二维平面智能车辆队列控制方法技术

本发明专利技术公开了一种二维平面智能车辆队列控制方法，该方法包括：建立存在执行器故障和外部干扰的智能车辆二维平面动态模型；获取队列领导车辆运行信息，建立领导车辆模型；获取期望间距，并基于建立的智能车辆二维平面动态模型和领导车辆模型，计算实际间距、速度方向偏角、间距误差和偏角误差并设置间距约束；运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障并选取一种饱和Nussbaum函数；基于计算出的间距误差和偏角误差，构造滑模面；基于构造的滑模面，设计自适应控制律；本发明专利技术可解决未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列控制问题，提高车辆队列安全性和稳定性。提高车辆队列安全性和稳定性。提高车辆队列安全性和稳定性。

【技术实现步骤摘要】
二维平面智能车辆队列控制方法


[0001]本专利技术涉及智能车辆控制
，特别涉及一种二维平面智能车辆队列控制方法。

技术介绍

[0002]随着人们环保意识的提高和城市交通拥堵日益严重，运用高新技术解决城市交通问题成为城市交通系统的研究方向。智能车辆队列控制作为智能交通系统的一部分，能够有效的缓解交通压力和减轻尾气造成的空气污染，而且还能够加强交通安全，提升驾驶的方便性，成为智能交通系统的热点研究方向。
[0003]智能车辆队列控制的核心主要是通过信息交互，将独立的车辆形成车辆队列，并保持规定的安全距离并与领航车辆保持相同的速度。车辆队列需要满足独立的车辆稳定以及队列稳定，队列稳定性确保了干扰不会在队列中被放大。但是仅仅满足队列稳定性并不能避免相邻车辆之间的碰撞，而且由于通讯设备的传输距离限制，就要求通讯拓扑中连续车辆之间的距离不能超过一定的范围，如何保证防撞和防止通信中断就成为一个重要的问题。
[0004]可以将上述问题转换为车辆队列的间距约束问题，即：连续车辆之间的间距必须大于最小碰撞距离，小于最大通讯限制距离。为了更切合实际，在智能车辆队列控制中需要由一维纵向控制扩展到二维平面纵向、横向控制，即包括转向，变道等更实际的需求。另外，在车辆队列系统中的故障主要包括控制器故障、传感器故障、执行器故障和被控对象本身的故障。执行器故障是最有可能发生的，因为执行器经常执行控制任务。现有的经典执行机构故障模型主要是效能损失和偏置故障，其中执行器故障因子在(0,1)区间内。但是，在车辆运行过程中由于高温摩擦、传感器等检测元件损坏和高频率工作中偶然出现的电机反转、机械转动装置反转等因素容易导致反向故障和过度故障(即故障因子为负或大于1)，从而严重影响车辆的运行安全。因此，为了保障车辆的运行安全性能，需要提出更可行、更有效的控制策略来解决上述问题。

技术实现思路

[0005]本专利技术提供了一种二维平面智能车辆队列控制方法，以解决未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列控制的技术问题，从而提高车辆队列的安全性和稳定性。
[0006]为解决上述技术问题，本专利技术提供了如下技术方案：
[0007]一种二维平面智能车辆队列控制方法，该方法包括：
[0008]建立存在执行器故障和外部干扰的智能车辆二维平面动态模型；
[0009]获取二维平面智能车辆队列中领导车辆的运行信息，建立领导车辆模型；
[0010]获取二维平面智能车辆队列中相邻车辆之间的期望间距，并基于建立的智能车辆二维平面动态模型和领导车辆模型，计算二维平面智能车辆队列中相邻车辆之间的实际间
距、速度方向偏角、间距误差和偏角误差，并设置间距约束；
[0011]运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障，并选取一种饱和Nussbaum函数，以解决故障方向未知的问题；
[0012]基于计算得到的间距误差和偏角误差，构造滑模面；
[0013]基于构造的滑模面，设计自适应控制律及自适应更新律，以实现未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列的控制。
[0014]进一步地，所述智能车辆二维平面动态模型表示为：
[0015][0016]其中，x
i
(t)、y
i
(t)、v
i
(t)、a
i
(t)和φ
i
(t)分别表示第i辆智能车辆在t时刻的纵向位置、横向位置、速度、加速度、速度方向偏角、偏角速度以及偏角加速度；ω
i
(t)和τ
i
(t)分别表示第i辆智能车辆在t时刻的速度方向偏角变化的速度和偏角控制律；表示第i辆智能车辆在t时刻的车辆牵引力或制动力输出中含有未知方向故障；f
i
(x
i
,y
i
,v
i
,t)表示模型中的未知非线性阻力；n
i
(t)表示未知时变外部干扰。
[0017]进一步地，车辆牵引力或制动力输出中含有未知方向故障时的动态模型为：
[0018][0019]其中，u
i
(t)表示控制律，ρ
i
(t,t
ρi
)表示未知时变执行器故障因子，ρ
i
(t,t
ρi
)满足以下条件：ρ和分别表示上下界；r
i
(t,t
ri
)表示未知时变偏置执行器故障；t
ρi
和t
ri
分别表示执行器失效故障和偏置故障发生的时刻。
[0020]进一步地，所述运行信息包括领导车辆的位置和速度信息，所述领导车辆模型表示为：
[0021][0022]其中，x0(t)、y0(t)、v0(t)、a0(t)和φ0(t)分别代表t时刻时，二维平面智能车辆队列中领导车辆的纵向位置、横向位置、速度、加速度以及速度方向偏角；列中领导车辆的纵向位置、横向位置、速度、加速度以及速度方向偏角；和分别表示x0(t)、y0(t)和v0(t)对时间t的一阶导数。
[0023]进一步地，所述计算二维平面智能车辆队列中相邻车辆之间的实际间距、速度方向偏角、间距误差和偏角误差，包括：
[0024]通过下式计算实际间距和速度方向偏角：
[0025][0026][0027]通过下式计算间距误差和偏角误差：
[0028]e
i
(t)＝d
i
(t)
‑
d
*
[0029][0030]其中，d
*
为预设的二维平面智能车辆队列中相邻车辆之间的期望间距。
[0031]进一步地，所述间距约束表示如下：
[0032]0＜Δ
col
＜d
i
(t)＜Δ
con
[0033][0034]其中，Δ
col
表示二维平面智能车辆队列中相邻车辆之间的最小安全间距，Δ
con
表示车辆间的最大有效通讯间距；Δ＝Δ
col
‑
d
*
，
[0035]进一步地，所述运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障表达式为：
[0036][0037][0038]其中，和表示神经网络的逼近精度；和表示理想近似参数向量且满足：Z
i
＝[x
i
,y
i
,v
i
]；自适应参数分别为θ
i*
、ψ
i*
的估计值，估计误差和定义如下：
[0039][0040][0041]所述饱和Nussbaum函数的表达式为：
[0042][0043]其中，a和b均为预设的正数，且满足0＜b＜1；q为正整数，ζ
i
(t)为自适应参数。...

【技术保护点】

【技术特征摘要】
1.一种二维平面智能车辆队列控制方法，其特征在于，所述方法包括：建立存在执行器故障和外部干扰的智能车辆二维平面动态模型；获取二维平面智能车辆队列中领导车辆的运行信息，建立领导车辆模型；获取二维平面智能车辆队列中相邻车辆之间的期望间距，并基于建立的智能车辆二维平面动态模型和领导车辆模型，计算二维平面智能车辆队列中相邻车辆之间的实际间距、速度方向偏角、间距误差和偏角误差，并设置间距约束；运用径向基函数神经网络逼近未知非线性阻力及偏置执行器故障，并选取一种饱和Nussbaum函数，以解决故障方向未知的问题；基于计算得到的间距误差和偏角误差，构造滑模面；基于构造的滑模面，设计自适应控制律及自适应更新律，以实现未知方向执行器故障、间距约束和未知时变外部干扰下的二维平面智能车辆队列的控制。2.如权利要求1所述的二维平面智能车辆队列控制方法，其特征在于，所述智能车辆二维平面动态模型表示为：其中，x
i
(t)、y
i
(t)、v
i
(t)、a
i
(t)和φ
i
(t)分别表示第i辆智能车辆在t时刻的纵向位置、横向位置、速度、加速度、速度方向偏角、偏角速度以及偏角加速度；ω
i
(t)和τ
i
(t)分别表示第i辆智能车辆在t时刻的速度方向偏角变化的速度和偏角控制律；表示第i辆智能车辆在t时刻的车辆牵引力或制动力输出中含有未知方向故障；f
i
(x
i
,y
i
,v
i
,t)表示模型中的未知非线性阻力；n
i
(t)表示未知时变外部干扰。3.如权利要求2所述的二维平面智能车辆队列控制方法，其特征在于，所述车辆牵引力或制动力输出中含有未知方向故障时的动态模型为：其中，u
i
(t)表示控制律，ρ
i
(t,t
ρi
)表示未知时变执行器故障因子，ρ
i
(t,t
ρi
)满足以下条件：ρ和分别表示上下界；r
i
(t,t
ri
)表示未知时变偏置执行器故障；t
ρi
和t
ri
分别表示执行器失效故障和偏置故障发生的时刻。4.如权利要求3所述的二维平面智能车辆队列控制方法，其特征在于，所述运行信息包括领导车辆的位置和速度信息，所述领导车辆模型表示为：其中，x0(t)、y0(t)、v0(t)、a0(t)和φ0(t)分别代表t时刻时，二维平面智能车辆队列中领导车辆的纵向位置、横向位置、速度、加速度以及速度方向偏角；领导车辆的纵向位置、横向位置、速度、加速度以及速度方向偏角；和分别
表示x0(t)、y0(t)和v0(t)对时间t的一阶导数。5.如权利要求4所述的二维平面智能车辆队列控制方法，其特征在于，所述计算二维平面智能车辆队列中相邻车辆之...

【专利技术属性】
技术研发人员：郭祥贵，徐伟栋，田原，王建梁，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：