一种时变时延下网联车辆控制优化模型构建方法技术

本发明专利技术属于车路云技术领域，具体涉及一种时变时延下网联车辆控制优化模型构建方法，方法包括建立时延下的网联车辆控制优化模型，对优化框架中优化目标更新与约束条件判断的输入进行更改，实现不同需求的车辆控制优化，聚焦部分状态时延下的车辆控制优化，建立部分状态时延下的网联车辆控制系统的模型方法；建立针对不同工况下针对快速性要求的传递函数模型；建立控制误差下的代价函数模型。本发明专利技术能够提供部分状态时延的网联车辆控制的增广切换系统模型，提供不同工况下针对快速性要求的传递函数模型，根据控制误差对车辆行驶安全的影响，提供误差控制的代价函数模型，减少干扰对输出的影响。对输出的影响。对输出的影响。

【技术实现步骤摘要】
一种时变时延下网联车辆控制优化模型构建方法


[0001]本专利技术属于车路云
，具体涉及一种时变时延下网联车辆控制优化模型构建方法。

技术介绍

[0002]在车联网云服务系统中，最初的关注点在于为网联车辆提供管理与信息服务，由于此类服务系统主要利用消费级云计算技术构建，且受数据源与网联车辆渗透率等方面的限制，不能用于车辆行驶过程的优化。近年来，在车路云结合的系统方面，提出包括感知层、网络协调层、人工智能层、应用层与商业层的五层架构，在车路云分层计算结构中，能为车辆、驾驶人员、交通管理者提供云平台支撑下运用情景感知技术的信息与管理服务，更多的场景包括构建车辆队列、交通流优化、动态编队、队列控制等，具体的，针对网联单车自动驾驶，可实现云端控制器与边缘计算控制器的自动切换，以减小网联控制时延。基于车路云结合系统场景，在智能网联车辆控制系统设计中，涉及的要素有，控制器参数、系统模型，时延下系统稳定性条件、误差边界性能条件，时延下系统稳定性定量评价方法、参数优化方法，时延下系统稳定性要求，误差边界要求、快速性要求。在多数情况下，网联车辆控制对性能指标的要求都不是达到某一目标值，而是最优化性能指标。例如，要求满足给定时延下系统稳定性与快速性要求，并最小化误差边界，或要求满足给定的误差边界与快速性要求，最大化时延下系统稳定性等。为得到最优化性能指标，因此，本专利技术提供一种时变时延下网联车辆控制优化模型构建方法。

技术实现思路

[0003]本专利技术通过构建一种时变时延下网联车辆控制优化模型，聚焦部分状态时延下的车辆控制优化，建立部分状态时延下的网联车辆控制系统的模型，实现不同需求的车辆控制优化，以得到最优化性能指标。为了达到上述的专利技术目的，本专利技术给出如下所述的一种时变时延下的网联车辆控制优化模型构建方法，主要包括以下的步骤：
[0004]S1、针对网联车辆控制问题分解的横向控制和纵向控制两类问题，统一建立时变时延下的网联车辆控制优化模型；
[0005]S2、建立针对不同工况下针对快速性要求的传递函数模型；
[0006]S3、建立误差控制的代价函数模型。
[0007]作为本专利技术的一种优选技术方案，建立所述网联车辆控制优化模型，包括如下步骤：
[0008]S11、建立时变时延下车辆控制系统模型；
[0009]S12、基于所述时变时延下车辆控制系统模型，对于网联纵向控制和网联横向控制，分别建立时变时延下控制系统；
[0010]S13、用切换系统理论处理所述时变时延下控制系统，简化系统分析复杂度，建立部分状态时延系统方程，将所述部分状态时延系统方程改为切换系统形式，建立部分状态
时延下的网联车辆控制的增广切换系统。
[0011]作为本专利技术的一种优选技术方案，建立所述时变时延下车辆控制系统模型，包括如下步骤：
[0012]S111、将车辆控制系统建模为如下离散时间线性系统：
[0013]x(k+1)＝A x(k)+B u(k)+G v
ref
(k)
[0014]其中，x(k)为k时刻的n维系统状态向量，k为离散时刻，A为系统状态向量系数矩阵，u(k)为k时刻的系统控制输入向量，B为系统控制输入向量系数矩阵，v
ref
(k)为k时刻控制目标输入向量，G为系统控制目标输入向量系数矩阵；
[0015]S112、在所述离散时间线性系统中使用时变时延下状态反馈控制器：
[0016]u(k)＝
‑
Kx(k
‑
τ(k)),
‑
τ(k)＝0,...,dm
[0017]x(k)＝Φ(k),k＝
‑
dm,...,0
[0018]其中，dm为最大时延周期数，则时变时延下所述车辆控制系统建模为如下离散时间线性系统：
[0019]x(k+1)＝A x(k)
‑
BKx(k
‑
τ(k))+G v
ref
(k)
[0020]其中，K为线性状态反馈控制器增益，τ(k)为时变时延周期数，Φ(k)为初始条件。
[0021]作为本专利技术的一种优选技术方案，分别建立所述时变时延下控制系统，包括如下步骤：
[0022]S121、对于网联纵向控制，基于跟车系统模型，使用状态反馈加速度控制网联纵向问题，通过零阶保持器以采样周期T离散化，得到如下系统：
[0023]x(k+1)＝A
lon x(k)+B
lon a
fdes
(k)+Ga
p
(k)
[0024]a
fdes
(k) ＝
ꢀ‑
K
lon
x (k)
[0025]x(k)＝[Δd(k)Δv(k)a
f
(k)]T
[0026]其中，各系数矩阵通过对连续时间系统模型的对应矩阵进行离散化得到：
[0027][0028][0029][0030]其中，A
lon
为跟车系统状态向量系数矩阵，B
lon
为跟车系统控制输入向量系数矩阵，G为控制目标输入向量系数矩阵，K
lon
为跟车系统线性状态反馈控制器增益，Δd(k)，Δv(k)，a
f
(k)分别为跟车距离误差、跟车速度误差与自车加速度，a
fdes
(k)为自车期望加速度，a
p
(k)为前车加速度，τ
h
为跟车时距，K
L
与T
L
分别为自车加速度一阶系统的增益与时间常数；
[0031]S122、将Φ
lon
(k)做为跟车系统状态初始条件，得到形式相同的时变时延下控制系统：
[0032]x(k+1)＝A
lon x(k)
‑
B
lon
K
lon x(k
‑
τ(k))+Ga
p
(k)
[0033]x(k)＝Φ
lon
(k)，k＝
‑
d,...,0；
[0034]S123、对于网联横向控制，基于路径跟踪系统模型，忽略扰动输入，使用状态反馈转角控制网联横向控制问题，通过零阶保持器以采样周期离散化，得到如下系统：
[0035]x(k+1)＝A
lat x(k)+B
lat
δ(k)+P
r
ρ(k)
[0036]δ(k) ＝
ꢀ‑
K
lat
x (k)
[0037]x(k)＝[β(k)r(k)ψ
err
(k)y
ferr
(k)]T
[0038]其中，各系数矩阵通过对连续时间系统模型的对应矩阵进行离散化得到：
[0039][0040][0041][0042][0043][004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时变时延下网联车辆控制优化模型构建方法，其特征在于，包括如下的步骤：S1、针对网联车辆控制问题分解的横向控制和纵向控制两类问题，统一建立时变时延下的网联车辆控制优化模型；S2、建立针对不同工况下针对快速性要求的传递函数模型；S3、建立控制误差下的代价函数模型。2.根据权利要求1所述的一种时变时延下网联车辆控制优化模型构建方法，其特征在于，在所述S1中，建立所述网联车辆控制优化模型，包括如下步骤：S11、建立时变时延下车辆控制系统模型；S12、基于所述时变时延下车辆控制系统模型，对于网联纵向控制和网联横向控制，分别建立时变时延下控制系统；S13、用切换系统理论处理所述时变时延下控制系统，简化系统分析复杂度，建立部分状态时延系统方程，将所述部分状态时延系统方程改为切换系统形式，建立部分状态时延下的网联车辆控制的增广切换系统。3.根据权利要求2所述的一种时变时延下网联车辆控制优化模型构建方法，建立时变时延下车辆控制系统模型，其特征在于，包括如下步骤：S111、将车辆控制系统建模为如下离散时间线性系统：x(k+1)＝Ax(k)+Bu(k)+Gv
ref
(k)其中，x(k)为k时刻的n维系统状态向量，k为离散时刻，A为系统状态向量系数矩阵，u(k)为k时刻的系统控制输入向量，B为系统控制输入向量系数矩阵，v
ref
(k)为k时刻控制目标输入向量，G为系统控制目标输入向量系数矩阵；S112、在所述离散时间线性系统中使用时变时延下状态反馈控制器：u(k)＝
‑
Kx(k
‑
τ(k)),
‑
τ(k)＝0,...,dmx(k)＝Φ(k),k＝
‑
dm,...,0其中，dm为最大时延周期数，则时变时延下所述车辆控制系统建模为如下离散时间线性系统：x(k+1)＝Ax(k)
‑
BKx(k
‑
τ(k))+Gv
ref
(k)其中，K为线性状态反馈控制器增益，τ(k)为时变时延周期数，Φ(k)为初始条件。4.根据权利要求2所述的一种时变时延下网联车辆控制优化模型构建方法，分别建立所述时变时延下控制系统，其特征在于，包括如下步骤：S121、对于网联纵向控制，基于跟车系统模型，使用状态反馈加速度控制网联纵向问题，通过零阶保持器以采样周期T离散化，得到如下系统：x(k+1)＝A
lon x(k)+B
lon
a
fdes
(k)+Ga
p
(k)a
fdes
(k)＝
‑
K
lon
x(k)x(k)＝[Δd(k)Δv(k)a
f
(k)]
T
其中，各系数矩阵通过对连续时间系统模型的对应矩阵进行离散化得到：
其中，A
lon
为跟车系统状态向量系数矩阵，B
lon
为跟车系统控制输入向量系数矩阵，G为控制目标输入向量系数矩阵，K
lon
为跟车系统线性状态反馈控制器增益，Δd(k)，Δv(k)，a
f
(k)分别为跟车距离误差、跟车速度误差与自车加速度，a
fdes
(k)为自车期望加速度，a
p
(k)为前车加速度，τ
h
为跟车时距，K
L
与T
L
分别为自车加速度一阶系统的增益与时间常数；S122、将Φ
lon
(k)做为跟车系统状态初始条件，得到形式相同的时变时延下控制系统：x(k+1)＝A
lon
x(k)
‑
B
lon
K
lon
x(k
‑
τ(k))+Ga
p
(k)x(k)＝Φ
lon
(k)，k＝
‑
d,...,0；S123、对于网联横向控制，基于路径跟踪系统模型，忽略扰动输入，使用状态反馈转角控制网联横向控制问题，通过零阶保持器以采样周期离散化，得到如下系统：x(k+1)＝A
lat
x(k)+B
lat
δ(k)+P
r
ρ(k)δ(k)＝
‑
K
lat
x(k)x(k)＝[β(k)r(k)ψ
err
(k)y
ferr
(k)]
T
其中，各系数矩阵通过对连续时间系统模型的对应矩阵进行离散化得到：其中，各系数矩阵通过对连续时间系统模型的对应矩阵进行离散化得到：其中，各系数矩阵通过对连续时间系统模型的对应矩阵进行离散化得到：其中，A
lat
为路径跟踪系统状态向量系数矩阵，B
lat
为路径跟踪系统控制输入向量系数矩阵，P
r
为路径跟踪系统控制目标输入向量系数矩阵，
‑
K
lat
为路径跟踪系统线性状态反馈控制器增益，β(k),r(k),ψ
err
(k),y
ferr
(k)分别为质心侧偏角、横摆角速度、航向角误差与预瞄点侧向误差，δ(k)为前轮转角，ρ(k)为预瞄点处道路曲率，c
f
,c
r
分别为前轮侧偏刚度,后轮侧偏刚度，l
f
,l
r
分别为整车质心到前轴，后轴的距离，m
c
为整车质量,l
s
为整车绕垂直轴的转动惯量，v为纵向车速，l
s
为预瞄距离；S124、将Φ
lat
(k)做为路径跟踪系统状态初始条件，得到形式相同的时变时延下控制系统：x(k+1)＝A
lat
x(k)
‑
B
lat
K
lat
x(k
‑
τ(k))+P
r
ρ(k)x(k)＝Φ
lat
(k)，k＝
‑
d,...,0。
5.根据权利要求2所述一种时变时延下网联车辆控制优化模型构建方法，建立所述部分状态时延下的网联车...

【专利技术属性】
技术研发人员：王祥云，蔡营，王永峰，陈稷栋，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：