混合车辆队列非线性鲁棒数据驱动预测控制方法及装置

本申请涉及一种混合车辆队列非线性鲁棒数据驱动预测控制方法及装置，其中，方法包括：采集混合车辆队列中智能网联汽车的控制输入序列、攻击输入序列、头车干扰输入序列以及混合车辆队列的系统状态序列；通过采集的数据序列训练深度神经网络，以建立Koopman算子的目标提升函数，并根据目标提升函数构建等效Koopman提升系统模型，进而构建以矩阵全对称多胞形集合表征的过近似系统；基于过近似系统，确定混合车辆队列对应的系统状态的数据驱动可达集，以构建并求解非线性数据驱动预测控制问题，得到目标控制输入序列。由此，解决了现有数据驱动预测控制研究中依赖线性模型假设，缺乏对于数据噪声、外界扰动和攻击输入的重点考虑，使得算法鲁棒性较差等问题。