Effective Finite Time Stability Control for Human-Machine Shared Vehicle Following System

📄 arXiv: 2410.18007v3 📥 PDF

作者: Zihan Wang, Mengran Li, Ronghui Zhang, Jing Zhao, Chuan Hu, Xiaolei Ma, Zhijun Qiu

分类: eess.SY

发布日期: 2024-10-23 (更新: 2024-10-31)

💡 一句话要点

提出基于自适应有限时间滑模控制的人机共享车辆跟随系统，提升稳定性和收敛速度。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 人机共享控制 车辆跟随系统 自适应控制 有限时间稳定 滑模控制

📋 核心要点

  1. 传统车辆跟随系统难以应对驾驶员反应时间波动带来的不稳定性，需要根据不同情况调整系统干预程度。
  2. 提出HM-VFAS，通过智能驾驶员模型模拟驾驶员行为，并设计控制权限分配策略动态调整系统干预程度。
  3. 实验结果表明，该系统在时变驾驶员状态下能保持安全距离，并显著提升稳定性和收敛速度。

📝 摘要（中文）

本文提出了一种人机共享车辆跟随辅助系统(HM-VFAS)，旨在解决驾驶员反应时间波动导致传统车辆跟随系统稳定性下降的问题。该系统集成了驾驶员在不同状态下的输出与辅助系统，并采用考虑反应时间延迟的智能驾驶员模型来模拟时变驾驶员输出。设计了一种控制权限分配策略，以根据实时驾驶员状态评估动态调整干预程度。为解决驾驶员权限切换带来的不稳定性，提出了一种双层自适应有限时间滑模控制器(A-FTSMC)。第一层是积分滑模自适应控制器，通过补偿驾驶员输出的不确定性来确保鲁棒性。第二层是快速非奇异终端滑模控制器，旨在加速收敛以实现快速稳定。使用真实驾驶员视频作为输入，评估了HM-VFAS的性能。结果表明，所提出的控制策略在时变驾驶员状态下保持了安全距离，实际加速度误差相对于目标加速度保持在0.5m/s^2以内，最大加速度误差降低了1.2m/s^2。与传统控制器相比，A-FTSMC控制器提供更快的收敛速度和更少的振动，稳定时间减少了27.3%。

🔬 方法详解

问题定义：传统车辆跟随系统在人机共享控制场景下，由于驾驶员反应时间的不确定性和时变性，难以保持稳定。驾驶员行为的不可预测性导致系统需要频繁调整干预程度，这会进一步引入不稳定性。现有方法难以有效应对这种驾驶员行为变化带来的挑战。

核心思路：本文的核心思路是构建一个能够适应驾驶员行为变化的自适应控制系统。通过模拟驾驶员行为，并根据驾驶员状态动态调整控制权限，从而在保证安全性的前提下，尽可能地尊重驾驶员的意图。同时，采用自适应有限时间滑模控制，以快速稳定系统，并抑制驾驶员行为切换带来的干扰。

技术框架：HM-VFAS系统包含以下几个主要模块：1) 智能驾驶员模型：用于模拟驾驶员的驾驶行为，考虑了反应时间延迟等因素。2) 控制权限分配策略：根据驾驶员状态评估结果，动态调整系统干预程度。3) 双层自适应有限时间滑模控制器(A-FTSMC)：第一层为积分滑模自适应控制器，用于补偿驾驶员输出的不确定性；第二层为快速非奇异终端滑模控制器，用于加速收敛。整个系统通过实时获取驾驶员状态信息，并结合智能驾驶员模型的预测结果，进行控制决策，最终实现车辆跟随。

关键创新：最重要的技术创新点在于双层自适应有限时间滑模控制器的设计。与传统的滑模控制相比，该控制器具有更快的收敛速度和更强的鲁棒性。第一层积分滑模自适应控制器能够有效抑制驾驶员行为变化带来的不确定性，第二层快速非奇异终端滑模控制器能够加速系统收敛，从而保证系统在短时间内恢复稳定。此外，控制权限分配策略也是一个创新点，它能够根据驾驶员状态动态调整系统干预程度，从而实现人机协同控制。

关键设计：A-FTSMC控制器的关键设计在于其自适应律和滑模面的选择。自适应律用于估计驾驶员输出的不确定性，并进行补偿。滑模面的选择直接影响系统的收敛速度和稳定性。论文中采用了积分滑模面和非奇异终端滑模面，以实现快速收敛和避免奇异性问题。此外，控制权限分配策略的设计也至关重要，需要根据驾驶员状态和系统安全需求进行权衡。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的控制策略能够有效保持安全距离，并将实际加速度误差相对于目标加速度保持在0.5m/s^2以内，最大加速度误差降低了1.2m/s^2。与传统控制器相比，A-FTSMC控制器提供更快的收敛速度和更少的振动，稳定时间减少了27.3%。这些数据表明，该系统在性能上具有显著优势。

🎯 应用场景

该研究成果可应用于高级驾驶辅助系统(ADAS)和自动驾驶领域，尤其是在人机共驾场景下。通过该系统，可以有效提升车辆跟随的安全性、稳定性和舒适性，降低驾驶员的操作负担，并提高交通效率。未来，该技术有望应用于更复杂的交通环境，例如城市道路和高速公路。

📄 摘要（原文）

With the development of intelligent connected vehicle technology, human-machine shared control has gained popularity in vehicle following due to its effectiveness in driver assistance. However, traditional vehicle following systems struggle to maintain stability when driver reaction time fluctuates, as these variations require different levels of system intervention. To address this issue, the proposed human-machine shared vehicle following assistance system (HM-VFAS) integrates driver outputs under various states with the assistance system. The system employs an intelligent driver model that accounts for reaction time delays, simulating time-varying driver outputs. A control authority allocation strategy is designed to dynamically adjust the level of intervention based on real-time driver state assessment. To handle instability from driver authority switching, the proposed solution includes a two-layer adaptive finite time sliding mode controller (A-FTSMC). The first layer is an integral sliding mode adaptive controller that ensures robustness by compensating for uncertainties in the driver output. The second layer is a fast non-singular terminal sliding mode controller designed to accelerate convergence for rapid stabilization. Using real driver videos as inputs, the performance of the HM-VFAS was evaluated. Results show that the proposed control strategy maintains a safe distance under time-varying driver states, with the actual acceleration error relative to the target acceleration maintained within 0.5m/s~2 and the maximum acceleration error reduced by 1.2m/s~2. Compared to traditional controllers, the A-FTSMC controller offers faster convergence and less vibration, reducing the stabilization time by 27.3%.