طراحي كنترلر بهينه با قابليت پياده سازي همزمان براي زنجيره خودروهاي متصل

Optimal real-time Controller for a Connected Vehicle Platoon

امروزه تراكم معابر شهري از خودروها و در نتيجه اتلاف زمان و انرژي به يك معضل مهم در حوزه صنعت حمل ونقل تبديل شده است. يكي از روش هاي كاهش حجم ترافيك، استفاده از قابليت خودروهاي متصل است كه به جاي حركت انفرادي، با تشكيل يك زنجيره خودرويي، در يك شبكه ترافيكي سفر كرده و حجم ترافيك را كاهش مي دهند. در اين زنجيره خودروي سرگروه، از طريق پروتكل هاي ارتباطي كوتاه برد اطلاعات حركتي خود را به خودروهاي ديگر مخابره كرده و خودروهاي داخل زنجيره، با رعايت فاصله ايمني و سرعت مطمئنه، خودروي سرگروه را دنبال مي كنند. كنترل پيش بين مبتني بر مدل يك استراتژي كارآمد براي ايجاد و هدايت زنجيره هاي خودرويي مي باشد. اين پژوهش، با هدف كنترل عملكرد يك زنجيره خودرويي همگن، از طريق كنترل پيش بين صريح و حل مسئله بهينه سازي به صورت چندپارامتري، انجام شده است. كنترل پيش بين صريح، از طريق حل آفلاين مسئله بهينه سازي، مشكل هزينه محاسباتي و كندي كنترل پيش بيني ضمني را برطرف كرده و در سيستم هاي سرعت-بالا مانند سيستم هاي خودرويي، موثرتر واقع مي شود. نتايج شبيه سازي به دست آمده نشان مي دهد، كنترلر پيشنهاد شده توانسته است ورودي مرجع و پروفيل شتاب فرضي را با دقت بالا تعقيب نموده و در طول زمان شبيه سازي تعيين شده، به رفتار پايدار دست يابد.

Nowadays, traffic congestion and its consequent effect on energy and time dissipation, have become a critical problem in the field of transportation. One way to reduce traffic jam is to utilize connected automated vehicles (CAVs) in a vehicle platoon. In this case, the leader vehicle shares its information with other cars using detected short range communication system (DSRC), and other vehicles in the platoon follow the leader monitoring safe distance and velocity. Among various control strategies, model predictive control (MPC) is a highly effective one for controlling the behavior of vehicles platoon. This study has been done with the aim of controlling performance of a homogeneous platoon by the way of explicit MPC and solving the problem of optimization in a multi-parametric manner. Explicit MPC eliminates the problem of implicit computational cost by solving the optimization problem offline, and makes it effective for high-speed systems such as automotive systems. The obtained simulation results portray that the proposed controller has been able to follow the reference input and the supposed acceleration profile with high accuracy and achieve stable behavior during the specified simulation time.