基于信号源优化的协同巡航技术研究

本文对基于信号源优化的协同自适应巡航控制(CACC)系统进行了深入研究,提出了信号源优化在CACC中的应用框架,详细探讨了信息共享与感知优化的实现方式,并设定了控制目标与约束条件。引入多种智能优化算法,如遗传算法、粒子群优化和差分进化算法,实现了对车辆队列的协同控制。研究结果表明,基于信号源优化的CACC系统能够显著提升队列行驶的安全性、稳定性和节能性,尤其在复杂交通场景下表现出优异的协同控制性能,有效减少了交通拥堵和能量消耗。

车辆协同巡航控制系统设计改进与试验评价

为提高交通流运行的机动性、稳定性,对车辆协同巡航控制(CACC)系统进行了改进设计.基于经典Newell模型提出了考虑CACC的改进跟驰模型,分析了所提出的CACC改进跟驰模型的动力学特性,给出了CACC改进跟驰模型的线性稳定性条件,并对由CACC车辆和非CACC车辆组成的非均匀车队的不同无线通讯拓扑结构进行了比较研究.通过数值试验进一步研究了在起步、刹车和意外事件的情况下,CACC车辆的存在对交通流动力学的影响.研究结果表明,通过合理设计CACC跟驰系统的模型参数取值后,CACC车辆的存在一方面可以提高交通流运行的机动性与稳定性,另一方面可以使交通出行更加的安全和舒适.此外,由于不同车队中CACC车辆的无线通讯拓扑结构会影响交通流的机动性与稳定性,对于CACC车辆的无线通讯拓扑结构应慎重的设计与优化.

有限时间内的动车组群分布式协同巡航多智能体控制

本文研究了动车组群系统的移动闭塞协同巡航控制问题,通过设计有限时间分布式协同控制算法实现了多车高速协同巡航.算法取消了动车组中心控制单元,将单列动车组的每个动力单元视为一个智能体,不同动车组之间的智能体形成多智能体群系统.设计了动车组智能体有限时间分布式协同控制算法,该算法首先实现了单列动车组各个动力单元快速追踪到期望的速度,且保证车钩位移在安全范围内,其次该算法还能实现动车组群高速巡航等间距运行,提高了线路利用率的同时避免了碰撞.最后进行了理论分析,证明了算法的稳定性和有限时间收敛性,并提供了仿真结果验证了该算法的有效性.

面向乘客舒适性的多列车协同巡航控制

为了提高多高速列车在协同运行时的安全性以及舒适性,提出了一种基于改进分布式一致性算法的多高速列车协同巡航控制策略。首先,设计了可随列车运行速度实时变化的安全距离间隔。其次,联合加权双曲正切函数给出分布式协同控制策略;同时通过坐标变换将列车闭环动力学误差模型转换为典型的二阶多智能体系统模型,并利用李雅普诺夫稳定性证明了闭环系统在误差状态下的渐进稳定性。最后,通过仿真对所提方法进行验证,所提方法能动态的调节列车之间的安全距离,且始终将加速度限制在[-0.7,0.7]m/s^(2)以内。结果表明了多列车跟踪运行的安全性和舒适性都能得到保障。

浅议车联网与智慧交通的应用——以多车协同巡航为例

应用于智慧交通的车联网正在成为移动物联网中具有广阔市场前景的研究对象。在车车互联的车联网中,汽车与物联网云平台之间、汽车与汽车之间进行实时数据通信,最终目标是实现交通管理的智能化。文中以实时传感、数据采集、模型运算和指令反馈四要件形式讨论车联网未来最有可能获得大规模应用的五个领域:交通管理、公安监控、道路维护、超载警报、环境保护。在此基础上,以仿生鱼群聚集行为和引用力学算法构建多车协同巡航控制系统为例,阐述上述联网四要件的具体实现形式,并讨论可能的模型参数和验证方法的优化途径。

基于深度强化学习的车辆多目标协同巡航决策控制系统设计

为提升车辆巡航避障能力,实现对运动目标的精准决策,设计基于深度强化学习的车辆多目标协同巡航决策控制系统;利用主控制电路输出的电量信号,调节ACC控制器、MPC轨迹跟踪器、双闭环控制器的实时连接状态,再借助多目标解耦模块,确定目标车辆所处巡航位置,完成巡航决策控制系统的主要应用结构设计;建立深度强化学习模型,根据车辆目标数据集定义条件,求解协同参数实际取值范围,实现对车辆巡航位姿的估计;确定坐标转换原则,通过分析多目标量化结果的方式,实现对巡航决策轨迹的按需规划,再联合相关应用设备,完成基于深度强化学习的车辆多目标协同巡航决策控制系统的设计;实验结果表明,深度强化学习机制作用下,车辆在横、纵及全方位巡航方向上的避障准确度都达到了100%,符合车辆多目标协同巡航决策的实际需求。

网联车辆协同巡航系统快速滚动时域状态估计

考虑云平台监控下的网联车辆协同自动巡航控制(CACC)系统,提出一种快速滚动时域估计方法.采用网联车队纵向动力学模型描述网联车辆CACC系统,降低网联车辆CACC系统的状态能观性要求.再应用块概念设计滚动时域估计算法的噪声块结构,压缩滚动时域估计问题的优化变量个数,从而减少其在线计算量.进一步,应用李雅普诺夫稳定性定理证明估计误差系统的渐近稳定性.最后以5车网联车队系统仿真验证所提算法的有效性.

考虑输入饱和的车辆队列协同巡航控制算法

为了实现具有协同式自适应巡航控制的匀质和异质队列的队列稳定性,基于最优控制和饱和控制理论提出队列协同巡航控制算法,将车辆队列视为一种动态级联系统,而队列稳定性,即抑制状态量沿队列的波动,是这类系统设计的基本要求。针对系统的队列性能的要求,采用恒定车间时距策略建立考虑队列稳定性、执行器饱和的车间纵向运动学模型,根据不同的前车采用不同的权值矩阵来计算最优控制输入;针对最优控制鲁棒性和约束性较差的问题,引入饱和控制,在Riccati方程框架下,设计低增益状态反馈控制律,证明具有饱和非线性系统的局部镇定,实现系统的闭环稳定性和队列稳定性。最终通过Matlab/Simulink进行匀质和异质队列的仿真,验证算法在满足队列稳定性目标下协调多性能指标的可行性和有效性。

基于模糊MPC的异质车队协同式自适应巡航控制策略

以具备不同动力学参数电动汽车组成的异质车队作为研究对象,以满足混合异质车流的跟车性、安全性与舒适性等性能为目标,提出了一种利用模糊控制理论改变原本MPC固定权重的协同式自适应巡航控制系统(CACC)。通过构建协同式自适应巡航控制系统的车辆间纵向动力学模型,搭建离散状态空间等式,创建相应的目标优化函数并进行约束求解,设计模糊规则改变MPC相关性能的固定权重系数,最后通过构造Simulink和CarSim的联合仿真模型进行测试。试验结果表明,在跟随行驶工况下,改进后的模糊MPC控制算法比传统的MPC控制效果更明显,能更好响应异质车队跟车性、安全性与舒适性等性能,更满足实际车流行驶情况。

基于不同渗透率下的自适应与协同自适应巡航的仿真研究

随着自动驾驶技术的愈加成熟,在未来道路上必将呈现出不同级别自动驾驶车辆混合行驶的场景。文章利用VTH可变车头时距控制策略对ACC跟驰模型研究,结果显示车辆能够稳定跟驰,且不同渗透率下的道路车辆平均车速有所提高。对CACC协同自适应巡航模型进行仿真对比发现道路通行效率得到提高。最后对不同等级自动驾驶车辆进行仿真,结果显示在高速路段,随着渗透率提高车辆平均速度等都有不同程度的提高。因此证实了随着自动驾驶车辆大规模进入道路,对交通流有着积极的影响。

Paillier同态加密下车辆协同自适应预测巡航控制

车辆协同式自适应巡航控制(CACC)以其高效便捷的特点成为智能交通系统的研究热点,但随着车辆接入网络,网络攻击对车联网系统的安全性造成了很大威胁;针对传统方案较繁琐、密文密钥同时传输数据仍可能被篡改的问题,采用Paillier同态加密算法对加速度进行加密,仅传输密文;针对控制目标设计一综合跟踪信号,并基于Paillier算法的同态性设计密文数乘运算,使加速度密文无须解密而直接用于自车构建跟踪信号;将跟踪信号与分布式模型预测控制(MPC)结合,采用线性矩阵不等式对控制策略的优化问题进行转化,求解最优控制输入,保证车辆队列的安全协同行驶;经Matlab仿真验证了控制系统的性能指标以及Paillier同态加密的有效性。

混有协同自适应巡航控制车辆的异质交通流稳定性解析与基本图模型

针对传统车辆和协同自适应巡航控制(cooperative adaptive cruise control,CACC)车辆构成的异质交通流,研究其稳定性与基本图模型.应用实车测试验证的CACC模型和智能驾驶员模型(intelligent driver model)分别作为CACC车辆和传统车辆的跟驰模型,建立异质流稳定性解析框架,研究不同平衡态速度、不同CACC车辆比例时的异质流稳定性.推导异质流基本图模型,并进行数值仿真实验.研究结果表明,在传统车辆稳定的速度范围,异质流处于稳定状态.在传统车辆不稳定的速度范围,CACC车辆比例增加以及平衡态速度远离9.6—18.6 m/s速度范围,均能够改善异质流的不稳定性.通行能力随着CACC车辆比例的增加而提高.此外,CACC模型的期望车间时距越大,异质流稳定域越大,但通行能力降低.因此,恒定车间时距CACC控制策略下的期望车间时距取值应权衡异质流稳定域和通行能力两个方面的影响.

基于模型预测控制的协同式自适应巡航控制系统

在城市交通工况中,车辆的驾驶行为对其乘坐舒适性及燃油消耗有着很大的影响。因此提出一种在包含交通灯等信息的交通工况下的协同式自适应巡航控制系统,通过减少不必要的速度保持或加速来提升性能。系统通过处理当前交通信息的数据判断跟踪目标类别,运用模型预测控制来预测前车或车队未来状态,对不同的前方目标采用不同的权值来计算最优控制输入。通过控制车辆保持安全距离并在优化速度下行驶以实现多目标的优化。利用CarSim和Simulink联合仿真,仿真结果显示该控制系统在保证安全的前提下实现了主动的速度调节及目标的切换,在指定仿真工况中对比线性二次调节算法,加速度峰值、加速度变化率峰值及燃油消耗均有所降低,乘坐舒适性和燃油经济性得到较大提升。

协同式多目标自适应巡航控制

针对自动化高速公路(Automated highway system,AHS)车队稳定性问题,发展了一种多目标自适应巡航控制算法,根据李雅普诺夫(Lyapunov)稳定性理论对该问题进行了量化分析,并给出了同质与异质车队稳定性的设计要求,基于模型预测控制(Model predictive control,MPC)理论,综合协调驾驶员期望响应、跟驰安全性、车队稳定性、车队整体品质等控制目标,采用加权二次型性能泛函以及线性矩阵不等式约束的形式,将协同式多目标自适应巡航(Adaptive cruise control, ACC)设计问题最终转化成带约束的在线凸二次规划问题.仿真结果表明,相比单车ACC而言,协同ACC的约束空间更为严苛,车队互联系统稳定性易受车间时距、车队规模、多目标权重、瞬态工况、车辆异质性等因素的影响,建议在跟驰安全性、车队稳定性良好的前提下寻求一定的驾乘舒适性与燃油经济性,以确保车队整体品质.

不同车辆工况对协同自适应巡航控制车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink和CarSim车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4种情况下CACC车辆的行驶状况.仿真发现:紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.

异质车辆队列系统参数化协同预测巡航控制

针对网联条件下异质车辆队列的协同巡航控制问题,提出一种参数化协同预测控制算法。首先,根据纵向车辆队列的运动学关系建立系统状态空间模型,通过反馈线性化将其转化为线性模型;其次,考虑车辆在行驶过程中的安全性、舒适性和燃油经济性等性能指标,结合系统约束条件来定义有限时域最优控制问题,为降低在线求解最优控制问题的计算量,引入阶梯式控制策略,将预测时域内的控制输入变化量参数化,设计预测巡航控制器并分析闭环系统的稳定性、抗干扰性和跟踪性能;最后,通过仿真验证设计算法的有效性。

协同自适应巡航控制车队仿真

如何评估道路环境等外部条件变化对协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车队行驶安全性的影响,对于保障道路交通安全尤为重要。为此,结合Matlab/Simulink和CarSim搭建车辆-环境仿真平台研究道路环境对车队行驶安全性的影响。利用美国NGSIM车辆轨迹数据对平台采用的校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型的控制器进行验证;利用平台开展红灯状态、隧道行驶和匝道行驶三种道路环境对车队行驶状态影响的仿真实验。仿真结果表明:车队可以顺利通过路口红绿灯;在安全车速范围内车队进出隧道口时方向控制良好;匝道坡度主要影响车辆加速度和车间距,坡度分别为3%和5%时,车队均保持稳定车间距安全行驶。

协同式自适应巡航技术发展现状及趋势

研究了CACC的车车通讯技术、队列稳定性及安全性控制技术、节能及交通效率提升技术的发展现状和存在的问题,指出了其发展趋势,为国内相关技术的发展提供参考。

基于深度强化学习的协同式自适应巡航控制

针对传统的协同式自适应巡航控制的算法响应慢、无法快速准确地对突发危险路况做出反应的问题,设计了基于深度强化学习的协同式自适应巡航控制框架,提出了双经验池和优化评价的深度确定性策略梯度算法。在传统算法基础上新建了2个包含车辆状态信息的经验池(优先价值经验池和撒普列经验池),训练数据样本分别从2个经验池按比例选取;critic评价模块采用多维向量对输出的踏板开度策略精确评价。结果表明,该算法在正常行驶工况和突发危险工况下:平均跟车间距误差分别下降1.8m和1.5m,跟车调节时间分别降低30%和25%,可以提升控制的准确性和系统紧急反应能力。

基于DMPC的智能汽车协同式自适应巡航控制

本文中针对单向通信拓扑的非线性车辆队列协同式自适应巡航(CACC)控制问题,提出一种保证队列稳定且满足队列各车跟随性、安全性和乘员舒适性的分布式模型预测控制(DMPC)策略。首先建立了车辆队列的动力学模型和通信拓扑结构模型,并基于队列系统的多项优化性能设计代价函数和系统约束,使队列中每一辆跟随车基于其接收到的有限信息求解一个开环局部最优问题,计算出当前时刻的最优控制量作为输入并不断重复这个过程,达到滚动优化的目的,实现车辆队列的协同式自适应巡航控制。其次通过CACC系统局部代价函数之和构建Lyapunov候选函数,证明了车辆队列系统渐进稳定性的充分条件。最后通过CarSim和Simulink联合仿真,分析了算法在理想状态下对不同形式单向通信拓扑车辆队列的控制性能;通过实车试验,验证了算法在实车条件下感知层存在抖动、底层控制存在延迟和误差时的控制性能。仿真和实车试验的结果表明,本文提出的控制策略能使队列车辆实现各项优化性能,同时对外部干扰有较好的鲁棒性。