CN110827535B - 非线性车辆队列协同自适应抗扰纵向控制方法 - Google Patents

非线性车辆队列协同自适应抗扰纵向控制方法 Download PDF

Info

Publication number
CN110827535B
CN110827535B CN201911043064.9A CN201911043064A CN110827535B CN 110827535 B CN110827535 B CN 110827535B CN 201911043064 A CN201911043064 A CN 201911043064A CN 110827535 B CN110827535 B CN 110827535B
Authority
CN
China
Prior art keywords
vehicle
following
speed
nonlinear
queue
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911043064.9A
Other languages
English (en)
Other versions
CN110827535A (zh
Inventor
余伶俐
况宗旭
魏亚东
周开军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201911043064.9A priority Critical patent/CN110827535B/zh
Publication of CN110827535A publication Critical patent/CN110827535A/zh
Application granted granted Critical
Publication of CN110827535B publication Critical patent/CN110827535B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了一种非线性车辆队列协同自适应抗扰纵向控制方法，设计上层间距保持控制器，根据前车、领航车的位姿、车速推算出本车的期望速度，将协同巡航控制任务转换为速度跟踪的问题；基于相似性原理将车辆运动学模型由笛卡尔坐标系转化到Frenet坐标系下，考虑了实际道路的曲率，能实现弯道的巡航控制；考虑风阻二次项、车辆载重变化、加速度波动等未知扰动的作用，设计自适应律在线估计扰动的上界，基于稳定性原理设计下层速度跟踪控制器，能在未知扰动作用下保证***的稳定性。

Description

非线性车辆队列协同自适应抗扰纵向控制方法
技术领域
本发明涉及多车协同控制领域，特别是一种考虑未知扰动的非线性车辆队列协同自适应抗扰纵向控制方法。
背景技术
车辆队列协同自适应抗扰纵向控制是通过车间通讯或车路通讯实现队列中车辆之间的信息共享，应用协同控制算法协调队列中所有车辆以同一期望速度保持期望间距排队行驶，是智能交通***研究的重要内容之一。实现车辆队列协同自适应抗扰纵向控制可以增加现有道路的交通流量、降低能耗，对于促进交通运输智能化具有重要应用价值。目前，车辆队列协同自适应抗扰纵向控制仍处于研究阶段，存在以下问题有待解决：
(1)在协同自适应抗扰纵向控制中，速度跟踪与间距保持存在耦合，如何协调速度与间距的关系是目前的研究热点之一；
(2)目前，许多关于车辆队列协同自适应抗扰纵向控制的重要成果都是建立在队列沿直线行驶的基础上，在实际的弯道行驶场景中如何实现队列自适应抗扰还有待进一步研究；
(3)在实际应用场景中，风阻二次项、道路坡度是随时间和工况变化的，很难精确建模，并且车辆队列还会受到车辆载重变化、加速度波动等未知扰动的作用，这些干扰因素可能会引起整个***的不稳定。
发明内容
本发明所要解决的技术问题是，针对现有技术不足，提供一种非线性车辆队列协同自适应抗扰纵向控制方法，实现弯道的巡航控制，在未知扰动作用下保证***的稳定性。
为解决上述技术问题，本发明所采用的技术方案是：一种非线性车辆队列协同自适应抗扰纵向控制方法，包括以下步骤：
1)构建领航者-前车跟随式车辆队列，所述车辆队列中沿车辆行驶方向，排头车辆为领航车，其他车辆为跟随车；
2)在Frenet坐标系下建立车辆的运动学模型，基于该运动学模型推导得到领航者-前车跟随式车辆队列的跟驰间距误差模型；
3)基于步骤2)中的跟驰间距误差模型设计上层间距保持控制器，根据前车、领航车的位姿、车速推算出本车的期望速度；
4)考虑未知扰动，建立车辆纵向非线性动力学模型；
5)基于李雅普诺夫稳定性，设计自适应律在线估计未知扰动，并根据步骤4)中的车辆纵向非线性动力学模型，构建下层速度跟踪控制器，根据步骤3)中的期望速度和反馈的实际速度，计算得到车辆的驱制动力矩。
1、根据权利要求1所述的非线性车辆队列协同自适应抗扰纵向控制方法，其特征在于，步骤1)中，所述领航者-前车跟随式车辆队列表示队列中跟随车辆通过LET-V2X通讯方式获取前车和领航车的位移、车速。
车辆的运动学模型为：
Figure GDA0003095196070000021
其中，(xi(t),yi(t))表示队列中第i辆车后轴中心点的位置，θi(t)表示第i辆车航向，vi(t)表示第i辆车的实际纵向速度，δi(t)表示车辆前轮转向角，L表示车辆轴距。
步骤2)中，跟驰间距误差模型的表达式如下：
Figure GDA0003095196070000022
其中，ei+1(t)表示第i+1辆车的联合跟驰间距误差，
Figure GDA0003095196070000023
表示第i+1辆车与领航车的跟驰间距误差，
Figure GDA0003095196070000024
表示第i+1辆车与第i辆车的跟驰间距误差，l表示期望跟驰间距，
Figure GDA0003095196070000031
si(t)表示第i辆车沿行驶路径的纵向位移，di(t)表示第i辆车沿行驶路径的横向位移，
Figure GDA0003095196070000032
表示第i辆车偏离期望路径的角度，ci(t)表示期望路径上距离第i辆车后轴中心点最近的近邻点对应的曲率，
Figure GDA0003095196070000033
Figure GDA0003095196070000034
表示跟随领航者与跟随前车的权重函数；a＞0，
Figure GDA0003095196070000035
ls表示最小安全间距；L表示车辆轴距；δi(t)表示车辆前轮转向角；vi(t)表示第i辆车的实际纵向速度。
步骤3)中，期望速度的计算公式为：
Figure GDA0003095196070000036
其中，vd,i+1(t)为当前跟随车的期望速度，
Figure GDA0003095196070000037
为当前跟随车相对于领航车的期望速度，
Figure GDA0003095196070000038
为当前跟随车相对于前一跟随车车的期望速度；
Figure GDA0003095196070000039
Figure GDA00030951960700000310
Figure GDA00030951960700000311
步骤4)中，车辆纵向非线性动力学模型为：
Figure GDA00030951960700000312
其中，
Figure GDA00030951960700000313
Figure GDA00030951960700000314
ηi是传动系的机械效率；Ti(t)表示实际驱动/制动力矩；mi表示车辆的质量；
Figure GDA00030951960700000315
Ri为车轮半径；
Figure GDA00030951960700000316
为扰动上界，
Figure GDA00030951960700000317
是常数。
车辆的驱制动力矩Ti(t)的计算公式如下：
Figure GDA0003095196070000041
其中，ξ＞0；
Figure GDA0003095196070000042
与现有技术相比，本发明所具有的有益效果为：
1、本发明提出了一种分层控制策略，设计上层间距保持控制器，根据前车、领航车的位姿、车速推算出本车的期望速度，将协同巡航控制任务转换为速度跟踪的问题；
2、基于相似性原理将车辆运动学模型由笛卡尔坐标系转化到Frenet坐标系下，考虑了实际道路的曲率，能实现弯道的巡航控制；
3、考虑了风阻二次项、车辆载重变化、加速度波动等未知扰动的作用，设计自适应律在线估计扰动的上界，基于稳定性原理设计下层速度跟踪控制器，能在未知扰动作用下保证***的稳定性。
附图说明
图1为本发明实验线路图；
图2为本发明领航者-前车跟随式车辆队列信息流拓扑结构；
图3Frenet坐标系下车辆运动学建模示意图；
图4为本发明车辆纵向受力示意图；
图5为车辆队列协同纵向控制结构图。
具体实施方式
本实例由三辆长10m的智能驾驶客车组成车辆队列，每辆车均安装星网宇达XW-GI7660组合惯导和星云互联智能车载终端V-Box，车辆实时的位置、航向、车速均由该组合惯导反馈，在如图1所示的全程长度约为3.5公里、包含四个弯道的双向四车道进行车辆队列协同自适应抗扰纵向控制实验。
本发明控制结构如图5所示，本发明的实现过程包括以下步骤：
1)构建领航者-前车跟随式车辆队列，所述车辆队列中沿车辆行驶方向，排头车辆为领航车、其他车辆为跟随车；
2)在Frenet坐标系下建立车辆的运动学模型，基于该运动学模型推导得到领航者-前车跟随式车辆队列的跟驰间距误差模型；
3)基于步骤2)中的跟驰间距误差模型设计上层间距保持控制器，根据前车、领航车的位姿、车速推算出本车的期望速度，所述间距保持控制器只应用于跟随车；
4)考虑未知扰动，建立车辆纵向非线性动力学模型；
5)基于李雅普诺夫稳定性，设计自适应律在线估计未知扰动，并根据步骤4)中的车辆纵向非线性动力学模型，构建下层速度跟踪控制器，根据步骤3)中的期望速度和反馈的实际速度，计算得到车辆的驱制动力矩，所述速度跟踪控制器既应用于跟随车也应用于领航车。
所述步骤1)中所述领航者-前车跟随式车辆队列表示队列中跟随车辆通过LET-V2X通信获取前车和领航车的位移、车速，采用如图2所示的信息流拓扑结构描述队列中车辆的信息交互，所述信息是指车辆实时的位置、航向、车速
Figure GDA0003095196070000051
所述步骤2)的具体步骤如下：
(1)在全局笛卡尔坐标系下建立车辆运动学模型如下：
Figure GDA0003095196070000052
其中，(xi(t),yi(t))表示队列中第i辆车后轴中心点的位置，θi(t)表示第i辆车航向，vi(t)表示第i辆车的实际纵向速度，L表示车辆轴距，δi(t)表示车辆前轮转向角。
在弯道场景下，采用笛卡尔距离量化车间距时是不连续的，而且与真实距离存在较大误差，而Frenet坐标系是在曲线空间的描述，可以很好描述曲线长度，因此在队列协同巡航控制中，将车辆运动学模型转换到Frenet坐标系下，可以更好地实现弯道场景下车辆队列的间距控制。
(2)将车辆运动学模型转换到Frenet坐标系下，具体过程如下：
如图3所示，将第i辆车的实际车速vi(t)投影到距离第i辆车后轴中心点最近的近邻点M的切线方向得到速度分量
Figure GDA0003095196070000061
而后考虑车辆的横向偏差，将速度分量
Figure GDA0003095196070000062
进一步投影到期望路径上得到
Figure GDA0003095196070000063
根据三角形的相似性可以得到：
Figure GDA0003095196070000064
Figure GDA0003095196070000065
进一步推导得到：
Figure GDA0003095196070000066
其中，si(t)表示第i辆车沿行驶路径的纵向位移，di(t)表示第i辆车沿行驶路径的横向位移，
Figure GDA0003095196070000067
和
Figure GDA0003095196070000068
分别表示si(t)和di(t)的一阶导，
Figure GDA0003095196070000069
表示第i辆车偏离期望路径的角度，ci(t)表示期望路径上距离第i辆车后轴中心点最近的近邻点对应的曲率。
而后，根据曲率的定义
Figure GDA00030951960700000610
可得：
Figure GDA00030951960700000611
其中，θc(t)表示近邻点处的切线转角。
根据
Figure GDA00030951960700000612
其中θi(t)表示车辆航向角，结合公式(2)、(3)可得：
Figure GDA00030951960700000613
综上，得到Frenet坐标系下车辆运动学模型如下：
Figure GDA0003095196070000071
其中，si(t)表示第i辆车沿行驶路径的纵向位移，di(t)表示第i辆车沿行驶路径的横向位移，
Figure GDA0003095196070000072
表示第i辆车偏离期望路径的角度，ci(t)表示期望路径上距离第i辆车后轴中心点最近的近邻点对应的曲率。
(3)建立领航者-前车跟随式车辆队列的跟驰间距误差模型如下：
Figure GDA0003095196070000073
其中，ei+1(t)表示第i+1辆车的联合跟驰间距误差，
Figure GDA0003095196070000074
表示第i+1辆车与领航车的跟驰间距误差，
Figure GDA0003095196070000075
表示第i+1辆车与第i辆车的跟驰间距误差，l表示期望跟驰间距，
Figure GDA0003095196070000076
可根据车辆运动学模型(5)计算得到。另外，σi+1(t)表示跟随领航者与跟随前车的权重函数，采用S形函数拟合。其中，a＞0，
Figure GDA0003095196070000077
ls表示最小安全间距，本实例中取l＝5m、ls＝3m。
所述步骤3)的具体步骤如下：
(1)根据车辆运动学模型(5)重新描述联合跟驰间距误差的一阶导如下：
Figure GDA0003095196070000078
(2)采用指数收敛技术，令
Figure GDA0003095196070000079
其中K＞0，结合领航者-前车跟随式车辆队列误差模型(6)、联合跟驰间距误差的一阶导(7)得到上层间距保持控制器的控制率如下：
Figure GDA0003095196070000081
基于控制率(8)可以根据前车的位姿
Figure GDA0003095196070000082
车速vi(t)，领航车的位姿
Figure GDA0003095196070000083
车速v1(t)推算出在期望跟驰间距下跟随车的期望速度vd,i+1(t)。本实例中取
Figure GDA0003095196070000084
Figure GDA0003095196070000085
Figure GDA0003095196070000086
Figure GDA0003095196070000087
所述步骤4)的具体步骤如下：
(1)构建车辆纵向非线性动力学模型，建模具体过程如下：
为兼顾建模的精确性与简洁性，对车辆纵向运动做如下假设：
①忽略车辆横向运动对纵向运动的影响；
②假设车辆正向行驶，不考虑倒车的情况；
③假设车辆为刚体且左右完全对称；
④假设车辆队列在干燥沥青路面行驶，忽略横向滑移；
⑤将驱动力矩与制动力矩集成到一个控制输入。
车辆纵向受力如图4所示，基于上述假设，建立第i辆车的纵向非线性动力学模型如下：
Figure GDA0003095196070000088
其中，vi(t)表示车辆的速度；Fti(t)表示车辆驱动/制动力，Fgi(t)表示重力沿地面方向的分力，Ffi(t)表示摩擦阻力；ηi是传动系的机械效率；Ti(t)表示实际驱动/制动力矩；Td,i(t)为控制输入，表示期望驱动/制动力矩；mi表示车辆的质量；Ri为车轮半径；g是重力加速度；φi(t)表示车辆俯仰角；μ为滚动阻力系数。本实例中，车辆队列中三辆客车的动力学参数如下表，按照车辆队列行驶方向从前到后依次对队列中车辆从1～3进行编号。
Figure GDA0003095196070000091
另外，车辆俯仰角φi(t)可以根据车载组合惯导实时反馈得到；根据《公路沥青路面设计规范》(JTGD50-2006)，取滚动阻力系数μ＝0.6。
(2)考虑未知扰动作用，重新描述车辆动力学模型，具体过程如下：
首先，定义车辆集总被动受力Fpi(t)＝Fgi(t)+Ffi(t)，将风阻二次项、加速度波动、车辆载重变化、未建模动态等统一作为未知扰动项wi(t)，定义扰动上界
Figure GDA0003095196070000092
满足
Figure GDA0003095196070000093
而后，根据车辆非线性动力学模型(9)重新描述车辆非线性动力学模型如下：
Figure GDA0003095196070000094
其中，
Figure GDA0003095196070000095
api(t)＝gsinφi(t)+μgcosφi(t)。
所述步骤5)的具体步骤如下：
(1)根据车辆非线性动力学模型(10)建立车辆纵向速度控制***的开环误差模型，具体过程如下：
首先，取速度误差ei(t)＝vi(t)-vd,i(t)，其中，vi(t)为实际纵向速度，vd,i(t)表示期望车速，跟随车的期望车速可以根据上层间距保持控制器(8)计算得到。领航车的期望车速由速度规划器给出，该部分不在本发明的保护范围内。
而后，对速度误差求导得
Figure GDA0003095196070000096
将车辆非线性动力学模型(10)代入
Figure GDA0003095196070000097
得到车辆纵向速度控制***的开环误差模型如下：
Figure GDA0003095196070000098
(2)基于确定性等价原则设计如下形式的控制率
Figure GDA0003095196070000101
所述确定性等价原则是指将估计值作为真实值应用在控制规律中，即在设计中没有考虑估计的不确定性。其中，
Figure GDA0003095196070000102
表示扰动wi(t)上界
Figure GDA0003095196070000103
的估计值，Ki表示反馈增益，需要采用试凑法调参，本实例中K1＝0.45，K2＝0.38，K3＝0.42。车辆纵向速度控制***在实际应用为离散***且考虑了加速度波动，采用差分信号替代微分，得到
Figure GDA0003095196070000104
T＝10ms为控制周期。该控制率分成两部分，前半部分，即
Figure GDA0003095196070000105
是前馈信号，用于抵消开环误差方程(11)中除了控制信号以外的***结构项；后半部分，即
Figure GDA0003095196070000106
是为了最终稳定(11)而设计的反馈信号。
(3)基于李亚普诺夫稳定性，设计自适应律在线估计未知扰动
Figure GDA0003095196070000107
的上界
Figure GDA0003095196070000108
具体过程如下：
首先，综合(11)、(12)得到车辆纵向速度控制***的闭环误差方程如下：
Figure GDA0003095196070000109
而后，定义扰动上界的估计误差为
Figure GDA00030951960700001010
设计李亚普诺夫候选函数如下：
Figure GDA00030951960700001011
对李亚普诺夫候选函数(14)求导得：
Figure GDA00030951960700001012
取
Figure GDA00030951960700001013
因此
Figure GDA00030951960700001014
又因为
Figure GDA00030951960700001015
是常数，所以
Figure GDA00030951960700001016
代入公式(15)进一步可得：
Figure GDA0003095196070000111
最后，为确保***稳定，应满足
Figure GDA0003095196070000112
可以令
Figure GDA0003095196070000113
得到
Figure GDA0003095196070000114
的更新率如下：
Figure GDA0003095196070000115
其中，ξ＞0为常数，表示自适应增益，需要根据不同的***采用试凑法调参，本实例中取ξ＝0.31。
(4)综合(12)、(17)得到下层速度跟踪控制器的控制率如下：
Figure GDA0003095196070000116
其中，
Figure GDA0003095196070000117
表示期望加速度，由上层速度规划器给出，不在本发明的保护范围内。基于控制率(18)可以根据期望速度vd,i(t)和反馈的实际速度vi(t)，计算得到车辆的驱/制动力矩Ti(t)。

Claims (7)

1.一种非线性车辆队列协同自适应抗扰纵向控制方法，其特征在于，包括以下步骤：
1)构建领航者-前车跟随式车辆队列，所述车辆队列中沿车辆行驶方向，排头车辆为领航车，其他车辆为跟随车；
2)在Frenet坐标系下建立车辆的运动学模型，基于该运动学模型推导得到领航者-前车跟随式车辆队列的跟驰间距误差模型；
3)基于步骤2)中的跟驰间距误差模型设计上层间距保持控制器，根据前车、领航车的位姿、车速推算出本车的期望速度；
4)考虑未知扰动，建立车辆纵向非线性动力学模型；
5)基于李雅普诺夫稳定性，设计自适应律在线估计未知扰动，并根据步骤4)中的车辆纵向非线性动力学模型，构建下层速度跟踪控制器，根据步骤3)中的期望速度和反馈的实际速度，计算得到车辆的驱制动力矩。
2.根据权利要求1所述的非线性车辆队列协同自适应抗扰纵向控制方法，其特征在于，步骤1)中，所述领航者-前车跟随式车辆队列表示队列中跟随车辆通过LET-V2X通讯方式获取前车和领航车的位移、车速。
3.根据权利要求1所述的非线性车辆队列协同自适应抗扰纵向控制方法，其特征在于，车辆的运动学模型为：
Figure FDA0003095196060000011
其中，(xi(t),yi(t))表示队列中第i辆车后轴中心点的位置，θi(t)表示第i辆车航向，vi(t)表示第i辆车的实际纵向速度，δi(t)表示车辆前轮转向角，L表示车辆轴距。
4.根据权利要求1或3所述的非线性车辆队列协同自适应抗扰纵向控制方法，其特征在于，步骤2)中，跟驰间距误差模型的表达式如下：
Figure FDA0003095196060000021
其中，ei+1(t)表示第i+1辆车的联合跟驰间距误差，
Figure FDA0003095196060000022
表示第i+1辆车与领航车的跟驰间距误差，
Figure FDA0003095196060000023
表示第i+1辆车与第i辆车的跟驰间距误差，l表示期望跟驰间距，
Figure FDA0003095196060000024
si(t)表示第i辆车沿行驶路径的纵向位移，di(t)表示第i辆车沿行驶路径的横向位移，
Figure FDA0003095196060000025
表示第i辆车偏离期望路径的角度，ci(t)表示期望路径上距离第i辆车后轴中心点最近的近邻点对应的曲率，
Figure FDA0003095196060000026
Figure FDA0003095196060000027
σi+1(t)表示跟随领航者与跟随前车的权重函数；a＞0，
Figure FDA0003095196060000028
ls表示最小安全间距；L表示车辆轴距；δi(t)表示车辆前轮转向角；vi(t)表示第i辆车的实际纵向速度。
5.根据权利要求4所述的非线性车辆队列协同自适应抗扰纵向控制方法，其特征在于，步骤3)中，期望速度的计算公式为：
Figure FDA0003095196060000031
其中，vd,i+1(t)为当前跟随车的期望速度，
Figure FDA0003095196060000032
为当前跟随车相对于领航车的期望速度，
Figure FDA0003095196060000033
为当前跟随车相对于前一跟随车的期望速度；
Figure FDA0003095196060000034
6.根据权利要求5所述的非线性车辆队列协同自适应抗扰纵向控制方法，其特征在于，步骤4)中，车辆纵向非线性动力学模型为：
Figure FDA0003095196060000035
其中，
Figure FDA0003095196060000036
ηi是传动系的机械效率；Ti(t)表示实际驱动/制动力矩；mi表示车辆的质量；
Figure FDA0003095196060000037
Ri为车轮半径；
Figure FDA0003095196060000038
为扰动上界，
Figure FDA0003095196060000039
是常数。
7.根据权利要求6所述的非线性车辆队列协同自适应抗扰纵向控制方法，其特征在于，车辆的驱制动力矩Ti(t)的计算公式如下：
Figure FDA00030951960600000310
其中，ξ＞0；
Figure FDA00030951960600000311
CN201911043064.9A 2019-10-30 2019-10-30 非线性车辆队列协同自适应抗扰纵向控制方法 Active CN110827535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911043064.9A CN110827535B (zh) 2019-10-30 2019-10-30 非线性车辆队列协同自适应抗扰纵向控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911043064.9A CN110827535B (zh) 2019-10-30 2019-10-30 非线性车辆队列协同自适应抗扰纵向控制方法

Publications (2)

Publication Number Publication Date
CN110827535A CN110827535A (zh) 2020-02-21
CN110827535B true CN110827535B (zh) 2021-08-27

Family

ID=69551275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911043064.9A Active CN110827535B (zh) 2019-10-30 2019-10-30 非线性车辆队列协同自适应抗扰纵向控制方法

Country Status (1)

Country Link
CN (1) CN110827535B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111341123B (zh) * 2020-03-03 2021-06-01 东南大学 基于车辆运动学模型的路口待行队列估计方法
CN113781762B (zh) * 2020-06-09 2022-09-13 大唐高鸿智联科技(重庆)有限公司 一种编队车辆的行驶方法、装置、设备及编队车辆
CN111736473B (zh) * 2020-08-13 2022-06-03 东北大学秦皇岛分校 基于非线性终端滑模方法的车队有限时间制动控制方法
CN112099349B (zh) * 2020-08-20 2022-04-08 西北工业大学 一种车辆队列最优协同控制方法
CN112776817B (zh) * 2020-12-30 2022-04-29 三一汽车制造有限公司 履带式车辆、控制方法、控制器和计算机可读存储介质
CN113335278B (zh) * 2021-07-20 2023-08-11 常州机电职业技术学院 一种网联式智能车队自适应巡航控制方法及***
CN113671994B (zh) * 2021-09-01 2024-03-05 重庆大学 基于强化学习的多无人机与多无人船巡检控制***
CN114212104B (zh) * 2021-12-14 2024-06-18 京东鲲鹏(江苏)科技有限公司 车辆控制方法、装置、车辆和存储介质
CN114285653B (zh) * 2021-12-27 2023-02-14 厦门大学 网络攻击下智能网联汽车队列自适应事件触发控制方法
CN115128956A (zh) * 2022-07-13 2022-09-30 昆明理工大学 一种周期型控制结构车辆队列
CN115352443B (zh) * 2022-09-21 2024-02-09 山东科技大学 一种基于旁车切入识别的自适应巡航控制方法及设备
CN115909709B (zh) * 2022-10-27 2023-10-27 长安大学 一种考虑安全性的多车协同控制策略优化方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5195929B2 (ja) * 2009-01-20 2013-05-15 トヨタ自動車株式会社 隊列走行制御システム及び車両
US9927816B2 (en) * 2016-05-13 2018-03-27 Macau University Of Science And Technology System and method for operating a follower vehicle in a vehicle platoon
CN107089231B (zh) * 2017-03-27 2019-05-10 中国第一汽车股份有限公司 一种自动跟车行驶控制***及其方法
CN107272405B (zh) * 2017-05-26 2021-01-26 广州汽车集团股份有限公司 匀质车辆队列的车辆分布式控制器增益求取方法和装置
CN109144076B (zh) * 2018-10-31 2020-05-22 吉林大学 一种多车辆横纵向耦合协同控制***及控制方法
CN109410564A (zh) * 2018-12-10 2019-03-01 肇庆学院 一种基于信息融合技术的车辆队列纵向冗余控制***
CN109969183A (zh) * 2019-04-09 2019-07-05 台州学院 基于安全可控域的弯道跟车控制方法
CN110329257A (zh) * 2019-06-24 2019-10-15 武汉理工大学 一种基于车-车通信的多车列队纵向控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于向量Lyapunov函数方法的顾前顾后型车辆跟随控制;任殿波 等;《中南大学学报(自然科学版)》;20100630(第6期);全文 *
基于时变间距和相对角度的无人车跟随控制方法研究;李润梅 等;《自动化学报》;20181130(第11期);全文 *

Also Published As

Publication number Publication date
CN110827535A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110827535B (zh) 非线性车辆队列协同自适应抗扰纵向控制方法
CN107943071B (zh) 无人车的编队保持控制方法及***
CN107161207B (zh) 一种基于主动安全的智能汽车轨迹跟踪控制***及控制方法
CN110187639B (zh) 一种基于参数决策框架的轨迹规划控制方法
Marzbani et al. Autonomous vehicles: Autodriver algorithm and vehicle dynamics
Ni et al. Envelope control for four-wheel independently actuated autonomous ground vehicle through AFS/DYC integrated control
CN107015477B (zh) 基于状态反馈的车辆路径跟踪h∞控制方法
Subosits et al. Autonomous vehicle control for emergency maneuvers: The effect of topography
CN109733398A (zh) 具有稳定性主动控制的自适应巡航***及控制方法
Chen et al. Trajectory and velocity planning method of emergency rescue vehicle based on segmented three-dimensional quartic bezier curve
Yuan et al. Research on model predictive control-based trajectory tracking for unmanned vehicles
CN114312848B (zh) 基于双层mpc的智能驾驶汽车轨迹规划与跟踪控制方法
Zhang et al. Cooperative strategy of trajectory tracking and stability control for 4WID autonomous vehicles under extreme conditions
Wang et al. Robust trajectory tracking control for autonomous vehicle subject to velocity-varying and uncertain lateral disturbance
CN116198522B (zh) 一种复杂矿区工况的无人矿卡横垂向耦合递阶控制方法
Kumarawadu et al. Neuroadaptive output tracking of fully autonomous road vehicles with an observer
CN116834754A (zh) 一种自动驾驶车辆自适应调速的横纵协同控制方法
Mohamed-Ahmed et al. Non-linear control based on state estimation for the convoy of autonomous vehicles
CN114475599A (zh) 一种针对弯曲道路场景下的队列控制方法
CN114179818A (zh) 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法
Kovacs et al. Integrated path planning and lateral-longitudinal control for autonomous electric vehicles
Kim et al. Steering control for lateral guidance of an all wheel steered vehicle
Zhuang et al. Model-Predictive-Control-Based Simultaneous Trajectory Tracking and Speed Control for Intelligent Vehicles
Sun et al. Obstacle-avoidance path planning and tracking control of an autonomous vehicle
Kwon et al. Model-matching control applied to longitudinal and lateral automated driving

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant