Distributed Composite Control for Connected Automated Vehicle Platoons: Car- Following Dynamics Based Stability and Robustness Analysis
本文提出了一种用于联网自动驾驶车辆车队的分布式复合控制框架，该框架将基于最优速度的模型与线性补偿器及自适应积分滑模控制器相结合，以同时确保针对不确定车联网通信的串联稳定性以及针对外部扰动的鲁棒性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一条高速公路，上面的汽车不再是孤立的个体，而是像一个紧密结合的整体，如同单一生物般完美同步地移动。这种被称为“车辆编队”（vehicle platoon）的概念，预示着交通运输的变革：它允许车辆以人类驾驶员永远无法实现的极近距离进行行驶。其益处是显而易见的：更多的车辆可以容纳在道路上，空气阻力显著降低以节省燃料，且由于机器的反应速度远快于任何人类反射，事故风险也大幅下降。然而，保持这种数字化车队的稳定是一项艰巨的工程挑战。车辆必须不断相互通信以维持间距，但这些无线连接往往并不可靠，容易出现信号衰减或干扰。此外，现实世界充满了不可预测的扰动，例如突如其来的阵风或路面摩擦力的变化，这些都可能让脆弱的编队陷入混乱。如果控制系统过于僵硬，就无法应对这些意外；如果过于松散，整个群体就会瓦解。
山东高速集团创新研究院与山东大学的研究人员通过为这些自动化车队设计一种全新的控制框架，解决了这一难题。他们的工作填补了当前技术的一个关键空白：现有的大多数系统试图用一种类型的控制器来同时解决稳定性问题和处理扰动的问题。研究人员发现，单一的方法无法同时出色地完成这两项任务。旨在保持交通流平稳有序的控制器，在面对突发颠簸或通信故障时往往会崩溃；相反，旨在抵御扰动的强韧控制器则往往难以维持交通流的组织性，导致行驶过程出现震荡且不安全。为了解决这个问题，团队开发了一个“复合”系统，本质上是为车辆配备了一个能够同时处理这两项任务的双部分“大脑”。
该新系统的第一部分充当稳定器。它基于一种模拟人类驾驶员如何自然反应于前车的模型，但增加了不仅监听紧邻车辆、还能监听前方多辆车的能力。这部分系统确保了如果领头车减速，制动产生的连锁反应会平滑地传导至整条线路，而不会放大成危险的恐慌波。它使整个群体保持在稳定、可预测的节奏中运行。第二部分是一个专门设计的“守护者”，旨在对抗现实世界的混乱。它使用一种对误差高度敏感但能动态调整强度的算法。当扰动发生时，这个守护者会立即介入以修正车辆的路径。至关重要的是，研究人员将这个守护者设计为“自适应”的，这意味着在情况平稳时，它会减弱自身的修正力度，以避免产生一种被称为“抖振”（chattering）的剧烈震动，这种震动会磨损机械部件并让乘客感到不适。
为了证明其构想的可行性，研究人员并未仅仅依赖计算机模型。他们利用配备了传感器和通信设备的五辆小型智能机器人车辆，搭建了一个物理实验平台。他们让这些机器人经历了模拟现实世界麻烦的严苛测试。在一种情景中，领头机器人突然停止并随后再次加速，这种动作通常会导致跟随车辆发生追尾或过度制动。在另一种测试中，他们故意切断了机器人之间的通信链路，以模拟网络故障。在每种情况下，受新复合系统控制的车辆都以惊人的精度保持了它们的编队。即使在领头车辆行为突然改变或无线连接丢失时，机器人之间的间距依然保持稳定，速度也完全匹配。
结果表明，该双部分系统在各个类别中都优于传统方法。如果没有这种新控制器，机器人车队会发生剧烈震荡，车辆间的间距会危险地扩大和缩小。有了新系统，机器人就像一个凝聚的整体一样移动，能够吸收突发停车和信号中断带来的冲击，而不丢失队形。研究人员通过数学证明和物理实验共同证实，他们的方法成功平衡了对平稳、稳定的交通流的需求，以及对道路不可预测性质的强韧防御需求。通过将交通的自然流动与鲁棒的防御机制相结合，这项工作为实现更安全、更高效的自动化高速公路提供了一条切实可行的路径，使车辆能够在无需担心队形瓦解的情况下进行近距离编队行驶。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。