大连大学Wen, Shixi：通信拓扑不确定车辆编队的自适应优化控制
论论资讯 ｜ 2024-04-29 ｜
34热度
IEEE Transactions on Vehicular Technology
Explore content
About the journal
Publish with us
Adaptive Optimal Control for Vehicle Platoons with Uncertain Communication Topology
Wen S.; Guo G.; Zhao Y.; Gao Z.
Published：2024-01-01
DOI：10.1109/tvt.2024.3389682
研究背景
在当今社会，智能车队技术的发展受到广泛关注，但存在一个重要问题：如何在面对未建模车辆动力学、未知外部干扰和不确定的车辆间通信拓扑的情况下实现车队的最优控制？这正是IEEE Transactions on Vehicular Technology上的一项研究所要解决的核心问题。
研究内容
这项研究提出了一种强化学习自适应最优（RLAO）控制方案，用于处理智能车队的问题。通过结合演员-评论家强化学习算法和自适应反步技术，为每个跟随者建立了一个新颖的RLAO控制框架，以稳定跟踪误差并优化控制性能。该控制器不依赖于精确的拓扑矩阵和车辆动力学，只涉及跟踪误差动力学的输入和输出数据来更新控制输入。基于最优控制和动态规划，提出了一个有用的算法来实现RLAO控制器，从而使车队控制系统的所有误差信号最终都保持一致有界。特别地，通过设置适当的参数，跟踪误差可以收敛到零的一个小邻域。此外，车队干扰串稳定性得到了保证。通过基于仿真示例的比较分析，讨论了所提出的RLAO控制器的有效性。
研究意义
这项研究的创新之处在于通过RLAO控制方案解决了智能车队面临的复杂问题，为未来智能交通系统的发展提供了重要参考。通过此研究，我们可以更好地理解智能车队的控制方法，提高车队的稳定性和性能，为未来智能交通系统的安全和效率做出贡献。
学术热榜
查看全部
相关资讯
换一批