线性参变(LPV)+鲁棒模型预测控制(RMPC)+路径跟踪(PTC),目前能实现20-25m s的变速单移线和10-15m s的变速双移线。
考虑速度和侧偏刚度变化,基于二自由度模型和LMI设计鲁棒模型预测控制器。
上层考虑状态约束,输入约束进行控制率在线求解,计算得到前轮转角和附加横摆力矩,下层通过最优化算法求出四轮转矩。
算法采用simulink的sfunction进行搭建,和carsim8.02进行联合仿真,包含出图m文件和简单的说明文档。
本套文件内含一个主要的mdl文件,一个出图m文件,一个说明文档以及carsim8.02的cpar文件。
MATLAB2020a以上版本和carsim8.02版本
标题:鲁棒模型预测控制在路径跟踪中的应用
摘要:
本文介绍了一种结合线性参数变化和鲁棒模型预测控制的路径跟踪算法。通过基于二自由度模型和线性矩阵不等式设计的鲁棒模型预测控制器,对速度和侧偏刚度的变化进行考虑,并利用最优化算法求解四轮转矩,实现了20-25m/s的变速单移线和10-15m/s的变速双移线。本文还介绍了算法的具体实现方法,包括使用Simulink的S函数搭建算法和与Carsim8.02进行联合仿真的流程。最后,本文提及了该算法的部分局限性,并强调了产品的特殊性。
1. 引言
路径跟踪作为自动驾驶中的关键技术之一,能够实现车辆在指定路径上的精确控制。然而,由于车辆参数的不确定性以及环境变化的干扰,传统的路径跟踪算法往往无法满足高精度的控制需求。针对这一问题,本文提出了一种基于鲁棒模型预测控制的路径跟踪算法。
2. 算法设计
2.1 线性参数变化模型
为了考虑速度和侧偏刚度的变化,本文采用了线性参数变化模型。通过对车辆状态的建模和参数的描述,可以获得车辆运动过程中的变化模型,从而实现对速度和侧偏刚度的自适应控制。
2.2 鲁棒模型预测控制器设计
本文基于二自由度模型和线性矩阵不等式设计了鲁棒模型预测控制器。该控制器通过对车辆运动过程中的状态约束和输入约束进行控制率在线求解,计算得到前轮转角和附加横摆力矩,并通过最优化算法求解四轮转矩,实现精确的路径跟踪。
3. 算法实现
本文采用Simulink的S函数进行算法的搭建,并与Carsim8.02进行联合仿真。通过编写出图M文件和简单的说明文档,实现了算法的调试和验证。具体文件包括主要的MDL文件、出图M文件、说明文档以及Carsim8.02的CPAR文件。
4. 算法局限性
由于算法的特殊性,本文提醒使用者在购买前慎重考虑。一旦购买,将不提供退货和换货服务。此外,使用非MATLAB2020a以上版本和非Carsim8.02版本的用户也需要慎重购买。
结论:
本文介绍了一种基于鲁棒模型预测控制的路径跟踪算法,通过考虑速度和侧偏刚度变化,实现了高精度的路径控制。该算法使用Simulink和Carsim8.02进行联合仿真,并通过最优化算法求解四轮转矩。尽管该算法存在一定局限性,但对于需要精确路径跟踪的应用领域具有重要的价值。
关键词:鲁棒模型预测控制、路径跟踪、线性参数变化、二自由度模型、控制率在线求解、最优化算法、Simulink、Carsim8.02
相关代码,程序地址:http://imgcs.cn/lanzoun/728654781443.html