基于DMPC的通信中断下零信任智能网联车辆队列控制方法技术

本发明专利技术具体涉及基于DMPC的通信中断下零信任智能网联车辆队列控制方法，包括：定义初始状态下的假设输出状态序列和预测输出状态序列；建立优化目标代价函数；针对单个车辆：基于当前时刻的假设输出状态序列、预测输出状态序列和邻居假设输出状态序列求解其优化目标代价函数得到当前时刻的最优预测控制输入序列；计算最优输入状态序列并结合最优预测控制输入序列计算下一时刻的最优输入状态；计算下一时刻的假设输出状态序列并分发给与其通信的邻居车辆。本发明专利技术联合多方当前状态来预测车辆未来时刻的运动状态，并且能够基于车辆队列的通信拓扑和邻居车辆的状态来调节各个车辆的自身行驶状态，从而能够提高智能网联车辆队列纵向控制的稳定性。列纵向控制的稳定性。列纵向控制的稳定性。

【技术实现步骤摘要】
基于DMPC的通信中断下零信任智能网联车辆队列控制方法


[0001]本专利技术涉及车联网和大数据领域，具体涉及基于DMPC的通信中断下零信任智能网联车辆队列控制方法。

技术介绍

[0002]在车联网环境下，车车通信技术能够实现车与车之间信息共享交互，促进了智能交通的发展。网联车辆可获得周围车辆的信息(位置、速度、加速度等)，从而缓解交通拥堵，减少交通事故，已成为当前研究领域的热点。
[0003]车辆队列通过引入无线通信等技术将队列中的车辆互相耦合，基于及时的数据共享，扩展了车辆对周围环境的超视距感知能力，使得队列控制的时机更提前，控制效果更精准，由此带来了交通效率的全面提高，降低燃油的消耗以及减少尾气的排放等一系列好处，因而受到世界各地的关注。
[0004]零信任(ZT)，最早在2010年由当时的Forrester分析师John Kindervag提出。它的核心思想是：默认情况下，其内外部的任何人、事、物均不可信，应在授权前对任何试图接入网络和访问网络资源的人、事、物进行验证，它的关键在于打破默认的“信任”，即“持续验证，永不信任”。零信任主张安全体系架构从网络中心化转变为身份中心化，所有的访问行为都需要以身份为中心进行细粒度的自适应访问控制。零信任代表了新一代的网络安全防护理念，近年来受到越来越多人的关注。
[0005]在智能网联车辆队列中，连接车辆队列的局域网处于零信任环境下，它随车辆的移动而随机变化。从本质上讲，从其他车辆节点获得的数据并不完全可靠。对于不完全信任的车辆节点，该局域网中的其他车辆节点采取相应信息确认、信息筛选的策略来获得可靠信息。因此，零信任环境下智能网联车辆队列可以有效达成群体共识，从而提高车辆行驶安全性，增强道路通行能力。
[0006]然而，由于无线通信系统中时变度量的流量环境限制，不仅包含通信时延部分，实际应用场景中也可能存在环境的限制，例如隧道、山区等，导致车辆间的通信出现短暂性中断和恢复的现象。为此，现有技术提出了分布式模型预测控制(distributed model predictive control，DMPC)方法，用于切换通信拓扑下的车辆队列控制系统，即针对多车系统切换通信拓扑设计一种DMPC算法，通过数值模拟证明了切换拓扑下模型预测控制算法的有效性。分布式模型预测控制是模型预测控制的分布式形式，适用于大规模系统控制问题。当系统过于庞大和复杂,存在多个输入和输出时，集中式的模型预测控制器需要求解规模巨大的优化问题，计算负担大，效率低。可以将原系统分解为多个存在耦合关系的子系统，每个子系统设计一个局部MPC控制器，求解局部的优化问题得到局部最优解，充分利用每个处理器的性能。
[0007]随着无线通信技术(即DSRC、LTE
‑
V和5G等技术)的不断提升，车辆队列的通信拓扑结构类型逐渐丰富。然而，现有方案针对通信中断的智能网联车辆队列控制大都采用单一的通信拓扑结构，而无法有效适应多型通信拓扑结构和通信异常作用下智能网联车辆队列
的控制，导致智能网联车辆队列纵向控制的稳定性不好。因此，如何设计一种能够实现智能网联车辆队列纵向稳定性控制的方法是亟需解决的技术问题。

技术实现思路

[0008]针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种基于DMPC的通信中断下零信任智能网联车辆队列控制方法，能够联合多方当前状态来预测车辆未来时刻的运动状态，并且能够基于车辆队列的通信拓扑和邻居车辆的状态来调节各个车辆的自身行驶状态，从而能够提高智能网联车辆队列纵向控制的稳定性，并大大提高行车安全和改善燃油经济，对缓解交通拥堵，道路安全和环境污染具有重要意义。
[0009]为了解决上述技术问题，本专利技术采用了如下的技术方案：
[0010]基于DMPC的通信中断下零信任智能网联车辆队列控制方法，包括：
[0011]S1：定义初始状态下车辆队列中各个车辆的假设输出状态序列和预测输出状态序列；
[0012]S2：基于车辆队列中各个车辆的通信拓扑建立对应的优化目标代价函数；
[0013]S3：针对车辆队列中的单个车辆：获取当前时刻与该车辆通信的邻居车辆的邻居假设输出状态序列，并基于该车辆当前时刻的假设输出状态序列、预测输出状态序列和邻居假设输出状态序列求解其优化目标代价函数，得到该车辆当前时刻的最优预测控制输入序列；
[0014]S4：基于该车辆当前时刻的最优预测控制输入序列计算对应的最优输入状态序列，并结合该车辆当前时刻的最优预测控制输入序列计算其下一时刻的最优输入状态，用以控制该车辆下一时刻在车辆队列中的行驶状态；
[0015]S5：基于该车辆当前时刻的最优预测控制输入序列计算下一时刻的假设控制输入序列，进而结合预设的车辆动力学模型计算下一时刻的假设输出状态序列，并将该车辆下一时刻的假设输出状态序列分发给与其通信的邻居车辆；
[0016]S6：重复执行步骤S3至S5，直至车辆队列控制结束。
[0017]优选的，通过如下步骤计算车辆的假设输出状态序列：
[0018]S101：定义车辆在t＝0时刻的假设控制输入序列；
[0019]公式描述为：
[0020][0021]式中：表示车辆i在t＝0时刻的假设控制输入序列；Np表示预测时域；k表示预测时域中的第k个时域；v
i
(0)表示车辆i在t＝0时刻的速度；f表示假设控制输入函数；
[0022]S102：通过车辆在t＝0时刻的假设控制输入序列计算对应的预测输入状态序列；
[0023]公式描述为：
[0024][0025][0026][0027][0028]式中：表示假设控制输入序列对应的预测输入状态序列；和x
i
(0)表示车辆i在t＝0时刻的预测输入状态序列和预测输入状态；δt表示离散步长；p
i
(t)表示车辆位置；v
i
(t)表示车辆速度；m
i
表示车辆质量；η
T,i
表示传动效率；T
i
(t)表示车辆所需的驱动或制动的力矩；C
A,i
表示空气阻力系数；g表示重力系数；f
i
表示滚动阻力系数；τ
i
表示惯性时延；
[0029]S103：基于预测输入状态序列计算车辆在t＝0时刻的假设输出状态序列；
[0030]公式描述为：
[0031][0032][0033][0034]式中：表示车辆i在t＝0时刻的假设输出状态序列；表示预测输入状态序列对应的预测输出状态序列；表示输出矩阵。
[0035]优选的，通过如下公式计算预测输出状态序列：
[0036][0037][0038]式中：表示车辆i在t＝0时刻的预测输出状态序列；和x
i
(0)表示车辆i在t＝0时刻的预测输入状态序列和预测输入状态；表示输出矩阵。
[0039]优选的，通过如下公式表示车辆的优化目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于DMPC的通信中断下零信任智能网联车辆队列控制方法，其特征在于，包括：S1：定义初始状态下车辆队列中各个车辆的假设输出状态序列和预测输出状态序列；S2：基于车辆队列中各个车辆的通信拓扑建立对应的优化目标代价函数；S3：针对车辆队列中的单个车辆：获取当前时刻与该车辆通信的邻居车辆的邻居假设输出状态序列，并基于该车辆当前时刻的假设输出状态序列、预测输出状态序列和邻居假设输出状态序列求解其优化目标代价函数，得到该车辆当前时刻的最优预测控制输入序列；S4：基于该车辆当前时刻的最优预测控制输入序列计算对应的最优输入状态序列，并结合该车辆当前时刻的最优预测控制输入序列计算其下一时刻的最优输入状态，用以控制该车辆下一时刻在车辆队列中的行驶状态；S5：基于该车辆当前时刻的最优预测控制输入序列计算下一时刻的假设控制输入序列，进而结合预设的车辆动力学模型计算下一时刻的假设输出状态序列，并将该车辆下一时刻的假设输出状态序列分发给与其通信的邻居车辆；S6：重复执行步骤S3至S5，直至车辆队列控制结束。2.如权利要求1所述的基于DMPC的通信中断下零信任智能网联车辆队列控制方法，其特征在于，步骤S1中，通过如下步骤计算车辆的假设输出状态序列：S101：定义车辆在t＝0时刻的假设控制输入序列；公式描述为：式中：表示车辆i在t＝0时刻的假设控制输入序列；Np表示预测时域；k表示预测时域中的第k个时域；v
i
(0)表示车辆i在t＝0时刻的速度；f表示假设控制输入函数；S102：通过车辆在t＝0时刻的假设控制输入序列计算对应的预测输入状态序列；公式描述为：公式描述为：公式描述为：
式中：表示假设控制输入序列对应的预测输入状态序列；和x
i
(0)表示车辆i在t＝0时刻的预测输入状态序列和预测输入状态；δt表示离散步长；p
i
(t)表示车辆位置；v
i
(t)表示车辆速度；m
i
表示车辆质量；η
T,i
表示传动效率；T
i
(t)表示车辆所需的驱动或制动的力矩；C
A,i
表示空气阻力系数；g表示重力系数；f
i
表示滚动阻力系数；τ
i
表示惯性时延；S103：基于预测输入状态序列计算车辆在t＝0时刻的假设输出状态序列；公式描述为：公式描述为：公式描述为：式中：表示车辆i在t＝0时刻的假设输出状态序列；表示预测输入状态序列对应的预测输出状态序列；表示输出矩阵。3.如权利要求1所述的基于DMPC的通信中断下零信任智能网联车辆队列控制方法，其特征在于，步骤S1中，通过如下公式计算预测输出状态序列：特征在于，步骤S1中，通过如下公式计算预测输出状态序列：式中：表示车辆i在t＝0时刻的预测输出状态序列；和x
i
(0)表示车辆i在t＝0时刻的预测输入状态序列和预测输入状态；表示输出矩阵。4.如权利要求1所述的基于DMPC的通信中断下零信任智能网联车辆队列控制方法，其特征在于，步骤S2中，通过如下公式表示车辆的优化目标代价函数：s.t.1)s.t.1)s.t.1)2)
3)4)其中，表示待优化的控制变量；表示集合的元素个数；的元素个数；的元素个数；的元素个数；表示车辆i和j之间位置信息的偏差；式中：表示车辆i在t时刻的优化目标代价；分别表示车辆i在t时刻的预测输出状态、假设输出状态和邻居假设输出状态；表示车辆i在t时刻的预测输入状态；分别表示车辆i在t时刻的预测输出状态序列、假设输出状态序列和邻居假设输出状态序列；表示车辆i在t时刻的预测输入状态序列；示车辆i在t时刻的预测输入状态序列；表示车辆i在t时刻的预测控制输入序列；表示车辆i在t时刻的邻域集；示t时刻跟随车辆i的入度矩阵；表示车辆i在t时刻的牵引集合，p
i
(t)＝1表示t时刻跟随车辆i能够获取领航车辆节点的状态信息，p
i
(t)＝0表示t时刻跟随车辆i不能够获取领航车辆节点的状态信息；表示预测控制输入；u
min,i
表示预测控制输入的最小值；u
max,i
表示预测控制输入的最大值；表示预测时域内的假设输出序列；T
ip
(Np|t)表示预测时域内的预测输出力矩；表示预测时域内的预测速度。5.如权利要求4所述的基于DMPC的通信中断下零信任智能网联车辆队列控制方法，其特征在于...

【专利技术属性】
技术研发人员：黄大荣，李欣蓉，朱令，米波，胡冲，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：