基于键图模型方法在交通流建模中的应用：将交通状况转化为键图模型变量——以保加利亚索菲亚市三个交叉口区域为案例研究

《Vehicles》：Contribution in Modeling of Traffic Flow, Using Bond Graph Model Approach: Translating Traffic into Bond Graph Model Variables—Case Study of the Area of Three Crossroads for the City of Sofia, Bulgaria

　　

摘要

随着电驱动技术的进步，电动履带车辆已成为高机动性地面车辆的一种有前景的解决方案。然而，在高速转向条件下，等效电机负载惯性会发生显著变化，这会给电动履带车辆带来强烈的非线性和时变特性，可能导致侧向不稳定甚至翻车。为解决这一问题，本文提出了一种基于改进的深度Koopman算子模型预测控制方法。首先，设计一种高阶滑模观测器来估计与时变等效电机负载惯性相关的集中式负载扰动。然后，将这些估计出的扰动作为附加状态引入DK算子中，构建一个数据驱动的改进模型。该模型能够将非线性动力学转化为附加状态空间中的线性时不变形式，同时保留主要的非线性特征。基于ADK模型，进一步开发出ADK-MPC控制器，将非线性优化问题转化为二次规划问题，从而提高转向稳定性并降低计算复杂度。在转向条件下的仿真结果表明，该方法相比传统非线性MPC具有更好的横摆角速度跟踪性能和更低的计算成本。横摆角速度跟踪误差降低了45.5%，平均求解时间则缩短了11.7%。