一种保障车辆快速编队稳定的多车协同控制方法及装置

1.本发明涉及一种保障车辆快速编队稳定的多车协同控制方法及装置，属于多车队列控制领域。


背景技术：

2.在实际的交通场景中，为了适应周围复杂多变的环境，多数情况下车辆并非位于同一车道，而是以不同的车速行驶在不同的车道内。因此，从控制实现的角度出发，多车队列分布式控制可分为队列成形控制和队列稳定性控制。其中，队列成形控制关注于如何使处于不同状态下的车辆安全、平稳地组成队列，而队列稳定性控制则聚焦于如何使车辆依据期望的车速和几何构型稳定行驶。
3.首先，在队列成形控制中，由于涉及到车辆的变速转向操作，车辆在转向过程中的运动特征会对车辆行为产生重要的影响，进而在某种程度上决定了队列成形控制的效果。为保证车辆行驶的平稳性，在队列成形控制的决策空间中必须要引入车辆动力学特性。
4.其次，对于多车队列系统，安全、高效是其基本特征，必须在队列稳定性控制中予以保证。在多车队列稳定性控制中，这部分的工作主要通过队列纵向控制来实现，控制的目标为保证队列在领航车速度波动或无线通信网络时滞等单一因素下的稳定性。研究队列在多种干扰和通信时滞下的纵向稳定性对于实现队列稳定行驶具有重要的现实意义。
5.然而，现有的多车队列控制研究存在着明显的局限性和不足。
6.首先，基于多智能体群集运动策略的传统多车队列形成控制研究往往会忽视车辆动力学特性的问题。其次，现有研究方法大多存在考虑影响队列纵向行驶稳定性因素过于单一和所设计的控制方法精确度不高，控制系统存在冗余等问题。发明一种融合了车辆动力学和多智能体控制算法并且考虑干扰、时滞等多影响因素的控制方法和控制装置可以提高控制的精确度和稳定性，解决车辆编队过程和纵向行驶过程中的安全问题。在控制过程中进一步削弱控制系统的保守性，可以使控制范围更加精确和减少不需要的系统冗余。因此现在研制出一种保障车辆快速编队稳定的多车协同控制方法及装置，对现有的多车队列控制和未来的无人驾驶领域具有重要意义。


技术实现要素：

7.本发明的目的在于提供一种可解决上述问题的，用于为车辆快速编队过程和队列系统提供稳定性保障，为智能网联汽车提供技术支持的保障车辆快速编队稳定的多车协同控制方法及装置。
8.本发明公开了一种保障车辆快速编队稳定的多车协同控制方法，包括有领航车和跟随车，所述领航车和跟随车中任一车辆均为被控车辆，实施以下步骤：
9.步骤一、信息采集，被控车辆在任意时刻采集领航车、相邻车以及本车的实时状态信息；
10.步骤二、被控车辆判断是否已处于理想车道上，若否则进入步骤三，进行车辆编队
控制；所述理想车道是被控车辆希望汇入的队列系统所行驶中的车道；
11.若是则进入步骤五，进行队列稳定控制；
12.步骤三、收集到目标位置和相关数据信息后，将车辆动力学的稳定性边界引入到多智能体群集运动控制算法中，采用优化方法对群集算法关键参数进行优化，生成车辆编队参考状态；
13.步骤四、根据步骤三中的所述的车辆编队参考状态，规划出编队参考轨迹，用模型预测控制方法对被控车辆实际状态进行跟踪并保证其快速稳定编队；结束后返回步骤二；
14.步骤五、设定控制律，通过运用队列稳定鲁棒协同控制算法实现队列系统稳定；结束后返回步骤二，循环往复。
15.进一步的，在所述步骤三中，采用优化方法对群集算法关键参数进行优化，并生成车辆编队参考状态的流程如下：
16.sa1，选取优化变量矩阵为：
17.λ＝[a b c
1 c
2 c
3 c4]
t
[0018]
定义优化目标函数为：
[0019][0020]
其中，p1和q1为权重，n
t
为正常数，v
k，i
为车辆所允许的最大速度；v
k，i
和ω
k，i
分别为被控车辆i在k时刻的纵向车速和横摆角速度；γ
max，i
为车辆所允许的最大横摆角速度；
[0021]
优化问题表述为：
[0022]
sa2，根据可行性区间，随机生成当时间t
←
t 1，
[0023]
sa3，根据优化变量或的当前值计算车辆的参考车速v
t，i
和参考横摆角速度ω
t，i
；
[0024]
sa4，将满足车辆动力学稳定性边界的v
t，i
和ω
t，i
作为最终的编队参考状态；如果不满足边界条件，通过求解优化问题重新生成返回sa3。
[0025]
进一步的，在所述步骤五中，队列稳定鲁棒协同控制算法的核心思想是：根据给出的控制律，寻找相应的控制增益，使队列系统在新的控制律下满足稳定性；
[0026]
跟随车的控制律为：
[0027][0028]
其中，k1和k2为控制增益，ψ(t)＝[ψ1(t)，
…
，ψn(t)]
t
为一组状态矢量，如图5所示，μi为领航车与第i辆跟随车之间的车间距误差，为领航车与第i辆跟随车之间的速度误差。
[0029]
进一步的，所述步骤四包括如下步骤：
[0030]
sbl.建立代价函数：
[0031]
[0032]
其中，n
p
和nc分别为预测时域数和控制时域数，p2和q2为系数矩阵，为k时刻的预测参考状态信息，δu
k m|k，i
为在k时刻控制时域内群集运动控制算法的系统输入增量；
[0033]
定义的优化问题：
[0034][0035]
sb2.在k时刻下求解优化控制问题所得到的控制输入序列为：
[0036][0037]
sb3.为了减小系统的偏差，选择序列中的第一项为系统的输入增量，则最终的控制输入为：
[0038][0039]
令在k 1时刻需要根据新的系统状态量重新求解优化问题，以此来实现模型预测控制的迭代前进；由此生成的新的系统输入u
′i，控制车辆执行快速稳定编队。
[0040]
进一步的，所述步骤五还包括如下步骤，
[0041]
sc1、设定控制律，定义第i辆跟随车的控制律为：
[0042][0043]
其中，k1和k2为控制增益，ψ(t)＝[ψ1(t)，
…
，ψn(t)]
t
为一组状态矢量，μi为领航车与第i辆跟随车之间的车间距误差，为领航车与第i辆跟随车之间的速度误差；和分别为无线通信和雷达的数据延时量；
[0044]
sc2.定义鲁棒协同控制算法的性能指标为：
[0045][0046]
其中，z(t)为含时滞和干扰的队列系统的控制输出，γ≥0为常数，w(t)为外界干扰量且符合有界条件；
[0047]
sc3.采用李雅普诺夫-克拉索夫斯基泛函法并结合h
∞
鲁棒控制理论得出的反馈控制增益k1和k2为：
[0048][0049]
其中，和p为正定对称矩阵，式中i2为二阶单位阵；
[0050]
sc4.将式(2)代入式(1)，由此得到新的控制律u
*i
′
，控制队列系统稳定纵向行驶。
[0051]
本发明还公开了一种保障车辆快速编队稳定的多车协同控制装置，包括：
[0052]
信息采集装置，用于采取理想车道上各车辆和自身的实时状态信息；
[0053]
规划层控制装置，用于被控车辆根据所收集到的实时状态信息，生成编队参考状
态；
[0054]
跟踪层控制装置，用于规划编队参考轨迹，并对编队参考状态进行跟踪；
[0055]
鲁棒控制装置，用于通过队列鲁棒协同控制算法实现队列系统稳定控制。
[0056]
进一步的，所述信息采集装置、规划层控制装置、跟踪层控制装置以及鲁棒控制装置安装在编队中和队列系统中的每一辆车上。
[0057]
进一步的，所述信息采集装置包括无线通信设备、外部环境感知模块、自身状态获取模块，分别负责采取领航车、前车、自身的实时状态信息；所述规划层控制装置与所述信息采集装置连接，接收到目标位置和相关数据信息后，根据车辆动力学系统模型优化群集运动控制算法，生成车辆编队参考状态。
[0058]
进一步的，所述跟踪层控制装置与所述规划层控制装置连接，包括ltv-mpc控制器和执行模块；所述ltv-mpc控制器用于根据优化后的多智能体群集运动控制算法和ltv动力学模型规划编队参考轨迹，并按照此轨迹控制执行模块a；所述执行模块a控制车辆执行编队；
[0059]
进一步的，所述鲁棒控制装置与所述信息采集装置连接，包括算法模块和执行模块b；已汇入理想车道上处于队列系统中的被控车辆接收到领航车和相邻车的实时状态信息后，所述算法模块根据队列稳定鲁棒协同控制算法计算出所需要的控制律，并按照此控制律控制执行模块b；所述执行模块b控制队列系统稳定纵向行驶。。
[0060]
本发明的有益效果是：
[0061]
设计出完整的车辆编队控制系统，包括队列成型控制和队列稳定控制。建立优化函数优化算法关键参数的目的是推动车辆纵向车速和横摆角速度接近其所允许的最大值，但不超过其稳定性边界。在队列成型控制中，将车辆稳定边界引入多智能体群集控制算法，解决了传统多车队列形成控制忽视车辆动力学特性的问题；模型预测控制方法为建立在k时刻的有限预测时域内最优控制问题的代价函数和优化问题，一方面使被控车辆实际编队轨迹与参考状态轨迹拟合程度更高；另一方面减小系统误差，使控制系统更加精确。
[0062]
在队列稳定控制中，基于李雅普诺夫稳定性理和h
∞
鲁棒控制设计了一种队列稳定鲁棒协同控制方法，具备弱保守性，所得出的控制增益范围更加精确，不会出现过多冗余。此外，该方法考虑了信息传输过程中有时会发生的数据丢包和信息时滞现象，安全性更高。
附图说明
[0063]
图1是本发明的整体流程图；
[0064]
图2是本发明的控制装置布置示意图；
[0065]
图3是本发明的控制装置连接示意图；
[0066]
图4是本发明的车辆编队示意图；
[0067]
图5是本发明的队列系统在理想车道上纵向行驶示意图；
[0068]
图中各标号为：1-外部环境感知模块，2-自身状态获取模块，3-无线通信设备，4-规划层控制装置，5-跟踪层控制装置，6-鲁棒控制装置，7-被控车辆i在理想车道上的投影。
具体实施方式
[0069]
下面结合附图对本发明做出具体说明：
[0070]
图1是一种保障车辆快速编队稳定的多车协同控制方法及装置的总框图，本发明实施例所提供的多车协同控制方法所使用的系统包括车道上行驶的任意被控车辆。每一车辆为智能网联汽车，其状态完全可观以及完全可控。并且，如图2所示，每一车辆安装有信息采集装置、规划层控制装置4、跟踪层控制装置5和鲁棒控制装置6，装置的连接方式在图1总框图和图3中已有体现，在下述步骤中会具体阐明。
[0071]
下面结合多车协同控制方法和装置对其保障车辆快速稳定编队过程进行具体阐述：
[0072]
步骤一：被控车辆在任意时刻通过信息采集装置采集领航车、相邻车、自身的实时状态信息。
[0073]
下面结合附图对步骤一进行具体说明：
[0074]
如图2和图3所示，信息采集装置包括无线通信设备3、外部环境感知模块1、自身状态获取模块2。无线通信设备3由基于短程通信技术的车车通信(dsrc)和无线信息传输模块(wifi)组成，负责采集领航车的位置和速度信息；外部环境感知模块1由激光雷达和摄像头组成，负责采集前车的位置和速度信息；自身状态获取模块2包括gps、轮速编码器、角度传感器等，负责采集车辆自身的位置信息和航向角信息、导航目标点信息、前轮转角、纵向车速和横摆角速度。信息采集过程贯穿于编队前后的整个过程。
[0075]
步骤二：被控车辆判断是否已处于理想车道上，若否则进入步骤三进行车辆编队控制，若是则进入步骤五进行队列稳定控制。
[0076]
下面结合附图对步骤二进行具体说明：
[0077]
被控车辆是车道上行驶的任意车辆，如图4所示的被控车辆i-1、i、i 1。理想车道是被控车辆希望汇入的队列系统所行驶中的车道。所述队列系统中包括有领航车和跟随车，跟随车与领航车之间、跟随车与跟随车之间通过车车通信进行信息交流，如图中γ
i-1
、γi、γ
i 1
分别为被控车辆i-1、i、i 1通过车车通信传递的自身的位置和速度等信息，同时各被控车辆也通过信息采集装置接收来自彼此和领航车的相关信息。
[0078]
图4中的被控车辆i判断未处于理想车道上，所以进入步骤三进行车辆编队控制；被控车辆i-1、i 1判断已处于理想车道上，所以进入步骤五进行队列稳定控制。
[0079]
需要说明的是，所述理想车道代表的是车辆希望汇入的道路，不只图4中的一条。例如被控车辆i此刻希望汇入图中所示理想车道，之后可能会希望汇入其他理想车道；被控车辆i-1、i 1在某时刻判断理想车道发生改变，也会驶离当前车道，进入步骤三进行车辆编队控制。
[0080]
步骤三：在规划层控制装置4中将车辆动力学的稳定性边界引入到多智能体群集运动控制算法中，采用优化方法对群集算法关键参数进行优化，生成车辆编队参考状态。
[0081]
下面结合附图对步骤三进行具体说明：
[0082]
如图3所示，规划层控制装置4与信息采集装置连接，接收信号采集装置所采集的目标位置和相关数据信息。
[0083]
所使用的多智能体群集运动控制算法表示如下：
[0084]
ui＝f
iα
f
ir
[0085]
[0086][0087]
其中，ui为施加在智能体i上的控制输入；q
i/j
和p
i/j
分别是第i个和第j个智能体的位置向量和速度向量；n为智能体的个数；f
iα
为保持系统连通性和防止个体碰撞而在智能体i及其邻接个体间施加的吸引-排斥力对，f
ir
是为了驱使智能体i跟随领航者而施加的导航力；
[0088]
是一种不均匀的s型函数，参数满足0＜a≤b以保证0＜a≤b以保证c1、c2、c3、c4皆为正常数；和为车辆i在理想车道上投影点的位置和速度，在理想车道上的投影点如图4所示。
[0089]
所述多智能体群集运动控制算法为已有的算法，不做过多赘述。该算法最终会驱使多智能体形成一个链形的队列结构。
[0090]
建立的车辆动力学稳定性边界为：
[0091]-γ
max，i
(k)≤ω
k，i
≤γ
max，i
(k)
[0092]
vi(k)-ta
min，i
≤v
k，i
≤vi(k) ta
max，i
[0093]
其中，v
k，i
和ω
k，i
分别为被控车辆i在k时刻的纵向车速和横摆角速度，γ
max，i
为车辆所允许的最大横摆角速度，a
max
和a
min
分别为车辆的最大和最小侧向加速度。
[0094]
通过以下步骤建立起多所述智能体群集运动控制算法和车辆动力学稳定性边界的联系：
[0095]
令其中ζi和ξi分别为车辆的纵向加速度和横摆角加速度，再令分别为车辆的纵向加速度和横摆角加速度，再令为离散时间序列下所述运动控制算法中的系统输入；并设t为离散时间步长，vi＝[vi，wi]
t
，其中vi和wi分别为车辆的纵向车速和横摆角速度，离散时间序列下的横摆角速度和纵向速度可以通过表示为：
[0096][0097]
其中，θi为车辆的航向角。
[0098]
进一步地，采用优化方法对群集算法关键参数进行优化，并生成车辆编队参考状态的流程如下：
[0099]
第一步，初始化，从多智能体控制算法的定义可以看出a、b、p
1r
和p
2r
可分别对智能体间的作用力f
iα
和导航力f
ir
产生影响，进而影响智能体的行为表现，故选取的优化变量矩阵为：
[0100]
λ＝[a b c
1 c
2 c
3 c4]
t
[0101]
定义优化目标函数为：
[0102]
[0103]
其中，p1和q1为权重，n
t
为正常数，v
k，i
为车辆所允许的最大速度。
[0104]
优化问题表述为：
[0105][0106]
第二步，根据可行性区间，随机生成当时间t
←
t 1，
[0107]
第三步，根据优化变量或的当前值计算车辆的参考车速v
t，i
和参考横摆角速度ω
t，i
；
[0108]
第四步，将满足车辆动力学稳定性边界的v
t，i
和ω
t，i
作为最终的编队参考状态；如果不满足边界条件，通过求解优化问题重新生成返回第三步。
[0109]
需要说明的是，由于现代车辆的车载传感器及网络系统的数据都是离散的，因此所述多智能体群集运动控制算法是在离散时间序列下建立队列系统。
[0110]
步骤四：接收到规划层控制装置4中生成的参考状态，跟踪层控制装置5根据车辆ltv动力学模型在mpc控制器中规划出编队参考轨迹，用模型预测控制方法对被控车辆实际状态进行跟踪并保证其快速稳定编队。结束后返回步骤三。
[0111]
下面结合附图对步骤四进行具体说明：
[0112]
如图3所示，跟踪层控制装置5与规划层控制装置4连接，包括ltv-mpc控制器和执行模块a。
[0113]
车辆ltv(线性时变)动力学系统的输出量为：
[0114][0115]
其中，为车辆动力学模型的状态量，v
x，i
和v
y，i
分别为车辆的纵向和侧向速度，γi为车辆的横摆角速度。
[0116]
mpc控制(模型预测控制方法)建立在k时刻的有限预测时域内最优控制问题的代价函数和优化问题，一方面使被控车辆实际编队轨迹与参考状态轨迹拟合程度更高；另一方面减小系统误差，使控制系统更加精确。
[0117]
建立的代价函数：
[0118][0119]
其中，n
p
和nc分别为预测时域数和控制时域数，p2和q2为系数矩阵，为由所述规划层控制装置4给出的k时刻的预测参考状态信息，δu
k m|k，i
为在k时刻控制时域内群集运动控制算法的系统输入增量。
[0120]
定义的优化问题：
[0121][0122]
在k时刻下求解优化控制问题所得到的控制输入序列为：
[0123][0124]
为了减小系统的偏差，选择序列中的第一项为系统的输入增量，则最终的控
制输入为：
[0125][0126]
令在k 1时刻需要根据新的系统状态量重新求解优化问题，以此来实现模型预测控制的迭代前进。由ltv-mpc控制器所生成的新的系统输入u
′i控制执行模块a，所述执行模块a控制车辆执行快速稳定编队。
[0127]
步骤五：在鲁棒控制装置6中通过运用队列稳定鲁棒协同控制算法实现队列系统稳定。结束后返回步骤二。
[0128]
下面结合附图对步骤五进行具体说明：
[0129]
如图3所示，鲁棒控制装置6与信息采集装置连接，包括算法模块和执行模块b。
[0130]
队列稳定鲁棒协同控制算法在算法模块中执行，可以实现在时滞、干扰及参数不确定性下的队列系统内稳定和系统稳定。其核心思想是：根据给出的控制律，寻找相应的控制增益，使队列系统在新的控制律下满足以下控制目标：
[0131]
(1)外界干扰为零时，队列系统是渐进稳定的；
[0132]
(2)在一定干扰下该控制装置满足性能指标；
[0133]
(3)系统瞬态误差沿着队列方向是非增的。
[0134]
其中，满足(1)、(2)可实现队列的内稳定，即队列中前后车辆间的距离误差和速度误差趋向于零；满足(3)可实现队列系统稳定，即整个队列自上而下地实现距离误差和速度误差在干扰下的收敛。
[0135]
步骤五的实施例是在如图5所示的队列系统中，假设有一组在理想车道上纵向行驶着的n 1辆车组成的队列系统，标号为0，1，
…
，n，其中0代表领航车，1到n代表跟随车。跟随车可能会受到来自领航车波动、侧向风、道路坡度等干扰，以及数据传输过程中可能会发生的数据丢包和通信延时。
[0136]
定义第i辆跟随车的控制律为：
[0137][0138]
其中，k1和k2为控制增益，ψ(t)＝[ψ1(t)，
…
，ψn(t)]
t
为一组状态矢量，如图5所示，μi为领航车与第i辆跟随车之间的车间距误差，为领航车与第i辆跟随车之间的速度误差。
[0139]
需要说明的是，采用了已有的等效时滞和网络诱导方法将离散信息数据转变为状态时滞引入到了队列系统中，即对无线通信和车载传感器中的数据延迟进行量化，如控制律中和分别为无线通信和雷达的数据延时量。
[0140]
定义鲁棒协同控制算法的性能指标为：
[0141][0142]
其中，z(t)为含时滞和干扰的队列系统的控制输出，γ≥0为常数，w(t)为外界干扰量且符合有界条件。
[0143]
进一步地，采用李雅普诺夫-克拉索夫斯基泛函法并结合h
∞
鲁棒控制理论得出的反馈控制增益k1和k2为：
[0144][0145]
其中，和p为正定对称矩阵，式中i2为二阶单位阵。
[0146]
由此得到新的控制律u
*i
，在此控制律下可实现以下控制目标：
[0147]
(1)
[0148]
(2)j(w)＜0；
[0149]
(3)
[0150]
此三个控制目标对应的意义分别为：
[0151]
(1)证明整个队列系统是渐进稳定的；
[0152]
(2)证明在一定干扰下该鲁棒协同控制算法满足性能指标；
[0153]
(3)证明系统瞬态误差沿着队列方向是非增的。
[0154]
算法模块照此控制律控制执行模块b。所述执行模块b控制队列系统稳定纵向行驶。
[0155]
由于李雅普诺夫-克拉索夫斯基稳定性理论能极大的削弱系统的保守性，因此所述队列稳定鲁棒协同控制算法具有弱保守性，即所得出的控制增益范围更加精确，不会出现过多冗余。
[0156]
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。