[论文解读] Optimization of Adaptive Cruise Control system Controller: using Linear Quadratic Gaussian based on Genetic Algorithm

Yuncheng Jiang, Lilong Cai+1 more|arXiv (Cornell University)|Nov 19, 2019

Traffic control and management参考文献 7被引用 7

一句话总结

本文提出一种通过遗传算法优化的线性二次型高斯（LQG）控制器，用于自适应巡航控制（ACC）系统，结合LQR实现最优控制，并通过卡尔曼滤波处理过程噪声和测量噪声。遗传算法自动调节LQG参数，相较于手动或传统LQR方法，提升了效率与鲁棒性，但其新颖性受限于先前类似概念的研究工作。

ABSTRACT

In this paper, we propose a novel linear quadratic Gaussian controller whose parameters can be automatically tuned. While linear quadratic regulator method has been widely used in adaptive cruise control system design, researchers have not yet proposed a feasible and effective linear quadratic regulator. Neither did they well tackle with process and measurement noise, nor did they solve the tedious and inefficient tuning problem in adaptive cruise control system design. To compensate for the noise, the authors introduced linear quadratic Gaussian where Kalman filter is applied. And to make the tuning process more efficient, genetic algorithm is used to search for the optimal linear quadratic Gaussian parameters.

研究动机与目标

• 解决自适应巡航控制系统中线性二次型调节器（LQR）参数调参效率低下及人工干预过多的问题。
• 通过集成卡尔曼滤波，提升系统对ACC中过程噪声和测量噪声的鲁棒性。
• 利用遗传算法自动化参数调优过程，实现LQG控制器的快速且高效优化。
• 通过在统一框架中结合LQR与高斯噪声滤波，提升控制性能。
• 通过与PID和MPC控制器的对比评估，验证所提方法的有效性。

提出的方法

• 通过将线性二次型调节器（LQR）与卡尔曼滤波结合，设计LQG控制器，以处理系统噪声和测量噪声。
• 采用遗传算法搜索LQR代价函数中的最优加权矩阵，实现参数调优的自动化。
• 在仿真环境中实现控制器，以评估其在各种驾驶条件下的性能表现。
• 基于控制性能指标（如调节时间、超调量和稳态误差）构建适应度函数。
• 使用基于种群的进化算法优化LQR代价函数，以最小化预定义的性能指标。
• 卡尔曼滤波实时估计系统状态，提升在传感器输入存在噪声时的估计精度。

实验结果

研究问题

• RQ1 遗传算法能否有效优化自适应巡航控制中LQR代价函数的加权矩阵？
• RQ2 与传统PID和MPC控制器相比，采用遗传算法调优的LQG控制器在控制性能方面表现如何？
• RQ3 卡尔曼滤波的集成在多大程度上提升了ACC系统对过程噪声和测量噪声的鲁棒性？
• RQ4 与人工调参相比，通过遗传算法实现的参数自动调优是否能减少设计时间并提升控制器性能？
• RQ5 采用所提出的LQG-GA方法后，调节时间、超调量和稳态误差的定量改进程度如何？

主要发现

• 所提出的采用遗传算法调优的LQG控制器在控制性能上优于传统LQR和PID方法。
• 卡尔曼滤波的集成有效降低了过程噪声和测量噪声对系统状态估计的影响。
• 遗传算法成功实现了LQR参数的自动化调优，减少了对人工试错的依赖。
• 在应对速度和距离变化时，该方法表现出更短的调节时间与更小的超调量。
• 控制器在多种驾驶场景下均保持稳定性能，表明其具备良好的鲁棒性。
• 研究证实，LQG-GA方法为现有ACC控制策略提供了一种可行且高效的替代方案。