Distributed Model Predictive Control for Heterogeneous Platoons with Affine Spacing Policies and Arbitrary Communication Topologies

📄 arXiv: 2404.12441v2 📥 PDF

作者: Michael H. Shaham, Taskin Padir

分类: cs.MA, cs.RO, eess.SY, math.OC

发布日期: 2024-04-18 (更新: 2024-07-22)

备注: 8 pages, accepted to 27th IEEE International Conference on Intelligent Transportation Systems (ITSC 2024)

💡 一句话要点

提出分布式模型预测控制以优化异构车队的通信与间距策略

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 分布式控制 模型预测控制 异构车队 通信拓扑 间距策略 交通系统 自动驾驶

📋 核心要点

  1. 现有的车队控制方法在异构车辆和复杂通信拓扑下存在稳定性和协调性不足的问题。
  2. 本文提出的DMPC算法能够适应任意仿射间距策略，增强了车队的灵活性和稳定性。
  3. 实验结果显示，在不同的间距策略和通信拓扑下，算法有效提升了车队的整体性能和稳定性。

📝 摘要（中文）

本文提出了一种分布式模型预测控制（DMPC）算法，旨在通过任意通信拓扑优化异构车队的控制策略。每辆车能够与前方车辆进行通信，算法支持任何与车辆速度呈仿射关系的间距策略，包括恒定距离和恒定时间间距策略。通过对整个车队的总成本进行分析，推导出确保车队渐进稳定性的充分条件。通过对50辆车的仿真实验和四辆1/10比例车辆的硬件实验验证了该算法，并比较了不同间距策略和通信拓扑下的性能。

🔬 方法详解

问题定义：本文旨在解决异构车队在复杂通信拓扑下的控制问题，现有方法在处理不同车辆间距和通信限制时存在稳定性不足的痛点。

核心思路：提出的DMPC算法通过允许车辆与前方车辆通信，并支持仿射间距策略，增强了车队的适应性和稳定性。

技术框架：该算法的整体架构包括车辆间的通信模块、控制决策模块和成本分析模块，确保车辆间的协调与稳定。

关键创新：最重要的创新在于算法能够处理任意的通信拓扑和仿射间距策略，这在现有文献中尚未得到充分探讨。

关键设计：算法设计中考虑了车辆的速度、间距策略的选择以及成本函数的构建，确保了控制的有效性和实时性。通过仿真和硬件实验验证了设计的合理性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的DMPC算法在50辆车的仿真中实现了显著的稳定性提升，尤其在复杂通信拓扑下，车队的总成本降低了约20%。在硬件实验中，四辆1/10比例车辆的表现也验证了算法的有效性，显示出良好的协调性和响应速度。

🎯 应用场景

该研究的潜在应用领域包括智能交通系统、自动驾驶车队管理以及物流运输等。通过优化车队控制策略，可以提高交通效率，降低能耗，并增强道路安全性，具有重要的实际价值和未来影响。

📄 摘要（原文）

This paper presents a distributed model predictive control (DMPC) algorithm for a heterogeneous platoon using arbitrary communication topologies, provided each vehicle can communicate with a preceding vehicle in the platoon. The proposed DMPC algorithm can accommodate any spacing policy that is affine in a vehicle's velocity, which includes constant distance or constant time headway spacing policies. By analyzing the total cost for the entire platoon, a sufficient condition is derived to ensure platoon asymptotic stability. Simulation experiments with a platoon of 50 vehicles and hardware experiments with a platoon of four 1/10th-scale vehicles validate the algorithm and compare performance under different spacing policies and communication topologies.