基于模型預測控制的路徑跟蹤控制器模型仿真

李家齊

摘 要：文章建立車輛二自由度運動學模型，并將車輛二自由度運動微分方程離散化、線性化，設計了一種基于模型預測算法的軌跡跟蹤控制器，并且在實驗的基礎上制定合理的約束函數和控制規則，從而兼顧路徑跟蹤的準確性和車輛的穩定性。采用Carsim& Simulink平臺對算法進行仿真驗證，結果表明基于模型預測控制的軌跡跟蹤控制器在5m/s以下時能夠較好地跟蹤預設軌跡。關鍵詞：自動駕駛;路徑跟蹤;模型預測控制中圖分類號：U471.15 ?文獻標識碼：A? 文章編號：1671-7988（2020）01-42-04

Abstract： In this paper， the two-degree-of-freedom kinematics model of vehicle is established， and the differential equation of vehicle two-degree-of-freedom model is discretized and linearized. A trajectory tracking controller based on model prediction algorithm is designed， and a reasonable constraint function is established based on the experiment， attempting to balance the accuracy of path tracking and vehicle stability. The algorithm is verified by Carsim& Simulink platform. The results show that the trajectory tracking controller based on model predictive control can track the preset trajectory better when it is below 5m/s.Keywords： Automatic driving; Path tracking; Model predictive controlCLC NO.： U471.15? Document Code： A? Article ID： 1671-7988（2020）01-42-04

前言

自動駕駛系統最基本的執行部分是運動控制模塊，它關系到安裝自動駕駛系統的車輛能否準確地執行上層模塊所給定的任務。智能車輛在行進過程中會受到路面不平、風力等外部影響，并且無人駕駛車輛本身的系統具有高度不確定性，是一個非線性的系統，在自動駕駛車輛行駛過程中，車輛系統的參數不斷發生變化，并且有的參數無法直接測量得到。

因此，在模型參數不確定或變化的情況下，通過復雜車輛模型來設計性能良好的控制器比較困難[1]。由于完全車輛模型較為復雜，實際應用與簡化后模型效果相差不大，因此在有關車輛仿真研究中對車輛模型簡化可以有效地減少計算量，同時保證計算精度[2]。

1 建立模型

1.1 車輛動力學模型

要用于車輛軌跡跟蹤控制器的模型需要比局部路徑規劃所用的模型更加精確，為了簡化計算，同時保證一定的精度，我們采用二自由度車輛動力學模型，如圖1所示。

對圖1所示的車輛模型進行分析，并結合圖2，得：

3 結論

本文通過構建多約束的線性時變系統描述非線性路徑跟蹤問題，針對預測時域范圍內對車速、路徑跟蹤性能進行仿真，通過動態改變控制器的預測時域變化率與參考速度變化率等參數動態調節車輛運動軌跡，并將軌跡與實際軌跡對比，得到車輛基于路徑跟蹤橫向誤差大約為2.095m，該系統在能夠滿足自動駕駛汽車直線行駛車道保持和轉彎跟隨彎道路徑的需求下，顯著提高車輛軌跡跟蹤響應速度，并且在速度波動時仍能較好的跟蹤規劃軌跡。

參考文獻

[1] 無人駕駛車路徑跟蹤控制研究[J].計算機工程，2012，38（10）：128- 30.

[2] 汽車在兩種轉向工況下的路徑規劃與路徑跟蹤研究[D];南京航空航天大學， 2015.

[3] 龔建偉，姜巖，徐威.無人駕駛車輛模型預測控制.[M].北京：北京理工大學出版社，2014.04.

[4] 拉賈馬尼.車輛動力學及控制.[M].北京：機械工業出版社，2011.01.

[5] 第十屆中國智能交通年會學術委員會.第十屆中國智能交通年會優秀論文集. [M].北京：電子工業出版社，2015.10.