Optimization-Based On-Road Path Planning for Articulated Vehicles
KTH Royal Institute of Technology（瑞典皇家理工学院）；Linköping University（林雪平大学）；Scania CV AB（斯堪尼亚汽车公司）
在狭窄的道路延伸段上操纵铰接式车辆对于人类驾驶员来说通常是一项具有挑战性的任务。除非车辆被准确地转向，否则车身的一部分可能会超出其指定的车道，从而增加与周围交通碰撞的风险。在这项工作中，提出了一种基于优化的路径规划算法，针对道路上行驶的情况下，铰接车辆组成的牵引车和拖车。为此，我们在适合道路规划的道路对齐坐标系中对牵引车-拖车车辆进行建模。基于驾驶行为学，提出了一组不同的优化目标，其总体目标是设计一个路径规划器，该路径规划器计算最小化车身扫掠区域的偏离轨道的路径，同时保持在道路上并避免与障碍物碰撞。使用最具挑战性的牵引车拖车尺寸，在一组复杂且实际相关的道路规划场景的模拟中评估和分析了所提出的基于优化的路径规划算法以及不同的优化目标。
2020-05-11 cs.RO cs.SY eess.SY
Model Validation of a Low-Speed and Reverse Driving Articulated Vehicle
Eindhoven University of Technology（埃因霍温理工大学）；Siemens Digital Industries Software（西门子数字工业软件）
针对配送中心铰接式车辆低速与倒车定位及建模难题，本文通过稳定系统不稳定极点，对比运动学、非线性单轨和多体动力学模型与实车数据，证明非线性单轨模型在大铰接角及倒车操纵中性能最优。
2023-10-01 cs.RO cs.SY eess.SY
Vehicle Platooning Impact on Drag Coefficients and Energy/Fuel Saving Implications
在本文中，从文献中的经验数据被用来开发一般的功率模型，捕获的车辆位置的影响，在一排同质车辆，和距离的差距，其领导（和以下）车辆的阻力系数。这些型号是为轻型汽车、公共汽车和重型卡车开发的。使用约束优化框架拟合模型，以使用直接阻力或燃料测量来拟合一般幂函数。然后，该模型被用来外推的经验测量到一个大范围内的车辆距离的差距排。使用这些模型，我们估计潜在的燃料减少与轻型车辆，公共汽车和重型卡车的同质排。结果表明，与基于恒定阻力系数的假设相比，车辆的燃油消耗量显着减少。具体地，考虑到以$100 \; km/hr$的速度运行的$0.5 \; secs$车辆之间的最小时间间隙（这是考虑到实际通信和机械系统延迟的典型状态），对于轻型车辆、公共汽车和重型卡车排，实现的最佳燃料减少分别是$4.5 \%$、$15.5 \%$和$7.0 \%$。对于较长的时间间隔，公共汽车和重型卡车排仍然产生$9.0 \%$和$4.5 \%$的燃料减少，而轻型车辆产生的燃料节省微不足道。
2020-03-02 cs.MA cs.SY eess.SY
Analysis of a Stochastic Model for Coordinated Platooning of Heavy-duty Vehicles
New York University Tandon School of Engineering（纽约大学坦登工程学院）
本文研究了高速公路重载车辆编队协调问题，通过泊松过程建模车辆到达，并基于头车间隔阈值确定编队，优化成本（时间与燃料）并对比SUMO仿真结果。
2019-09-27 cs.SY eess.SY
Optimal Freewheeling Control of a Heavy-Duty Vehicle Using Mixed Integer Quadratic Programming
改善重型车辆的动力传动系统控制可以有效地降低燃料消耗，从而降低运营成本和环境影响。这样做的单向式是通过使用关于即将到来的驾驶条件的信息，称为前瞻信息，以便在齿轮接合的情况下滑行或使用惯性滑行。使用这种技术的控制器目前主要存在于高速公路驾驶中的车辆中。因此，本文的目标是如何将这种控制可以应用到车辆的速度变化，如配送车辆。这种车辆的驾驶任务在这里制定为一个最优控制问题。控制变量是牵引力、制动力和表示闭合或打开动力系的布尔变量。该问题由模型预测控制器解决，该控制器在每次迭代时求解混合二次规划。比较了四种不同控制策略下的燃油消耗量：基准行驶循环、无空转的前瞻控制、空转时发动机空转、空转时发动机关闭。对典型的用于测试配送车辆的驾驶循环的仿真表明，与基准相比，在所有情况下，在不增加行程时间的情况下，控制策略分别节省10%、16%和20%的潜力。
2020-02-14 cs.SY eess.SY
Cooperative look-ahead control for fuel-efficient and safe heavy-duty vehicle platooning
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出双层控制架构，通过道路地形前瞻信息和实时控制协调重型车辆编队，实现安全高效的燃油优化轨迹。
2015-05-03 cs.SY eess.SY
Voltage Constrained Heavy Duty Vehicle Electrification: Formulation and Case Study
本文构建了一个联合交通与电力网络的易处理模型，在满足重型车辆机动性约束的同时最小化输电网电压违例，案例表明该算法有效缓解了大规模车辆接入引发的电压违例。
2023-11-24 cs.SY eess.SY
Electrified Autonomous Freight Benefit analysis on Fleet, Infrastructure and Grid Leveraging Grid-Electrified Mobility (GEM) Model
本文分析了重型车辆（HDV）电气化和自动化对车队成本、基础设施成本、电网和环境影响的潜在效益。在这项工作中，我们扩展了车辆电气化效益分析工具：电网电气化移动（GEM）模型，这主要是用来研究轻型乘用车（LDV），分析重型汽车电气化。扩展模型推导出货运和关键结果和货运电气化和自动化的影响调查结果进行了介绍和讨论。
2022-04-27 cs.SY eess.SY
Spatiotemporal Tube-Based Safety-Certificate for Autonomous Navigation of Articulated Vehicles
针对铰接式车辆自主导航的狭窄路线机动挑战，提出基于时空管的规划方法，确保挂车处于道路走廊内，经仿真验证可提供路线安全证书。
2026-08-17 cs.RO cs.SY eess.SY
Scalable High-Speed Lateral Control for Single-Body and Articulated Autonomous Vehicles
本文提出一种可扩展横向控制框架，通过对基于回旋曲线的控制器改进，结合灵活跟踪点选择与仿真验证，实现单体与铰接式自动驾驶车辆的高速鲁棒路径跟踪。
2026-08-11 cs.RO cs.SY eess.SY
The Impact of Heavy-Duty Vehicle Electrification on Large Power Grids: a Synthetic Texas Case Study
重型车辆（HDEV）的电气化是交通运输部门脱碳的新兴和快速发展的途径。在本文中，我们研究了增加车辆电气化对电网基础设施的影响，特别关注HDEV。我们利用的2000总线得克萨斯州输电网的合成表示，并在特拉维斯县，得克萨斯州，以及有关的运输数据的多个配电网的现实表示，HDEV电气化，揭示的后果，并暴露现有的电网基础设施所施加的限制。我们的分析表明，即使在适度的渗透水平下，也可能发生与HDEV的迁移率时空相关的电网电压问题。事实上，我们发现德克萨斯州只有11%的重型车辆同时充电可能导致输电网络上的严重电压违规，从而危及电网可靠性。此外，我们发现，几十辆电动汽车同时充电可能会导致配电层的电压违规。
2022-03-08 cs.SY eess.SY physics.soc-ph
Experimental Validation of Linear and Nonlinear MPC on an Articulated Unmanned Ground Vehicle
Massachusetts Institute of Technology（麻省理工学院）；University of Leuven (KU Leuven)（鲁汶大学（KU Leuven））；Boston University（波士顿大学）；Iowa State University（爱荷华州立大学）
研究铰接式无人地面车辆的轨迹跟踪控制问题。我们提出并比较两种方法的性能和计算复杂度。第一种方法使用一个非线性的数学模型，从第一原理，并结合了非线性模型预测控制器（NMPC）与非线性滚动时域估计（NMHE），以产生一个控制策略。第二种是基于输入状态线性化（ISL）的原始模型，其次是线性模型预测控制（LMPC）。提出了一种快速实时迭代方案，实现了NMHE-NMPC框架，并对ISL-LMPC框架进行了基准测试，这是一种传统且廉价的方法。基于时间的轨迹的实验结果表明，所提出的实时迭代方案的NMHE-NMPC框架给出了更好的轨迹跟踪性能比ISL-LMPC框架和所需的计算时间是可行的实时应用。此外，ISL-LMPC以显著降低的计算成本产生与NMHE-NMPC框架相当的质量的结果。
2021-03-25 cs.RO cs.SY eess.SY
Preference-Conditioned Multi-Objective Reinforcement Learning for Tactical Decision Making in Heavy-Duty Vehicles
Department of Computer Science and Engineering, Chalmers University of Technology and University of Gothenburg（计算机科学与工程系，查尔姆斯理工大学和哥德堡大学）；Department of Mechanics and Maritime Sciences, Chalmers University of Technology（机械与海洋科学系，查尔姆斯理工大学）
提出基于近端策略优化的多目标强化学习框架，学习一组帕累托最优策略以平衡安全性、能源效率和时间效率，实现无需重新训练的灵活决策。
2026-10-12 cs.AI cs.LG cs.SY
An Iterative Algorithm to Symbolically Derive Generalized n-Trailer Vehicle Kinematics
Department of Mechanical and Aerospace Engineering, The Ohio State University（机械与航空航天工程系，俄亥俄州立大学）；Department of Engineering Education, The Ohio State University（工程教育系，俄亥俄州立大学）；The Ohio State University Center for Automotive Research（俄亥俄州立大学汽车研究中心）
针对广义n-拖挂车铰接车辆，提出一种基于约束结构符号推导横摆平面运动学模型的迭代算法，证明最大运动学控制数并导出广义阿克曼转向定律，经实车数据验证。
2025-04-01 cs.RO cs.SY eess.SY
Trajectory Generation using Sharpness Continuous Dubins-like Paths with Applications in Control of Heavy Duty Vehicles
Scania, Autonomous Transport Solutions（斯堪尼亚，自主运输解决方案）
本文提出了一种考虑转向执行器速率和扭矩限制的轨迹生成框架，通过连续尖锐度曲线提升重载车辆的自主驾驶性能。
2018-05-07 cs.RO cs.SY eess.SY
Early Findings from Field Trials of Heavy-Duty Truck Connected Eco-Driving System
近年来，互联和自动驾驶汽车（CAV）技术的发展激发了许多旨在改善现有交通系统的先进应用。作为CAV技术广泛研究的应用之一，互联生态驾驶利用交通信号的信号相位和定时（SPaT）信息，使CAV能够以节能的方式接近和离开信号交叉口。然而，大多数相关的生态驾驶研究都是数值或微观交通模拟。只有很少的研究在真实车辆上实现了应用，更少的研究集中在重型卡车上。在这项研究中，我们开发了一个连接的生态驾驶系统，并配备了重型柴油卡车使用基于蜂窝的无线通信。现场试验在加利福尼亚州卡森市进行，沿着两条走廊，六个连接的信号交叉口能够沟通他们的SPaT信息。早期的结果表明，该系统的好处，在平滑的速度配置文件的装备卡车接近连接信号交叉口。
2019-07-31 cs.SY eess.SY
Optimal Sizing of Charging Energy Hubs for Heavy-Duty Electric Transport through Co-Optimization
Eindhoven University of Technology（埃因霍温理工大学）
本文提出混合整数线性规划模型，用于重型电动交通充电能源枢纽的最优规模设计，通过协同优化实现成本效益和电网兼容性。
2026-02-02 cs.SY eess.SY
Gray-Box Model Predictive Control for Articulated Dump Trucks via Gaussian Process Learning of Sideslip
RWTH Aachen University（亚琛工业大学）
针对铰接式自卸卡车，提出用高斯过程回归学习侧偏角并融入运动学模型形成灰箱模型，用于模型预测控制，将最大横向跟踪误差从超2米降至0.56米。
2026-09-24 cs.RO cs.SY eess.SY
Private and Secure Coordination of Match-Making for Heavy-Duty Vehicle Platooning
University of Melbourne（墨尔本大学）；KTH Royal Institute of Technology（皇家理工学院）
本文提出了一种安全隐私的多代理通信协调框架，用于重型卡车编队合作中的需求查询，通过半同态加密实现隐私保护的分布式协调机制。
2017-02-28 cs.CR cs.SY eess.SY
Beacon-Based Feedback Control for Parking an Active-Joint Center-Articulated Mobile Robot
The University of Western Ontario（西安大略大学）
本文针对主动关节中心铰接式移动机器人，提出基于极坐标方程和Lyapunov方法的泊车控制律，并利用信标导引反馈实现从任意初始位姿的自主稳定泊车。
2025-06-03 cs.RO cs.SY eess.SY
System-Level Performance Metrics Sensitivity of an Electrified Heavy-Duty Mobile Manipulator
本文研究了电动重型移动操作臂在永磁同步电机驱动机电直线执行器下的系统级性能指标灵敏度，通过计算工具中心点有效载荷质量的偏导数，评估功率、力、能耗和效率，为执行器选型与电池容量设计提供指导。
2024-09-24 cs.SY eess.SY
Model predictive eco-driving control for heavy-duty trucks using Branch and Bound optimization
提出一种基于Branch and Bound的MPC算法解决重型卡车生态驾驶最优控制问题，通过优化燃油消耗与行程时间，在VECTO等模拟中较人类驾驶员和PMP方案平均节油25.8%和12.9%。
2022-11-11 cs.SY eess.SY
Fuel-Economical Distributed Model Predictive Control for Heavy-Duty Truck Platoon
针对同质重型卡车车队提出了一种燃油经济性分布式模型预测控制设计方案。所提出的控制策略集成了燃料最优控制策略的领导卡车与分布式编队控制的重型卡车队列中的以下卡车。燃料最优控制策略是通过非线性模型预测控制（NMPC）设计与瞬时燃料消耗模型来实现的。所提出的燃料最优控制策略利用前交通的预览信息，以实现燃料经济的速度规划，避免能源效率低下的机动，特别是在瞬态交通条件下。分布式编队控制采用串行分布式模型预测控制（DMPC）策略，保证了编队的局部稳定性和串级稳定性。在DMPC策略中，每辆跟随的卡车通过车辆连通性获得其前车的未来预测状态信息，然后应用局部最优控制来保持恒定的间距。仿真研究进行调查的燃油经济性所提出的控制策略的性能，并验证在现实的交通情况下的本地和字符串的稳定性的队列。与人操纵的车队和基准编队控制的车队相比，所提出的生态DMPC显着提高了燃油经济性和道路利用率。
2022-01-28 cs.SY eess.SY
Tilt as a Certified Resource: Preserving Motor Wrench-Rate Authority on Articulated Multirotors
Ricerca sul Sistema Energetico (RSE) S.p.A.（意大利能源系统研究公司）；Czech Technical University in Prague（捷克理工大学）；Czech Technical University（捷克理工大学）
针对完全驱动多旋翼在扰动下保持扳手速率权限的问题，本文利用伺服倾斜作为几何资源，构建仅电机的就绪证书并作为CBF执行，仿真证明该滤波器能约束状态并保持飞行器权限。
2026-09-21 cs.RO cs.SY eess.SY
Duty-Cycled RSU Sleep Scheduling for Green V2I Corridors: Optimization Under a Latency Budget
Kuwait University（科威特大学）
针对V2I部署中RSU能耗浪费问题，提出协作框架利用上游RSU共享交通检测信号实现预测唤醒，基于真实交通数据节能59.5%并保持99%延迟合规。
2026-09-29 cs.NI cs.SY eess.SY
Electrifying Heavy-Duty Trucks: Battery-Swapping vs Fast Charging
University of California, Berkeley（加州大学伯克利分校）；École Polytechnique（巴黎综合理工学院）；TotalEnergies OneTech（道达尔能源OneTech）
研究比较了电池交换和快速充电系统在重型卡车中的效率，发现BSS在减少停机时间方面更优，但需更多电池，而FCS需更大电池应对长充电时间，BSS在减排和盈利上有潜力。
2025-05-18 cs.SY eess.SY
Distributed Stochastic Model Predictive Control for Human-Leading Heavy-Duty Truck Platoon
人类主导的卡车排队系统已经被提出来利用人类监督和车辆自主性两者的益处。配备了人工引导和自主技术，人类主导的卡车排队系统比全自动排队系统更能应对不确定的交通状况。提出了一种新的分布式随机模型预测控制（DSMPC）设计的人主导重型卡车车队。建议DSMPC设计集成了随机驾驶员行为模型的人驱动的领导卡车的分布式编队控制设计的以下自动化卡车的排。人类驾驶的领导卡车的驾驶员行为的学习随机逆强化学习（SIRL）的方法。所提出的随机驾驶员行为模型的目的是学习代价函数的分布，其表示人类驾驶员行为的丰富性和独特性，具有给定的一组特定于驾驶员的示范。分布式编队控制包括一个串行DSMPC保证递归的可行性，闭环机会约束满足，和字符串稳定性。仿真研究进行调查的有效性，建议的设计在几个现实的交通情况下。与基线队列控制策略（确定性分布式模型预测控制）相比，所提出的DSMPC在约束违反和间距误差方面实现了优越的控制器性能。
2022-01-27 cs.SY eess.SY
Cyber-physical Control of Road Freight Transport
ACCESS Linnaeus Centre and the Department of Automatic Control, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈斯中心，电气工程学院自动控制系，瑞典皇家理工学院）；KTH Royal Institute of Technology（瑞典皇家理工学院）；Scania CV AB（斯堪尼亚商用车公司）
本文探讨如何利用现代信息技术实现网络物理运输系统架构，通过协调卡车车队实现节能降耗，展示协同控制策略在货运中的应用与效果。
2015-07-13 cs.SY eess.SY
Sensor Diagnosis for Fuel and Emissions Monitoring in Heavy-Duty Diesel Vehicles
University of Chicago（芝加哥大学）；University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本研究针对重型柴油车辆，提出两种基于健康测量关系的传感器诊断与燃油修正方法，在特定实验设置下可实现高准确率诊断，大幅降低排放核算的平均绝对误差。
2026-10-16 cs.LG cs.SY eess.SY
Multi-sectoral Impacts of H2 and Synthetic Fuels Adoption for Heavy-duty Transportation Decarbonization
Massachusetts Institute of Technology（麻省理工学院）；New York University（纽约大学）
研究通过多行业模型评估氢能和合成燃料在重运输脱碳中的影响，分析不同脱碳路径的能源系统影响及成本平衡。
2025-09-12 cs.SY eess.SY physics.soc-ph
Assessing Geographical and Seasonal Influences on Energy Efficiency of Electric Drayage Trucks
本文开发了基于模型的仿真方法，结合地理与季节因素预测港口短途运输电动卡车的能耗，并通过美国三大港口的案例为车队电气化与电网规划提供决策依据。
2025-04-03 cs.SY eess.SY
Delayed Expansion AGT: Kinodynamic Planning with Application to Tractor-Trailer Parking
School of Aerospace Engineering, Georgia Institute of Technology（航空航天工程学院，佐治亚理工学院）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
针对铰接式车辆在杂乱环境中kinodynamic规划的高维、动力学复杂难题，提出融合延迟扩展运动基元、学习型启发式与轨迹跟踪终止机制的DE-AGT算法，在3节挂车自动泊车仿真中实现10倍平均加速。
2025-06-16 cs.RO cs.SY eess.SY
A method of online traction parameter identification and mapping
拖拉机、推土机等重型车辆的燃料消耗量因其作业范围而非常高。操作设置通常是固定的，并且不根据环境因素（例如地面条件）进行调整。然而，确切地说，地面到推进单元的特性在能源效率方面是决定性的。优化后者将需要一种确定这些属性的手段。这是目前研究的中心问题。更具体地说，目标是从可用的测量值（例如驱动训练信号）估计地面条件，并建立这些测量值的地图。利用自适应无迹卡尔曼滤波器估计地面条件参数。一个案例研究提供了实际和估计的地面条件地图。这种映射可以被视为重型车辆最优运行控制的重要里程碑。
2021-04-23 cs.SY eess.SY math.OC
Self-Powered Solar Aerial Vehicles: Towards Infinite Endurance UAVs
探索了一种自供电方案，利用太阳能和浮力升力实现长时间运行。最终目标是在满足无人机动力学特性和所需的控制性能、机动性和占空比的同时，具有无限续航能力。在最优不确定性量化（OOQ）的框架内确定与无人机功率需求和太阳能输入相关的无量纲功率项。OOQ考虑了动力学和控制中的不确定性和不完整信息，可用的太阳能，以及太阳能无人机模型的电力需求，并提供了一个最佳的解决方案，以实现能源方面的自我维持系统。讨论了自供电的轨迹跟踪、速度和控制。这类飞行器可以克服当前电动无人机的飞行时间限制，从而满足许多应用的需求。本文为太阳能电动多旋翼无人机的设计提供了一种通用的方法。
2020-07-24 cs.SY eess.SY
Energy Management of Airport Service Electric Vehicles to Match Renewable Generation through Rollout Approach
传统的柴油机场服务车辆的特点是重型、高使用频率和每辆车每小时的高碳强度。如果对机场服务电动汽车（ASEV）进行适当的能源管理，将这些车辆改造为电动汽车将减少二氧化碳排放，并在燃料价格上涨的背景下节省能源成本。为了执行这样的能量管理，本文提出了一种新的定制的推出方法，作为一个新的ASEV动力学模型，ASEV模型的状态，随着时间的推移，以及如何控制决策影响他们的近最优控制方法。推出的方法产生了一个接近最佳的控制策略，为ASEV运输行李和充电电池，目标是最大限度地减少运营成本，这激励了ASEV的充电，以匹配可再生能源发电。案例研究表明，推出的方法有效地克服了“维数灾难”。在典型的夏季和冬季，推出算法的总成本比基本的“贪婪充电”启发式算法低约10%，该启发式算法在电池的充电状态不是最大时对电池进行充电。展示算法被证明是适应航班时刻表的变化，在短时间内通知。
2019-08-21 cs.SY eess.SY
Eco-driving Trajectory Planning of a Heterogeneous Platoon in Urban Environments
鉴于互联和自动驾驶汽车（CAV）的日益普及和需求，在高速公路和城市地区进行生态驾驶和排队以提高交通系统的效率正在成为可能。本文提出了生态驾驶轨迹规划在城市环境中的异质电动汽车（EV）的排。提出的控制策略的队列考虑能源消耗，流动性和乘客舒适度，车辆可以通过信号交叉口没有停止。对于给定的城市路线，首先，车队的领导车辆采用动态规划（DP）计划的预期路径的轨迹，目的是平衡能源消耗，机动性和乘客舒适度。然后，队列中的每一个其他的CAV要么使用基于PID的协作自适应巡航控制跟随其前车，要么通过检查它是否可以通过下一个十字路口而不停车来规划自己的轨迹。此外，不能有效地跟随轻型车辆的重型车辆将采用基于DP的轨迹规划器。仿真研究表明，所提出的控制策略的有效性，该排的能量消耗被证明是减少，而不损害的流动性。
2022-05-19 cs.SY eess.SY
Energy-Cautious Designation of Kinematic Parameters for a Sustainable Parallel-Serial Heavy-Duty Manipulator Driven by Electromechanical Linear Actuator
Faculty of Engineering and Natural Sciences, Tampere University（坦佩雷大学工程与自然科学学院）
本研究针对非公路机械电气化转型，提出一种优化车载串并联重型机械臂运动学参数的方法，以促进机电直线执行器替代液压执行器，在保留原有能力的同时最小化系统能耗。
2024-10-11 cs.RO cs.SY eess.SY
Enhancing Autonomous Vehicle Navigation with a Clothoid-Based Lateral Controller
本研究提出结合自适应预瞄机制的Clothoid横向控制器，通过准反馈算法与超前滤波器提升自动驾驶车辆路径跟踪精度与稳定性，经TruckSim-Simulink联合仿真验证性能显著改善。
2026-08-11 cs.RO cs.SY eess.SY
Multi-Agent Deep Reinforcement Learning-Driven Mitigation of Adverse Effects of Cyber-Attacks on Electric Vehicle Charging Station
电动汽车充电站（EVCS）基础设施是交通电气化的支柱。然而，EVCS在软件、硬件、供应链以及网络、通信和控制等现有遗留技术中存在无数可利用的漏洞。这些独立或联网的EVCS为当地或国家资助的对手打开了巨大的攻击面。最先进的方法不够敏捷和智能，无法防御和缓解高级持续性威胁（APT）。我们提出了基于多智能体深度强化学习（MADRL）的数据驱动的无模型分布式智能-双延迟深度确定性策略梯度（TD3）-有效地学习控制策略，以减轻对EVCS控制器的网络攻击。此外，我们还提出了两种额外的缓解方法：手动/暴力缓解和基于控制器克隆的缓解。攻击模型考虑了APT设计为在I型低频攻击和II型恒定攻击下使EVCS控制器的占空比发生故障。所提出的模型恢复EVCS操作下的威胁发生在任何/所有的控制器通过校正由传统控制器产生的控制信号。此外，TD3算法通过学习非线性控制策略提供了更高的粒度相比，其他两种缓解方法。索引术语：网络攻击，深度强化学习（DRL），电动汽车充电站，缓解。
2022-07-14 cs.SY eess.SY
Model Predictive Control for Automotive Climate Control Systems via Value Function Approximation
在轻型汽车的辅助负载中，空调系统是最大的单一能耗。对于电动汽车来说，加热和冷却负载的影响变得更加重要，因为它们与动力系统竞争电池能源使用，并且可以显着降低续航里程或性能。虽然在电动汽车的最佳能源管理和生态驾驶的车辆速度优化领域已经做了大量的工作，但很少有贡献涉及加热和冷却负荷的能量最佳控制的应用。提出了一种基于模型预测控制的电气化动力总成热管理系统能量管理策略。从捕获热交换器中的制冷剂的动态和系统的功率消耗的蒸气压缩制冷系统的非线性模型开始，制定约束多目标最优控制问题以在跟踪期望的热设定点的同时减少能量消耗。提出了一种有效的MPC的实时应用，通过引入一个终端成本获得的近似的全局最优解。
2021-10-19 cs.SY eess.SY
Deep Reinforcement Learning for Advanced Longitudinal Control and Collision Avoidance in High-Risk Driving Scenarios
College of Engineering, University of Maryland（马里兰大学工程学院）
针对现有高级驾驶辅助系统易忽视后车风险、难以应对高速密集车流中连环碰撞的问题，提出一种同时考虑前后车行为的深度强化学习纵向避撞算法，仿真验证其可有效预防含重型车辆在内的连环碰撞。
2025-02-21 cs.AI cs.LG cs.RO
Geometric Optimal Controls for Flapping Wing UAV on a Lie Group
以帝王蝶的飞行特性为研究对象，提出了一种计及低频扑动和腹部起伏影响的最优控制问题。将扑翼飞行器建模为铰接刚体，并根据拉格朗日力学在抽象李群上建立其动力学方程。这为扑翼飞行器的动力学提供了一个优雅的全局公式，避免了与局部坐标相关的复杂性和奇异性。这被用来识别最小化能量变化的最佳周期性运动，并且制定最优控制以稳定周期性运动。此外，本文的结果可以应用于任何具有构型依赖惯性的李群上的拉格朗日系统的最优控制。
2021-07-16 cs.SY eess.SY math.OC
Autonomous driving of trucks in off-road environment
针对越野驾驶的安全与效率问题，本文提出结合NMPC纵向控制与RLQR横向控制的路径跟踪策略，经露天矿满载重卡越野实验验证，该策略可在约束内实现鲁棒平顺的路径跟踪。
2023-12-12 cs.SY eess.SY
Model Predictive Current Control with Harmonic Correction for Single-Phase AC-DC EV Charging
Reconfigurable Computing Systems Lab（可重构计算系统实验室）；Electronic & Electrical Engineering Trinity College Dublin（电子与电气工程三一学院）
提出一种占空比预测MPCC方法，通过实时估计谐波并校正参考电流，实现连续占空比控制并抑制低次谐波，将电流THDi从11.47%降至2.85%。
2026-06-29 cs.AI cs.AR cs.SY
A Novel Path-Tracking Algorithm for Automated Tractor-Trailer Forward and Backward Maneuvers
UTBM（贝尔福-蒙贝利亚尔技术大学）；CIAD（自动化与决策计算机科学实验室）
本文提出一种基于几何的路径跟踪算法，结合挂车横向控制与牵引车短时域预测转向调整，实现牵引车-挂车系统前进和倒车的稳定精确跟踪，无需标定或训练，仿真验证性能优于或持平经典方法。
2026-10-27 cs.RO cs.SY eess.SY
Sequence Aware SAC Control for Engine Fuel Consumption Optimization in Electrified Powertrain
针对串联式混合动力卡车发动机控制，提出基于SAC并融合GRU和决策变换器的序列感知强化学习框架，在HFET循环燃油节省接近动态规划，且在未见驾驶循环上优于前馈网络方法。
2025-08-06 cs.AI cs.LG cs.SY
Robust Sensor-Limited Control with Safe Input-Output Constraints for Hydraulic In-Wheel Motor Drive Mobility Systems
针对液压轮毂电机驱动重型轮式移动机器人的速度跟踪问题，提出鲁棒扭矩观测阀基控制框架，通过自适应障碍李雅普诺夫函数鲁棒观测器网络和阀控制信号调节，实现传感器受限下的安全鲁棒控制并通过实验验证。
2025-08-25 cs.SY eess.SY
Investigating Robustness in Cyber-Physical Systems: Specification-Centric Analysis in the face of System Deviations
本文针对信息物理系统（CPS）在环境干扰下的鲁棒性问题，提出基于规约的鲁棒性定义及证伪问题，并构建双层仿真分析框架，通过基准测试有效识别鲁棒性违规，为比较传统与强化学习控制器提供了见解。
2024-03-25 cs.LO cs.SE cs.SY
