本發(fā)明涉及車輛隊列控制，尤其涉及一種異構(gòu)多車隊列模糊自適應(yīng)優(yōu)化控制系統(tǒng)。

背景技術(shù)：

1、汽車作為智能交通系統(tǒng)的重要載體，為社會的發(fā)展和人類生活生產(chǎn)帶來了巨大的便利。然而，隨著交通運輸業(yè)的快速發(fā)展，面臨一系列嚴(yán)峻的社會問題，如交通事故、能源危機和環(huán)境污染等問題。而智能交通系統(tǒng)作為解決城市交通嚴(yán)峻問題行之有效的手段，受到了國內(nèi)外學(xué)者的廣泛關(guān)注。而智能車輛的隊列控制作為建設(shè)智能交通系統(tǒng)的關(guān)鍵環(huán)節(jié)，已成為智能交通系統(tǒng)建設(shè)的研究重點。然而，由于受到空氣阻力、顛簸路面等因素，車輛隊列行駛過程中將造成巨大的能源消耗。因此，為了減小多車隊列在長距離行駛過程中的能源消耗，并給出最小能耗下的車輛隊列期望車間距，從而實現(xiàn)低能耗、綠色安全行駛引起了廣泛關(guān)注。

2、在多車隊列行駛過程中，需要多車在水平路面上保持恒定車間距行使。目前，針對多車隊列系統(tǒng)的控制研究已取得了很多成果，但現(xiàn)有技術(shù)仍然存在如下幾方面問題：

3、第一，在現(xiàn)有的多車隊列系統(tǒng)控制系統(tǒng)研究中，所考慮的車輛大多為同品牌、同質(zhì)量車。如果不同類型車輛動力配置相差懸殊，且在陡坡和顛簸路面行駛時容易導(dǎo)致動力較低，從而影響隊列整體行駛效率，導(dǎo)致能源消耗過大。因此，從實際角度來看，很難做到多車隊列中各車配置相同，且運載貨物重量和類型相同。

4、第二，在現(xiàn)有的異構(gòu)多車隊列系統(tǒng)控制系統(tǒng)中，大多未考慮控制系統(tǒng)存在未知非線性動態(tài)和外部擾動的情形。然而在實際行駛過程中，車輛隊列往往受到風(fēng)阻和不平整路面等因素的影響，導(dǎo)致其存在高度非線性性、不確定性和外部擾動等綜合特征，現(xiàn)有的隊列控制系統(tǒng)不能有效解決含有未知非線性動態(tài)的三階異構(gòu)多車隊列模塊的控制設(shè)計問題。

5、第三，在現(xiàn)有的異構(gòu)多車隊列系統(tǒng)控制系統(tǒng)中，只能確保車輛隊列系統(tǒng)的單車穩(wěn)定性和隊列穩(wěn)定性，而不能確保車輛間距誤差收斂到指定的性能邊界內(nèi)，同時無法保證車輛隊列能量消耗的最小化。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種異構(gòu)多車隊列模糊自適應(yīng)優(yōu)化控制系統(tǒng)，以克服上述技術(shù)問題。

2、為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：

3、一種異構(gòu)多車隊列模糊自適應(yīng)優(yōu)化控制系統(tǒng)，包括三階異構(gòu)多車隊列模塊、模糊邏輯系統(tǒng)模塊、耦合滑模面模塊、最優(yōu)隊列控制器模塊以及評判-執(zhí)行網(wǎng)絡(luò)更新律及自適應(yīng)律模塊；

4、所述三階異構(gòu)多車隊列模塊，用于根據(jù)車輛領(lǐng)導(dǎo)車運動學(xué)模型與車輛跟隨車運動學(xué)模型進(jìn)行異構(gòu)車輛編隊，以獲取異構(gòu)車輛編隊信息并分別傳輸至模糊邏輯系統(tǒng)模塊、耦合滑模面模塊以及評判-執(zhí)行網(wǎng)絡(luò)更新律及自適應(yīng)律模塊；

5、且所述異構(gòu)車輛編隊信息包括領(lǐng)導(dǎo)車位置、領(lǐng)導(dǎo)車速度、領(lǐng)導(dǎo)車加速度、跟隨車實時位置、跟隨車實時速度以及跟隨車實時加速度；

6、所述耦合滑模面模塊，用于根據(jù)異構(gòu)車輛編隊信息獲取異構(gòu)車輛編隊的二次間距誤差，并根據(jù)所述二次間距誤差構(gòu)建用于確保車輛隊列的串穩(wěn)定性的耦合滑模面，并將所述耦合滑模面分別傳輸至模糊邏輯系統(tǒng)模塊、最優(yōu)隊列控制器模塊以及評判-執(zhí)行網(wǎng)絡(luò)更新律及自適應(yīng)律模塊；

7、所述模糊邏輯系統(tǒng)模塊，用于對異構(gòu)車輛編隊中的跟隨車運動模型中的非線性動態(tài)項進(jìn)行辨識處理與根據(jù)耦合滑模面對構(gòu)建的構(gòu)建的最優(yōu)代價函數(shù)的偏導(dǎo)進(jìn)行辨識處理，并將其輸出分別發(fā)送至最優(yōu)隊列控制器模塊與評判-執(zhí)行網(wǎng)絡(luò)更新律及自適應(yīng)律模塊；

8、所述評判-執(zhí)行網(wǎng)絡(luò)更新律及自適應(yīng)律模塊，用于模糊邏輯系統(tǒng)模塊的輸出與耦合滑模面構(gòu)建評判-執(zhí)行網(wǎng)絡(luò)的參數(shù)更新律與參數(shù)自適應(yīng)律，并將其發(fā)送至最優(yōu)隊列控制器模塊；

9、所述最優(yōu)隊列控制器模塊，用于根據(jù)評判-執(zhí)行網(wǎng)絡(luò)的參數(shù)更新律與參數(shù)自適應(yīng)律、耦合滑模面以及模糊邏輯系統(tǒng)模塊的輸出，構(gòu)建異構(gòu)車輛編隊的最優(yōu)隊列控制器。

10、進(jìn)一步的，所述車輛跟隨車運動學(xué)模型的表達(dá)式為

11、

12、式中：mi表示第i輛車的質(zhì)量；si,vi,ai分別表示第i輛車的位移、速度以及加速度；fi(ai,vi)表示未知動態(tài)，且gi表示中間變量且di表示未知外部擾動，表示復(fù)合擾動且

13、表示空氣阻力系數(shù)；表示橫切面積；表示空氣密度；

14、表示發(fā)動機的實際驅(qū)動力或制動力；ηi表示車輛機械效率；ξi表示路面坡度系數(shù)且表示滾動阻力且δi表示路面坡度；g表示重力加速度；表示滾動阻力系數(shù)；表示重力，且

15、ri表示車輛輪胎半徑；ui表示節(jié)氣門或制動控制扭矩輸入；τi表示動力學(xué)特性時間常數(shù)；

16、所述車輛領(lǐng)導(dǎo)車運動學(xué)模型的表達(dá)式為

17、

18、式中：s0,v0,a0分別表示領(lǐng)航車的位移、速度以及加速度。

19、進(jìn)一步的，所述耦合滑模面模塊根據(jù)異構(gòu)車輛編隊信息獲取異構(gòu)車輛編隊的二次間距誤差，并根據(jù)所述二次間距誤差構(gòu)建用于確保車輛隊列的串穩(wěn)定性的耦合滑模面，具體包括以下步驟：

20、根據(jù)異構(gòu)車輛編隊信息獲取異構(gòu)車輛編隊的二次間距誤差，其表達(dá)式為

21、

22、式中：表示車輛長度；μ表示安全系數(shù)；si(i＝1,2,…,n)表示第i輛車的位移；γ表示用于補償車輛隊列中加速和制動所導(dǎo)致的延遲；λ表示異構(gòu)車輛編隊的最小安全距離；表示異構(gòu)車輛編隊的最大可行加速度的絕對值；

23、根據(jù)所述二次間距誤差定義用于確保二次間距誤差收斂到指定的性能邊界內(nèi)的誤差轉(zhuǎn)換的連續(xù)函數(shù)ξi(t)，其表達(dá)式為

24、

25、式中：ρi(t)表示性能函數(shù)，且滿足ρi0,ρi∞,ai表示設(shè)計參數(shù)且ρi0＞ρi∞＞0，ai＞0；對于連續(xù)函數(shù)ξi(t)與初始條件ξi(0)∈[0,1)，能夠得到對于0≤ξi＜1，當(dāng)時，可得|zi(t)|＜ρi(t)；

26、根據(jù)所述連續(xù)函數(shù)ξi(t)定義滑模變量si(t)，其表達(dá)式為

27、

28、式中：λi為設(shè)計參數(shù)；

29、根據(jù)所述滑模變量si(t)構(gòu)建用于確保車輛隊列的串穩(wěn)定性的耦合滑模面，其表達(dá)式為

30、

31、式中：q為常數(shù)，且q＞0；si+1(t)表示第i+1輛車的滑模變量。

32、進(jìn)一步的，所述模糊邏輯系統(tǒng)模塊根據(jù)耦合滑模面對異構(gòu)車輛編隊中的跟隨車運動模型中的非線性動態(tài)項進(jìn)行辨識的方法，具體包括以下步驟

33、通過模糊邏輯系統(tǒng)模塊對異構(gòu)車輛編隊中的跟隨車運動模型中的非線性動態(tài)項fi(vi,ai)進(jìn)行辨識處理，以獲取辨識處理后的模糊基函數(shù)與辨識處理后的未知參數(shù)權(quán)重

34、且對異構(gòu)車輛編隊中的跟隨車運動模型中的非線性動態(tài)項fi(vi,ai)進(jìn)行辨識處理的表達(dá)式為

35、

36、式中：表示用于非線性動態(tài)項fi(vi,ai)辨識處理的模糊基函數(shù)；表示用于非線性動態(tài)項fi(vi,ai)辨識處理的未知參數(shù)權(quán)重；∈fi(zi)表示逼近誤差，且滿足表示常數(shù)；

37、根據(jù)耦合滑模面定義障礙型代價函數(shù)，其表達(dá)式為

38、

39、式中：表示中間變量，且，ζi表示常數(shù)，且ζi＞0；ui(πi)表示控制律；表示ui(πi)的轉(zhuǎn)置；

40、根據(jù)所述障礙型代價函數(shù)構(gòu)建最優(yōu)代價函數(shù)，其表達(dá)式為

41、

42、式中：ψ(ωi)表示容許控制集；ωi表示緊集；表示最優(yōu)控制律；

43、基于bellman優(yōu)化準(zhǔn)則，根據(jù)最優(yōu)代價函數(shù)設(shè)計hjb方程為

44、

45、式中：表示最優(yōu)代價函數(shù)的偏導(dǎo)；δi表示中間變量，且表示哈密頓函數(shù)；

46、求解能夠得到最優(yōu)控制律，其表達(dá)式為

47、

48、由于是未知的，采用模糊邏輯系統(tǒng)模塊對最優(yōu)代價函數(shù)的偏導(dǎo)進(jìn)行辨識處理，以獲取辨識處理后的模糊基函數(shù)

49、且對最優(yōu)代價函數(shù)的偏導(dǎo)進(jìn)行辨識處理的表達(dá)式為

50、

51、式中：表示采用模糊邏輯系統(tǒng)模塊對的處理結(jié)果；表示用于對最優(yōu)代價函數(shù)的偏導(dǎo)進(jìn)行辨識處理的模糊基函數(shù)；表示未知權(quán)重；∈i(πi)表示逼近誤差，且滿足表示常數(shù)；πi表示πi(t)的簡寫形式。

52、進(jìn)一步的，構(gòu)建的所述評判-執(zhí)行網(wǎng)絡(luò)的參數(shù)更新律與參數(shù)自適應(yīng)律；

53、所述評判-執(zhí)行網(wǎng)絡(luò)的參數(shù)更新律的表達(dá)式為

54、

55、

56、所述評判-執(zhí)行網(wǎng)絡(luò)的參數(shù)自適應(yīng)律的表達(dá)式為

57、

58、式中：表示的估計；表示評判網(wǎng)絡(luò)參數(shù)，表示執(zhí)行網(wǎng)絡(luò)參數(shù)，且為的估計；表示常數(shù)；im表示單位矩陣；γci,γai表示評判-執(zhí)行網(wǎng)絡(luò)更新率且γci＞0,γai＞0；γfi,σfi表示設(shè)計參數(shù)，且γfi＞0,σfi＞0；表示中間變量，且

59、進(jìn)一步的，構(gòu)建的所述異構(gòu)車輛編隊的最優(yōu)隊列控制器，其表達(dá)式為

60、

61、式中：表示中間變量，

62、且表示設(shè)計參數(shù)，且；δ10表示常數(shù)。

63、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

64、第一，通過充分考慮的外部擾動、高度非線性以及強不確定性等綜合特征對異構(gòu)多車隊列系統(tǒng)的影響，采用模糊邏輯系統(tǒng)模塊對異構(gòu)車輛編隊隊列系統(tǒng)中的非線性動態(tài)進(jìn)行辨識，具有良好的魯棒性；

65、第二，通過定義二次間距誤差，并設(shè)計了性能轉(zhuǎn)換方程，通過性能轉(zhuǎn)換方程將間距誤差進(jìn)行了等價變換并構(gòu)造了耦合滑模面，確保了車輛隊列間距誤差收斂到指定的性能邊界內(nèi)，保證車輛隊列能量消耗的最小化；

66、第三，通過評判-執(zhí)行網(wǎng)絡(luò)更新律及自適應(yīng)律模塊構(gòu)建評判-執(zhí)行網(wǎng)絡(luò)的參數(shù)更新律與參數(shù)自適應(yīng)律，并結(jié)合最優(yōu)隊列控制器模塊實現(xiàn)對異構(gòu)車輛編隊的模糊自適應(yīng)優(yōu)化隊列控制器的設(shè)計，從而在確保隊列穩(wěn)定性的同時，有效實現(xiàn)了異構(gòu)多車隊列能量消耗的最小化。