Utafiti huu unatengeneza mbinu ya udhibiti wa kutabiri modeli wa kihierarkia uliosambazwa (Distributed Hierarchical Model Predictive Control, DMPC) ili kuhakikisha kwamba magari yaliyounganishwa yanaposafiri kama msafara yanafikia kasi ileile lengwa, yanadumisha umbali lengwa kati yao, na kosa la nafasi linalotokea kwenye gari moja haliongezeki kadiri linavyoenea kwenye msafara. Mbinu hutenganisha malengo mawili: uthabiti wa ufuatiliaji wa gari binafsi huboreshwa katika tabaka la chini, huku makubaliano ya kidinamiki na magari jirani yakiboreshwa katika tabaka la juu. Thamani bora ya gharama ya uthabiti inayopatikana kutoka tabaka la chini huunganishwa kwenye tatizo la makubaliano ya tabaka la juu kama kizuizi cha contraction. Uchambuzi wa kinadharia unaonyesha kuwa, chini ya dhana na vizuizi vilivyobainishwa, recursive feasibility, uthabiti wa asymptotic wa gari na predecessor–follower string stability yenye upunguzaji wa kosa \(\rho_i<1\) hupatikana. Katika simuleringi ya msingi yenye magari saba, mpito wa kasi kutoka 19 m/s hadi 20 m/s na umbali lengwa wa 20 m hufuatiliwa kwa mafanikio; mbinu pia hupimwa kwa namba katika misafara yenye magari 3 na 12, kwenye magari matano heterojeni, katika kuongeza kasi kwa dharura hadi 24 m/s, kupunguza kasi kwa dharura hadi 16 m/s, na katika hali ambapo rolling resistance hubadilika kwa ±%10.

Tofauti muhimu ya utafiti ni kwamba hauunganishi uthabiti na makubaliano kati ya magari katika fungsi moja ya gharama yenye uzani. Katika MPC ya kawaida yenye uzani, uchaguzi wa uzani sahihi unaweza kuathiri sana tabia ya closed-loop. Katika simuleringi ya watafiti, vigezo vya uzani na vizuizi vilipoondolewa kutoka thamani zao za kawaida, W–MPC ilionyesha mitikisiko dhahiri ya kasi na umbali, huku D–MPC iliyopendekezwa ikionyesha tabia laini zaidi ya mpito. Hata hivyo, ulinganisho huu si jaribio la robustness lenye disturbance ya nje iliyoongezwa; ni simuleringi inayotegemea kubadilisha kwa makusudi vigezo vya usanifu wa udhibiti.

Kwa upande wa wakati halisi, katika simuleringi ya magari saba, muda wa juu wa kutatua hatua moja ulikuwa kati ya 0,2700–0,2818 s na ulibaki chini ya muda wa sampling wa 0,3 s. Hata hivyo, vifaa vya kompyuta vilivyotumika havijaripotiwa na kidhibiti hakijaendeshwa kwenye ECU halisi ya gari. Aidha, modeli kuu inadhania kuchelewa kwa mawasiliano kuwa sifuri, upotevu wa paketi kuwa sifuri, barabara tambarare na mfumo usio na disturbance. Kwa hiyo, utafiti hautoi dhamana ya usalama wa msafara wa magari yanayojiendesha kwenye barabara halisi au dhamana ya kufanya kazi chini ya mtandao halisi wa V2X; badala yake unatoa matokeo madhubuti ya kinadharia na uthibitishaji wa simuleringi wa namba.

Kwa mtazamo wa Türkiye: Mbinu inatoa usanifu wa udhibiti unaoweza kubadilishwa kwa tafiti na maendeleo nchini Türkiye kuhusu udhibiti wa misafara ya magari yaliyounganishwa na yaliyojiendesha katika siku zijazo; hata hivyo, utafiti haukutumia barabara, miundombinu ya V2X, kundi la magari au hali za mawasiliano za Türkiye. Kwa matumizi ya ndani, usambazaji halisi wa kuchelewa na upotevu wa paketi, madarasa tofauti ya magari, barabara zenye mteremko, mabadiliko ya mshiko wa barabara, hitilafu za sensa/aktueta, mahitaji ya kisheria ya usalama na vifaa vya kompyuta vya kiwango cha magari vinahitaji uthibitishaji tofauti. Kutokana na matokeo ya simuleringi kwenye chanzo, haiwezekani kutoa faida mahususi ya usalama, uwezo au mtiririko wa trafiki kwenye barabara za Türkiye.

Kwa nini kuna matatizo mawili tofauti ya udhibiti katika msafara wa magari?

Katika msafara wa magari, “magari yote kusafiri kwa kasi ileile” pekee haitoshi. Kosa la kasi na nafasi la kila gari lazima likaribie sifuri kwa uthabiti, huku magari jirani pia yakionyesha mwendo unaolingana.

Watafiti hutenganisha malengo haya mawili kama ifuatavyo:

• Uthabiti wa ndani: Mkengeuko wa nafasi na kasi wa kila gari kukaribia sehemu ya usawa.
• Makubaliano ya kidinamiki: Mwendo unaotabiriwa wa gari kufanywa ulingane na utabiri wake wa awali na utabiri wa majirani linaowasiliana nao.

Utenganishaji huu ni muhimu hasa kwa sababu kuboresha makubaliano pekee si lazima kuhakikishe uthabiti wa kila gari. Katika Kielelezo 3b cha utafiti, hali ya C–MPC inayotumia gharama ya dynamic-consensus pekee inatoa mfano wa namba wa hili: makosa ya nafasi hayakaribii sifuri na mfumo hautulii katika formation thabiti.

Modeli ya gari hutumia vigezo gani?

Nafasi ya gari \(p_i\) katika msafara hufafanuliwa kama \(s_i\), kasi yake kama \(v_i\), nafasi rejea ya kiongozi kama \(s_L\), kasi inayotakiwa kama \(v_0\), na umbali lengwa kati ya magari kama \(d\).

Kosa la nafasi:

\[ e_{p,i}=s_L-s_i-(i-1)d \]

na kosa la kasi:

\[ e_{v,i}=v_i-v_0 \]

hufafanuliwa.

Vekta ya hali:

\[ x_i(k)= \begin{bmatrix} e_{p,i}(k)\\ e_{v,i}(k) \end{bmatrix} \]

iko katika umbo hili.

Watafiti huwakilisha dynamics ya longitudinal kwa modeli isiyo ya mstari ya muda wa kidijitali inayojumuisha pia aerodynamic resistance na rolling resistance:

\[ e_{p,i}(k+1) = e_{p,i}(k)+e_{v,i}(k)\Delta t \]

\[ e_{v,i}(k+1) = e_{v,i}(k) + \frac{\Delta t}{m_i} \left( \frac{\eta_{T,i}}{r_i}u_i(k) - \phi_i(e_{v,i}(k)) \right) \]

na:

\[ \phi_i(e_{v,i})= C_{A,i}e_{v,i}^{2} + m_i g\mu_i \]

hutolewa.

Hapa \(m_i\) inawakilisha uzito wa gari, \(C_{A,i}\) coefficient ya aerodynamic resistance, \(r_i\) radius ya tairi, \(\mu_i\) coefficient ya rolling resistance, na \(\eta_{T,i}\) efficiency ya kimakanika.

Dokezo la kitengo: Ingawa chanzo kinafafanua \(u_i\) kama torque inayotakiwa ya kuendesha/kufunga breki, sehemu ya simuleringi inaandika kikomo cha udhibiti kama 3000 N. Kwa kuwa kitengo `N` hakilingani kimwelekeo wa vipimo na ufafanuzi wa torque, thamani hii haijasahihishwa zaidi ya jinsi ilivyotolewa kwenye chanzo.

String stability hasa inamaanisha nini?

Katika msafara, kiongozi akibadilisha kasi, kosa la muda la nafasi linaweza kutokea kwenye magari yote. Swali muhimu ni kama kosa hili linaongezeka linapoelekea nyuma ya msafara.

Chanzo hutumia sharti hili kwa predecessor–follower string stability:

\[ \max_{k\geq0}|e_{p,i}(k)| \leq \rho_i \max_{k\geq0}|e_{p,i-1}(k)| \]

na kinahitaji:

\[ 0<\rho_i<1 \]

.

Usawa huu unapokidhiwa, kosa kubwa zaidi la nafasi la gari linalofuata huwa dogo kuliko kosa kubwa zaidi la gari lililo mbele. Hivyo disturbance au kosa la mpito hupungua badala ya kuongezeka kadiri linavyosambaa kwenye msafara.

Kwa madhumuni ya tathmini ya utendaji, utafiti pia unapendekeza kikomo cha kosa la separation cha takriban ±0,5 m. Hata hivyo, thamani hii haijaundwa moja kwa moja kama kizuizi cha kimwili cha kuzuia mgongano.

Topolojia ya mawasiliano mchanganyiko ni nini?

Mawasiliano kati ya magari yanawekwa kwenye grafu yenye mwelekeo:

\[ G=\{H,C,A\} \]

. \(H\) inawakilisha nodi za magari, \(C\) viungo vya mawasiliano, na \(A\) adjacency matrix.

\(a_{ij}=1\) inaonyesha kwamba gari moja linatuma taarifa kwa gari jingine. Kwa hiyo, baadhi ya viungo vya mawasiliano vinaweza kuwa vya mwelekeo mmoja tu, na vingine vya pande mbili. Chanzo huiita hali hii “mixed communication topology”.

Kielelezo 2 kina michoro saba tofauti ya topolojia. Baadhi yake zina viungo vya magari yanayofuatana pekee, huku nyingine zikichanganya viungo vya mbali vinavyoruka magari kadhaa na njia za taarifa za pande mbili. Lengo la simuleringi ni kuonyesha kwamba mbinu haitegemei mpangilio mmoja wa kudumu wa mawasiliano ya leader–follower.

Gharama ya makubaliano ya kidinamiki hupima nini?

Kwa kila gari, gharama ya tabaka la juu hufafanuliwa kama:

\[ J_{i,c}(x_i(k),u_i(k)) = \sum_{t=0}^{N-1} L_{i,c}(x_i(t|k),u_i(t|k)) \]

.

Gharama ya hatua:

\[ L_{i,c} = \|x_i-x_i^a\|_{F_i} + \sum_{j\in\Omega_i} \|x_i-x_j^a\|_{G_j} \]

ina muundo huu.

Neno la kwanza huadhibu jinsi utabiri mpya wa gari ulivyo mbali na trajectory yake mwenyewe iliyodhaniwa awali, na neno la pili huadhibu jinsi ulivyo mbali na utabiri wa majirani uliopokelewa.

Kwa hiyo, MPC huboresha si kosa la kufuatilia pekee, bali pia ulinganifu wa mipango ya mwendo ya siku zijazo ya magari kwenye mtandao wa mawasiliano.

Tabaka la chini huboresha uthabiti vipi?

Gharama ya uthabiti kwa gari moja ina muundo wa kawaida wa MPC wenye positive-definite terms:

\[ J_i = x_i^T(N|k)P_i x_i(N|k) + \sum_{t=0}^{N-1} \left[ x_i^T(t|k)Q_i x_i(t|k) + u_i^T(t|k)R_i u_i(t|k) \right] \]

Matriasi \(Q_i\), \(R_i\) na terminal \(P_i\) huunda miundo ya gharama yenye positive definiteness. Problem 2 hupunguza gharama hii na kuzalisha:

\[ u_i^s(k) \]

mfuatano bora wa udhibiti unaolenga uthabiti.

Tabaka mbili za MPC zinaunganishwaje?

Ubunifu muhimu zaidi wa kihisabati wa utafiti unaonekana hapa. Gharama bora \(J_i^s\) inayopatikana kutoka tatizo la uthabiti la tabaka la chini hutumiwa kutengeneza kikomo kwenye tatizo la makubaliano la tabaka la juu:

\[ J_i(x_i(k),u_i(k)) \leq \phi_i(x_i(k),\lambda_i) \]

na:

\[ \phi_i(x_i(k),\lambda_i) = J_i^s(x_i(k)) + \lambda_i \left[ J_i^o(x_i(k-1)) - J_i^s(x_i(k)) \right] \]

hufafanuliwa.

Katika mbinu na uthibitisho wa chanzo:

\[ 0\leq\lambda_i<1 \]

hutumika.

Kizuizi hiki cha contraction huzuia tabaka la juu, linapotafuta makubaliano bora kati ya magari, kuharibu kupita kiasi sifa ya uthabiti iliyotolewa na tabaka la chini.

Tofauti muhimu: Makala yenyewe inaeleza wazi kwamba Equation 13 si kizuizi cha moja kwa moja cha umbali wa chini au usalama wa mgongano. Kazi yake kuu ni kusaidia kuhakikisha kwamba suluhisho linalowezekana linaweza kupatikana tena katika hatua inayofuata ya MPC.

Tofauti kati ya mbinu ya kihierarkia na MPC yenye uzani ni nini?

Katika mbinu mbadala, terms za uthabiti na makubaliano zinaweza kuongezwa kwenye fungsi ileile ya gharama kwa coefficient ya uzani \(\tau\). Hata hivyo, uzani unaofaa lazima uchaguliwe kwa majaribio ya offline.

Katika utafiti, kwa Weighted MPC:

\[ \tau=0,7 \]

imetumika.

Katika Kielelezo 4, uzani wa udhibiti na vigezo vya kizuizi cha contraction vinapoondolewa kutoka thamani zao za kawaida, majibu ya umbali na kasi ya W–MPC huonyesha oscillation dhahiri zaidi, huku D–MPC ikidhoofika kwa ulaini zaidi.

Imeelezwa wazi kwamba disturbance ya nje ya barabara au hitilafu ya mawasiliano haikutumika katika ulinganisho huu. “Robustness” hapa, kulingana na chanzo, inamaanisha hasa unyeti kwa mabadiliko ya mipangilio ya udhibiti.

Kwa nini recursive feasibility ni muhimu?

Kupata suluhisho la MPC katika hatua moja ya muda pekee haitoshi. Katika hatua inayofuata pia lazima iwezekane kupata mfuatano mpya wa udhibiti unaokidhi vizuizi vyote.

Theorem 1 inaonyesha kwamba, chini ya terminal feedback law na masharti husika ya parameter, candidate mpya inayowezekana inaweza kujengwa kutoka toleo lililosogezwa la mfuatano bora uliopita. Hivyo seti ya mwanzo inayowezekana \(X_{i,N}\) inachukuliwa kama invariant set ya closed-loop.

Uthabiti wa asymptotic unaonyeshwaje?

Katika Theorem 2, gharama bora ya MPC hutumiwa kama value function inayofanana na Lyapunov. Katika derivation ya chanzo:

\[ V_i^o(k)-V_i^o(k-1) \leq -(1-\lambda_i)L_i(\cdot) \leq0 \]

hupatikana.

Wakati \(L_i\) ni positive definite na \(0\leq\lambda_i<1\), gharama hupungua kwenye closed-loop na uthabiti wa asymptotic wa sehemu ya usawa hupatikana.

Dokezo la kihisabati ndani ya chanzo: Sentensi ya kichwa cha Theorem 2 inasema mahali pamoja “\(\lambda_i\geq0\)”, ilhali uthibitisho na ufafanuzi wa awali hutumia wazi interval \([0,1)\). Kwa hiyo, sharti halijapanuliwa kutafsiriwa kana kwamba ni halali kwa \(\lambda_i\geq1\).

Uthibitisho wa string stability unategemea nini?

Wazo kuu la Theorem 3 ni kwamba katika kila sehemu ya prediction horizon, kosa la nafasi la follower lisizidi \(\rho_i\) mara envelope ya kosa ya gari lililo mbele.

Katika matumizi ya receding-horizon, kwa kuwa udhibiti wa kwanza wa mfuatano bora hutumika kwenye mfumo halisi, kikomo hichohicho huhamishwa kwenye kosa la closed-loop. Kwa sababu \(\rho_i<1\), inahitimishwa kwamba makosa hayakui kuelekea magari ya nyuma.

Dhamana hii ya kihisabati inategemea dhana za feasibility, modeli na mawasiliano zilizotajwa kwenye chanzo.

Simuleringi ya msingi yenye magari saba iliundwaje?

Modeli ya magari homogeneous hutumia vigezo gani vya kimwili?

Je, makosa ya nafasi ni sifuri kweli katika sekunde sita za mwisho?

Maandishi ya chanzo yanaeleza kuwa makosa ya nafasi yanakaribia sifuri. Hata hivyo, Jedwali 3 linalotoa takwimu za sekunde sita za mwisho linaripoti wastani mdogo sana lakini usio sifuri:

Kwa hiyo, matokeo ya namba katika muda wenye kikomo wa simuleringi yako katika kiwango cha kosa la wastani lililobaki la takriban 9–10 mm. Ukaribiaji wa kinadharia wa asymptotic na mabaki ya namba katika simuleringi ya muda wenye kikomo vinapaswa kutenganishwa.

Je, kidhibiti kinaweza kufanya hesabu ndani ya sekunde 0,3?

Chanzo kimepima muda wa hesabu wa kila hatua ya MPC kwa magari saba. Thamani zote za juu zimebaki chini ya muda wa sampling wa sekunde 0,3.

Magari heterojeni yalijaribiwaje?

Katika hali ya pili yenye magari matano, uzito, aerodynamic resistance, radius ya gurudumu, rolling resistance na efficiency ya kimakanika zilibadilishwa kutoka gari moja hadi jingine.

Kielelezo 6 kinaonyesha kasi za magari yote zikifuatilia reference na makosa ya nafasi jamaa yakipungua. Matokeo haya yanaonyesha kwamba modeli za ndani za magari zinazotumiwa na mbinu zinaweza kutofautishwa.

Hata hivyo, magari matano ya parameter pekee yalitumika; modeli kamili ya kimwili ya tairi, drivetrain, breki, kuchelewa kwa aktueta au tofauti za sensa haikujaribiwa.

Je, mbinu inaweza kupanuliwa kwa misafara mirefu zaidi?

Katika Kielelezo 7, mbinu pia imeendeshwa katika misafara homogeneous yenye magari 12 na 3. Katika hali zote mbili, makosa ya nafasi yanapungua na kasi zinatulia kwenye lengo la 20 m/s.

Matokeo haya yanaunga mkono kwamba mbinu haijafungwa kwenye muundo mmoja wa magari saba tu; hata hivyo, utafiti hautoi curve ya kihisabati au ya majaribio ya ukuaji wa gharama ya kompyuta kadiri idadi ya magari inavyoongezeka. Kwa hiyo, haiwezi kudaiwa kwamba inapanuka linearly hadi makundi makubwa sana ya magari.

Nini hutokea katika mitandao tofauti ya mawasiliano?

Kielelezo 8 kina simuleringi za magari saba kwa viungo tofauti vya mawasiliano mchanganyiko katika Kielelezo 2b na Kielelezo 2c. Katika topolojia zote mbili, kasi za magari huungana karibu 20 m/s huku makosa ya nafasi yakipungua hadi thamani ndogo.

Hii inaunga mkono kwamba sheria ya udhibiti si maalumu kwa adjacency matrix moja tu. Hata hivyo, modeli kuu inakubali kwamba paketi za mawasiliano zinafika kwa wakati na bila kupotea.

Je, uzani wa makubaliano hubadilisha tabia?

Mchanganyiko mitatu ya uzani imechunguzwa:

Kielelezo 9–10 kinaonyesha tofauti hii kupitia kupungua kwa makosa ya nafasi na value functions za dynamic-consensus kadiri muda unavyopita. Kwa kuwa chanzo hakitoi jedwali la convergence-time lenye muda sahihi kwa sekunde, mpangilio huu wa kimaelezo haujabadilishwa kuwa muda wa namba.

Nini hutokea wakati wa kuongeza na kupunguza kasi kwa dharura?

Katika Kielelezo 11a, kasi rejea imeongezwa hadi 24 m/s. Msafara hutulia kwenye thamani lengwa baada ya kuongeza kasi kwa muda na makosa ya nafasi jamaa kati ya magari hupungua.

Katika Kielelezo 11b, kasi lengwa inapunguzwa hadi 16 m/s. Magari hutulia kwenye kasi mpya baada ya mchakato mfupi wa mpito.

Chanzo kinatoa range ya acceleration inayoruhusiwa katika simuleringi kama −5 hadi +5 m/s², na kwenye grafu jibu la udhibiti hubaki ndani ya mipaka hii.

Nini kilijaribiwa wakati hali ya barabara ilibadilishwa?

Utafiti hufanya simuleringi nyingine kwa kubadilisha coefficient ya rolling resistance \(\mu_i\) karibu ±%10 ya thamani yake ya kawaida. Kielelezo 11c kinaonyesha kwamba magari tena yalifikia tabia ya pamoja lengwa.

\(\mu_i\) hapa ni coefficient ya rolling resistance inayotumiwa kwenye modeli ya longitudinal resistance ya utafiti. Jaribio hili si simuleringi ya full tire–road friction circle, barafu, hydroplaning au nguvu zisizo za mstari za tairi.

Kwa nini kuchelewa halisi kwa mawasiliano bado hakuchukuliwi kuwa kumetatuliwa?

Formulation kuu inadhania wazi kwamba hakuna kuchelewa kwa mawasiliano wala upotevu wa paketi. Katika Sehemu 6, waandishi wanakubali kwamba hii ni limitation kwa mitandao halisi ya V2X.

Miongoni mwa mawazo yaliyopendekezwa kwa siku zijazo ni robust constraint tightening ili kufidia kosa la delay, offset-free control, integral action au disturbance observer, pamoja na safety margins zinazobadilika kulingana na ubora wa mtandao.

Haya si sehemu ya algoriti ya sasa iliyotekelezwa katika makala na kujaribiwa kwenye Kielelezo 3–11; ni mapendekezo ya upanuzi wa siku zijazo.

Je, federated learning ilitumika kweli katika utafiti huu?

Hapana. Sehemu 6.3 hujenga daraja la kimawazo kati ya federated learning na MPC ya kihierarkia. Waandishi wanajadili kwamba katika siku zijazo tabaka la juu linaweza kufikiriwa kama global aggregator inayojifunza tabia ya pamoja ya trafiki, huku tabaka la chini likiwa personalized client ya aina maalumu ya gari.

Vivyo hivyo, category-guided graph convolution na kujifunza \(\lambda\) mtandaoni ni mawazo ya usanifu wa siku zijazo. Matokeo ya simuleringi ya sasa hayapimi athari za mbinu hizi.

Matokeo yanayoungwa mkono na utafiti

• Malengo ya uthabiti na makubaliano ya kidinamiki yanaweza kutenganishwa kama matatizo mawili ya MPC ya kihierarkia.
• Kutumia thamani bora ya uthabiti kama kizuizi cha contraction kunaruhusu uchambuzi wa recursive feasibility chini ya dhana zilizobainishwa.
• Chini ya masharti ya chanzo, uthabiti wa asymptotic wa sehemu ya usawa ya gari binafsi unaonyeshwa.
• Chini ya kizuizi cha kosa la nafasi \(\rho_i<1\), masharti ya kutosha kwa predecessor–follower string stability yametolewa.
• Katika simuleringi ya magari saba, D–MPC ya kihierarkia ilionyesha jibu la mpito lililo laini zaidi kuliko W–MPC yenye uzani wakati vigezo vilibadilishwa.
• Modeli iliweza kuunda tabia ya pamoja ya kasi na umbali katika hali mbalimbali za namba zenye magari 3, 5, 7 na 12.
• Uthabiti wa simuleringi ulidumishwa katika hali za kuongeza kasi hadi 24 m/s, kupunguza kasi hadi 16 m/s na kubadilisha rolling resistance kwa ±%10.
• Katika jaribio la magari saba, muda wote wa optimizations za hatua moja ulibaki chini ya muda wa sampling wa 0,3 s.

Matokeo ambayo utafiti hauungi mkono au haukupima

• Hakuna jaribio la barabarani au track lililofanywa kwenye msafara wa magari halisi.
• Kuchelewa halisi kwa mawasiliano ya V2V/V2X na upotevu wa paketi havikujaribiwa kwenye kidhibiti kikuu.
• Kizuizi cha contraction si dhamana ya moja kwa moja ya kutokugongana au ya umbali wa chini wa kimwili.
• Scalability ya hesabu na mawasiliano haijathibitishwa kwenye misafara mikubwa yenye mamia ya magari.
• Worst-case execution time au processor load haijapimwa kwenye ECU halisi.
• Barabara zenye mteremko, hitilafu za sensa, hitilafu za breki/aktueta na disturbances kali za nje hazipo katika simuleringi za sasa.
• Federated learning, graph neural network au \(\lambda\) inayojifunzwa online haijatekelezwa katika mbinu ya sasa.
• Ustahimilivu dhidi ya delay unaojadiliwa katika chanzo haujathibitishwa kwa majaribio na dhamana ya sasa ya kihisabati.
• Ingawa topolojia tofauti zimejaribiwa, hakuna jaribio pana la topology switching ya haraka na endelevu ndani ya run moja.
• Makosa ya nafasi hayawi sifuri kabisa ndani ya muda wenye kikomo wa simuleringi; kuna mabaki katika kiwango cha chini ya sentimita/sentimita.

Mbinu na Matokeo ya Utafiti

Muundo wa msingi wa tatizo la udhibiti

Kila gari huboresha mfuatano wake wa udhibiti kwenye prediction horizon \(N\):

\[ u_i(k)= \{ u_i(0|k), u_i(1|k), \ldots, u_i(N-1|k) \} \]

.

Mfuatano wa hali unaolingana:

\[ x_i(k)= \{ x_i(1|k), x_i(2|k), \ldots, x_i(N|k) \} \]

.

Tabaka la juu: Problem 1

Problem 1 hupunguza gharama ya dynamic consensus. Vizuizi vikuu vimefafanuliwa kama:

• Dynamics isiyo ya mstari ya gari,
• Vikomo vya hali na udhibiti,
• Eneo la terminal,
• Kikomo cha kosa la nafasi cha string-stability,
• Kikomo cha uthabiti cha contraction

.

Tabaka la chini: Problem 2

Problem 2 hupunguza gharama ya ufuatiliaji yenye positive definiteness chini ya dynamics ileile ya gari na vizuizi vya msingi. \(J_i^s\) bora inayopatikana hutumiwa kutengeneza kikomo cha juu cha gharama ya uthabiti inayoruhusiwa katika Problem 1.

Udhibiti wa receding-horizon

Kutoka Problem 1 hupatikana:

\[ u_i^o(k) \]

na udhibiti wa kwanza pekee wa mfuatano hutumika:

\[ u_i(k)=u_i^{cmpc}(k)=u_i^o(0|k) \]

Katika hatua inayofuata ya muda, hali hupimwa tena na tatizo lote la utabiri hutatuliwa upya.

Kusasisha trajectory inayodhaniwa

Utabiri wa mwendo wa baadaye ambao magari hutuma kwa majirani hutengenezwa kwa kusogeza mfuatano bora wa awali na kuongeza LQR feedback katika terminal. Kwa njia hii, magari yaliyosambazwa yanaweza kushiriki utabiri unaolingana kuhusu siku zijazo.

Muundo wa terminal kwa uthabiti

Chanzo kinadhania kwamba ndani ya eneo la terminal kuna feedback ya ndani:

\[ u_i=\kappa_i(x_i) \]

na kwamba gharama ya terminal inakidhi sharti la kupungua:

\[ E_i(f_i(x_i,\kappa_i(x_i))) - E_i(x_i) \leq -L_i(x_i,\kappa_i(x_i)) \]

. Hili ni moja ya masharti ya msingi ya uthibitisho wa uthabiti wa MPC.

Vigezo vya msingi vya udhibiti

Ulinganisho wa S–MPC na C–MPC

S–MPC huboresha fungsi ya lengo la uthabiti wa ufuatiliaji pekee. Katika Kielelezo 3a, makosa ya nafasi ya magari hupungua hadi thamani ndogo baada ya mchakato mfupi wa mpito.

C–MPC huboresha lengo la dynamic-consensus pekee. Katika Kielelezo 3b, mfumo hupoteza tabia thabiti ya ufuatiliaji na hasa kosa la nafasi la mojawapo ya magari ya mwisho huongezeka kwa kiasi kikubwa.

Matokeo haya yanaonyesha kwa nini uratibu wa malengo hayo mawili ni muhimu.

Ulinganisho wa D–MPC na W–MPC

D–MPC ni mbinu ya kihierarkia iliyopendekezwa katika utafiti; W–MPC ni mbinu ya gharama yenye uzani. Chanzo kimebadilisha vigezo vya uzani na contraction ili kulinganisha sensitivity ya usanifu.

Kielelezo 4 kinaonyesha D–MPC ikitulia kwa ulaini karibu 20 m/s baada ya kilele cha muda cha kasi, huku W–MPC ikiwa na oscillation zaidi katika kasi na kosa la nafasi.

Tafsiri ya kihandisi ya muda wa hesabu

Muda wa juu zaidi ulikuwa kwa Gari 3:

\[ 0,2818\;s \]

. Kwa kulinganisha na muda wa sampling wa 0,3 s, muda uliobaki ni:

\[ 0,3000-0,2818=0,0182\;s \]

yaani 18,2 ms.

Matokeo haya yanaonyesha kuwa deadline haikukosewa katika mazingira ya simuleringi. Hata hivyo, kwa udhibiti wa wakati halisi unaohusiana na usalama, operating-system jitter, muda wa mawasiliano wa V2X, kuchelewa kwa sensa na mzigo wa ECU halisi vinahitaji kuhesabiwa tofauti; kwa hiyo si dhamana ya mwisho ya deployment.

Matokeo ya scalability

Katika hali ya magari 12, curves zote za kasi hutulia kwenye 20 m/s baada ya tabia ya muda ya kilele inayofanana, na curves za kosa la nafasi hukaribia eneo la sifuri.

Tabia sawa inaonekana katika hali ya magari 3. Hata hivyo, kwa kuwa chanzo hakitoi jedwali la muda wa hesabu au trafiki ya mtandao kwa kila idadi ya magari, scaling ya complexity ya algoriti haiwezi kutolewa kwa namba.

Makubaliano katika topolojia mchanganyiko

Katika topolojia mbili tofauti za Kielelezo 8, magari saba hufuata kasi rejea ya pamoja na makosa ya nafasi hupungua hadi thamani ndogo. Matokeo haya yanaunga mkono kwamba kubadilisha muundo wa adjacency hakuharibu lengo kuu la udhibiti katika simuleringi.

Value functions chini ya uzani tofauti

Katika Kielelezo 10, gharama za dynamic-consensus kwa Gari 2, 3, 5 na 7 hupungua kadiri muda unavyopita chini ya weight cases tatu. Case 1 hupungua kwa haraka zaidi, Case 2 polepole zaidi, na Case 3 iko kati ya hizo mbili.

Matokeo haya yanaonyesha kwamba ingawa muundo wa kihierarkia haufanyi uchaguzi wa uzani kuwa muhimu kwa dhamana ya uthabiti kama katika mbinu kuu ya gharama yenye uzani, thamani za \(F_i\) na \(G_i\) bado huathiri kasi ya makubaliano.

Matokeo ya namba katika hali changamano za kuendesha

Mambo yanayopendekezwa kufanywa baadaye

Waandishi wanajadili hasa maeneo yafuatayo kwa ajili ya kuhamia kwenye mifumo halisi:

• Robust constraint tightening dhidi ya kuchelewa kwa mawasiliano na upotevu wa paketi,
• Offset-free control na disturbance observer,
• Dynamic safety margin kulingana na ubora wa mtandao,
• Graph representation tajiri zaidi inayoongozwa na kategoria,
• Marekebisho ya \(\lambda\) mtandaoni,
• Personalized federated learning kwa magari heterojeni,
• Uthibitishaji wa majaribio halisi.

Vipengele hivi si sifa zilizothibitishwa katika jedwali za matokeo, bali ni mielekeo ya utafiti wa baadaye.

Maelezo ya Chanzo na Mbinu

Jina kamili la asili la utafiti: Distributed Hierarchical MPC for Consensus and Stability of Vehicle Platoons with Mixed Communication Topologies

Waandishi na mpangilio wao: Zhuang Li; Zhenqi Fang; Yao Fang; Shaoxuan Luo.

Mchango sawa/mwandishi wa kwanza sawa: Chanzo hakina alama ya mwandishi wa kwanza sawa. Katika sehemu ya michango ya waandishi, imeelezwa kwamba waandishi wote walichangia kwa usawa katika conceptualization, methodology, software, validation, analysis, investigation, data curation, writing, visualization, supervision, project management na funding acquisition ya utafiti.

Mwandishi wa mawasiliano: Shaoxuan Luo.

Taasisi: School of Electronic and Electrical Engineering, Bengbu University, Bengbu 233030, China.

Jarida: Vehicles.

Mchapishaji: MDPI, Basel, Switzerland.

Taarifa ya uchapishaji: Vehicles 2026, 8, 82.

DOI: 10.3390/vehicles8040082.

Kiungo rasmi:https://doi.org/10.3390/vehicles8040082

Aina ya chanzo: Makala ya utafiti iliyopitia peer review; ni utafiti wa maendeleo ya MPC ya kihierarkia iliyosambazwa kwa msafara wa magari wenye dynamics isiyo ya mstari, uchambuzi wa uthabiti unaotegemea Lyapunov/MPC, uthibitisho wa string-stability na simuleringi za namba.

Hali ya peer review/uchapishaji: Chanzo kinatoa tarehe za kupokelewa 9 Februari 2026, kurekebishwa 23 Machi 2026, kukubaliwa 31 Machi 2026 na kuchapishwa 7 Aprili 2026.

Leseni: Creative Commons Attribution (CC BY).

Ufadhili: Anhui Provincial Department of Education, Grant No. 2025AHGXZK20025. APC pia ilifadhiliwa na mradi huohuo.

Upatikanaji wa data: Imeelezwa kwamba data zinaweza kupatikana kutoka kwa mwandishi wa mawasiliano kwa ombi lenye sababu; modeli na algoriti za simuleringi zimeelezwa ndani ya utafiti kwa kina kinachowezesha reproduction.

Mgongano wa maslahi: Waandishi wameripoti kutokuwa na mgongano wa maslahi.

Kikomo cha maudhui ya kisayansi: Modeli, milinganyo ya kihisabati, masharti ya udhibiti, vigezo vya simuleringi, tafsiri za grafu, thamani za utendaji na mapendekezo ya kazi ya baadaye katika maandishi haya ya Verianla yanategemea utafiti uliopitiwa pekee. Hakuna utendaji mpya wa msafara wa magari au matokeo ya uwanjani ya V2X yaliyoingizwa kutoka vyanzo vya nje.

Hali ya majaribio: Uthibitishaji wa utafiti unategemea simuleringi ya namba. Hakuna jaribio la gari halisi, hardware-in-the-loop au msafara kwenye barabara halisi lililowasilishwa.

Dhana ya mawasiliano: Modeli kuu inadhania wazi kwamba mtandao wa mawasiliano unafanya kazi vizuri na hakuna delay wala packet loss. Majadiliano ya robust delay compensation, federated learning na advanced graph representation katika Sehemu 6 ni upanuzi wa siku zijazo.

Dokezo la kizuizi cha usalama: Kizuizi cha contraction cha uthabiti katika Equation 13 si kikomo cha moja kwa moja cha umbali wa chini kati ya magari. Chanzo kinaeleza kuwa kinatumika hasa kuhakikisha recursive feasibility.

Kutolingana kwa \(\lambda_i\): Ingawa \(\lambda_i\in[0,1)\) hutumiwa katika mbinu na uthibitisho wote, sehemu ya kauli ya Theorem 2 inasema mara moja \(\lambda_i\geq0\). Kwa kuwa uthibitisho wa uthabiti unatumia positivity ya coefficient \(1-\lambda_i\), interval thabiti ya chanzo \([0,1)\) imehifadhiwa katika uwasilishaji huu wa Verianla.

Dokezo la kitengo cha input ya udhibiti: \(u_i\) hufafanuliwa kama torque ya kuendesha/kufunga breki, lakini katika kizuizi cha simuleringi kitengo cha 3000 N hutumiwa. Kutolingana huku kwa dimensions ndani ya chanzo hakujasahihishwa kimya kimya kuwa N·m.

Dokezo la kosa la nafasi: Sehemu za kinadharia na simulizi zinasema makosa yanakaribia sifuri, lakini Jedwali 3 linaloripoti sekunde sita za mwisho lina wastani wa takriban 0,0094–0,0099 m. Thamani hizi zimewasilishwa kama mabaki madogo ya muda wenye kikomo.

Kikomo cha wakati halisi: Muda wa juu wa kutatua kwa magari saba unabaki chini ya kipindi cha sampling cha 0,3 s; hata hivyo, vifaa vya kompyuta vilivyotumika havijaelezwa na hakuna uthibitishaji wa worst-case execution time kwenye kidhibiti cha kiwango cha magari.

Kikomo cha scalability: Simuleringi za ziada za magari 3 na 12 zinaonyesha kwamba mbinu inaweza kufanya kazi katika ukubwa tofauti wa msafara; complexity ya hesabu na mawasiliano haijapimwa kwenye makundi makubwa sana.

Kikomo cha topolojia mchanganyiko: Kielelezo 2 kina topolojia saba tofauti za mawasiliano na simuleringi tofauti kwa baadhi yake. Matokeo haya hayamaanishi dhamana ya majaribio chini ya topology switching ya haraka na endelevu ndani ya jaribio moja.