基于mpc模型预测轨迹跟踪控制，四轮侧偏角软约束

jltqnXJ

已于 2024-08-16 10:56:40 修改

阅读量302

点赞数

文章标签：人工智能

于 2023-11-13 12:19:07 首次发布

本文链接：https://blog.csdn.net/jltqnXJ/article/details/134374553

版权

基于mpc模型预测轨迹跟踪控制，总共包含两套仿真，一套是不加入四轮侧偏角软约束，一套是加入四轮侧偏角的软约束控制，通过carsim与simulink联合仿真发现加入侧偏角软约束在进行轨迹跟踪时，能够通过控制四轮侧偏角的变化，较好的实现轨迹跟踪；而不加入侧偏角软约束的，发现车辆由于失去稳定性, 轨迹跟踪失败（该仿真是学习mpc模型预测算法控制和基于车辆动力学轨迹跟踪控制非常好的学习资料）。
文件中lunwen和文件说明。

基于MPC模型预测轨迹跟踪控制技术研究

摘要：

本文基于车辆动力学模型，利用MPC（Model Predictive Control）模型预测控制方法设计并实现了一种高效准确的轨迹跟踪控制方法。该控制方法通过对车辆的侧偏角进行软约束控制，以实现较好的轨迹跟踪性能。在本文中，我们将通过两套仿真模型来验证该方法的有效性，其中一套模型是不加入软约束控制的，而另一套模型则加入了软约束控制，通过对两套仿真模型的比较，我们得出了该控制方法的较好轨迹跟踪效果。本文的研究成果具有一定的实用意义和推广价值。

关键词：

车辆动力学模型，MPC模型预测控制，软约束控制，轨迹跟踪控制，仿真模型。

引言

轨迹跟踪控制技术是车辆控制领域中的一个重要研究方向，其研究目的是通过控制车辆的行驶轨迹，实现对车辆行驶路径的准确控制。在工业生产和科学研究中，轨迹跟踪控制技术已被广泛应用于自动驾驶系统、无人驾驶车辆等领域，其应用前景广阔。

MPC（Model Predictive Control）模型预测控制是一种先进的控制方法，其优点在于可以通过对系统状态进行预测，从而实现对系统控制的优化。在车辆控制领域中，MPC模型预测控制方法已被广泛应用于轨迹跟踪控制方面。利用车辆动力学模型和MPC控制算法结合，可以实现一种高效、准确的轨迹跟踪控制方法。

本文的主要研究内容是基于MPC模型预测控制方法，实现一种高效准确的轨迹跟踪控制方法。在本文中，我们将通过两套仿真模型来验证该方法的有效性，其中一套模型是不加入软约束控制的，而另一套模型则加入了软约束控制。

理论基础

2.1 车辆动力学模型

车辆动力学模型是车辆控制领域中的一个重要理论基础。其研究目的是为了准确描述车辆行驶时的运动学和动力学特性。常见的车辆动力学模型包括单轮模型、两轮模型、三轮模型和四轮模型等。

在本文中，我们将采用四轮动力学模型，其方程为：

$$ \begin{cases} m\ddot{x}=F_{x1}+F_{x2} \ m\ddot{y}=F_{y1}+F_{y2} \ I_{z}\ddot{\psi}=l(F_{y1}-F_{y2}) \end{cases} $$

其中 $x$ 和 $y$ 是车辆坐标系下的位置坐标，$\psi$ 是车辆坐标系与全局坐标系之间的相对角度，$m$ 是车辆质量，$I_z$ 是车辆绕垂直轴的转动惯量，$\ddot{x}$、$\ddot{y}$ 和 $\ddot{\psi}$ 分别表示车辆在坐标系下的加速度和角加速度。$F_{x1}$、$F_{x2}$ 分别表示车辆前后两个轮子所受的横向力，$F_{y1}$、$F_{y2}$ 分别表示车辆前后两个轮子所受的侧向力，$l$ 表示车辆前后轮距。

2.2 MPC模型预测控制

MPC（Model Predictive Control）模型预测控制是一种基于数学模型的控制方法。其基本思想是通过对系统状态进行预测，从而确定未来一段时间内最优的控制方案。

MPC控制算法的基本流程如下：