研究了饱和输入下一类多项式系统的数据驱动控制问题.针对一类受噪声影响的未知多项式系统,设计了一种直接基于数据驱动的饱和控制器实现系统镇定,其中系统噪声具体形式未知但存在二次型上界.首先,在随机输入作用下离线采集系统的输入与输出数据.然后,通过采集到的离线数据以及平方和方法确定系统状态反馈控制器增益,引入的饱和约束机制可以对控制输入进行限幅.最后,通过在van der Pol振荡器系统中的数值仿真和电路实验验证了所提出控制策略的有效性.
智能交通系统(Intelligent Transportation System,ITS)为加快建设交通强国、推动交通科技自立自强提供了关键支撑。多车协同控制作为智能交通建设的重要研究内容,系统性地提升了通行效率和行车安全。异构车辆编队面对惯性延迟、驱动/制动能力、阻力特性等动态性能的差异性问题,需要结合系统实测数据实现自适应控制。并且考虑到车载自组织网络(Vehicular Ad Hoc Network,VANET)环境敏感性、高度动态性问题,容易造成通信链路中断、网络拓扑频繁重构,因此需要稳定的控制方案;此外,通信数据传输资源的有效利用驱动了对高效控制策略的需求。随着控制目标从稳定性转向高效性,控制难度与复杂度也随之增加,从而给编队控制带来了新的挑战,具体体现为:(1)异构车辆编队系统中动态性能的差异性加之特性参数的难以准确获取,使得基于模型的方法在安全距离控制方面波动较大,增加了碰撞风险;(2)通信链路中断导致车辆之间无法通过网络进行信息交互,单一协同模式无法满足编队稳定控制需求,并且切换信号约束下采样系统的稳定性及非一致参数下异构编队的队列稳定性有待进一步研究;(3)VANET通信的多径效应及有限通信范围导致编队车辆间拓扑频繁重构,信息传输路径的迅速更迭引起系统瞬态震荡,难以确保系统鲁棒性能;(4)网联车辆节点及多样化通信需求的持续增长使得用于控制数据传输、存储及计算的资源受到限制,而传统定周期采样控制方案的资源占用率较高,高效的数据使能事件触发车辆队列控制策略值得深入探索。围绕上述问题,本文针对通信链路稳定、通信链路中断、网络拓扑重构和通信资源受限下的异构车辆编队数据驱动控制展开研究,分别为:首先,针对异构混驾编队车辆动态特性差异导致的车辆间安全距离难以保障的问题,提出了放宽充分激励判别条件的分布式数据驱动预测控制方法。结合Rouche-Capeli理论放松了学习数据有效性判断的充分条件,建立了高维数据映射至低维子空间的预测模型,确定了有界扰动下连续系统状态与采样时刻状态之间误差的上界,并基于此分析了双前车领航(Two Predecessor-Leader Following,TPLF)拓扑下编队系统的输入-状态稳定,证明了人驾车稳定前提下的自动驾驶车辆的队列稳定性。其次,针对通信链路中断下交互信息无法获取导致的异构车辆编队失稳问题,提出了多模态自适应的数据驱动切换预测控制方法。建立了通信中断下的异构车辆编队切换先验模型,利用Givens变换实现了多模态在线高效递归更新,结合模态平均驻留时间证明了有限切换次数下的系统稳定性,讨论了重置映射下的状态跳变对稳定性分析复杂度的影响,给出了广义异构车辆编队系统队列稳定性的充分条件。再次,针对有限通信范围下拓扑频繁重构导致的异构车辆编队系统自适应性能下降的问题,提出了数据学习动态输出调节鲁棒控制方法。建立了图论描述的编队输出调节模型,构造了有向时变拓扑下领航车状态收敛估计的动态补偿器,设计了融合自适应动态规划与内模原理的策略迭代最优控制律,实现了Sylvester调节方程的非独立求解,确保了拓扑频繁重构下的系统鲁棒性,分析了基于数据学习的Riccati方程解的收敛性及异构编队互联系统的主从一致队列稳定性。最后,针对通信带宽和计算资源受限导致的控制性能与资源利用率难以均衡的问题,提出了高斯过程回归的数据使能事件触发高效控制方法。建立了平方指数核函数下的非线性异构车辆特征表述方式,设计了面向时变数据的在线学习反馈线性化控制律,分析了编队跟驰误差的全局一致最终有界性,设计了确保系统渐近稳定的数据安全遗忘策略和事件触发机制,确定了最小事件触发间隔下界,实现了高效资源利用的异构车辆编队稳定控制。
暂无评论