基于分布式有限时间状态观测器的多智能车辆编队方法技术

本发明专利技术涉及一种基于分布式有限时间状态观测器的多智能车辆编队方法，包括步骤：S1、根据智能车辆运动学模型，描述智能车辆的运动学特征；S2、构建多智能车辆的主从架构，并基于有向生成树的拓扑结构建立多智能车辆间的通信网络结构；S3、设计不依赖于全局坐标信息的分布式有限时间状态观测器，以得到观测值；S4、将观测值输入多智能车辆分布式编队控制器，以实现多智能车辆的自动编队。与现有技术相比，本发明专利技术通过激光雷达和陀螺仪获取车辆间的相对位置，使误差控制在毫米级范围内，保证了观测值更加接近实际值，同时采用有向生成树构建通信网络结构保证了观测器的收敛性，最终能有效提升智能车辆编队的精度与安全性。

Multi-Intelligent Vehicle Formation Method Based on Distributed Finite-Time State Observer

【技术实现步骤摘要】
基于分布式有限时间状态观测器的多智能车辆编队方法
本专利技术涉及多智能车辆协同控制领域，尤其是涉及一种基于分布式有限时间状态观测器的多智能车辆编队方法。
技术介绍
随着对智能驾驶车辆研究的不断深入，单个智能车辆性能(如负载能力、工作效率、探测视野等)的有限性被逐渐暴露出来，利用群体协同工作的优势可以克服单体的能力局限，提高整体系统性能，相比单个智能体，多智能体系统有着不可替代的优越性：对于复杂的任务和环境，多智能体系统可把复杂的任务分解成多个简单的子任务，然后利用多个智能体分布在不同的区域内同时工作，从而提高工作效率；多个智能体分布在区域较大的环境中，各自感知其周围的环境，通过智能体间的通信共享各自感知到的信息，大大扩展了多智能体系统对环境的感知范围；多智能体系统在数量上的冗余，能够提高整个系统的鲁棒性；多智能体系统还具有可扩展性，能根据不同的要求对自身进行扩展，从而完成新的任务。因此，开展多智能车辆的协同控制研究，具有十分重要的研究意义，在多智能车的协同控制研究中，常见的协同控制方法包括制有跟随领航法、基于行为法、虚结构法、人工势场法等，这些协同控制方法可以分为两种框架：集中式框架和分布式框架。这两种框架一般都是基于主从结构，即在一个多智能车系统中，选取某一个智能车作为主机，其他车辆作为从机，主机与从机之间通过无线通信建立连接。集中式框架是指主机与所有的从机之间进行通信，主机掌握所有环境信息，并向所有的从机发送控制信号并传输数据，集中式框架的优点是其结构清晰，容易实现，其缺点在于系统对主机依赖度过高，当主机出现故障时，会导致整个系统的瘫痪，由于信号的集中处理和传输会给主机带来极大的计算量和通讯负担，因此对主机的计算和通信性能要求很高，系统的可扩展性比较弱。分布式架构是指主机只与部分从机进行通信，从机与从机之间也会存在相互通信，整个系统的通信拓扑以一种有向图或无向图的形式存在，系统中的每一个智能车辆只通过获取其邻居以及自身的状态信息来实现整体的协同目标，这种分布式的架构具有灵活性好、有较强的扩展能力和容错能力、能够适应各种变化的环境等优点，此外，在分布式系统中，一般不存在较大的计算量和通讯负担，由于分布式系统解决了集中式系统在系统规模扩大时存在的各种制约问题，因而目前有关多智能车辆协同控制的研究也在往分布式方向发展，其中多智能车的分布式编队控制技术因其潜在的巨大价值受到了研究者的广泛关注。在多智能车辆的分布式编队控制中，由于车辆模型的非线性与复杂性，分布式编队控制器的设计往往是研究中的主要难点。随着近年来研究人员的不断深入，人们发现分布式状态观测器的引入可以极大地降低分布式编队控制器的设计难度，因为分布式状态观测器可以帮助所有的从机获取主机的信息，在此基础之上，复杂的分布式编队控制问题往往可以简化成一个相对简单的单车控制问题。在分布式状态观测器的研究中，观测器的性能往往可以从两个角度来判断：第一，是否能够收敛到被观测对象的真实值，第二，收敛到被观测对象真实值所需要的时间。现有的研究中，能够收敛到被观测对象的真实值的观测器按其收敛时间或效果一般分为渐进收敛、指数收敛以及有限时间收敛，其中渐进收敛和指数收敛都需要时间趋于无穷大时才能收敛到真实值，而有限时间收敛可以在某一确定的时间内收敛到真实值。因而，分布式有限时间状态观测器是一种更优的观测器。在现有的分布式有限时间状态观测器中，从机往往直接观测主机的全局位置信息，但由于主机自身所能提供的全局位置信息一般依靠GPS获取，其精度一般只能达到米级，加上从机自身的定位误差，以及环境因素(如隧道、高楼)对定位精度产生的影响，就会导致现有的分布式有限时间状态观测器的观测精度较差，将该观测器的观测值应用于多智能车辆的分布式编队控制时，可能会导致车辆发生碰撞、无法达到预期编队目标。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于分布式有限时间状态观测器的多智能车辆编队方法。本专利技术的目的可以通过以下技术方案来实现：一种基于分布式有限时间状态观测器的多智能车辆编队方法，包括以下步骤：S1、根据智能车辆运动学模型，描述智能车辆的运动学特征；S2、构建多智能车辆的主从架构，并基于有向生成树的拓扑结构建立多智能车辆间的通信网络结构；S3、设计不依赖于全局坐标信息的分布式有限时间状态观测器，以得到观测值；S4、将观测值输入多智能车辆分布式编队控制器，以实现多智能车辆的自动编队。优选的，所述步骤S1中智能车辆的运动学特征为：其中，xi表示智能车辆的横向位置，yi表示智能车辆的纵向位置，θi表示智能车的方位角度，分别是对应于xi，yi，θi的导数，vi表示智能车辆的线速度，ωi表示智能车辆的角速度。优选的，所述步骤S2具体包括以下步骤：S21、选取多智能车辆中的一个车辆作为主机，其余车辆作为从机；S22、利用有向图分别描述从机之间的通信连接、主机与从机之间的通信连接；优选的，所述步骤S22中从机之间的通信连接具体为：其中，表示从机有向图，表示从机节点，N表示从机节点的数量，ε表示从机之间有向边的集合，i和j分别表示不同的从机节点；主机与从机之间的通信连接具体为：其中，表示主从有向图，表示主机节点0与从机节点的并集，表示从机之间有向边与主从机之间有向边的并集。优选的，所述步骤S3具体包括以下步骤：S31、根据编队目标，获取从机的实际编队误差；S32、选取从机对主机位置和角度的估计值，得到从机的估计编队误差；S33、获取车辆间的相对位置，并基于估计编队误差，设计分布式有限时间状态观测器，以得到包含观测状态及观测速度的观测值。优选的，所述步骤S31中编队目标具体为：其中，xi(t)和x0(t)分别表示从机和主机的横向位置，yi(t)和y0(t)分别表示从机和主机的纵向位置，θi(t)和θ0(t)分别表示从机和主机的角度，和分别表示从机相对于主机的横向期望偏移量和纵向期望偏移量；实际编队误差为：其中，分别表示从机实际的横向编队误差，纵向编队误差以及角度误差。优选的，所述步骤S32中选取作为从机对主机位置和角度[x0,y0,θ0]T的估计值；估计编队误差为：其中，分别表示从机估计的横向编队误差、纵向编队误差以及角度误差。优选的，所述步骤S33中车辆间的相对位置是通过激光雷达及陀螺仪获取的，所述车辆间的相对位置具体包括：xji＝xj-xiyji＝yj-yix0i＝x0-xiy0i＝y0-yi其中，xji表示从机j相对于从机i的横向距离，yji表示从机j相对于从机i的纵向距离，x0i表示主机相对于从机i的横向距离，y0i表示主机相对于从机i的纵向距离；设计的分布式有限时间状态观测器为：sigα(p)＝|p|αsgn(p)，α＞0其中，η1,η2,η3,η4,a1,a2,a3,a4为可调节的常量参数，且满足η1,η2,η3,η4＞0，以及0＜a1,a2,a3,a4＜1；表示从机i与其邻居的集合，即与从机i建立通信连接的其他从机的集合；aij表示从机间的通信连接值，若从机i与从机j之间有通信连接，那么aij为1，否则aij为0；bi表示主机与从机间的通信连接值，若从机与主机之间有通信连接，那么bi为1，否则bi为0；sgn(p)表示标准的符号函数，参数p＞0时，sgn(本文档来自技高网...

【技术保护点】
1.一种基于分布式有限时间状态观测器的多智能车辆编队方法，其特征在于，包括以下步骤：S1、根据智能车辆运动学模型，描述智能车辆的运动学特征；S2、构建多智能车辆的主从架构，并基于有向生成树的拓扑结构建立多智能车辆间的通信网络结构；S3、设计不依赖于全局坐标信息的分布式有限时间状态观测器，以得到观测值；S4、将观测值输入多智能车辆分布式编队控制器，以实现多智能车辆的自动编队。

【技术特征摘要】
1.一种基于分布式有限时间状态观测器的多智能车辆编队方法，其特征在于，包括以下步骤：S1、根据智能车辆运动学模型，描述智能车辆的运动学特征；S2、构建多智能车辆的主从架构，并基于有向生成树的拓扑结构建立多智能车辆间的通信网络结构；S3、设计不依赖于全局坐标信息的分布式有限时间状态观测器，以得到观测值；S4、将观测值输入多智能车辆分布式编队控制器，以实现多智能车辆的自动编队。2.根据权利要求1所述的一种基于分布式有限时间状态观测器的多智能车辆编队方法，其特征在于，所述步骤S1中智能车辆的运动学特征为：其中，xi表示智能车辆的横向位置，yi表示智能车辆的纵向位置，θi表示智能车的方位角度，分别是对应于xi，yi，θi的导数，vi表示智能车辆的线速度，ωi表示智能车辆的角速度。3.根据权利要求1所述的一种基于分布式有限时间状态观测器的多智能车辆编队方法，其特征在于，所述步骤S2具体包括以下步骤：S21、选取多智能车辆中的一个车辆作为主机，其余车辆作为从机；S22、利用有向图分别描述从机之间的通信连接、主机与从机之间的通信连接。4.根据权利要求3所述的一种基于分布式有限时间状态观测器的多智能车辆编队方法，其特征在于，所述步骤S22中从机之间的通信连接具体为：其中，表示从机有向图，表示从机节点，N表示从机节点的数量，ε表示从机之间有向边的集合，i和j分别表示不同的从机节点；主机与从机之间的通信连接具体为：其中，表示主从有向图，表示主机节点0与从机节点的并集，表示从机之间有向边与主从机之间有向边的并集。5.根据权利要求2所述的一种基于分布式有限时间状态观测器的多智能车辆编队方法，其特征在于，所述步骤S3具体包括以下步骤：S31、根据编队目标，获取从机的实际编队误差；S32、选取从机对主机位置和角度的估计值，得到从机的估计编队误差；S33、获取车辆间的相对位置，并基于估计编队误差，设计分布式有限时间状态观测器，以得到包含观测状态及观测速度的观测值。6.根据权利要求5所述的一种基于分布式有限时间状态观测器的多智能车辆编队方法，其特征在于，所述步骤S31中编队目标具体为：其中，xi(t)和x0(t)分别表示从机和主机的横向位置，yi(t)和y0(t)分别表示从机和主机的纵向位置，θi(t)和θ0(t)分别表示从机和主机的角度，和分别表示从机相对于主机的横向期望偏移...

【专利技术属性】
技术研发人员：王祝萍，汪磊，张皓，陈启军，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31