MétaCan
Menu
Retour à la cohorte
Enregistrement W4392727362 · doi:10.1002/acs.3790

Robust adaptive control for a class of autonomous vehicle platoons

2024· article· en· W4392727362 sur OpenAlexafffund
Tianqun Ren, Xiang Chen, Guoxiang Gu

Notice bibliographique

RevueInternational Journal of Adaptive Control and Signal Processing · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésPlatoonControl theory (sociology)Cooperative Adaptive Cruise ControlAdaptive controlCruise controlNonlinear systemVehicle dynamicsPosition (finance)Control engineeringEngineeringRobust controlComputer scienceControl (management)Control systemAutomotive engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Summary This article studies robust adaptive control for a class of autonomous vehicle platoons. In particular, two innovative adaptive control laws are proposed to address both position and velocity tracking for a vehicle platoon. In addition, it is shown that robust asymptotic string stability can be delivered by the underlying adaptive control laws for the vehicle platoon, in the sense that these adaptive control laws are capable of mitigating parameter uncertainties involved in the nonlinear vehicular dynamics and achieving truly cooperative adaptive cruise control while ensuring the required safety spacing between each neighboring vehicle pair asymptotically. It is also shown that the control performance of the vehicle platoon can be further improved if the operating equilibrium points of all vehicles can be adaptively estimated, leading to two linear time‐invariant control laws for individual vehicles under both position and velocity controls and for the vehicle platoon. Simulation studies illustrate the effectiveness of the proposed control method, validating the results obtained for the class of vehicle platoons.

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.

Comment cette classification a été obtenuedéplier

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,578

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 Opus0,017
Tête enseignante GPT0,225
Écart entre enseignants0,208 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Adaptive Control and Signal ProcessingMême sujetTraffic control and managementTravaux en français237 207