1辆相对于领航车的位置误差、速度误差和加速度误差，得到第i辆车的系统状态量
Figure DDA0003301812220000011
和第i‑1辆车的系统状态量
Figure DDA0003301812220000012
根据系统状态量
Figure DDA0003301812220000013
以及预先获取的第i辆车的增益系数矩阵
Figure DDA0003301812220000014
确定第i辆车在t时刻的控制策略ui，其中增益系统矩阵是根据预设的性能指标来确定的；采用所述控制策略ui对第i辆车在第t时刻的行驶状态进行纵向控制。

Description

一种智能网联汽车队列系统中纵向控制方法和装置
技术领域
本申请实施例涉及智能网联汽车控制领域，尤指一种智能网联汽车队列纵向时变延迟控制方法和装置。
背景技术
随着全球汽车保有量的不断增加，有限的道路交通资源导致交通拥堵以及交通事故等现象频发。智能网联汽车技术的发展为解决这一问题提供了可行的途经。作为智能网联汽车技术的典型应用，智能网联汽车编队控制实现了车辆以较小的间距稳定行驶的功能，极大提高了道路的通行率，有效地减少了车用能源的消耗，这将是未来智能交通系统中的不可或缺的一环。
车辆队列的纵向控制是智能网联汽车编队控制的基础，其目的在于使队列中的跟随车辆以一定的间距策略跟随领航车的运动，并保持队列的稳定性。队列中的通信网络是传递各车状态信息的主要途经，为有效的编队控制提供可能。然而由于网络节点的移动以及通信密度的增加等原因，实际的网络收发过程中不可避免地会产生传输延迟、数据丢包以及时钟同步等问题，导致控制系统的性能下降，甚至引发车辆队列的不稳定。
现有的队列纵向控制方法主要有两种，一是未考虑通信延迟的纵向控制方法，另一种是考虑定延迟的纵向控制方法。前者主要集中于解决诸如车辆线性稳定性控制、异构车辆队列的控制以及队列解耦控制等问题，但这类控制方法通常不具备对于通信延迟的鲁棒性。后者仅考虑定延迟情况下，提升系统对于定通信延迟的鲁棒性。而通信网络延迟可分为源节点延迟、网络通道延迟和目标节点延迟，其中网络通道延迟是具有随机性的过程。故而通信网络延迟是具有时变性的，仅考虑定延迟的队列纵向鲁棒控制使得系统控制效果的保守性增加，因此对于时变通信网络延迟的编队控制的研究是必然趋势。
发明内容
为了解决上述任一技术问题，本申请实施例提供了一种智能网联汽车队列系统中纵向控制方法和装置。
为了达到本申请实施例目的，本申请实施例提供了一种智能网联汽车队列系统中纵向控制方法，包括：
确定智能网联汽车队列系统中可接受的通信延迟上界值h1，其是通过预设的性能指标来确定的；
在t时刻存在时变通信延迟值λt的条件下，分别获取第i辆车和第i-1辆相对于领航车的位置误差、速度误差和加速度误差，得到第i辆车的系统状态量
Figure BDA0003301812200000021
和第i-1辆车的系统状态量
Figure BDA0003301812200000022
根据系统状态量
Figure BDA0003301812200000023
以及预先获取的第i辆车的增益系数矩阵
Figure BDA0003301812200000024
确定第i辆车在t时刻的控制策略ui，其中增益系统矩阵是根据预设的性能指标来确定的；
采用所述控制策略ui对第i辆车在第t时刻的行驶状态进行纵向控制。
一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上文所述的方法。
一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上文所述的方法。
一种智能网联汽车队列系统中纵向控制装置，包括上文所述的电子装置。
上述技术方案中的一个技术方案具有如下优点或有益效果：
确定智能网联汽车队列系统中可接受的通信延迟上界值h1，其是通过预设的性能指标来确定的；在t时刻存在时变通信延迟值λt的条件下，分别获取第i辆车和第i-1辆相对于领航车的位置误差、速度误差和加速度误差，得到第i辆车的系统状态量
Figure BDA0003301812200000025
和第i-1辆车的系统状态量
Figure BDA0003301812200000026
根据系统状态量
Figure BDA0003301812200000027
以及预先获取的第i辆车的增益系数矩阵
Figure BDA0003301812200000028
确定第i辆车在t时刻的控制策略ui，采用所述控制策略ui对第i辆车在第t时刻的行驶状态进行纵向控制，实现基于时变通信延迟的控制策略对车辆进行控制，提高了控制策略的准确性，更好地保证车辆队列的稳定性。
本申请实施例的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请实施例的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请实施例技术方案的进一步理解，并且构成说明书的一部分，与本申请实施例的实施例一起用于解释本申请实施例的技术方案，并不构成对本申请实施例技术方案的限制。
图1为本申请实施例提供的智能网联汽车队列系统中纵向控制方法的流程图；
图2为本发明实施例提供的在时变通信延迟条件下采用H infinity鲁棒控制器进行纵向控制的方法的流程示意图；
图3为本申请实施例提供的混合车辆队列的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请实施例的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请实施例中的实施例及实施例中的特征可以相互任意组合。
图1为本申请实施例提供的智能网联汽车队列系统中纵向控制方法的流程图。如图1所示，包括：
步骤101、确定智能网联汽车队列系统中可接受的通信延迟上界值h1，其是通过预设的性能指标来确定的；
步骤102、在t时刻存在时变通信延迟值λt的条件下，分别获取第i辆车和第i-1辆相对于领航车的位置误差、速度误差和加速度误差，得到第i辆车的系统状态量
Figure BDA0003301812200000031
和第i-1辆车的系统状态量
Figure BDA0003301812200000032
步骤103、根据系统状态量
Figure BDA0003301812200000033
以及预先获取的第i辆车的增益系数矩阵
Figure BDA0003301812200000041
确定第i辆车在t时刻的控制策略ui，其中增益系统矩阵是根据预设的性能指标来确定的；
步骤104、采用所述控制策略ui对第i辆车在第t时刻的行驶状态进行纵向控制。
本申请实施例提供的方法，确定智能网联汽车队列系统中可接受的通信延迟上界值h1，其是通过预设的性能指标来确定的；在t时刻存在时变通信延迟值λt的条件下，分别获取第i辆车和第i-1辆相对于领航车的位置误差、速度误差和加速度误差，得到第i辆车的系统状态量
Figure BDA0003301812200000042
和第i-1辆车的系统状态量
Figure BDA0003301812200000043
根据系统状态量
Figure BDA0003301812200000044
以及预先获取的第i辆车的增益系数矩阵
Figure BDA0003301812200000045
确定第i辆车在t时刻的控制策略ui，采用所述控制策略ui对第i辆车在第t时刻的行驶状态进行纵向控制，实现基于时变通信延迟的控制策略对车辆进行控制，提高了控制策略的准确性，更好地保证车辆队列的稳定性。
下面对本申请实施例提供的方法进行说明：
本申请实施例提供一种智能网联汽车队列系统中纵向控制方法，应用于存在时变通信延迟的智能网联汽车队列系统中，通过收集车辆队列中各车的信息，建立混合车辆队列模型，进一步考虑时变通信延迟，设计H infinity鲁棒控制器，以更好地保证车辆队列的稳定性。
图2为本发明实施例提供的在时变通信延迟条件下采用H infinity鲁棒控制器进行纵向控制的方法的流程示意图。如图2所示，所述方法包括：
步骤201、收集智能网联汽车队列中各车辆的信息；
图3为本申请实施例提供的混合车辆队列的示意图。如图3所示，车辆的参数包含：期望车距Di、车辆控制响应时间常数τi、总车辆数目n。其中各跟随车辆以一定的期望车距Di跟踪领航车辆的运动变化；综合考虑车辆期望加速度到实际加速度的实现过程中的时滞现象，搭建单车动力学模型，具体如下：
Figure BDA0003301812200000051
在上述计算表达式(1)中，i＝1，2，3，...，n；ui为控制输入，表示期望的加速度；τi为车辆控制响应时间常数。
基于固定间距策略(即D1＝D2＝…＝Dn＝Dd)，将单车动力学模型转化为对领航车的误差模型：
Figure BDA0003301812200000052
在上述计算表达式(2)中，Dd表示固定的期望跟车间距；s0、v0和a0分别表示领航车的实际位置、速度以及加速度；
Figure BDA0003301812200000053
知
Figure BDA0003301812200000054
分别表示第i辆车相对于领航车的位置误差、速度误差和加速度误差。
设置系统状态向量
Figure BDA0003301812200000055
建立单车状态空间方程：
Figure BDA0003301812200000056
Figure BDA0003301812200000057
Figure BDA0003301812200000058
Figure BDA0003301812200000059
在上述计算表达式(3)中，Ai为第i辆单车的系统矩阵；Bui为第i辆单车的控制系数矩阵；Bwi为第i辆单车的干扰系数矩阵。
考虑时变通信延迟，基于前车-领航车通信网络结构进行控制律ui的设计：
Figure BDA00033018122000000510
Figure BDA00033018122000000511
在上述计算表达式(1)中，
Figure BDA00033018122000000512
和
Figure BDA00033018122000000513
为对应车辆的增益系数矩阵；
Figure BDA00033018122000000514
和
Figure BDA00033018122000000515
表示时变通信延迟下的系统状态量；λt为通信延迟变量；h1为通信延迟的上界；μ1为通信延迟的导数的上界；
步骤202、根据各车的信息，基于前述控制律构建车辆队列的状态空间方程；
取
Figure BDA0003301812200000061
则车辆队列控制律为：
U＝KX(t-λt) (5)
Figure BDA0003301812200000062
进一步，得到车辆队列的状态空间方程：
Figure BDA0003301812200000063
Figure BDA0003301812200000064
Figure BDA0003301812200000065
Figure BDA0003301812200000066
Figure BDA0003301812200000067
在上述计算表达式(6)中，A表示车辆队列的系统矩阵；Bu表示车辆队列的控制系数矩阵；Bw表示车辆队列的干扰系数矩阵；Bu、Bw与A均是相应对角矩阵，此处省略；
Figure BDA0003301812200000068
表示车辆队列的初始状态；Z(t)为系统被控输出矩阵；In为n维单位矩阵；
Figure BDA0003301812200000069
表示克罗内克积；
步骤203、在车辆队列在领航车状态变化干扰输入以及通信网络存在时变延迟的条件下，确定所设计的H infinity控制器的性能指标J(W)以及Lyapunov-Krasovskki泛函；
Figure BDA0003301812200000071
在上述计算表达式(7)中，γ为H infinity控制器的性能约束；
基于Lyapunov稳定性定理，设计Lyapunov-Krasovskki泛函如下：
Figure BDA0003301812200000072
式中P、Q1和Z1为待求正定矩阵.
步骤204、在时变延迟下，确定队列稳定的非线性矩阵不等式条件
为使所设计的H infinity鲁棒控制器达到要求的性能指标，应满足：
Figure BDA0003301812200000073
等价于：
J(W)＜0 (10)
由初始条件知所设泛函V(Xt)满足V(0)＝0，且V(∞)＞0，进行适当的缩放：
Figure BDA0003301812200000074
经过线性变化和舒尔补定理的运用，得到：
Figure BDA0003301812200000075
ε＝[XT(t) XT(t-λt) WT(t)]T
Figure BDA0003301812200000076
其中不等式(12)成立等价于：
Φ1＜0 (14-1)
Figure BDA0003301812200000081
令
Figure BDA0003301812200000082
以及
Figure BDA0003301812200000083
可以得到：
Figure BDA0003301812200000084
不等式(14-1)等价于：
Φ2＜0 (16)
综上所述，根据Lyapunov稳定性定理可知，当存在正定对称矩阵
Figure BDA0003301812200000085
Figure BDA0003301812200000086
以及合适维数的矩阵Y和单位矩阵I满足不等式(16)，可以保证在领航车状态变化的干扰输入以及通信网络存在时变延迟的条件下，智能网联汽车队列是稳定的；
由于Φ2中含有非线性项，故将不等式(16)的求解转化为一非线性最小化问题：
Figure BDA0003301812200000087
其中LMIs表示为下列约束：
Figure BDA0003301812200000088
Figure BDA0003301812200000089
Figure BDA00033018122000000810
Figure BDA00033018122000000811
Figure BDA00033018122000000812
Figure BDA0003301812200000091
Figure BDA0003301812200000092
Figure BDA0003301812200000093
步骤205、运用锥补线性化理论，对上述非线性最小化问题进行线性化求解；
按如下流程实现：
1、设定初始的通信延迟上界h1o、性能约束γ、通信延迟的导数上界μ1以及最大的迭代次数kmax；初始化迭代次数，即k＝0；
2、基于上述LMIs条件限制下，进行可行性问题的求解。寻找可行解
Figure BDA0003301812200000094
Figure BDA0003301812200000095
S0，T0，J0，R0；
3、求解下述基本线性矩阵不等式问题：
Figure BDA0003301812200000096
得出优化解
Figure BDA0003301812200000097
T，S，J和R。
4、如果步骤3中得出的优化解
Figure BDA0003301812200000098
满足式(16)时，将通信延迟上界h1增大并返回步骤2；
如果不满足式(16)，进一步判断迭代次数是否超过最大的迭代次数kmax；若超过，则退出循环并输出对应优化解
Figure BDA0003301812200000099
以及通信延迟上界值h1，并计算得：
Figure BDA00033018122000000910
若未超过，则迭代次数k＝k+1，并返回步骤3；
步骤206、通过上述数值迭代求解过程，获得H infinity反馈增益矩阵
Figure BDA00033018122000000911
根据下式对反馈增益矩阵进行分解：
Figure BDA00033018122000000912
分解得到第i辆车的控制律ui，即分布式H infinity反馈控制器。
Figure BDA00033018122000000913
步骤207、使用分布式H infinity反馈控制器对智能网联汽车队列中的各个车辆进行纵向控制。
与现有技术相比，本申请实施例提供的方法，综合考虑了车辆期望加速度到实际加速度的实现过程中的时滞现象，并收集车辆队列中各车的异构信息，建立了由异构智能网联车辆组成的混合车辆队列模型，更加符合实际交通场景，提高了控制方法的实用性。考虑了通信网络中存在时变通信延迟的情况，实现了智能网联汽车队列的H infinity鲁棒控制器的设计，用以保证车辆队列的稳定性，更加符合实际应用场景，为智能网联汽车编队控制的全面落地使用奠定基础。
本申请实施例提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上文任一项中所述的方法。
本申请实施例提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上文任一项中所述的方法。
本申请实施例提供一种智能网联汽车队列系统中纵向控制装置，包括上文所述的电子装置。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (8)

1.一种智能网联汽车队列系统中纵向控制方法，包括：
确定智能网联汽车队列系统中可接受的通信延迟上界值h1，其是通过预设的性能指标来确定的；
在t时刻存在时变通信延迟值λt的条件下，分别获取第i辆车和第i-1辆相对于领航车的位置误差、速度误差和加速度误差，得到第i辆车的系统状态量
Figure FDA0003301812190000011
和第i-1辆车的系统状态量
Figure FDA0003301812190000012
根据系统状态量
Figure FDA0003301812190000013
以及预先获取的第i辆车的增益系数矩阵
Figure FDA0003301812190000014
确定第i辆车在t时刻的控制策略ui，其中增益系统矩阵是根据预设的性能指标来确定的；
采用所述控制策略ui对第i辆车在第t时刻的行驶状态进行纵向控制。
2.根据权利要求1所述的方法，其特征在于，采用如下计算表达式得到第i辆车在t时刻的控制策略ui，包括：
Figure FDA0003301812190000015
其中，λt∈[0，h1]，且λt的导数值小于通信延迟的导数的上限值，其中h1为通信延迟的上限值。
3.根据权利要求2所述的方法，其特征在于，第i辆车的增益系数矩阵
Figure FDA0003301812190000016
是通过如下方式得到的，包括：
步骤A、确定性能指标J(W)；
其中，
Figure FDA0003301812190000017
其中，Z(t)为系统被控输出；W(t)为系统干扰；γ为性能约束；
步骤B、在符合性能指标的条件下，确定车辆队列稳定的充分必要条件，进一步得到非线性最小化方程；
Figure FDA0003301812190000018
其中，LMIs表示由车辆队列稳定性条件中推得的线性矩阵不等式约束，包括：
Figure FDA0003301812190000021
Figure FDA0003301812190000022
Figure FDA0003301812190000023
Figure FDA0003301812190000024
Figure FDA0003301812190000025
Figure FDA0003301812190000026
Figure FDA0003301812190000027
Figure FDA0003301812190000028
其中，S、T、
Figure FDA0003301812190000029
J、
Figure FDA00033018121900000210
和R均为待求矩阵；A表示车辆队列的系统矩阵；Bu表示车辆队列的控制系数矩阵；Bw表示车辆队列的干扰系数矩阵；且，Bu、Bw与A均是对角矩阵；
步骤C、对非线性最小化方程进行锥补线性化求解，得到优化解
Figure FDA00033018121900000211
以及通信延迟上界值h1；
步骤D、根据优化解
Figure FDA00033018121900000212
得到第i车辆的增益系数矩阵
Figure FDA00033018121900000213
4.根据权利要求3所述的方法，其特征在于，所述步骤C包括：
步骤C1、设定初始的通信延迟上界h1o、性能约束γ、通信延迟的导数上界μ1、最大的迭代次数kmax；初始化迭代次数k；
步骤C2、基于上述LMIs条件限制下，进行可行性问题的求解，寻找可行解
Figure FDA00033018121900000214
S0，T0，J0，R0；
步骤C3、计算线性矩阵不等式方式的优化解，得出优化解
Figure FDA00033018121900000215
T，S，J和R；
步骤C4、在优化解
Figure FDA0003301812190000031
使得矩阵Φ2小于0时，将通信延迟上界h1增大并返回步骤C2；
在优化解
Figure FDA0003301812190000032
使得矩阵Φ2不小于0时，判断迭代次数是否超过最大的迭代次数kmax；若超过，则流程结束，并输出对应优化解
Figure FDA0003301812190000033
以及通信延迟上界值h1；如果未超过最大的迭代次数kmax，则迭代次数k＝k+1，并返回步骤C3；
Figure FDA0003301812190000034
其中，
Figure FDA0003301812190000035
Y＝KP-1、
Figure FDA0003301812190000036
5.根据权利要求3所述的方法，其特征在于，所述步骤D包括：
利用优化解
Figure FDA0003301812190000037
获取增益系数矩阵K；
按照如下方式对增益系数矩阵K进行拆分，得到第i车辆的增益系数矩阵
Figure FDA0003301812190000038
Figure FDA0003301812190000039
其中，n为车辆队列中车辆的总数。
6.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
7.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
8.一种智能网联汽车队列系统中纵向控制装置，包括如权利要求7所述的电子装置。
CN202111192616.XA 2021-10-13 2021-10-13 一种智能网联汽车队列系统中纵向控制方法和装置 Active CN114137831B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111192616.XA CN114137831B (zh) 2021-10-13 2021-10-13 一种智能网联汽车队列系统中纵向控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111192616.XA CN114137831B (zh) 2021-10-13 2021-10-13 一种智能网联汽车队列系统中纵向控制方法和装置

Publications (2)

Publication Number Publication Date
CN114137831A true CN114137831A (zh) 2022-03-04
CN114137831B CN114137831B (zh) 2022-06-14

Family

ID=80395309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111192616.XA Active CN114137831B (zh) 2021-10-13 2021-10-13 一种智能网联汽车队列系统中纵向控制方法和装置

Country Status (1)

Country Link
CN (1) CN114137831B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060155427A1 (en) * 2003-02-27 2006-07-13 Shaopeng Yang Road traffic control method and traffic facilities
CN106502098A (zh) * 2016-11-19 2017-03-15 合肥工业大学 一种基于车联网的最优车速闭环快速预测控制方法及装置
CN108445758A (zh) * 2018-03-13 2018-08-24 江南大学 一类具有网络随机时变时延的线性参数变化系统的h∞控制方法
CN109150639A (zh) * 2018-11-05 2019-01-04 江南大学 一种高速率通信网络影响下时变系统的有限时域h∞控制方法
US20190129447A1 (en) * 2017-10-31 2019-05-02 Cummins Inc. Coordinated control of vehicle cohorts
CN110376889A (zh) * 2019-07-12 2019-10-25 哈尔滨理工大学 具有时变时滞的异构网络化多智能体系统分组一致的方法
US20190375441A1 (en) * 2018-06-08 2019-12-12 Thales Canada Inc Controller, system and method for vehicle control
CN110568762A (zh) * 2019-10-10 2019-12-13 厦门大学 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法
CN110703761A (zh) * 2019-10-30 2020-01-17 华南理工大学 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
CN111452801A (zh) * 2019-01-21 2020-07-28 上海汽车集团股份有限公司 一种四轮转向汽车的鲁棒自适应控制方法和装置
CN112327633A (zh) * 2020-11-23 2021-02-05 哈尔滨理工大学 具有时滞和干扰的领导跟随多智能体系统一致性的方法
CN112606825A (zh) * 2020-12-29 2021-04-06 合肥工业大学 考虑通信时延的智能网联汽车的鲁棒模型预测控制器
CN112987790A (zh) * 2021-03-04 2021-06-18 北京航空航天大学 一种分布式异构集群系统分组编队跟踪控制方法和系统
CN113009829A (zh) * 2021-02-25 2021-06-22 清华大学 一种智能网联车队纵横向耦合控制方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060155427A1 (en) * 2003-02-27 2006-07-13 Shaopeng Yang Road traffic control method and traffic facilities
CN106502098A (zh) * 2016-11-19 2017-03-15 合肥工业大学 一种基于车联网的最优车速闭环快速预测控制方法及装置
US20190129447A1 (en) * 2017-10-31 2019-05-02 Cummins Inc. Coordinated control of vehicle cohorts
CN108445758A (zh) * 2018-03-13 2018-08-24 江南大学 一类具有网络随机时变时延的线性参数变化系统的h∞控制方法
US20190375441A1 (en) * 2018-06-08 2019-12-12 Thales Canada Inc Controller, system and method for vehicle control
CN109150639A (zh) * 2018-11-05 2019-01-04 江南大学 一种高速率通信网络影响下时变系统的有限时域h∞控制方法
CN111452801A (zh) * 2019-01-21 2020-07-28 上海汽车集团股份有限公司 一种四轮转向汽车的鲁棒自适应控制方法和装置
CN110376889A (zh) * 2019-07-12 2019-10-25 哈尔滨理工大学 具有时变时滞的异构网络化多智能体系统分组一致的方法
CN110568762A (zh) * 2019-10-10 2019-12-13 厦门大学 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法
CN110703761A (zh) * 2019-10-30 2020-01-17 华南理工大学 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
CN112327633A (zh) * 2020-11-23 2021-02-05 哈尔滨理工大学 具有时滞和干扰的领导跟随多智能体系统一致性的方法
CN112606825A (zh) * 2020-12-29 2021-04-06 合肥工业大学 考虑通信时延的智能网联汽车的鲁棒模型预测控制器
CN113009829A (zh) * 2021-02-25 2021-06-22 清华大学 一种智能网联车队纵横向耦合控制方法
CN112987790A (zh) * 2021-03-04 2021-06-18 北京航空航天大学 一种分布式异构集群系统分组编队跟踪控制方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FENG GAO: "Robust control of heterogeneous vehicular platoon with uncertain dynamics and communication delay", 《IET INTELLIGENT TRANSPORT SYSTEMS 》 *
YANG ZHU: "V2V-Based Cooperative Control of Uncertain, Disturbed and Constrained Nonlinear CAVs Platoon", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS 》 *
康宇航: "无人集群系统时变编队H∞控制", 《北京航空航天大学学报》 *
李本印: "具有不一致时延的随机多智能体网络H∞编队控制", 《延安大学学报(自然科学版)》 *

Also Published As

Publication number Publication date
CN114137831B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
Wang et al. Model predictive control for connected vehicle platoon under switching communication topology
Van Nunen et al. String stable model predictive cooperative adaptive cruise control for heterogeneous platoons
CN109606367B (zh) 基于车联网的巡航控制系统的最优线性控制方法及装置
Ploeg et al. Graceful degradation of CACC performance subject to unreliable wireless communication
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
Ge et al. Communication resource-efficient vehicle platooning control with various spacing policies
Zheng et al. Cooperative control strategies to stabilise the freeway mixed traffic stability and improve traffic throughput in an intelligent roadside system environment
CN113412458A (zh) 辅助系统的轨迹规划方法
Gao et al. Decoupled robust control of vehicular platoon with identical controller and rigid information flow
Wen et al. Observer-based control of vehicle platoons with random network access
CN117193325A (zh) 一种基于云边协同的车辆编队模型预测控制方法
Wang et al. Optimal control design for connected cruise control with edge computing, caching, and control
CN114137831B (zh) 一种智能网联汽车队列系统中纵向控制方法和装置
Liu et al. Event‐driven intermittent control for vehicle platooning over vehicular ad‐hoc networks
Flores et al. Enabling cooperative adaptive cruise control on strings of vehicles with heterogeneous dynamics and powertrains
Latrach et al. Robust H∞ fuzzy networked control for vehicle lateral dynamics
Halder et al. Stability analysis with LMI based distributed H∞ controller for vehicle platooning under random multiple packet drops
CN118101249A (zh) 一种网络攻击下云控智能网联车横向安全控制系统与方法
Tiganasu et al. Design and simulation evaluation of cooperative adaptive cruise control for a platoon of vehicles
Pan et al. A vehicle cloud control system considering communication quantization and stochastic delay
CN108833486B (zh) 面向复杂车载雾计算系统环境的混合动态任务调度方法
Jain et al. Tradeoff between quality of control (QoC) and quality of service (QoS) for networked vehicles cruise control
CN109725639B (zh) 巡航系统的线性控制方法及装置
CN111047853A (zh) 一种保障交通流稳定的车辆编队控制方法和系统
Yan et al. Consensus based control algorithm for nonlinear vehicle platoons in the presence of time delays and packet losses

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