基于可达性分析的鲁棒数据赋能预测性领航巡航控制

数据驱动预测控制为混合交通流中的联网自动驾驶车辆（CAVs）承诺了无模型的波浪阻尼策略。然而，其性能依赖于数据质量，而数据质量会受到未知噪声和干扰的影响。本文介绍了一种基于可达性分析的鲁棒数据赋能预测性领航巡航控制（RDeeP-LCC）方法，旨在在有界过程噪声和外部干扰下实现安全且最优的 CAV 控制。具体而言，利用矩阵 zonotope 集合技术和 Willems 基本引理直接从数据推导过近似系统动力学，并利用数据驱动反馈控制技术获得用于稳定性的附加反馈输入。我们将混合车队解耦为误差系统和标称系统，其中误差系统为标称系统中的增强安全约束提供数据驱动的可达性集合。最后，以基于管线的控制方式构建了数据驱动预测控制框架，以保证鲁棒性。带有噪声污染数据的非线性仿真表明，所提出的方法在缓解交通波方面优于基线方法。