欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025105243582
申请人: 长沙理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,包括以下步骤:建立考虑前车速度和自车速度差距的车间间隙策略,采用所述车间间隙策略构建车辆队列的MPC框架,并将车间最小安全距离加入MPC框架的约束条件;

训练深度确定性策略梯度算法模型,包括:

实时获得当前车辆与前车间隙误差,当前与前车速度差,当前加速度以及当前速度,并更新状态空间中对应参数的值,得到当前车辆的当前时刻状态,将当前时刻状态输入Actor网络,得到当前时刻最佳动作,当前时刻最佳动作表达式如下:其中,为MPC框架的间隙误差权重系数,为车间间隙策略的模型参数;

将当前时刻最佳动作通过Critic网络后,输出当前时刻奖励reward,当前时刻reward具体表示如下:其中,表示奖励的权重系数,为间隙误差偏差奖励项,为相对速度偏差奖励项,为稳态奖励项,表达式为:其中,表示间隙误差,表示间隙误差的绝对值,表示与前车相对速度的绝对值;

使用训练好的深度确定性策略梯度算法模型对MPC框架中的参数进行实时调节得到每个状态下的最佳参数组合,然后将最佳参数组合代入MPC框架中计算得到每个时刻的最佳控制序列,最后根据每个控制周期的最佳控制序列中的指定控制量对车辆队列中的车辆进行纵向控制。

2.根据权利要求1所述的基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,考虑前车速度和自车速度差距的车间间隙策略的计算公式如下:其中,表示车辆队列中前车的期望间隙,和分别表示车辆队列中车辆n和车辆n-1的速度,为期望时间间隔,表示最小安全间距,是最小间距修正项,是模型参数,表示与前车的速度差。

3.根据权利要求1所述的基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,采用所述车间间隙策略构建车辆队列的MPC框架时,具体包括以下步骤:针对车辆队列中的每辆车,分别考虑每辆车的前车速度变化建立对应的单车车辆纵向动力模型;

将MPC框架对应的模型期望间隙替换为所述车间间隙策略;

将舒适性、效率以及控制输入同时作为优化控制目标,构建考虑前车速度变化的车辆纵向动力学模型的目标函数和约束条件,作为MPC框架的目标函数和约束条件。

4.根据权利要求3所述的基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,单车车辆纵向动力模型的表达式如下:其中,X为系统状态变量,U为系统控制输入,d为系统扰动,为系统输入,A、 B1、B2均为状态空间方程系数矩阵,为车辆前车的加速度,分别为车辆队列中车辆n与前车实际间距和期望间距的差值,车辆n与前车的相对速度,车辆n自身的加速度,车辆n自身的速度,为车辆n的发动机时间常数,为期望时间间隔。

5.根据权利要求3所述的基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,将舒适性、效率以及控制输入同时作为优化控制目标,构建考虑前车速度变化的车辆纵向动力学模型的目标函数和约束条件时,包括构建目标函数的步骤,具体包括:将单车车辆纵向动力模型使用向前欧拉法进行离散化,表达式如下:

式中:

表示系统在时刻的状态,为系统的采样时间,为控制输入,为干扰输入,为模型参数;

建立目标函数,表达式如下:

其中,代表时刻下时刻的状态预测值,代表时刻下时刻的状态参考值,代表时刻的控制输入,是间距误差、相对车辆速度、加速度和加速度的求导的权重系数矩阵,是控制变量的权重系数,是预测时间域,是控制时间域。

6.根据权利要求5所述的基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,将舒适性、效率以及控制输入同时作为优化控制目标,构建考虑前车速度变化的车辆纵向动力学模型的目标函数和约束条件时,包括构建约束条件的步骤,包括:引入松弛因子来软约束不同状态变量,具体约束关系如下:

其中,表示5×5的单位矩阵,表示模型松弛变量,指的是由松弛变量组成的对角矩阵,表示约束下界、表示约束上界、表示松弛变量下界、表示松弛变量上界,,,,,分别代表间隙误差、相对速度、加速度、速度以及控制输入的最小值,,,,,分别代表间隙误差、相对速度、加速度、速度以及控制输入的最大值,是松弛因子,和是系统约束上限和下限的松弛因子。

7.根据权利要求1所述的基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,将车间最小安全距离加入MPC框架的约束条件时,具体是将最大停车距离作为车间最小安全距离,将车间最小安全距离作为约束条件中的车辆安全约束,最大停车距离表达式如下所示:其中,是车辆刹车指令延迟时间,是车辆最大减速度,是设定的最小跟车间隙,表示车辆n的速度,表示车辆n-1的速度。

8.根据权利要求1所述的基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,使用训练好的深度确定性策略梯度算法模型对MPC框架中的参数进行实时调节时,具体是在每个时刻获取车辆自身状态state,将车辆自身状态state输入Actor网络,得到车辆自身状态下使通过Critic网络计算的奖励函数reward最大化的动作,将所述动作包含的MPC框架的间隙误差权重系数以及车间间隙策略的模型参数作为车辆自身状态下的最佳参数组合。

9.根据权利要求1所述的基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法,其特征在于,每个控制周期的控制序列中的指定控制量具体是指控制序列中的第一个控制量。