MétaCan
Menu
Retour à la cohorte
Enregistrement W2796709586 · doi:10.1155/2018/9852721

A Robust Longitudinal Control Strategy of Platoons under Model Uncertainties and Time Delays

2018· article· en· W2796709586 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Advanced Transportation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesRijkswaterstaatChina Scholarship Council
Mots-clésPlatoonControl theory (sociology)AccelerationModel predictive controlController (irrigation)ActuatorRange (aeronautics)Computer scienceOptimal controlFunction (biology)Vehicle dynamicsEngineeringSimulationControl engineeringControl (management)Automotive engineeringMathematical optimizationMathematics

Résumé

récupéré en direct d'OpenAlex

Automated vehicles are designed to free drivers from driving tasks and are expected to improve traffic safety and efficiency when connected via vehicle-to-vehicle communication, that is, connected automated vehicles (CAVs). The time delays and model uncertainties in vehicle control systems pose challenges for automated driving in real world. Ignoring them may render the performance of cooperative driving systems unsatisfactory or even unstable. This paper aims to design a robust and flexible platooning control strategy for CAVs. A centralized control method is presented, where the leader of a CAV platoon collects information from followers, computes the desired accelerations of all controlled vehicles, and broadcasts the desired accelerations to followers. The robust platooning is formulated as a Min-Max Model Predictive Control (MM-MPC) problem, where optimal accelerations are generated to minimize the cost function under the worst case , where the worst case is taken over the possible models. The proposed method is flexible in such a way that it can be applied to both homogeneous platoon and heterogeneous platoon with mixed human-driven and automated controlled vehicles. A third-order linear vehicle model with fixed feedback delay and stochastic actuator lag is used to predict the platoon behavior. Actuator lag is assumed to vary randomly with unknown distributions but a known upper bound. The controller regulates platoon accelerations over a time horizon to minimize a cost function representing driving safety, efficiency, and ride comfort, subject to speed limits, plausible acceleration range, and minimal net spacing. The designed strategy is tested by simulating homogeneous and heterogeneous platoons in a number of typical and extreme scenarios to assess the system stability and performance. The test results demonstrate that the designed control strategy for CAV can ensure the robustness of stability and performance against model uncertainties and feedback delay and outperforms the deterministic MPC based platooning control.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,285
Score d'incertitude au seuil0,332

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,212
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle