原文传递
考虑横纵耦合的商用车编队分布式预测控制策略
| 论文题名： | 考虑横纵耦合的商用车编队分布式预测控制策略 |
| 关键词： | 商用车编队;分布式预测控制;横纵耦合;强化学习 |
| 摘要： | 在现有的网联化技术和汽车智能化的背景下，以自动驾驶和环境信息交互技术为基础的智能网联车辆编队技术不仅可以显著降低燃油消耗量，还可以避免由人为因素引起的交通事故，缓解商用车司机短缺的情况。然而目前针对车辆编队控制的研究一般将车辆的纵向控制和横向控制解耦，这忽视了车辆行驶中实际存在的横纵耦合效应。针对上述问题，本文分别基于解耦控制方式与耦合控制方式设计商用车编队控制器，研究不同控制器作用下商用车队列的编队行驶问题，主要完成的工作内容如下： 本文首先介绍了能够表征车辆横纵耦合运动的五自由度车辆动力学模型，并在商用车参数下对比五自由度模型与TruckSim验证了模型有效性。同时为实现商用车队列在弯道上的编队行驶，引入了一个车道保持模型。最后对商用车编队横纵向控制目标进行了介绍。 为研究横纵耦合效应对商用车编队控制的影响，本文设计了一种解耦控制器对商用车队列进行控制。纵向上采用基于准无限时域的分布式预测控制策略，通过在优化问题中加入终端不等式约束及终端代价保证了车辆编队纵向行驶的一致性，横向上采用反馈加前馈的控制策略。利用Matlab/Simulink及TruckSim联合仿真在不同行驶工况下对解耦控制器进行了验证。 由于忽视了车辆实际存在的横纵耦合效应，解耦控制器有可能会降低跟踪性能，进而影响队列的行驶安全性。本文将五自由度车辆动力学模型与车道保持模型相结合，建立了适用于队列在弯道上行驶的纵横向一体化模型，并设计了一种考虑横纵耦合的商用车编队分布式预测控制器。为解决非线性预测控制求解效率低的问题，提出一种迭代强化学习预测控制算法，基于神经网络和actor-critic网络结构来获得具有高计算效率的约束优化问题最优/次优解。通过Matlab/Simulink及TruckSim联合仿真平台，分别基于所提算法与传统非线性预测控制算法对每辆车的约束优化问题进行求解，仿真结果验证了所提算法的有效性及优越性。 |
| 作者： | 李云勇 |
| 专业： | 控制工程 |
| 导师： | 于树友 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
