Sep, 2016

车道保持和自适应巡航控制组合的正确性保证

PDF
TL;DR本文提出了一种控制策略，可同时操作车道保持和自适应巡航，通过控制束函数的设计，保证安全规范的满足，通过 Carsim 车辆模拟器的模拟，证明了该控制方法的有效性。
control approachdriver assistance modulessafety specificationscontrol barrier functionsperformance-based controllers
发现论文，激发创造
  • 基于控制束函数的二次规划安全关键系统

    本文在实时基于优化的控制器的背景下，发展了一种方法论，将以控制层李雅普诺夫函数表达的性能目标与以控制屏障函数表示的安全条件相结合，并在二次规划的框架下演示了自适应巡航控制和车道保持这两个汽车控制问题的安全和性能的调节。

    Sep, 2016

  • 基于控制障碍函数的基于规则的安全关键控制设计及其在自主车道变换中的应用

    本研究提出了一种新的控制设计，通过有限状态机和基于控制李雅普诺夫函数和控制屏障函数的二次规划优化问题来保证车辆在复杂交通环境下的安全掉头转向，可以在高更新频率下保证系统的安全。

    Mar, 2021

  • 使用监督式机器学习方法合成控制屏障函数

    该论文描述了一种从传感器数据中估计控制屏障函数的学习框架，经实验证明可以在未知状态空间区域中实现机器人系统的安全操作。

    Mar, 2020

  • 使用控制综合生成角落案例研究：自动驾驶

    研究了控制合成的正确性，利用计算 “大型的” 可控不变集可能找到一些有趣的角落情况，同时还介绍了一种基于优化的 heuristics 方法。通过使用提出的技术，本文案例研究表明可以为自适应巡航控制和车道保持控制等经典控制设计发现有趣的虚假轨迹。

    Jul, 2018

  • 控制壁函数实现自适应安全

    本研究提出了一种适应性控制障碍函数（aCBFs）方法，在不确定参数的情况下使系统状态保持在安全集之内，并将适应性控制李亚普诺夫函数（aCLFs）和 aCBFs 统一为单一控制方法。此方法在基于二次规划（QP）的框架下实现系统的稳定和安全性，并在自适应巡航控制（ACC）模拟中验证了其性能。

    Oct, 2019

  • 使用概率控制障碍函数进行安全强化学习以实现匝道合并

    控制屏障函数嵌入强化学习策略中，使用概率控制屏障函数作为模型不确定性的估计，实现了安全而高效的自动驾驶算法，可以应用于高速公路匝道合并问题。

    Dec, 2022

  • 使用强健神经李亚普诺夫障函数的安全非线性控制

    本文提出一种基于模型学习的方法，根据鲁棒凸优化和 Lyapunov 理论定义了鲁棒控制 Lyapunov 阻碍函数，以实现具有安全性和稳定性保证的控制器，并在诸如汽车轨迹跟踪、带障碍物避障的非线性控制、带安全性约束的卫星交会和具有学习地效果模型的飞行控制等问题上展示了其模拟结果，表明我们的方法降低了计算成本，并且得到的控制器的能力与稳健 MPC 技术相匹配或优于其能力。

    Sep, 2021

  • 自主车辆的车道保持控制通过软约束迭代式 LQR

    通过软约束迭代线性二次调节器算法结合模型预测控制约束松弛方法，开发了一种在汽车车道保持控制中解决抖动问题的算法，通过软化优化过程中的约束，能够相对简单地计算稳定的控制输入轨迹，提高自动驾驶车辆的操控平滑度和追踪精度。

    Nov, 2023

  • 一种合作自适应巡航控制系统中的驾驶员变道预测新模型

    本文利用 HighD 数据集构建 LSTM 模型，通过 ACC 和 CACC 两种与周围车辆交互的情景，探究车辆位置、速度和加速度等信息对车道变更预测准确率的影响，提高车道变更预测准确率至 59.15% - 92.43%。

    May, 2023

  • 基于数据的安全证书的可伸缩合成及其在基于学习的控制中的应用

    本文提出了有效的技术来综合安全集合和控制律，通过基于凸优化问题的近似来提供改进的可伸缩性质，其中一种方法仅需要近似的线性系统模型和 Lipschitz 连续的未知非线性动力学，展示了数字示例，包括一个自主车队。

    Nov, 2017