导读:本文包含了自主协同控制论文开题报告文献综述及选题提纲参考文献，主要关键词:自主驾驶车队,协同控制技术,零阶保持,通信延迟误差补偿
自主协同控制论文文献综述
朱政泽,周海鹰,付勇智,周奎,王思山[1]（2019）在《基于延迟补偿的网联式自主驾驶车辆协同控制》一文中研究指出针对智能交通领域多车协同驾驶中存在的通信信息乱序、丢包问题,研究网联式自主驾驶车辆协同控制技术,建立基于零阶保持(Zero Order Hold,ZOH)信息处理机制的自主驾驶车队控制模型,通过非线性系统状态估计算法进行延迟补偿,使得车队控制模型在复杂汽车行驶环境下保持有效。通过构建由多辆实车组成的网联式自主驾驶车队,在封闭道路环境下进行协同驾驶编队测试,结合网络传输及传感器数据进行模型仿真,验证了模型在实车编队环境下的稳定性、有效性和实用性。(本文来源于《系统仿真学报》期刊2019年07期）
刘富春,贺云,陈奕峰[2]（2019）在《时延MPC自主车辆协同控制算法与仿真》一文中研究指出协同自适应巡航控制(CACC)系统中车辆纵向运动的上下位分层控制器结构,上位控制器采用状态空间模型预测控制算法,利用期望距离以及车辆与环境的实时信息决策出被控车辆运动的期望加速度。下位控制器根据期望加速度,求解发动机节气门开度或制动压力。车辆的执行器时延会对系统的稳定性产生很大的影响。根据动态矩阵控制算法对纯滞后对象的补偿作用,提出一种改进的模型预测控制算法,并与PID控制算法(下位控制器)相结合形成自主车辆纵向运动的上下位分层控制器,以补偿车辆的执行器时延带来的影响。通过SIMULINK/CARSIM联合仿真平台对所设计的算法进行了仿真研究,仿真结果表明所设计算法减小了CACC系统车辆在跟随过程中的速度跟踪误差以及间距误差,提高了系统的稳定性法。(本文来源于《计算机工程与应用》期刊2019年23期）
贾海琴[3]（2018）在《多无人平台自主协同 续写中国军事技术新篇章——记北京理工大学自动化学院复杂系统智能控制与决策国家重点实验室副教授辛斌》一文中研究指出因有效降低战斗中伤亡人数、寿命期内维护成本低和隐身效果好等优点,无人作战平台被称为军事力量倍增器,具有重大军事价值。它大大增强作战能力和战场指挥官的应变能力,将对未来的军事作战产生深远的乃至革命性的影响。在当前各国国防科技领域的研究中,无人作战平台已经成为该领域的核心热点。(本文来源于《海峡科技与产业》期刊2018年Z1期）
李强,陆浩然,陈海鹏[4]（2018）在《低成本集群自主协同与控制问题研究》一文中研究指出随着集群技术的发展,未来军事任务中精确打击将由单一作战向协同攻击的模式扩展,而集群打击中的低成本实现是一项重要的关键技术。对国外集群协同控制的低成本实现研究进行了调研,结合成熟货架产品开展了低成本集群的体系架构设计,针对集群协同与控制中延迟与精度两项性能参数进行了因子实验与统计,最后分析了未来作战中集群打击的应用模式。(本文来源于《宇航总体技术》期刊2018年06期）
高振宇,郭戈[5]（2018）在《多自主水面航行器协同编队控制研究现状与进展》一文中研究指出自主水面航行器(autonomous surface vehicle,ASV)的协同编队是协同领域中重点研究方向,协同编队的发展对人类社会具有重要意义.本文针对多ASV协同编队,对该领域相关问题的研究进展进行了综述,包括:1)论述了多ASV协同编队研究现状,包括协同编队定义、难点及讨论; 2)分析了多ASV协同编队主要策略及相关研究进展,包括协同跟随策略、领航与跟随策略; 3)对协同编队网络下的干扰约束及解决方法的研究进展进行了综述,包括洋流干扰及通信约束; 4)从最优角度出发,对编队中路径规划问题进行了总结分析; 5)从安全角度出发,分析了编队中避碰问题的研究进展; 6)陈述了多ASV协同编队存在的问题,并给出了未来研究方向.(本文来源于《信息与控制》期刊2018年05期）
朱政泽[6]（2018）在《基于群智能的网联式自主驾驶多车协同控制技术应用研究》一文中研究指出现代社会,人类对日常生活的智能化决策依赖程度越来越高,在交通控制领域,随着无线通信技术的快速发展,融合了“智能化”和“网联化”技术的网联式自主驾驶车辆“驶入”人们的视野。在此背景下,多车协同控制技术作为网联式自主驾驶车辆的核心技术,可以有效解决交通拥堵问题,受到了大批学者的关注。本文以网联式自主驾驶车辆为研究对象,借助群智能理论研究多车协同控制技术,并在不同测试环境下进行多车协同控制策略的实车应用研究。首先,本文以编队为主要应用场景,研究网联式自主驾驶多车协同控制技术,设计了网联式编队模型及其通信架构,模型利用中心服务单元(CSU)、路侧单元(RSU)进行无线通信,车载单元(OBU)加装感知设备进行环境感知;自主驾驶车辆在此通信架构下形成了一种“分解型”的分层控制结构。以此为基础,建立自主驾驶多车协同线性控制模型,进行稳定性分析。设计了多车队形保持、多车队形切换、编队避障、自适应4种编队应用场景;并讨论了场景中编队车间距控制、有限状态机(FSM)建模、纵横向耦合控制、构建环境态势场等车队模型控制问题。为提高4种编队应用场景下网联式自主驾驶车辆多车协同控制技术的鲁棒性和灵活性,本文研究了群智能(Swarm Intelligent,SI)理论,抽象出多智能体汽车系统(Multi Intelligent Vehicle System,MIVS)。受到自然界“自组织协同机制”的启发,在多智能体汽车系统(MIVS)上应用“蜂拥控制”算法,对自主驾驶多车协同线性控制模型进行优化,提出了多智能体汽车系统(MIVS)协同控制策略(多车队形保持策略、多车队形切换策略、编队避障策略、自适应策略)。具体的工作包括:借助面积势函数,构造了摄动力,解决编队一维队列跟驰问题;应用有限状态机(FSM)模型,实现协作式换道场景;变道时加入渐变虚拟引导车,提高编队横向控制的舒适性和稳定性;在动态、静态障碍物边缘创造虚拟智能体,使自主驾驶车辆具备局部路径规划能力。为验证基于群智能的多车协同控制算法的有效性,本文首先进行计算机仿真。结合车辆运动学及动力学特征,构造了Simulink-CarSim联合仿真模型,实现了基于群智能的多车协同控制算法,并模拟本文设计的4种编队应用场景,仿真结果表明该算法有效。最后在应用研究层面,利用无线蜂窝网络(LTE-V/5G)技术及东风AX7自主驾驶试验平台,在专用的试车场内,进行网联式自主驾驶车辆多车协同控制实车测试。叁辆AX7自主驾驶车辆组成的网联式自主驾驶编队在华北某封闭试车场内以0~20km/h的速度完成起步、加减速、停车的试验,实现了3辆AX7距离保持在15m(含车身长度)的编队行驶策略,距离控制精度?0.5m(稳态误差);多车队形切换策略和编队避障策略在华中某封闭试车场内成功完成,实车协作式换道场景下最短车间距可控制在5m,策略执行周期?20s,换道过程中最大横向加速度2.3m/s~2,侧向加速度变化率0.1g/sec,满足了驾驶舒适性需求。最后自适应策略在华中某郊区开放道路上,完成了存在动态、静态障碍物的环境感知测试。以上4种编队应用场景的测试验证了本文基于群智能的多车协同控制策略的有效性与应用研究价值。(本文来源于《湖北汽车工业学院》期刊2018-05-10）
任章,于江龙[7]（2018）在《多临近空间拦截器编队拦截自主协同制导控制技术研究》一文中研究指出分析了目前高超声速飞行器的发展现状和发展趋势,指出高超武器已经给现有的防空反导武器系统带来极大威胁和挑战。针对高超声速飞行器的拦截问题,分析梳理了相关的技术难点。为保证拦截成功,采用多枚拦截器编队拦截高超声速目标是目前高效可行的技术途径,而多临近空间拦截器自主协同制导控制技术则是关键技术。针对多临近空间拦截器编队攻击自主协同制导控制技术,分别从建模、决策规划、感知、制导、控制以及评估6个方面提出需要解决的关键技术问题。最后对多临近空间拦截器编队拦截自主协同制导控制技术进行了总结与展望。(本文来源于《导航定位与授时》期刊2018年02期）
潘云凡[8]（2018）在《无人飞行器的自主协同控制》一文中研究指出随着科学的不断发展,军事技术的不断进步,无人化的军事设备已经逐渐被投入到现代战争中去。无人机作为廉价,灵活高效的军事装备越来越多地替代有人机执行军事任务。然而,仅使用单架无人机来完成既定的作战任务往往难以适应瞬息万变的战争形势。因此,在现代战争中常将大量不同种类,不同性能的无人机投放到战场上,它们或编队,或独自地完成各种指定的作战计划。无人机的自主协同控制这一研究领域也就应运而生,它旨在研究多架无人机在较少的人工干预下,共同完成某一目标,并且提升整个无人机群系统的作战效能。针对无人机群自主协同控制这一问题,本文主要研究了数学建模、任务分配算法、轨迹优化设计、航迹协调控制等,即以下四个方面的内容:第一,本文阐述了无人机自主协同控制的概念,并提出以分层递阶的思想,将这一问题分割成任务分配、路径规划、航迹协调、以及飞行控制等层次,分步处理,以降低求解的复杂程度;并且以多无人机执行侦察任务为例对其任务分配过程进行数学建模处理,确定了多目标优化的性能指标函数和必须满足的多种非线性约束条件等;第二,本文提出在无人机任务分配的过程中加入路径预先规划问题,采用A*算法求解出预规划航迹,使任务分配结果更加贴合无人机群的实际飞行路线及其对应的各种飞行任务;并且采用多目标粒子群算法求解出上述无人机任务分配问题的最优指派分布。数字仿真结果表明,该算法可有效地得到多无人机的任务执行的最优时空序列;第叁,针队无人机的预规划航迹,本文提出两种航迹平滑算法,使预规划轨迹进一步满足无人机的各种性能约束,仿真结果表明这两种算法均能满足技术约束要求,使规划航迹可被跟踪飞行,并且设计制导控制律对规划轨迹进行跟踪仿真,仿真结果表明优化后的轨迹可以满足航迹的跟踪要求;第四,本文利用模型预测控制方法,解决了多无人机在实际飞行过程中的航迹碰撞问题。该方法采用分布式的信息处理架构,每架无人机仅优化、调整自身的飞行轨迹,从而降低了问题的复杂程度,仿真结果指出该算法使得无人机群的飞行轨迹能快速有效地进行在线调整。(本文来源于《南京航空航天大学》期刊2018-03-01）
郭冬冬[9]（2018）在《无人机自主编队协同控制方法研究》一文中研究指出近几年多无人机编队飞行技术得到广泛的研究,无人机编队飞行相比单架无人机有很多好处,比如可以更精确的定位,合理的队形也可以加大无人机的续航能力。近年来多智能体一致性理论也发展飞快,多无人机的队形保持是编队控制的首要问题,还有当无人机数量增多时无人机群体的避碰是群体运动的首要问题,所以本文基于一致性理论研究无人机编队的队形保持问题,还有利用人工势场法对无人机群体的避碰问题进行了研究。本文首先研究了多无人机队形控制问题,将无人机的非线性运动方程反馈线性化为双积分系统,将无人机的信息交互方式建模为图论中的拓扑图,采用虚拟结构法来控制队形,以无人机的速度还有根据无人机的当前位置和相对编队参考点的向量差计算出的位置为协同变量,在速度信息和位置信息都存在时变时滞的情况下,设计了编队队形保持控制算法使虚拟领导者在给定的航线上飞行,其他无人机能够根据设计的一致性算法形成给定的几何队形并跟随虚拟领航者飞行,并给出了系统一致性稳定所允许的时延上界。同时也对领航者速度不可测情况下的队形保持算法进行了研究,各架无人机通过邻域内无人机的位置信息估计出领航者的速度再通过所设计的控制算法实现了编队的飞行,最后给出了控制算法稳定的充分条件。其次研究了无人机群体防碰撞问题,通过在无人机机间引入斥力场和引力场,无人机和障碍物之间引入斥力场,设计了带有碰撞预测的无人机群体避障控制算法并证明了该算法能有效的实现机间避碰和躲避障碍物,而且与无碰撞预测的算法相比可以有效降低因避障所绕行的距离。虽然一致性算法在两架无人机相互靠近时有分离作用,但是分离速度较慢,编队可能发生碰撞,所以最后结合人工势场法实现了无人机机群的队形控制与防碰撞的协同控制,结合后的控制算法当势能为零时编队通过一致性算法来实现队形保持,而当无人机的机间距离小于一定值斥力场使其远离,当无人机之间距离较大时引力场使其靠近,当无人机检测到障碍物后斥力场使无人机可以顺利躲避障碍物。(本文来源于《电子科技大学》期刊2018-03-01）
陈奕峰[10]（2017）在《基于MPC的自主车辆协同控制研究》一文中研究指出协同自适应巡航控制(CACC)系统以自适应巡航控制(ACC)系统为基础,引入无线通信技术进行车间信息交互并将通信信息用于车辆控制,由此获得比ACC系统更好的控制效果,大大提高了自主驾驶的安全性与舒适性。由于自主车辆行驶过程中模型不确定性很大,又受到了环境等许多约束条件的限制,传统的控制算法往往难以达到协同巡航系统的控制要求,因此,本文根据模型预测的原理为协同自适应巡航系统进行了算法设计,并通过数字仿真实验验证了算法的有效性。本文首先对自主车辆的纵向动力学模型进行了详细地分析,在此基础上完成了协同车辆系统的状态空间模型建立,并确定了自主车辆协同自适应巡航控制系统的设计目的与相关约束条件。然后,基于模型预测控制(MPC)原理,对建立的系统模型进行模型预测控制算法的设计:通过把多约束的状态空间系统模型作为预测模型,将原系统的求解控制输入问题转化为求解带约束的二次规划问题,并引入松弛变量软化约束以保证优化的可行解,将求得的解作为控制输入应用于CACC系统以达到设定的控制目标。其次,针对自主车辆执行器延时,利用动态矩阵控制(DMC)算法对纯滞后对象的补偿特性,对所设计的MPC算法进行改进,使其在考虑自主车辆执行器时延的情况下能有效地控制CACC系统。最后,根据自主车辆上下位分层纵向控制思想,将CARSIM中的车辆作为复杂车辆模型,并对其进行下位控制器设计,然后将之前设计的MPC算法作为上位控制器,以CARSIM/SIMULINK联合仿真平台对分层控制的CACC系统进行数值仿真实验,验证了所设计的模型预测控制算法在复杂车辆模型上一样有效。(本文来源于《华南理工大学》期刊2017-10-18）
自主协同控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
协同自适应巡航控制(CACC)系统中车辆纵向运动的上下位分层控制器结构,上位控制器采用状态空间模型预测控制算法,利用期望距离以及车辆与环境的实时信息决策出被控车辆运动的期望加速度。下位控制器根据期望加速度,求解发动机节气门开度或制动压力。车辆的执行器时延会对系统的稳定性产生很大的影响。根据动态矩阵控制算法对纯滞后对象的补偿作用,提出一种改进的模型预测控制算法,并与PID控制算法(下位控制器)相结合形成自主车辆纵向运动的上下位分层控制器,以补偿车辆的执行器时延带来的影响。通过SIMULINK/CARSIM联合仿真平台对所设计的算法进行了仿真研究,仿真结果表明所设计算法减小了CACC系统车辆在跟随过程中的速度跟踪误差以及间距误差,提高了系统的稳定性法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自主协同控制论文参考文献
[1].朱政泽,周海鹰,付勇智,周奎,王思山.基于延迟补偿的网联式自主驾驶车辆协同控制[J].系统仿真学报.2019
[2].刘富春,贺云,陈奕峰.时延MPC自主车辆协同控制算法与仿真[J].计算机工程与应用.2019
[3].贾海琴.多无人平台自主协同续写中国军事技术新篇章——记北京理工大学自动化学院复杂系统智能控制与决策国家重点实验室副教授辛斌[J].海峡科技与产业.2018
[4].李强,陆浩然,陈海鹏.低成本集群自主协同与控制问题研究[J].宇航总体技术.2018
[5].高振宇,郭戈.多自主水面航行器协同编队控制研究现状与进展[J].信息与控制.2018
[6].朱政泽.基于群智能的网联式自主驾驶多车协同控制技术应用研究[D].湖北汽车工业学院.2018
[7].任章,于江龙.多临近空间拦截器编队拦截自主协同制导控制技术研究[J].导航定位与授时.2018
[8].潘云凡.无人飞行器的自主协同控制[D].南京航空航天大学.2018
[9].郭冬冬.无人机自主编队协同控制方法研究[D].电子科技大学.2018
[10].陈奕峰.基于MPC的自主车辆协同控制研究[D].华南理工大学.2017