原文传递
考虑车-车通信延迟的智能车队纵向跟随控制研究
| 论文题名： | 考虑车-车通信延迟的智能车队纵向跟随控制研究 |
| 关键词： | 智能车队;纵向跟随控制;模型预测控制;卡尔曼滤波;通信延迟 |
| 摘要： | 伴随汽车保有量增加而产生的交通堵塞、交通事故及环境污染等问题日趋严重并亟待解决。近年来，随着车辆的智能网联化程度不断提升，车辆队列控制技术吸引了大量关注，并有望解决上述交通问题。在实际应用中，由于队列中车与车通过无线网络进行信息传递，通信链路往往会存在时延，控制器难以准确获得前车的运动状态，从而影响车辆队列的稳定性以及控制效果。针对上述问题，本文根据模型预测控制（MPC）算法及卡尔曼滤波（KF）原理提出一种考虑通信延迟的智能车队纵向跟随控制方法，通过准确预测前车的状态信息，保证在通信延迟影响下车辆队列行驶的稳定性及控制效果。具体研究内容如下： （1）设计基于逆纵向动力学模型的下层控制方法。在车辆纵向动力学分析的基础上，以Carsim车辆模型作为被控对象，进行下层控制方法设计。下层控制包含驱动/制动切换控制策略、下层驱动控制、下层制动控制三部分。下层控制方法设计完成后，在典型行驶工况条件下，对该下层控制方法的有效性进行验证。 （2）设计基于KF和MPC的上层控制算法。在进行上层控制设计时，利用反馈线性化理论将智能车队纵向跟随控制系统进行线性化处理。在此基础上，根据MPC算法原理进行控制律推导，并确定系统的控制目标及约束条件。另外，针对通信延迟对车辆队列控制的影响，结合KF和MPC算法原理，提出KF-MPC状态信息估计方法，来保证通信延迟影响下的车辆队列纵向跟随系统的控制性能。 （3）搭建Carsim/Simulink联合仿真实验平台，研究固定通信延迟影响下的KF-MPC算法的控制性能。在Carsim中搭建车辆动力学模型，并在Simulink中搭建控制模型。在恒速、连续加/减速、紧急制动三种典型仿真场景和固定时延条件下，对所提出的KF-MPC控制方法进行有效性检验，并与PID和MPC算法的控制性能进行对比。结果表明：与PID和MPC算法相比，KF-MPC算法可以有效抑制因通信延迟而导致的智能车队内车辆速度的波动及跟随滞后现象，保证车辆队列控制的效果。 （4）基于KF-MPC控制方法，研究随机通信延迟条件下的车辆队列纵向跟随控制。针对网络延迟的随机特性，本文采用Rand函数生成10~100ms范围内的随机数，再将该随机数作为延时模块的输入，并在恒速、连续加/减速、紧急制动三种场景下验证KF-MPC算法的控制性能，并与PID和MPC算法开展对比分析。仿真结果显示：在随机通信延迟影响下，与PID和MPC算法相比，KF-MPC在控制过程中具有更小的车辆速度波动和车间距误差，能够保证智能车队纵向跟随控制系统的控制性能。 |
| 作者： | 王梓 |
| 专业： | 交通运输工程 |
| 导师： | 雷利利 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
