Predictor and ESO-based adaptive tracking control of heterogeneous vehicle platoon

This paper investigates the distributed adaptive platoon tracking problem of third-order heterogeneous vehicles subject to model uncertainties. The design process is divided into two steps. Firstly, an adaptive tracking controller is designed for the dynamic leading vehicle. And then, the distributed adaptive controllers are established for followers. Moreover, the predictor technique is used to improve the estimate performance of the adaptive law, and the total disturbance is approximated and compensated by the variable gain nonlinear extended state observers(NESOs) driven by the estimation error. By introducing the variable gain hyperbolic tangent tracking differentiator(HTTD), the “complexity explosion” problem is avoided. The feasibility and effectiveness of the proposed protocol are verified by simulation tests.

基于MPC的智能网联卡车队列最优能耗控制

针对高速公路智能网联卡车队列的能耗优化问题,提出了一种基于模型预测控制的双层控制算法。算法由速度规划层和跟踪控制层两部分构成,其中速度规划层结合道路坡度及车辆状态,通过线性能量守恒模型来消除动力学模型中的非线性项,并以发动机输出功率作为油耗优化指标,采用线性模型预测控制方法获得车队的规划速度;为减少简化车队模型引起的不确定性,跟踪控制层采用基于线性矩阵不等式的分布式鲁棒模型预测控制算法,设计状态反馈控制器对上层规划的最优速度进行跟踪。仿真结果验证了上述双层控制算法的可行性和有效性,可以在保证最优能耗控制的前提下实现车队安全稳定行驶。

拖拉机队列自动控制系统

为了提高拖拉机田间作业效率,开发了拖拉机队列自动控制系统。建立了拖拉机队列模型,设计了队列控制方法。首先应用三阶样条曲线拟合先行拖拉机的行驶位置点,动态生成跟踪拖拉机的参考路径。然后设计了最优路径跟踪器,用来引导跟踪拖拉机沿着参考路径行驶。在平坦的草地上进行了拖拉机队列的自动控制试验,试验结果表明,跟踪拖拉机能够成功沿着先行拖拉机的轨迹行驶,横向偏差的平均值和均方根值分别小于0.015 m和0.079 m。

基于参考向量场的车辆队列二维跟踪控制算法

当车辆队列的应用场景从一维拓展至二维时,纵向间距保持与横向跟踪控制之间将出现显著的耦合效应。在高速工况下,忽视纵横向跟踪功能的耦合效应将导致跟踪误差变大,甚至造成车辆失稳。为解决上述问题,本文中提出了一种车辆队列纵横向耦合跟踪控制算法,通过构建基于纵向间距和横向参考轨迹的参考向量场获得期望速度矢量,采用哈密尔顿函数获得车辆上层运动控制需求的期望总力和总力矩;同时,提出一种基于伪逆矩阵的控制分配算法,将期望总力和总力矩在有约束的物理环境下分配至各个车轮,在保证分配精度的前提下提高了实时性。仿真和实验结果表明,本文提出的纵横向耦合跟踪控制算法能有效完成二维场景下的车辆队列运动控制,实现队列的安全、高效的协同驾驶。

车队速度滚动时域动态规划及非线性控制

考虑自主车辆队列的节能安全问题,本文提出一种车辆队列协同控制方法,该方法可保证车队低能耗安全行驶.首先,充分考虑道路坡度以及车队异质性建立车队非线性模型,利用基于油耗模型的优化指标构建车队速度优化问题,提出一种滚动时域动态规划算法(Receding horizon dynamic programming, RHDP),获得车队的参考速度.然后,基于非线性车辆模型,运用反步法设计车辆跟踪控制器,并进行车队队列稳定性分析.这种协同控制方法的有效性已通过数值仿真和智能交通实验平台的验证.

改进预设性能的车辆队列滑模控制方法研究

为了增强非线性车辆队列的队列稳定性,并在控制全过程中有效约束跟踪误差,提出一种基于改进预设性能的车辆队列滑模控制方法.设计关于跟踪误差的预设性能函数,通过在函数中为每辆车设置不同的衰减速率,改进前后车的预设性能,从而增强队列稳定性,并确保车辆的跟踪误差始终被约束在允许的范围内.在此基础上,利用径向基神经网络估计车辆的非线性不确定项,设计基于改进预设性能的车辆队列积分滑模控制器,以保证车辆队列的安全稳定行驶.最终通过数值仿真验证所提出控制方法的有效性.研究结果表明:所提出的车辆队列滑模控制方法不再依赖后车信息,知晓前车信息即可增强队列稳定性.

基于移动无线传感网的电缆通道应急监测系统

为实现电缆通道通信网络缺失、故障或受攻击等应急情况下的环境信息监测需求,研发了一种基于WiFi和超宽带(ultra-wide band,UWB)通信的低成本移动无线传感网络监测系统。该系统包括监测上位机和由球形机器人移动节点组成的无线监测网络。移动节点以STM32系列单片机为主控芯片,集成摄像头模块和温湿度模块实现现场信息采集,集成WiFi通信模块采用无线自组网按需平面距离向量路由协议(ad hoc on-demand distance vector routing,AODV)构建无线传感网络实现信息传输,集成3个UWB通信模块实现移动节点的测距和队列跟随。实验结果表明,该系统能够实现电缆通道环境的稳定实时监测,移动传感队列跟随误差不超过20 cm,监测视频平均传输延时不超过150 ms。

混合交通环境车辆队列协同控制

车辆队列在提高驾驶安全性、提升交通流量、改善燃油经济性方面具有巨大潜力,但现有研究多针对完全由智能网联车辆组成的队列,难以适用于现实中的混合交通环境。为此,文章研究了人工驾驶车辆与智能网联车辆的混合队列协同控制方法,在智能网联车辆控制设计中引入后车信息,并分析了其对队列稳定性、跟踪性能、燃油经济性的影响。首先构建了一种混合车辆队列系统模型,设计了适用于双向信息流拓扑的控制器,进而推导出车辆队列首尾传递函数,最后讨论了扰动工况下混合车辆队列的闭环稳定性与队列首尾稳定性。数值仿真结果表明,利用后车信息可有效衰减车辆队列内扰动,后方车辆的跟踪误差减小了30%,保证了队列稳定性;同时提升了队列燃油经济性能,车辆整体油耗总和降低了0.6%。

预设跟踪性能下车辆队列执行器故障主动容错控制

研究预设跟踪性能下的车辆队列执行器故障主动容错控制问题.考虑执行器部分失效和偏移故障情形,设计Luenberger观测器和自适应残差阈值以实现执行器故障检测.在此基础上,为了确保执行器故障下的车辆队列暂态和稳态性能,在预设跟踪性能框架下,设计基于反步法的主动容错控制算法,在满足预设性能的前提下,实现车辆队列跟踪误差有界,且车辆间距满足安全性和紧凑性约束.仿真结果验证了所提出主动容错控制算法的有效性.