[發(fā)明專利]一種基于強化學習算法的橫縱耦合車輛編隊預測控制方法

在審

• 申請?zhí)枺?/td>: 202211087600.7
• 申請日: 2022-09-07
• 公開（公告）號: CN115454065A
• 公開（公告）日: 2022-12-09
• 發(fā)明（設計）人: 于樹友;李云勇;馮陽陽;盛恩聰;林寶君;陳虹
• 申請（專利權）人: 吉林大學
• 主分類號: G05D1/02
• 分類號: G05D1/02;G06F30/20;G06N3/04;G06N3/08
• 代理公司: 北京奇眸智達知識產權代理有限公司 11861
• 代理人: 樊進茹

本發(fā)明屬于汽車控制技術領域，公開了一種基于強化學習算法的橫縱耦合車輛編隊預測控制方法，包括：S1.將考慮了非線性魔術公式輪胎模型的3?DOF車輛動力學模型與車道保持模型相結合，建立車輛隊列模型；S2.構建分布式的控制框架，并在該控制框架下依據(jù)所述車輛隊列模型為每一輛跟隨車輛設計局部預測控制器；S3.利用強化學習算法求解所述局部預測控制器的最優(yōu)控制策略，并將該最優(yōu)控制策略作用于目標跟隨車輛。本發(fā)明完成了車輛編隊橫縱耦合建模，并考慮了輪胎非線性特性，以此使本發(fā)明更加符合車輛系統(tǒng)非線性、多變量、強耦合的特性；另外，本發(fā)明還將車輛編隊全局優(yōu)化問題轉化為每一輛跟隨車輛的局部優(yōu)化問題，避免了集中式控制的負擔。

技術領域

本發(fā)明屬于汽車控制技術領域，具體涉及一種基于強化學習算法的橫縱耦合車輛編隊預測控制方法。

背景技術

在過去的幾十年里，汽車數(shù)量的急劇增加給能源安全和交通安全帶來了巨大挑戰(zhàn)，據(jù)美國國家公路交通安全管理局稱，約84％的交通事故由人為因素造成。車輛編隊可以顯著減少由駕駛員疲勞、誤操作引起的交通事故，從而提高道路交通安全。此外，車輛編隊(尤其是重型卡車編隊)可以減少車輛之間的空氣阻力，從而減少排放和燃油消耗，并提高道路通行能力，正是由于這些潛在的好處，車輛編隊控制吸引了越來越多的學者。

車輛編隊的研究內容主要包括縱向控制和橫向控制。其中：

縱向控制的目標是排中車輛的期望速度，且相鄰車之間保持期望車間距；

橫向控制的任務是排中車輛沿指定車道行駛。

現(xiàn)有關于車輛編隊控制的研究多采用解耦的控制方法，即分別設計橫向控制器和縱向控制器以實現(xiàn)橫向車道保持及縱向速度跟蹤。具體，橫向控制采用的方法主要有PID控制、模糊控制、H∞魯棒控制等，縱向控制采用的方法主要包括滑?？刂?、自適應控制、模型預測控制等。

綜上，盡管解耦策略實現(xiàn)了一定程度上的車輛編隊控制，但車輛系統(tǒng)作為一個非線性、多變量、強耦合的系統(tǒng)，當涉及更大加速度、更大橫縱向力或更低道路附著系數(shù)的工況時，其橫縱耦合效應變得尤為顯著，此時解耦控制的跟蹤性能可能會降低，相應的使得控制準確性明顯降低，從而可能會導致車輛發(fā)生碰撞、無法達到編隊的問題。

另外，目前針對車輛編隊的研究大多基于線性輪胎的假設，而這些假設僅在整個車輛運行范圍的局部區(qū)域有效，當車輛駛出該區(qū)域時(如避障)，車輛系統(tǒng)的非線性及橫縱耦合效應同樣會明顯增強，進而導致解耦控制與車輛的緊急控制不能準確匹配。

發(fā)明內容

鑒于此，為解決上述背景技術中所提出的問題，為實現(xiàn)本發(fā)明的目的在于提供一種基于強化學習算法的橫縱耦合車輛編隊預測控制方法。

為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

一種基于強化學習算法的橫縱耦合車輛編隊預測控制方法，包括：

S1.將考慮了非線性魔術公式輪胎模型的3-DOF車輛動力學模型與車道保持模型相結合，建立車輛隊列模型

x_i(k+1)＝f(x_i(k),u_i(k))；式中，x_i(k)為狀態(tài)量，u_i(k)為輸入量；

S2.構建分布式的控制框架，并在該控制框架下依據(jù)所述車輛隊列模型為每一輛跟隨車輛設計局部預測控制器

式中，k為當前時刻，k+i為預測時域內第i時刻，x_i(·)為預測狀態(tài)，r_i(·)為理想狀態(tài)，與表示車輛假設軌跡狀態(tài)，通過車輛間通信得到，T_p為預測時域，Q_i，F(xiàn)_i，G_i，R_i為權重矩陣；