基于多车辆集群的多编队一致性协议

针对车道减少路段下的车辆通行问题,提出了一个基于多车辆集群的多编队横向和纵向一致性协议.该协议既保证集群内领导车、跟随车状态的一致性,又保证集群间领导车状态的一致性,使得集群所有车辆能够通过车道减少路口.利用Routh稳定理论和Lyapunov方法,对控制协议进行一致性和稳定性分析.仿真实验结果验证了所提横向和纵向协议能够使得多车辆集群收敛一致,并且在满足不同车辆换道比例的情况下能够提高道路吞吐量、减少总通行时间.     

基于安全攸关控制的车辆协同换道控制研究

针对智能交通中车辆换道的安全性与通行效率问题,以网联自动驾驶车辆(Connected and Automated Vehicle, CAV)协同换道控制为研究对象,提出了一种安全攸关型车道自动变换控制策略。首先,基于安全攸关控制原理,提出一种改进的车辆协同变道控制器,提高车辆换道效率,称为新形式CLF-CBF-QP(Control Lyapunov Function-Control Barrier Function-Quadratic Programming)控制器;其次,搭建车辆协同换道控制系统,保障车辆换道的安全性。通过MATLAB仿真平台在高速公路场景下验证所提出的控制策略的安全性和可行性,仿真对比控制器优化前后的性能。仿真结果表明：所提出的控制策略能够保障车辆换道的安全性,改进后的控制器提高了车辆换道成功率。     

无人艇全分布式动态事件触发编队控制

针对通信资源受限的多无人艇(USV)编队控制问题, 本文提出了一种动态事件触发数据传输机制以降低通信频率, 减少控制算法对系统带宽的占用. 首先, 基于滑模和自适应控制算法设计一种全分布式编队控制器, 使得所有编队成员在保持预设队形的同时能够完成对期望轨迹的跟踪. 与现有编队控制器相比, 该控制器不需要通信网络的全局信息. 然后, 基于Lyapunov稳定性理论证明了编队跟踪误差以及所有闭环信号都能达到稳定状态. 此外,该算法能够保证触发时间序列不表现出Zeno行为. 最后, 通过数值仿真验证了全分布式编队控制器的有效性     

基于事件触发的非线性多智能体系统的固定时间分群一致性

结合事件触发控制方法研究非线性多智能体系统的固定时间分群一致性问题.提出一种非线性分布式事件触发分群一致性控制协议,并给出状态信息触发控制器更新的条件.该控制协议不受入度平衡条件限制,且只需自身状态信息与邻居智能体进行通信即可在固定时间内快速实现分群一致性.系统收敛时间与智能体的初始状态无关,可有效降低系统控制器更新频率和系统的资源消耗.结合代数图论、矩阵分析及Lyapunov稳定性理论,证明在所提出协议作用下,多智能体系统在固定时间内能够实现分群一致性,且不存在Zeno行为.最后,通过仿真实例检验了理论结果的可行性.     

基于神经网络的多机协同编队控制器设计

针对多架无人机协同编队飞行控制问题,设计了一种基于BP神经网络的无人机编队飞行控制器.以两机编队为单元,僚机同时跟踪长机和相邻僚机,根据相对位置和参考坐标系统,采用BP神经网络训练得到最佳的PID控制参数,设计三通道PID控制器并对编队系统进行分布式协同控制,使系统快速跟踪指令并保持编队队形.对四架无人机组成的编队系统进行仿真,系统编队可快速保持期望队形,表明设计的编队控制系统具有良好的稳定性和较强的抗干扰能力.     

基于事件触发的时变拓扑多智能体系统编队控制

针对资源受限的时变拓扑多智能体系统的编队控制问题,提出一种基于复合误差信息事件触发机制以减少不必要的信息传输,降低带宽占用,并设计了多智能体系统的编队控制协议和分布式事件触发机制.通过将多智能体系统的编队控制问题转化为闭环延时系统的稳定性问题,构造Lyapunov-Krasovskii函数并利用线性矩阵不等式技术,给出多智能体系统实现编队的充分条件.最后,通过仿真验证了所提出方法的有效性.     

多无人机完全分布式有限时间编队控制

针对分布式通信网络,研究多无人机完全分布式编队生成和保持控制问题.基于滑模和自适应方法设计自适应耦合增益,进而结合与邻居无人机之间的相对状态设计一种新的有限时间编队控制器.该算法去掉了传统编队控制器依赖通信网络范围和拓扑及Leader无人机状态等全局信息的限制,基于Lyapunov理论证明无人机编队误差在有限时间可以收敛到边界可调的邻域内.对三维运动的多无人机编队进行仿真验证,结果显示,所设计的编队控制算法可以实现多无人机有限时间完全分布式编队生成和保持.     

固定翼无人机集群分布式固定时间编队跟踪控制

为实现固定翼无人机集群对理想编队构型的跟踪,研究了执行器存在未建模动态和不确定性的无人机集群系统的固定时间编队跟踪控制问题。首先,建立了无人机集群的三自由度运动学模型。其次,基于一种收敛时间独立于初始条件的固定时间终端滑模,设计了分布式固定时间编队协同跟踪控制器,利用控制器中的鲁棒项补偿外部扰动,通过Lyapunov稳定性理论证明了闭环系统的固定时间稳定性。最后,对所设计的控制器进行了数值仿真验证,仿真结果表明：所设计的控制器能够使无人机集群在固定时间内组成理想编队构型,同时系统具有鲁棒性。     

基于模糊控制的微观车辆换道模型的研究及仿真

换道行为需要考虑相邻车道的车辆和司机复杂的决策过程,而且有关换道模型的研究相对比较滞后,有必要对其进行探讨。从微观层面上对车辆换道模型进行了研究,根据追求利益动机的不同,提出了基于模糊控制的车辆强制换道模型和自由换道模型。根据车辆不同的换道规则,设计了两种模糊控制器：强制换道模糊控制器和自由换道模糊控制器,利用驾驶员的知识和经验来决定车辆是否进行换道。仿真结果表明提出的换道模型及模糊控制器是有效可行的。     

基于事件驱动的二次凸优化问题分布式优化算法

针对多智能体系统中等式约束下的二次凸优化问题,给出一种事件驱动机制下的分布式优化算法.该算法可以降低每个智能体控制协议的更新频率以及智能体之间的通信负担.基于图论和李雅普诺夫函数方法给出两种不同的事件触发条件,其中第2种事件触发条件不需要拉普拉斯矩阵的最大特征根的信息,可实现算法全分布式实施.两种事件触发条件均可实现算法渐近收敛到优化值,避免智能体控制协议的连续更新以及智能体之间的连续通信,同时保证每个智能体相邻事件触发时刻的时间间隔大于0,避免持续事件触发.将所提出的算法应用于Matlab仿真环境中进行仿真验证,仿真结果验证了所提出算法的有效性.     

级联触发策略下非结构化道路的自主卡车队列控制

本文针对非结构化道路上自主卡车队列系统的控制问题进行研究, 设计一种基于级联触发的控制器,有效提高复杂工况下的卡车队列系统性能. 首先, 建立不依赖于道路结构的纵–横耦合卡车队列系统模型, 该模型涉及复杂环境下车辆存在故障(包括执行器、传感器的失效故障以及随机网络故障)影响. 其次, 为降低燃油消耗, 设计了基于自触发和事件触发的级联触发控制器, 并利用李雅普诺夫方法证明了系统的闭环稳定性. 此外, 通过对系统Zeno行为的分析量化, 得到了触发时间间隔的下界值, 保证了算法的实际应用性. 本文为了实现卡车系统队列稳定性控制目标, 进一步给出了控制器设计限制条件. 最后, 仿真结果表明, 所提出的控制方法不但能保证单车渐近稳定以及队列稳定, 还能有效减少执行器更新频率, 提高燃油经济性.     

一种基于切换拓扑和事件触发机制的一致性协议

研究了一种新的基于切换拓扑的事件触发一致性协议,该协议设计了两个事件触发器,包括智能体状态演化引发的收敛事件触发器和拓扑变化引发的拓扑事件触发器,并给出了与事件触发器有关的公共Lyapunov函数的稳定性分析和理论证明,还设计了一种基于约束集的网络连通算法,用于提高网络的连通性。仿真实验结果表明,新的协议能够使得系统收敛一致,有效降低智能体控制器的更新频率,减少系统能耗,提升网络的连通效果,能为事件触发控制的后续研究提供理论支撑。     

Node‐to‐node consensus of multi‐agent networks with event‐triggered control and packet losses

This paper studies the node‐to‐node consensus problem for multi‐agent networks possessing a leaders' layer and a followers' layer via the pinning control. In order to realize the consensus and reduce the update frequency of the controller, a suitable event‐triggered mechanism is introduced into the control strategy. Furthermore, the phenomenon of packet loss is considered in the designed controller. Based on the M‐matrix theory and Lyapunov stability theory, this paper presents the sufficient conditions for the node‐to‐node consensus of networks. Meanwhile, it is proved that the Zeno behaviour is excluded. Finally, two numerical simulations are provided to demonstrate the effectiveness of the theoretical results.     

基于事件触发二阶多智能体系统的固定时间比例一致性

研究了在无向拓扑下,由多个子群组成的二阶多智能体系统的固定时间比例一致性问题,采用反推法设计了一种基于事件触发的固定时间非线性比例一致控制策略,该策略包含分段式事件触发函数:当智能体在追踪虚拟速度时,给出了基于速度信息的触发条件;当智能体速度与虚拟速度达到一致时,切换至基于位置信息的触发条件,可有效减少系统能量耗散及控...     

空气流动阻力下非线性车辆队列最优能耗控制方法

为了优化车辆队列在长距离行驶过程中的能源消耗,对空气流动阻力下车辆队列能耗优化间距策略以及相应的队列控制方法进行了研究;首先根据车辆队列在行驶过程中受到的空气流动阻力,建立基于异构风阻系数的车辆动力学模型;其次,设计基于滑模控制的非线性车辆队列控制方法,使其能够在不同风阻系数下稳定地收敛到期望的车辆队列;在此基础上,构建稳态下车辆队列能量消耗评价模型,并通过优化分析,计算能量消耗最优下的车辆队列期望车间距;最后通过数值仿真的手段验证所提控制方法的有效性与可行性;该结果表明:所设计的控制器能够使整个车辆队列达到期望的控制效果;得到的最优车间距能够使得特定条件下车辆队列稳态能量消耗降低。     

分布式无人机队列控制与动态障碍规避设计

研究分布式无人机集群巡航任务中的协同路径跟踪问题与动态避障控制问题.利用transverse feedback linearization(TFL)方法对无人机的动力学模型进行变换,通过解耦控制实现对期望巡航路径的跟踪.在期望路径方向上,设计基于一致性协议的分布式无人机队列协同控制算法,并结合势场法设计协同巡航过程中对移动障碍物的规避控制策略.在队列达成一致性目标的同时,能够保障队列行进的安全性.基于Lyapunov分析方法和LaSalle不变原理证明闭环系统的稳定性,同时采用能量法证明队列中的无人机不会与动态障碍物发生碰撞.最后,基于搭建的无人机协同飞行实验平台,完成多架无人机的协同队列控制和移动障碍物规避实验,飞行实验结果验证了所设计协同控制算法与避障控制策略的有效性.     

车联网环境下高速公路合流区换道协调决策与控制系统设计

为了降低高速公路合流区车辆换道碰撞风险、提高道路通行质量,在车联网环境下,优化设计高速公路合流区换道协调决策与控制系统。通过安装车联网终端芯片、改装协调控制器,完成硬件系统的优化。根据高速公路合流区的物理结构,设置换道区域约束条件。在车联网环境下采集高速公路合流区车路信息,根据换道紧迫程度、跟随车辆换道行为、车间距离安全性的计算结果,作出换道协调决策。规划合流区最优协调换道轨迹作为系统控制目标,最终计算位置、速度控制量,在控制器支持下,实现高速公路合流区换道协调控制功能。通过系统测试得出结论:所设计系统的车辆换道碰撞概率和道路拥塞程度分别为0.15%和0.20,道路车流量得到明显提升,车流量的平均值为356pcu/d。车辆速度控制误差为0.05km/h,实验结果表明所设计系统在决策与控制性能方面具有明显优势。     

含时延的车辆队列事件触发一致性控制研究

为应对通信过程中的传输时延以及车辆间连续信息交互带来的信息冗余、资源浪费,提出一种基于事件触发机制的车辆队列一致性策略,以保证车辆队列能够稳定运行;为此,构建一个考虑车辆间的跟驰行为和通信时延的三阶异质车辆队列动力学模型,提出一种基于事件触发的一致性车辆队列控制器的设计方法;在此基础上,利用Lyapunov稳定性理论和代数图论,对车辆队列的稳定性进行分析,得出了使车辆队列稳定的事件触发条件和通信时延的上界;在MATLAB平台上进行仿真实验,验证了所提车辆队列控制方法的有效性。     

Protocol design for an automated highway system

A structured use of control, communication and computing techologies in vehicles and in the highway can lead to major increases in highway capacity. Our context is an automated highway system (AHS) in which traffic is organized in platoons of closely spaced vehicles under automatic control. The AHS control tasks are arranged in a three-layer hierarchy. At the top or link layer a centralized controller assigns to each vehicle a path through the highway and sets the target size and speed for platoons to reduce congestion. The remaining two layers are distributed among controllers on each vehicle. A vehicle's platoon layer plans its trajectory to conform to its assigned path and to track the target size. The plan consists of a sequence of elementary maneuvers: merge (combines two platoons into one), split (separates one platoon into two), and change lane (enables a single car to change lane). Once the protocol layer determines that a particular maneuver can safely be initiated, it instructs its regulation layer to execute the corresponding precomputed feedback control law which implements the maneuver. This paper focuses on the design of the platoon layer. In order of ensure that it is safe to initiate a maneuver, the platoon layer controller enters into a negotiation with its neighbors. This negotiation is implemented as a protocol—a structured sequence of message exchanges. After a protocol terminates successfully, the movement of the vehicles involved is coordinated and the maneuver can be initiated. A protocol is designed in two stages. In the first stage, the protocol is described as an informal state machine, one machine per vehicle. The informal state machine does not distinguish between actions and conditions referring to the vehicle's environment and those referring to the protocol itself. In the second stage this distinction is enforced and the protocol machines are specified in the formal language COSPAN. COSPAN software is then used to show that the protocol indeed works correctly. One can now be reasonably confident that, properly implemented, the protocol designed here will work as intended.Work supported by the PATH program, Institute of Transportation Studies, University of California, Berkeley, and NSF Grant ECS-911907. It is a pleasure to thank Dr. Bob Kurshan for providing COSPAN and explaining its use, Ellen Sentovich for help with COSPAN, Max Holm for computer support, Anuj Puri for comments which improved parts of the design, and members of the PATH Seminar on AVCS where this design was first presented and discussed. The authors alone are responsible for the views expressed here.