【技术实现步骤摘要】
本专利技术涉及一种数据驱动的异构车辆事件触发编队控制方法，属于汽车驾驶控制领域；
技术介绍
1、在当今的交通环境中，车辆编队控制是一个重要的研究领域；车辆编队是一种先进的交通管理和控制概念，其中多辆智能车以一定的相对位置、速度和间距，高度协调地行驶；这种方法的主要目的是增加交通效率，减少能源消耗，提高驾驶舒适性；当车辆编队行驶在不同的环境中、执行不同的驾驶任务时，车辆的模型可能会失配，此时对车辆的控制效果会变差；
2、在自动驾驶和混合驾驶环境中，实现精确、高效且实时的车辆编队控制是一项关键的技术挑战。传统的车辆编队控制方法通常基于预定的模型和固定的控制策略，这种方法在处理简单和稳定的驾驶环境时表现良好。然而，当面临复杂和变化的驾驶环境时，例如在混合驾驶环境中，这种方法的表现往往不能满足实际需求。因为它们不能很好地处理驾驶环境的不确定性和复杂性，如车辆的行驶状态、驾驶行为、路况等因素的变化。
3、为了解决这个问题，数据驱动的控制方法应运而生；这种方法是基于实际的驾驶数据来学习和预测车辆的行为，而不是依赖于预设的模型；这使得它能够更好地应对复杂和变化的驾驶环境；然而，数据驱动的控制方法也存在一定的问题；例如，它需要大量的数据来进行学习和预测，这可能导致计算负担过大；此外，由于需要频繁的数据更新，这可能会导致大量的数据传输，从而增加了通信负担；
4、事件触发控制是一种新的控制策略，它通过动态地调整控制频率，以根据实际需要来执行控制，而不是在固定的时间间隔内执行控制；这种方法可以有效地减少计算和通信负
技术实现思路
1、本专利技术开发一种数据驱动的异构车辆事件触发编队控制方法，不仅有助于提高车辆编队的行驶效率和安全性，也有助于处理混合驾驶环境中的不确定性和复杂性，这对于自动驾驶技术的发展和未来的智能交通系统的建设具有重要的意义；
2、本专利技术所述的一种数据驱动的异构车辆事件触发编队控制方法，是采用如下技术方案实现的：
3、一种数据驱动的异构车辆事件触发编队控制方法，考虑到一个行驶在城市结构化道路上的车辆编队，将多辆不同类型、具有不同特性的车辆排成一列，以一定的距离组成编队；使车辆在复杂的交通环境下保持车速并与前车保持适当的间距，以实现安全、高效的行驶；当车辆编队行驶在不同的环境中、执行不同的驾驶任务时，车辆的模型可能会失配；本方法的特征在于利用高斯过程回归的方法对车辆系统进行实时建模，并采用反馈线性化的方法来对所学的模型进行控制，实现了对车辆编队的控制；同时设计了事件触发机制，该策略使系统不再需要以固定的时间间隔学习车辆模型，而是仅在系统有需求的时候，才对车辆模型进行学习更新，降低了采样频率和计算需求，实现了高效的编队控制；
4、其特征在于，本方法的具体步骤如下：
5、步骤一、建立非线性车辆模型
6、考虑到一个行驶在城市结构化道路上的异构车辆编队，将l辆车排成一列，以一定的距离组成编队；其中异构的含义指的是编队中包含了不同类型或具有不同特性的车辆，在这编队中第i辆车的非线性车辆模型如下所示：
7、
8、其中，1＜i＜l，si(t)表示t时刻第i辆车的位置，vi(t)表示t时刻第i辆车的速度，ai(t)表示t时刻第i辆车的加速度；ui(t)表示t时刻第i辆车的控制输入；mi表示第i辆车的质量，τi表示第i辆车的的未知惯性延迟，kdi表示第i辆车的空气阻力系数，dmi表示第i辆车的机械阻力系数；定义第i辆车的状态向量为x＝[si(t),vi(t),ai(t)]t；
9、为了方便描述，现定义其中f(x)和g(x)是有关状态向量x的函数，都是全局有界且可微的；同时g(x)还满足恒为正数的性质；f(x)的物理含义是与输入不相关的模型动力学方程；g(x)的物理含义是与输入相关的模型动力学方程；
10、假设第k次更新车辆模型的时刻为tk，对车辆编队中第i辆车的状态向量x(k)进行测量，同时对含有噪声的加速度的导数进行测量；表示第k次更新车辆模型时加速度的导数，εk为测量过程中的高斯噪声；车辆编队的数据集dk中的数据会随着车辆模型更新次数的增加而增加，数据x(k),y(k)总是成对出现，数据集中的x(1),y(1)表示第一次更新模型时添加的车辆状态向量和含有噪声的加速度导数的测量值，x(2),y(2)表示第二次更新模型时添加的车辆状态向量和含有噪声的加速度导数的测量值，数据集中的x(k),y(k)表示第k次更新模型时添加的车辆状态向量和含有噪声的加速度导数的测量值；车辆的数据集dk表示为：
11、dk＝{x(1),y(1),x(2),y(2),...,x(k),y(k)} (2)
12、数据集dk中数据的个数为nk；如果采用时间触发机制来更新数据集，则新的数据将会以固定的时间间隔更新数据集dk；如果采用事件触发的机制来更新数据集，dk将只会在触发事件的时候加入新数据；数据集dk在两次连续测量之间保持不变；
13、步骤二、闭环系统在线高斯模型构建
14、为了对车辆模型动力学方程的未知部分f(x)和g(x)进行闭环在线识别，使用高斯过程回归求解，得到的对应近似函数表示为和
15、
16、
17、其中，kf表示f的核函数，kg表示g的核函数；是kf的转置，是kg的转置；u是uk(x)给出的输入集合，uk(x)是数据集dk的在线学习反馈线性化控制律，x表示为：x＝[x(1),x(2),...,x(k)]；yf表示为yf＝[y(1),y(2),...,y(k)]；kfg表示一个联结核函数kf和核函数kg的矩阵，mg(x)表示g(x)的估计均值的最小值；表示数据集dk中nk个不同的mg(x)所组成的集合；这里考虑使用平方指数核作为通用的核函数，能够比较精确地为任何连续函数进行建模；既满足可微性又满足有界性；
18、步骤三、反馈线性化控制器设计
19、基于所建立的非线性车辆模型，设计一种基于数据集dk的在线学习反馈线性化控制律uk(x)，其形式为：
20、
21、其中，ν是所得到的近似线性化系统的输入，为实数域，uk(x)是第k个时间间隔更新的控制律；和是基于高斯过程回归在第k次更新数据集dk后学习得到的f(x)和g(x)的估计值，仅在tk时刻的数据集dk发生变化时学习；当和更新时，控制律uk(x)也会更新；需要注意的是，事件触发的模型估计并不是按照固定的时间间隔进行的，因此控制律uk(x)的更新也不是周期性执行的；根据定义，假设第k次更新发生在tk时刻，那么相应的控制律uk(x)将应用于从tk到下一个事件发生的时刻tk+1的这段时间内，表示为：
22、u(x)＝uk(x),t∈[tk,tk+1) (6)
23、我们期望的跟踪期望轨迹为本文档来自技高网...
【技术保护点】
1.一种数据驱动的异构车辆事件触发编队控制方法，考虑到一个行驶在城市结构化道路上的车辆编队，将多辆不同类型、具有不同特性的车辆排成一列，以一定的距离组成编队；使车辆在复杂的交通环境下保持车速并与前车保持适当的间距，以实现安全、高效的行驶；当车辆编队行驶在不同的环境中、执行不同的驾驶任务时，车辆的模型可能会失配；本方法的特征在于利用高斯过程回归的方法对车辆系统进行实时建模，并采用反馈线性化的方法来对所学的模型进行控制，实现了对车辆编队的控制；同时设计了事件触发机制，该策略使系统不再需要以固定的时间间隔学习车辆模型，而是仅在系统有需求的时候，才对车辆模型进行学习更新，降低了采样频率和计算需求，实现了高效的编队控制；
【技术特征摘要】
1.一种数据驱动的异构车辆事件触发编队控制方法，考虑到一个行驶在城市结构化道路上的车辆编队，将多辆不同类型、具有不同特性的车辆排成一列，以一定的距离组成编队；使车辆在复杂的交通环境下保持车速并与前车保持适当的间距，以实现安全、高效的行驶；当车辆编队行驶在不同的环境中、执行不同的驾驶任务时，车辆的模型可能会失配...
【专利技术属性】
技术研发人员：郭洪艳，王含，郭景征，孟庆瑜，刘俊，戴启坤，刘嫣然，时婉晴，段胜，万俊成，李光尧，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。