大规模智能网联汽车协同控制的并行计算方法

发布时间：2024-02-23 23:33

　　网联化的智能汽车具有超距感知、信息共享的特点,相比于孤立的智能汽车,可以进一步提升交通性能。基于信息共享的协同控制是发挥智能网联汽车优势的关键,依托云控平台的集中式控制是一种协同控制的技术方案。然而由于多车之间求解空间互相耦合,随着车群规模增长,计算量急剧增加。现有优化算法求解时间多为多项式复杂度,实时性无法保证。针对该问题,本文提出了一种基于车群系统约束解耦,适用于大规模智能网联汽车协同控制的同步并行计算方法;针对计算节点无法同步更新的并行计算网络,构建了无需协同更新的异步并行算法,同时证明了算法的收敛性。首先,构建了智能网联汽车协同控制的集中式优化问题。基于图论建立了智能网联汽车空间交互拓扑及云平台并行计算网络结构。以此为基础,构造车群系统冲突约束,并从个体全局路径规划与群体局部路径跟踪两个层面入手建立目标函数,将问题构建为集中式有限时域最优控制问题。其次,基于交替方向乘子法(ADMM)提出了求解集中式最优控制问题的同步并行计算方法。利用泰勒展开对集中式优化问题中的非凸约束进行处理,将问题近似为标准凸优化问题;通过引入一致性约束,将问题构建为一致性优化问题;最后基于ADMM框架对问...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
主要符号对照表
第1章 引言
    1.1 研究背景与意义
    1.2 多车集中控制求解研究现状
        1.2.1 直接求解方案
        1.2.2 序贯求解方案
    1.3 并行优化算法研究现状
        1.3.1 分布式次梯度法(DSM)
        1.3.2 交替方向乘子法(ADMM)
        1.3.3 其他并行优化算法
    1.4 本文研究工作
第2章 协同控制集中式建模
    2.1 网联汽车交互关系及计算网络
        2.1.1 网联汽车交互关系建模
        2.1.2 云平台并行计算网络设计
    2.2 协同控制问题构建
        2.2.1 独立全局路径规划
        2.2.2 集中式协同路劲跟踪问题构建
    2.3 本章小结
第3章 大规模协同控制同步并行计算方法
    3.1 优化问题凸化
        3.1.1 避撞约束的线性化
        3.1.2 非线性模型的线性化
    3.2 耦合约束分解
        3.2.1 一致性优化问题介绍
        3.2.2 一致性优化问题构建
    3.3 基于ADMM的并行求解算法
        3.3.1 ADMM具体介绍
        3.3.2 并行算法
        3.3.3 迭代停止条件及收敛性
    3.4 本章小结
第4章 异步并行算法及收敛性分析
    4.1 网络异步计算
    4.2 异步并行算法
        4.2.1 异步算法描述
        4.2.2 异步并行算法分析
    4.3 异步算法收敛性分析
        4.3.1 临近点算法
        4.3.2 Douglas-Rachford 分解法
        4.3.3 收敛性证明
    4.4 本章小结
第5章 仿真与验证
    5.1 仿真环境
    5.2 多车协同仿真
    5.3 同步算法性能仿真
        5.3.1 收敛性能测试
        5.3.2 计算效率测试
    5.4 异步算法性能仿真
        5.4.1 收敛性能测试
        5.4.2 计算效率测试
    5.5 本章小结
第6章 结论与展望
    6.1 全文总结
    6.2 主要创新点
    6.3 展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果



本文编号：3908150