Robust Explicit Data-Driven Predictive Control for Mixed Vehicle Platoons

doi:10.1109/JIOT.2025.3591815

Robust Explicit Data-Driven Predictive Control for Mixed Vehicle Platoons

2025-09-27

0

PRE

AI

DOI：10.1109/JIOT.2025.3591815

原文链接

原文求助

摘要

En 中文

优化由联网与自动驾驶车辆（CAVs）和有人驾驶车辆（HDVs）组成的混合编队，是智能交通系统中的一个关键挑战。尽管现有的预测控制方法提高了建模精度和控制鲁棒性，但它们往往受限于对在线优化的依赖，限制了其在实时场景中的应用。为弥补这一差距，本文提出了一种鲁棒显式数据驱动预测控制（REDDPC）框架，旨在为混合车辆编队提供鲁棒且实时的控制。该框架首先利用深度Koopman算子网络学习系统的非线性动力学。基于此学习到的表示，神经网络控制策略随后通过反向传播进行优化，消除了对在线优化的需求。为增强鲁棒性，将基于可达性的安全滤波器与学习到的控制策略集成，动态调整控制输入，确保复杂条件下的编队安全。仿真和实验结果表明，所提出的方法在噪声、扰动和攻击条件下实现了卓越的跟踪性能，同时显著减少了在线计算时间，使其非常适合实际部署。

Keyword:

Explicit data-driven control

Koopman operator theory

mixed vehicle platoon

safety filter

Robust Explicit Data-Driven Predictive Control for Mixed Vehicle Platoons

摘要

期刊

机构

引用论文