[论文解读] Modeling and simulation of adaptive cruise control system

Yuncheng Jiang|arXiv (Cornell University)|Aug 4, 2020

Traffic control and management参考文献 25被引用 7

一句话总结

本文提出一种时变线性二次型调节器（LQR），其Q和R参数可基于实时交通状况自适应调整，采用相位-工厂法处理约束，利用系数下降法进行优化。此外，还提出一种基于马尔可夫状态和动作惩罚的Q函数的数据驱动控制器，通过最小误差法最小化Q函数，其稳定性由非线性回归理论保证。仿真与实车测试结果表明，该方法在性能上优于传统控制器。

ABSTRACT

In this report, linear quadratic regulator is used to design adaptive cruise control system. In the regulator, Q and R parameters vary with time according to current traffic situations. Phase-plant method is used to give constraints on Q and R parameters, and coefficient descent method is applied to solve for the constrained optimization problem. Meanwhile, data based controller design method is also introduced in this paper, where the time vary vehicle dynamic parameters are no longer considered. Q-function, which consists of Markovian state and action penalty, is introduced to indicate the cost function. According to current traffic states, Q-function is generalized and minimized by directly using least error method, whose stability is ensured by nonlinear regression theory. Simulation is conducted and results show the advantages of using time varying parameter linear quadratic regulator over other controller discussed in this paper. Vehicle tests are also conducted to ensure the feasibility and efficiency of the controller.

研究动机与目标

• 开发一种能够根据交通状况动态调整的自适应巡航控制系统。
• 通过根据实时交通状态变化LQR加权矩阵（Q和R）来提升控制性能。
• 利用约束优化技术确保参数选择的稳定性和最优性。
• 探索一种无需显式建模车辆动力学的基于数据的控制器设计方法。
• 通过仿真与实车测试验证控制器的可行性与效率。

提出的方法

• 设计一种时变LQR，其中Q和R矩阵根据当前交通状况动态更新。
• 采用相位-工厂法对Q和R施加约束，以确保系统稳定性和性能。
• 使用系数下降法求解Q和R调参的约束优化问题。
• 引入一种基于数据的控制器，其Q函数结合了马尔可夫状态与动作惩罚，用于表示代价函数。
• 通过最小误差法对Q函数进行广义化与最小化，其稳定性由非线性回归理论支持。
• 开展仿真与实车测试，以评估控制器的性能与鲁棒性。

实验结果

研究问题

• RQ1 如何动态调整LQR参数（Q和R）以在不同交通条件下提升自适应巡航控制性能？
• RQ2 在时变LQR车辆控制设计中，为确保稳定性和最优性，需要施加哪些约束？
• RQ3 基于Q函数的数据驱动控制器是否可在不显式建模时变车辆动力学的情况下实现代价最小化？
• RQ4 最小误差法结合非线性回归如何确保基于数据的控制器设计中的稳定性？
• RQ5 在仿真与实际道路测试中，所提出的自适应LQR与基于数据的控制器相较于传统方法的性能表现如何？

主要发现

• 时变LQR结合自适应Q和R参数在仿真中优于其他控制器，展现出在动态交通下的改进响应与稳定性。
• 相位-工厂法有效约束了Q和R矩阵，确保了实时参数调整的鲁棒性与可行性。
• 基于数据的控制器在无需建模车辆动力学参数的情况下实现了稳定性能，依赖于最小误差法的Q函数最小化。
• 基于数据的控制器稳定性由非线性回归理论数学保证，支持实际应用。
• 实车测试证实了所提控制器在真实驾驶场景中的可行性与高效性。
• 仿真结果表明，自适应LQR相比固定参数LQR及其他基准方法，能有效减小头车时距误差并提升跟踪精度。