空地統合型高速道路緊急自己組織化ネットワークシステムのためのRBF-DNN近似に基づくロバスト適応H∞耐故障予測制御

科学分野:

• 制御システム工学
• ネットワークシステム
• 交通における人工知能

背景:

• 高速道路の緊急事態には、空地統合型無線アドホックネットワークにおける堅牢な通信と意思決定支援が必要です。
• 既存の耐故障制御スキームは、時間変化するチャネル、パケットロス、コンポーネントの劣化などの連成された課題に対処するのが困難です。
• 事故リスク予測は、積極的な安全管理のために重要です。

研究 の 目的:

• 2層の異種「UAV-道路」ネットワークのためのロバスト適応H∞耐故障予測制御手法を提案すること。
• 耐故障性、通信制約、および事故リスク予測を統一されたフレームワークに統合すること。
• 道路交通の安全性と緊急対応能力を向上させること。

主な方法:

• リンク品質、キューの進化、リソース制約を組み込んだネットワーク制御モデルを開発しました。
• システム非線形のオンライン近似のために、放射基底関数ディープニューラルネットワーク（RBF-DNN）を採用しました。
• イベントトリガー型通信メカニズムと組み合わせて、射影とσ修正を備えた適応制御則を設計しました。
• システム安定性とH∞性能限界を確立するために、リアプノフフレームワークを利用しました。

主要な成果:

• 提案されたコントローラーは、厳しい条件下（リンクの切断、40-50%のパケットロス、75%のアクチュエータ劣化）でもサービス品質（QoS）とH∞性能を維持しました。
• 閉ループシステムにおける状態収束の漸近性を達成しました。
• 事故リスク予測モジュールは、実際の高速道路データで70-75%のテスト精度、PR-AUCで0.683、ROC-AUCで0.715を示しました。

結論:

• 提案されたロバスト適応H∞耐故障予測制御手法は、高速道路の安全のための空地統合ネットワークにおける複雑な課題に効果的に対処します。
• 統合されたアプローチは、信頼性の高い制御と正確な事故リスク予測を提供し、工学的実現可能性を確認します。
• このフレームワークは、高速道路の緊急時の公共安全ガバナンスのための意思決定支援を大幅に強化します。