用于互联车辆的基于模型预测控制的纵向控制器的设计和实验验证

发布时间：2017-10-18 04:29

  本文关键词：用于互联车辆的基于模型预测控制的纵向控制器的设计和实验验证

  更多相关文章： 互联车辆 拉盖尔多项式 车车通信 自动跟随 专用短距离通信技术 模型预测控制 MicroAutobox

【摘要】：随着全球经济的快速发展,汽车保有量持续攀升,越来越多的人将驾车作为首选的出行方式。然而随之而来的,却是逐年上升的交通事故率,而其中人为因素造成的交通事故量不容忽视,因此除了培养驾驶习惯和安全意识等手段,人们已经开始将目光转向了更加安全、高效和便捷的无人驾驶。目前,驾驶辅助功能已经非常广泛地应用在乘用车上,例如自动巡航系统、车道偏离预警系统、盲区监测功能等等。但是,由于车辆互联技术的不成熟,目前距离实现真正的无人驾驶还有相当一段差距,因此车辆互联技术的发展显得至关重要。本文主要基于车辆互联的概念,以具备车车通信功能的车辆为基础,设计了专门用于车辆自动跟随的控制系统,控制方法为模型预测控制,其控制系统可以很好地维持前后车辆之间的相对动态关系。相较于传统模型预测控制,本设计使用拉盖尔多项式对传统的模型预测控制进行参数化,从而通过调节拉盖尔多项式的参数来实现对控制系统表现的调节。本设计的控制器在美国高速公路管理局提供的实验平台上完成了实验验证,证明了这种控制方法的可行性。首先描述了车辆自动跟随系统中前车与后车之间的动态关系,在自动跟随系统中,后车的主要目的就是以特定的安全距离和相同的速度跟随前车。基于自动跟随模型,结合增量模型的基本原理,得到用于模型预测控制的增量模型,在增量模型中始终有一个积分器,从而保证消除状态误差。在得到了增量模型的前提下,介绍了模型预测的基本原理,相较于传统的模型预测控制,引入了拉盖尔多项式来描述控制变量,不同的拉盖尔参数对系统阶跃反应的近似效果不同,通过比较这些近似效果,得到了最佳的参数组合。由于拉盖尔多项式的正交性和指数衰减特性,使得最优解的求解过程更加简单,并且可以通过选择不同的拉盖尔参数来调节控制系统的表现。在确定了拉盖尔多项式的参数和相关权重矩阵参数后,控制系统在Matlab中进行仿真,仿真结果验证了控制器设计的可行性。最后,该设计的控制器在美国高速公路管理局的实验平台上得到了验证。实验平台主要包括定位系统PinPoint,通信系统DSRC(专用短距离通信技术),TORC速度控制器和MicroAutobox。PinPoint主要负责提供车辆的位置信息和速度信息,DSRC负责车辆之间的相互通信,TORC作为下层控制器,主要用于实现上层控制器得到的理想速度,MicroAutobox主要用于负责实时运行整个控制系统。在一些程序的辅助下,将各个系统进行了数据融合,使得车辆可以成功地进行数据分享。同时,该设计的控制系统在MicroAutobox中得以实时运行。实验结果表明,在控制器的作用下,后车可以以设定的安全距离跟随前车,并保持相同的速度。于此同时,也通过实验数据发现了系统表现的不足之处,并提出了改进的方法。仿真结果表明,这些改进方法可以在未来的实验中改善系统的整体表现。
【关键词】：互联车辆 拉盖尔多项式 车车通信 自动跟随 专用短距离通信技术 模型预测控制 MicroAutobox
【学位授予单位】：上海海洋大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 引言10-18
• 1.1 研究的目的和意义10-12
• 1.2 研究现状12-16
• 1.3 本设计的特点及主要研究内容16-18
• 第二章 车辆跟随模型18-22
• 2.1 问题描述18
• 2.2 系统建模18-21
• 2.2.1 用于模型预测控制的增强模型18-20
• 2.2.2 车辆跟随模型20-21
• 2.3 结论21-22
• 第三章 基于模型预测控制的控制器设计22-36
• 3.1 模型预测控制的基本原理22-24
• 3.2 基于拉盖尔多项式的最优化解24-30
• 3.2.1 离散的拉盖尔多项式24-27
• 3.2.2 成本函数的最小化27-30
• 3.3 约束30-32
• 3.3.1 TORC速度控制器的测试30-32
• 3.4 基于拉盖尔多项式参数的系统调节32-34
• 3.5 结论34-36
• 第四章 实验验证36-52
• 4.1 简介36
• 4.2 系统主要结构36-37
• 4.3 硬件介绍37-41
• 4.3.1 PinPoint37-39
• 4.3.2 DSRC39-40
• 4.3.3 MicroAutobox Ⅱ40-41
• 4.3.4 TORC Speed Controller41
• 4.4 软件设置41-42
• 4.5 实验结果42-45
• 4.6 数据分析45-51
• 4.6.1 前车加速度数据的缺失46
• 4.6.2 控制变量变化率的约束46-51
• 4.7 结论51-52
• 第五章 结论和展望52-54
• 5.1 结论52-53
• 5.2 后续研究和展望53-54
• 参考文献54-59
• 致谢59-60
• 研究生期间研究成果与奖励60

【相似文献】

中国期刊全文数据库 前10条

1 李正强;张怡哲;邓建华;陈琪;;基于模型预测控制的非线性飞行控制系统研究[J];飞行力学;2009年01期

2 马艳;卜丽;孙长江;;基于模型预测控制的乳化物干燥控制系统[J];制造业自动化;2011年15期

3 刘向杰;孔小兵;;电力工业复杂系统模型预测控制——现状与发展[J];中国电机工程学报;2013年05期

4 彭勇刚;韦巍;王均;;时滞约束系统的神经动态优化模型预测控制[J];仪器仪表学报;2013年05期

5 陈国定;饶宁;;混凝投药系统的双层结构模型预测控制策略[J];浙江工业大学学报;2013年04期

6 汤自安;多模型预测控制方法研究[J];兰州铁道学院学报;1999年01期

7 王磊;文成林;;基于协作的分布式估计算法及在模型预测控制中的应用[J];清华大学学报(自然科学版);2008年S2期

8 陈文博;杨春节;曹柬;何川;;模型预测控制策略的供应链库存与生产优化调度方法[J];现代制造工程;2009年05期

9 冯少辉,赵均,钱积新;单值模型预测控制的应用研究[J];机床与液压;2003年06期

10 袁忠于;周凤岐;;非整数控制时域模型预测控制[J];火力与指挥控制;2011年06期

中国重要会议论文全文数据库 前10条

1 周帝;赵可君;;模型预测控制中的硬约束松化研究[A];全国冶金自动化信息网2014年会论文集[C];2014年

2 杨马英;;模型预测控制的性能监视与评价——综述[A];第二十一届中国控制会议论文集[C];2002年

3 武俊峰;王振英;;基于状态观测器的约束鲁棒模型预测控制[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

4 周明;周坚刚;余达太;;钢铁企业模型预测控制技术综述[A];冶金轧制过程自动化技术交流会论文集[C];2005年

5 张聚;张海华;;时延网络控制系统的显式模型预测控制[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

6 付庆华;曹玉强;;基于模型预测控制的快速温度调节器[A];1996中国控制与决策学术年会论文集[C];1996年

7 李柠;李少远;席裕庚;;pH中和过程的多模型预测控制[A];第二十届中国控制会议论文集（上）[C];2001年

8 周洪亮;刘志远;;基于模型预测控制的车辆横摆稳定控制器设计[A];第二十七届中国控制会议论文集[C];2008年

9 罗秋滨;韩志刚;朱宏;;非线性系统的无模型预测控制方法[A];2009中国控制与决策会议论文集（1）[C];2009年

10 袁景淇;任海涛;王明珠;任乐民;;基于模型的重组酵母碳源流加速率控制[A];第二十一届中国控制会议论文集[C];2002年

中国重要报纸全文数据库 前1条

1 孙长生;国内热工自动调节优化系统应用的主要厂家评析[N];中国电力报;2012年

中国博士学位论文全文数据库 前10条

1 孔小兵;非线性模型预测控制及其在发电过程控制中的应用[D];华北电力大学;2014年

2 张浪文;网络信息模式下分布式协调模型预测控制研究[D];上海交通大学;2015年

3 岳俊红;复杂工业过程多模型预测控制策略及其应用研究[D];华北电力大学（北京）;2008年

4 冯少辉;模型预测控制工程软件关键技术及应用研究[D];浙江大学;2003年

5 苏成利;非线性模型预测控制的若干问题研究[D];浙江大学;2006年

6 孙峻;非线性模型预测控制理论及应用研究[D];西北工业大学;2002年

7 李志军;约束模型预测控制的稳定性与鲁棒性研究[D];华北电力大学（北京）;2005年

8 田翔;模型预测控制并行计算系统研究[D];浙江大学;2007年

9 王浩坤;无偏模型预测控制的若干理论和方法研究[D];浙江大学;2015年

10 包哲静;支持向量机在智能建模和模型预测控制中的应用[D];浙江大学;2007年

中国硕士学位论文全文数据库 前10条

1 李德q，

本文编号：1052957