1.本发明涉及智能驾驶领域，尤其是涉及一种基于观测的含未知输入时延的多智能车辆协同控制方法。
背景技术：2.随着智能化时代来临，无论是工业领域还是军事领域都离不开多个智能体的协同分工，并且如货物运输、分布式发电控制等许多领域已经实现多智能体分布式协同生产，交通中车队的分布式协同控制等领域仍然处于探索阶段，多智能体系统的协同控制问题依然是目前研究的热点问题，对于工业生产、军事应用等领域有重要的理论指导意义。
3.多智能体系统的技术发展为复杂化、大型化以及非线性系统的智能控制提供了一条新的途径，采用多智能体系统的技术进行控制，可以按控制应用的要求，分解原来单一的，庞大的以及非线性的系统。利用多智能体系统的技术进行控制，也可以从功能上划分多个智能体，以期完成原来复杂系统的控制任务。
4.多智能体系统不仅具备普通的分布式系统所具有的信息共享、易于扩展、可靠性高、灵活性好以及实时性强的特点，而且各个智能体之间能够通过相互通讯、相互协调以及相互融合从而解决复杂的控制问题。
5.车辆的自动协同控制最早可追溯到车辆的自动速度控制，比如说巡航控制，以及后来发展的自适应巡航控制系统。自适应巡航控制系统是第一个进入市场的驾驶辅助控制系统，对交通流的控制有着重要的影响，在该模式下车辆通过车载传感器信息设计巡航控制器。传统的巡航控制中，车辆总被要求保持一个预设的速度，且不考虑周围交通环境的变化。而自适应巡航控制系统中，车辆的控制目标是尽量与前一辆车保持期望的安全距离，并根据前视传感器(通常是毫米波雷达或红外激光)的速度测量结果，控制自身车辆速度能够达到与前车速度保持一致的效果。但是巡航控制和自适应巡航控制都是针对单个车辆而设计的控制策略，随之车车通信和车路通信技术的发展，当自适应巡航控制和这些通信技术结合在一起对车辆进行控制调度时，车辆控制系统就变成了协同自适应巡航控制系统，在协同控制系统中，车辆除了可以利用自身传感器进行相关的数据测量之外，还可以通过通信接收到周围邻居车辆的相关信息。协同自适应巡航控制系统中车队车辆以排列更加紧密的车间距安全行驶，提高了车辆吞吐量，抗扰能力更强，它主要是通过无线通信实现车车之间的通信，能够有效提高道路的交通容量以及车辆控制的稳定性。目前协同自适应控制是相关研究领域人员关注的焦点，也在世界各国引起了广泛的关注。
6.在现有的多智能车辆协同控制方法中，多数采用车辆通讯的方式进行位置和速度信号的传递，车间通讯会产生通讯时延和丢包等情况，车辆间的通讯网络也容易受到攻击从而导致控制失控，而采用传感器的多智能车控制方法中，也很少有方法考虑传感器的输入时延的影响。
技术实现要素：7.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于观测的含未知输入时延的多智能车辆协同控制方法，抗干扰能力强，稳定性强，安全性高。
8.本发明的目的可以通过以下技术方案来实现：
9.一种基于观测的含未知输入时延的多智能车辆协同控制方法，包括：
10.构建含有未知输入时延的智能车辆运动学模型；
11.基于智能车辆运动学模型以及多智能车辆的拓扑架构建立多智能车辆系统模型；
12.通过输出反馈观测器获取智能车辆的观测值，将观测值输入多智能车辆协同控制器；
13.离线获取多智能车辆协同控制器的若干类离线参数，通过多智能车辆系统模型的自适应切换策略在线切换若干类离线参数，直至多智能车辆系统模型的稳定器稳定，获得出每辆智能车辆的未知输入时延；
14.将未知输入时延输入多智能车辆协同控制器，实现对多智能车辆的纵向控制。
15.进一步地，所述的含有未知输入时延的智能车辆运动学模型的表达式为：
[0016][0017]
其中，qi(t)表示智能车辆i的位置，pi(t)表示智能车辆i的速度，ai(t)表示智能车辆i的加速度，η表示滞后的时间常数，hi表示智能车辆i的未知输入时延，i表示从第1辆车到第n辆车。
[0018]
进一步地，所述的多智能车辆的拓扑架构中每辆车只使用车载传感器获取前车的位置信息，所述的车辆i与前车i-1的子系统的表达式为：
[0019][0020]
其中，δδi(t)为车辆i与前车i-1间的实际距离与期望距离间的误差，δδi(t)＝qi(t)-q
i-1
(t)-d0，d0为车辆i与前车i-1间的安全距离；
[0021]
所述的多智能车辆系统模型的表达式为：
[0022][0023]
xi(t)＝[δδi(t)，δpi(t)，δai(t)]
t
[0024]
yi(t)＝δδi(t)
[0025][0026][0027]ci
＝[0 0 1]
[0028]
ρi(t)＝[0 0
ꢀ‑biui-1
(t-h
i-1
)]
t
。
[0029]
进一步地，所述的多智能车辆系统模型的编队目标具体为：
[0030][0031]
进一步地，所述的输出反馈观测器的表达式为：
[0032][0033]
其中，和为观测值，l
ri
为反馈参数，为车辆i的第r个切换时延值，r的范围为[1，m]。
[0034]
进一步地，所述的多智能车辆协同控制器的表达式为：
[0035][0036]
其中，k
ri
为控制参数，转换公式
[0037]
进一步地，所述的稳定器的表达式为：
[0038][0039]
其中，为观测误差，
[0040]
进一步地，所述的稳定器的稳定条件为：
[0041]
[0042][0043][0044][0045][0046][0047]
其中，r
ri
＝k
ri
p
ri
，s
ri
＝q
ri
l
ri
，r＝0,...,m。
[0048]
进一步地，所述的离线获取多智能车辆协同控制器的若干类离线参数的具体过程包括：
[0049]
s431、设定r＝0以及δh
0i
和ε
0i
的值；
[0050]
s432、将r、δh
0i
以及ε
0i
的值代入多智能车系统的稳定方程中，得到p
ri
、q
ri
、m
1ri
、m
2ri
、s
ri
以及r
ri
，计算以及令r＝r+1；
[0051]
s433、判断是否满足若是则将选择δh
ri
和ε
ri
，执行步骤s432，否则执行步骤s434；
[0052]
s434、输出δh
ri
、ε
ri
、p
ri
、q
ri
、l
ri
和k
ri
在r＝0,...,m时的离线参数。
[0053]
进一步地，所述的自适应切换策略的具体过程包括：
[0054]
s441、获取离线参数；
[0055]
s442、令t
(r+1)i
为下一个切换时刻，当t≥p
ri
时，转入步骤s443；
[0056]
s443、将离线参数代入以下不等式：
[0057][0058]
其中，
为调整常数，判断不等式是否成立，若是则令t＝t
r+1
，r＝r+1，执行步骤s444，否则执行步骤s445；
[0059]
s444、判断是否满足r≥m，若是则设定r＝0，并执行步骤s443，否则执行步骤s445；
[0060]
步骤s445、输入此时的
[0061]
与现有技术相比，本发明具有以如下有益效果：
[0062]
(1)本发明在智能车辆运动学模型引入未知输入时延，基于智能车辆运动学模型以及多智能车辆的拓扑架构建立多智能车辆系统模型，通过输出反馈观测器获取智能车辆的观测值，将观测值输入多智能车辆协同控制器，离线获取多智能车辆协同控制器的若干类离线参数，通过多智能车辆系统模型的自适应切换策略在线切换若干类离线参数，直至多智能车辆系统模型的稳定器稳定，获得出每辆智能车辆的未知输入时延，将未知输入时延输入多智能车辆协同控制器，实现对多智能车辆的纵向控制，在设计多智能车辆协同控制器时考虑了输入时延对多车控制的干扰，通过自适应切换估计器获取每辆车的具体的位置输入时延值，有效保证了智能车队纵向协同控制的安全性和稳定性；
[0063]
(2)本发明只使用车载传感器获取前车位置信息，通过设计的观测器来获取前车的速度和加速度信息，不需要车辆间进行通讯，避免通讯丢包或时延的干扰，抗干扰能力强。
附图说明
[0064]
图1为本发明的方法流程图；
[0065]
图2为车队示意图；
[0066]
图3为跟随车辆的估计输入时延值的时间曲线图；
[0067]
图4为跟随车辆位置的时间曲线图；
[0068]
图5为跟随车辆速度的时间曲线图；
[0069]
图6为跟随车辆加速度的时间曲线图；
[0070]
图7为第15s时车队的位置和速度信息示意图；
[0071]
图8为第75s时车队的位置和速度信息示意图。
具体实施方式
[0072]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0073]
一种基于观测的含未知输入时延的多智能车辆协同控制方法，如图1，包括：
[0074]
s1、根据车辆的动力学方程，考虑车辆的未知输入时延，对智能车辆进行建模；
[0075]
s2、构建多智能车辆的拓扑架构，建立多智能车辆间的系统模型；
[0076]
s3、设计输出反馈观测器和车辆控制器，将估计前车的观测值输入多智能车辆协
同控制器；
[0077]
s4、设计多智能车系统的稳定器和自适应切换策略，离线获取一系列切换数据，在线切换数据直至系统稳定从而估计出每辆车的未知输入时延，将得出的未知输入时延输入控制器以实现对多智能车辆的纵向控制。
[0078]
步骤s1中智能车辆含有未知输入时延，可描述为：
[0079][0080]
其中，qi(t)表示智能车辆i的位置，pi(t)表示智能车辆i的速度，ai(t)表示智能车辆i的加速度，η表示滞后的时间常数，hi表示智能车辆i的未知输入时延，i表示从第1辆车到第n辆车。
[0081]
步骤s2中车队的拓扑结构为每辆车只使用车载传感器获取前车的位置信息，设定车辆i与前车i-1间的安全距离为d0，车辆i与前车i-1间的实际距离与期望距离间的误差为δδi(t)＝qi(t)-q
i-1
(t)-d0，车辆i与前车i-1的子系统可描述为：
[0082][0083]
多智能车系统可描述为：
[0084][0085]
xi(t)＝[δδi(t)，δpi(t)，δai(t)]
t
[0086]
yi(t)＝δδi(t)
[0087][0088][0089]ci
＝[0 0 1]
[0090]
ρi(t)＝[0 0
ꢀ‑biui-1
(t-h
i-1
)]
t
[0091]
步骤s2中编队目标具体为：
[0092][0093]
步骤s3具体包括以下步骤：
[0094]
s31、为了避免车辆间通讯产生通讯时延和丢包等影响，设计观测器获取前车的速度和加速度信息：
[0095][0096]
其中，和为观测值，l
ri
为反馈参数，为车辆i的第r个切换时延值，r的范围为[1，m]，多智能车系统的观测误差为：
[0097][0098]
s32、设计多智能车系统的控制器：
[0099][0100]
其中，k
ri
为控制参数，转换公式
[0101]
步骤s4具体包括以下步骤：
[0102]
s41、设计多智能车系统的稳定方程为：
[0103][0104]
s42、根据多智能车系统的稳定方程可得多智能车系统的稳定条件为：
[0105][0106][0107][0108]
[0109][0110][0111]
其中，r
ri
＝k
ri
p
ri
，s
ri
＝q
ri
l
ri
，以上公式具有对称正定矩阵解p
ri
和q
ri
。
[0112]
s43、计算离线参数，包括以下子步骤：
[0113]
s431、设定r＝0以及δh
0i
和ε
0i
的值；
[0114]
s432、将r、δh
0i
以及ε
0i
的值代入多智能车系统的稳定方程中，得到p
ri
、q
ri
、m
1ri
、m
2ri
、s
ri
以及r
ri
，计算以及令r＝r+1；
[0115]
s433、判断是否满足若是则将选择δh
ri
和ε
ri
，执行步骤s432，否则执行步骤s434；
[0116]
s434、输出δh
ri
、ε
ri
、p
ri
、q
ri
、l
ri
和k
ri
在r＝0,...,m时的离线参数。
[0117]
s44、设定自适应切换策略：
[0118]
s441、获取子步骤s434得出的一系列离线参数；
[0119]
s442、令t
(r+1)i
为下一个切换时刻，当t≥p
ri
时，转入步骤s443；
[0120]
s443、将离线参数代入以下不等式：
[0121][0122]
其中，其中，其中，为调整常数，判断不等式是否成立，若是则令t＝t
r+1
，r＝r+1，执行步骤s444，否则执行步骤s445；
[0123]
s444、判断是否满足r≥m，若是则设定r＝0，并执行步骤s443，否则执行步骤s445；
[0124]
步骤s445、输入此时的
[0125]
结合具体实例进行详细说明，图2为车队示意图，考虑四辆跟随车辆的车队，领导车辆的速度p0＝10m/s，车队的使用车载传感器获取前车位置信息，滞后的时间常数为0.5，
车队的拓扑结构为每辆车只使用车载传感器获取前车的位置信息，设定车辆i与前车i-1间的安全距离为d0＝20m，最后得出车队的估计输入时延如图3所示，跟随车辆的位置如图4所示，随车辆的速度如图5所示，随车辆的加速度如图6所示，第15s时，车队的位置和速度信息如图7所示，第75s时，车队的位置和速度信息如图8所示。
[0126]
本实施例提出了一种基于观测的含未知输入时延的多智能车辆协同控制方法，通过车载传感器获取车辆间的相对位置，用观测器获取前车的速度和加速度信息，避免车辆间通信带来的丢包和时延，同时考虑到了车辆的输入时延，通过自适应切换估计器获取每辆车的位置输入时延，最终有效保证了智能车队纵向协同控制的安全性和稳定性。
[0127]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
技术特征：1.一种基于观测的含未知输入时延的多智能车辆协同控制方法，其特征在于，包括：构建含有未知输入时延的智能车辆运动学模型；基于智能车辆运动学模型以及多智能车辆的拓扑架构建立多智能车辆系统模型；通过输出反馈观测器获取智能车辆的观测值，将观测值输入多智能车辆协同控制器；离线获取多智能车辆协同控制器的若干类离线参数，通过多智能车辆系统模型的自适应切换策略在线切换若干类离线参数，直至多智能车辆系统模型的稳定器稳定，获得出每辆智能车辆的未知输入时延；将未知输入时延输入多智能车辆协同控制器，实现对多智能车辆的纵向控制。2.根据权利要求1所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，其特征在于，所述的含有未知输入时延的智能车辆运动学模型的表达式为：其中，q
i
(t)表示智能车辆i的位置，p
i
(t)表示智能车辆i的速度，a
i
(t)表示智能车辆i的加速度，η表示滞后的时间常数，h
i
表示智能车辆i的未知输入时延，i表示从第1辆车到第n辆车。3.根据权利要求2所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，其特征在于，所述的多智能车辆的拓扑架构中每辆车只使用车载传感器获取前车的位置信息，所述的车辆i与前车i-1的子系统的表达式为：其中，δδ
i
(t)为车辆i与前车i-1间的实际距离与期望距离间的误差，δδ
i
(t)＝q
i
(t)-q
i-1
(t)-d0，d0为车辆i与前车i-1间的安全距离；所述的多智能车辆系统模型的表达式为：x
i
(t)＝[δδ
i
(t)，δp
i
(t)，δa
i
(t)]
t
y
i
(t)＝δδ
i
(t)
c
i
＝[0 0 1]ρ
i
(t)＝[0 0
ꢀ‑
b
i
u
i-1
(t-h
i-1
)]
t
。4.根据权利要求3所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，所述的多智能车辆系统模型的编队目标具体为：5.根据权利要求3所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，所述的输出反馈观测器的表达式为：其中，和为观测值，l
ri
为反馈参数，为车辆i的第r个切换时延值，r的范围为[1，m]。6.根据权利要求5所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，所述的多智能车辆协同控制器的表达式为：其中，k
ri
为控制参数，转换公式7.根据权利要求6所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，所述的稳定器的表达式为：其中，为观测误差，8.根据权利要求7所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，所述的稳定器的稳定条件为：
其中，r
ri
＝k
ri
p
ri
，s
ri
＝q
ri
l
ri
，r＝0,...,m。9.根据权利要求8所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，所述的离线获取多智能车辆协同控制器的若干类离线参数的具体过程包括：s431、设定r＝0以及δh
0i
和ε
0i
的值；s432、将r、δh
0i
以及ε
0i
的值代入多智能车系统的稳定方程中，得到p
ri
、q
ri
、m
1ri
、m
2ri
、s
ri
以及r
ri
，计算以及令r＝r+1；s433、判断是否满足若是则将选择δh
ri
和ε
ri
，执行步骤s432，否则执行步骤s434；s434、输出δh
ri
、ε
ri
、p
ri
、q
ri
、l
ri
和k
ri
在r＝0,...,m时的离线参数。10.根据权利要求9所述的一种基于观测的含未知输入时延的多智能车辆协同控制方法，所述的自适应切换策略的具体过程包括：s441、获取离线参数；s442、令t
(r+1)i
为下一个切换时刻，当t≥p
ri
时，转入步骤s443；s443、将离线参数代入以下不等式：
其中，其中，其中，为调整常数，判断不等式是否成立，若是则令t＝t
r+1
，r＝r+1，执行步骤s444，否则执行步骤s445；s444、判断是否满足r≥m，若是则设定r＝0，并执行步骤s443，否则执行步骤s445；步骤s445、输入此时的
技术总结本发明涉及一种基于观测的含未知输入时延的多智能车辆协同控制方法，包括：构建含有未知输入时延的智能车辆运动学模型；基于智能车辆运动学模型以及多智能车辆的拓扑架构建立多智能车辆系统模型；通过输出反馈观测器获取智能车辆的观测值，将观测值输入多智能车辆协同控制器；离线获取多智能车辆协同控制器的若干类离线参数，通过多智能车辆系统模型的自适应切换策略在线切换若干类离线参数，直至多智能车辆系统模型的稳定器稳定，获得出每辆智能车辆的未知输入时延；将未知输入时延输入多智能车辆协同控制器，实现对多智能车辆的纵向控制。与现有技术相比，本发明具有抗干扰能力强、稳定性强、安全性高等优点。安全性高等优点。安全性高等优点。
技术研发人员：王祝萍 唐书逸 张皓 黄超 张长柱
受保护的技术使用者：同济大学
技术研发日：2022.07.01
技术公布日：2022/11/1
