基于Laguerre方法的分布式MPC算法，用于曲线道路上连接车辆车队的协同控制

《IEEE Transactions on Consumer Electronics》：Laguerre-Based Distributed MPC for Cooperative Control of Connected Vehicle Platoons on Curved Roads

针对车辆编队在弯曲道路行驶中存在的稳定性、能耗与计算效率挑战，提出改进的分布式模型预测控制方法，结合拉格朗日函数优化控制策略，集成能耗目标函数并约束控制变量偏差，理论验证收敛性，仿真表明在复杂工况下较基线方法提升44.5%稳定性、26.8%能效及9.8%计算效率。

　　

摘要：

车辆编队行驶在提高交通效率和减少能源消耗方面具有显著优势。虽然在直路上实现稳定的跟踪控制相对容易，但在曲路上确保编队稳定性、能源效率和计算效率却面临巨大挑战，因为道路曲率带来了几何约束。为了解决这个问题，本文提出了一种改进的分布式模型预测控制方法，专为曲路上的车辆编队设计。该方法结合了模型预测控制和拉盖尔函数（Laguerre functions），以增强曲路上的编队稳定性，同时减轻计算负担。为了优化能源效率，将车辆的能源消耗纳入目标函数中；此外，目标函数中对控制变量的偏差进行了惩罚，以减少突然的控制动作，从而限制车辆加速度的快速变化，从而提高驾驶舒适性。理论分析进一步证实了所提出控制系统的渐近收敛性。在连续变化的速度和双车道变换场景下进行的仿真结果表明，该方法在跟踪曲路方面非常有效。与基线控制方法相比，所提出的方法在跟踪稳定性、能源效率以及计算时间方面都有显著提升。特别是在PLF（Parallel Link Fabrication）拓扑结构下，跟踪稳定性提高了44.5%，能源效率提高了26.8%，计算成本降低了9.8%，充分证明了其在曲路上的有效性。

引言

车辆编队行驶所带来的效率提升和可持续性直接惠及消费者，如改善出行便利性和生活质量，这与消费电子产品的目标——丰富用户体验是一致的[1]。车辆编队能够提高道路通行能力并缓解交通拥堵。由于其在节能、交通安全和运营效率方面的显著优势，联网车辆编队在智能连接车辆和智能交通系统领域受到了广泛关注[2][3][4]。在联网车辆编队控制系统中，单积分器模型将车辆位置视为状态，速度视为控制输入，提供了一个基本框架[5]。更精细的双积分器模型在[6]中被提出，用于支持编队内的安全控制和轨迹规划。类似地，[7]提出了一种基于三阶线性模型的完全分布式、有限时间协作控制方法。然而，这些简化模型忽略了真实车辆的基本纵向和横向动态特性。为了更好地捕捉车辆行为，研究人员开发了非线性模型。例如，[8][9][10]将发动机、变速器和空气动力阻力等动力总成组件纳入纵向动态模型中。对于在曲路上行驶的编队，[11]采用三自由度车辆模型来考虑横向运动，并设计了分布式模型预测控制（DMPC）策略，以共同管理车辆间的间距和车道保持。