基于DMPC-CBF的加性噪声信道下鲁棒车辆队列控制研究

《Journal of Information and Intelligence》：Robust vehicle platoon control based on DMPC-CBF over additive noise channels

本文针对车联网中无线通信噪声干扰导致协同自适应巡航控制(CACC)性能下降的问题，提出了一种基于分布式模型预测控制(DMPC)与控制屏障函数(CBF)融合的安全控制机制。研究通过构建参数化CBF安全集约束噪声影响，结合DMPC优化算法实现车辆间距精准调控。仿真结果表明，该方法在随机干扰下能有效保证车辆队列的稳定性和安全性，为智能交通系统鲁棒控制提供了新思路。

　　

在智能交通系统快速发展的今天，车辆编队行驶技术正成为解决道路拥堵、提升通行效率的关键突破口。通过无线通信网络协调多辆自动驾驶车辆组成的队列，能够显著提高道路容量、降低能耗并增强行驶安全性。然而，理想很丰满现实很骨感——当车辆之间通过无线信道交换速度、位置等关键数据时，通信噪声就像不请自来的“搅局者”，导致传输信息失真，严重影响着名为协同自适应巡航控制(CACC)的核心系统性能。这种噪声干扰不仅会引发车辆间距控制误差，更可能像多米诺骨牌一样在队列中传播放大，最终威胁整个车队的安全稳定。面对这一棘手挑战，西安电子科技大学网络工程学院的研究团队在《Journal of Information and Intelligence》上发表了一项创新研究，提出了一种融合分布式模型预测控制(DMPC)与控制屏障函数(CBF)的智能控制方案，为噪声环境下的车辆队列安全行驶提供了全新解决方案。

研究团队采用了分布式模型预测控制(DMPC)框架结合参数化控制屏障函数(Parametric-CBF)的安全约束设计，并运用JAYA优化算法求解复杂约束下的控制问题。通过构建包含通信噪声的车辆运动模型，建立了考虑加性噪声影响的系统状态方程。在V2V通信模型中，详细考虑了多径非视距传输、多普勒频移、数据包重传机制等因素对通信质量的综合影响。

4.1 运动模型

研究建立了包含N辆异构车辆的队列模型，采用自行车模型描述车辆横向运动，基于固定时间车头间距策略定义期望间距。通过状态方程(20a)(20b)精确描述车辆位置、速度、加速度等关键参数间的动态关系，其中系统矩阵A、B、C分别表征系统动力学、控制输入和干扰的影响。

4.2 通信模型

针对V2V通信链路，研究建立了包含感知噪声和通信噪声的复合噪声模型(10)(11)。通过分析瑞利分布下的信噪比(SNR)与误码率(BER)关系，推导出数据包成功传输概率公式(14)和平均端到端时延计算公式(15)。最终建立的接收速度信息模型(16)为控制算法提供了真实的环境输入。

5.1 信号噪声下的控制屏障函数

研究创新性地设计了适用于四种典型驾驶场景的参数化CBF：跟驰模式(Case1)基于跟车距离D_fol构建安全约束(24)；紧急制动模式(Case2)考虑制动反应时间，建立安全距离公式(25)和CBF约束(26)；安全汇入模式(Case3)针对匝道车辆汇入场景，设计多距离参数融合的CBF(28)；车道变换模式(Case4)建立加速-减速复合安全距离模型(29)和相应CBF(30)。同时，研究还考虑了雨天路滑等复杂天气条件对路面摩擦系数的影响(32)-(34)，通过修正加速度约束增强系统实用性。

5.2 噪声信道下的CACC优化问题

研究构建了多目标优化函数(48)，在传统跟踪性能指标基础上，创新性地引入通信成本惩罚项和时延影响系数χ。通过约束条件(21a)-(21c)确保车辆速度、加速度和控制输入始终处于物理可行范围内，结合CBF安全约束(31)形成完整的优化问题框架。

5.3 提出的问题解决方案

研究采用JAYA算法求解DMPC优化问题，通过算法1和2详细描述了种群初始化、适应度评估、个体更新等关键步骤。理论分析表明算法计算复杂度为O(S×T×M×E×(m+1))，在车辆邻域规模下具有实时计算可行性。稳定性证明部分通过离散时间传递函数分析，推导出字符串稳定性充分条件(59)(60)，确保扰动沿队列传播时不会放大。

通过两种典型场景的仿真验证，研究团队充分证明了所提方法的优越性。在场景1的突然换道和匝道汇入测试中，相比传统分布式共识控制方法，DMPC-CBF机制使车辆间距波动减少约40%，加速度振荡幅度降低60%，且扰动在队列中的传播距离缩短明显。场景2的持续变速行驶测试进一步表明，即使在有界噪声干扰下，车辆仍能保持稳定的队列形态，速度跟踪误差控制在0.5m/s以内。特别值得关注的是，在雨天低摩擦系数条件下(μ=0.3-0.5)，该机制通过自适应调整安全约束，成功避免了多起潜在碰撞风险。

这项研究的重要意义在于首次将参数化CBF与DMPC框架系统性地应用于解决车联网通信噪声问题，建立了从理论分析到工程实现的完整技术路线。所提出的安全控制机制不仅能够有效抑制噪声干扰对车辆队列稳定性的影响，更通过多场景自适应约束设计展现了强大的工程适用性。随着5G-V2X技术的普及和自动驾驶商业化进程的加速，这种融合通信感知与控制优化的创新方法，为构建安全、高效、可靠的智能交通系统提供了重要技术支撑，预示着车路协同技术向着更高水平的鲁棒性和智能化迈进的关键一步。